[发明专利]指纹的识别方法、装置、电子设备及计算机存储介质在审
申请号: | 202210976800.1 | 申请日: | 2022-08-15 |
公开(公告)号: | CN115171166A | 公开(公告)日: | 2022-10-11 |
发明(设计)人: | 林若男 | 申请(专利权)人: | 中国银行股份有限公司 |
主分类号: | G06V40/12 | 分类号: | G06V40/12;G06V10/82;G06N3/08;G06N3/04;G06F21/32 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 张东梅 |
地址: | 100818 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 指纹 识别 方法 装置 电子设备 计算机 存储 介质 | ||
1.一种指纹的识别方法,其特征在于,包括:
获取采集到的用户指纹信息;
将所述用户指纹信息输入至指纹识别模型,输出得到指纹识别结果;其中,所述指纹识别模型由至少一个训练样本数据对神经网络模型进行训练得到;所述训练样本数据包括所述训练样本用户的指纹信息以及训练样本用户的指纹真实识别结果。
2.根据权利要求1所述的识别方法,其特征在于,所述将所述用户指纹信息输入至指纹识别模型,输出得到指纹识别结果之后,还包括:
利用所述指纹识别结果完成指纹验证。
3.根据权利要求1所述的识别方法,其特征在于,所述指纹识别模型的构建方法,包括:
构建训练样本集;其中,所述训练样本集包括至少一个训练样本数据;所述训练样本数据包括所述训练样本用户的指纹信息以及训练样本用户的指纹真实识别结果;
将所述训练样本用户的指纹信息输入至神经网络模型中,输出得到所述训练样本用户的指纹预测识别结果;
利用所述训练样本用户的指纹预测识别结果与所述训练样本用户的指纹真实识别结果之间的误差对所述神经网络模型中的参数进行调整,直至所述训练样本用户的指纹预测识别结果与所述训练样本用户的指纹真实识别结果之间的误差满足预设的收敛条件,将所述神经网络模型作为指纹识别模型。
4.根据权利要求3所述的识别方法,其特征在于,还包括:
通过迭代算法确定出所述神经网络模型的卷积层数量以及每一个所述卷积层中的过滤器数量。
5.一种指纹的识别装置,其特征在于,包括:
获取单元,用于获取采集到的用户指纹信息;
第一输入单元,用于将所述用户指纹信息输入至指纹识别模型,输出得到指纹识别结果;其中,所述指纹识别模型由至少一个训练样本数据对神经网络模型进行训练得到;所述训练样本数据包括所述训练样本用户的指纹信息以及训练样本用户的指纹真实识别结果。
6.根据权利要求5所述的识别装置,其特征在于,还包括:
验证单元,用于利用所述指纹识别结果完成指纹验证。
7.根据权利要求5所述的识别装置,其特征在于,所述指纹识别模型的构建单元,包括:
训练样本集构建单元,用于构建训练样本集;其中,所述训练样本集包括至少一个训练样本数据;所述训练样本数据包括所述训练样本用户的指纹信息以及训练样本用户的指纹真实识别结果;
第二输入单元,用于将所述训练样本用户的指纹信息输入至神经网络模型中,输出得到所述训练样本用户的指纹预测识别结果;
调整单元,用于利用所述训练样本用户的指纹预测识别结果与所述训练样本用户的指纹真实识别结果之间的误差对所述神经网络模型中的参数进行调整,直至所述训练样本用户的指纹预测识别结果与所述训练样本用户的指纹真实识别结果之间的误差满足预设的收敛条件,将所述神经网络模型作为指纹识别模型。
8.根据权利要求7所述的识别装置,其特征在于,还包括:
架构确定单元,用于通过迭代算法确定出所述神经网络模型的卷积层数量以及每一个所述卷积层中的过滤器数量。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一所述的指纹的识别方法。
10.一种计算机存储介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的指纹的识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国银行股份有限公司,未经中国银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210976800.1/1.html,转载请声明来源钻瓜专利网。