[发明专利]由平面指纹估计手指三维姿态的方法和装置

权利要求书

1.一种由平面指纹估计手指三维姿态的方法，其特征在于，包括以下步骤：

采集待测试的平面指纹图像；

将所述待测试的平面指纹图像输入预设的深度神经网络模型中，输出预测的姿态角。

2.如权利要求1所述的方法，其特征在于，所述深度神经网络模型包括特征提取主干网络、注意力机制模块、三维角度预测模块，所述特征提取主干网络包括卷积层和非线性激活层。

3.如权利要求1或2所述的方法，其特征在于，将所述待测试的平面指纹图像输入预设的深度神经网络模型中，输出预测的姿态角，包括以下步骤：

对所述待测试的平面指纹图像经过所述卷积层和所述非线性激活层的堆叠与抽象进行特征提取，输出一个固定维度的特征描述子；

使用所述注意力机制模块对所述固定维度的特征描述子进行注意力机制计算，将输出的热图与所述特征描述子进行融合，得到优化后的特征描述子；

将所述优化后的特征描述子的俯仰角、滚动角、偏移角的值域划分成若干个区间，然后用所述三维角度预测模块输出当前指纹图像属于每一个区间的概率，基于这一概率以及划分的区间中点值，加权得到最终预测的姿态角。

4.如权利要求1所述的方法，其特征在于，训练所述深度神经网络模型，包括以下步骤：

获取训练数据，包括平面指纹图像和对应的手指三维姿态的数据库；

使用所述训练数据，采用损失函数对所述深度神经网络模块进行训练。

5.如权利要求4所述的方法，其特征在于，所述获取训练数据包括：

将绑有陀螺仪的手指在指纹传感器上由一边滚动到另一边；

通过程序控制指纹采集仪以固定的频率采集多个平面指纹图像，所述陀螺仪同步将角度读取出来；

通过两个陀螺仪数值的差异计算得到每个平面指纹图像对应的三维姿态角。

6.如权利要求4所述的方法，其特征在于，所述获取训练数据包括，利用光学跟踪技术结合指纹采集仪，同步获取手指姿态和指纹图像，或利用事先构造的三维指纹数据库，合成任意姿态下的平面指纹图像。

7.如权利要求4所述的方法，其特征在于，所述损失函数表示为：

L_{roll/pitch/yaw}＝L_ce+λL_MSE

L_all＝L_roll+L_pitch+L_yaw

其中，L_CE为分类问题交叉熵损失函数，y_c为0或者1，y_c＝1当且仅当c为当前姿态角分布在第c个区间，p_cc∈[1,M]表示网络预测的属于每一个区间的概率值，s_c表示每一个角度区间的代表值，M表示划分的区间总数，为角度预测值，θ为角度真值，L_{roll/pitch/yaw}为单个姿态角度的损失函数，λ为超参数，取1.0，L_all为所有姿态角的总损失函数。

8.一种由平面指纹估计手指三维姿态装置，其特征在于，包括数据采集模块、预测模块，其中，

所述数据采集模块，用于采集待测试的平面指纹图像；

所述预测模块，用于对所述待测试的平面指纹图像进行预测，输出预测的姿态角。

9.如权利要求8所述的装置，其特征在于，所述预测模块还包括训练单元，所述训练单元具体用于：

获取训练数据，包括平面指纹图像和对应的手指三维姿态的数据库；

使用所述训练数据，采用损失函数对所述深度神经网络模块进行训练。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。