买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于深度匹配网络和预训练策略的小面积指纹匹配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116912891B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310792499.3，技术领域涉及：G06V40/12；该发明授权基于深度匹配网络和预训练策略的小面积指纹匹配方法是由赵恒;牛林凯;余嘉琛;曹志诚;庞辽军设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于深度匹配网络和预训练策略的小面积指纹匹配方法在说明书摘要公布了：本发明公开了一种基于深度匹配网络和预训练策略的小面积指纹匹配方法，包括：构建小面积指纹数据库Ⅰ和数据库Ⅱ；构建基于深度学习的小面积指纹匹配网络和变换网络；其中，变换网络用于对输入的成对小面积指纹图像进行方向场特征提取，获得变换参数，并根据变换参数进行匹配网络预训练过程中的图像变换；匹配网络用于对输入的成对小面积指纹图像进行深度特征提取和相似度匹配；利用数据库Ⅱ中的小面积指纹图像对变换网络进行训练，并在训练过程中和训练完成后对匹配网络进行预训练；利用数据库Ⅰ对预训练后的匹配网络进行训练，以便利用训练好的匹配网络实现小面积指纹匹配。该方法设计的匹配网络训练速度较快，可以实现小面积指纹的高精度匹配。

本发明授权基于深度匹配网络和预训练策略的小面积指纹匹配方法在权利要求书中公布了：1.一种基于深度匹配网络和预训练策略的小面积指纹匹配方法，其特征在于，包括： 步骤1：基于完整指纹数据库构建小面积指纹数据库Ⅰ和数据库Ⅱ；其中，所述数据库Ⅰ和数据库Ⅱ中均包括若干两两互为真实配对的小面积指纹图像，且任意不同身份的小面积指纹图像之间为假配对； 步骤2：构建基于深度学习的小面积指纹变换网络和匹配网络；其中， 构建的变换网络包括第一特征提取模块、Similarity模块和变换参数回归模块；其中，所述第一特征提取模块用于对输入的小面积指纹图像对进行特征提取，得到两个小面积指纹图像的方向场图；所述Similarity模块用于计算两个小面积指纹图像的方向场图的差异，得到第一相似度矩阵；所述变换参数回归模块用于对所述第一相似度矩阵进行卷积，得到变换参数； 构建的匹配网络包括第二特征提取模块、特征相似度模块和特征分类模块；其中，所述第二特征提取模块用于对输入的小面积指纹图像对进行特征提取；所述特征相似度模块用于对第二特征提取模块输出的特征图进行相似度操作，得到三维相似度矩阵；所述特征分类模块用于对所述三维相似度矩阵进行相似度分数融合，并输出匹配分数； 所述Similarity模块包括L2-norm模块、特征图维度变换模块以及矩阵乘法模块；其中，所述L2-norm模块用于对输入的两个小面积指纹的特征图在特征图的通道维度上进行L2-norm操作；所述特征图维度变换模块用于对L2-norm操作后得到的特征图进行维度变换操作；所述矩阵乘法模块用于对维度变换后的特征图做矩阵乘法操作，得到相似度矩阵； 步骤3：31从所述数据库Ⅱ中取出真实配对的小面积指纹图像对输入到所述变换网络中，并根据输出的方向场与小面积指纹的真实方向场标签计算对应的损失函数，以对所述变换网络进行训练；32当所述变换网络训练若干epoch后，从所述数据库Ⅱ中随机选取两张小面积指纹图像和组成一对，并将其输入到变换网络中，以获得变换参数；33利用所述变换参数对小面积指纹图像进行变换，得到变换图像，并将其与组成一对输入到匹配网络中，并对匹配网络进行1个epoch的预训练；34重复步骤31-34，直至所述变换网络训练达到预设目标，得到训练好的变换网络；35基于训练好的变换网络，利用所述数据库Ⅱ中的随机配对的小面积指纹图像对所述匹配网络进行若干epoch的预训练； 步骤4：利用所述数据库Ⅰ对预训练后的匹配网络进行训练，以便于利用训练好的匹配网络实现小面积指纹匹配。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。