一种基于深度特征的指纹免对齐可撤销模板保护方法技术

本发明专利技术公开了一种基于深度特征的指纹免对齐可撤销模板保护方法，所述指纹免对齐可撤销模板保护方法包括：在注册时，首先对指纹图像进行预处理，提取指纹的细节特征点，然后对每一细节特征点以其横纵坐标及方向为基准提取局部图像块；筛选出可靠图像块并提取出可靠图像块的深度特征描述符，结合深度特征描述符与密钥计算每一细节特征点的变换参数，对细节特征点进行局部变换并存储；在匹配比对时，将输入待匹配指纹使用相同密钥进行相同的变换，再使用基于细节特征点的匹配方法进行比对

【技术实现步骤摘要】
一种基于深度特征的指纹免对齐可撤销模板保护方法


[0001]本专利技术属于信息安全
，尤其涉及一种基于深度特征的指纹免对齐可撤销模板保护方法
。

技术介绍

[0002]随着信息技术的不断发展，指纹识别在各行各业中的应用愈发广泛，尤其是在身份认证领域
。
指纹特征作为身份认证的工具来说，具有唯一性
、
不可变性
、
隐私性等特点
。
指纹因其自身的特性导致一旦指纹特征模板被丢失或被窃取，永远无法修改，一经丢失则永远丢失，入侵者甚至可以通过指纹特征模板直接生成出相似的指纹图像
。
因此，在使用指纹特征进行身份认证的过程中如何有效保护用户指纹特征模板信息至关重要
。
[0003]为保护指纹特征模板，主要存在两大类方法：一是基于特征加密的方法
、
二是基于特征变换的方法
。
[0004]基于特征加密的方法的基本思想是将密码学中的加密技术与指纹模板进行结合，计算较为复杂，且通常需要依靠奇异点或指纹图像的预对齐...

【技术保护点】

【技术特征摘要】
1.
一种基于深度特征的指纹免对齐可撤销模板保护方法，其特征在于，所述指纹免对齐可撤销模板保护方法包括：在注册时，首先对指纹图像进行预处理，提取指纹的细节特征点，然后对每一细节特征点以其横纵坐标及方向为基准提取局部图像块；筛选出可靠图像块并提取出可靠图像块的深度特征描述符，结合深度特征描述符与密钥计算每一细节特征点的变换参数，对细节特征点进行局部变换并存储；在匹配比对时，将输入待匹配指纹使用相同密钥进行相同的变换，再使用基于细节特征点的匹配方法进行比对
。2.
如权利要求1所述的指纹免对齐可撤销模板保护方法，其特征在于，令
m
为从指纹图像
F
提取出的细节特征点，
m
为一个四元特征变量，
m
＝
{x,y,
θ
,q}
，其中
x
与
y
代表细节特征点
m
的横纵坐标位置，
θ
代表其指向方向，
q
代表该细节特征点的质量可信度；则细节特征点
m
的局部图像块为：指纹图像
F
的增强图像上以
m
的
θ
方向为
X
轴正方向，以
x
，
y
坐标为中心的正方形裁剪区域
。3.
如权利要求1所述的指纹免对齐可撤销模板保护方法，其特征在于，可靠图像块的按如下方法筛选：若图像块与指纹图像背景掩码重合度超过阈值超参数
T
patch
，则丢弃该图像块并将该点标记为不可靠细节特征点，反之标记为可靠细节特征点
。4.
如权利要求1所述的指纹免对齐可撤销模板保护方法，其特征在于，可靠图像块的深度特征描述符通过训练得到的深度卷积神经网络
MinutiaNet
来提取获得
。5.
如权利要求4所述的指纹免对齐可撤销模板保护方法，其特征在于，深度卷积神经网络
MinutiaNet
采用
Arcface
作为分类头，显式地针对余弦距离进行优化；且深度卷积神经网络
MinutiaNet
中各层级中增加了
Self
‑
Attention
层
。6.
如权利要求4所述的指纹免对齐可撤销模板保护方法，其特征在于，训练
MinutiaNet
所使用的数据集中包括：对每个手指都进行的各种姿态的若干次指纹采集数据，并将每个指纹在不同采集中的相同细节特征点提取出特征点局部图像块，同一手指的同一可靠细节特征点所提取的局部图像块视为同一类别标签
。7.
如权利要求2所述的指纹免对齐可撤销模板保护方法，其特征在于，对细节特征点进行局部变换过程包括：对第
i
个细节点
m
i
的局部变换首先根据其对应的深度特征描述符
M
i
与密钥
K
计算变化依据
v
i
，然后根据
v
i
计算出变换参数
α
i
与
β
i
，最后根据
α
i
，
β
i
对细节特征点进行变换
。8.
如权利要...

【专利技术属性】
技术研发人员：萧力芮，盘善海，李小花，李佳楠，任思霖，
申请(专利权)人：中国电子科技集团公司第三十研究所，
类型：发明
国别省市：