[發明專利]指紋識別模型構建方法、存儲介質及計算機設備

有效

• 申請號: 202110083231.3
• 申請日: 2021-01-21
• 公開（公告）號: CN112418191B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 侯舒文;尹鵬帥;陳子豪;楊光興
• 申請（專利權）人: 深圳阜時科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市倡創專利代理事務所(普通合伙) 44660
• 代理人: 羅明玉

1.一種基于Resnet與Triplet Loss的指紋識別模型構建方法，其特征在于，所述基于Resnet與Triplet Loss的指紋識別模型構建方法包括：

構建N組初始樣本，所述N組初始樣本中每一組初始樣本包括錨樣本、正樣本和負樣本，所述錨樣本、所述正樣本和所述負樣本為正方形圖像，N為大于1的整數；

利用Triplet Loss訓練所述N組初始樣本，得到N組訓練樣本，所述N組訓練樣本中每一組訓練樣本包括第一訓練樣本和第二訓練樣本，所述第一訓練樣本為所述錨樣本和所述正樣本生成的樣本，所述第二訓練樣本為所述錨樣本和所述負樣本生成的樣本；

將所述N組訓練樣本輸入至初始Resnet模型中對所述初始Resnet模型進行訓練得到待測目標Resnet模型；

將兩組測試樣本輸入所述待測目標Resnet模型中進行計算得到兩組圖像特征量，所述兩組測試樣本取樣于同一根手指，所述兩組測試樣本中每一組測試樣本包括X張正方形圖像，X為大于1的整數；

利用預設算法計算所述兩組圖像特征量之間的最大的余弦相似度；

判斷所述最大的余弦相似度是否大于或者等于預設值；

當所述最大的余弦相似度大于或者等于所述預設值時，根據所述待測目標Resnet模型生成目標Resnet模型；以及

當所述最大的余弦相似度小于所述預設值時，構建M組訓練樣本并將所述M組訓練樣本輸入至所述待測目標Resnet模型中對所述待測目標Resnet模型進行訓練，M為大于1的整數。

2.如權利要求1所述的基于Resnet與Triplet Loss的指紋識別模型構建方法，其特征在于，構建N組初始樣本，具體包括：

利用預設正方形在樣本指紋圖像上截取N1個錨樣本，所述預設正方形的邊長等于所述樣本指紋圖像的短邊的長度, N1 N ,N1是大于1的整數；

根據預設第一規則獲取與所述N1個錨樣本中每一個錨樣本對應的N2個正樣本，N2為大于1的整數；

根據預設第二規則獲取與所述N1個錨樣本中每一個錨樣本對應的N3個負樣本，N3為大于1的整數； 以及

根據預設第三規則將所述N1個錨樣本和與所述N1個錨樣本中每一個錨樣本對應的N2個正樣本和N3個負樣本生成所述N組初始樣本。

3.如權利要求2所述的基于Resnet與Triplet Loss的指紋識別模型構建方法，其特征在于，根據預設第一規則獲取與所述N1個錨樣本中每一個錨樣本對應的N2個正樣本，具體包括：

將所述每一個錨樣本進行左右平移、上下平移、隨機平移或隨機旋轉操作獲取N20個正樣本，N2 N20 ，N20為大于1的整數；

計算所述N20個正樣本中每一個正樣本與對應的錨樣本之間的圖像重合率；以及

篩選出所述圖像重合率大于第一預設值的所述N2個正樣本。

4.如權利要求2所述的基于Resnet與Triplet Loss的指紋識別模型構建方法，其特征在于，根據預設第二規則獲取與所述N1個錨樣本中每一個錨樣本對應的N3個負樣本，具體包括：

將所述預設正方形在非獲取當前錨樣本的其他樣本指紋圖像上任意移動，獲取N30個負樣本，N3 N30，N30為大于1的整數；

計算所述N30個負樣本中每一個負樣本與對應的錨樣本之間的相似度；以及

篩選出所述相似度大于第二預設值的所述N3個負樣本。

5.如權利要求4所述的基于Resnet與Triplet Loss的指紋識別模型構建方法，其特征在于，計算所述N30個負樣本中每一個負樣本與對應的錨樣本之間的相似度，具體包括：

計算所述每一個負樣本的負樣本灰度值和與每一個負樣本對應的錨樣本的錨樣本灰度值；以及

根據灰度平均差匹配方法計算所述負樣本灰度值和所述錨樣本灰度值的所述相似度。