本发明涉及指纹识别领域，特别涉及一种部分指纹图像重建的方法及存储介质。
背景技术：
随着科技的发展和技术的进步，触控显示面板已经广泛应用在需要进行人机交互接口的装置中，如工业计算机的操作屏幕、平板计算机、智能手机的触控屏幕等等。由于这些装置在使用过程中通常伴随着大量的用户信息，因而用户信息安全的保护就显得尤为重要。在众多的信息安全保护方式中，指纹识别加密是其中的重要一项。
目前的指纹获取方法中，常用技术手段是利用透镜式的架构获得整个指纹的整体图像，从而将指纹对应的图像信息进行存储，后续在需要将其用于进行比对的时候，再行通过后续录入的指纹图像与原纪录的整体图像进行比对，从而达到指纹识别的效果。
现有的技术中，在我们设计的指纹感测器中，已经能够通过屏下多单元结构同时得到单指纹的多部分成像结果，每张结果是用于反映指纹的部分纹路信息的初步成像结果。在使用该成像结果进行分析的操作中，一种方法是通过复杂的算法进行除重、补充、插值、拼接等来还原完整指纹图像。神经网络在图片处理领域的应用目前均有优异表现，如果能够训练神经网络完成对多幅单幅指纹图像的处理，并不拘泥于对单张部分指纹图像的去噪、插值、拼接等步骤，直接合成得到最终的完整指纹图像。通过使用神经网络技术处理部分指纹图像信息合成整体图像。无疑能够进一步提高指纹识别判断的速度。
综上所述，提供一种在对部分指纹图像输入环境下的识别、分析速度的方法、提高屏下指纹识别装置的用户体验的目的就显得尤为必要。
技术实现要素：
为此，需要提供一种指纹重建方法，包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的所属整体指纹图像的预测值。
进一步地，还包括如下步骤，建立神经网络，通过训练样本对神经网络进行训练，所述训练样本的输入为同属一完整指纹的若干部分指纹图像，输出为若干部分指纹图像对应的整体指纹图像。
进一步地，还包括如下步骤，将神经网络输出的整体指纹图像与指纹资料库内的指纹图像比对。
具体地，还包括步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹，及对应的整体指纹图像。
具体地，所述神经网络包括依次连接的卷积层和反卷积层。
优选地，所述神经网络包括两层卷积层、两层反卷积层。
优选地，所述卷积层的卷积核大小为5×5，步长为2，特征地图的数量为64。
一种指纹重建存储介质，存储有计算机程序，所述计算机程序在被运行时执行包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的所属整体指纹图像的预测值。
进一步地，所述计算机程序在被运行时还执行包括如下步骤，建立神经网络，通过训练样本对神经网络进行训练，所述训练样本的输入为同属一完整指纹的若干部分指纹图像，输出为若干部分指纹图像对应的整体指纹图像。
进一步地，所述计算机程序在被运行时还执行包括如下步骤，将神经网络输出的整体指纹图像与指纹资料库内的指纹图像比对。
具体地，所述计算机程序在被运行时还执行包括如下步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹，及对应的整体指纹图像。
具体地，所述神经网络包括依次连接的卷积层和反卷积层。
可选地，所述神经网络包括两层卷积层、两层反卷积层。
可选地，所述卷积层的卷积核大小为5×5，步长为2，特征地图的数量为64。
区别于现有技术，上述技术方案所述的同步验证指纹信息的触控组件操作方法和装置，所述方法应用于同步验证指纹信息的触控组件操作装置，所述装置包括显示单元和传感单元，所述显示单元上设置有指纹识别区，所述传感单元位于所述指纹识别区的下方，用于获取指纹识别区上的指纹信息；所述显示单元用于在所述指纹识别区内显示至少一个触控组件。所述方法包括以下步骤：接收用户手指对触控组件的操作指令，同步采集用户手指对应的指纹信息。上述方案可以有效减少用户指纹采集的操作步骤，提升了用户体验。
附图说明
图1为本发明的一实施例涉及的指纹重建方法流程图；
图2为本发明的一实施例涉及的神经网络结构示意图。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
如图1所示，包括了一种指纹分析方法，包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的反映该指纹全貌的整体指纹图像。这里所称的反映该指纹全貌的整体指纹图像，可以认为在一般比对方法下满足识别的要求即可，难以有量化的指标，此处试提出基本的要求如下：
1、反映该指纹全貌需能分辨指纹的具体类型，如弓型、拱型、左突型、右突型、螺旋形等等，即指纹的中心主体清楚。
2、输出的图像之所谓整体指纹图像，则其至少要包括输入的部分指纹图像对应的区域，即神经网络需要学习的是预测和填充，且解析度不低于输入的部分指纹图像。
在本实施例中，神经网络为专用于处理一幅至多幅部分指纹图像，根据神经网络的特性得到，或者说预测到指纹全貌的神经网络，其中部分指纹图像可以为一副，也可以为多幅，优选的部分指纹数量可以为三幅以上，当然地，这些部分指纹为同属一完整指纹的部分纹路。具体的实施方式可以为，预先在指纹库中存储完整指纹图像即整体指纹图像，及其对应的若干部分指纹图像。因此本方法可以预进行步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹图像数据，及对应的指纹的整体指纹图像。当这样的预存的整体指纹图像数量足够多的时候，就可以便于进行步骤，建立图像处理用的神经网络架构，将对应的若干部分指纹图像作为输入，将对应的整体指纹图像作为输出进行训练，当训练结果稳定之后，该神经网络架构将专门化为处理部分指纹图像而计算出整体指纹图像的神经网络。通过将神经网络图像应用于部分指纹图像的分析处理，能够简化其中的计算步骤，无论是去重、归一化、拼接等都化为其内部自身的神经元参数。其次能够利用神经网络的学习特性，即便是缺失部分信息的指纹，也能够在神经网络中得到对应的完整指纹的整体指纹图像的预测值，当训练样本越多，这一预测结果将越精确。再次通过神经网络还原完整的指纹图像，也避免了信息的泄露，提高现有指纹分析技术的安全性。
在某些实施例中，我们可以针对性地调整神经网络中的结构及对应参数。一实施例中，我们的神经网络包括依次连接的卷积层、和反卷积层，在这一实施例中，神经网络的输入为若干的部分指纹图像，经过卷积层得到卷积结果数据，卷积层可以根据需要设置层数，再将卷积结果数据输入到反卷积层后，输出最终神经网络对部分指纹图像对应的整体指纹图像特征值的预测结果。通过上述神经网络架构设计，我们能够达到更快地进行部分指纹图像的分析，并且对于多种特征值表示的不同结果均有较好表现，普适性强。
在如图2所示的某些实施例中，我们的神经网络包括依次连接的第一卷积层、第二卷积层、第一反卷积层和第二反卷积层。其中第一卷积层的卷积核大小为5×5；卷积核的步长即每次核心的位移为2，特征地图的数量为64；第二反卷积层的设置与第一卷积层对应；第二卷积层的卷积核大小、步长、及特征地图数量可设置为与第一卷积层相同，也可以根据需要另行选取不同的参数。在图2所示的实施例中，输入的部分指纹图像大小为80*80像素，经过第一卷积层后获得40*40的数据结果；再将此结果输入第二卷积层，可以得到20*20的二次卷积结果。再将此二次卷积结果通过两层反卷积层进行反卷积运算，调整参数使其获得160*160大小的完整指纹图像输出。通过上述设计，能够更好地进行指纹的重建步骤。从实践的角度来说，卷积核的大小越小，则卷积算法提取的特征越细致，但更容易出现过拟合，且对算力要求越高，卷积核越大则特征提取更为粗糙，以致匹配结果不够精确。步长的选取也有相同的特性，读者可以根据需要调整卷积核的大小和步长。
在另一些实施例中，神经网络架构的层级还可进一步优化，在第二卷积层与第一反卷积层中可以设置连接层，连接层用于将第二卷积层的卷积运算结果处理后输入第一反卷积层。连接层内可以设置多层结构，每层结构设计多个神经元，连接层的层级越多，每层神经元数量越丰富，神经网络的处理结果就越精确，占用的算力也就越多。在某些实施例中，还包括第一连接层及第二连接层，每层的神经元数量设置为400个。通过设计多层级的连接层，进一步提升了神经网络的处理能力，优化了处理效率，提升了重建指纹分析的准确性。
通过部分指纹图像生成整体指纹图像的步骤，我们已经完成了一个整体指纹的重建工作，为了更好地进行下一步的应用，在其他一些进一步的实施例中，还进行步骤，将神经网络输出的整体指纹图像与指纹资料库中存储的整体指纹图像进行比对。并根据比对结果进行如下步骤：若指纹资料库中存在某指纹比对一致，则判定为该二者指纹匹配，可以根据匹配结果进行安全性较高的操作等，若指纹资料库中不存在指纹比对一致，则判定为无法匹配，可以选择将神经网络输出的整体指纹图像与其对应的部分指纹图像作为新的对应关系存入指纹资料库，也可以选择返回不一致的匹配结果，还可以让设备拒绝进行后续的安全性操作步骤。指纹资料库可以建立在云端服务器，也可以运行于本地用户设备终端；比对步骤可以运行于云端服务器，也可以是直接运行于本地用户设备终端。通过上述方法设计本发明方案进一步达到了仅通过获取部分指纹图像就能够进行完整指纹匹配判断的有益效果，降低了对硬件设备识别图像的需求，提高了指纹识别方法的普适性，同时也提高了指纹识别方法的准确性。
其他一些实施例中，本发明还提供一种指纹重建存储介质，存储有计算机程序，所述计算机程序在被运行时执行包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的所属整体指纹图像的预测值。
进一步的实施例中，所述计算机程序在被运行时还执行包括如下步骤，建立神经网络，通过训练样本对神经网络进行训练，所述训练样本的输入为同属一完整指纹的若干部分指纹图像，输出为若干部分指纹图像对应的整体指纹图像。
进一步的实施例中，所述计算机程序在被运行时还执行包括如下步骤，将神经网络输出的整体指纹图像与指纹资料库内的指纹图像比对。
具体的实施例中，所述计算机程序在被运行时还执行包括如下步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹，及对应的整体指纹图像。
具体的实施例中，所述神经网络包括依次连接的卷积层和反卷积层。
可选的实施例中，所述神经网络包括两层卷积层、两层反卷积层。
可选的一些实施例中，所述卷积层的卷积核大小为5×5，步长为2，特征地图的数量为64。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。
1.一种指纹重建方法，其特征在于，包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的所属整体指纹图像的预测值。
2.根据权利要求1所述的指纹重建方法，其特征在于，还包括如下步骤，建立神经网络，通过训练样本对神经网络进行训练，所述训练样本的输入为同属一完整指纹的若干部分指纹图像，输出为若干部分指纹图像对应的整体指纹图像。
3.根据权利要求1所述的指纹重建方法，其特征在于，还包括如下步骤，将神经网络输出的整体指纹图像与指纹资料库内的指纹图像比对。
4.根据权利要求1所述的指纹重建方法，其特征在于，还包括步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹，及对应的整体指纹图像。
5.根据权利要求1所述的指纹重建方法，其特征在于，所述神经网络包括依次连接的卷积层和反卷积层。
6.根据权利要求5所述的指纹重建方法，其特征在于，所述神经网络包括两层卷积层、两层反卷积层。
7.根据权利要求6所述的指纹分析方法，其特征在于，所述卷积层的卷积核大小为5×5，步长为2，特征地图的数量为64。
8.一种指纹重建存储介质，其特征在于，存储有计算机程序，所述计算机程序在被运行时执行包括如下步骤，获取部分指纹图像输入神经网络，获取神经网络输出的所属整体指纹图像的预测值。
9.根据权利要求8所述的指纹重建存储介质，其特征在于，所述计算机程序在被运行时还执行包括如下步骤，建立神经网络，通过训练样本对神经网络进行训练，所述训练样本的输入为同属一完整指纹的若干部分指纹图像，输出为若干部分指纹图像对应的整体指纹图像。
10.根据权利要求8所述的指纹重建存储介质，其特征在于，所述计算机程序在被运行时还执行包括如下步骤，将神经网络输出的整体指纹图像与指纹资料库内的指纹图像比对。
11.根据权利要求8所述的指纹重建存储介质，其特征在于，所述计算机程序在被运行时还执行包括如下步骤，建立指纹资料库，所述指纹资料库包括属同一指纹的若干部分指纹，及对应的整体指纹图像。
12.根据权利要求8所述的指纹重建存储介质，其特征在于，所述神经网络包括依次连接的卷积层和反卷积层。
13.根据权利要求12所述的指纹重建存储介质，其特征在于，所述神经网络包括两层卷积层、两层反卷积层。
14.根据权利要求12所述的指纹重建存储介质，其特征在于，所述卷积层的卷积核大小为5×5，步长为2，特征地图的数量为64。
技术总结