本发明专利技术提供一种基于深度学习的指纹图像识别方法、装置和电子设备，该方法包括：获取现场指纹图像；获取所述现场指纹图像中特征点的位置信息；根据所述特征点的位置信息获取特征点图像块，所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述；根据所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像的特征描述进行匹配，得到匹配结果。本发明专利技术可以对现场指纹图像进行自动身份确认。确认。确认。
【技术实现步骤摘要】
基于深度学习的指纹图像识别方法、装置和电子设备
[0001]本专利技术涉及图像处理
，尤其涉及一种基于深度学习的指 纹图像识别方法、装置和电子设备。
技术介绍
[0002]指纹识别是将识别对象的指纹进行分类比对从而进行判别。指纹 识别技术是众多生物特征识别技术中的一种，所谓生物特征识别技术， 系指利用人体所固有的生理特征或行为特征来进行个人身份鉴定，由 于生物识别所具有的便捷与安全等优点使得生物识别技术在身份认 证识别和网络安全领域拥有广阔的应用前景，可用的生物特征识别技 术有指纹、人脸、声纹、虹膜等。
[0003]指纹识别技术在当前应用非常广泛，可用于从犯罪现场收集证据， 银行客户身份认证，手机或其他智能设备解锁等。但是，当前难以根 据现场指纹图像进行自动身份确认。
技术实现思路
[0004]本专利技术提供一种基于深度学习的指纹图像识别方法、装置和电子 设备，用以解决现有技术中难以根据现场指纹图像进行自动身份确认 的缺陷，实现对现场指纹图像进行自动身份确认。
[0005]本专利技术提供一种基于深度学习的指纹图像识别方法，包括：获取 现场指纹图像；获取所述现场指纹图像中特征点的位置信息；根据所 述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至 特征描述生成模型，输出所述特征点的特征描述，所述特征描述生成 模型是基于多个样本图像块和与所述多个样本图像块对应的多个特 征描述进行训练得到的；根据所述现场指纹图像中所有特征点的特征 描述与指纹库中的指纹图像的特征描述进行匹配，得到匹配结果。
[0006]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，获取 所述现场指纹图像中特征点的位置信息，包括：对所述现场指纹图像 进行图像增强；将图像增强后的现场指纹图像分割为多个现场指纹增 强子图像块；在所述多个现场指纹增强子图像块中，将含有所述特征 点的现场指纹增强子图像块输入至特征点位置生成模型，输出所述特 征点的位置信息。
[0007]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，对所 述现场指纹图像进行图像增强，包括：构建指纹图像方向场字典集合； 将所述现场指纹图像分割为多个现场指纹子图像；获取所述多个现场 指纹子图像的方向场；根据所述多个现场指纹子图像的方向场在所述 构建指纹图像方向场字典集合中进行匹配，得到多个匹配对象；根据 所述多个匹配对象对所述多个现场指纹子图像进行替换。
[0008]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，构建 指纹图像方向场字典集合，包括：提供样本指纹图像；将所述样本指 纹图像分割为多个样本指纹子图像；获取所述多个样本指纹子图像的 方向场信息；根据所述多个样本指纹子图像的方向场信
息构建所述指 纹图像方向场字典集合。
[0009]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，根据 所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入 至特征描述生成模型，输出所述特征点的特征描述，包括：将所述特 征点图像块输入至所述特征描述生成模型，输出所述特征点的N维 特征，将所述N维特征作为所述特征点的特征描述；其中，所述特 征描述生成模型为模拟二代小波网络的深度学习模型，N为大于0的 自然数。
[0010]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，将所 述特征点图像块输入至所述特征描述生成模型，输出所述特征点的N 维特征，包括：将所述特征点图像块输入至所述特征描述生成模型进 行多分辨率小波变换得到多个高频单元；基于所述特征描述生成模型 对所述多个高频单元依次进行平均池化、拼接和全连接变换，输出所 述特征点的N维特征。
[0011]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，根据 所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像 的特征点的特征描述进行匹配，得到匹配结果，包括：基于所述现场 指纹图像中所有特征点的特征描述与所述指纹库中的指纹图像的特 征点的特征描述计算所述现场指纹图像和所述指纹库中的指纹图像 的全局相似度；将所述指纹库中与所述现场指纹图像的全局相似度最 高的指纹图像作为所述现场指纹图像的匹配对象。
[0012]根据本专利技术提供的一种基于深度学习的指纹图像识别方法，基于 所述现场指纹图像中所有特征点的特征描述与所述指纹库中的指纹 图像的特征点的特征描述计算所述现场指纹图像和所述指纹库中的 指纹图像的全局相似度，包括：根据所述现场指纹图像中所有特征点 的特征描述得到所述现场指纹图像的特征集合；从所述指纹库中获取 第一指纹图像的特征集合；计算所述现场指纹图像的特征集合与所述 第一指纹图像的特征集合中每对特征的相似度；将相似度最高的M 对构成相似特征集合；利用所述相似特征集合得到最优对齐矩阵，最 大化特征对相似度和，作为现场指纹图像和所述第一指纹图像的全局 相似度；计算所述指纹库中剩余指纹图像与所述现场指纹图像的全局 相似度。
[0013]本专利技术还提供一种基于深度学习的指纹图像识别装置，包括：获 取模块，用于获取现场指纹图像；控制处理模块，用于获取所述现场 指纹图像中特征点的位置信息；所述控制处理模块还用于根据所述特 征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征 描述生成模型，输出所述特征点的特征描述，所述特征描述生成模型 是基于多个样本图像块和与所述多个样本图像块对应的多个特征描 述进行训练得到的；所述控制处理模块还用于根据所述现场指纹图像 中所有特征点的特征描述与指纹库中的指纹图像的特征描述进行匹 配，得到匹配结果。
[0014]根据本专利技术提供的一种基于深度学习的指纹图像识别装置，所述 控制处理模块用于对所述现场指纹图像进行图像增强；所述控制处理 模块还用于将图像增强后的现场指纹图像分割为多个现场指纹增强 子图像块；所述控制处理还用于在所述多个现场指纹增强子图像块中， 将含有所述特征点的现场指纹增强子图像块输入至特征点位置生成 模型，输出所述特征点的位置信息。
[0015]根据本专利技术提供的一种基于深度学习的指纹图像识别装置，所述 控制处理模块用于构建指纹图像方向场字典集合；所述控制处理模块 还用于将所述现场指纹图像分割
为多个现场指纹子图像；所述控制处 理模块还用于获取所述多个现场指纹子图像的方向场；所述控制处理 模块还用于根据所述多个现场指纹子图像的方向场在所述构建指纹 图像方向场字典集合中进行匹配，得到多个匹配对象；所述控制处理 模块还用于根据所述多个匹配对象对所述多个现场指纹子图像进行 替换。
[0016]根据本专利技术提供的一种基于深度学习的指纹图像识别装置，所述 获取模块还用于获取样本指纹图像；所述控制处理模块用于将所述样 本指纹图像分割为多个样本指纹子图像；所述控制处理模块还用于获 取所述多个样本指纹子图像的方向场信息；所述控制处理模块还用于 根据所述多个样本指纹子图像的方向场信息构建所述指纹图像方向 场字典集合。
[0017]根据本专利技术提供的一种基于深度学习的指纹图像识别装置，所述 获取模块还用于以所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的指纹图像识别方法，其特征在于，包括：获取现场指纹图像；获取所述现场指纹图像中特征点的位置信息；根据所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述，所述特征描述生成模型是基于多个样本图像块和与所述多个样本图像块对应的多个特征描述进行训练得到的；根据所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像的特征描述进行匹配，得到匹配结果。2.根据权利要求1所述的基于深度学习的指纹图像识别方法，其特征在于，获取所述现场指纹图像中特征点的位置信息，包括：对所述现场指纹图像进行图像增强；将图像增强后的现场指纹图像分割为多个现场指纹增强子图像块；在所述多个现场指纹增强子图像块中，将含有所述特征点的现场指纹增强子图像块输入至特征点位置生成模型，输出所述特征点的位置信息。3.根据权利要求2所述的基于深度学习的指纹图像识别方法，其特征在于，对所述现场指纹图像进行图像增强，包括：构建指纹图像方向场字典集合；将所述现场指纹图像分割为多个现场指纹子图像；获取所述多个现场指纹子图像的方向场；根据所述多个现场指纹子图像的方向场在所述构建指纹图像方向场字典集合中进行匹配，得到多个匹配对象；根据所述多个匹配对象对所述多个现场指纹子图像进行替换。4.根据权利要求3所述的基于深度学习的指纹图像识别方法，其特征在于，构建指纹图像方向场字典集合，包括：获取样本指纹图像；将所述样本指纹图像分割为多个样本指纹子图像；获取所述多个样本指纹子图像的方向场信息；根据所述多个样本指纹子图像的方向场信息构建所述指纹图像方向场字典集合。5.根据权利要求1所述的基于深度学习的指纹图像识别方法，其特征在于，根据所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述，包括：以所述特征点为中心获取特征点图像块；将所述特征点图像块输入至所述特征描述生成模型，输出所述特征点的...
【专利技术属性】
技术研发人员：刘晓春，刘帅，郑逢德，
申请(专利权)人：北京海鑫科金高科技股份有限公司，
类型：发明
国别省市：
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。