一种基于共性特征学习的伪造指纹检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于共性特征学习的伪造指纹检测方法及装置，其方法包括：获取测试指纹图像；将测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将测试共性特征输入第一分类器获取测试真伪检测结果；其中，共性特征提取器的训练损失由真伪检测损失

【技术实现步骤摘要】
一种基于共性特征学习的伪造指纹检测方法及装置


[0001]本专利技术涉及一种基于共性特征学习的伪造指纹检测方法及装置，属于计算机视觉

。

技术介绍

[0002]在科技发展与市场需求的双重刺激下，使用指纹特征识别进行安全认证技术得到了广泛使用
。
然而最近的研究表明，基于指纹识别的认证系统容易受到伪造指纹的欺骗攻击，为了抵御伪造指纹攻击对用户信息安全所产生的威胁，提升指纹认证系统的安全，伪造指纹检测技术成为了研究热点
。
[0003]现有的伪造指纹检测方法主要分为两类，第一类为基于硬件式的伪造指纹检测方法
(Hardware
‑
based Forged Fingerprint detection method)
，第二类为基于软件式的伪造指纹检测方法
(Software
‑
based Forged Fingerprint detection method)。
基于硬件式的检测方法通常借助额外的硬件设备来捕获更多的信息辅助判断指纹活性，例如手指的温度信息
、
指尖脉搏血样饱和度信息和血压信息等，有的方法将太赫兹技术运用到伪造指纹检测中，通过分析假指纹和真指纹在太赫兹辐射下反射信号的时间和频谱反射率的差异，使用预设定的时频特征阈值来检测指纹的真伪
。
然而，这些基于硬件式的伪造指纹检测方法存在硬件陈本高，维护困难等问题
。
为了解决上述基于硬件式的伪造指纹检测方法存在问题，基于软件式方法应运而生，软件式方法主要对指纹图像进行处理并检测真伪，使用成本低且应用更加灵活
。
基于纹理特征进行伪造指纹检测的传统算法依赖于研究者累积的经验精心设计的算式，在面对未知指纹时的泛化性较差，从而影响其检测精度
。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种基于共性特征学习的伪造指纹检测方法及装置，解决传统算法泛化性较差，从而影响其检测精度的技术问题
。
[0005]为达到上述目的，本专利技术是采用下述技术方案实现的：第一方面，本专利技术提供了一种基于共性特征学习的伪造指纹检测方法，包括：获取测试指纹图像；将所述测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将所述测试共性特征输入第一分类器获取测试真伪检测结果；其中，所述共性特征提取器的训练过程包括：重复以下步骤，直至第一损失值小于第一损失阈值：从预设的训练指纹数据库中获取训练指纹图像；将所述训练指纹图像输入共性特征提取器，提取训练共性特征；将所述训练共性特征输入第一分类器，获取训练真伪检测结果；根据所述训练指纹图像的伪造材料标签，将所述训练共性特征输入相应的训练好的伪造材料鉴别器，获取伪造材料鉴别结果；
根据所述训练指纹图像的伪造材料标签，将所述训练指纹图像输入相应的训练好的伪造特征提取器，提取第一训练伪造特征；根据所述训练共性特征和第一训练伪造特征计算特征分布距离；根据所述伪造材料鉴别结果
、
训练真伪检测结果
、
特征分布距离以及所述训练指纹图像的真伪标签计算第一损失值；根据所述第一损失值优化所述共性特征提取器的参数
。
[0006]可选的，所述获取测试指纹图像或获取训练指纹图像时，对所述测试指纹图像或训练指纹图像进行预处理；所述预处理包括：通过训练好的
YOLOv5
目标检测网络从所述测试指纹图像或训练指纹图像中识别出指纹区域；对所述指纹区域进行裁剪生成预处理后的所述测试指纹图像或训练指纹图像；所述
YOLOv5
目标检测网络的训练过程包括：重复以下步骤，直至第二损失值小于第二损失阈值：从预设的训练指纹数据库中获取训练指纹图像；将所述训练指纹图像输入
YOLOv5
目标检测网络获取指纹区域识别结果；根据所述指纹区域识别结果和所述训练指纹图像的指纹区域标签计算第二损失值；根据所述第二损失值优化所述
YOLOv5
目标检测网络的参数
。
[0007]可选的，所述共性特征提取器和伪造特征提取器的结构相同，均包括：分割单元，用于将所述测试指纹图像或训练指纹图像分割为预设大小的补丁；注意力单元，用于对所述补丁进行注意力计算，并根据计算结果生成指纹注意力权重图；融合单元，用于将所述注意力权重图与所述测试指纹图像或训练指纹图像进行相乘融合生成融合图；特征提取单元，用于对所述融合图进行特征提取
。
[0008]可选的，所述注意力单元包括第一卷积层
、
第二卷积层
、
第三卷积层
、
第一空间注意力层
、
第二空间注意力层
、
第三空间注意力层以及通道注意力层；所述第一卷积层的输入端作为注意力单元的输入端，所述第一卷积层的输出端连接至第二卷积层和第一空间注意力层的输入端，所述第二卷积层的输出端连接至第三卷积层和第二空间注意力层的输入端，所述第三卷积层的输出端连接至第三空间注意力层的输入端，所述第一空间注意力层
、
第二空间注意力层以及第三空间注意力层的输出端相加后与第三卷积层的输出端相乘生成相乘结果；将所述相乘结果输入通道注意力单元，将所述通道注意力单元的输出端与相乘结果相乘后从注意力单元的输出端输出
。
[0009]可选的，所述伪造特征提取器的训练过程包括：从预设的训练指纹数据库中获取具有相同伪造材料标签的训练指纹图像，生成所述伪造材料标签对应的第一训练指纹图像集；重复以下步骤，直至第三损失值小于第三损失阈值：从所述伪造材料标签对应的第一训练指纹图像集中获取训练指纹图像；
将所述训练指纹图像输入所述伪造材料标签对应的伪造特征提取器，提取第二训练伪造特征；将所述第二训练伪造特征输入第二分类器获取第一训练伪造材料检测结果；根据所述第一训练伪造材料检测结果和所述伪造材料标签计算第三损失值；根据所述第三损失值优化所述伪造材料标签对应的伪造特征提取器的参数
。
[0010]可选的，所述伪造材料鉴别器的训练过程包括：从预设的训练指纹数据库中获取具有相同伪造材料标签的训练指纹图像，生成所述伪造材料标签对应的第二训练指纹图像集；重复以下步骤，直至第四损失值小于第四损失阈值：从所述伪造材料标签对应的第二训练指纹图像集中获取训练指纹图像；将所述训练指纹图像输入预设的特征提取器，提取第三训练伪造特征；将所述第三训练伪造特征输入所述伪造材料标签对应的伪造材料鉴别器，获取第二训练伪造材料检测结果；根据所述第二训练伪造材料检测结果和所述伪造材料标签计算第四损失值；根据所述第四损失值优化所述伪造材料标签对应的伪造材料鉴别器的参数
。
[0011]可选的，所述根据所述伪造材料鉴别结果
、
训练真伪检测结果
、
特征分布距离以及所述训练指纹图像的真伪标签计算第一损失值包括：根据所述伪造材料鉴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于共性特征学习的伪造指纹检测方法，其特征在于，包括：获取测试指纹图像；将所述测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将所述测试共性特征输入第一分类器获取测试真伪检测结果；其中，所述共性特征提取器的训练过程包括：重复以下步骤，直至第一损失值小于第一损失阈值：从预设的训练指纹数据库中获取训练指纹图像；将所述训练指纹图像输入共性特征提取器，提取训练共性特征；将所述训练共性特征输入第一分类器，获取训练真伪检测结果；根据所述训练指纹图像的伪造材料标签，将所述训练共性特征输入相应的训练好的伪造材料鉴别器，获取伪造材料鉴别结果；根据所述训练指纹图像的伪造材料标签，将所述训练指纹图像输入相应的训练好的伪造特征提取器，提取第一训练伪造特征；根据所述训练共性特征和第一训练伪造特征计算特征分布距离；根据所述伪造材料鉴别结果
、
训练真伪检测结果
、
特征分布距离以及所述训练指纹图像的真伪标签计算第一损失值；根据所述第一损失值优化所述共性特征提取器的参数
。2.
根据权利要求1所述的基于共性特征学习的伪造指纹检测方法，其特征在于，所述获取测试指纹图像或获取训练指纹图像时，对所述测试指纹图像或训练指纹图像进行预处理；所述预处理包括：通过训练好的
YOLOv5
目标检测网络从所述测试指纹图像或训练指纹图像中识别出指纹区域；对所述指纹区域进行裁剪生成预处理后的所述测试指纹图像或训练指纹图像；所述
YOLOv5
目标检测网络的训练过程包括：重复以下步骤，直至第二损失值小于第二损失阈值：从预设的训练指纹数据库中获取训练指纹图像；将所述训练指纹图像输入
YOLOv5
目标检测网络获取指纹区域识别结果；根据所述指纹区域识别结果和所述训练指纹图像的指纹区域标签计算第二损失值；根据所述第二损失值优化所述
YOLOv5
目标检测网络的参数
。3.
根据权利要求1所述的基于共性特征学习的伪造指纹检测方法，其特征在于，所述共性特征提取器和伪造特征提取器的结构相同，均包括：分割单元，用于将所述测试指纹图像或训练指纹图像分割为预设大小的补丁；注意力单元，用于对所述补丁进行注意力计算，并根据计算结果生成指纹注意力权重图；融合单元，用于将所述注意力权重图与所述测试指纹图像或训练指纹图像进行相乘融合生成融合图；特征提取单元，用于对所述融合图进行特征提取
。4.
根据权利要求3所述的基于共性特征学习的伪造指纹检测方法，其特征在于，所述注
意力单元包括第一卷积层
、
第二卷积层
、
第三卷积层
、
第一空间注意力层
、
第二空间注意力层
、
第三空间注意力层以及通道注意力层；所述第一卷积层的输入端作为注意力单元的输入端，所述第一卷积层的输出端连接至第二卷积层和第一空间注意力层的输入端，所述第二卷积层的输出端连接至第三卷积层和第二空间注意力层的输入端，所述第三卷积层的输出端连接至第三空间注意力层的输入端，所述第一空间注意力层
、
第二空间注意力层以及第三空间注意力层的输出端相加后与第三卷积层的输出端相乘生成相乘结果；将所述相乘结果输入通道注意力单元，将所述通道注意力单元的输出端与相乘结果相乘后从注意力单元的输出端输出
。5.
根据权利要求1所述的基于共性特征学习的伪造指纹检测方法，其特征在于，所述伪造特征提取器的训练过程包括：从预设的训练指纹数据库中获取具有相同伪造材料标签的训练指纹图像，生成所述伪造材料标签对应的第一训练指纹图像集；重复以下步骤，直至...

【专利技术属性】
技术研发人员：袁程胜，徐震宇，郭强，张翔，付章杰，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：