[发明专利]一种基于深度卷积特征的指纹活性检测方法

权利要求书

1.一种基于深度卷积特征的指纹活性检测方法，其特征在于，该检测方法包括以下步骤：

1)使用传统的指纹传感器录入指纹数据，并将其划分为训练集和验证集，训练集用来完成对深度网络模型的训练，验证集用来验证深度网络模型的性能；

2)对采集的训练集做合理的变换，增加数据集的规模；

3)标准化扩展后的训练集；

4)基于残差结构和基本的卷积模块构建深度卷积神经网络；

5)使用随机梯度下降法优化交叉熵损失函数，完成对深度卷积神经网络的训练；

6)根据训练完成的模型，使用标准化后的指纹图片对真假指纹进行分类；

所述步骤2)中，所述的增加数据集规模的方法为：使用灰度图像的几何矩，求出图像的重心，并以该重心为中心，使用大小为stride的尺寸随机采样若干点，以这些点为中心截取固定尺寸的图块；进一步地，在不破坏图块灰度值的前提下，首先对这些图块进行旋转90度，180度，270度操作，然后对旋转后的图块进行水平镜像；最终得到扩展增强后的训练集，作为对原始图片的扩展；

所述步骤3)中，所述的标准化训练集的方法为：求取整个训练集的灰度平均值，将样本集的每张图片逐像素减去该均值，并使用255对去均值的像素点做归一化；

所述步骤4)中，在基本残差模块的基础上，特征层的每一个神经元尺寸缩放时都采用增加空白通道数来代替原模块中的1×1的卷积层，使得深层的监督信号可以更好地反馈给底层网络，加强了整个网络各层之间的信息流动性,为了保证模型的轻量级，只是用了9个残差模块；

所述求出图像重心的方法包括如下步骤：

2.1)用f(i,j)描述一张M×N的二维灰度图像，f(i,j)代表第i行、第j列灰度值，M，N是图片的高和宽，那么图像的几何矩m_p,q定义为：

2.2)设图片的重心为则有：

所述步骤5)中，引入权重为0.0005的L2正则化项，动量矩取0.9；

所述步骤6)，根据步骤2)求取测试图片的重心，以重心为中心从测试图片中切出固定尺寸的图块，采用步骤3)对得到的测试图像进行标准化，将标准化后的图像输入到训练完成的模型中，可得到指纹图像的预测标记符号，设是判为假指纹的后验概率，是判为真指纹的后验概率，则有：

y_k代表第k个样本的标签，若就认为这张图片是真指纹，否则被判为假指纹。

2.如权利要求1所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述的标准化训练集包括如下步骤：

3.1)求取增强后训练集的均值，K为训练集中的样本数目：

3.2)标准化后的图像记为则：

3.如权利要求1所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述深度卷积神经网络中，padding channels层描述为：

上式中，1≤b≤B，0≤hH，0≤wW；B表示每一次迭代输入网络中的样本个数，S是输入这一层的神经元个数，2S是这一层输出的神经元个数，H和W分别代表每一个神经元的高度和宽度。

4.如权利要求1所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述步骤1)中按照真指纹标记类型符号为1，假指纹标记类型符号为0的规则，制备带标记的样本数据集。