本发明专利技术涉及智能门锁技术领域，公开了一种基于Transformer的指纹图像匹配方法，方法包括：获取待匹配指纹图像；对待匹配指纹图像进行Transformer特征提取，获得待匹配指纹图像的第一特征点集；基于标准指纹图像的第二特征点集，对第一特征点集和第二特征点集进行预设层级的Transformer匹配，生成匹配结果。本发明专利技术通过引入Transformer算法进行指纹匹配，能够捕捉指纹的全局信息，避免由于部分指纹信息存在异常而导致无法识别的情况，提高指纹匹配精确度。
【技术实现步骤摘要】
本专利技术涉及智能门锁，具体涉及一种基于transformer的指纹图像匹配方法。
技术介绍
1、自从首次将小面积指纹识别技术应用于其智能手机之后，这项技术在移动设备领域得到了迅速的发展。市场上出现了各种采用指纹识别技术的产品，如指纹u盘、指纹门锁和指纹箱包等，并且这些产品的销售量也在持续增长。然而，这些移动设备上使用的指纹采集传感器采集到的指纹与传统指纹识别系统所使用的指纹有所不同，由于这些传感器的体积相对较小，因此它们只能捕捉到一小部分的指纹信息。在这样的小面积指纹中提取得到的传统指纹识别特征点（指纹细节点）数量往往不足（通常少于10个），不能满足传统算法对于细节点数量的需求。
2、初期的小面积指纹识别算法主要采用基于sift类的匹配算法，这类算法的特征点和指纹细节点一样也是专家手工设计得到，不过其密度比指纹细节点更高，因而在小面积指纹中可以得到满足匹配需求的特征点数量。但是sift类特征点的稳定性和永久不变性目前还有待验证，采用这类识别算法的产品通常面临三个问题：第一，面对换季时期中手指蜕皮时识别性能骤降；第二，手指表面过干过湿时识别性能骤降；第三，手指表面不干净、有灰尘时识别性能骤降。因此会出现指纹匹配精准性差，而导致无法开门的情况。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于transformer的指纹图像匹配方法，以解决指纹匹配精准性差的问题。
2、第一方面，本专利技术提供了一种基于transformer的指纹图像匹配方法，方法包括：</p>3、获取待匹配指纹图像；
4、对待匹配指纹图像进行transformer特征提取，获得待匹配指纹图像的第一特征点集；
5、基于标准指纹图像的第二特征点集，对第一特征点集和第二特征点集进行预设层级的transformer匹配，生成匹配结果。
6、本专利技术实施例提供的基于transformer的指纹图像匹配方法，通过对获取的待匹配指纹进行transformer特征提取，获得待匹配指纹图像的第一特征点集，基于标准指纹图像的第二特征点集，对第一特征点集和第二特征点集进行预设层级的transformer匹配，生成匹配结果。本专利技术通过引入transformer算法进行指纹匹配，能够捕捉指纹的全局信息，避免由于部分指纹信息存在异常而导致无法识别的情况，提高指纹匹配精确度。
7、在一种可选的实施方式中，对待匹配指纹图像进行transformer特征提取，获得待匹配指纹图像的第一特征点集，包括：通过初始特征提取模型对待匹配指纹图像进行初始特征提取，得到特征张量图和置信度热力图，其中特征张量图表示待匹配指纹图像中每个像素点的特征向量，置信度热力图表示待匹配指纹图像中每个像素点的置信度；对置信度热力图进行非极大抑制处理，得到包含位置信息和置信度的初始点集；根据特征张量图对初始点集进行遍历，得到与初始点集对应的特征向量集；通过transformer特征模型对特征向量集中每个特征向量进行更新，得到第一特征点集，第一特征点集包含所有特征点的位置信息、置信度和更新后特征向量。
8、本专利技术通过对指纹进行特征提取，能够获得指纹中特征点的位置信息、置信度和特征向量，将指纹图像转换为稀疏初始点集模式，从而能够根据特征点的相关信息进行特征点之间的匹配。
9、在一种可选的实施方式中，通过transformer特征模型对特征向量集中每个特征向量进行更新，包括：依次将特征向量集中每个特征向量作为transformer特征模型的输入层节点，transformer特征模型为预设层数；从输入层节点开始，通过自注意力机制对当前层节点进行迭代，生成下一层节点，依次迭代直至得到输出层节点；将输出层节点作为所对应特征点的更新后特征向量。
10、本专利技术通过对指纹进行初始特征提取后，将获得的特征向量进行更新，能够获得既包括局部信息、又包括上下文全局信息的高维特征向量，为指纹匹配提供更丰富、更可靠的特征点信息。
11、在一种可选的实施方式中，通过预设层级的transformer匹配模型对第一特征点集和第二特征点集进行transformer匹配，每级transformer匹配模型的层数不同，匹配过程包括：将第一特征点集中每个特征点和第二特征点集中每个特征点分别作为第一级transformer匹配模型的输入层节点；从输入层开始，通过自注意机制对偶数层节点进行迭代，通过交叉注意力机制对奇数层节点进行迭代，依次迭代直至得到输出层节点；将输出层节点作为第一特征点集或第二特征点集对应的更新后特征向量；根据第一特征点集和第二特征点集中每个特征点对应的更新后特征向量进行匹配概率计算；若匹配概率高于匹配概率阈值，则确定匹配结果，若匹配概率低于匹配概率阈值，则将更新后特征向量输入至下一级transformer匹配模型进行匹配，直至确定匹配结果。
12、本专利技术通过多级transformer匹配模型进行指纹匹配，能够通过自注意力机制和交叉注意力机制对指纹全局信息、上下文信息进行学习，捕捉指纹不同特征点之间的依赖关系，从而能够提高指纹匹配的精确度，避免由于部分指纹信息存在异常而导致无法识别的情况。
13、在一种可选的实施方式中，根据第一特征点集和第二特征点集中每个特征点对应的更新后特征向量进行匹配概率计算，包括：针对第一特征点集或第二特征点集中任一个特征点，根据所对应更新后特征向量计算特征点的匹配置信度，计算公式如下所示：
14、
15、其中，，为第一特征点集，为第二特征点集，为或中特征点的特征向量，为线性变换矩阵，为线性变换矩阵的偏置；将匹配置信度按照最高概率阈值和最低概率阈值进行示性函数计算，计算公式如下所示：
16、
17、
18、其中，为最高概率阈值，为最低概率阈值；根据第一特征点集对应示性函数计算结果和第二特征点集对应示性函数计算结果计算匹配成功概率和匹配失败概率，计算公式如下所示：
19、
20、
21、其中，为匹配成功概率，为匹配失败概率，为第一特征点集的特征点个数，为所示第二特征点集的特征点个数。
22、本专利技术通过对每级transformer匹配模型的匹配结果进行判断，能够在指纹未出现异常时、匹配结果较为明确时，快速确定匹配结果，能够在保证指纹匹配的可靠性与精准性基础上，进一步提高指纹匹配速度。
23、在一种可选的实施方式中，若匹配概率高于匹配概率阈值，则确定匹配结果，包括：若匹配成功概率高于匹配成功概率阈值，则匹配结果确定为匹配成功；若匹配失败概率高于匹配失败概率阈值，则匹配结果确定为匹配失败。
24、本专利技术通过在指纹匹配度极高和匹配度极低的情况下快速确定匹配结果，能够避免后续的多级transformer匹配，既保证匹配结果是正确可靠的，也能够尽量缩短指纹匹配的时间。
25、在一种可选的实施方式中，若在最后级transformer匹配模型之前未确定本文档来自技高网
...
【技术保护点】
1.一种基于Transformer的指纹图像匹配方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述待匹配指纹图像进行Transformer特征提取，获得所述待匹配指纹图像的第一特征点集，包括：
3.根据权利要求2所述的方法，其特征在于，通过Transformer特征模型对所述特征向量集中每个特征向量进行更新，包括：
4.根据权利要求1所述的方法，其特征在于，通过预设层级的Transformer匹配模型对所述第一特征点集和所述第二特征点集进行Transformer匹配，每级所述Transformer匹配模型的层数不同，匹配过程包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一特征点集和所述第二特征点集中每个特征点对应的更新后特征向量进行匹配概率计算，包括：
6.根据权利要求5所述的方法，其特征在于，所述若所述匹配概率高于匹配概率阈值，则确定匹配结果，包括：
7.根据权利要求4所述的方法，其特征在于，若在最后级Transformer匹配模型之前未确定匹配结果，则通过所述最后级Transformer匹配模型确定匹配结果，确定过程包括：
8.根据权利要求2至7中任一项所述的方法，其特征在于，在进行指纹图像的匹配之前，还包括：
9.一种基于Transformer的指纹图像匹配装置，其特征在于，所述装置包括：
10.一种计算机设备，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的基于Transformer的指纹图像匹配方法。
12.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的基于Transformer的指纹图像匹配方法。
13.一种智能门锁，其特征在于，包括权利要求10所述的计算机设备。
...
【技术特征摘要】
1.一种基于transformer的指纹图像匹配方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述待匹配指纹图像进行transformer特征提取，获得所述待匹配指纹图像的第一特征点集，包括：
3.根据权利要求2所述的方法，其特征在于，通过transformer特征模型对所述特征向量集中每个特征向量进行更新，包括：
4.根据权利要求1所述的方法，其特征在于，通过预设层级的transformer匹配模型对所述第一特征点集和所述第二特征点集进行transformer匹配，每级所述transformer匹配模型的层数不同，匹配过程包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一特征点集和所述第二特征点集中每个特征点对应的更新后特征向量进行匹配概率计算，包括：
6.根据权利要求5所述的方法，其特征在于，所述若所述匹配概率高于匹配概率阈值，则确定匹配结果，包括：
...
【专利技术属性】
技术研发人员：谢勇辉，桑胜伟，席娟，秦进，陈汉钦，李天保，杨伟文，
申请(专利权)人：深圳市魔力信息技术有限公司，
类型：发明
国别省市：
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。