[发明专利]一种基于深度学习的现场指纹特征点提取方法

说明书

本发明提出了一种基于深度学习的现场指纹特征点提取方法，所属领域为计算机视觉。本发明将目标检测思想应用到指纹特征点提取场景，将指纹细节点作为目标。通过对以细节点为中心的候选框进行分类预测和位置回归。训练中预设候选框区域设计为固定的32x32大小，能够有效的关注细节点局部特征。网络结构对Faster R‑CNN进行改进，修改网络结构和损失函数，并设计一种对输入数据进行滤波预处理方法，以适应指纹特征点提取场景，加快指纹特征提取速度。本发明通过结合目标检测思想，应用深度神经网络对图像特征的高表示性，充分提取指纹特征点，为指纹特征提取提供了一种新的解决方案。

技术领域

本发明属于计算机视觉领域，涉及深度学习方法。

背景技术

指纹是人体生物特征之一，因其唯一性、易获取和低成本而被广泛使用，在我国法庭科学中有着广泛的应用。随着指纹数据库容量的不断扩大，应用计算机技术对指纹实现快速的自动比对识别成为趋势。我国从20世纪80年代初开始指纹自动识别系统的研发工作，至20世纪90年代逐步走向成熟，21世纪初在公安机关得到了广泛的应用。

传统的指纹识别算法以指纹细节特征点的提取和匹配作为算法的主要工作目标和性能评判标准。进入21世纪，随着指纹库容量的不断扩大，因现场指纹图像质量问题造成特征点提取或标注不准确，使得后续指纹匹配识别准确率无法持续提高，基于传统方法提取特征点的指纹识别技术遇到瓶颈。与此同时以深度学习技术为代表的人工智能技术开始在指纹识别领域崭露头角。

深度学习技术是通过建立具有多层结构的人工神经网络，实现了模拟人类对图像中所包含内容进行识别分辨的初级人工智能。基于深度学习的基础理论，衍生出了大量结构各异的深度神经网络，如卷积神经网络、循环神经网络等，在很多应用领域均取得了良好的效果。在指纹领域，借助深度神经网络对高分辨率图像特征学习和提取的优势，本发明将深度学习技术应用于对指纹图像的细节点特征提取。

发明内容

本发明提出一种基于深度学习的现场指纹特征点提取方法，充分发挥神经网络在图像特征学习和提取的优势，以及对大量数据的学习适应能力。由于科技发展，指纹库容量不断扩大，以及现场指纹质量的参差不齐，都加大了指纹专家标注指纹细节点的人工成本。

本发明要解决的问题就是：利用神经网络对现场指纹图像进行特征点提取，适应现场指纹数据，提高提取效率，减小人工成本。

具体技术方案如下：

第一步，指纹数据集准备；第二步，训练一组小波框架基；第三步，制作神经网络训练集；第四步，使用第二步训练出的框架基，对第一步中的现场指纹图像进行滤波；第五步，构建网络；第六步，网络训练，将第四步中滤波得到的图像和对应标注信息输入到第五步构建的网络中，通过设计的损失函数进行反向传播，对神经网络参数进行优化，得到最终优化模型；第七步，网络实测使用。

所述方法包括以下步骤：

步骤1，指纹数据集准备，包括每个人两张原始指纹图像，和对应两张增强图像，其中原始指纹图像包括一张现场指纹图像和一张对应捺印指纹图像；

步骤2，训练小波框架基。将现场指纹图片作为输入，采用Bregman算法迭代求解如下带约束的最优化问题，使得经过滤波后的图片尽可能的稀疏，达到预处理的目标。