计算机工程

作者：张永良, 陈紫鹏, 余梦娜, 李子文

单位：1. 浙江工业大学计算机科学与技术学院, 浙江 杭州 3100142. 湖北警官学院刑事技术与情报系, 湖北 武汉 430034

关键词：性别识别,指纹,多模型融合,多尺度注意力机制,D-S证据理论

基金：国家自然科学基金(62102364); 浙江省自然科学基金(LY22F020016); 痕迹科学与技术公安部重点实验室开放课题(2022FMKFKT05)

在当今社会, 指纹识别技术得到广泛使用并占据个人身份认证的大部分市场。性别是区分人与人的最基本的特征之一, 性别分类对于调查刑事犯罪和性别冒充至关重要。目前, 已有许多利用指纹脊数等物理特征进行指纹性别识别的方法, 但基于传统手工特征的识别方法难以应用在复杂多变的场景中。为此, 提出一种基于多尺度注意力机制和多模型融合策略的指纹性别识别方法FGRNet。首先, 在稠密块中引入深度可分离卷积与CBAM(Convolutional Block Attention Module)注意力机制, 在不增加参数量的同时提高网络深度与广度; 其次, 在CBAM模块中引入多尺度结构, 以较低的模型复杂度学习注意力权重, 并有效地整合局部注意力和全局注意力, 从而建立远程通道依赖, 使得网络提取的特征更具判别性; 最后, 利用不同模型之间的互补性, 设计基于证据理论的多模型融合策略, 进一步提升识别精度。实验结果表明, 在公开数据集SOCOFing和自建数据集上, FGRNet的准确率分别达到82.655 8%和91.149 0%, 且模型具有良好的鲁棒性, 在指纹图像包含大量无关噪声的情况下仍能达到较好的识别效果。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期