[发明专利]一种基于深度卷积特征的指纹活性检测方法

说明书

一种基于深度卷积特征的指纹活性检测方法，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)对采集的训练集中的指纹图片进行合理的变换，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。本发明可以得到一个指纹活性检测模型，该模型相对于传统的基于手工特征和分类器的方法，有更加优异的性能。

技术领域

本发明涉及图像处理、模式识别、深度机器学习、指纹识别等领域，尤其是一种检测真假指纹的指纹活性检测方法。

背景技术

在现代社会中，随着计算机技术、网络技术的高速发展，信息安全显示出前所未有的重要性。身份认证是保证系统安全的必要前提，金融、司法和电子商务等应用领域都需要准确的身份认证，因此，人们对数据的安全防护提出了更广泛的要求。如何及时、准确和有效地验证每个社会成员的身份，以保障人民的合法权益，及时打击与遏制各种违法犯罪活动，维护国家安全和社会稳定，变得更为重要和迫切。

由于人类的身体特征具有不可复制的特点，因此，人们把目光转向了生物特征识别技术。指纹是身份认证中常用的生物特征之一，指纹身份认证系统被广泛应用在金融、电子商务、智能手机、写字楼门禁、公司考勤、家庭门锁等领域。然而，指纹身份认证系统和人脸、虹膜等其它生物特征身份认证系统一样都存在着欺诈攻击的风险。其中，指纹可以通过一些材料(橡胶，硅胶，电容胶等)仿制得到指纹膜，并可以成功通过指纹身份认证系统，增加了系统的风险性。假指纹(仿制指纹)的出现对目前的指纹身份认证系统提出了更高安全的要求，需要通过技术手段实现指纹活性检测，以此杜绝假指纹对系统的攻击。

针对上述问题，近年来出现了基于硬件层面和软件层面的指纹活性检测方法。硬件层面通过引入能够采集更多生物信息的器件，多重校验录入指纹，进而提升认证系统的安全性；软件层面主要在指纹信息完成录入后，利用图像检测技术对录入的指纹进行真假鉴别的方案。相比于硬件检测手段而言，软件检测方法是一种更加低廉的基于图像纹理特征的手段，且更易于实现，因而受到广泛关注。但是，目前软件层面的算法大部分是基于浅层手工特征设计和SVM(支持向量机)的解决方案，缺乏对指纹信息的纹理特征的深层挖掘。

发明内容

为了克服目前指纹识别系统存在问题，本发明旨在提供一种既可以解决硬件检测代价高、技术不足的问题，又能有效地提高指纹活性检测的准确率，从而提高指纹身份认证系统安全性的基于深度卷积特征的指纹活性检测方法。

为了达到解决本发明涉及到问题的目的，提出了以下技术方案：

一种基于深度卷积特征的指纹活性检测方法，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。

进一步，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。