[发明专利]基于多任务分类的指纹防伪识别方法、装置及电子设备有效

专利信息
申请号: 202010269255.3 申请日: 2020-04-08
公开(公告)号: CN111191642B 公开(公告)日: 2020-07-21
发明(设计)人: 陈昱;于旸 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 李昂;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 任务 分类 指纹 防伪 识别 方法 装置 电子设备
【说明书】:

发明提供了一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质;方法包括:响应于对指纹采集设备的指纹感测区域的触发操作,采集触发操作所形成的指纹;获取当前设备状态,并根据当前设备状态确定当前指纹认证阶段;调用多任务分类模型对采集的指纹进行分类处理,得到与多个分类任务对应的预测类别;当目标分类任务对应的预测类别为允许认证类别时,确定采集的指纹通过当前指纹认证阶段的防伪认证,并执行指纹入库操作、指纹匹配操作及模板更新操作中与当前指纹认证阶段对应的操作;其中,目标分类任务是与当前指纹认证阶段对应的分类任务。通过本发明,能够提升指纹防伪识别的精度,加强指纹认证阶段的安全性。

技术领域

本发明涉及人工智能和安全技术,尤其涉及一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能(AI,Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。机器学习(ML,Machine Learning)是人工智能的一个分支,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

指纹防伪认证是机器学习的一个重要应用,在实际生活中应用广泛。在相关技术提供的方案中,通常是通过独立的分类任务,如“指纹/非指纹”的分类任务来训练模型,并根据训练好的模型进行指纹分类,根据指纹分类的结果判断该指纹是否伪造。但是,该种方式会导致模型的泛化能力弱,容易出现过拟合的情况,指纹防伪识别的精度较低。

发明内容

本发明实施例提供一种基于多任务分类的指纹防伪识别方法、装置、电子设备及计算机可读存储介质,能够提升指纹防伪识别的精度,加强指纹认证阶段的安全性。

本发明实施例的技术方案是这样实现的:

本发明实施例提供一种基于多任务分类的指纹防伪识别方法,包括:

响应于对指纹采集设备的指纹感测区域的触发操作,采集所述触发操作所形成的指纹;

获取所述指纹采集设备的当前设备状态,并

根据设备状态与指纹认证阶段之间的映射关系,在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段;

调用多任务分类模型对所述采集的指纹进行分类处理,得到与多个分类任务对应的预测类别;其中,每个所述分类任务对应一个指纹认证阶段;

当目标分类任务对应的预测类别为允许认证类别时,确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证,并

执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作;

其中,所述目标分类任务是与所述当前指纹认证阶段对应的分类任务。

本发明实施例提供一种基于多任务分类的指纹防伪识别装置,包括:

采集模块,用于响应于对指纹采集设备的指纹感测区域的触发操作,采集所述触发操作所形成的指纹;

阶段确定模块,用于获取所述指纹采集设备的当前设备状态,在多个指纹认证阶段中确定与所述当前设备状态对应的当前指纹认证阶段;

分类模块,用于调用多任务分类模型对所述采集的指纹进行分类处理,得到与多个分类任务对应的预测类别;其中,每个所述分类任务对应一个指纹认证阶段;

确定通过模块,用于当目标分类任务对应的预测类别为允许认证类别时,确定所述采集的指纹通过所述当前指纹认证阶段的防伪认证,并

执行指纹入库操作、指纹匹配操作及模板更新操作中与所述当前指纹认证阶段对应的操作;

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202010269255.3/2.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