614可以检测到设备600的打开/关闭状态，组件的相对定位，例如所述组件为装置600的显示器和小键盘，传感器组件614还可以检测装置600或装置600一个组件的位置改变，用户与装置600接触的存在或不存在，装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或(XD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0117]通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0118]在示例性实施例中，装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSH))、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0119]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是R0M、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
[0120]本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0121]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种指纹识别方法，其特征在于，所述方法包括: 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卷积神经网络进行特征提取，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； 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； 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。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括至少一个特征提取层和特征映射层，在所述卷积神经网络网络的最后一个特征提取层连接有分类器，所述方法还包括: 将海量的有标签指纹样本输入至所述卷积神经网络，对所述至少一个特征提取层和特征映射层进行训练； 将所述有标签指纹样本通过训练后的所述神经网络进行特征提取，得到所述有标签指纹样本的输出结果； 将所述输出结果输入到所述分类器，对所述分类器进行标定训练。3.根据权利要求2所述的方法，其特征在于，所述方法还包括: 通过已训练的所述卷积神经网络提取所述有标签指纹样本的第一设定维数的特征参数； 对所述第一设定维数的特征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。4.根据权利要求1所述的方法，其特征在于，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，包括: 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； 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； 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。5.一种指纹识别装置，其特征在于，所述装置包括: 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卷积神经网络进行特征提取，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； 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； 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。6.根据权利要求5所述的装置，其特征在于，所述卷积神经网络包括至少一个特征提取层和特征映射层，在所述卷积神经网络网络的最后一个特征提取层连接有分类器，所述装置还包括: 第一训练模块，被配置为将海量的有标签指纹样本输入至所述卷积神经网络，对所述至少一个特征提取层和特征映射层进行训练； 第二提取模块，被配置为将所述有标签指纹样本通过所述第一训练模块训练后的所述卷积神经网络进行特征提取，得到所述有标签指纹样本的输出结果； 第二训练模块，被配置为将所述第二提取模块得到的所述输出结果输入到所述分类器，对所述分类器进行标定训练。7.根据权利要求6所述的装置，其特征在于，所述装置还包括: 第三提取模块，被配置为通过已训练的所述卷积神经网络提取所述有标签指纹样本的第一设定维数的特征参数； 第三训练模块，被配置为对所述第三提取模块提取到的所述第一设定维数的特征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。8.根据权利要求1所述的装置，其特征在于，所述识别模块包括: 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； 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； 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。9.一种指纹识别装置，其特征在于，所述装置包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 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卷积神经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； 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； 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。
【专利摘要】本公开是关于一种指纹识别方法及装置。方法包括：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卷积神经网络进行特征提取，得到第一指纹图像对应的第一指纹特征和第二指纹图像对应的第二指纹特征，其中，第一指纹特征与第二指纹特征的维数相同；对第一指纹特征和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，第三指纹特征和第四指纹特征的维数相同；根据第三指纹特征和第四指纹特征的余弦距离确定第一指纹图像与第二指纹图像是否为同一指纹。本公开技术方案可以避免相关技术必须通过指纹的全局特征点以及局部特征点才能实现指纹识别，提高低质量的指纹图像在指纹识别时的准确率。
【IPC分类】G06K9/00
【公开号】CN105354560
【申请号】CN201510834176
【发明人】张涛, 龙飞, 陈志军
【申请人】小米科技有限责任公司
【公开日】2016年2月24日
【申请日】2015年11月25日