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！

龙图腾网获悉上海交通大学申请的专利全自动指纹细节特征提取方法及系统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：CN114332957B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202111591140.7，技术领域涉及：G06V40/12；该发明授权全自动指纹细节特征提取方法及系统是由赵洪田;郑世宝;王玉设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本全自动指纹细节特征提取方法及系统在说明书摘要公布了：本发明提供了一种全自动指纹细节特征提取方法及系统，包括：步骤S1：基于指纹先验知识和指纹细节点预测网络形成指纹细节提取网络D；步骤S2：对指纹图像进行预处理，得到预处理后的指纹图像；步骤S3：利用预处理后的指纹图像训练指纹细节提取网络D，得到训练后的指纹细节提取网络D；步骤S4：利用训练后的指纹细节提取网络D初步预测指纹细节点集；步骤S5：初步预测指纹细节点集应用基于普适交并比的非极大抑制对指纹冗余点进行剔除，得到最终准确的指纹细节点集。

本发明授权全自动指纹细节特征提取方法及系统在权利要求书中公布了：1.一种全自动指纹细节特征提取方法，其特征在于，包括： 步骤S1：基于指纹先验知识和指纹细节点初步预测网络形成指纹细节提取网络D； 步骤S2：对指纹图像进行预处理，得到预处理后的指纹图像； 步骤S3：利用预处理后的指纹图像训练指纹细节提取网络D，得到训练后的指纹细节提取网络D； 步骤S4：利用训练后的指纹细节提取网络D初步预测指纹细节点集； 步骤S5：对初步预测指纹细节点集应用基于普适交并比的非极大值抑制算法对指纹冗余点进行剔除，得到最终准确的指纹细节点集； 所述指纹细节点初步预测网络是基于ResNet的方向预测和指纹分割以及细节点提取的卷积神经网络； 所述指纹细节提取网络D是基于FingerNet框架的细节点检测方法；包括残差网络预测指纹方向场进行指纹图像分割以及使用残差网络预测指纹细节点，最后基于提出的普适交并比非极大抑制算法删除冗余点； 由ResNet构成的指纹方向估计和指纹图像分割模块，包括： 输入归一化指纹特征图首先依次进入2层含有64个3×3卷积的神经网络层中，随后进入步长为2的2×2池化层中；然后特征图进入128个3×3的卷积中并继续进入两层128个3×3的卷积层中，后两个卷积层通过残差进行连接，这步操作循环3次；之后进入步长为2的2×2池化层，该步输出为128张128×128特征图；特征图继续进入3层256个3×3个卷积层的神经网络，并且后两个网络进行残差连接，再进入步长为2的2×2的池化层；随后由网络主干分成3个分支，其中第一个分支作为主干分支，后两个分支为基于卷积核膨胀操作的多尺度分割网络，用以提取更大感受野内的特征，进而提升指纹分割的精度；主干分支中，特征图进入3层512个3×3的卷积层，后两层使用残差进行连接；特征图进入2层由256个3×3的卷积层，随后进入128个1×1的卷积层，再分别进入90个1×1的方向估计卷积层和1个1×1的分割卷积层；在后两个分支中，由主干网络输出的128张128×128特征图分别进入膨胀率分别为4和8的256个3×3的两个卷积网络中，这两个卷积网络后续部分具有同样的结构，先进入1层由256个3×3的卷积层，随后再分别进入128个1×1的卷积层，再分别进入90个1×1的方向估计卷积层和1个1×1的分割卷积层；最后，将以上三个分支中方向特征分别融合后然后送入激活层作为方向特征的输出，同理，指纹分割特征也做相应融合和激活后输出分割特征图； ResNet构成的细节点特征提取模块具体结构设计为： 512×512×2特征图首先进入3层卷积网络层，每一层均包含64个9×9的卷积，后两个卷积层通过残差网络进行连接，以上操作循环3次，随后进入一个步长为2池化大小为2×2的Pooling层；之后，256×256×128特征图进入3层卷积网络，每一层网络包括128个5×5的卷积，同样后两层做残差连接，该步操作循环执行3次进入步长为2，池化大小为2×2的池化层；随后进入3层卷积网络，每一层网络包括256个3×3卷积，后两个卷积层通过残差进行连接，最后网络进入步长为2，池化大小为2×2的池化层；接下来64×64×256特征图将进入3个支路分别评估方向，细节点坐标h,w，和可信度得分的概率值。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。