一种基于图像预筛选的指纹快速检索方法及系统与流程

本技术涉及图像处理的，尤其是涉及一种基于图像预筛选的指纹快速检索方法及系统。

背景技术：

1、指纹打卡机是目前企事业单位广泛应用的考勤管理设备，它利用人体指纹的唯一性和稳定性实现身份认证。相比传统的刷卡、密码等方式，指纹打卡无需携带介质、不易伪造，极大提升了考勤管理的便捷性与安全性。随着物联网技术的发展，现代指纹考勤机已集成光学或半导体指纹传感器、嵌入式处理器及网络通信模块，能够独立完成指纹采集、比对、记录存储等功能，并支持数据导出与云端同步，成为智慧办公的重要组成部分。

2、现有的指纹打卡机的工作原理通常包括以下环节：用户将手指按压在指纹传感器上，传感器采集指纹图像；嵌入式系统对原始图像进行预处理，包括图像增强、二值化、细化等操作，提取指纹的细节点（如脊线端点、分叉点）作为特征；随后将提取的特征与预先存储在设备内的指纹模板库进行1:n比对，找到匹配项则记录考勤信息。其中，图像预筛选是预处理的前置环节，旨在快速剔除模糊、残缺、干湿不当或存在残影的低质量图像，避免无效计算占用宝贵的处理器资源，从而提升整体识别速度和准确率。

3、然而，在实际应用中，蓝领工人、老年人以及长期从事体力劳动的人群，其手指指纹往往存在磨损严重、纹路浅淡、干燥起皮等特征。传统的图像预筛选算法采用固定的质量阈值（如清晰度、覆盖度下限），当这些用户的指纹图像因纹路浅而达不到预设质量分时，会被频繁判定为不合格而要求重按，导致多次打卡失败、用户体验极差。同时，统一阈值还会使预筛选环节误将大量低质量但实际可识别的指纹图像提前过滤，增加了后续匹配阶段的负担甚至造成漏检。

技术实现思路

1、为了针对指纹浅淡人群，在不增加硬件成本的前提下提升识别效率与用户体验，本技术提供一种基于图像预筛选的指纹快速检索方法及系统。

2、本技术的上述发明目的一是通过以下技术方案得以实现的：

3、一种基于图像预筛选的指纹快速检索方法，所述基于图像预筛选的指纹快速检索方法包括：

4、获取用户注册请求，获取原始指纹图像，从所述原始指纹图像中提取指纹特征数据；

5、根据所述指纹特征数据识别指纹质量等级，根据所述指纹质量等级设置对应的清晰度等级，并响应所述用户注册请求；

6、获取用户打卡请求，获取当前指纹图像，对所述当前指纹图像进行多维度质量评估得到质量特征向量，根据所述指纹质量等级对应的动态阈值对所述质量特征向量进行判定，若全部指标满足阈值则执行残影检测和假体检测，并响应所述打卡请求进入匹配阶段；

7、获取所述质量特征向量，通过质量分回归模型得到当前图像的质量分，根据所述质量分选择对应的匹配策略进行指纹检索，若匹配成功则记录考勤信息，若匹配失败则提示用户换手指或使用备用验证方式。

8、优选地，所述对所述当前指纹图像进行多维度质量评估得到质量特征向量，具体包括：

9、对所述当前指纹图像执行有效区域分割，提取指纹所在区域；

10、在所述指纹所在区域内并行计算图像清晰度指标、脊线覆盖比例、灰度分布偏斜度和局部纹理复杂度，将计算结果组合为所述质量特征向量。

11、优选地，所述根据所述指纹质量等级对应的动态阈值对所述质量特征向量进行判定，具体包括：

12、获取所述指纹质量等级对应的清晰度下限、覆盖比例下限和灰度分布偏斜度容忍区间；

13、将所述质量特征向量中的图像清晰度指标与所述清晰度下限比对、脊线覆盖比例与所述覆盖比例下限比对、灰度分布偏斜度与所述灰度分布偏斜度容忍区间比对、局部纹理复杂度与预设纹理复杂度下限比对，若全部指标满足对应的阈值则判定为可接受图像。

14、优选地，所述执行残影检测和假体检测，具体包括：

15、获取背景缓存图像，计算所述当前指纹图像与所述背景缓存图像的图像相似度，若所述图像相似度大于预设残影阈值则判定为残影图像，提示清洁采集窗；

16、若未判定为残影图像，则提取所述当前指纹图像的局部纹理特征和灰度纹理统计特征，输入至预训练的轻量级二分类模型，若输出结果为假体则拒绝打卡并报警。

17、优选地，所述轻量级二分类模型通过以下方法训练：

18、获取真实指纹图像和假体指纹图像作为训练样本，提取每个样本的局部纹理特征和灰度纹理统计特征；

19、将所述局部纹理特征和所述灰度纹理统计特征拼接为特征向量，以真实标签为监督信号对轻量级神经网络模型进行训练，并对训练后的模型进行压缩处理，得到所述轻量级二分类模型。

20、优选地，所述根据所述质量分选择对应的匹配策略进行指纹检索，具体包括：

21、当所述质量分高于第一阈值时，采用严格匹配阈值执行全库一对多比对；

22、当所述质量分介于第一阈值和第二阈值之间时，优先与所述用户的历史成功模板进行一对一比对，若匹配失败再执行全库一对多比对；

23、当所述质量分低于第二阈值时，启用宽松匹配阈值并与最近若干次成功模板进行一对一比对，若匹配失败则提示换手指或使用备用验证方式。

24、优选地，所述通过质量分回归模型得到当前图像的质量分，具体包括：

25、获取历史指纹图像及其对应的匹配成功标签，根据所述历史指纹图像的质量特征向量和所述匹配成功标签对初始回归模型进行训练，得到所述质量分回归模型；

26、将所述当前指纹图像的质量特征向量输入至训练完成的所述质量分回归模型，输出一个0-100的连续分值作为所述质量分。

27、优选地，所述根据所述指纹特征数据识别指纹质量等级，具体包括：

28、从所述指纹特征数据中获取平均脊线宽度和对比度分布；

29、若所述平均脊线宽度小于预设宽度阈值且所述对比度分布低于预设对比度阈值，则将所述指纹质量等级识别为指纹浅淡等级，并为所述指纹浅淡等级设置对应的清晰度等级，其中所述清晰度等级对应的清晰度下限低于普通等级。

30、本技术的上述发明目的二是通过以下技术方案得以实现的：

31、一种基于图像预筛选的指纹快速检索系统，所述基于图像预筛选的指纹快速检索系统包括：

32、原始特征获取模块，用于获取用户注册请求，获取原始指纹图像，从所述原始指纹图像中提取指纹特征数据；

33、用户注册模块，用于根据所述指纹特征数据识别指纹质量等级，根据所述指纹质量等级设置对应的清晰度等级，并响应所述用户注册请求；

34、用户阈值识别模块，用于获取用户打卡请求，获取当前指纹图像，对所述当前指纹图像进行多维度质量评估得到质量特征向量，根据所述指纹质量等级对应的动态阈值对所述质量特征向量进行判定，若全部指标满足阈值则执行残影检测和假体检测，并响应所述打卡请求进入匹配阶段；

35、用户验证模块，用于获取所述质量特征向量，通过质量分回归模型得到当前图像的质量分，根据所述质量分选择对应的匹配策略进行指纹检索，若匹配成功则记录考勤信息，若匹配失败则提示用户换手指或使用备用验证方式。

36、综上所述，本技术包括以下至少一种有益技术效果：

37、1、通过注册阶段根据指纹特征数据识别指纹质量等级并设置对应的清晰度等级，以及在打卡阶段根据指纹质量等级对应的动态阈值对质量特征向量进行判定，实现了对指纹浅淡人群的差异化准入标准，提升了该类用户的打卡通过率；

38、2、通过多维度质量评估得到质量特征向量，并在进入匹配阶段前执行残影检测和假体检测，从多个维度过滤低质量和伪造图像，提升了预筛选的准确性和系统的防欺诈能力；

39、3、通过质量分回归模型将质量特征向量映射为连续分值，并根据质量分高低选择对应的匹配策略进行指纹检索，实现了匹配过程对图像质量的动态自适应，在保证安全性的前提下提升了整体检索效率。