一种指纹识别方法及指纹识别装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743371A(43)申请公布日2021.12.03(21)申请号202111108826.6(22)申请日2021.09.22(71)申请人京东方科技集团股份有限公司地址100015北京市朝阳区酒仙桥路10号(72)发明人陈冠男石炳川陈于思(74)专利代理机构北京聿宏知识产权代理有限公司11372代理人胡晓男吴昊(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06T5/30(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图5页(54)发明名称一种指纹识别方法及指纹识别装置(57)摘要本发明提供了一种指纹识别方法及指纹识别装置，解决了小面积指纹识别准确率较低的问题。所述指纹识别方法包括：获取待识别指纹的指纹图像；对所述指纹图像进行细化处理，以使得所述指纹图像中的纹理走向得到增强；对细化处理后的所述指纹图像提取关键点；将所述指纹图像、细化处理后的所述指纹图像、所述关键点图像输入卷积神经网络，输出所述待识别指纹的特征向量；基于所述待识别指纹的特征向量判断所述待识别指纹是否为目标指纹。CN113743371ACN113743371A权利要求书1/2页1.一种指纹识别方法，其特征在于，包括：获取待识别指纹的指纹图像；对所述指纹图像进行细化处理，以使得所述指纹图像中的纹理走向得到增强；对细化处理后的所述指纹图像提取关键点，基于所述关键点得到关键点图像；将所述指纹图像、细化处理后的所述指纹图像、所述关键点图像输入卷积神经网络，输出所述待识别指纹的特征向量；基于所述待识别指纹的特征向量，判断所述待识别指纹是否为目标指纹。2.根据权利要求1所述的指纹识别方法，其特征在于，所述对所述指纹图像进行细化处理的步骤包括：对所述指纹图像进行增强处理；采用膨胀腐蚀算法对增强后的指纹图像进行细化处理。3.根据权利要求1所述的指纹识别方法，其特征在于，所述对细化处理后的所述指纹图像提取关键点，基于所述关键点得到关键点图像的步骤包括：建立一像素模版；在所述细化处理后的指纹图像中选取一个像素作为所述像素模版的中心点；基于所述像素模版采集所述像素模版的中心点周围的像素；基于所述像素模版的中心点周围的像素得到目标像素的个数，基于所述目标像素的个数确定所述像素模版的中心点为所述关键点，提取所述关键点，基于所述关键点得到所述关键点图像。4.根据权利要求1所述的指纹识别方法，其特征在于，所述对细化处理后的所述指纹图像提取关键点，基于所述关键点得到关键点图像的步骤包括：建立nxm矩阵像素模版，其中，n≥1，m≥1；在所述细化处理后的指纹图像中选取一个黑色像素作为所述nxm矩阵像素模版的中心点；基于所述nxm矩阵像素模版采集所述像素模版的中心点周围的nxm‑1个像素；计算采集到的所述nxm‑1个像素中黑色像素的个数，若所述nxm‑1个像素中黑色像素的个数为1个，则所述像素模版的中心点为断点；若所述nxm‑1个像素中黑色像素的个数为3个，则所述像素模版的中心点为交叉点。5.根据权利要求2所述的指纹识别方法，其特征在于，所述将所述指纹图像、细化处理后的所述指纹图像、所述关键点图像输入卷积神经网络，输出所述待识别指纹的特征向量的步骤包括：将所述指纹图像、所述增强后的指纹图像、所述细化处理后的指纹图像以及所述关键点图像输入卷积神经网络，输出所述待识别指纹的特征向量。6.根据权利要求1所述的指纹识别方法，其特征在于，所述将所述指纹图像、细化处理后的所述指纹图像、所述关键点图像输入卷积神经网络的步骤之前，还包括训练所述卷积神经网络；所述训练所述卷积神经网络的步骤包括：将训练数据集中的指纹图像进行分类形成多个子数据集，并在所述训练数据集中选取输入样本图像、正样本图像和负样本图像；将所述输入样本图像、所述正样本图像和所述负样本图像输入所述卷积神经网络，获得所述输入样本图像的特征向量、所述正样本图像的特征向量和所述负样本图像的特征向量；2CN113743371A权利要求书2/2页将所述输入样本的特征向量、所述正样本图像的特征向量和所述输入负样本的特征向量带入损失函数以对所述卷积神经网络进行评估，并利用随机梯度下降算法对所述卷积神经网络进行优化。7.根据权利要求1所述的指纹识别方法，其特征在于，所述基于所述待识别指纹的特征向量，判断所述待识别指纹是否为目标指纹的步骤包括：获取目标指纹的特征向量；将所述待识别指纹的特征向量和所述目标指纹的特征向量进行欧式距离计算，得到向量距离；检测所述向量距离是否小于预设距离阈值，若是，则确定所述待识别指纹为所述目标指纹。8.一种指纹识别装置，其特征在于，包括：获取模块，用于