【技术实现步骤摘要】
本专利技术涉及一种基于多尺度注意力卷积神经网络的红印油真伪指纹识别方法和系统，属于法庭科学与技术中痕迹检验领域。
技术介绍
1、在人的生物特征中，指纹特征具有较好的自身稳定性、个体差异性、唯一性，并且易于提取和存储管理，因此指纹特征成为人的个体身份识别中的重要生物特征之一。然而随着信息技术、制膜技术、激光打印技术、3d打印技术等相关技术的快速发展，出现了伪造指纹的技术，伪造指纹主要包括：1)通过手指转印方法伪造指纹；2)利用遗留在客体表面指纹制模方法伪造指纹；3)通过扫描、拍照等方式制板刻板方法伪造指纹；4)通过打印复印方法伪造指纹。随着技术的不断发展，还可能出现新的类型的伪造指纹。伪造指纹的出现可干扰指纹作为证据的价值，破坏指纹证据的唯一性，为个人身份认证识别带来诸多隐患，因此识别指纹的真伪显得尤为重要。目前识别指纹真伪的方法主要包括：
2、1)通过比较真伪指纹形态学上的差异识别真伪指纹。该类方法主要通过观察分析真伪指纹在形态学上的整体特征差异和局部细微特征差异，并根据提取出的这种形态学上的特征差异进行识别，该类方法总结出...
【技术保护点】
1.一种基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，所述多尺度注意力卷积神经网络模型包括浅层真伪指纹特征提取模块、多尺度真伪指纹特征提取模块和真伪指纹分类模块；
3.如权利要求2所述的基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，所述浅层真伪指纹特征提取模块包括依次连接的卷积层、批归一化层、激活函数层和最大池化层，所述卷积层接收输入的真伪彩色指纹图像，卷积层处理前后特征图的大小相同，所述卷积层用于初步提取真伪指纹图像的特征，生成特征图；...
【技术特征摘要】
1.一种基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，所述多尺度注意力卷积神经网络模型包括浅层真伪指纹特征提取模块、多尺度真伪指纹特征提取模块和真伪指纹分类模块；
3.如权利要求2所述的基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，所述浅层真伪指纹特征提取模块包括依次连接的卷积层、批归一化层、激活函数层和最大池化层，所述卷积层接收输入的真伪彩色指纹图像，卷积层处理前后特征图的大小相同，所述卷积层用于初步提取真伪指纹图像的特征，生成特征图；所述批归一化层用于对生成的特征图进行批归一化；所述激活函数层用于引入激活函数；所述最大池化层，用于降低特征图的大小并输出初步提取的真伪指纹特征。
4.如权利要求2所述的基于卷积神经网络的红印油真伪指纹识别方法，其特征在于，所述多尺度真伪指纹特征提取模块由尺度不同的两个真伪指纹特征提取子模块分别并行提取真伪指纹图像特征，然后在特征图堆叠层进行特征融合，所述真伪指纹特征提取子模块的结构相同包括若干依次连接的残差注意力单元，所述残差注意力单元包括依次连接的若干残差注意力块、最大池化层和卷积层；最后一个所述注意力单元通过若干残差注意力块连接特征图堆叠层；所述残差注意力块包括卷积单元、激活函数层、通道注意力模块和空间注意力模块，所述卷积单元为多个，两个所述卷积单元之间设置一激活函数层，最后一个卷积单元后依次连接通道注意力模块和空间注意力模块，将初始输入的特征图与经过空间注意力模块输出的特征图相加，再经过另一个激活函数层后形成残差注意力块输出结果，所述卷积单元包括依次连接的卷积层和批归一化层。
5....
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。