申请/专利权人:南京信息工程大学
申请日:2023-11-15
公开(公告)日:2024-01-30
公开(公告)号:CN117253262B
主分类号:G06V40/12
分类号:G06V40/12;G06V10/82;G06V10/774;G06N3/0475;G06N3/094;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.01.30#授权;2024.01.05#实质审查的生效;2023.12.19#公开
摘要:本发明公开了一种基于共性特征学习的伪造指纹检测方法及装置,其方法包括:获取测试指纹图像;将测试指纹图像输入训练好的共性特征提取器,提取测试共性特征;将测试共性特征输入第一分类器获取测试真伪检测结果;其中,共性特征提取器的训练损失由真伪检测损失、伪造材料鉴别损失、特征分布损失构成,通过伪造材料鉴别损失剔除共性特征中的伪造材料信息,从而提高在面对未知伪造材料的泛化能力;通过特征分布损失能够在有限的指纹数据集下学习到与数据相干性低的共性特征;因此,本发明能够在有限的指纹数据集下学习,实现泛化能力强和检测准确性高的优点。
主权项:1.一种基于共性特征学习的伪造指纹检测方法,其特征在于,包括:获取测试指纹图像;将所述测试指纹图像输入训练好的共性特征提取器,提取测试共性特征;将所述测试共性特征输入第一分类器获取测试真伪检测结果;其中,所述共性特征提取器的训练过程包括:重复以下步骤,直至第一损失值小于第一损失阈值:从预设的训练指纹数据库中获取训练指纹图像;将所述训练指纹图像输入共性特征提取器,提取训练共性特征;将所述训练共性特征输入第一分类器,获取训练真伪检测结果;根据所述训练指纹图像的伪造材料标签,将所述训练共性特征输入相应的训练好的伪造材料鉴别器,获取伪造材料鉴别结果;根据所述训练指纹图像的伪造材料标签,将所述训练指纹图像输入相应的训练好的伪造特征提取器,提取第一训练伪造特征;根据所述训练共性特征和第一训练伪造特征计算特征分布距离;根据所述伪造材料鉴别结果、训练真伪检测结果、特征分布距离以及所述训练指纹图像的真伪标签计算第一损失值;根据所述第一损失值优化所述共性特征提取器的参数。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于共性特征学习的伪造指纹检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。