[发明专利]一种基于深度学习的小面积指纹比对方法

权利要求书

1.一种基于深度学习的小面积指纹比对方法，其特征在于：所述比对方法包括以下步骤：

1)小面积指纹图像细节特征点相关信息的提取：找到小面积指纹中的特征点的方位和方向信息；

2)ROI截取：根据步骤1)中得到的细节特征点方位和方向信息，以特征点为中心，以特征点的方向作为X轴对图像进行旋转归一化，截取设定大小的小块B；

3)卷积网络训练：卷积神经网络的网络模型采用深度残差网络，使用Caffe框架对训练样本进行训练；

4)语义特征提取：对步骤2)中的每个ROI使用深度卷积神经网络提取其语义特征其中L为每个ROI的特征长度，f_m为第m维特征；

5)指纹注册：注册过程中需要用户配合相应指令进行注册，注册模板由注册指纹图像的特征点并集构成；

设定I_i表示第i张注册的指纹图像，表示I_i对应的特征点集，表示I_i对应的特征点集的特征集合；所述步骤5)中注册模板的生成步骤具体如下：

5.1)当采集第1张指纹图像时，即N＝1时，其中N表示采集指纹图像的张数，判断采集到图像的指纹有效面积Area_e，若Area_e≥thr_area时，将加入注册模板中，此时注册模板中特征点集为特征模板为Q表示模板中注册指纹的数量，其中，thr_area为采集到指纹图像中指纹有效区域的阈值；若Area_e＜thr_area，则提示重新采集；

5.2)当N＝2时，如步骤5.1)所述方法对采集到的图像进行有效区域判断，将I₂的细节特征点集对应的特征集合与注册模板中的特征进行比对，求取中与不相同的特征点个数n₂，若n₂≥thr_dif，则将加入注册模板中，此时注册模板特征点集为特征模板为记新注册图像与原注册模板中不同的特征点数的累计值为N_dif，此时N_dif＝n₂；否则提示用户移动手指位置，重新采集注册图像；其中thr_dif为注册指纹与注册模板间不同特征点个数的最小阈值；

5.3)以此类推，注册模板特征点集为特征模板为每次新注册图像与注册模板中不同的特征点数累计值为

5.4)若N_dif≤Thr_dif且N＜P，P为单枚手指最大采集张数，则继续采集下一张指纹图像进行注册；

若N_dif＞Thr_dif且Q＝S，S为实际有效注册图像数量，则提示注册完成；

若N_dif≤Thr_dif且N＝P，则提示本手指注册失败；

其中，Thr_dif为注册指纹与注册模板间不同特征点累加个数的最小阈值；

6)指纹比对：比对分数由待匹配图像与注册模板中相似度最高的若干值的均值决定。

2.如权利要求1中所述的一种基于深度学习的小面积指纹比对方法，其特征在于：所述比对方法还包括以下步骤：

7)训练样本的选取：对训练库以步骤2)方法进行ROI截取，将指纹有效面积百分比超过60％的ROI作为训练样本，对训练样本进行小于6度的随机旋转变换；

8)网络模型采用Triplet Loss方式进行训练。

3.如权利要求1或2所述的一种基于深度学习的小面积指纹比对方法，其特征在于：所述步骤5)中，指纹注册过程如下：

设定单枚手指最大采集张数为P，实际有效注册图像数量为S，注册过程中需要用户配合指令进行相应的操作，操作如下：第一张注册图像要求将手指的中心位置置于采集仪的采集表面；后续在注册过程中手指相对采集仪的位置需要进行移动。