1.一种基于OCT的内部指纹快速提取方法，其特征在于：所述基于OCT的内部指纹快速提取方法，包括：采集内部指纹数据，且所述内部指纹数据包括预设数量的输入帧，将各输入帧划分为第一类帧、第二类帧、第三类帧或第四类帧，其中第一类帧属于第二类帧的一种，对所有输入帧设置索引值，按照索引值顺序依次对各输入帧进行遍历并按如下步骤进行判断和重建：查看是否有保存最新的第一类帧的分割结果，如果没有保存的第一类帧的分割结果，则通过分割模型计算当前输入帧的分割结果；

然后利用当前输入帧的分割结果重建当前输入帧，然后判断重建后的当前输入帧是否为第一类帧，如果为第一类帧，则设置当前输入帧为第一类帧，且当前输入帧的重建即为第一类帧的重建，并将当前输入帧的分割结果保存为最新的第一类帧的分割结果和最新的第二类帧的分割结果，然后进入下一帧，如果不为第一类帧，则当前输入帧为第四类帧，且当前输入帧的重建即为第四类帧的重建，然后再进入下一帧；

如果有保存最新的第一类帧的分割结果，则判断当前输入帧是否为第三类帧；

如果为第三类帧，则利用最新的第二类帧的分割结果重建第三类帧，然后再进入一下帧；

如果不为第三类帧，则判断当前输入帧的索引值是否超出当前最新的第一类帧预设的覆盖范围，如果超出，则清除当前保存的第一类帧分割结果和第二类帧分割结果，然后再进入一下帧；

如果没有超出，表示当前输入帧是第二类帧，然后通过分割模型计算第二类帧的分割结果，并将该计算后的第二类帧的分割结果保存为最新的第二类帧的分割结果；

然后利用最新的第二类帧的分割结果重建第二类帧，然后再进入一下帧；

在所有输入帧遍历结束后，将重建后的各帧图像按照索引值顺序依次进行拼接，形成内部指纹图像，实现内部指纹快速提取。

2.如权利要求1所述的基于OCT的内部指纹快速提取方法，其特征在于：所述分割模型包括编码器、解码器和全连接模块；所述编码器包括骨干网络和空洞空间卷积池化金字塔结构，且所述骨干网络分别与空洞空间卷积池化金字塔结构和解码器连接，空洞空间卷积池化金字塔结构与全连接模块连接，所述骨干网络采用MobileNetv2网络结构；

所述空洞空间卷积池化金字塔结构包括并行的第一卷积层、第一空洞卷积层、第二空洞卷积层、第三空洞卷积层和第一平均池化层，以及第二卷积层，空洞空间卷积池化金字塔结构的输入并行通过第一卷积层、第一空洞卷积层、第二空洞卷积层、第三空洞卷积层和第一平均池化层后，进行第一拼接，然后再经过第二卷积层得到空洞空间卷积池化金字塔结构的输出；

所述解码器包括依次设置的第三卷积层、第一上采样层、第五卷积层和第二上采样层，以及第四卷积层；

所述全连接模块包括依次设置的第二平均池化层、第一全连接层和第二全连接层。

3.如权利要求2所述的基于OCT的内部指纹快速提取方法，其特征在于：所述通过分割模型计算当前输入帧的分割结果，包括：将当前输入帧输入至骨干网络中，得到三个不同维度的特征块，分别为第一特征块Block_1、第二特征块Block_2和第三特征块Block_3，所述第三特征块Block_3经过空洞空间卷积池化金字塔结构后得到的输出与第二特征块Block_2进行第二拼接，然后将第二拼接后的特征依次经过第三卷积层和第一上采样层，所述第一特征块Block_1经过第四卷积层后与第一上采样层的输出特征进行第三拼接，最后将第三拼接后的特征经过第五卷积层和第二上采样层得到当前输入帧的分割结果。

4.如权利要求1所述的基于OCT的内部指纹快速提取方法，其特征在于：所述利用当前输入帧的分割结果重建当前输入帧，包括：利用当前输入帧的分割结果重建当前输入帧的每一列，且当前输入帧的每一列的重建公式如下：（1）；

其中， 表示当前索引值为 的输入帧的分割结果中第 行第 列的像素

点， 表示当前索引值为 的输入帧在重建之前第 行第 列的像素点，

表示当前索引值为 的输入帧的第 列重建后的结果， 表示各输入帧或

各分割结果的总行数， 的取值范围为 ， 表示各输入帧或各分割结果的总列数，为第一预设值。

5.如权利要求2所述的基于OCT的内部指纹快速提取方法，其特征在于：所述判断重建后的当前输入帧是否为第一类帧，包括：将当前输入帧输入至分割模型的骨干网络得到三个不同维度的特征块，分别为第一特征块Block_1、第二特征块Block_2和第三特征块Block_3，对于第一特征块Block_1和第二特征块Block_2不作处理，将第三特征块Block_3依次经过空洞空间卷积池化金字塔结构和全连接模块处理，得到输出分类值；

再将该输出分类值与第一阈值进行比较，当大于第一阈值，则为第一类帧，当小于或等于第一阈值，则为第四类帧。

6.如权利要求1所述的基于OCT的内部指纹快速提取方法，其特征在于：所述判断当前输入帧是否为第三类帧，包括：将第二类帧分割结果提取当前输入帧的数据 ，具体公式如下：

；

其中， 表示第二类帧的分割结果， 表示当前索引值为 的输入帧；

然后计算当前输入帧数据的一阶微分值 ，计算公式如下：

；

其中， 表示当前输入帧的数据的第 行第 列的数据一阶微分值，

表示当前输入帧的数据的第 行第 列的数据， 表示当前输入帧的数据的第行第 列的数据；

然后通过如下公式对当前输入帧进行判断：

；

其中， 表示对当前输入帧判断的结果， 表示各输入帧的总列数， 表示各输入帧的总行数， 表示当前输入帧参与判断的列之间的间隔值， 表示第二预设值， 表示第三预设值， 表示取整符号；

最后将 与第二阈值进行比较，当大于第二阈值，则为第三类帧，当小于或等于第二阈值，则不能作为第三类帧。

7.如权利要求4所述的基于OCT的内部指纹快速提取方法，其特征在于：所述利用最新的第二类帧的分割结果重建第三类帧，包括：利用最新的第二类帧的分割结果重建第三类帧的每一列，且第三类帧的每一列的重建采用公式（1）计算，且公式（1）中的当前输入帧的分割结果的类型为第二类帧的分割结果，待重建的当前输入帧的类型为第三类帧。

8.如权利要求1所述的基于OCT的内部指纹快速提取方法，其特征在于：所述判断当前输入帧的索引值是否超出当前最新的第一类帧预设的覆盖范围，包括：定义预设的覆盖范围为 ，判断的公式如下：

；

其中， 表示当前输入帧的索引值， 表示当前最新第一类帧的索引值。

9.如权利要求2所述的基于OCT的内部指纹快速提取方法，其特征在于：所述通过分割模型计算第二类帧的分割结果，包括：将第二类帧输入至分割模型的骨干网络提取得到第二类帧的第一特征块Block_1m，且将最新的第一类帧经过骨干网络输出得到的第二特征块Block_2k和第三特征块Block_3k作为第二类帧的第二特征块Block_2m和第三特征块Block_3m，然后将第三特征块Block_3k经过空洞空间卷积池化金字塔结构后得到的输出与第二特征块Block_2k进行第四拼接，然后将第四拼接后的特征依次经过第三卷积层和第一上采样层，所述第一特征块Block_1m经过第四卷积层后与第一上采样层的输出特征进行第五拼接，最后将第五拼接后的特征依次经过第五卷积层和第二上采样层得到第二类帧的分割结果。

10.如权利要求4所述的基于OCT的内部指纹快速提取方法，其特征在于：所述利用最新的第二类帧的分割结果重建第二类帧，包括：利用最新的第二类帧的分割结果重建第二类帧的每一列，且第二类帧的每一列的重建采用公式（1）计算，且公式（1）中的当前输入帧的分割结果的类型为第二类帧的分割结果，待重建的当前输入帧的类型为第二类帧。