[发明专利]小面积指纹图像特征提取方法、系统、终端及存储介质

说明书

本发明涉及一种小面积指纹图像特征提取方法、系统、终端及存储介质，属于指纹识别技术领域，应用于小面积指纹特征信息提取，包括以下步骤：步骤S1、获取指纹图像；步骤S2、指纹图像预处理，分离指纹图像的前景区域和背景区域，获取前景区域的数据信息，并根据前景区域的数据信息对指纹图像进行分类滤波处理；步骤S3、关键特征点提取，对指纹图像进行区块划分，根据对应区块中的指纹图像前景区域的数据信息挑选出关键特征点，指纹图像前景区域的数据信息包括像素点的曲率信息；步骤S4、关键特征点的筛选，通过比较分析筛选出稳定性好的关键特征点。本发明用于解决小面积指纹特征信息提取不足的问题，有效适用于小面积指纹比对且可靠性良好。

技术领域

本发明涉及指纹识别技术领域，尤其是涉及一种小面积指纹图像特征提取方法、系统、终端及存储介质。

背景技术

指纹识别技术已经广泛应用到手机、电脑、智能门锁、柜子锁、U盘、SSD等需要识别个人身份场景，而且功能不仅仅局限于解锁，还应用到其他更高级别的应用程序，如在线支付、应用加密、业务授权等。目前，基于传统细节点的大面积指纹识别技术已经相对成熟，但是随着市场越来越多种类的移动设备中使用指纹识别技术，考虑到更好的集成设计，终端更倾向于采用小面积的指纹传感器，这就导致采集到的指纹图像面积变小，含有的指纹有效信息相应变少，这给传统的主要基于细节点指纹识别技术带来了很大的挑战。

现有的针对小面积指纹特征提取有以下几种策略：

（1）将现有大面积指纹识别算法根据小面积调整迁移后的特征提取算法。比如构建细节点拓补结构；比如采用Gabor等方向滤波的方法来编码细节点附近周围区域进行特征信息的补充，或通过深度学习网络对细节点附近的区域进行Triplet Loss方式训练后得到区域块的特征表达；比如使用脊线抽样点和细节点信息MCC编码或脊线结构信息来补充小面积图像中细节点特征信息的不足等，这些策略的出发点还是以细节点的提取为基础，通过其他的办法尽量提高细节点的特征表达能力来弥补细节点数量不足的引起的识别率降低变化。这种策略在小面积指纹图像中大概包含3个以上细节点的情况下，处理效果还是比较不错的，但对于一些小面积指纹图像中根本不存在细节点，或者指纹存在较多的缺损区域，那么就会引起识别率的明显降低。这种策略对CPU内存要求较低，但对计算开销还是比较大一些。

（2）基于传统机器视觉的特征提取算法，比如Harri、sift、surf、ORB、Akaze等,该类算法通常利用高斯差分构建尺度空间、使用Hessian矩阵等方式监测关键点。传统机器视觉方法在过去20年里在不同的图像特征提取应用场景取得惊艳的效果，但是由于指纹识别的特殊性，指纹图像采集的噪声是是受多种因素影响的，比如传感器的涂层、手指按压的力度、手指的干湿程度等都会引入不确定的噪声模型，因此如果直接使用传统机器视觉的特征提取方法时会存在提取的关键点不稳定，对干湿手指适应不强的缺点。

综上所述，现有的两种方式都不能实现小面积指纹特征信息的有效提取。

因此，需要提出一种新的技术方案来解决上述技术问题。

发明内容

本发明的目的一是提供一种小面积指纹图像特征提取方法，解决小面积指纹特征信息提取不足的问题，有效适用于小面积指纹比对且可靠性良好。

本发明的上述一发明目的是通过以下技术方案得以实现的：

一种小面积指纹图像特征提取方法，应用于小面积指纹特征信息提取，包括以下步骤：

步骤S1、获取指纹图像；

步骤S2、指纹图像预处理，分离指纹图像的前景区域和背景区域，获取前景区域的数据信息，并根据前景区域的数据信息对指纹图像进行分类滤波处理；

步骤S3、关键特征点提取，对指纹图像进行区块划分，根据对应区块中的指纹图像前景区域的数据信息挑选出关键特征点，所述指纹图像前景区域的数据信息包括像素点的曲率信息；