一种基于指尖组织结构先验的无监督指纹防伪方法技术

一种基于指尖组织结构先验的无监督指纹防伪方法，包括以下步骤：1)模型的输入为经过去噪后的原始图像，并裁剪为一个固定大小尺寸；2)对图像分块后，通过卷积和注意力模块进行特征提取，得到组织结构特征集合；3)将特征集合送入预训练分割模块；4)将特征集合送入特征融合模块，通过注意力得到加权融合特征，送入特征重建模块进行高维特征重建；5)将重建高维特征进行图像重建，通过双线性插值对融合特征逐层进行上采样，最终得到与输入原始图像相同尺寸的重建输出图像；6)计算输入图像与重建图像、融合特征与重建特征间距离，与阈值进行比较，判定原始图像是否为伪造样本。本发明专利技术对伪造样本检出率高，能够较好地区分真伪指纹。

【技术实现步骤摘要】

本专利技术涉及生物特性伪造样本的识别问题，属于计算机视觉领域，采用自编码器重建模型，是深度学习技术的一种，主要用于训练识别指纹样本真伪的神经网络模型，是一种无监督学习方法。

技术介绍

1、在众多的生物特征中，由于具有普遍性、唯一性、稳定性、可采集性等特点，指纹成为应用最广泛的生物识别特征。与其他生物识别技术相比，指纹识别在边境管控、公共安全、金融支付等产业中最先被广泛应用。通过时间和实践的检验，指纹识别技术依然存在防伪能力弱的局限。较为常见的欺骗攻击手段是通过不同的特殊材料制作伪造样本，比如像硅胶、胶带、环氧树脂、明胶、硬胶、乳胶等材料，大多数传统指纹扫描仪极易被这些材料制成的人造指纹欺骗，需要开发有效的指纹反欺诈方法来对抗伪造样本。

2、目前，主流方法包括有监督和无监督学习方法。有监督学习需要预先获取伪造样本数据，而这些方法需要在与训练阶段相同的伪造材料数据集上进行学习，但是在现实应用过程中，并不知道攻击者会采用何种材料制作伪造样本，因此有监督学习不具有实用性。而无监督学习方法，由于在训练阶段不需要使用假指纹数据集，很好地弥补了有监督学习方法本文档来自技高网...

【技术保护点】

1.一种基于指尖组织结构先验的无监督指纹防伪方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于指尖组织结构先验的无监督指纹防伪方法，所述其特征在于，所述步骤2)中，分别通过不同层数的Transformer模块得到多尺度的高维特征；进行上采样并在分辨率上对齐，然后在通道维度上进行连接，将得到连接后的向量进行层归一化进行降维，再与1x1卷积进行通道信息交互，最后得到各层的特征集合输出。

3.如权利要求1或2所述的一种基于指尖组织结构先验的无监督指纹防伪方法，所述其特征在于，所述步骤4)中，通过多头自注意力模块处理得到各组织结构的权重矩阵，转化成可...

【技术特征摘要】

1.一种基于指尖组织结构先验的无监督指纹防伪方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于指尖组织结构先验的无监督指纹防伪方法，所述其特征在于，所述步骤2)中，分别通过不同层数的transformer模块得到多尺度的高维特征；进行上采样并在分辨率上对齐，然后在通道维度上进行连接，将得到连接后的向量进行层归一化进行降维，再与1x1卷积进行通道信息交互，最后得到各层的特征集合输出。

3.如权利要求1或2所述的一种基于指尖组织结构先验的无监督指纹防伪方法，所述其特征在于，所述步骤4)中，通过多头自注意力模块处理得到各组织结构的权重矩阵，转化成可学习参数，拼接后的组合特征将与多路特征加权残差模块的输入相加，作为整个多路特征加权残差模块的输出，并将上述经过加权后的特征集合在特征通道进行拼接得到融合特征后，将该...

【专利技术属性】
技术研发人员：刘义鹏，季节，陈朋，梁荣华，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：