指纹识别方法及其装置、电子设备及存储介质与流程

本发明涉及生物识别领域，具体而言，涉及一种指纹识别方法及其装置、电子设备及存储介质。

背景技术：

1、指纹识别是一种基于个人指纹特征进行身份认证的生物特征识别技术，具备准确性高、设备易集成、识别速度快、用户体验简单等优势。在金融领域，指纹识别已成为一种广泛使用的身份验证方式，被应用于银行柜台、自助设备、移动支付等服务场景，以确保业务办理和交易的安全性。

2、指纹识别作为发展较早的生物识别技术，识别方案已比较成熟。然而，相关技术中的识别方案对于指纹质量要求较高，识别性能容易受到外界环境及手指状态变化的影响。其中，在外界环境方面，湿度、污渍、灰尘等因素都可能影响指纹图像采集的质量，例如，天气干燥可能导致手指脱皮，以致指纹细节不够从而影响指纹扫描仪的图像质量；手指上的油脂、汗液等污染物可以模糊指纹图像，影响特征提取；污染环境中，指纹扫描仪可能积聚灰尘和污垢，降低采集的指纹图像质量。在手指状态方面，指纹的损伤和磨损也会影响指纹识别的准确率，例如，手指的损伤可以改变指纹图像，导致原有的特征点丢失或产生新的特征点，影响系统的识别效果；特定人群如从事手工劳作的人或者老年人的指纹，可能因为手指使用频繁和皮肤老化导致指纹磨损，影响指纹特征提取；某些皮肤病可以改变指纹结构，同样影响指纹识别的准确性。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种指纹识别方法及其装置、电子设备及存储介质，以至少解决相关技术中对采集到的指纹图像的识别准确性较低的技术问题。

2、根据本发明实施例的一个方面，提供了一种指纹识别方法，包括：采集目标客户的原始指纹图像，并对所述原始指纹图像进行图像质量评估，得到质量分数；在所述质量分数小于预设质量阈值的情况下，对所述原始指纹图像进行修复处理，得到修复后的目标指纹图像；在修复后的所述目标指纹图像的所述质量分数大于等于所述预设质量阈值的情况下，提取所述目标指纹图像中的指纹特征，得到目标指纹特征模板；将所述目标指纹特征模板与预设特征模板库中的每个预设特征模板进行匹配，得到匹配分数，并在最大匹配分数大于预设分数阈值的情况下，确定对所述目标客户的指纹识别通过。

3、进一步地，对所述原始指纹图像进行图像质量评估，得到质量分数的步骤，包括：提取所述原始指纹图像的图像边缘信息，并基于所述图像边缘信息对所述原始指纹图像的脊线进行分析，得到所述原始指纹图像的脊线分数；确定所述原始指纹图像的梯度强度，并基于所述梯度强度，确定所述原始指纹图像的脊线清晰度分数；分析所述原始指纹图像的直方图，得到所述原始指纹图像的对比度分数；对所述原始指纹图像进行损伤检测，得到所述原始指纹图像的损伤分数；基于所述脊线分数、所述脊线清晰度分数、所述对比度分数以及所述损伤分数，确定所述原始指纹图像的所述质量分数。

4、进一步地，对所述原始指纹图像进行损伤检测，得到所述原始指纹图像的损伤分数的步骤，包括：对所述原始指纹图像进行分割，得到所述原始指纹图像的脊线和谷底，并对所述脊线的连续性进行分析，得到第一损伤结果；对所述原始指纹图像进行纹理分析，得到第二损伤结果；对所述原始指纹图像进行脊线流方向分析，得到第三损伤结果；基于所述第一损伤结果、所述第二损伤结果以及所述第三损伤结果，确定所述损伤分数。

5、进一步地，对所述原始指纹图像进行修复处理，得到修复后的目标指纹图像的步骤，包括：对所述原始指纹图像进行增强处理，得到增强指纹图像；采用预设生成对抗网络对所述增强指纹图像进行修复，得到所述目标指纹图像。

6、进一步地，在采用预设生成对抗网络对所述增强指纹图像进行修复，得到所述目标指纹图像之前，还包括：构建初始生成对抗网络，其中，所述初始生成对抗网络包括：生成器、鉴别器，所述生成器用于生成与真实未损伤的指纹图像匹配的生成图像，所述鉴别器用于区分所述生成图像和所述真实未损伤的指纹图像；采用历史损伤指纹图像集合以及历史未损伤指纹图像集合对所述初始生成对抗网络进行对抗训练，得到所述预设生成对抗网络，其中，所述历史损伤指纹图像集合中的每张历史损伤指纹图像是基于历史未损伤指纹图像集合中每张历史未损伤指纹图像处理得到的。

7、进一步地，提取所述目标指纹图像中的指纹特征，得到目标指纹特征模板的步骤，包括：将所述目标指纹图像中的指纹区域与背景区域进行分割，并基于所述指纹区域，确定所述目标指纹图像的指纹方向场；基于所述指纹方向场，确定所述目标指纹图像中每个特征点的脊线方向，并基于每个所述特征点的所述脊线方向，确定所述目标指纹图像的脊线流模式；对所述目标指纹图像的脊线流模式进行细化处理，得到所述目标指纹图像的预设线条，其中，所述预设线条具有脊线宽度；对细化处理后的所述目标指纹图像进行微观特征检测，得到微观特征集合，其中，所述微观特征集合包括下述至少之一：脊线终止点、脊线分叉点、每个所述特征点的特征点信息，所述特征点信息包括：特征点位置、特征点类型和特征点方向；基于所述特征点信息，对微观特征集合中的所有特征点进行过滤，得到目标微观特征集合；基于所述指纹方向场、所述脊线流模式、所述脊线宽度以及所述目标微观特征集合，生成所述目标指纹特征模板。

8、进一步地，将所述目标指纹特征模板与预设特征模板库中的每个预设特征模板进行匹配，得到匹配分数的步骤，包括：采用所述目标指纹特征模板包含的全局特征与每个所述预设特征模板包含的全局特征进行匹配，得到全局匹配得分，其中，所述全局特征包括：所述指纹方向场、所述脊线流模式以及所述脊线宽度；采用所述目标指纹特征模板包含的局部特征与每个所述预设特征模板包含的局部特征进行匹配，得到局部匹配得分，其中，所述局部特征包括：所述目标微观特征集合；对所述全局匹配得分以及所述局部匹配得分进行加权处理，得到所述匹配分数。

9、根据本发明实施例的另一方面，还提供了一种指纹识别装置，包括：评估单元，用于采集目标客户的原始指纹图像，并对所述原始指纹图像进行图像质量评估，得到质量分数；修复单元，用于在所述质量分数小于预设质量阈值的情况下，对所述原始指纹图像进行修复处理，得到修复后的目标指纹图像；提取单元，用于在修复后的所述目标指纹图像的所述质量分数大于等于所述预设质量阈值的情况下，提取所述目标指纹图像中的指纹特征，得到目标指纹特征模板；匹配单元，用于将所述目标指纹特征模板与预设特征模板库中的每个预设特征模板进行匹配，得到匹配分数，并在最大匹配分数大于预设分数阈值的情况下，确定对所述目标客户的指纹识别通过。

10、进一步地，所述评估单元包括：第一提取模块，用于提取所述原始指纹图像的图像边缘信息，并基于所述图像边缘信息对所述原始指纹图像的脊线进行分析，得到所述原始指纹图像的脊线分数；第一确定模块，用于确定所述原始指纹图像的梯度强度，并基于所述梯度强度，确定所述原始指纹图像的脊线清晰度分数；第一分析模块，用于分析所述原始指纹图像的直方图，得到所述原始指纹图像的对比度分数；第一检测模块，用于对所述原始指纹图像进行损伤检测，得到所述原始指纹图像的损伤分数；第二确定模块，用于基于所述脊线分数、所述脊线清晰度分数、所述对比度分数以及所述损伤分数，确定所述原始指纹图像的所述质量分数。

11、进一步地，所述第一检测模块包括：第一分割子模块，用于对所述原始指纹图像进行分割，得到所述原始指纹图像的脊线和谷底，并对所述脊线的连续性进行分析，得到第一损伤结果；第一分析子模块，用于对所述原始指纹图像进行纹理分析，得到第二损伤结果；第二分析子模块，用于对所述原始指纹图像进行脊线流方向分析，得到第三损伤结果；第一确定子模块，用于基于所述第一损伤结果、所述第二损伤结果以及所述第三损伤结果，确定所述损伤分数。

12、进一步地，所述修复单元包括：第一处理模块，用于对所述原始指纹图像进行增强处理，得到增强指纹图像；第一修复模块，用于采用预设生成对抗网络对所述增强指纹图像进行修复，得到所述目标指纹图像。

13、进一步地，所述指纹识别装置还包括：第一构建模块，用于在采用预设生成对抗网络对所述增强指纹图像进行修复，得到所述目标指纹图像之前，构建初始生成对抗网络，其中，所述初始生成对抗网络包括：生成器、鉴别器，所述生成器用于生成与真实未损伤的指纹图像匹配的生成图像，所述鉴别器用于区分所述生成图像和所述真实未损伤的指纹图像；第一训练模块，用于采用历史损伤指纹图像集合以及历史未损伤指纹图像集合对所述初始生成对抗网络进行对抗训练，得到所述预设生成对抗网络，其中，所述历史损伤指纹图像集合中的每张历史损伤指纹图像是基于历史未损伤指纹图像集合中每张历史未损伤指纹图像处理得到的。

14、进一步地，所述提取单元包括：第一分割模块，用于将所述目标指纹图像中的指纹区域与背景区域进行分割，并基于所述指纹区域，确定所述目标指纹图像的指纹方向场；第三确定模块，用于基于所述指纹方向场，确定所述目标指纹图像中每个特征点的脊线方向，并基于每个所述特征点的所述脊线方向，确定所述目标指纹图像的脊线流模式；第二处理模块，用于对所述目标指纹图像的脊线流模式进行细化处理，得到所述目标指纹图像的预设线条，其中，所述预设线条具有脊线宽度；第二检测模块，用于对细化处理后的所述目标指纹图像进行微观特征检测，得到微观特征集合，其中，所述微观特征集合包括下述至少之一：脊线终止点、脊线分叉点、每个所述特征点的特征点信息，所述特征点信息包括：特征点位置、特征点类型和特征点方向；第一过滤模块，用于基于所述特征点信息，对微观特征集合中的所有特征点进行过滤，得到目标微观特征集合；第一生成模块，用于基于所述指纹方向场、所述脊线流模式、所述脊线宽度以及所述目标微观特征集合，生成所述目标指纹特征模板。

15、进一步地，所述匹配单元包括：第一匹配模块，用于采用所述目标指纹特征模板包含的全局特征与每个所述预设特征模板包含的全局特征进行匹配，得到全局匹配得分，其中，所述全局特征包括：所述指纹方向场、所述脊线流模式以及所述脊线宽度；第二匹配模块，用于采用所述目标指纹特征模板包含的局部特征与每个所述预设特征模板包含的局部特征进行匹配，得到局部匹配得分，其中，所述局部特征包括：所述目标微观特征集合；第三处理模块，用于对所述全局匹配得分以及所述局部匹配得分进行加权处理，得到所述匹配分数。

16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项指纹识别方法。

17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，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上述任意一项指纹识别方法。

18、在本发明中，采集目标客户的原始指纹图像，并对原始指纹图像进行图像质量评估，得到质量分数，在质量分数小于预设质量阈值的情况下，对原始指纹图像进行修复处理，得到修复后的目标指纹图像，在修复后的目标指纹图像的质量分数大于等于预设质量阈值的情况下，提取目标指纹图像中的指纹特征，得到目标指纹特征模板，将目标指纹特征模板与预设特征模板库中的每个预设特征模板进行匹配，得到匹配分数，并在最大匹配分数大于预设分数阈值的情况下，确定对目标客户的指纹识别通过。

19、在本发明中，通过对采集的原始指纹图像进行图像质量评估，得到质量分数，如果质量分数小于预设质量阈值，则需要对原始指纹图像进行修复，直到修复后的目标指纹图像的质量分数大于等于预设质量阈值，然后对目标指纹图像进行指纹识别，能够改善非理想条件下采集到的指纹图像质量，克服外界环境及手指状态变化对指纹识别性能的影响，有效提升了指纹识别的准确性与可靠性，进而解决了相关技术中对采集到的指纹图像的识别准确性较低的技术问题。