[发明专利]一种生物识别方法以及可编程器件

说明书

本发明实施例公开了一种生物识别方法以及可编程器件。本发明实施例方法包括：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，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。可见，本实施例因由所述可编程器件对所述待识别的人体生物图像进行处理，从而降低了微处理器的运算难度，提升了识别过程的效率。且通过卷积神经网络对输入的图像进行处理，从而提升了识别的精确性，避免误识别的可能。

技术领域

本发明涉及数据通信技术，尤其涉及的是一种生物识别方法以及可编程器件。

背景技术

人脸识别系统为一个完整的独立运行设备，其核心是人脸采集与识别功能。现有技术所提供的人脸识别系统至少包括CMOS(英文全称：Complementary Metal OxideSemiconductor，中文全称：互补金属氧化物半导体)图像传感器以及微处理器。

现有技术所提供的人脸识别系统中，用户的人脸图像由CMOS图像传感器采集进入所述人脸识别系统，由系统所包括的微处理器通过深度学习的算法提取人脸图像特征并与以前登记的人脸特征进行比对，比对成功则输出控制信号，否则提示错误信息。

当前，随着人脸识别技术应用的广泛，系统需要采集以及识别的人脸图像的数目非常的多，则对微处理器识别的效率以及识别的准确度的要求越来越高，但是，人脸识别系统所包括的微处理器处理能力有限，深度学习的算法在微处理器中很难应用，所以现有人脸识别系统进行人脸检测的可靠性低，且处理效率低。

发明内容

本发明实施例提供了一种能够提高识别可靠性以及处理效率高的生物识别方法以及可编程器件。

本发明实施例提供了一种生物识别方法，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；

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。

可选的，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。

可选的，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；