[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

说明书

本发明属于生物特征认证领域，公开了一种接触式指纹与非接触式指纹的匹配方法及相关装置，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，提升接触式指纹与非接触式指纹的匹配精确性，可以更加有效地运用于实际的应用场景。

技术领域

本发明属于生物特征认证领域，涉及一种接触式指纹与非接触式指纹的匹配方法及相关装置。

背景技术

非接触式指纹具有不易被污染、便于采集以及采集过程中不和其余人接触的特性。并且，相比于接触式指纹的采集过程，非接触式指纹的采集更不容易传染病毒，因而，非接触式指纹近年来正越来越受到学界和工业界的注意。然而，当前已有的指纹库大都是接触式指纹，想要重新采集新的非接触式指纹作为指纹库费时费力，因此，研究区别于传统方法的非接触式指纹与接触式指纹的匹配方法显得尤为重要。

传统的指纹匹配技术大都是依据于基于细节点的方法，这种方法在以往的传统的指纹匹配中已经确认了其有效性，然而，由于非接触式指纹采集传感器与接触式指纹采集传感器的采集分布不同，二者采集出的指纹之间会产生一些差距，这些差距使得采用传统的方法得出的结果不尽如人意，传统上解决这一差异的方法是利用图像退化矫正算法来消除两种传感器之间的采集差异，但是效果不佳。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种接触式指纹与非接触式指纹的匹配方法及相关装置。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种接触式指纹与非接触式指纹的匹配方法，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。

可选的，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。

可选的，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；