[发明专利]基于深度学习的指纹图像识别方法、装置和电子设备

权利要求书

1.一种基于深度学习的指纹图像识别方法，其特征在于，包括：

获取现场指纹图像；

获取所述现场指纹图像中特征点的位置信息；

根据所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述，所述特征描述生成模型是基于多个样本图像块和与所述多个样本图像块对应的多个特征描述进行训练得到的；

根据所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像的特征描述进行匹配，得到匹配结果。

2.根据权利要求1所述的基于深度学习的指纹图像识别方法，其特征在于，获取所述现场指纹图像中特征点的位置信息，包括：

对所述现场指纹图像进行图像增强；

将图像增强后的现场指纹图像分割为多个现场指纹增强子图像块；

在所述多个现场指纹增强子图像块中，将含有所述特征点的现场指纹增强子图像块输入至特征点位置生成模型，输出所述特征点的位置信息。

3.根据权利要求2所述的基于深度学习的指纹图像识别方法，其特征在于，对所述现场指纹图像进行图像增强，包括：

构建指纹图像方向场字典集合；

将所述现场指纹图像分割为多个现场指纹子图像；

获取所述多个现场指纹子图像的方向场；

根据所述多个现场指纹子图像的方向场在所述构建指纹图像方向场字典集合中进行匹配，得到多个匹配对象；

根据所述多个匹配对象对所述多个现场指纹子图像进行替换。

4.根据权利要求3所述的基于深度学习的指纹图像识别方法，其特征在于，构建指纹图像方向场字典集合，包括：

获取样本指纹图像；

将所述样本指纹图像分割为多个样本指纹子图像；

获取所述多个样本指纹子图像的方向场信息；

根据所述多个样本指纹子图像的方向场信息构建所述指纹图像方向场字典集合。

5.根据权利要求1所述的基于深度学习的指纹图像识别方法，其特征在于，根据所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述，包括：

以所述特征点为中心获取特征点图像块；

将所述特征点图像块输入至所述特征描述生成模型，输出所述特征点的N维特征，将所述N维特征作为所述特征点的特征描述；

其中，所述特征描述生成模型为模拟二代小波网络的深度学习模型，N为大于0的自然数。

6.根据权利要求5所述的基于深度学习的指纹图像识别方法，其特征在于，将所述特征点图像块输入至所述特征描述生成模型，输出所述特征点的N维特征，包括：

将所述特征点图像块输入至所述特征描述生成模型进行多分辨率小波变换得到多个高频单元；

基于所述特征描述生成模型对所述多个高频单元依次进行平均池化、拼接和全连接变换，输出所述特征点的N维特征。

7.根据权利要求5或6所述的基于深度学习的指纹图像识别方法，其特征在于，根据所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像的特征点的特征描述进行匹配，得到匹配结果，包括：

基于所述现场指纹图像中所有特征点的特征描述与所述指纹库中的指纹图像的特征点的特征描述进行计算所述现场指纹图像和所述指纹库中的指纹图像的全局相似度；

将所述指纹库中与所述现场指纹图像的全局相似度最高的指纹图像作为所述现场指纹图像的匹配对象。

8.一种基于深度学习的指纹图像识别装置，其特征在于，包括：

获取模块，用于获取现场指纹图像；

控制处理模块，用于获取所述现场指纹图像中特征点的位置信息；所述控制处理模块还用于根据所述特征点的位置信息获取特征点图像块，将所述特征点图像块输入至特征描述生成模型，输出所述特征点的特征描述；所述控制处理模块还用于根据所述现场指纹图像中所有特征点的特征描述与指纹库中的指纹图像的特征描述进行匹配，得到匹配结果。