[发明专利]基于深度学习的指纹图像检测方法在审
| 申请号： | 201910808923.2 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110705352A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 苗家壮;杨波;罗美美 | 申请（专利权）人： | 杭州晟元数据安全技术股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 33246 浙江千克知识产权代理有限公司 | 代理人： | 赵芳;俞昊文 |
| 地址： | 311121 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 指纹图像 活体 指纹 预处理 卷积神经网络 截取 预设 概率 指纹图像特征 指纹传感器 分类函数 概率判断 活体检测 生物活体 自动提取 采集 图像 防御 攻击 检测 学习 | ||
1.基于深度学习的指纹图像检测方法，其特征在于，包括以下步骤：
S1、指纹传感器采集指纹图像，对指纹图像进行预处理；
S2、截取多个S1中预处理后的指纹图像的局部作为活体检测模型的输入，设指纹图像为i，截取多个图像个数为n；
S3、对输入的每个指纹图像进行活体概率的计算，活体概率为Pi，活体概率通过卷积神经网络模型及分类函数得出；
S4、设活体概率判断分值为score＝score/n，score分值大于预设值T，则判断指纹属于活体，若小于预设值T，则判断指纹不为活体。
2.如权利要求1所述的基于深度学习的指纹图像检测方法，其特征在于，卷积神经网络模型的卷积部分包括模块A及模块B，模块A的输入是上一层计算的输出特征图，而后依次计算卷积层，批标准化层和激活函数层；模块B的输入也是上一层计算的输出特征图，而后依次计算可分离卷积层，批标准化层和激活函数层。
3.如权利要求2所述的基于深度学习的指纹图像检测方法，其特征在于，活体概率通具体步骤如下，多个A模块和B模块顺序连接而成，最后一个B模块的激活函数的值为一个2维向量，将这个2维向量作为分类函数的输入，计算出该像素区域属于活体指纹的概率。
4.如权利要求1所述的基于深度学习的指纹图像检测方法，其特征在于，分类函数为归一化指数函数。
5.如权利要求2所述的基于深度学习的指纹图像检测方法，其特征在于，所述激活函数层为Relu6函数，Relu6函数为卷积神经网络激活函数，其定义如下：
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杭州晟元数据安全技术股份有限公司，未经杭州晟元数据安全技术股份有限公司许可，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/201910808923.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：视频会议的签到方法及系统
- 下一篇：基于注意力机制的遮挡人脸的识别方法和装置
