The invention relates to fingerprint activity detection method based on multi-scale and multi-convolution feature fusion, which includes: step 1) multi-scale feature extraction training: extracting region of interest from original image and training network parameters; step 2) principal component analysis of each layer feature: extracting the results of each layer calculation according to the trained network structure, and then dividing the extracted features into several parts. Do not do principal component analysis; Step 3) Multi-convolution layer feature fusion: After fusing the convolution neural network and the features of each layer obtained by principal component analysis, the features extracted at different scales are connected; Step 4) Support vector machine model training and testing: authentic fingerprint image identification is carried out by selecting the classifier using support vector machine as feature. This method automatically learns representative true and false fingerprint features from a large number of fingerprint images with labels by generating multi-scale images and constructing regions of interest.
【技术实现步骤摘要】
基于多尺度和多卷积层特征融合的指纹活性检测方法
本专利技术涉及计算机视觉技术和模式识别领域,尤其涉及一种基于多尺度和多卷积层特征融合的指纹活性检测方法。
技术介绍
随着人工智能、模式识别等相关技术的发展,指纹传感器研发和生产技术日臻成熟,已能够捕获到大量高分辨率的指纹图像,这都为基于指纹图像的鉴定技术在金融、公安、门禁、户籍管理等领域得到了广泛的应用奠定了基础。但是,人类的指纹信息很容易被窃取和伪造,因此指纹识别系统给人们带来便捷身份认证方式的同时,也带来了身份认证的安全隐患。目前,基于真假指纹图像的活性检测技术可分为两类。第一类是基于硬件的指纹活性检测方案(Hardware-basedFLDscheme)。该检测方案需要在指纹认证系统中增加一些指纹传感器设备,用来采集手指(真手指和伪造的假手指)表皮的温度,脉搏、血含氧量或导电率等生物信息,通过分析这些采集的数据来鉴别真假指纹。有的鉴别技术可直接使用射频传感器发射出的微量射频信号,该信号可穿透手指的表皮层去探测真皮层里的指纹纹路图像。通过分析这些指纹纹路图像的细节信息,从而杜绝多种人造指纹材质生成的假指纹。但是,基于硬件的检测算法具有较好的检测精度,但在实际应用中易被非法用户找到漏洞,而且会增加系统的硬件成本。第二种是基于软件的指纹活性检测方案(Software-basedFLDscheme)。通过分析指纹图像的纹理结构、指纹气孔和弹性属性等静态特征,或者通过分析处理一个时间段内的两张连续指纹图像,得到毛孔中的汗液信号、时间压力变化这类动态特征。与基于硬件的方法相比,基于软件的检测算法成本相对较低,是目前 ...
【技术保护点】
1.一种基于多尺度和多卷积层特征融合的指纹活性检测方法,其特征在于包括如下步骤:步骤1)多尺度特征提取训练:对原图做提取感兴趣区域处理,并训练网络的参数,当精度趋于饱和时,停止训练,并保存参数,记录最终精度;步骤2)主成分分析各层特征:根据训练好的网络结构,提取每层计算后得到的结果,接着对提取到的特征分别做主成分分析处理;步骤3)多卷积层特征融合:通过不同指纹传感器搜集指纹图像,将输入图像的尺寸设定为若干个尺度实现指纹图像的尺度的不变性,将卷积神经网络和经过主成分分析得到的各层特征连接融合后,再将各尺度提取到的特征进行连接;步骤4)支持向量机模型训练和测试:通过选择使用支持向量机作为特征的分类器进行真假指纹图像鉴别。
【技术特征摘要】
1.一种基于多尺度和多卷积层特征融合的指纹活性检测方法,其特征在于包括如下步骤:步骤1)多尺度特征提取训练:对原图做提取感兴趣区域处理,并训练网络的参数,当精度趋于饱和时,停止训练,并保存参数,记录最终精度;步骤2)主成分分析各层特征:根据训练好的网络结构,提取每层计算后得到的结果,接着对提取到的特征分别做主成分分析处理;步骤3)多卷积层特征融合:通过不同指纹传感器搜集指纹图像,将输入图像的尺寸设定为若干个尺度实现指纹图像的尺度的不变性,将卷积神经网络和经过主成分分析得到的各层特征连接融合后,再将各尺度提取到的特征进行连接;步骤4)支持向量机模型训练和测试:通过选择使用支持向量机作为特征的分类器进行真假指纹图像鉴别。2.根据权利要求1所述的基于多尺度和多卷积层特征融合的指纹活性检测方法,其特征在于所述步骤1)中提取感兴趣区域的方法为:根据式(1)进行Sobel边缘检测,求取边缘最小外接矩形,并截取图像的感兴趣区域,Sobel边缘检测算法如下:其中,Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值,G表示梯度大小,θ表示梯度方向,A表示待处理的图像的矩阵。3.根据权利要求1所述的基于多尺度和多卷积层特征融合的指纹活性检测方法,其特征在于所述步骤2)...
【专利技术属性】
技术研发人员:袁程胜,余佩鹏,夏志华,付章杰,孙星明,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。