[发明专利]一种基于局部敏感哈希的指纹模板保护方法有效

专利信息
申请号: 201911122263.9 申请日: 2019-11-15
公开(公告)号: CN110990847B 公开(公告)日: 2023-02-10
发明(设计)人: 赵恒;李玉兴;庞辽军;曹志诚 申请(专利权)人: 西安电子科技大学;西安西电信安智能科技有限公司
主分类号: G06F21/60 分类号: G06F21/60;G06V40/12;G06V10/762
代理公司: 西安嘉思特知识产权代理事务所(普通合伙) 61230 代理人: 李园园
地址: 710000 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 局部 敏感 指纹 模板 保护 方法
【权利要求书】:

1.一种基于局部敏感哈希的指纹模板保护方法,其特征在于,包括:

获取若干待训练细节点;

根据高斯函数处理所述待训练细节点和所述待训练细节点对应的第一区域内的像素点得到所述待训练细节点的第一定长实数向量;

根据所述待训练细节点和所述待训练细节点对应的第二区域内像素点的灰度得到所述待训练细节点的第二定长实数向量;

根据所述第一定长实数向量和所述第二定长实数向量得到所述待训练细节点的比特向量;

根据局部敏感哈希算法处理所述比特向量得到哈希模板;

根据高斯函数处理所述待训练细节点和所述待训练细节点对应的第一区域内的像素点得到所述待训练细节点的第一定长实数向量,包括:

以所述待训练细节点为基点构建所述第一区域;

根据所述待训练细节点的极坐标和所述第一区域内每个所述像素点的极坐标得到高斯函数值;

根据所述高斯函数值得到所述第一区域内每个所述像素点的贡献值;

根据所述贡献值得到所述第一定长实数向量;

根据所述待训练细节点的极坐标和所述第一区域内每个所述像素点的极坐标得到高斯函数值,包括:

根据所述待训练细节点的极坐标和所述第一区域内每个所述像素点的极坐标得到所述第一区域内除基点处其余待训练细节点和所述第一区域内每个所述像素点的距离;

基于所述待训练细节点和所述第一区域内每个所述像素点的距离,利用高斯函数得到所述高斯函数值;

根据所述待训练细节点和所述待训练细节点对应的第二区域内像素点的灰度值差值得到所述待训练细节点的第二定长实数向量,包括:

以所述待训练细节点为基点构建所述第二区域;

根据所述待训练细节点的灰度值与所述第二区域内所述像素点的灰度值的差值得到纹理特征值;

根据所述纹理特征值得到所述第二定长实数向量;

根据所述第一定长实数向量和所述第二定长实数向量得到所述待训练细节点的比特向量,包括:

利用PCA对所述第一定长实数向量和所述第二定长实数向量分别进行降维处理后级联成第一融合特征向量;

对所述第一融合特征向量进行聚类处理得到聚类中心集,其中所述聚类中心集中包括若干所述第一融合特征向量;

获取注册指纹中待注册细节点的第二融合特征向量;

根据所述第二融合特征向量和所述聚类中心集中的第一融合特征向量的欧式距离得到所述比特向量;

获取注册指纹中待注册细节点的第二融合特征向量,包括:

获取注册指纹的若干待注册细节点;

根据高斯函数处理所述待注册细节点和所述待注册细节点对应的第三区域内像素点得到所述待注册细节点的第三定长实数向量;

根据所述待注册细节点和所述待注册细节点对应的第二区域内像素点的灰度得到所述待注册细节点的第四定长实数向量;

利用PCA对所述第三定长实数向量和所述第四定长实数向量分别进行降维处理后级联成第二融合特征向量;

根据局部敏感哈希算法处理所述比特向量得到哈希模板,包括:

根据局部敏感哈希算法随机生成m组置换种子;

利用m组置换种子对所述比特向量进行随机置换得到m个置换比特向量;

根据所述m个置换比特向量得到所述哈希模板;

根据所述m个置换比特向量得到所述哈希模板,包括:

提取所述置换比特向量中的前w个元素;

提取所述前w个元素中第一个聚类成功的位置并记录所述聚类成功的位置的索引值;

对所述索引值进行取模处理,根据所述取模处理后的索引值得到所述哈希模板。

2.根据权利要求1所述的指纹模板保护方法,其特征在于,获取若干指纹的待训练细节点,包括:

获取若干第一指纹图像;

对所述第一指纹图像进行指纹增强和细化处理得到第二指纹图像;

提取所述第二指纹图像上的所述若干待训练细节点。

3.根据权利要求1所述的指纹模板保护方法,其特征在于,对所述第一融合特征向量进行聚类处理得到聚类中心集,包括:

利用k-means算法对所述第一融合特征向量进行聚类处理得到聚类中心集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学;西安西电信安智能科技有限公司,未经西安电子科技大学;西安西电信安智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911122263.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top