基于训练样本指纹识别智能尾箱应用方法及设备技术

本发明专利技术提出了基于训练样本指纹识别智能尾箱应用方法及设备，涉及本发明专利技术涉及保险柜领域领域。本发明专利技术的方案：利用多尺度图像细节优化处理、自编码器、SVM（支持向量机）、分组式KNN等多种模型对是否为智能尾箱持有者的指纹进行判别，为智能尾箱的安全使用提供支持。本发明专利技术能够提升了指纹图像识别的精度和健壮性，确保了智能尾箱的安全使用。保了智能尾箱的安全使用。保了智能尾箱的安全使用。

【技术实现步骤摘要】
基于训练样本指纹识别智能尾箱应用方法及设备


[0001]本专利技术涉及保险柜领域领域，具体而言，涉及基于训练样本指纹识别智能尾箱应用方法及设备。

技术介绍

[0002]智能尾箱在金融领域发挥了重要的作用，也越来越受到大众的认可。它不仅可以为使用者提供巨大的方便，也可以一定程度上保证资金、重要单据的使用安全。由于智能尾箱中存放了大量的资金和重要单据等，它的使用安全性也越来越受到大家的关注。结合人工智能技术，很多知名研究机构、高科技企业将指纹识别技术应用于智能尾箱，利用指纹识别对智能尾箱进行开锁控制，旨在提升智能尾箱的使用安全性。
[0003]目前，传统的指纹识别技术仍然存在一定的局限性，无法高质量地应用于尾箱开锁控制。一方面，传统的指纹匹配过程无法保证较高的正确率，直接影响了指纹的识别精度；另一方面，传统的指纹识别模型往往没有较好的普适性，对于特征不显著的边缘式待检测图像很难进行判定。

技术实现思路

[0004]本专利技术的目的在于提供基于训练样本指纹识别智能尾箱应用方法及设备，其能够提升了指纹图像识别的精度和健壮性，确保了智能尾箱的安全使用。
[0005]本专利技术的实施例是这样实现的：本申请实施例提供一种基于训练样本指纹识别智能尾箱应用方法，包括：S1:采集多个智能尾箱持有者的指纹图像作为潜在正样本，采集多个非智能尾箱持有者指纹图像作为潜在负样本；S2:对潜在正样本和潜在负样本进行图像细节优化处理，得到图像处理后的正样本和图像处理后的负样本；S3:利用自动编码器对图像处理后的正样本和图像处理后的负样本进行深度表征，得到表征后的正样本和表征后的负样本；S4:对表征后的正样本进行欧式距离计算之间的差异性，对相似度高表征后的正样本只保留一个得到正样本，最终保留50个正样本，对表征后的负样本进行欧式距离计算之间的差异性，对相似度高表征后的负样本只保留一个得到负样本，最终保留50个负样本；S5:通过SVM模型对正样本和负样本进行训练，得到智能尾箱持有者指纹识别决策模型；S6:智能尾箱持有者指纹识别决策模型对使用者的指纹图像进行识别；S7:智能尾箱持有者指纹识别决策模型对使用者识别得分高时则打开智能尾箱，智能尾箱持有者指纹识别决策模型对使用者识别得分低时则禁止打开智能尾箱。
[0006]在本专利技术的一些实施例中，上述S1中智能尾箱持有者的指纹图像为50个
‑
100个。
[0007]在本专利技术的一些实施例中，上述智能尾箱持有者的指纹图像为50个。
[0008]在本专利技术的一些实施例中，上述S1中非智能尾箱持有者的指纹图像为50个
‑
100个。
[0009]在本专利技术的一些实施例中，上述非智能尾箱持有者的指纹图像为50个。
[0010]在本专利技术的一些实施例中，上述S2中图像细节优化处理为多尺度图像细节优化处理。
[0011]在本专利技术的一些实施例中，上述S2包括以下步骤：通过最小二乘滤波器对图像处理后的正样本和图像处理后的负样本进行过滤，得到过滤后的正样本图像和过滤后的负样本图像；将过滤后的正样本图像和过滤后的负样本图像均分为多个尺度；对过滤后正样本图像的多个尺度和过滤后负样本图像的多个尺度进行减除计算，得到正样本图像细节信息和负样本图像细节信息；将正样本图像细节信息加权至潜在正样本，得到潜在正样本加强图像，将负样本图像细节信息加权至潜在负样本，得到潜在负样本加强图像。
[0012]在本专利技术的一些实施例中，上述S7中智能尾箱持有者指纹识别决策模型对使用者识别得分位于高分和低分之间的待检测指纹图像则进行二次判定：将50个正样本和50个负样本放在一个数据集中并分成5组，每组包含10个正样本和10个负样本；每组中利用欧式距离计算待检测指纹图像距10个正样本和10个负样本之间的空间距离；通过空间距离计算，得到与每组的正样本和负样本相邻最近待检测指纹图像最近的K个样本实例；当K个样本实例中正样本大于负样本，则将待检测图像初步判定为智能尾箱持有者的指纹图像，当K个样本实例中正样本小于负样本，则将待检测图像初步判定为非智能尾箱持有者的指纹图；5个组中，若有3组及以上将待检测图像判定为智能尾箱持有者的指纹图像，则将待检测图像最终判定为智能尾箱持有者的指纹图像，5个组中，若有3组及以上将待检测图像判定为非智能尾箱持有者的指纹图像，则将待检测图像最终判定为非智能尾箱持有者的指纹图像。
[0013]一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行的方法。
[0014]一种计算设备，计算设备包括处理器及存储器：存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行的方法。
[0015]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：一种基于训练样本指纹识别智能尾箱应用方法，包括：S1:采集多个智能尾箱持有者的指纹图像作为潜在正样本，采集多个非智能尾箱持有者指纹图像作为潜在负样本；S2:对潜在正样本和潜在负样本进行图像细节优化处理，得到图像处理后的正样本和图像处理后的负样本；S3:利用自动编码器对图像处理后的正样本和图像处理后的负样本进行深度表征，得到表征后的正样本和表征后的负样本；S4:对表征后的正样本进行欧式距离计算之间的差异性，对相似度高表征后的正样本只保留一个得到正样本，最终保留50个正样本，对表征后的负样本进行欧式距离计算之间的差异性，对相似度高表征后的负样本只保留一个得到负样本，最终保留50个负样本；S5:通过SVM模型对正样本和负样本进行训练，得到智能尾箱持有者指纹识别决策模型；S6:智能尾箱持有者指纹识别决策模型对使用者的指纹图像进行识别；S7:智能尾箱持有者指纹识别决策模型对使用者识别得分高时则打开智能尾箱，智能尾箱持有者指纹识别决策模型对使用者识别得分低时则禁止打开智能尾箱。
[0016]上述实施例中，利用智能尾箱的图像采集设备采集智能尾箱持有者的若干（通常50
‑
100个）不同状态的指纹图像作为潜在正样本；利用智能尾箱的图像采集设备采集非智能尾箱持有者的若干（通常50
‑
100个）不同状态的指纹图像作为潜在负样本；利用多尺度图像细节优化处理的方式对潜在正负样本图像进行处理；利用自动编码器对潜在正样本和潜在负样本进行深度表征；对于潜在正样本，利用欧式距离计算两两之间的差异性。对于相似
度较高的两个潜在正样本仅保留一个，最终保留50个正样本（通过调整相似度阈值实现）；对于潜在负样本，利用欧式距离计算两两之间的差异性。对于相似度较高的两个潜在负样本仅保留一个，最终保留50个负样本（通过调整相似度阈值实现）；利用SVM模型对正、负训练样本进行训练，得到智能尾箱持有者指纹识别决策模型；当使用人使用智能尾箱时，利用智能尾箱的指纹图像采集设备采集使用人的指纹图像（待检测指纹图像），并利用识别决策模型进行识别；当基于SVM模型的得分较高时，将其判定为智能尾箱持有者的指纹图像，发出打开智能尾箱的指令；当基于SVM模型的得分较高时，将其判定为智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：包括：S1:采集多个智能尾箱持有者的指纹图像作为潜在正样本，采集多个非智能尾箱持有者指纹图像作为潜在负样本；S2:对潜在正样本和潜在负样本进行图像细节优化处理，得到图像处理后的正样本和图像处理后的负样本；S3:利用自动编码器对图像处理后的正样本和图像处理后的负样本进行深度表征，得到表征后的正样本和表征后的负样本；S4:对表征后的正样本进行欧式距离计算之间的差异性，对相似度高表征后的正样本只保留一个得到正样本，最终保留50个正样本，对表征后的负样本进行欧式距离计算之间的差异性，对相似度高表征后的负样本只保留一个得到负样本，最终保留50个负样本；S5:通过SVM模型对正样本和负样本进行训练，得到智能尾箱持有者指纹识别决策模型；S6:智能尾箱持有者指纹识别决策模型对使用者的指纹图像进行识别；S7:智能尾箱持有者指纹识别决策模型对使用者识别得分高时则打开智能尾箱，智能尾箱持有者指纹识别决策模型对使用者识别得分低时则禁止打开智能尾箱。2.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S1中所述智能尾箱持有者的指纹图像为50个
‑
100个。3.根据权利要求2所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：所述智能尾箱持有者的指纹图像为50个。4.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S1中所述非智能尾箱持有者的指纹图像为50个
‑
100个。5.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：所述非智能尾箱持有者的指纹图像为50个。6.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S2中图像细节优化处理为多尺度图像细节优化处理。7.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S2包括以下步骤...

【专利技术属性】
技术研发人员：韩亚东，
申请(专利权)人：北京惠朗时代科技有限公司，
类型：发明
国别省市：