[发明专利]一种基于3D指纹图像的弱监督的特征分析方法及系统

权利要求书

1.一种基于3D指纹图像的弱监督的特征分析方法，其特征在于，包括以下步骤：

步骤S1，采集指纹图像数据；

步骤S2，针对所述指纹图像数据搭建指纹图像特征提取模型；

所述步骤S2包括以下子步骤：

步骤S21，通过深度学习算法搭建对指纹图像进行特征提取的特征提取网络；

步骤S22，训练所述特征提取网络，并优化所述特征提取网络的参数；

所述步骤S22包括以下子步骤：

步骤S221，输入指纹图像数据，通过卷积结构提取生物信息特征，通过损失函数和优化器提取所述生物信息特征在生物信息标签下的特征分布情况，进而输出离散化的生物信息特征标签；

步骤S222，反馈对生物信息特征的提取结果，进而对特征提取网络的参数进行调整，所述对特征提取网络的参数进行调整的过程为在迭代过程中对特征提取网络的损失函数、优化器和网络模型进行迭代更新；

步骤S23，保存优化后的特征提取网络模型作为指纹图像特征提取模型；

步骤S3，随机采集指纹图像测试数据，并将所述指纹图像测试数据输入至所述指纹图像特征提取模型中，进而对指纹图像测试数据的指纹特征信息进行表征；

所述步骤S3包括以下子步骤：

步骤S31，随机采集指纹图像测试数据；

步骤S32，将所述指纹图像测试数据输入所述指纹图像特征提取模型中；

步骤S33，在所述指纹图像特征提取模型中对指纹图像测试数据进行表征；

所述步骤S33包括以下子步骤：

步骤S331，使用引导反向传播表征所提取的指纹图像特征区域；

步骤S332，使用梯度加权类激活映射表征所提取的指纹图像特征区域；

步骤S333，将步骤S331和步骤S332的两种表征方法相结合来表征所提取的指纹图像特征区域。

2.根据权利要求1所述的基于3D指纹图像的弱监督的特征分析方法，其特征在于，所述步骤S221的训练特征提取网络过程中，采用两块以上的显卡并行计算和训练，先通过对每一块显卡进行机器学习和训练，实现更新迭代，并计算两块以上的显卡的均值以实现变量的更新；然后将更新后的变量参数返回到至CPU中，以输入至每一块显卡中，实现反复迭代。

3.根据权利要求1至2任意一项所述的基于3D指纹图像的弱监督的特征分析方法，其特征在于，所述步骤S331中，使用引导反向传播表征所提取的指纹图像特征区域的过程为：在梯度传播时，只传递输入大于零所对应的指纹图像特征的梯度至所述指纹图像特征提取模型中的输入端，得到的权重叠加到指纹图像特征中，得到初步的指纹图像特征区域。

4.根据权利要求3所述的基于3D指纹图像的弱监督的特征分析方法，其特征在于，所述步骤S332中，使用梯度加权类激活映射表征所提取的指纹图像特征区域的过程为：在网络最后一层中使用全局平均池化，通过加权和得到输出，并对输出进行上采样，得到每对指纹图像特征所对应的权重，并将指纹图像特征所对应的权重叠加到原指纹图像中以得到梯度加权类激活映射后的指纹图像特征区域。

5.根据权利要求4所述的基于3D指纹图像的弱监督的特征分析方法，其特征在于，所述步骤S333中，对指纹图像特征提取模型反向计算其隐藏层梯度，并得到卷积层的权重值和经上采样之后得到特征图像的权重值进行相乘，并叠加到原指纹图像中以得到最终的指纹图像特征区域。