[发明专利]指纹分割模型训练、指纹分割方法、装置、设备及介质

说明书

本发明公开了指纹分割模型训练、指纹分割方法、装置、设备及介质，所述方法包括：将训练集中的样本图像输入指纹分割模型，对样本图像进行卷积处理，得到第一特征图；基于通道注意力子模块对第一特征图进行特征提取，得到第二特征图；基于空间注意力子模块对第一特征图进行特征提取，得到第三特征图；对第二特征图和第三特征图进行合并，得到第四特征图；根据第四特征图确定样本图像中的训练指纹位置信息，根据训练指纹位置信息和样本图像中真实指纹位置信息确定损失值，基于损失值对指纹分割模型进行训练。结合了空间注意力以及通道注意力对于语义分割的相互影响关系，基于指纹分割模型能够得到更准确的指纹的位置信息。提高了指纹分割的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及指纹分割模型训练、指纹分割方法、装置、设备及介质。

背景技术

指纹识别作为一种基于生物特征的身份认证技术得到越来越广泛的应用。指纹分割的准确性直接影响指纹识别的准确性。现有技术在进行指纹图像分割时，一般是对图像进行两轮分割，第一轮分割采用灰度统计特征，分割阈值通过直方图确定；第二轮分割对纹路像素的分布进行分析，通过统计稀疏纹路像素而进行分割。最后利用开运算和闭运算对分割结果进行后处理得到分割后的指纹图像。现有技术存在的问题是，首先如果图像中像素点的灰度值变化较多时，通过灰度直方图确定分割阈值的准确性较差，其次仅通过灰度值进行指纹分割受到的噪声影响较大，这些都导致了现有技术指纹分割的准确性较差。

发明内容

本发明实施例提供了指纹分割模型训练、指纹分割方法、装置、设备及介质，用以解决现有技术指纹分割的准确性较差的问题。

第一方面，本发明实施例提供了一种指纹分割模型训练方法，所述方法包括：

将训练集中的样本图像输入指纹分割模型，基于所述指纹分割模型的卷积子模块对所述样本图像进行卷积处理，得到第一特征图；

基于所述指纹分割模型中的通道注意力子模块对所述第一特征图进行特征提取，得到第二特征图；基于所述指纹分割模型中的空间注意力子模块对所述第一特征图进行特征提取，得到第三特征图；对所述第二特征图和第三特征图进行合并，得到第四特征图；

根据所述第四特征图确定所述样本图像中的训练指纹位置信息，根据所述训练指纹位置信息和所述样本图像中真实指纹位置信息确定损失值，基于所述损失值对所述指纹分割模型进行训练。

第二方面，本发明实施例提供了一种指纹分割方法，所述方法包括：

获取待分割的图像；

将所述待分割的图像输入指纹分割模型，基于所述指纹分割模型的卷积子模块对所述待分割的图像进行卷积处理，得到第七特征图；

基于所述指纹分割模型中的通道注意力子模块对所述第七特征图进行特征提取，得到第八特征图；基于所述指纹分割模型中的空间注意力子模块对所述第七特征图进行特征提取，得到第九特征图；对所述第八特征图和第九特征图进行合并，得到第十特征图；根据所述第十特征图确定所述待分割的图像中的指纹位置信息。

第三方面，本发明实施例提供了一种指纹分割模型训练装置，所述装置包括：

卷积处理模块，用于将训练集中的样本图像输入指纹分割模型，基于所述指纹分割模型的卷积子模块对所述样本图像进行卷积处理，得到第一特征图；

注意力处理模块，用于基于所述指纹分割模型中的通道注意力子模块对所述第一特征图进行特征提取，得到第二特征图；基于所述指纹分割模型中的空间注意力子模块对所述第一特征图进行特征提取，得到第三特征图；对所述第二特征图和第三特征图进行合并，得到第四特征图；

训练模块，用于根据所述第四特征图确定所述样本图像中的训练指纹位置信息，根据所述训练指纹位置信息和所述样本图像中真实指纹位置信息确定损失值，基于所述损失值对所述指纹分割模型进行训练。