[发明专利]基于训练样本指纹识别智能尾箱应用方法及设备

权利要求书

1.一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：包括：

S1:采集多个智能尾箱持有者的指纹图像作为潜在正样本，采集多个非智能尾箱持有者指纹图像作为潜在负样本；

S2:对潜在正样本和潜在负样本进行图像细节优化处理，得到图像处理后的正样本和图像处理后的负样本；

S3:利用自动编码器对图像处理后的正样本和图像处理后的负样本进行深度表征，得到表征后的正样本和表征后的负样本；

S4:对表征后的正样本进行欧式距离计算之间的差异性，对相似度高表征后的正样本只保留一个得到正样本，最终保留50个正样本，对表征后的负样本进行欧式距离计算之间的差异性，对相似度高表征后的负样本只保留一个得到负样本，最终保留50个负样本；

S5:通过SVM模型对正样本和负样本进行训练，得到智能尾箱持有者指纹识别决策模型；

S6:智能尾箱持有者指纹识别决策模型对使用者的指纹图像进行识别；

S7:智能尾箱持有者指纹识别决策模型对使用者识别得分高时则打开智能尾箱，智能尾箱持有者指纹识别决策模型对使用者识别得分低时则禁止打开智能尾箱；

S7中智能尾箱持有者指纹识别决策模型对使用者识别得分位于高分和低分之间的待检测指纹图像则进行二次判定：

将50个正样本和50个负样本放在一个数据集中并分成5组，每组包含10个正样本和10个负样本；

每组中利用欧式距离计算待检测指纹图像距10个正样本和10个负样本之间的空间距离；

通过空间距离计算，得到与每组的正样本和负样本相邻最近待检测指纹图像最近的K个样本实例；

当K个样本实例中正样本大于负样本，则将待检测图像初步判定为智能尾箱持有者的指纹图像，当K个样本实例中正样本小于负样本，则将待检测图像初步判定为非智能尾箱持有者的指纹图；

5个组中，若有3组及以上将待检测图像判定为智能尾箱持有者的指纹图像，则将待检测图像最终判定为智能尾箱持有者的指纹图像，5个组中，若有3组及以上将待检测图像判定为非智能尾箱持有者的指纹图像，则将待检测图像最终判定为非智能尾箱持有者的指纹图像。

2.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S1中所述智能尾箱持有者的指纹图像为50个-100个。

3.根据权利要求2所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：所述智能尾箱持有者的指纹图像为50个。

4.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S1中所述非智能尾箱持有者的指纹图像为50个-100个。

5.根据权利要求4所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：所述非智能尾箱持有者的指纹图像为50个。

6.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S2中图像细节优化处理为多尺度图像细节优化处理。

7.根据权利要求1所述的一种基于训练样本指纹识别智能尾箱应用方法，其特征在于：S2包括以下步骤：

通过最小二乘滤波器对图像处理后的正样本和图像处理后的负样本进行过滤，得到过滤后的正样本图像和过滤后的负样本图像；

将过滤后的正样本图像和过滤后的负样本图像均分为多个尺度；

对过滤后正样本图像的多个尺度和过滤后负样本图像的多个尺度进行减除计算，得到正样本图像细节信息和负样本图像细节信息；

将正样本图像细节信息加权至潜在正样本，得到潜在正样本加强图像，将负样本图像细节信息加权至潜在负样本，得到潜在负样本加强图像。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的方法。

9.一种计算设备，其特征在于，所述计算设备包括处理器及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的方法。