[发明专利]指纹图像的特征提取方法、装置及计算机可读存储介质

说明书

本发明涉及一种指纹图像的特征提取方法、装置及计算机可读存储介质。所述方法包括：所述方法包括步骤：获取指纹图像；对所述指纹图像进行预处理以去除所述指纹图像中的噪声；利用已训练好的预设卷积神经网络模型提取出所述指纹图像的二值特征，其中所述预设卷积神经网络包括具有可模拟阶跃函数功能且连续的激活函数；及将所述指纹图像的二值特征与预存指纹图像的二值特征进行匹配得到匹配结果。本案通过所述预设卷积神经网络模型的激活函数对所述预设卷积神经网络模型输出的特征进行二值化处理得到指纹图像的二值特征，将所述指纹图像的二值特征与预存指纹图像的二值特征进行匹配得到匹配结果，如此提高指纹图像的二值特征的匹配效率。

技术领域

本发明涉及指纹图像识别领域，具体涉及一种指纹图像的特征提取方法、装置及计算机可读存储介质。

背景技术

当前指纹图像用于特征抽取的神经网络均输出浮点型描述子，其特征比对速度较慢，不能满足速度要求较高的平台应用需求。例如采用sift、orb等基于特征点的图像匹配算法对指纹图像进行特征提取出的图像二级/三级特征点极多，如仍采用浮点特征匹配，那么图像的匹配效率将是极低的。

发明内容

鉴于以上内容，有必要提出一种指纹图像的特征提取方法、装置及计算机可读存储介质以提取出指纹图像的二值特征，以提高指纹图像的匹配效率。

本申请的第一方面提供一种指纹图像的特征提取方法，所述方法包括步骤：

获取指纹图像；

对所述指纹图像进行预处理以去除所述指纹图像中的噪声；

利用已训练好的预设卷积神经网络模型提取出所述指纹图像的二值特征，其中所述预设卷积神经网络包括具有可模拟阶跃函数功能且连续的激活函数；及

将所述指纹图像的二值特征与预存指纹图像的二值特征进行匹配得到匹配结果。

优选的，所述预设卷积神经网络包括输入层、多个用于进行特征提取的卷积层、全连接层、激活函数及输出层，所述输入层、卷积层、全连接层、激活函数及输出层依次相连接。

优选的，所述利用已训练好的预设卷积神经网络模型提取出所述指纹图像的二值特征包括：

通过所述输入层为所述指纹图像提供输入通道；通过所述卷积层对所述指纹图像的特征进行训练提取；通过所述全连接层对各卷积层所训练提取出的特征进行整合；通过所述激活函数对所述全连接层输出的特征进行二值化处理及将二值化处理的结果依据预设阈值进行分割得到所述指纹图像的二值特征；及通过所述输出层输出二值特征。

优选的，所述激活函数所述预设阈值为1/2，为用户设定的常数，所述激活函数对所述全连接层输出的特征进行二值化处理及将二值化处理的结果依据预设阈值进行分割得到所述指纹图像的二值特征包括：

通过对所述全连接层输出的特征进行二值化处理及将二值化处理的结果依据1/2进行分割得到所述指纹图像的二值特征。

优选的，所述激活函数为所述预设阈值为0，为用户设定的常数，所述激活函数对所述全连接层输出的特征进行二值化处理及将二值化处理的结果依据预设阈值进行分割得到所述指纹图像的二值特征包括：

通过所述激活函数对所述全连接层输出的特征进行二值化处理及将二值化处理的结果依据0进行分割得到所述指纹图像的二值特征。

优选的，所述将所述指纹图像的二值特征与预存指纹图像的二值特征进行匹配得到匹配结果包括：

计算所述指纹图像的二值特征与所述预存指纹图像的特征值的汉明距离值；及

当所述汉明距离值小于或等于所述预设距离值时，则所述指纹图像与所述预存指纹图像匹配成功。

优选的，所述计算所述指纹图像的二值特征与所述预存指纹图像的特征值的汉明距离值包括：