[发明专利]指纹痕迹检测方法、指纹检测装置及计算机可读存储介质

说明书

本发明提供一种指纹痕迹检测方法，其包括以下步骤：获取原始训练图像或待测图像；对原始训练图像或待测图像进行限制对比度适应直方图均衡化处理；缩小经过处理后的原始训练图像或待测图像的宽度和高度小，且扩大经过处理后的原始训练图像或待测图像的通道数，以获得特征训练图像或特征图像；分别对各特征训练图像进行图像预处理，并获得待训练图像集；通过预设的卷积神经网络对待训练图像集进行训练，获得特征卷积神经网络；根据特征图像，依据特征卷积神经网络，计算分析获得特征图像的特征指纹信息。与相关技术相比，本发明对指纹痕迹的检测清晰度高、检测速度快且能够实时检测。

【技术领域】

本发明涉及目标检测领域，尤其涉及一种指纹痕迹检测方法、指纹检测装置及计算机可读存储介质。

【背景技术】

近几年来，随着深度学习技术的发展，目标检测算法取得了很大的突破，其中，检测算法逐渐被应用到刑侦设备方面，主要是应用在指纹痕迹检测装置上。

相关技术中，指纹痕迹检测方法是一种经过对指纹痕迹图像进行深度学习后，用于检测待测图像上的指纹痕迹的方法，该方法所采用的目标检测算法主要包括以下两大类：

一类是Two stage的方法，具体的，该方法主要是分为两个步骤，第一步在待测图像上生成候选框，第二步是对候选框内的物体进行识别，譬如R-CNN(Region-CNN，即基于区域推荐的卷积网络方法)算法、Fast R-CNN(Fast-Region-CNN，即快速的基于区域推荐的卷积网络方法)、Faster R-CNN(Faster-Region-CNN，更快速的基于区域推荐的卷积网络方法)等。

另一类是One stage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD、YOLO等。

上述两类方法中，由于计算量大，在实际应用中，往往需先缩小待测图像的图像尺寸，后再进行指纹痕迹检测计算。

然而，相关技术中，对于指纹痕迹而言，若待测图像尺寸缩小过多，指纹痕迹将会糊成一块，无法分辨，导致指纹痕迹检测清晰度低；若尺寸缩小不足，运算速度大大下降，导致检测速度慢且不足以满足实时检测的需求。

因此，实有必要提供一种新的指纹痕迹检测方法、指纹检测装置及计算机可读存储介质解决上述技术问题。

【发明内容】

本发明的目的在于提供一种指纹痕迹检测方法、指纹检测装置及计算机可读存储介质，解决了指纹痕迹检测清晰度低、检测速度慢且不足以满足实时检测的需求的问题。

为达到上述目的，本发明提供一种指纹痕迹检测方法，该方法包括以下步骤：

步骤S1，实时获取待测图像；

步骤S2，对所述待测图像进行限制对比度适应直方图均衡化处理；

步骤S3，对所述待测图像的宽度和高度进行缩小，且对所述待测图像的通道数进行扩大，以获得特征图像；

步骤S4，根据所述特征图像，依据特征卷积神经网络，计算分析获得所述特征图像的特征指纹信息；其中，所述特征指纹信息包括所述特征图像上的指纹痕迹的位置以及置信度中的至少一种，所述特征卷积神经网络的获取方法包括如下步骤：

步骤S1a，获取多个原始训练图像；

步骤S2a，对多个所述原始训练图像分别进行限制对比度适应直方图均衡化处理；

步骤S3a，对多个所述原始训练图像的宽度和高度进行缩小，且对多个所述原始训练图像的通道数进行扩大，以获得多个特征训练图像；其中，所述原始训练图像与所述特征训练图像一一对应设置；