基于多任务分类的指纹防伪识别方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质；方法包括：响应于对指纹采集设备的指纹感测区域的触发操作，采集触发操作所形成的指纹；获取当前设备状态，并根据当前设备状态确定当前指纹认证阶段；调用多任务分类模型对采集的指纹进行分类处理，得到与多个分类任务对应的预测类别；当目标分类任务对应的预测类别为允许认证类别时，确定采集的指纹通过当前指纹认证阶段的防伪认证，并执行指纹入库操作、指纹匹配操作及模板更新操作中与当前指纹认证阶段对应的操作；其中，目标分类任务是与当前指纹认证阶段对应的分类任务。通过本发明专利技术，能够提升指纹防伪识别的精度，加强指纹认证阶段的安全性。

Fingerprint anti-counterfeiting identification method, device and electronic equipment based on multi task classification

【技术实现步骤摘要】
基于多任务分类的指纹防伪识别方法、装置及电子设备
本专利技术涉及人工智能和安全技术，尤其涉及一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
人工智能（AI，ArtificialIntelligence）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。机器学习（ML，MachineLearning）是人工智能的一个分支，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。指纹防伪认证是机器学习的一个重要应用，在实际生活中应用广泛。在相关技术提供的方案中，通常是通过独立的分类任务，如“指纹/非指纹”的分类任务来训练模型，并根据训练好的模型进行指纹分类，根据指纹分类的结果判断该指纹是否伪造。但是，该种方式会导致模型的泛化能力弱，容易出现过拟合的情况，指纹防伪识别的精度较低。
技术实现思路
本专利技术实施例提供一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质，能够提升指纹防伪识别的精度，加强指纹认证阶段的安全性。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种基于多任务分类的指纹防伪识别方法，包括：响应于对指纹采集设备的指纹感测区域的触发操作，采集所述触发操作所形成的指纹；获取所述指纹采集设备的当前设备状态，并根据设备状态与指纹认证阶段之间的映射关系，在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段；调用多任务分类模型对所述采集的指纹进行分类处理，得到与多个分类任务对应的预测类别；其中，每个所述分类任务对应一个指纹认证阶段；当目标分类任务对应的预测类别为允许认证类别时，确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证，并执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作；其中，所述目标分类任务是与所述当前指纹认证阶段对应的分类任务。本专利技术实施例提供一种基于多任务分类的指纹防伪识别装置，包括：采集模块，用于响应于对指纹采集设备的指纹感测区域的触发操作，采集所述触发操作所形成的指纹；阶段确定模块，用于获取所述指纹采集设备的当前设备状态，在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段；分类模块，用于调用多任务分类模型对所述采集的指纹进行分类处理，得到与多个分类任务对应的预测类别；其中，每个所述分类任务对应一个指纹认证阶段；确定通过模块，用于当目标分类任务对应的预测类别为允许认证类别时，确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证，并执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作；其中，所述目标分类任务是与所述当前指纹认证阶段对应的分类任务。本专利技术实施例提供一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本专利技术实施例提供的基于多任务分类的指纹防伪识别方法。本专利技术实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本专利技术实施例提供的基于多任务分类的指纹防伪识别方法。本专利技术实施例具有以下有益效果：本专利技术实施例通过多任务分类模型对采集的指纹进行分类处理，并根据当前指纹认证阶段确定相应的目标分类任务，当目标分类任务对应的预测类别为预设的允许认证类别时，确定采集的指纹成功通过当前指纹认证阶段的防伪认证，并执行当前指纹认证阶段对应的操作，相较于独立的分类任务形式，通过多任务分类模型能够学习到不同分类任务之间的相关性，故本专利技术实施例能够提升指纹防伪识别的精度，加强指纹认证阶段的安全性。附图说明图1是本专利技术实施例提供的基于多任务分类的指纹防伪识别系统的一个可选的架构示意图；图2是本专利技术实施例提供的结合区块链网络的基于多任务分类的指纹防伪识别系统的一个可选的架构示意图；图3是本专利技术实施例提供的终端设备的一个可选的架构示意图；图4是本专利技术实施例提供的基于多任务分类的指纹防伪识别装置的一个可选的架构示意图；图5A是本专利技术实施例提供的基于多任务分类的指纹防伪识别方法的一个可选的流程示意图；图5B是本专利技术实施例提供的基于多任务分类的指纹防伪识别方法的一个可选的流程示意图；图5C是本专利技术实施例提供的基于多任务分类的指纹防伪识别方法的一个可选的流程示意图；图6是本专利技术实施例提供的模型训练及模型应用的一个可选的示意图；图7是本专利技术实施例提供的模型训练及模型应用的一个可选的示意图；图8是本专利技术实施例提供的硬参数共享的多任务分类模型的一个可选的示意图；图9是本专利技术实施例提供的软参数共享的多任务分类模型的一个可选的示意图；图10是本专利技术实施例提供的多任务分类模型的一个可选的示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，所描述的实施例不应视为对本专利技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。另外，以下描述中的“多个”是指“至少两个”。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本专利技术实施例的目的，不是旨在限制本专利技术。对本专利技术实施例进行进一步详细说明之前，对本专利技术实施例中涉及的名词和术语进行说明，本专利技术实施例中涉及的名词和术语适用于如下的解释。1）分类任务：用于对某种类型的对象（如指纹）进行分类，将其预测为分类任务的多个类别中的一种。2）指纹入库操作：指将指纹存储至模板中，例如将具有解锁权限的用户的指纹保存在移动终端设备本地的模板中。3）指纹匹配操作：将采集的指纹与模板中的指纹进行匹配，判断采集的指纹与模板中的指纹是否一致，根据匹配结果可执行相应的操作，如解锁或拒绝解锁的操作。4）模板更新操作：基于采集的指纹更新模板中对应的指纹。5）活体指纹：真人活体的手指指纹。6）仿冒指纹：包括2D假体指纹和3D假体指纹，其中，2D假体指纹是指通过拓印或打印等方法制作的假体指纹，没有凹凸感；3D假体指纹是指通过制作指纹模具等方法制作的假体指纹，有凹凸感，呈现三维特征，和人体的活体指纹的仿真度更高。7）固定条纹：指纹感测区域上的裂纹（Crack）、污点（Stain）或覆盖有固定图案的薄膜（例如带有固定纹路的手机膜或有心人士制作的具有固定图案的薄膜）等，其中本文档来自技高网...

【技术保护点】
1.一种基于多任务分类的指纹防伪识别方法，其特征在于，包括：/n响应于对指纹采集设备的指纹感测区域的触发操作，采集所述触发操作所形成的指纹；/n获取所述指纹采集设备的当前设备状态，并/n根据设备状态与指纹认证阶段之间的映射关系，在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段；/n调用多任务分类模型对所述采集的指纹进行分类处理，得到与多个分类任务对应的预测类别；其中，每个所述分类任务对应一个指纹认证阶段；/n当目标分类任务对应的预测类别为允许认证类别时，确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证，并/n执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作；/n其中，所述目标分类任务是与所述当前指纹认证阶段对应的分类任务。/n

【技术特征摘要】
1.一种基于多任务分类的指纹防伪识别方法，其特征在于，包括：
响应于对指纹采集设备的指纹感测区域的触发操作，采集所述触发操作所形成的指纹；
获取所述指纹采集设备的当前设备状态，并
根据设备状态与指纹认证阶段之间的映射关系，在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段；
调用多任务分类模型对所述采集的指纹进行分类处理，得到与多个分类任务对应的预测类别；其中，每个所述分类任务对应一个指纹认证阶段；
当目标分类任务对应的预测类别为允许认证类别时，确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证，并
执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作；
其中，所述目标分类任务是与所述当前指纹认证阶段对应的分类任务。


2.根据权利要求1所述的指纹防伪识别方法，其特征在于，
所述执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作，包括：
当所述当前指纹认证阶段为指纹入库阶段时，将所述采集的指纹存储至模板中；
所述指纹防伪识别方法，还包括：
当所述目标分类任务对应的预测类别为混合指纹类别时，忽略所述采集的指纹，并输出清除提示；
当所述目标分类任务对应的预测类别为禁止入库类别时，忽略所述采集的指纹；
其中，所述允许认证类别包括活体指纹类别；所述禁止入库类别包括仿冒指纹类别和非指纹类别；所述混合指纹类别用于表示属于所述活体指纹类别的指纹和固定条纹的混合；所述清除提示用于提示清除所述固定条纹。


3.根据权利要求1所述的指纹防伪识别方法，其特征在于，
所述执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作，包括：
当所述当前指纹认证阶段为指纹匹配阶段时，将所述采集的指纹与模板中的指纹进行匹配，得到表征所述采集的指纹与所述模板中的指纹是否一致的匹配结果；
所述指纹防伪识别方法，还包括：
当所述目标分类任务对应的预测类别为仿冒指纹类别时，忽略所述采集的指纹，并将指纹匹配难度提升至设定级别；
当所述目标分类任务对应的预测类别为非指纹类别时，忽略所述采集的指纹；
其中，所述允许认证类别包括活体指纹类别和混合指纹类别；所述混合指纹类别用于表示属于所述活体指纹类别的指纹和固定条纹的混合。


4.根据权利要求3所述的指纹防伪识别方法，其特征在于，所述将指纹匹配难度提升至设定级别，包括：
执行以下任意一种处理，以将指纹匹配难度提升至设定级别：
将指纹匹配的模式切换为密码匹配的模式；
将指纹匹配原有的重试次数阈值降低为设定级别的重试次数阈值；
将指纹匹配原有的相似度阈值提升为设定级别的相似度阈值，以
在所述采集的指纹与所述模板中的指纹之间的相似度小于或等于所述设定级别的相似度阈值时，确定匹配结果为匹配失败。


5.根据权利要求1所述的指纹防伪识别方法，其特征在于，
所述执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作，包括：
当所述当前指纹认证阶段为模板更新阶段时，基于所述采集的指纹更新模板中的指纹；
所述指纹防伪识别方法，还包括：
当所述目标分类任务对应的预测类别为禁止更新类别时，忽略所述采集的指纹；
其中，所述允许认证类别包括活体指纹类别；所述禁止更新类别包括混合指纹类别、仿冒指纹类别及非指纹类别；所述混合指纹类别用于表示属于所述活体指纹类别的指纹和固定条纹的混合。


6.根据权利要求1至5任一项所述的指纹防伪识别方法，其特征在于，所述调用多任务分类模型对所述采集的指纹进行分类处理，得到与多个分类任务对应的预测类别，包括：
调用所述多任务分类模型中的特征提取模型，对所述采集的指纹进行特征提取处理，得到指纹特征；
调用所述多任务分类模型中的指纹入库模型、指纹匹配模型及模板更新模型，分别根据所述指纹特征执行分类任务，得到与所述分类任务对应的预测类别；
其中，所述指纹入库模型、所述指纹匹配模型及所述模板更新模型分别对应一个所述分类任务。


7.根据权利要求6所述的指纹防伪识别方法，其特征在于，所述调用所述多任务分类模型中的特征提取模型，对所述采集的指纹进行特征提取处理，得到指纹特征，包括：
执行以下任意一种处理，以得到所述采集的指纹的指纹特征：
当所述特征提取模型包括共享网络层时，调用所述共享网络层对所述采集的指纹进行特征提取处理，得到所述指纹入库模型、所述指纹匹配模型和所述模板更新模型共享的指纹特征；
当所述特征提取模型包括与所述指纹入库模型、所述指纹匹配模型和所述模板更新模型一一对应的子网络层时，调用所述子网络层对所述采集的指纹进行特征提取处理，得到所述子网络层对应的模型独享的指纹特征。


8.根据权利要求6所述的指纹防伪识别...

【专利技术属性】
技术研发人员：陈昱，于旸，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44