一种模型训练方法、指纹图像处理方法、装置及电子设备制造方法及图纸

本申请提出一种模型训练方法、指纹图像处理方法、装置及电子设备，其中的模型训练方法将增强前后的非接触式指纹图像输入模型，在模型的卷积网络部分引入特征对齐约束，STN层引入几何对齐约束，利用预训练模型分别提取非接触式指纹和接触式指纹的图像特征，并约束两个特征相似，基于三部分的约束解对指纹图像处理模型进行训练以得到最优模型参数解，有效加快模型收敛，提升模型的泛化能力。提升模型的泛化能力。提升模型的泛化能力。

【技术实现步骤摘要】
一种模型训练方法、指纹图像处理方法、装置及电子设备


[0001]本专利技术属于图像处理领域，具体涉及一种模型训练方法、指纹图像处理方法、装置及电子设备。

技术介绍

[0002]指纹识别是生物识别领域的重要应用之一，过去的应用场景主要以接触式指纹为主，但接触式指纹识别存在明显缺陷，例如：卫生威胁、传感器因持续物理接触而退化以及潜在指纹威胁等问题。在此前接触式指纹的推行应用下，各式各样的场景已经积累了大量的接触式指纹，例如门禁考勤的身份认证等，而重新对非接触式指纹采集会耗费较多人力物力，这就要求非接触式指纹的产品，能够与现有的接触式指纹匹配。
[0003]接触式指纹与非接触式指纹的主要差异体现在两方面，第一，非接触式指纹采集过程会引入透视形变；第二，接触式指纹采集过程由于按压引起指纹图像的扭曲，因此现已提出不同方法对这两种形变进行矫正。其中一种矫正方法是提取非接触式指纹的特征生成相应的变换矩阵，利用空间变换网络(STN)进行空间变换。但由于不存在绝对配准的非接触式与接触式指纹的图像对，针对非接触式指纹的图像处理模型的训练，依赖于接触式指纹的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法训练得到的指纹图像处理模型用于处理非接触式指纹图像，包括：获取非接触式指纹的原始图像；对所述原始图像进行数据增强变换，得到增强图像和几何变换矩阵；把所述原始图像和增强图像分别输入指纹图像处理模型的卷积网络，对基于原始图像的输出和基于增强图像的输出进行特征对齐约束，得到第一约束解；把所述基于原始图像的输出和基于增强图像的输出分别输入指纹图像处理模型的STN层，得到第一变换图像和第二变换图像，对所述第一变换图像和第二变换图像进行几何对齐约束，得到第二约束解；利用预训练模型对所述第一变换图像和接触式指纹的原始图像进行特征提取，对非接触式指纹特征和接触式指纹特征进行特征约束，得到第三约束解；基于所述第一约束解、第二约束解和第三约束解，对指纹图像处理模型进行参数优化，得到训练好的指纹图像处理模型。2.根据权利要求1所述的模型训练方法，其特征在于，把所述原始图像和增强图像分别输入指纹图像处理模型的卷积网络，对基于原始图像的输出和基于增强图像的输出进行特征对齐约束，得到第一约束解，包括：所述卷积网络包括三层串联的CNN；把所述原始图像和增强图像分别依次输入三层CNN，在第一层CNN得到对应原始图像的第一特征图和对应增强图像的第二特征图；根据所述几何变换矩阵对所述第一特征图进行数据增强变换，得到第三特征图；对所述第二特征图和第三特征图进行特征对齐约束，得到第一约束解。3.根据权利要求2所述的模型训练方法，其特征在于，所述方法还包括：把第一约束解作用于第二层CNN和/或第三层CNN。4.根据权利要求1所述的模型训练方法，其特征在于，把所述基于原始图像的输出和基于增强图像的输出分别输入指纹图像处理模型的STN层，得到第一变换图像和第二变换图像，包括：基于原始图像的输出和基于增强图像的输出经过STN层分别得到第一纹理映射图和第二纹理映射图，把所述第一纹理映射图和第二纹理映射图分别作用于所述原始图像和增强图像，得到所述第一变换图像和第二变换图像。5.根据权利要求1所述的模型训练方法，其特征在于，所述指纹图像处理模型的STN层之后还串联有数据增强层，把所述第一变换图像输入预训练模型之前包括：把所述第一变换图像输入所述数据增强层进行图像增强，增强后的第一变换图像作为所述预训练模型的输入。6.根据权利要求1所述的模型训练方法，其特征在于，基于所述第一约束解、第二约束解和第三约束解，对指纹图像处理模型进行参数优化，包括：对...

【专利技术属性】
技术研发人员：林晓清，陈名亮，杨奇，刘辉，陈书楷，
申请(专利权)人：厦门熵基科技有限公司，
类型：发明
国别省市：