[发明专利]一种基于深度学习的指纹识别方法和装置有效
| 申请号： | 201810366587.6 | 申请日： | 2018-04-23 |
| 公开（公告）号： | CN108875907B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 曾凡锋;胡胜达;肖珂 | 申请（专利权）人： | 北方工业大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/00;G06K9/62 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 邱晓锋 |
| 地址： | 100144 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的指纹识别方法和装置。首先搭建深度神经网络，将用户注册的指纹图像集输入深度神经网络，采用交叉熵损失函数和对比损失函数进行训练。训练完成之后，再次将用于训练的注册用户图像输入深度神经网络，获取对比损失函数的输入特征向量，并采用聚类算法对每个注册用户的指纹图像进行聚类，获取其特定数目的聚类中心作为本地特征库。在指纹验证阶段，将需要识别的指纹图像输入训练好的深度神经网络中，获取其交叉熵损失值和对比损失函数直接训练节点的输出向量，根据预设的阈值，采用判定函数进行相似指纹判定，完成指纹验证过程。本发明在保证高识别率的前提下能够获得更低的误识率，具有更高的安全性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 指纹识别 方法 装置 | ||
【主权项】：
1.一种基于深度学习的指纹识别方法，其特征在于，包括以下步骤：1)搭建深度神经网络，深度神经网络的输出为并行的两种图像特征；2)将用户注册的指纹图像集输入搭建的深度神经网络中，采用交叉熵损失函数和对比损失函数对深度神经网络进行训练；3)将用户注册的指纹图像集输入训练好的深度神经网络中，获取其对比损失函数的输入节点作为特征向量，利用获取的特征向量采用聚类算法对用户注册的指纹图像进行聚类，针对每个用户获得特定数目的聚类中心，根据聚类中心搭建本地特征库；4)在指纹验证阶段，将给定的指纹图像输入训练好的深度神经网络中，获取其交叉熵损失函数的损失值和对比损失函数直接训练节点的输出向量，利用本地特征库和判定函数进行相似指纹判定。
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北方工业大学，未经北方工业大学许可，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/patent/201810366587.6/，转载请声明来源钻瓜专利网。
