本发明涉及指纹识别
技术领域：
：，尤其涉及一种指纹模拟方法及对应的移动终端。
背景技术：
：：目前指纹识别技术已经日新月异，越来越多的手机已经集成了指纹识别系统。但是，现有的手机中的指纹识别系统仍然存在一些功能缺陷。例如，假设有位用户，因为某次事故使得手指受伤后指纹模糊了，同时已经无法获取该手指的原始完整指纹，这时，该用户就在使用手机的时候，就没有办法使用指纹识别的相关功能。技术实现要素：本发明的主要目的在于提出一种指纹模拟方法及对应的移动终端，旨在解决在指纹模糊的情况下难以使用移动终端的指纹功能的问题。为实现上述目的，本发明提供的一种指纹模拟方法，该方法包括步骤：多次采集用户的模糊指纹图像；计算每一个所述模糊指纹图像的特征向量；按预设比例将计算得到的多个特征向量分为测试集a和训练集b；采用维纳滤波复原算法处理所述训练集b，得到复原后的训练集c；及将所述测试集a与所述复原后的训练集c进行对比，得到基准差异值，以作为后续进行指纹验证的判断标准。优选地，所述计算每一个所述模糊指纹图像的特征向量的步骤具体包括：将每一个所述模糊指纹图像分割为n个小方块；针对每一个所述模糊指纹图像，根据每个小方块中的像素值得到所述模糊指纹图像的特征向量。优选地，所述预设比例为1：9。优选地，该方法还包括步骤：当进行指纹验证时，采集用户的当前指纹图像；计算所述当前指纹图像的特征向量；将所述当前指纹图像的特征向量与所述复原后的训练集c进行对比，得到当前差异值；及将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证。优选地，所述计算所述当前指纹图像的特征向量的步骤具体包括：将所述当前指纹图像分割为n个小方块；根据每个小方块中的像素值得到所述当前指纹图像的特征向量。优选地，所述将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证的步骤具体包括：当所述当前差异值与所述基准差异值之间的差小于或等于预设的误差范围p时，判断所述当前指纹图像验证通过；当所述当前差异值与所述基准差异值之间的差大于所述误差范围p时，判断所述当前指纹图像验证失败。此外，为实现上述目的，本发明还提出一种移动终端，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的指纹模拟程序，所述指纹模拟程序被所述处理器执行步骤：多次采集用户的模糊指纹图像；计算每一个所述模糊指纹图像的特征向量；按预设比例将计算得到的多个特征向量分为测试集a和训练集b；采用维纳滤波复原算法处理所述训练集b，得到复原后的训练集c；及将所述测试集a与所述复原后的训练集c进行对比，得到基准差异值，以作为后续进行指纹验证的判断标准。优选地，所述指纹模拟程序还被所述处理器执行步骤：当进行指纹验证时，采集用户的当前指纹图像；计算所述当前指纹图像的特征向量；将所述当前指纹图像的特征向量与所述复原后的训练集c进行对比，得到当前差异值；及将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证。优选地，所述将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证的步骤具体包括：当所述当前差异值与所述基准差异值之间的差小于或等于预设的误差范围p时，判断所述当前指纹图像验证通过；当所述当前差异值与所述基准差异值之间的差大于所述误差范围p时，判断所述当前指纹图像验证失败。进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指纹模拟程序，所述指纹模拟程序被处理器执行时实现如上述的指纹模拟方法的步骤。本发明提出的指纹模拟方法、移动终端及计算机可读存储介质，能够通过利用维纳滤波复原算法对模糊指纹进行复原，并根据测试集a和复原后的训练集c之间的对比得到基准差异值。在后续使用所述移动终端的指纹识别进行解锁操作时，将采集到的当前指纹图像的特征向量，将与所述复原后的训练集c进行对比得到当前差异值，并通过所述当前差异值和所述基准差异值的比较判断指纹验证结果。因此，使得用户能够在指纹模糊的情况下，也可以较为便捷的直接使用移动终端的指纹识别功能，增加了用户对移动终端产品的认可度。附图说明图1为实现本发明各个实施例的移动终端的硬件结构示意图；图2为如图1所示的移动终端的无线通信系统示意图；图3为本发明第一实施例提出的一种指纹模拟方法的流程图；图4为本发明第二实施例提出的一种指纹模拟方法的流程图；图5为本发明中通过所述移动终端采集模糊指纹图像的示意图；图6为本发明中将所述模糊指纹图像分割为n个小方块的示意图；图7为本发明第三实施例提出的一种指纹模拟装置的模块示意图。本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字tv、台式计算机等固定终端。后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：rf(radiofrequency，射频)单元101、wifi模块102、音频输出单元103、a/v(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。下面结合图1对移动终端的各个部件进行具体的介绍：射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于gsm(globalsystemofmobilecommunication，全球移动通讯系统)、gprs(generalpacketradioservice，通用分组无线服务)、cdma2000(codedivisionmultipleaccess2000，码分多址2000)、wcdma(widebandcodedivisionmultipleaccess,宽带码分多址)、td-scdma(timedivision-synchronouscodedivisionmultipleaccess，时分同步码分多址)、fdd-lte(frequencydivisionduplexing-longtermevolution，频分双工长期演进)和tdd-lte(timedivisionduplexing-longtermevolution，分时双工长期演进)等。wifi属于短距离无线传输技术，移动终端通过wifi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了wifi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或wifi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。a/v输入单元104用于接收音频或视频信号。a/v输入单元104可以包括图形处理器(graphicsprocessingunit，gpu)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或wifi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(liquidcrystaldisplay，lcd)、有机发光二极管(organiclight-emittingdiode,oled)等形式来配置显示面板1061。用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。为了便于理解本发明实施例，下面对本发明的移动终端所基于的通信网络系统进行描述。请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的lte系统，该lte系统包括依次通讯连接的ue(userequipment，用户设备)201，e-utran(evolvedumtsterrestrialradioaccessnetwork，演进式umts陆地无线接入网)202，epc(evolvedpacketcore，演进式分组核心网)203和运营商的ip业务204。具体地，ue201可以是上述终端100，此处不再赘述。e-utran202包括enodeb2021和其它enodeb2022等。其中，enodeb2021可以通过回程(backhaul)(例如x2接口)与其它enodeb2022连接，enodeb2021连接到epc203，enodeb2021可以提供ue201到epc203的接入。epc203可以包括mme(mobilitymanagemententity，移动性管理实体)2031，hss(homesubscriberserver，归属用户服务器)2032，其它mme2033，sgw(servinggateway，服务网关)2034，pgw(pdngateway，分组数据网络网关)2035和pcrf(policyandchargingrulesfunction，政策和资费功能实体)2036等。其中，mme2031是处理ue201和epc203之间信令的控制节点，提供承载和连接管理。hss2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过sgw2034进行发送，pgw2035可以提供ue201的ip地址分配以及其它功能，pcrf2036是业务数据流和ip承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。ip业务204可以包括因特网、内联网、ims(ipmultimediasubsystem，ip多媒体子系统)或其它ip业务等。虽然上述以lte系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于lte系统，也可以适用于其他无线通信系统，例如gsm、cdma2000、wcdma、td-scdma以及未来新的网络系统等，此处不做限定。基于上述移动终端硬件结构以及通信网络系统，提出本发明方法各个实施例。本发明提出的一种指纹模拟方法，应用于移动终端中，用于利用维纳滤波算法对失真的指纹图像进行复原，使得用户能够在指纹模糊的情况下，较为方便的使用移动终端的指纹功能。实施例一如图3所示，本发明第一实施例提出一种指纹模拟方法，该方法包括以下步骤：s300，多次采集用户的模糊指纹图像。具体地，通过移动终端的指纹采集模块采集该用户的模糊指纹图像。经过m次采集，得到m个所述模糊指纹图像。参阅图5所示，为通过所述移动终端采集所述模糊指纹图像的示意图。所述指纹采集模块在所述移动终端的触控屏上显示一个指纹采集区域，当用户用手指(例如右手大拇指)触摸所述指纹采集区域后，所述指纹采集模块侦测该手指的指纹信息，根据所述指纹信息生成所述模糊指纹图像。s302，计算每一个所述模糊指纹图像的特征向量。具体地，当采集到m个所述模糊指纹图像之后，首先将每一个所述模糊指纹图像分割为n个小方块(参阅图6所示)。针对每一个所述模糊指纹图像，根据每个小方块中的像素值得到所述模糊指纹图像的特征向量。因此，可以计算得到m个所述模糊指纹图像对应的m个特征向量，每个特征向量包括n个像素值。s304，按预设比例将计算得到的多个特征向量分为测试集a和训练集b。具体地，所述预设比例可以设置为1：9。将计算得到的m个特征向量按1：9分为测试集a和训练集b。例如，当m＝100时，将其中10个特征向量作为测试集a，将剩下90个特征向量作为训练集b，则测试集a可以看作n*10的矩阵，训练集b可以看作9个n*10的矩阵。s306，采用维纳滤波复原算法处理所述训练集b，得到复原后的训练集c。具体地，所述维纳滤波复原算法是一种现有的线性图像复原算法，具体算法原理在此不作赘述。所述维纳滤波复原算法实现简单，相对于约束最小二乘方复原以及逆滤波图像复原，它的抑制噪声的能力最好，复原效果最佳，能够完成图像复原功能。采用所述维纳滤波复原算法处理所述训练集b中的90个特征向量，得到复原后的90个指纹图像对应的特征向量，即所述复原后的训练集c。所述复原后的训练集c也可以看作9个n*10的矩阵。s308，将所述测试集a与所述复原后的训练集c进行对比，得到基准差异值。在第一优选实施例中，可以根据所述复原后的训练集c中的9个n*10的矩阵计算出一个平均值矩阵d(n*10的矩阵)，其中，计算所述9个n*10的矩阵中每个相同位置的9个数据的平均值，并将该平均值作为所述平均值矩阵d中该位置的数据。然后将所述测试集a(n*10的矩阵)中的数据与所述平均值矩阵d中的数据进行对比，以得到所述基准差异值。在第二优选实施例中，也可以将所述测试集a(n*10的矩阵)中的数据与所述复原后的训练集c中的每一个n*10的矩阵中的数据分别进行对比(即与9个n*10的矩阵对比9次)，得到9个差异值，然后计算该9个差异值的平均值，作为所述基准差异值。具体地，可以根据下列公式来计算所述基准差异值：其中，在所述第一优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述平均值矩阵d中的数据，e2为所述基准差异值。在所述第二优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述复原后的训练集c中的每一个n*10的矩阵中的数据，e2为所述测试集a与所述复原后的训练集c中的每一个n*10的矩阵的差异值。计算得到9个所述差异值e2后，再计算该9个差异值e2的平均值，作为所述基准差异值。本实施例提出的指纹模拟方法，可以通过利用维纳滤波复原算法对模糊指纹进行复原，并根据测试集a和复原后的训练集c之间的对比得到基准差异值，以便在后续使用所述移动终端的指纹识别进行解锁操作时，将所述基准差异值作为指纹验证的判断标准。因此，使得用户能够在指纹模糊的情况下，也可以较为便捷的直接使用移动终端的指纹识别功能，增加了用户对移动终端产品的认可度。实施例二如图4所示，本发明第二实施例提出一种指纹模拟方法。在第二实施例中，所述指纹模拟方法的步骤s400-s408与第一实施例的步骤s300-s308相类似，区别在于该方法还包括步骤s410-s416。该方法包括以下步骤：s400，多次采集用户的模糊指纹图像。具体地，通过移动终端的指纹采集模块采集该用户的模糊指纹图像(参阅图5所示)。经过m次采集，得到m个所述模糊指纹图像。s402，计算每一个所述模糊指纹图像的特征向量。具体地，当采集到m个所述模糊指纹图像之后，首先将每一个所述模糊指纹图像分割为n个小方块(参阅图6所示)。针对每一个所述模糊指纹图像，根据每个小方块中的像素值得到所述模糊指纹图像的特征向量。因此，可以计算得到m个所述模糊指纹图像对应的m个特征向量，每个特征向量包括n个像素值。s404，按预设比例将计算得到的多个特征向量分为测试集a和训练集b。具体地，所述预设比例可以设置为1：9。将计算得到的m个特征向量按1：9分为测试集a和训练集b。例如，当m＝100时，将其中10个特征向量作为测试集a，将剩下90个特征向量作为训练集b，则测试集a可以看作n*10的矩阵，训练集b可以看作9个n*10的矩阵。s406，采用维纳滤波复原算法处理所述训练集b，得到复原后的训练集c。具体地，所述维纳滤波复原算法是一种现有的线性图像复原算法，具体算法原理在此不作赘述。采用所述维纳滤波复原算法处理所述训练集b中的90个特征向量，得到复原后的90个指纹图像对应的特征向量，即所述复原后的训练集c。所述复原后的训练集c也可以看作9个n*10的矩阵。s408，将所述测试集a与所述复原后的训练集c进行对比，得到基准差异值。在第一优选实施例中，可以根据所述复原后的训练集c中的9个n*10的矩阵计算出一个平均值矩阵d(n*10的矩阵)，其中，计算所述9个n*10的矩阵中每个相同位置的9个数据的平均值，并将该平均值作为所述平均值矩阵d中该位置的数据。然后将所述测试集a(n*10的矩阵)中的数据与所述平均值矩阵d中的数据进行对比，以得到所述基准差异值。在第二优选实施例中，也可以将所述测试集a(n*10的矩阵)中的数据与所述复原后的训练集c中的每一个n*10的矩阵中的数据分别进行对比(即与9个n*10的矩阵对比9次)，得到9个差异值，然后计算该9个差异值的平均值，作为所述基准差异值。具体地，可以根据下列公式来计算所述基准差异值：其中，在所述第一优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述平均值矩阵d中的数据，e2为所述基准差异值。在所述第二优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述复原后的训练集c中的每一个n*10的矩阵中的数据，e2为所述测试集a与所述复原后的训练集c中的每一个n*10的矩阵的差异值。计算得到9个所述差异值e2后，再计算该9个差异值e2的平均值，作为所述基准差异值。s410，当需要进行指纹验证时，采集用户的当前指纹图像。具体地，当完成上述步骤s400-s408之后，就可以使用所述移动终端的指纹识别进行解锁操作。此时，通过所述移动终端的指纹采集模块采集该用户的当前指纹图像。s412，计算所述当前指纹图像的特征向量。具体地，当采集到所述当前指纹图像之后，首先将所述当前指纹图像分割为n个小方块，然后根据每个小方块中的像素值得到所述当前指纹图像的特征向量，该特征向量也包括n个像素值。s414，将所述当前指纹图像的特征向量与所述复原后的训练集c进行对比，得到当前差异值。具体地，所述当前指纹图像的特征向量可以看作一个n*1的矩阵，所述复原后的训练集c可以划分为多个n*1的矩阵(例如90个n*1的矩阵)。在第三优选实施例中，可以将根据所述复原后的训练集c中的90个n*1的矩阵计算出一个平均值矩阵e(n*1的矩阵)，其中，计算所述90个n*1的矩阵中每个相同位置的90个数据的平均值，并将该平均值作为所述平均值矩阵e中该位置的数据。然后将所述当前指纹图像的特征向量(n*1的矩阵)中的数据与所述平均值矩阵e中的数据进行对比，以得到所述当前差异值。在第四优选实施例中，也可以将所述当前指纹图像的特征向量(n*1的矩阵)中的数据与所述复原后的训练集c中的每一个n*1的矩阵中的数据分别进行对比(即与90个n*1的矩阵对比90次)，得到90个差异值，然后计算该90个差异值的平均值，作为所述当前差异值。同样地，可以根据下列公式来计算所述当前差异值：其中，在所述第三优选实施例中，e为期望操作符，f(x，y)为所述当前指纹图像的特征向量中的数据，为所述平均值矩阵e中的数据，e2为所述当前差异值。在所述第四优选实施例中，e为期望操作符，f(x，y)为所述当前指纹图像的特征向量中的数据，为所述复原后的训练集c中的每一个n*1的矩阵中的数据，e2为所述当前指纹图像的特征向量与所述复原后的训练集c中的每一个n*1的矩阵的差异值。计算得到90个所述差异值e2后，再计算该90个差异值e2的平均值，作为所述当前差异值。s416，将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证。具体地，可以预先设置一个误差范围p。当所述当前差异值与所述基准差异值之间的差小于或等于所述误差范围p时，认为所述当前指纹图像与所述测试集a对应的所述模糊指纹图像比较相似，因此判断所述当前指纹图像验证通过。当所述当前差异值与所述基准差异值之间的差大于所述误差范围p时，认为所述当前指纹图像与所述测试集a对应的所述模糊指纹图像不太相似，因此判断所述当前指纹图像验证失败。在其他实施例中，当所述当前指纹图像验证失败时，通知所述移动终端的用户输入密码进行解锁操作。本实施例提出的指纹模拟方法，可以通过利用维纳滤波复原算法对模糊指纹进行复原，并根据测试集a和复原后的训练集c之间的对比得到基准差异值。在后续使用所述移动终端的指纹识别进行解锁操作时，将采集到的当前指纹图像的特征向量，将与所述复原后的训练集c进行对比得到当前差异值，并通过所述当前差异值和所述基准差异值的比较判断指纹验证结果。因此，使得用户能够在指纹模糊的情况下，也可以较为便捷的直接使用移动终端的指纹识别功能，增加了用户对移动终端产品的认可度。本发明进一步提供一种移动终端，所述移动终端包括存储器、处理器、指纹采集模块和指纹模拟系统。所述指纹模拟系统用于利用维纳滤波算法对失真的指纹图像进行复原，使得用户能够在指纹模糊的情况下，较为方便的使用移动终端的指纹功能。实施例三如图7所示，本发明第三实施例提出一种移动终端7。所述移动终端7包括存储器70、处理器72、指纹采集模块74和指纹模拟系统76。在本实施例中，所述指纹模拟系统76包括：接收模块700，用于接收所述指纹采集模块74多次采集的模糊指纹图像。具体地，通过所述指纹采集模块74采集该用户的模糊指纹图像(参阅图5所示)。经过m次采集，得到m个所述模糊指纹图像。所述接收模块700从所述指纹采集模块74中接收m个所述模糊指纹图像。计算模块702，用于计算每一个所述模糊指纹图像的特征向量。具体地，当所述接收模块700接收到m个所述模糊指纹图像之后，所述计算模块702首先将每一个所述模糊指纹图像分割为n个小方块(参阅图6所示)。然后针对每一个所述模糊指纹图像，根据每个小方块中的像素值得到所述模糊指纹图像的特征向量。因此，可以计算得到m个所述模糊指纹图像对应的m个特征向量，每个特征向量包括n个像素值。划分模块704，用于按预设比例将计算得到的多个特征向量分为测试集a和训练集b。具体地，所述预设比例可以设置为1：9。所述划分模块704将计算得到的m个特征向量按1：9分为测试集a和训练集b。例如，当m＝100时，将其中10个特征向量作为测试集a，将剩下90个特征向量作为训练集b，则测试集a可以看作n*10的矩阵，训练集b可以看作9个n*10的矩阵。复原模块706，用于采用维纳滤波复原算法处理所述训练集b，得到复原后的训练集c。具体地，所述维纳滤波复原算法是一种现有的线性图像复原算法，具体算法原理在此不作赘述。所述复原模块706采用所述维纳滤波复原算法处理所述训练集b中的90个特征向量，得到复原后的90个指纹图像对应的特征向量，即所述复原后的训练集c。所述复原后的训练集c也可以看作9个n*10的矩阵。对比模块708，用于将所述测试集a与所述复原后的训练集c进行对比，得到基准差异值。在第一优选实施例中，可以根据所述复原后的训练集c中的9个n*10的矩阵计算出一个平均值矩阵d(n*10的矩阵)，其中，计算所述9个n*10的矩阵中每个相同位置的9个数据的平均值，并将该平均值作为所述平均值矩阵d中该位置的数据。然后将所述测试集a(n*10的矩阵)中的数据与所述平均值矩阵d中的数据进行对比，以得到所述基准差异值。在第二优选实施例中，也可以将所述测试集a(n*10的矩阵)中的数据与所述复原后的训练集c中的每一个n*10的矩阵中的数据分别进行对比(即与9个n*10的矩阵对比9次)，得到9个差异值，然后计算该9个差异值的平均值，作为所述基准差异值。具体地，可以根据下列公式来计算所述基准差异值：其中，在所述第一优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述平均值矩阵d中的数据，e2为所述基准差异值。在所述第二优选实施例中，e为期望操作符，f(x，y)为所述测试集a中的数据，为所述复原后的训练集c中的每一个n*10的矩阵中的数据，e2为所述测试集a与所述复原后的训练集c中的每一个n*10的矩阵的差异值。计算得到9个所述差异值e2后，再计算该9个差异值e2的平均值，作为所述基准差异值。进一步地，所述接收模块700还用于当需要进行指纹验证时，采集用户的当前指纹图像。具体地，当使用所述移动终端7的指纹识别进行解锁操作时，通过所述指纹采集模块74采集该用户的当前指纹图像。所述接收模块700从所述指纹采集模块74中接收所述当前指纹图像。所述计算模块702还用于计算所述当前指纹图像的特征向量。具体地，当所述接收模块700接收到到所述当前指纹图像之后，所述计算模块702首先将所述当前指纹图像分割为n个小方块，然后根据每个小方块中的像素值得到所述当前指纹图像的特征向量，该特征向量也包括n个像素值。所述对比模块708还用于将所述当前指纹图像的特征向量与所述复原后的训练集c进行对比，得到当前差异值。具体地，所述当前指纹图像的特征向量可以看作一个n*1的矩阵，所述复原后的训练集c可以划分为多个n*1的矩阵(例如90个n*1的矩阵)。在第三优选实施例中，可以将根据所述复原后的训练集c中的90个n*1的矩阵计算出一个平均值矩阵e(n*1的矩阵)，其中，计算所述90个n*1的矩阵中每个相同位置的90个数据的平均值，并将该平均值作为所述平均值矩阵e中该位置的数据。然后将所述当前指纹图像的特征向量(n*1的矩阵)中的数据与所述平均值矩阵e中的数据进行对比，以得到所述当前差异值。在第四优选实施例中，也可以将所述当前指纹图像的特征向量(n*1的矩阵)中的数据与所述复原后的训练集c中的每一个n*1的矩阵中的数据分别进行对比(即与90个n*1的矩阵对比90次)，得到90个差异值，然后计算该90个差异值的平均值，作为所述当前差异值。同样地，可以根据下列公式来计算所述当前差异值：其中，在所述第三优选实施例中，e为期望操作符，f(x，y)为所述当前指纹图像的特征向量中的数据，为所述平均值矩阵e中的数据，e2为所述当前差异值。在所述第四优选实施例中，e为期望操作符，f(x，y)为所述当前指纹图像的特征向量中的数据，为所述复原后的训练集c中的每一个n*1的矩阵中的数据，e2为所述当前指纹图像的特征向量与所述复原后的训练集c中的每一个n*1的矩阵的差异值。计算得到90个所述差异值e2后，再计算该90个差异值e2的平均值，作为所述当前差异值。另外，所述指纹模拟系统76还包括验证模块710，用于将所述当前差异值与所述基准差异值进行比较，以判断所述当前指纹图像是否通过验证。具体地，可以预先设置一个误差范围p。当所述当前差异值与所述基准差异值之间的差小于或等于所述误差范围p时，认为所述当前指纹图像与所述测试集a对应的所述模糊指纹图像比较相似，因此判断所述当前指纹图像验证通过。当所述当前差异值与所述基准差异值之间的差大于所述误差范围p时，认为所述当前指纹图像与所述测试集a对应的所述模糊指纹图像不太相似，因此判断所述当前指纹图像验证失败。在其他实施例中，当所述当前指纹图像验证失败时，所述验证模块710还用于通知所述移动终端的用户输入密码进行解锁操作。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。当前第1页12当前第1页12