[发明专利]万能指纹生成方法和装置、存储介质及电子装置

说明书

本发明公开了一种基于人工智能与云服务器的万能指纹生成方法和装置、存储介质及电子装置。其中，该方法包括：获取目标指纹生成模型输出的多个原始指纹图像，其中，目标指纹生成模型为使用目标样本指纹子图像对原始生成对抗网络进行训练后得到的模型，目标指纹生成模型用于输入随机数据后输出多个原始指纹图像，目标样本指纹子图像为从多个第一样本指纹子图像中筛选的用于训练原始生成对抗网络的图像，第一样本指纹子图像为从样本指纹图像中截取的图像，获取多个原始指纹图像中每个原始指纹图像对应的目标图像，从多个原始指纹图像中选择目标指纹图像，将目标指纹图像所指示的指纹确定为万能指纹。本发明解决了万能指纹生成准确度低的技术问题。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种基于人工智能与云服务器的万能指纹生成方法和装置、存储介质及电子装置。

背景技术

现有技术中，在某些情况下，需要生成万能指纹，如使用万能指纹对终端的指纹解锁系统的安全性进行测试等。万能指纹又称万事达指纹（MasterPrints），是一种人工构造的指纹图像。使用该指纹图像进行指纹认证时会造成比随机自然指纹更高的FMR。FMR（False Match Rate）：错误匹配率，即把不应该匹配的指纹当成匹配指纹的概率。

现有技术中，在生成万能指纹的过程中，通常是从指纹库中随机裁剪指纹，将裁剪的指纹进行解锁测试，将解锁率高的指纹作为万能指纹。然而，上述方法生成的万能指纹准确度低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种万能指纹生成方法和装置、存储介质及电子装置，以至少解决万能指纹生成准确度低的技术问题。

根据本发明实施例的一个方面，提供了一种万能指纹生成方法，包括：获取目标指纹生成模型输出的多个原始指纹图像，其中，所述目标指纹生成模型为使用目标样本指纹子图像对原始生成对抗网络进行训练后得到的神经网络模型，所述目标指纹生成模型用于输入随机数据后输出所述多个原始指纹图像，所述目标样本指纹子图像为从多个第一样本指纹子图像中筛选的用于训练所述原始生成对抗网络的图像，所述第一样本指纹子图像为从样本指纹图像中截取的图像；获取所述多个原始指纹图像中每个原始指纹图像对应的目标图像的数量，其中，所述目标图像为与所述原始指纹图像相似度大于第一阈值的第二样本指纹子图像，所述第二样本指纹子图像为从所述样本指纹图像中截取的图像，所述第二样本指纹子图像的图像尺寸大于所述第一样本指纹子图像的图像尺寸；从所述多个原始指纹图像中选择目标指纹图像，其中，所述目标指纹图像对应的所述目标图像的数量大于第二阈值；将所述目标指纹图像所指示的指纹确定为万能指纹。

根据本发明实施例的另一方面，还提供了一种万能指纹生成装置，包括：第一获取单元，用于获取目标指纹生成模型输出的多个原始指纹图像，其中，所述目标指纹生成模型为使用目标样本指纹子图像对原始生成对抗网络进行训练后得到的神经网络模型，所述目标指纹生成模型用于输入随机数据后输出所述多个原始指纹图像，所述目标样本指纹子图像为从多个第一样本指纹子图像中筛选的用于训练所述原始生成对抗网络的图像，所述第一样本指纹子图像为从样本指纹图像中截取的图像；第二获取单元，用于获取所述多个原始指纹图像中每个原始指纹图像对应的目标图像的数量，所述目标图像为与所述原始指纹图像相似度大于第一阈值的第二样本指纹子图像，所述第二样本指纹子图像为从所述样本指纹图像中截取的图像，所述第二样本指纹子图像的图像尺寸大于所述第一样本指纹子图像的图像尺寸；第三获取单元，用于从所述多个原始指纹图像中选择目标指纹图像，其中，所述目标指纹图像对应的目标图像的数量大于第二阈值；确定单元，用于将所述目标指纹图像所指示的指纹确定为万能指纹。