指纹识别方法及装置的制造方法
【技术领域】
[0001]本公开涉及图像识别技术领域，尤其涉及一种指纹识别方法及装置。
【背景技术】
[0002]从1980年左右开始研究指纹识别以来，到1990后指纹识别不论是在民用领域还是在军用领域，都已经非常成熟，应用也非常普遍。然而，相关技术中的指纹识别通常要求用户的指纹不能太过干燥，并且指纹图像质量要足够清晰，从而确保指纹的全局特征点以及局部特征点的提取，当指纹图像质量较差时，会由于识别不出指纹上的全局特征点以及局部特征点而导致最终的指纹识别不准确，因此在一定程度上约束了指纹识别产品的用户体验。
【发明内容】
[0003]为克服相关技术中存在的问题，本公开实施例提供一种指纹识别方法及装置，用以提高低质量的指纹图像在指纹识别时的准确率。
[0004]根据本公开实施例的第一方面，提供一种指纹识别方法，包括:
[0005]对指纹传感器采集的第一指纹图像与存储在数据库中的第二指纹图像通过自动编码解码网络进行特征提取，得到所述第一指纹图像对应的第一指纹特征和所述第二指纹图像对应的第二指纹特征，其中，所述第一指纹特征与所述第二指纹特征的维数相同；
[0006]对所述第一指纹特征和所述第二指纹特征进行降维处理，分别得到第三指纹特征和第四指纹特征，其中，所述第三指纹特征和所述第四指纹特征的维数相同，且小于所述第一指纹特征和所述第二指纹特征的维数；
[0007]根据所述第三指纹特征和所述第四指纹特征的余弦距离确定所述第一指纹图像与所述第二指纹图像是否为同一指纹。
[0008]在一实施例中，所述自动编码解码网络包括至少一个编码层，所述方法还可包括:
[0009]通过无标签指纹样本对所述至少一个编码层中的每一编码层的编码特征参数进行训练，得到所述每一层编码层对应的编码特征表示参数；
[0010]对所述每一编码层对应的编码特征表示参数通过该编码层对应的解码层进行数据重构，得到所述无标签指纹样本的指纹重构数据；
[0011]确定所述指纹重构数据与所述无标签指纹样本的重构误差；
[0012]根据所述重构误差调整所述每一编码层的编码特征表示参数；
[0013]在所述重构误差达到最小值时，停止对所述自动编码解码网络的训练，得到第一次训练后的自动编码解码网络。
[0014]在一实施例中，在所述第一次训练后的自动编码解码网络的最后一个编码层连接有分类器，所述方法还可包括:
[0015]将有标签指纹样本输入至所述第一次训练后的自动编码解码网络，得到第二输出结果；
[0016]将所述第二输出结果输入到所述分类器，通过所述有标签指纹样本对所述分类器进行训练；
[0017]在所述分类器输出的结果与所述有标签指纹样本的重构误差最小时，停止对所述分类器的训练。
[0018]在一实施例中，在所述第一次训练后的自动编码解码网络的最后一个编码层连接有分类器，所述方法还可包括:
[0019]将有标签指纹样本输入至所述第一次训练后的自动编码解码网络，得到第一输出结果；
[0020]将所述第一输出结果输入到所述分类器，通过所述有标签指纹样本对所述分类器进行训练并对所述第一次训练后的自动编码解码网络的每一个编码层的编码特征表示参数进行微调；
[0021]在所述分类器输出的结果与所述有标签指纹样本的重构误差最小时，停止对所述分类器的训练和对所述每一个编码层的编码特征表示参数的微调。
[0022]在一实施例中，所述方法还可包括:
[0023]通过已训练的所述自动编码解码网络提取所述无标签指纹样本的第一设定维数的编码特征表示参数；
[0024]对所述第一设定维数的编码特征表示参数进行线性判别式分析LDA训练，得到所述LDA的第二设定维数的投影矩阵。
[0025]在一实施例中，所述根据所述第三指纹特征和所述第四指纹特征的余弦距离确定所述第一指纹图像与所述第二指纹图像是否为同一指纹，可包括:
[0026]将所述第三指纹特征和所述第四指纹特征的余弦距离与预设阈值进行比较；
[0027]如果所述余弦距离大于所述预设阈值，确定所述第一指纹图像与所述第二指纹图像为同一指纹；
[0028]如果所述余弦距离小于或者等于所述预设阈值，确定所述第一指纹图像与所述第二指纹图像为不同指纹。
[0029]根据本公开实施例的第二方面，提供一种指纹识别装置，包括:
[0030]第一提取模块，被配置为对指纹传感器采集的第一指纹图像与存储在数据库中的第二指纹图像通过自动编码解码网络进行特征提取，得到所述第一指纹图像对应的第一指纹特征和所述第二指纹图像对应的第二指纹特征，其中，所述第一指纹特征与所述第二指纹特征的维数相同；
[0031]降维处理模块，被配置为对所述第一提取模块提取到的所述第一指纹特征和所述第二指纹特征进行降维处理，分别得到第三指纹特征和第四指纹特征，其中，所述第三指纹特征和所述第四指纹特征的维数相同，且小于所述第一指纹特征和所述第二指纹特征的维数；
[0032]识别模块，被配置为根据所述降维处理模块降维后的所述第三指纹特征和所述第四指纹特征的余弦距离确定所述第一指纹图像与所述第二指纹图像是否为同一指纹。
[0033]在一实施例中，所述自动编码解码网络包括至少一个编码层，所述装置还可包括:
[0034]第一训练模块，被配置为通过无标签指纹样本对所述至少一个编码层中的每一编码层的编码特征参数进行训练，得到所述每一层编码层对应的编码特征表示参数；
[0035]第一重构模块，被配置为对所述第一训练模块训练得到的所述每一编码层对应的编码特征表示参数通过该编码层对应的解码层进行数据重构，得到所述无标签指纹样本的指纹重构数据；
[0036]第一确定模块，被配置为确定所述第一重构模块确定的所述指纹重构数据与所述无标签指纹样本的重构误差；
[0037]调整模块，被配置为根据所述第一确定模块确定的所述重构误差调整所述每一编码层的编码特征表示参数；
[0038]第一控制模块，被配置为在所述第一确定模块确定的所述重构误差达到最小值时，停止对所述自动编码解码网络的训练，得到第一次训练后的自动编码解码网络。
[0039]在一实施例中，在所述第一次训练后的自动编码解码网络的最后一个编码层连接有分类器，所述装置还可包括:
[0040]第一处理模块，被配置为将有标签指纹样本输入至所述第一次训练后的自动编码解码网络，得到第一输出结果；
[0041]第二训练模块，被配置为将所述处理模块得到的所述第一输出结果输入到所述分类器，通过所述有标签指纹样本对所述分类器进行训练；
[0042]第二控制模块，被配置为在所述分类器输出的结果与所述有标签指纹样本的重构误差最小时，控制所述第二训练模块停止对所述分类器的训练。
[0043]在一实施例中，在所述第一次训练后的自动编码解码网络的最后一个编码层连接有分类器，所述装置还可包括:
[0044]第二处理模块，被配置为将有标签指纹样本输入至所述第一次训练后的自动编码解码网络，得到第二输出结果；
[0045]第三训练模块，被配置为将所述第二处理模块得到的所述第二输出结果输入到所述分类器，通过所述有标签指纹样本对所述分类器进行训练并对所述第一次训练后的自动编码解码网络的每一个编码层的编码特征表示参数进行微调；
[0046]第三控制模块，被配置为在所述分类器输出的结果与所述有标签指纹样本的重构误差最小时，控制所述第三训练模块停止对所述分类器的训练和对所述每一个编码层的编码特征表示参数的微调。
[0047]在一实施例中，所述装置还可包括:
[0048]第二提取模块，被配置为通过已训练的所述自动编码解码网络提取所述无标签指纹样本的第一设定维数的编码特征表示参数；
[0049]第四训练模块，被配置为对所述第二提取模块提取的所述第一设定维数的编码特征表示参数进行线性判别式分析LDA训练，得到所述LDA的第二设定维数的投影矩阵。
[0050]在一实施例中，所述识别模块可包括:
[0051]比较子模块，被配置为将所述第三指纹特征和所述第四指纹特征的余弦距离与预设阈值进行比较；
[0052]第一确定子模块，被配置为如果所述比较子模块的比较结果表示所述余弦距离大于所述预设阈值，确定所述第一指纹图像与所述第二指纹图像为同一指纹；
[0053]第二确定子模块，被配置为如果所述比较子模块的比较结果表示所述余弦距离小于或者等于所述预设阈值，确定所述第一指纹图像与所述第二指纹图像为不同指纹。
[0054]根据本公开实施例的第三方面，提供一种指纹识别装置，包括:
[0055]处理器；
[0056]用于存储处理器可执行指令的存储器；
[0057]其中，所述处理器被配置为:
[0058]对指纹传感器采集的第一指纹图像与存储在数据库中的第二指纹图像通过自动编码解码网络进行特征提取，得到所述第一指纹图像对应的第一指纹特征和所述第二指纹图像对应的第二指纹特征，其中，所述第一指纹特征与所述第二指纹特征的维数相同；
[0059