公开(公告)号：CN118506409A

公开(公告)日：2024-08-16

申请号：CN202410121230.7

申请日：2024-01-29

Applicant: 三峡大学

Inventor： 王华峥 ,  王华铭 ,  汤永恒 ,  王帅 ,  薛凡超 ,  王亿楠

IPC: G06V40/12 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774 ,  G06V10/25

Abstract: 一种改进FasterNet网络的指纹活性检测方法，它包括以下步骤：步骤1：获取指纹图像数据集并将其划分为训练集和测试集；步骤2：对训练集和测试集做预处理，包括ROI提取，裁剪，翻转，归一化；步骤3：搭建GMF模块，搭建basic block模块；步骤4：基于步骤3的GMF模块以及basic block模块，搭建改进的FasterNet网络架构，包括Embeding层，Stage1层，第一Merging层，Stage2层，第二Merging层，Stage3层，第三Merging层，Stage4层，最大平均池化层，卷积层，全连接层；步骤5：将步骤2中处理好的指纹图像送入搭建好的网络架构中，进行特征提取并分类指纹图像；步骤6：输出指纹图像识别结果。本发明的目的是为了解决现有指纹活性检测技术中存在的识别正确率低，人工图像预处理效率低，网络参数量过大而导致的冗余化的技术问题，而提供的一种改进FasterNet网络的指纹活性检测方法。

公开(公告)号：CN117975508A

公开(公告)日：2024-05-03

申请号：CN202311375823.8

申请日：2023-10-23

Applicant: 三峡大学

Inventor： 孙水发 ,  王华峥 ,  饶哲 ,  王逸飞

IPC: G06V40/12 ,  G06V40/40 ,  G06V10/25 ,  G06V10/42 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/52 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0495 ,  G06N3/082

Abstract: 本发明提供了一种基于深度学习的指纹活性检测方法，针对FLD（Fingerprint Liveness Detection，指纹活性检测）系统通过检测指纹的活性达到识别伪造指纹的目的，为解决现有FLD系统识别精度低和泛化性差的问题，设计了MSFFNet（Multi‑scale Spatial Feature Fusion Network，即多尺度空间特征融合网络），该网络以EfficientnetV2‑S模型为基础，简化原有的网络结构，优化贡献度较小的网络层。首先对图像进行ROI（Region Of Interest）处理；设计MSFFNet网络；将处理后的图像送入网络中训练；根据训练结果给出最终的识别结果。解决了当前FLD系统在针对不同传感器，不同材料收集的数据，检测精度不高的问题。

公开(公告)号：CN117789270A

公开(公告)日：2024-03-29

申请号：CN202311672421.4

申请日：2023-12-05

Applicant: 三峡大学

Inventor： 王华峥 ,  王华铭 ,  汤永恒 ,  江越 ,  安林涛

IPC: G06V40/16 ,  G06V40/12 ,  G06V40/40 ,  G06V10/25 ,  G06V10/82

Abstract: 一种改进ShufflenetV2网络的指纹活性检测方法，它包括以下步骤：步骤1：获取指纹图像数据集并将其划分为训练集和测试集，做相应的图像预处理；步骤2：搭建EMK模块，BIM‑1模块，BIM‑2模块；步骤3：基于步骤2的BIM模块，搭建网络中First‑level层、Second‑level层、Third‑level层。卷积运算搭建Conv1，Conv5层，基于池化运算搭建最大重叠池化层，搭建全连接层。步骤4：按照顺序组合Conv1层、最大重叠池化层、First‑level层、Second‑level层、Third‑level层、Conv5层、EMK模块、全连接层，得到改进后的shuffleNetV2网络；步骤5：将步骤1中处理好的指纹图像送入搭建好的网络架构中，检测其指纹活性；步骤6：输出指纹图像识别结果。本发明的指纹活性检测模型，与现有深度学习网络相比，得到了最佳的实验结果，说明本发明的模型具有更优异的性能。

公开(公告)号：CN118262387A

公开(公告)日：2024-06-28

申请号：CN202410219254.6

申请日：2024-02-27

Applicant: 三峡大学

Inventor： 孙水发 ,  王华峥 ,  饶哲 ,  汤永恒 ,  王逸飞

IPC: G06V40/12 ,  G06V40/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于分组特征分析的指纹活性检测方法，涉及生物特征识别的技术领域。本发明包括：获取指纹数据集，并进行图像预处理；搭建GAFA‑Net(Group feature analysis fusion Network，分组特征分析融合网络)检测模型；将数据集划分训练集，采用训练集训练模型并保存；将待检测图片进行图像预处理后，输入最优模型，最优模型对图片进行判别分类。本发明用于区分伪造指纹和真实的指纹，以EfficientNetV2‑S模型为基础，对该网络进行了整体的缩放，并在此基础上加入了分组特征分析模块。首先对图像进行提取；将提取出的区域送入所提出的网络中训练；根据训练结果获取最终的识别结果，大大提升了指纹活性识别的识别分类精度。

公开(公告)号：CN117975511A

公开(公告)日：2024-05-03

申请号：CN202311868513.X

申请日：2023-12-30

Applicant: 三峡大学

Inventor： 孙水发 ,  王逸飞 ,  吴义熔 ,  崔文超 ,  饶哲 ,  王华峥

IPC: G06V40/12 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供了基于深度学习的指纹活性检测对抗攻击防御方法，现有FLD(Fingerprint Liveness Detection，指纹活性检测)系统通过外部网络对指纹对抗样本的处理达到不受对抗攻击影响的目的，为解决FLD系统容易受到对抗攻击的问题，设计了基于深度学习的指纹活性检测对抗攻击防御方法，该网络以Defed‑L模型为基础，优化原有的网络主要模块EFE模块结构。首先对图像进行提取局部块处理；设计基于深度学习的指纹活性检测网络；将处理后的图像送入网络中训练；根据训练结果通过目标FLD系统给出最终的识别结果。提升了当前FLD系统对指纹对抗样本的识别精度。

公开(公告)号：CN118116038A

公开(公告)日：2024-05-31

申请号：CN202410237098.6

申请日：2024-03-01

Applicant: 三峡大学

Inventor： 孙水发 ,  王逸飞 ,  崔文超 ,  王华峥 ,  饶哲

IPC: G06V40/12 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的定长指纹特征提取方法，针对指纹识别系统通过提取指纹特征来达到指纹匹配的目的，为解决现有指纹识别系统提取指纹特征精度不高的问题，设计了基于深度学习的定长指纹特征提取方法，该网络以DeepPrint模型分支框架为基础，舍弃原有模型的图像对齐网络，使用SPFF模块进行替代，优化原有的网络模块结构，引入ViT模块、SPP模块和U‑Net模块，其中ViT模块和SPP模块保证了模型能够接受任意大小指纹图像作为输入，且生成定长特征向量。首先设计网络；将图像送入网络中训练；根据训练结果通过测试给出指纹特征的匹配结果。提升了当前指纹识别系统对指纹图像特征的提取精度。