一种生物识别方法以及可编程器件与流程

本发明涉及数据通信技术，尤其涉及的是一种生物识别方法以及可编程器件。

背景技术：

人脸识别系统为一个完整的独立运行设备，其核心是人脸采集与识别功能。现有技术所提供的人脸识别系统至少包括cmos(英文全称：complementarymetaloxidesemiconductor，中文全称：互补金属氧化物半导体)图像传感器以及微处理器。

现有技术所提供的人脸识别系统中，用户的人脸图像由cmos图像传感器采集进入所述人脸识别系统，由系统所包括的微处理器通过深度学习的算法提取人脸图像特征并与以前登记的人脸特征进行比对，比对成功则输出控制信号，否则提示错误信息。

当前，随着人脸识别技术应用的广泛，系统需要采集以及识别的人脸图像的数目非常的多，则对微处理器识别的效率以及识别的准确度的要求越来越高，但是，人脸识别系统所包括的微处理器处理能力有限，深度学习的算法在微处理器中很难应用，所以现有人脸识别系统进行人脸检测的可靠性低，且处理效率低。

技术实现要素：

本发明实施例提供了一种能够提高识别可靠性以及处理效率高的生物识别方法以及可编程器件。

本发明实施例提供了一种生物识别方法，包括：

可编程器件获取待识别的人体生物图像；

所述可编程器件基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像，其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，所述第一目标图像小于所述待识别的人体生物图像；

所述可编程器件将所述第一目标图像归一化处理为预设大小的第二目标图像；

微处理器获取所述第二目标图像；

所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像。

可选的，所述可编程器件获取待识别的人体生物图像包括：

所述可编程器件获取所述微处理器发送的所述待识别的人体生物图像；

或者，

所述微处理器将读取指令发送给所述可编程器件，所述读取指令用于指示所述待识别的人体生物图像已存储至存储器中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器中的地址；

所述可编程器件接收所述读取指令；

所述可编程器件根据所述读取指令获取所述待识别的人体生物图像。

可选的，所述卷积神经网络包括依次连接的第一卷积层、池化层、第一非线性函数层、第二卷积层、第二非线性函数、第三卷积层以及全连接层，所述可编程器件基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像包括：

所述可编程器件通过n个第一卷积核对所述待识别的人体生物图像进行卷积以生成多个第一图像区块，所有所述第一图像区块映射以形成第一图像，所述n个第一卷积核中的每一个第一卷积核与一个所述第一图像区块对应，n为非零正整数；

所述可编程器件通过所述池化层对所述第一图像进行最大值池化以形成第二图像；

所述可编程器件把所述第二图像中像素值小于零的像素值更改为零；

所述可编程器件基于所述第二卷积层通过m个第二卷积核对所述第二图像进行卷积以生成多个第二图像区块，所有所述第二图像区块映射以形成第三图像，所述m个第二卷积核中的每一个第二卷积核与一个所述第二图像区块对应，m为非零正整数；

所述可编程器件把所述第三图像中像素值小于零的像素值更改为零；

所述可编程器件基于所述第三卷积层通过1个第三卷积核对所述第三图像进行卷积以生成第四图像；

所述可编程器件基于所述全连接层与所述第四图像全相连以输出所述第一目标图像。

可选的，所述可编程器件将所述第一目标图像归一化处理为预设大小的第二目标图像包括：

所述可编程器件根据所述第一目标图像检测出所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述目标图像中的位置；

所述可编程器件根据所述待识别的人体生物图像所包含的所述生物识别信息以及所述生物识别信息在所述目标图像中的位置归一化处理为预设大小的所述第二目标图像。

可选的，所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像包括：

所述微处理器基于特征提取网络对所述第二目标图像进行特征提取以获取所述特征图像，所述特征提取网络包括多个卷积层，且任意相邻的两个所述卷积层之间依次设置有非线性函数层以及池化层。

本发明实施例还提供了一种可编程器件，包括：

获取单元，用于获取待识别的人体生物图像；

转换单元，用于基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像，其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，所述第一目标图像小于所述待识别的人体生物图像；

处理单元，用于将所述第一目标图像归一化处理为预设大小的第二目标图像，以使微处理器获取到所述第二目标图像，使得所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像。

可选的，所述获取单元用于获取所述微处理器发送的所述待识别的人体生物图像；

或者，

所述获取单元包括：

第一获取模块，用于接收所述微处理器发送的读取指令，所述读取指令用于指示所述待识别的人体生物图像已存储至存储器中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器中的地址；

第二获取模块，用于根据所述读取指令获取所述待识别的人体生物图像。

可选的，所述卷积神经网络包括依次连接的第一卷积层、池化层、第一非线性函数层、第二卷积层、第二非线性函数、第三卷积层以及全连接层，所述转换单元包括：

第一处理模块，用于通过n个第一卷积核对所述待识别的人体生物图像进行卷积以生成多个第一图像区块，所有所述第一图像区块映射以形成第一图像，所述n个第一卷积核中的每一个第一卷积核与一个所述第一图像区块对应，n为非零正整数；

第二处理模块，用于通过所述池化层对所述第一图像进行最大值池化以形成第二图像；

第三处理模块，用于把所述第二图像中像素值小于零的像素值更改为零；

第四处理模块，用于基于所述第二卷积层通过m个第二卷积核对所述第二图像进行卷积以生成多个第二图像区块，所有所述第二图像区块映射以形成第三图像，所述m个第二卷积核中的每一个第二卷积核与一个所述第二图像区块对应，m为非零正整数；

第五处理模块，用于把所述第三图像中像素值小于零的像素值更改为零；

第六处理模块，用于基于所述第三卷积层通过1个第三卷积核对所述第三图像进行卷积以生成第四图像；

第七处理模块，用于基于所述全连接层与所述第四图像全相连以输出所述第一目标图像。

可选的，所述处理单元包括：

第八处理模块，用于根据所述第一目标图像检测出所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述目标图像中的位置；

第九处理模块，用于根据所述待识别的人体生物图像所包含的所述生物识别信息以及所述生物识别信息在所述目标图像中的位置归一化处理为预设大小的所述第二目标图像。

采用本实施例所示的生物识别方法以及可编程器件，能够通过独立的可编程器件对待识别的人体生物图像进行处理以生成预设大小的第二目标图像，所述微处理器即可对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像，因由所述可编程器件对所述待识别的人体生物图像进行处理，所述微处理器只需要对所述可编程器件处理后的所述第二目标图像进行识别即可，从而降低了微处理器的运算难度，提升了识别过程的效率。而且本实施例通过卷积神经网络对输入的图像进行处理，从而提升了识别的精确性，避免误识别的可能。

附图说明

图1为本发明所提供的生物识别系统的一种实施例结构示意图；

图2为本发明所提供的生物识别系统的一种实施例结构示意图；

图3为本发明所提供的生物识别方法的一种实施例步骤流程图；

图4为本发明所提供的卷积神经网络的一种实施例结构示意图；

图5为本发明所提供的卷积神经网络生成第一目标图像的一种实施例流程示意图；

图6为本发明所提供的可编程器件的一种实施例结构示意图。

具体实施方式

本实施例所示的生物识别方法基于生物识别系统，以下结合图1所示对本实施例所示的生物识别系统的硬件结构进行说明。

如图1所示，本实施例所示的生物识别系统包括微处理器101、可编程器件102、存储器103以及cmos图像传感器104。

具体的，所述微处理器101分别与所述可编程器件102、所述存储器103以及所述cmos图像传感器104电连接。

所述cmos图像传感器104用于采集待识别的人体生物图像。

所述cmos图像传感器104用于将已采集到的所述待识别的人体生物图像发送给所述微处理器101。

其中，图1所示的所述生物识别系统所采集到的所述待识别的人体生物图像可为用户的人脸图像、或用户的指纹图像、或用户的虹膜图像，或用户的指静脉图像等。

需明确的是，本实施例对所述待识别的人体生物图像不作限定，只要所采集到的所述待识别的人体生物图像与用户具有唯一的对应关系即可。

所述微处理器可用于完成所述图像识别系统的所有接口控制和io功能，包括但不限于驱动显示设备、usb通信、以太网及其门禁控制单元。

所述可编程器件102用于进行图像处理。

本实施例所示的所述可编程器件可为fpga(英文全称：field-programmablegatearray，中文全称：现场可编程门阵列)芯片。

需明确的是，本实施例对所述可编程器件可为fpga的说明为可选的示例，不做限定，只要所述可编程器件能够进行图像处理即可，其进行图像处理的具体过程请详见下述实施例所示，具体在本实施例中不作赘述。

本实施例所示的所述生物识别系统还可包括其他接口器件，以使当本实施例所示的生物识别系统应用至不同的应用场景时，可根据场景需求的不同设置不同的接口器件，具体在本实施例中不做详述。

本实施例相对于图1所示的生物识别系统，本实施例结合图2所示对本实施例所提供的另一种生物识别系统进行说明。

以下结合图2所示对本实施例所示的生物识别系统的硬件结构进行说明。

如图2所示，本实施例所示的生物识别系统包括微处理器201、可编程器件202、存储器203以及cmos图像传感器204。

具体的，所述微处理器201分别与所述可编程器件202以及所述存储器203电连接。

所述可编程器件202还与所述cmos图像传感器204电连接。

所述cmos图像传感器204用于采集待识别的人体生物图像。

其中，本实施例所示的待识别的人体生物图像可为用户的人脸图像、或用户的指纹图像、或用户的虹膜图像，或用户的指静脉图像等。

需明确的是，本实施例对所述待识别的人体生物图像不作限定，只要所采集到的所述待识别的人体生物图像与用户具有唯一的对应关系即可。

所述cmos图像传感器204将已采集到的所述待识别的人体生物图像发送给所述可编程器件202，以使所述可编程器件202完成对所述待识别的人体生物图像的图像处理。

所述微处理器201可用于完成所述图像识别系统的所有接口控制和io功能，包括但不限于驱动显示设备、usb通信、以太网及其门禁控制单元。

本实施例所示的所述可编程器件202可为fpga(英文全称：field-programmablegatearray，中文全称：现场可编程门阵列)芯片。

本实施例所示的所述可编程器件202可进行图像处理，其进行图像处理的具体过程请详见下述实施例所示，具体在本实施例中不作赘述。

本实施例所示的所述生物识别系统还可包括其他接口器件，以使当本实施例所示的生物识别系统应用至不同的应用场景时，可根据场景需求的不同设置不同的接口器件，具体在本实施例中不做详述。

基于图1和图2所示的生物识别系统，本发明实施例提供了一种生物识别方法，以下结合图3所示对本实施例所示的生物识别方法进行说明。

步骤301、所述可编程器件获取待识别的人体生物图像。

本实施例中，基于不同的所述生物识别系统，所述可编程器件获取所述待识别的人体生物图像的具体方式有所不同；

若本实施例所示的所述生物识别系统如图1所示，则所述可编程器件获取待识别的人体生物图像的具体过程可为：

所述cmos图像传感器104将采集到的所述待识别的人体生物图像存储至所述存储器103中，所述微处理器101从所述存储器103中获取到所述待识别的人体生物图像，则所述微处理器101可将所述待识别的人体生物图像发送给所述可编程器件102，即本实施例中，所述可编程器件102直接接收所述微处理器101发送的所述待识别的人体生物图像。

可选的，基于图1所示的生物识别系统，则所述可编程器件获取待识别的人体生物图像的具体过程还可为：

所述cmos图像传感器104将采集到的所述待识别的人体生物图像存储至所述存储器103中，所述微处理器101在检测到所述待识别的人体生物图像存储在所述存储器103中时，所述微处理器101通过系统总线将读取指令发送给所述可编程器件102；

其中，所述读取指令用于指示所述待识别的人体生物图像已存储至所述存储器103中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器103中的地址；

所述可编程器件102通过所述系统总线即可接收所述读取指令；

所述可编程器件102根据所述读取指令即可获取到存储在所述存储器103中的所述待识别的人体生物图像。

若本实施例所示的所述生物识别系统如图2所示，则所述可编程器件获取待识别的人体生物图像的具体过程可为：

所述cmos图像传感器204将采集到的所述待识别的人体生物图像存储至所述存储器203中，所述微处理器201将读取指令发送给所述可编程器件202，所述读取指令用于指示所述可编程器件202获取存储在所述存储器203中的所述待识别的人体生物图像；

所述可编程器件202根据所述读取指令获取存储在所述存储器中的所述待识别的人体生物图像。

可选的，基于图2所示的生物识别系统，则所述可编程器件获取待识别的人体生物图像的具体过程还可为：

所述cmos图像传感器204将采集到的所述待识别的人体生物图像存储至所述存储器203中，所述微处理器201在检测到所述待识别的人体生物图像存储在所述存储器203中时，所述微处理器201通过系统总线将读取指令发送给所述可编程器件202；

其中，所述读取指令用于指示所述待识别的人体生物图像已存储至所述存储器203中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器203中的地址；

所述可编程器件202通过所述系统总线即可接收所述读取指令；

所述可编程器件202根据所述读取指令即可获取到存储在所述存储器103中的所述待识别的人体生物图像。

其中，所述待识别的人体生物图像的具体说明请详见图1至图2所示的实施例，具体在本实施例中不作赘述。

步骤302、所述可编程器件基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像。

其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，且所述第一目标图像小于所述待识别的人体生物图像。

首先，结合图4所示对所述卷积神经网络的具体结构进行说明。

本实施例所示的所述卷积神经网络包括依次连接的第一卷积层401、池化层402、第一非线性函数层403、第二卷积层404、第二非线性函数405、第三卷积层406以及全连接层407。

以下结合图5所示对所述卷积神经网络具体是如何生成所述第一目标图像的进行说明。

具体的，所述第一卷积层401通过n个第一卷积核对所述待识别的人体生物图像500进行卷积以生成多个第一图像区块。

其中，本实施例所示的所述待识别的人体生物图像500为三个颜色通道的彩色图像，即所述为三个颜色通道的彩色图像为rgb三个颜色通道的彩色图像。

具体的，每种所述第一卷积核都是一种待识别的人体生物图像特征的提取方式。

不同的第一卷积核能够提取所述待识别的人体生物图像不同的特征。

所述n个第一卷积核中的每一个第一卷积核与一个所述第一图像区块对应，n为非零正整数。

所有所述第一图像区块映射以形成第一图像501，即所述第一图像501由所有所述第一图像区块组合以形成。

如图5所示，本实施例以所述第一卷积层501有32个所述第一卷积核，且所述第一卷积核的大小为5*5为例。

所述待识别的人体生物图像500的高为h宽为w，则经过所述第一卷积层501对所述待识别的人体生物图像500进行卷积后所形成的所述第一图像501的高为(h-4)，宽为(w-4)。

所述池化层402对所述第一图像501进行最大值池化以形成第二图像。

具体的，所述可编程器件可在所述第一图像501定义多个池化窗口，且所述池化窗口之间均为相互之间不重复的。

可选的，本实施例所示的所述池化窗口的大小可为2x2、或3x3、或4x4。

需明确的是，本实施例对所述池化窗口的大小的说明为可选的示例，本实施例对所述池化窗口的具体大小不做限定。

所述池化层402对所述第一图像501进行最大值池化的过程为，所述可编程器件选择每个所述池化窗口的最大值作为该池化窗口池化后的值。

以所述池化窗口大小为4x4为例，则本实施例所示的所述池化层402在4x4大小的图像块中取最大值作为池化后的值。

可见，通过所述池化层402能够对所述第一图像501进行缩小以形成所述第二图像，即所述第二图像的大小小于所述第一图像的大小。

需明确的是，本实施例所示的所述池化层402通过最大值池化方法对所述第一图像501进行处理的过程为可选的示例，不做限定，在具体应用中，所述池化层402还可通过平均池化方法对所述第一图像501进行处理。

更具体的，若本实施例以所述池化窗口的大小为2x2为例，则所述第二图像相对于所述第一图像缩小了2倍，若本实施例以所述池化窗口的大小为3x3为例，则所述第二图像相对于所述第一图像缩小了3倍，依次类推。

所述可编程器件可基于所述第一非线性函数层403把所述第二图像中像素值小于零的像素值更改为零。

其中，本实施例所示的所述第一非线性函数层403可为校正线性单元relu，或者为sigmoid函数。

如图5所示，本实施例以所述第一非线性函数层403为校正线性单元relu为例。

以图5所示为例，经过所述第一非线性函数层403后的所述第二图像为32通道数据，且大小为((h-4)/4)*((w-4)/4)。

所述第二卷积层404通过m个第二卷积核对所述第二图像进行卷积以生成多个第二图像区块。

所有所述第二图像区块映射以形成第三图像，所述m个第二卷积核中的每一个第二卷积核与一个所述第二图像区块对应，m为非零正整数。

具体的，如图5所示，本实施例以所述第二卷积核的数目为64个，且大小为7*7为例。

所述可编程器件基于所述第二非线性函数层405把所述第三图像中像素值小于零的像素值更改为零。

本实施例所示的所述第二非线性函数层405的具体说明请详见第一非线性函数层403的说明，具体在本实施例中不作赘述。

所述第三卷积层通过1个第三卷积核对所述第三图像进行卷积以生成第四图像，以使所生成的所述第四图像为单通道图像数据。

具体的，本实施例所示的所述第三卷积核的数目为1个，且大小为1*1，以使所述第四图像相对于所述待识别的人体生物图像400缩小了4倍。

所述全连接层407与所述第四图像全相连以输出所述第一目标图像。

可选的，本实施例所示的所述第一目标图像可由本实施例所示的卷积神经网络基于单通道处理为灰度图像。

如图5所示，本实施例所示的所述第一目标图像为1通道图像，且所述第一目标图像的大小为((h-4)/4-6)*((w-4)/4-6)。

步骤303、所述可编程器件根据所述第一目标图像检测出所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述第一目标图像中的位置。

具体的，若所述待识别的人体生物图像为人脸图像，则所述待识别的人体生物图像所包含的生物识别信息可为人脸本体图像。

所述待识别的人体生物图像除包含有人脸本体之外，可能还包括对人脸进行拍摄时所拍摄的背景以及人脸本体之外的其他物体。

若所述待识别的人体生物图像为指纹图像，则所述待识别的人体生物图像所包含的生物识别信息可为指纹本体。

所述待识别的人体生物图像除包含有指纹本体之外，可能还包括对指纹进行拍摄时所拍摄的背景以及指纹本体之外的其他物体。

更具体的，所述生物识别信息可为虹膜本体或指静脉本体等。

本实施例通过所述可编程器件能够确定所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述第一目标图像中的位置。

具体的，在所述可编程器件确定所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述第一目标图像中的位置的具体过程中，所述可编程器件可在所述第一目标图像上搜索目标点，所述目标点为所述第一目标图像的任意局部位置，确定所述目标点的最大值，判断所述最大值是否大于预选设定的阈值，若是，则将所述目标点的位置对应于输入的所述第一目标图像中所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述第一目标图像中的位置。

步骤304、所述可编程器件根据所述待识别的人体生物图像所包含的所述生物识别信息以及所述生物识别信息在所述目标图像中的位置归一化处理为预设大小的所述第二目标图像。

本实施例中，所述可编程器件可预先设置所述预设大小，本实施例对所述预设大小不做限定，只要图像的大小为所述预设大小时能够便于所述可编程器件102进行图像处理即可。

本实施例对所述预设大小不做限定。

步骤305、所述微处理器获取所述第二目标图像。

本实施例中所述微处理器获取所述第二目标图像的具体方式可为：

所述可编程器件可生成通知信息，所述通知信息用于指示所述可编程器件已对所述待识别的人体生物图像处理完成且已生成所述第二图像。

所述可编程器件即可将所述通知信息发送给所述微处理器，以使所述微处理器根据所述通知信息从所述可编程器件处读取所述第二目标图像。

步骤306、所述微处理器对所述第二目标图像进行特征提取以获取特征图像。

具体的，本实施例所示的所述微处理器可基于特征提取网络将所述第二目标图像进行特征提取以输出所述特征图像。

本实施例对所述特征提取网络的具体结构不做限定，只要所述特征提取网络能够对所述第二目标图像进行特征提取以输出所述特征图像即可。

可选的，本实施例所示的所述特征提取网络包括依次设置的五层卷积层、任意相邻的两个所述卷积层之间依次设置有非线性函数层以及池化层。

当然，在具体应用中，所述特征提取网络可包括的卷积层的层数可大于五层，具体在本实施例中不做限定。

可选的，本实施例所示的所述特征提取网络所包括的卷积核大小有13x13和3x3两种。

可选的，本实施例所示的所述特征提取网络所获取到的所述第二目标图像为固定大小的图像。

可选的，本实施例以所述第二目标图像为三通道且大小为111x111为例进行示例性说明，需明确的是，本实施例对所述第二目标图像大小的说明为可选的示例，不做限定。

通过本实施例所示的所述特征提取网络能够基于所述第二目标图像输出一个向量，可选的，本实施例所示的所述向量可为512维，需明确的是，本实施例对所述向量的维度的说明为可选的示例，不做限定，在其他实施例中，所述向量可为50维至1024维之间。

本实施例所示的所述特征提取网络所输出的所述向量即为所述特征图像。

步骤307、所述微处理器对所述特征图像进行比对。

具体的，所述微处理器可从所述存储器中读取已存储过的待识别的人体生物图像，微处理器即可对所述特征图像和存储器中读取已存储过的待识别的人体生物图像进行比对以进行对应的动作。

例如，若将本实施例所示的方法应用至门禁系统，则所述住户可预先将自己的人脸图像进行登记，以使住户的人脸图像存储在所述存储器中。

当用户下次需要进门时，可通过cmos图像传感器采集住户的人脸图像，微处理器根据所述人脸图像进行上述步骤所示的分析以获取该人脸图像的特征图像。

微处理器即可将住户登记时存储在存储器中的人脸图像和当前已分析出来的特征图像进行比对，若一致，则自动打开门锁，若不一致，则不开启门锁。

需明确的是，本实施例对所述生物识别方法具体所应用的场景不作限定，只要本实施例所示的生物识别方法可能应用至用户身份的认证、或者信息的搜集，分类等都属于本实施例所示的保护范围。

采用本实施例所示的生物识别方法的有益效果在于：

因本实施例所示通过独立的可编程器件对待识别的人体生物图像进行分析以输出第二目标图像，所述微处理器只需要对所述第二目标图像进行处理以获取所述特征图像，可见，采用本实施例所示的方法降低了微处理器的运算难度，提升了识别过程的效率。而且本实施例通过卷积神经网络对输入的图像进行处理，从而提升了识别的精确性，避免误识别的可能。

以下结合图6所示，从功能模块角度对本实施例所提供的可编程器件的具体结构进行详细说明：

本实施例所示的所述可编程器件包括：

获取单元601，用于获取待识别的人体生物图像；

其中，所述获取单元601用于获取所述微处理器发送的所述待识别的人体生物图像；

或者，

所述获取单元601包括：

第一获取模块6011，用于接收所述微处理器发送的读取指令，所述读取指令用于指示所述待识别的人体生物图像已存储至存储器中，且所述读取指令包括所述待识别的人体生物图像存储在所述存储器中的地址；

第二获取模块6012，用于根据所述读取指令获取所述待识别的人体生物图像。

转换单元602，用于基于卷积神经网络将所述待识别的人体生物图像转换为第一目标图像，其中，所述卷积神经网络用于将所述待识别的人体生物图像转换为所述第一目标图像，所述第一目标图像小于所述待识别的人体生物图像；

具体的，所述待识别的人体生物图像为三个颜色通道的彩色图像，所述卷积神经网络包括依次连接的第一卷积层、池化层、第一非线性函数层、第二卷积层、第二非线性函数、第三卷积层以及全连接层，所述转换单元602包括：

第一处理模块6021，用于通过n个第一卷积核对所述待识别的人体生物图像进行卷积以生成多个第一图像区块，所有所述第一图像区块映射以形成第一图像，所述n个第一卷积核中的每一个第一卷积核与一个所述第一图像区块对应，n为非零正整数；

第二处理模块6022，用于通过所述池化层对所述第一图像进行最大值池化以形成第二图像；

第三处理模块6023，用于把所述第二图像中像素值小于零的像素值更改为零；

第四处理模块6024，用于基于所述第二卷积层通过m个第二卷积核对所述第二图像进行卷积以生成多个第二图像区块，所有所述第二图像区块映射以形成第三图像，所述m个第二卷积核中的每一个第二卷积核与一个所述第二图像区块对应，m为非零正整数；

第五处理模块6025，用于把所述第三图像中像素值小于零的像素值更改为零；

第六处理模块6026，用于基于所述第三卷积层通过1个第三卷积核对所述第三图像进行卷积以生成第四图像；

第七处理模块6027，用于基于所述全连接层与所述第四图像全相连以输出所述第一目标图像。

处理单元603，用于将所述第一目标图像归一化处理为预设大小的第二目标图像，以使微处理器获取到所述第二目标图像，使得所述微处理器对所述第二目标图像进行特征提取以获取用于进行生物识别的特征图像。

具体的，所述处理单元603包括：

第八处理模块6031，用于根据所述第一目标图像检测出所述待识别的人体生物图像所包含的生物识别信息以及所述生物识别信息在所述目标图像中的位置；

第九处理模块6032，用于根据所述待识别的人体生物图像所包含的所述生物识别信息以及所述生物识别信息在所述目标图像中的位置归一化处理为预设大小的所述第二目标图像。

本实施例所示的所述可编程器件可执行图3所示的所述生物识别方法，具体执行过程以及有益效果请详见图3所示，具体在本实施例中不做赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。