部分指纹的联合身份验证与姿态对齐

当前便携式电子设备日益流行。就轻量级考虑而言，其指纹识别模块通常使用有限尺寸的传感器。然而，部分指纹可匹配特征稀少，尤其在指纹按压姿态或图像质量存在差异时，这使得部分指纹验证具有挑战性。大多数现有方法将指纹位置矫正和身份验证视为独立任务，忽略了它们之间的耦合关系——姿态估计通常依赖于锚定的配对特征，而认证精度随姿态对齐精度的提升而提高。本文提出一种面向部分指纹对的联合身份验证与姿态对齐框架，旨在利用其内在相关性相互提升。为实现此目标，我们提出一种多任务 CNN（卷积神经网络）-Transformer 混合网络，并设计预训练任务以增强特征提取能力。在多个公开数据集（NIST SD14、FVC2002 DB1A & DB3A、FVC2004 DB1A & DB2A、FVC2006 DB1A）以及自建数据集上的实验表明，我们的方法在部分指纹验证和相对姿态估计方面均实现了最新水平，同时比以往方法更高效。