(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211437167.5 (22)申请日 2022.11.17 (71)申请人 上海海栎创科技股份有限公司 地址 200131 上海市浦东 新区中国 （上海） 自由贸易试验区丹桂路835、 937号主 楼 （1幢） 4层41 1室 (72)发明人 吉贝贝　夏军营　徐小泉　赵晓刚　 (74)专利代理 机构 上海和华启核知识产权代理 有限公司 313 39 专利代理师 王仙子 (51)Int.Cl. G06V 40/12(2022.01) G06V 10/82(2022.01) (54)发明名称 指纹识别方法、 系统、 计算机设备及计算机 可读存储介质 (57)摘要 本发明提供一种指纹识别方法、 系统、 计算 机设备及计算机可读存储介质。 包括： 获取待匹 配指纹的指纹图像； 将指纹图像进行细节点提 取， 以得到细节点特征； 将细节点特征进行细节 点深度特征提取并压缩， 以得到待匹配指纹图像 的细节点的向量描述子； 利用向量描述子将待匹 配指纹图像的细节点特征与模板指纹图像的细 节点特征进行模式匹配； 若匹配成功， 则匹配完 成； 若匹配失败， 则将待匹配指纹图像与模板指 纹图像进行ORB特征匹配验证。 本发明能够在较 小指纹图像尺 寸上获得精确匹配； 同时由于得到 的向量描述子维度较低， 使小尺 寸指纹图像匹配 能够达到与大尺寸相当的匹配效果和时间性能， 并且无需增加太多算力和空间占用， 可以运行在 MCU等低性能平台。 权利要求书2页 说明书7页 附图3页 CN 115497125 A 2022.12.20 CN 115497125 A 1.一种指纹识别方法， 其特 征在于， 包括： 获取待匹配指纹图像； 将所述待匹配指纹图像进行细节点 提取， 以得到细节点特 征； 将所述细节点特征进行细节点深度 特征提取并压缩， 以得到所述待匹配指纹图像的细 节点的向量描述子， 包括： 基于所述细节点特征， 从所述待匹配指纹图像中提取感兴趣区 域； 基于所述感兴趣区域， 通过微型神经网络提取深度特征并压缩， 以得到所述待匹配指纹 图像的细节点的向量描述子； 所述微型神经网络由2个基础卷积层与4个深度可分离卷积层 构成， 用于将40 ×40的图像经 过网络总结成为 一个32维的向量； 利用向量描述子将所述待匹配指纹图像的细节点特征与模板指纹图像的细节点特征 进行模式匹配， 包括： 将所述待匹配指纹图像的细节点的向量描述子与所述模板指纹图像 的细节点的向量描述子进 行两两匹配， 以得到所述待匹配指纹图像的细节点的向量描述子 与所述模板指纹图像的细节点的向量描述子之 间的欧式距离； 由小至大选取若干个距离对 应的若干对匹配点， 以得到细节点集； 依 次以各对匹配点作为主匹配点进行细节点模式匹 配， 以得到匹配点集； 对所述匹配点集进行向量距离筛选， 依据匹配点集大小、 匹配点向量 描述子相似度及轴相似度对所述匹配点集进 行打分， 将最高分数对应的匹配点集作为映射 匹配点集； 使用所述映射匹配点集计算所述待匹配指纹图像与所述模板指纹图像的映射关 系， 对所述待匹配指纹图像进行几何变换， 依据重合区域中的细节点的位置和方向匹配情 况， 进行打 分， 同时依据对应点的向量描述子相似度进行分数调整， 以得到最终匹配分数； 若匹配成功， 则匹配完成； 若 匹配失败， 则基于所述待匹配指纹图像与所述模板指纹图 像的映射关系将所述待匹配指纹图像与模板指纹图像进行ORB特 征匹配验证。 2.根据权利要求1所述的指纹识别方法， 其特征在于， 将所述待 匹配指纹图像进行细节 点提取， 以得到细节点特 征， 包括步骤： 将所述待匹配指纹图像进行 预处理； 基于预处 理后的待匹配指纹图像得到指纹图像梯度场； 基于所述待匹配指纹图像梯度场得到指纹图像方向场及图像频率场； 基于所述指纹图像方向场及所述图像频率场对所述待匹配指纹图像进行增强， 消除噪 声， 保留所述待匹配指纹图像的脊谷结构； 将增强后的指纹图像进行细化， 以得到细化图像； 在所述细化图像上提取端点和叉点， 并记录所述端点和所述叉点的位置及方向， 以得 到所述细节点特 征。 3.根据权利要求2所述的指纹识别方法， 其特征在于， 将所述待 匹配指纹图像进行预处 理包括： 将所述待匹配指纹图像进行指纹图像区域分割和图像均衡。 4.根据权利要求1所述的指纹识别方法， 其特征在于， 若所述最终匹配分数达到阈值分 数， 则匹配完成； 若 所述最终匹配分数未达到所述阈值分数， 则匹配失败； 若匹配失败， 则基 于所述待匹配指纹图像与所述模板指纹图像的映射关系将所述待匹配指纹图像与模板指 纹图像进行ORB特 征匹配验证， 包括： 将所述待匹配指纹图像与模板指纹图像进行ORB特 征检测， 并得到ORB特 征描述； 基于所述待匹配指纹图像与 所述模板指纹图像的映射关系， 对所述待 匹配指纹图像的权　利　要　求　书 1/2 页 2 CN 115497125 A 2ORB特征点进行映射变换； 基于重合区域ORB特 征点的匹配情况对匹配分数进行调整， 以得到最终匹配分数。 5.一种指纹识别系统， 其特 征在于， 所述指纹识别系统包括： 获取模块， 用于获取待匹配指纹图像； 细节点提取模块， 与所述获取模块相连接， 用于将所述待匹配指纹图像进行细节点提 取， 以得到细节点特 征； 细节点深度特征提取模块， 与所述细节点提取模块相连接， 用于将所述细节点特征进 行细节点深度特征提取并压缩， 以得到所述待匹配指纹图像的细节点的向量描述子， 包括： 基于所述细节点特征， 从所述待匹配指纹图像中提取感兴趣区域； 基于所述 感兴趣区域， 通 过微型神经网络提取深度特征并压缩， 以得到所述待匹配指纹图像的细节点的向量描述 子； 所述微型神经网络由2个基础卷积层与4个深度可分离卷积层构成， 用于将40 ×40的图 像经过网络总结成为 一个32维的向量； 细节点匹配模块， 与所述细节点深度特征提取模块相连接， 用于利用向量描述子将所 述待匹配指纹图像的细节点特征与模板指纹图像的细节点特征进行模式匹配， 包括： 将所 述待匹配指纹图像的细节点的向量描述子与所述模板指纹图像的细节点的向量描述子进 行两两匹配， 以得到所述待匹配指纹图像的细节 点的向量描述子与所述模板指纹图像的细 节点的向量描述子之间的欧式距离； 由小至大选取若干个距离对应的若干对匹配点， 以得 到细节点集； 依次以各对匹配点作为主匹配点进 行细节点模式匹配， 以得到匹配点集； 对所 述匹配点集进行向量距离筛选， 依据匹配点集大小、 匹配点向量描述子相似度及轴相似度 对所述匹配点集进行打分， 将最高分数对应的匹配点集作为映射匹配点集； 使用所述映射 匹配点集计算所述待匹配指纹图像与所述模板指纹图像的映射关系， 对所述待匹配指纹图 像进行几何变换， 依据重合区域中的细节点的位置和方向匹配情况， 进 行打分， 同时依据对 应点的向量描述子相似度进行分数调整， 以得到最终匹配分数； 判断模块， 与所述细节点匹配模块相连接， 用于判断所述待匹配指纹图像与模板指纹 图像是否匹配成功； ORB匹配模块， 与所述判断模块相连接， 用于在匹配失败时， 基于所述待匹配指纹图像 与所述模板指纹图像的映射关系将所述待匹配指纹图像与模板指纹图像进 行ORB特征匹配 验证。 6.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现如权利要求 1至4中任一项 所述的指纹识别方法 的步骤。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现如权利要求1至4中任一项所述的指纹识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 115497125 A 3