[发明专利]层级互补卷积神经网络模型、鲁棒指纹识别方法及系统

说明书

本发明公开了一种层级互补卷积神经网络模型、鲁棒指纹识别方法及系统，属于指纹识别，要解决的技术问题为如何实现对磨损指纹的识别；其系统包括第一层卷积神经网络，主要由子类识别网络和未磨损图像识别网络；第二层卷积神经网络，用于识别已磨损指纹。其方法包括：以训练图像为输入，训练层级互补卷积神经网络模型，得到训练后层级互补卷积神经网络模型；以测试图像为输入，通过训练后层级互补卷积神经网络模型对测试图像进行指纹识别。其系统包括模型构建模块、模型训练模块和识别模块。本发明通过第一层卷积神经网络判断指纹图像的磨损识别，并对未磨损的指纹进行识别，通过第二层卷积神经网络对已磨损的指纹进行识别。

技术领域

本发明涉及指纹识别领域，具体地说是一种层级互补卷积神经网络模型、 鲁棒指纹识别方法及系统。

背景技术

个人的身份验证在当今高速发展的社会具有极大的市场需求，由于较强的 安全性和便利性，生物识别技术作为一种新兴的个人身份验证技术备受关注。 指纹识别是最早的生物识别技术，在生物识别市场中占主导地位。虽然指纹识 别技术日趋成熟，然而现有的指纹识别技术对于指纹的磨损等问题仍不能取得 令人满意的性能。

基于上述问题，如何实现对磨损指纹的识别，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种层级互补卷积神经网络模型、 鲁棒指纹识别方法及系统，来解决如何实现对磨损指纹的识别的问题。

第一方面，本发明提供一种层级互补卷积神经网络模型，包括：

第一层卷积神经网络，主要由子类识别网络和未磨损图像识别网络，子类 识别网络用于识别指纹图像中指纹为未磨损或已磨损，未磨损图像识别网络用 于识别未磨损指纹；

第二层卷积神经网络，用于识别已磨损指纹。

在上述实施方式中，通过第一层卷积神经网络可识别指纹图像的已磨损未 磨损状态，并识别未磨损指纹，通过第一层卷积神经网络可识别已磨损指纹， 从而在第二层卷积神经网络对第一层级网络具有一定的互补作用，可取得较好 的识别效果。

作为优选，子类识别网络为Resnet网络。

作为优选，未磨损图像识别网络为Alexnet网络。

作为优选，第二层卷积神经网络为Densenet网络。

第二方面，本发明提供一种鲁棒指纹识别方法，通过如第一方面任一项所 述的层级互补卷积神经网络模型对输入的指纹图像进行指纹识别，包括：

以训练图像为输入，训练层级互补卷积神经网络模型，得到训练后层级互 补卷积神经网络模型；

以测试图像为输入，通过训练后层级互补卷积神经网络模型对测试图像进 行指纹识别。

作为优选，以训练图像为输入，训练层级互补卷积神经网络模型，包括:

获取训练图像，训练图像包括已磨损指纹图像和未磨损指纹图像；

通过子类识别网络对训练图像进行分类标记，生成未磨损子类和已磨损子 类，并得到训练后子类识别网络，未磨损子类对应未磨损指纹图像，已磨损子 类对应已磨损指纹图像；

通过未磨损图像识别网络对未磨损子类进行指纹识别，得到训练后未磨损 图像识别网络；

通过第二层卷积神经网络对已磨损子类进行指纹识别，得到训练后第二层 卷积神经网络。

作为优选，以测试图像为输入，通过训练后层级互补卷积神经网络模型对 测试图像进行指纹识别，包括：

通过训练后子类识别网络对测试图像进行判断，判断测试图像为已磨损子 类或磨损子类；