[发明专利]接触式指纹与非接触式指纹的匹配方法及相关装置

权利要求书

1.一种接触式指纹与非接触式指纹的匹配方法，其特征在于，包括：

获取待匹配的接触式指纹与非接触式指纹；

提取接触式指纹与非接触式指纹的细节点，根据接触式指纹与非接触式指纹的细节点进行采样，得到接触式指纹与非接触式指纹的采样指纹；

将接触式指纹、接触式指纹的采样指纹、非接触式指纹以及非接触式指纹的采样指纹，输入预设的指纹匹配神经网络模型中，得到接触式指纹与非接触式指纹的高维特征向量；

根据接触式指纹与非接触式指纹的高维特征向量之间的相似度，得到接触式指纹与非接触式指纹的匹配结果。

2.根据权利要求1所述的接触式指纹与非接触式指纹的匹配方法，其特征在于，所述提取接触式指纹与非接触式指纹的细节点前，还包括：

将接触式指纹与非接触式指纹进行预处理；所述预处理包括：将接触式指纹与非接触式指纹均进行直方图均衡，并用Garbor滤波器进行滤波。

3.根据权利要求1所述的接触式指纹与非接触式指纹的匹配方法，其特征在于，所述提取接触式指纹与非接触式指纹的细节点，根据接触式指纹与非接触式指纹的细节点进行采样，得到接触式指纹与非接触式指纹的采样指纹包括：

采用指纹细节点提取算法，提取接触式指纹与非接触式指纹的细节点；

对于接触式指纹与非接触式指纹，均进行下述操作：

初始化一个维度与指纹尺寸相同的初始注意力矩阵，并对各细节点分别执行以下操作：以当前细节点的位置为中心，根据预设的标准差，在初始注意力矩阵的维度下生成高斯分布矩阵，将高斯分布矩阵乘以当前细节点的质量作为当前细节点的注意力分布，将当前细节点的注意力分布叠加到初始注意力矩阵上；

当各细节点遍历完成后，得到注意力矩阵；对注意力矩阵的横坐标轴和纵坐标轴分别求边缘分布，并分别计算边缘分布的积分，得到边缘分布的积分分布；对边缘分布的积分分布，用B样条曲线进行插值，得到采样矩阵；

根据采样矩阵中每个采样坐标对应到指纹的坐标进行采样，得到采样指纹；其中，当采样坐标为非整数坐标点时，采用双线性插值法进行插值。

4.根据权利要求1所述的接触式指纹与非接触式指纹的匹配方法，其特征在于，所述预设的指纹匹配神经网络模型包括网络结构一致且参数共享的接触式指纹分支和非接触式指纹分支；

其中，接触式指纹分支和非接触式指纹分支均为卷积神经网络；接触式指纹分支的输入为接触式指纹和接触式指纹的采样指纹，输出为接触式指纹的高维特征向量；非接触式指纹分支的输入为非接触式指纹和非接触式指纹的采样指纹，输出为非接触式指纹的高维特征向量。

5.根据权利要求4所述的接触式指纹与非接触式指纹的匹配方法，其特征在于，所述预设的指纹匹配神经网络模型通过下述方式构建得到：

获取若干手指的接触式指纹样本与非接触式指纹样本；

提取接触式指纹样本与非接触式指纹样本的细节点，并根据接触式指纹样本与非接触式指纹样本的细节点进行采样，得到接触式指纹样本与非接触式指纹样本的采样指纹样本；

基于接触式指纹样本、非接触式指纹样本、接触式指纹样本的采样指纹样本以及非接触式指纹样本的采样指纹样本，生成数据集；其中，数据集包括预设比例的配对样本和不配对样本，配对样本包括同一手指的接触式指纹样本、非接触式指纹样本、接触式指纹样本的采样指纹样本以及非接触式指纹样本的采样指纹样本，不配对样本包括一手指的接触式指纹样本和接触式指纹样本的采样指纹样本，以及另一手指的非接触式指纹样本以及非接触式指纹样本的采样指纹样本；

构建初始指纹匹配神经网络模型，根据下式的损失函数L，通过数据集训练初始指纹匹配神经网络模型，得到预设的指纹匹配神经网络模型；

L＝(1-Y)max((d-M₁),0)²+Ymax((M₂-d),0)²

其中，Y＝0为配对样本，Y＝1为不配对样本，M₁和M₂为预设的边界值。