CN113869088A - 生物特征识别方法和装置 - Google Patents

Abstract

本发明公开了一种生物特征识别方法和装置。该方法包括：使用第一传感器获取生物特征的注册数据，并生成第一图像；将第一图像转换为第二图像；基于第一图像和第二图像生成模板数据；使用第一传感器或第二传感器获取生物特征的待识别数据；将待识别数据与模板数据进行匹配，获得识别结果。通过本发明，达到了无需对多个传感器多次注册方便使用的效果。

Description

生物特征识别方法和装置

技术领域

本发明涉及计算机视觉技术领域，具体而言，涉及一种生物特征识别方法和装置。

背景技术

随着生物识别技术的不断发展，目前市场上生物识别技术方案越来越多元化，可以满足不同的应用场景，鉴于生物识别技术的高可靠性和便利性，搭载该技术的方案已被广泛应用在电子设备上，尤其是智能设备。

为了让用户更加便利的使用设备，多指纹传感器组合使用的情况将会越来越多。2017年某品牌智能设备厂商，推出了一款可折叠设备，同时搭载前置和后置指纹传感器，为该设备带来不少的便利性。但是，该设备在使用时需要分别注册，即同一手指需要先在两个传感器上分别做注册，才能在前置指纹传感器和后置指纹传感器上进行识别，这会给用户造成困惑和不便，影响用户体验。

针对相关技术中包含多个传感器的设备需要多次注册而使用不便的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种生物特征识别方法和装置，以解决多个指纹传感器的设备使用不便的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种生物特征识别方法，该方法包括：使用第一传感器获取生物特征的注册数据，并生成第一图像；将所述第一图像转换为第二图像；基于所述第一图像和所述第二图像生成模板数据；使用所述第一传感器或第二传感器获取所述生物特征的待识别数据；将所述待识别数据与所述模板数据进行匹配，获得识别结果。

进一步地，所述方法还包括：在所述将所述第一图像转换为第二图像之前，通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据。

进一步地，所述将所述第一图像转换为第二图像包括：基于所述校准数据将所述第一图像转换为所述第二图像。

进一步地，所述基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据包括：提取所述第一标定图像的第一特征数据和所述第二标定图像的第二特征数据；计算所述第一特征数据和所述第二特征数据之间的差异值，基于所述差异值获取所述第一传感器和所述第二传感器的校准数据。

进一步地，所述方法还包括：对所述待识别数据进行去噪处理和/或对齐处理。

进一步地，所述差异值包括形变系数、大小变动系数、特征点变动系数。

进一步地，使用经过训练的深度学习模型将所述第一图像转换为所述第二图像。

进一步地，分别使用第一传感器获取的所述生物特征的第一训练数据和所述第二传感器获取的所述生物特征的第二训练数据对所述深度学习模型进行训练，得到经过训练的深度学习模型。

进一步地，所述模板数据包括从所述第一图像和所述第二图像直接提取的单张模板数据，和/或，分别将多张所述第一图像或多张所述第二图像进行拼接后获得的合成模板数据。

进一步地，所述生物特征包括指纹、掌纹、人脸。

进一步地，所述第一传感器和所述第二传感器包括位于电子设备侧面的传感器和屏下的传感器。

进一步地，所述分别将多张所述第一图像或多张所述第二图像进行拼接包括：基于单张所述第一图像或单张所述第二图像的特征或像素对所述第一图像或所述第二图像进行配准，获得重叠区域；基于所述重叠区域对多张所述第一图像或多张所述第二图像进行拼接。

为了实现上述目的，根据本发明的另一方面，还提供了一种生物特征识别装置，该装置包括：采集单元，用于使用第一传感器获取生物特征的注册数据，并生成第一图像；转换单元，用于将所述第一图像转换为第二图像；生成单元，用于基于所述第一图像和所述第二图像生成模板数据；获取单元，用于使用所述第一传感器或第二传感器获取所述生物特征的待识别数据；匹配单元，用于将所述待识别数据与所述模板数据进行匹配，获得识别结果。

进一步地，所述装置还包括：标定获取单元，用于在将所述第一图像转换为第二图像之前，通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；校准获取单元，用于基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据。

进一步地，所述转换单元用于：基于所述校准数据将所述第一图像转换为所述第二图像。

进一步地，所述校准获取单元包括：提取模块，用于提取所述第一标定图像的第一特征数据和所述第二标定图像的第二特征数据；计算模块，用于计算所述第一特征数据和所述第二特征数据之间的差异值，基于所述差异值获取所述第一传感器和所述第二传感器的校准数据。

进一步地，所述转换单元使用经过训练的深度学习模型将所述第一图像转换为所述第二图像。

进一步地，所述模板数据包括从所述第一图像和所述第二图像直接提取的单张模板数据，和/或，分别将多张所述第一图像或多张所述第二图像进行拼接后获得的合成模板数据。

为了实现上述目的，根据本发明的另一方面，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程序，其中，在所述程序被处理器执行时执行本发明所述的生物特征识别方法。

为了实现上述目的，根据本发明的另一方面，还提供了一种设备，至少包括一个处理器，以及与所述处理器连接的至少一个存储器、总线，其中，所述处理器、所述存储器通过所述总线完成相互间的通信，所述处理器用于调用所述存储器中的程序指令，以执行本发明所述的生物特征识别方法。

本发明通过使用第一传感器获取生物特征的注册数据，并生成第一图像；将第一图像转换为第二图像；基于第一图像和第二图像生成模板数据；使用第一传感器或第二传感器获取生物特征的待识别数据；将待识别数据与模板数据进行匹配，获得识别结果，解决了多个传感器的设备需要多次注册使用不便的问题，进而达到了无需对多个传感器多次注册方便使用的效果。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的生物特征识别方法的流程图；

图2是本实施例的传感器设置区域的示意图；

图3是本实施例的校准流程的示意图；

图4是本实施例的部分标定板的图案示意图；

图5是本实施例的指纹识别方法的流程示意图；

图6是根据本发明实施例的生物特征识别装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于描述，以下对本申请实施例涉及的几个术语进行说明：

指纹传感器：用于检测手指指纹的传感器，目前较常见的有基于电容原理的传感器和基于光学原理的传感器以及基于声学原理的传感器。

屏下指纹传感器：一种可以应用在设备屏幕下方的指纹传感器，比较常见的有基于光学原理的传感器以及基于声学原理的传感器。

侧边指纹传感器：一种可以应用在设备中框的屏幕传感器，此传感器通常较窄，可以与设备电源键、音量键或其它键复用。

后置指纹传感器：一种可以应用在设备背面的指纹传感器。

前置指纹传感器：一种可以应用于设备正面的指纹传感器，与屏下指纹传感器相同的是，两者都是让用户从设备正面使用；不同的是，前置指纹传感器不位于屏幕下方。

可折叠设备：一种屏幕可以折叠的设备，折叠时可以使设备更易于携带，展开时可以获得更大的屏幕。

本发明实施例提供了一种生物特征识别方法。

图1是根据本发明实施例的生物特征识别方法的流程图，如图1所示，该方法包括以下步骤：

步骤S102：使用第一传感器获取生物特征的注册数据，并生成第一图像；

步骤S104：将第一图像转换为第二图像；

步骤S106：基于第一图像和第二图像生成模板数据；

步骤S108：使用第一传感器或第二传感器获取生物特征的待识别数据；

步骤S110：将待识别数据与模板数据进行匹配，获得识别结果。

该实施例通过使用第一传感器获取生物特征的注册数据，并生成第一图像；将第一图像转换为第二图像；基于第一图像和第二图像生成模板数据；使用第一传感器或第二传感器获取生物特征的待识别数据；将待识别数据与模板数据进行匹配，获得识别结果，解决了包括多个传感器的设备需要多次注册使用不便的问题，进而达到了无需对多个传感器多次注册，方便使用的效果。生物特征包括但不限于指纹、掌纹、人脸等。

本实施例的技术方案可以作为一种指纹识别方法，在智能终端设备中有多个传感器可以采集指纹，由于每个传感器的细微差异，相关技术中需要对每个传感器分别进行注册才能用于后续的指纹识别，本实施例的技术方案通过用第一传感器采集指纹的注册数据，生成第一图像，根据两个传感器的差异将第一图像进行转换得到第二图像，第二图像即可作为第二传感器采集同一个指纹得到的图像，基于两个图像生成这两个传感器的模板数据，供后续比对时使用，由于可以直接将第一图像转换得到第二图像，因而无需再次通过第二传感器采集注册数据，可以达到一次注册适用多个传感器使用的效果，方便用户使用。

可选地，在将第一图像转换为第二图像之前，通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；基于第一标定图像和第二标定图像获取第一传感器和第二传感器的校准数据。两个传感器分别都采集同一个标定板的图像，得到第一标定图像和第二标定图像，根据这两个标定图像就可以确定出两个传感器的特征差异，获取两个传感器的校准数据，这样可以通过基于校准数据将其中一个传感器采集到的模板图像转换为另一个传感器的模板图像。指纹可以无需在第二个传感器注册而实现在第二个传感器完成特征比对，进而解锁设备，需要说明的是，特征比对成功后可进行的操作包括多种，不限制为解锁，还可以是支付，响铃，亮屏等多种类型的结果。

标定板上的图案可以包括一种或多种不同的图案，例如，棋盘格、条纹、圆点等，实际使用时，可以根据不同算法进行选择，以达到更好的校准和对比效果。

采用这种方式可以实现一次注册多个传感器通用，在更多个传感器上使用时原理相同，不再赘述。

可选地，基于第一标定图像和第二标定图像获取第一传感器和第二传感器的校准数据包括：提取第一标定图像的第一特征数据和第二标定图像的第二特征数据；计算第一特征数据和第二特征数据之间的差异值，基于差异值获取第一传感器和第二传感器的校准数据。

可选地，差异值包括形变系数、大小变动系数、特征点变动系数。

可选地，生物特征识别方法还包括对待识别数据进行去噪处理和/或对齐处理。

例如，在一种实施例中，对待识别数据进行去噪处理和/或对齐处理包括：对待识别数据进行去噪处理，得到去噪数据；将去噪数据进行对齐处理，得到对齐数据，之后，再对对齐数据进行特征提取，以与模板数据进行匹配。

在将两个图像转换时，可以使用经过训练的深度学习模型将第一图像转换为第二图像，这样可以提高每次图像转换时的效率和准确率。

在图像转换前，可以分别使用第一传感器获取的生物特征的第一训练数据和第二传感器获取的生物特征的第二训练数据对深度学习模型进行训练，得到经过训练的深度学习模型。

可选地，模板数据包括从第一图像和第二图像直接提取的单张模板数据，和/或，分别将多张第一图像或多张第二图像进行拼接后获得的合成模板数据。

可选地，分别将多张第一图像或多张第二图像进行拼接包括：基于单张第一图像或单张第二图像的特征或像素对第一图像或第二图像进行配准，获得重叠区域；基于重叠区域对多张第一图像或多张第二图像进行拼接。

如果生物特征是指纹，受传感器位置限制每次能够采集到的指纹区域有限，这种情况下需要进行多次采集并将采集的多张第一图像或多张第二图像进行拼接得到一张模板图。

可选地，第一传感器和第二传感器包括位于电子设备侧面的传感器和屏下的传感器。设置在这两个位置可以方便用户通过采集指纹解锁电子设备。

本发明实施例还提供了一种具体实施方式。

以折叠式智能设备为例，图2是本实施例的传感器设置区域的示意图，该设备同时搭配侧边指纹传感器和屏下指纹传感器，用户可以选择通过侧边指纹传感器或屏下指纹传感器进行指纹注册和指纹识别。

图3是本实施例的校准流程的示意图。校准方法包括：

S301：通过屏下指纹传感器获取标定板的第一标定图像；

S302：通过侧边指纹传感器获取标定板的第二标定图像；

S303：提取第一标定图像的第一特征数据；

S304：提取第二标定图像的第二特征数据；

S305：计算第一特征数据和第二特征数据之间的差异值；

S306：基于差异值获取屏下指纹传感器和侧边指纹传感器的校准数据。

由于输入源一致，即相同的标定板，但是输出源会不一致，即采集的第一标定图像和第二标定图像会不同，依据两者输出源的特征，如形变系数、大小变动系数、特征点变动等特征，可以获取屏下指纹传感器和侧边指纹传感器的校准数据，以实现后续的图像转换。

在此不限制屏下指纹传感器和侧边指纹传感器获取标定板图像的先后顺序，即屏下指纹传感器和侧边指纹传感器可以同时获取标定板图像也可以分别在不同时刻获取标定板图像，图4是本实施例的部分标定板的图案示意图。

图5是本实施例的指纹识别方法的流程示意图，以在屏下指纹传感器注册指纹信息为例进行说明，具体包括：

S501：使用屏下指纹传感器获取指纹的注册数据，并生成第一图像；

S502：基于屏下指纹传感器和侧边指纹传感器的校准数据将第一图像转换为第二图像，即生成对应侧边指纹传感器的第二图像；

在一种实施例中，可以使用经过训练的深度学习模型将第一图像转换为第二图像，例如CycleGAN网络模型，主要学习两种图像之间的质量上变化，包括线条粗细，模糊程度，噪声等，CycleGAN网络模型可以包括生成网络、辨别网络、特征提取网络等，生成图像和Groundtruth图像在重叠区域应能提取出足够多相同(或相似)的特征。对深度学习模型进行训练时，输入样本可以包括侧边指纹传感器和屏下指纹传感器所采集的图像。基于屏下指纹传感器和侧边指纹传感器的校准数据，再把深度学习模型生成的图做位置变换，就可以将生成对应侧边指纹传感器的第二图像。

S503：基于第一图像和第二图像生成模板数据；

当通过屏下指纹传感器获取指纹的注册数据时，模板数据可以是单次注册时采集的第一图像或将多次注册采集的指纹图像进行拼接后保存的第一图像；

若通过侧边指纹传感器获取指纹的注册数据时，由于受侧边指纹传感器的尺寸位置限制，通常在注册时，只能采集到局部指纹图像，因此，模板数据可以是将多次注册采集的指纹图像进行拼接后保存的第一图像。

通常，拼接方法包括直接法和间接法。其中，间接法：先提取第一图像或第二图像的特征，然后通过特征对多张第一图像或多张第二图像进行配准，获得重叠区域；基于重叠区域对多张第一图像或多张第二图像进行拼接，特征包括但不限于细节点，脊线，局部纹理特征等等。直接法：直接基于单张第一图像或单张第二图像的像素进行配准，得重叠区域；基于重叠区域对多张第一图像或多张第二图像进行拼接，直接法包括梯度下降法，相位相关法等等。

直接注册产生和经过拼接的第一图像、以及经过转换得到的第二图像都作为指纹模板都保存到模板库中。

S504:通过屏下指纹传感器或侧边指纹传感器获取指纹的待识别数据。

S505:对待识别数据进行预处理。预处理包括但不限于下述至少一项：图像去噪、图像对齐、特征提取、图像转换等。

S506:将经过预处理的待识别数据和模板数据进行匹配，获得指纹识别结果。

在一种实施例中，识别时，将经过预处理的待识别数据经过特征值提取后与保存的指纹模板数据进行匹配，如果匹配成功即识别成功。

在另一个实施例中，在其中一个传感器接收到指纹图像时，与模板库中保存的指纹模板数据进行匹配，即可判断出是否是注册过的指纹。

需要说明的是，也可以先使用侧边指纹传感器获取指纹注册信息再生成对应屏下指纹传感器的图像。

本实施例的技术方案可以应用到搭载多个指纹传感器的设备中，用户只需要在侧边或者屏下指纹传感器其中一个传感器上进行单次注册，即可在两个传感器上进行识别。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例提供了一种生物特征识别装置，该装置可以用于执行本发明实施例的生物特征识别方法。

图6是根据本发明实施例的生物特征识别装置的示意图，如图6所示，该装置包括：

采集单元10，用于使用第一传感器获取生物特征的注册数据，并生成第一图像；

转换单元20，用于将所述第一图像转换为第二图像；

生成单元30，用于基于所述第一图像和所述第二图像生成模板数据；

获取单元40，用于使用所述第一传感器或第二传感器获取所述生物特征的待识别数据；

匹配单元50，用于将所述待识别数据与所述模板数据进行匹配，获得识别结果。

该实施例包括采集单元10，用于使用第一传感器获取生物特征的注册数据，并生成第一图像；转换单元20，用于将第一图像转换为第二图像；生成单元30，用于基于第一图像和第二图像生成模板数据；获取单元40，用于使用第一传感器或第二传感器获取生物特征的待识别数据；匹配单元50，用于将待识别数据与模板数据进行匹配，获得识别结果，从而解决了多个传感器的设备需要多次注册使用不便的问题，进而达到了无需对多个传感器多次注册，方便使用的效果。

可选地，该装置还包括：标定获取单元，用于在将第一图像转换为第二图像之前，通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；校准获取单元，用于基于第一标定图像和第二标定图像获取第一传感器和第二传感器的校准数据。

可选地，转换单元20用于：基于校准数据将第一图像转换为第二图像。

可选地，校准获取单元包括：提取模块，用于提取第一标定图像的第一特征数据和第二标定图像的第二特征数据；计算模块，用于计算第一特征数据和第二特征数据之间的差异值，基于差异值获取第一传感器和第二传感器的校准数据。

可选地，转换单元20使用经过训练的深度学习模型将第一图像转换为第二图像。

可选地，模板数据包括从第一图像和第二图像直接提取的单张模板数据，和/或，分别将多张第一图像或多张第二图像进行拼接后获得的合成模板数据。

所述生物特征识别装置包括处理器和存储器，上述采集单元、转换单元、生成单元、获取单元、匹配单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来无需对多个传感器多次注册方便使用。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例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程序，其中，在所述程序被处理器执行时执行本发明所述的生物特征识别方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述生物特征识别方法。

本发明实施例提供了一种设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的生物特征识别方法。本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：使用第一传感器获取生物特征的注册数据，并生成第一图像；将第一图像转换为第二图像；基于第一图像和第二图像生成模板数据；使用第一传感器或第二传感器获取生物特征的待识别数据；将待识别数据与模板数据进行匹配，获得识别结果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (20)

1.一种生物特征识别方法，其特征在于，包括：

使用第一传感器获取生物特征的注册数据，并生成第一图像；

将所述第一图像转换为第二图像；

基于所述第一图像和所述第二图像生成模板数据；

使用所述第一传感器或第二传感器获取所述生物特征的待识别数据；

将所述待识别数据与所述模板数据进行匹配，获得识别结果。

2.根据权利要求1所述的方法，还包括：在所述将所述第一图像转换为第二图像之前，还包括：

通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；

基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一图像转换为第二图像包括：基于所述校准数据将所述第一图像转换为所述第二图像。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据包括：

提取所述第一标定图像的第一特征数据和所述第二标定图像的第二特征数据；

计算所述第一特征数据和所述第二特征数据之间的差异值，基于所述差异值获取所述第一传感器和所述第二传感器的校准数据。

5.根据权利要求4所述的方法，其特征在于，所述差异值包括形变系数、大小变动系数、特征点变动系数。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述待识别数据进行去噪处理和/或对齐处理。

7.根据权利要求1所述的方法，其特征在于，使用经过训练的深度学习模型将所述第一图像转换为所述第二图像。

8.根据权利要求7所述的方法，其特征在于，分别使用第一传感器获取的所述生物特征的第一训练数据和所述第二传感器获取的所述生物特征的第二训练数据对所述深度学习模型进行训练，得到经过训练的深度学习模型。

9.根据权利要求1所述的方法，其特征在于，所述模板数据包括从所述第一图像和所述第二图像直接提取的单张模板数据，和/或，分别将多张所述第一图像或多张所述第二图像进行拼接后获得的合成模板数据。

10.根据权利要求9所述的方法，其特征在于，所述分别将多张所述第一图像或多张所述第二图像进行拼接包括：

基于单张所述第一图像或单张所述第二图像的特征或像素对所述第一图像或所述第二图像进行配准，获得重叠区域；

基于所述重叠区域对多张所述第一图像或多张所述第二图像进行拼接。

11.根据权利要求1所述的方法，其特征在于，所述生物特征包括指纹、掌纹、人脸。

12.根据权利要求1所述的方法，其特征在于，所述第一传感器和所述第二传感器包括位于电子设备侧面的传感器和屏下的传感器。

13.一种生物特征识别装置，其特征在于，包括：

采集单元，用于使用第一传感器获取生物特征的注册数据，并生成第一图像；

转换单元，用于将所述第一图像转换为第二图像；

生成单元，用于基于所述第一图像和所述第二图像生成模板数据；

获取单元，用于使用所述第一传感器或第二传感器获取所述生物特征的待识别数据；

匹配单元，用于将所述待识别数据与所述模板数据进行匹配，获得识别结果。

14.根据权利要求13所述的装置，还包括：

标定获取单元，用于在将所述第一图像转换为第二图像之前，通过第一传感器和第二传感器获取标定板的第一标定图像和第二标定图像；

校准获取单元，用于基于所述第一标定图像和所述第二标定图像获取所述第一传感器和所述第二传感器的校准数据。

15.根据权利要求14所述的装置，其特征在于，所述转换单元用于：基于所述校准数据将所述第一图像转换为所述第二图像。

16.根据权利要求14所述的装置，其特征在于，所述校准获取单元包括：

提取模块，用于提取所述第一标定图像的第一特征数据和所述第二标定图像的第二特征数据；

计算模块，用于计算所述第一特征数据和所述第二特征数据之间的差异值，基于所述差异值获取所述第一传感器和所述第二传感器的校准数据。

17.根据权利要求13所述的装置，其特征在于，所述转换单元使用经过训练的深度学习模型将所述第一图像转换为所述第二图像。

18.根据权利要求13所述的装置，其特征在于，所述模板数据包括从所述第一图像和所述第二图像直接提取的单张模板数据，和/或，分别将多张所述第一图像或多张所述第二图像进行拼接后获得的合成模板数据。

19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序被处理器执行时执行权利要求1至12中任意一项所述的生物特征识别方法。

20.一种设备，其特征在于，所述设备至少包括一个处理器，以及与所述处理器连接的至少一个存储器、总线，其中，所述处理器、所述存储器通过所述总线完成相互间的通信，所述处理器用于调用所述存储器中的程序指令，以执行权利要求1至12中任意一项所述的生物特征识别方法。

Images