[发明专利]一种生物识别方法以及可编程器件

权利要求书

1.一种生物识别方法，其特征在于，包括：

可编程器件获取待识别的人体生物图像；

所述可编程器件基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像，其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，所述第一目标图像小于所述待识别的人体生物图像，其中，所述第一目标图像由所述卷积神经网络基于单通道处理为灰度图像；

所述可编程器件将所述第一目标图像归一化处理为预设大小的第二目标图像；

微处理器获取所述第二目标图像；

所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像。

2.根据权利要求1所述的方法，其特征在于，所述可编程器件获取待识别的人体生物图像包括：

所述可编程器件获取所述微处理器发送的所述待识别的人体生物图像；

或者，

所述微处理器将读取指令发送给所述可编程器件，所述读取指令用于指示所述待识别的人体生物图像已存储至存储器中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器中的地址；

所述可编程器件接收所述读取指令；

所述可编程器件根据所述读取指令获取所述待识别的人体生物图像。

3.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络包括依次连接的第一卷积层、池化层、第一非线性函数层、第二卷积层、第二非线性函数、第三卷积层以及全连接层，所述可编程器件基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像包括：

所述可编程器件通过N个第一卷积核对所述待识别的人体生物图像进行卷积以生成多个第一图像区块，所有所述第一图像区块映射以形成第一图像，所述N个第一卷积核中的每一个第一卷积核与一个所述第一图像区块对应，N为非零正整数；

所述可编程器件通过所述池化层对所述第一图像进行最大值池化以形成第二图像；

所述可编程器件把所述第二图像中像素值小于零的像素值更改为零；

所述可编程器件基于所述第二卷积层通过M个第二卷积核对所述第二图像进行卷积以生成多个第二图像区块，所有所述第二图像区块映射以形成第三图像，所述M个第二卷积核中的每一个第二卷积核与一个所述第二图像区块对应，M为非零正整数；

所述可编程器件把所述第三图像中像素值小于零的像素值更改为零；

所述可编程器件基于所述第三卷积层通过1个第三卷积核对所述第三图像进行卷积以生成第四图像；

所述可编程器件基于所述全连接层与所述第四图像全相连以输出所述第一目标图像。

4.根据权利要求3所述的方法，其特征在于，所述可编程器件将所述第一目标图像归一化处理为预设大小的第二目标图像包括：

所述可编程器件根据所述第一目标图像检测出所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述目标图像中的位置；

所述可编程器件根据所述待识别的人体生物图像所包含的所述生物识别信息以及所述生物识别信息在所述目标图像中的位置归一化处理为预设大小的所述第二目标图像。

5.根据权利要求1所述的方法，其特征在于，所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像包括：

所述微处理器基于特征提取网络对所述第二目标图像进行特征提取以获取所述特征图像，所述特征提取网络包括多个卷积层，且任意相邻的两个所述卷积层之间依次设置有非线性函数层以及池化层。

6.一种可编程器件，其特征在于，包括：

获取单元，用于获取待识别的人体生物图像；

转换单元，用于基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像，其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，所述第一目标图像小于所述待识别的人体生物图像，其中，所述第一目标图像由所述卷积神经网络基于单通道处理为灰度图像；

处理单元，用于将所述第一目标图像归一化处理为预设大小的第二目标图像，以使微处理器获取到所述第二目标图像，使得所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像。