[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的指紋識(shí)別方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810366587.6
• 申請(qǐng)日: 2018-04-23
• 公開(kāi)（公告）號(hào): CN108875907B
• 公開(kāi)（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 曾凡鋒;胡勝達(dá);肖珂
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北方工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06N3/04
• 分類(lèi)號(hào): G06N3/04;G06N3/08;G06K9/00;G06K9/62
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 11200
• 代理人: 邱曉鋒

本發(fā)明涉及一種基于深度學(xué)習(xí)的指紋識(shí)別方法和裝置。首先搭建深度神經(jīng)網(wǎng)絡(luò)，將用戶(hù)注冊(cè)的指紋圖像集輸入深度神經(jīng)網(wǎng)絡(luò)，采用交叉熵?fù)p失函數(shù)和對(duì)比損失函數(shù)進(jìn)行訓(xùn)練。訓(xùn)練完成之后，再次將用于訓(xùn)練的注冊(cè)用戶(hù)圖像輸入深度神經(jīng)網(wǎng)絡(luò)，獲取對(duì)比損失函數(shù)的輸入特征向量，并采用聚類(lèi)算法對(duì)每個(gè)注冊(cè)用戶(hù)的指紋圖像進(jìn)行聚類(lèi)，獲取其特定數(shù)目的聚類(lèi)中心作為本地特征庫(kù)。在指紋驗(yàn)證階段，將需要識(shí)別的指紋圖像輸入訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)中，獲取其交叉熵?fù)p失值和對(duì)比損失函數(shù)直接訓(xùn)練節(jié)點(diǎn)的輸出向量，根據(jù)預(yù)設(shè)的閾值，采用判定函數(shù)進(jìn)行相似指紋判定，完成指紋驗(yàn)證過(guò)程。本發(fā)明在保證高識(shí)別率的前提下能夠獲得更低的誤識(shí)率，具有更高的安全性。

技術(shù)領(lǐng)域

本發(fā)明屬于深度學(xué)習(xí)在指紋識(shí)別領(lǐng)域的應(yīng)用，具體涉及一種采用深度神經(jīng)網(wǎng)絡(luò)對(duì)小面積指紋圖像進(jìn)行特征提取并識(shí)別的方法和裝置。

背景技術(shù)

指紋作為一種具有高獨(dú)特性、高穩(wěn)定性、高防欺騙性的生物特征，在很多領(lǐng)域都獲得了成功的運(yùn)用，比如手機(jī)上的移動(dòng)指紋支付、工作單位的指紋打卡等。指紋識(shí)別技術(shù)通過(guò)對(duì)用戶(hù)注冊(cè)的指紋圖像進(jìn)行特征提取，獲取指紋圖像的紋理、關(guān)鍵點(diǎn)等細(xì)節(jié)信息，對(duì)用戶(hù)的指紋進(jìn)行識(shí)別。傳統(tǒng)的指紋識(shí)別算法在獲得完整的用戶(hù)指紋圖像的前提下，可以實(shí)現(xiàn)較好的指紋識(shí)別效果。然而近些年來(lái)指紋識(shí)別技術(shù)越來(lái)越廣泛地被應(yīng)用在移動(dòng)設(shè)備上，這些移動(dòng)設(shè)備的指紋采集儀采集面積較小，無(wú)法獲得注冊(cè)用戶(hù)的完整指紋信息。小面積的指紋圖像缺失了很多完整指紋圖像的細(xì)節(jié)特征，傳統(tǒng)的指紋識(shí)別算法由于過(guò)多地依賴(lài)于指紋細(xì)節(jié)，在小面積指紋識(shí)別問(wèn)題上具有很大的局限性。

與此同時(shí)，隨著深度學(xué)習(xí)的發(fā)展，采用深度學(xué)習(xí)的算法在各種計(jì)算機(jī)視覺(jué)問(wèn)題上都體現(xiàn)出了比傳統(tǒng)的機(jī)器學(xué)習(xí)算法更好的效果，也出現(xiàn)了一些采用深度學(xué)習(xí)的小面積指紋識(shí)別算法。然而現(xiàn)有的這些基于深度學(xué)習(xí)的指紋識(shí)別算法并沒(méi)有充分地利用神經(jīng)網(wǎng)絡(luò)提供的信息，使得在移動(dòng)端設(shè)備上的小面積指紋識(shí)別問(wèn)題上具有一定的局限性。

在一般應(yīng)用場(chǎng)景下，指紋識(shí)別技術(shù)可以劃分為兩個(gè)階段：指紋注冊(cè)和指紋識(shí)別。指紋注冊(cè)是對(duì)合法用戶(hù)進(jìn)行指紋圖像的采集過(guò)程，在這個(gè)階段往往可以獲得用戶(hù)較好的指紋圖像。指紋識(shí)別指的是指針對(duì)新來(lái)用戶(hù)提供的指紋信息，進(jìn)行指紋的識(shí)別過(guò)程。指紋識(shí)別根據(jù)應(yīng)用場(chǎng)景的不同又可以劃分為指紋的驗(yàn)證和指紋的辨識(shí)。指紋的辨識(shí)指的是對(duì)于新來(lái)的用戶(hù)，根據(jù)其指紋信息，算法判定出該用戶(hù)是注冊(cè)用戶(hù)中的一人或者都不是。指紋驗(yàn)證指的是用戶(hù)聲稱(chēng)自己是注冊(cè)用戶(hù)中的其中一人，算法驗(yàn)證該用戶(hù)是否為那個(gè)人。無(wú)論是指紋驗(yàn)證還是指紋辨識(shí)，都可以在算法階段轉(zhuǎn)化為指紋的一對(duì)多匹配問(wèn)題。確切地來(lái)說(shuō)，一次指紋辨識(shí)過(guò)程可以轉(zhuǎn)換為多次指紋驗(yàn)證過(guò)程，本發(fā)明主要針對(duì)指紋驗(yàn)證問(wèn)題進(jìn)行詳細(xì)描述。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有的指紋識(shí)別算法在小面積指紋識(shí)別領(lǐng)域表現(xiàn)出的局限性，提出了一種基于深度學(xué)習(xí)的指紋識(shí)別方法和裝置。

針對(duì)現(xiàn)有的基于深度學(xué)習(xí)的指紋識(shí)別算法對(duì)于神經(jīng)網(wǎng)絡(luò)信息的利用不足的問(wèn)題，本發(fā)明同時(shí)采用交叉熵?fù)p失函數(shù)和對(duì)比損失函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并在指紋識(shí)別階段同時(shí)利用這兩種損失函數(shù)提供的信息以實(shí)現(xiàn)較好的指紋識(shí)別效果。本發(fā)明采用的指紋識(shí)別算法是基于深度學(xué)習(xí)的識(shí)別算法，采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行指紋識(shí)別，也就是通過(guò)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)來(lái)獲取指紋圖像的特征用于指紋圖像的識(shí)別。

本發(fā)明的一種基于深度學(xué)習(xí)的指紋識(shí)別方法，其步驟包括：

1)搭建深度神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)的輸出為并行的兩種圖像特征；

2)將用戶(hù)注冊(cè)的指紋圖像集輸入搭建的深度神經(jīng)網(wǎng)絡(luò)中，采用交叉熵?fù)p失函數(shù)和對(duì)比損失函數(shù)對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

3)將用戶(hù)注冊(cè)的指紋圖像集輸入訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)中，獲取其對(duì)比損失函數(shù)的輸入節(jié)點(diǎn)作為特征向量，利用獲取的特征向量采用聚類(lèi)算法對(duì)用戶(hù)注冊(cè)的指紋圖像進(jìn)行聚類(lèi)，針對(duì)每個(gè)用戶(hù)獲得特定數(shù)目的聚類(lèi)中心，根據(jù)聚類(lèi)中心搭建本地特征庫(kù)；

4)在指紋驗(yàn)證階段，將給定的指紋圖像輸入訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)中，獲取其交叉熵?fù)p失函數(shù)的損失值和對(duì)比損失函數(shù)的輸出向量，利用本地特征庫(kù)和判定函數(shù)進(jìn)行相似指紋判定。