身份识别的处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种身份识别的处理方法、装置、电子设备及存储介质；方法包括：基于用户特征库中多个已注册用户的特征以及对应的置信度阈值，对待识别用户进行身份识别；根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误；将所述识别错误在所述用户特征库中所涉及的已注册用户标记为可疑用户，更新所述用户特征库中对应所述可疑用户的特征的置信度阈值；基于所述更新的置信度阈值对新待识别用户进行身份识别，以获取所述可疑用户的更新的特征，并利用所述可疑用户的更新的特征更新所述用户特征库。通过本发明专利技术，能够提高身份识别的安全性。

Processing method, device, electronic device and storage medium of identification

【技术实现步骤摘要】
身份识别的处理方法、装置、电子设备及存储介质
本专利技术涉及人工智能和安全技术，尤其涉及一种身份识别的处理方法、装置、电子设备及存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。身份识别是人工智能的典型应用，通过已注册人脸对待识别用户进行身份鉴权，典型地如门禁系统，识别出待识别用户的身份，并根据是否是已注册用户来决定是否开门。目前身份识别已经广泛应用在公寓，办公大楼等场景，但是目前的身份识别系统的都没有自我进化的能力，需要依赖人工介入，识别精度和效率上不可不可避免地受到影响。
技术实现思路
本专利技术实施例提供一种身份识别的处理方法、装置、电子设备及存储介质，能够根据识别错误进行自适应的修复，保证身份识别的良好的鲁棒性和精确性。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种身份识别的处理方法，包括：基于用户特征库中多个已注册用户的特征以及对应的置信度阈值，对待识别用户进行身份识别；根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误；将所述识别错误在所述用户特征库中所涉及的已注册用户标记为可疑用户，更新所述用户特征库中对应所述可疑用户的特征的置信度阈值；基于所述更新的置信度阈值对新待识别用户进行身份识别，以获取所述可疑用户的更新的特征，并利用所述可疑用户的更新的特征更新所述用户特征库。本专利技术实施例提供一种身份识别处理装置，包括：身份识别模块，用于基于用户特征库中多个已注册用户的特征以及对应的置信度阈值，对待识别用户进行身份识别；错误检测模块，用于根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误；置信度阈值更新模块，用于将所述识别错误在所述用户特征库中所涉及的已注册用户标记为可疑用户，更新所述用户特征库中对应所述可疑用户的特征的置信度阈值；特征更新模块，用于基于所述更新的置信度阈值对新待识别用户进行身份识别，以获取所述可疑用户的更新的特征，并利用所述可疑用户的更新的特征更新所述用户特征库。在上述方案中，所述身份识别模块，还用于：对所述待识别用户进行离线身份识别；或者，分别对所述待识别用户进行离线身份识别和在线身份识别。在上述方案中，所述身份识别模块，还用于：通过身份识别终端中运行的第一身份识别模型，识别出对应所述待识别用户的身份特征，并确定所述身份特征与所述用户特征库中各个已注册用户的特征之间的相似度；将相似度超出置信度阈值的特征所对应的已注册用户的身份信息，确定为所述待识别用户的身份信息；向所述待识别用户赋予对应识别出的已注册用户的权限，并通过所述身份识别终端中的第二身份识别模型对所述待识别用户进行身份识别；其中，所述第一身份识别模型的识别速度高于所述第二身份识别模型，所述第二身份识别模型的识别精度高于所述第一身份识别模型。在上述方案中，所述身份识别模块，还用于：通过所述身份识别终端中的第二身份识别模型，识别出对应所述待识别用户的身份特征，并确定所述身份特征与所述用户特征库中各个已注册用户的特征之间的相似度；将相似度超出置信度阈值的特征所对应的已注册用户的身份信息，确定为所述待识别用户的身份信息。在上述方案中，所述身份识别模块，还用于：当通过所述第一身份识别模型对所述待识别用户进行身份识别通过时，确定所述用户特征库中与所述待识别用户的身份特征匹配的特征的数目；当所述数目超过特征数目阈值时，确定将继续通过所述第二身份识别模型对所述待识别用户进行身份识别。在上述方案中，所述身份识别模块，还用于：通过身份识别终端中运行的第一身份识别模型对所述待识别用户进行身份识别；当识别出所述待识别用户为所述用户特征库中的已注册用户时，向所述待识别用户赋予对应识别出的已注册用户的权限；通过所述身份识别终端中运行的第二身份识别模型对所述待识别用户进行身份识别；当所述第一身份识别模型与所述第二身份识别模型的识别结果不一致时，继续通过调用后台身份识别系统对所述待识别用户进行在线身份识别。在上述方案中，所述身份识别模块，还用于：获取所述后台身份识别系统的总资源占用量，所述总资源占用量是进行在线身份识别所消耗的资源的总和；当所述后台身份识别系统的总资源占用量不超出资源占用量阈值时，确定通过调用所述后台身份识别系统对所述待识别用户进行在线身份识别。在上述方案中，当所述识别结果包括通过离线身份识别得到的身份信息，且所述离线身份识别的过程中使用的模型包括第一身份识别模型和第二身份识别模型时，所述错误检测模块，还用于：当满足以下条件至少之一时，确定所述待识别用户的离线身份识别的过程中出现识别错误：通过所述第一身份识别模型对所述待识别用户进行身份识别得到的身份信息，与通过所述第二身份识别模型对所述待识别用户进行身份识别得到的身份信息不一致；通过所述第一身份识别模型对所述待识别用户进行身份识别得到身份信息，且接收到所述待识别用户针对所述身份信息的识别错误反馈；通过所述第一身份识别模型对所述待识别用户进行身份识别得到身份信息，并发送至对应所述身份信息的用户，且接收到对应所述身份信息的用户的识别错误反馈。在上述方案中，当所述识别结果包括通过离线身份识别和在线身份识别得到的身份信息时，所述错误检测模块，还用于：当通过所述离线身份识别和所述在线身份识别能够识别出相同的已注册用户的身份信息，且接收到识别出的已注册用户的识别错误反馈时时，确定所述离线身份识别和所述在线身份识别的过程中出现识别错误；当所述离线身份识别出的身份信息和所述在线身份识别出的身份信息不一致时，确定所述离线身份识别和所述在线身份识别中的至少一个出现识别出错。在上述方案中，所述置信度阈值更新模块，还用于：当进行离线身份识别出现识别错误时，将所述用户特征库中所涉及的以下已注册用户至少之一标记为可疑用户：通过离线身份识别错误识别出的已注册用户；所述待识别用户对应的正确的已注册用户；当进行在线身份识别出现识别错误时，将以下已注册用户至少之一作为可疑用户：通过在线身份识别错误识别出的已注册用户；所述待识别用户对应的正确的已注册用户。在上述方案中，所述置信度阈值更新模块，还用于：根据所述可疑用户所涉及到的识别错误的次数，确定与所述次数正相关的梯度值；将所述梯度值与对应所述可疑用户的特征的置信度阈值的加和，作为所述可疑用户的新置信度阈值；将所述新置本文档来自技高网...

【技术保护点】
1.一种身份识别的处理方法，其特征在于，所述方法包括：/n基于用户特征库中多个已注册用户的特征以及对应的置信度阈值，对待识别用户进行身份识别；/n根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误；/n将所述识别错误在所述用户特征库中所涉及的已注册用户标记为可疑用户，更新所述用户特征库中对应所述可疑用户的特征的置信度阈值；/n基于所述更新的置信度阈值对新待识别用户进行身份识别，以获取所述可疑用户的更新的特征，并/n利用所述可疑用户的更新的特征更新所述用户特征库。/n

【技术特征摘要】
1.一种身份识别的处理方法，其特征在于，所述方法包括：
基于用户特征库中多个已注册用户的特征以及对应的置信度阈值，对待识别用户进行身份识别；
根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误；
将所述识别错误在所述用户特征库中所涉及的已注册用户标记为可疑用户，更新所述用户特征库中对应所述可疑用户的特征的置信度阈值；
基于所述更新的置信度阈值对新待识别用户进行身份识别，以获取所述可疑用户的更新的特征，并
利用所述可疑用户的更新的特征更新所述用户特征库。


2.根据权利要求1所述的方法，其特征在于，所述对待识别用户进行身份识别，包括：
对所述待识别用户进行离线身份识别；或者，分别对所述待识别用户进行离线身份识别和在线身份识别。


3.根据权利要求2所述的方法，其特征在于，所述对所述待识别用户进行离线身份识别，包括：
通过身份识别终端中运行的第一身份识别模型，识别出对应所述待识别用户的身份特征，并确定所述身份特征与所述用户特征库中各个已注册用户的特征之间的相似度；
将相似度超出置信度阈值的特征所对应的已注册用户的身份信息，确定为所述待识别用户的身份信息；
所述方法还包括：
向所述待识别用户赋予对应识别出的已注册用户的权限，并通过所述身份识别终端中的第二身份识别模型对所述待识别用户进行身份识别；
其中，所述第一身份识别模型的识别速度高于所述第二身份识别模型，所述第二身份识别模型的识别精度高于所述第一身份识别模型。


4.根据权利要求3所述的方法，其特征在于，
所述通过所述身份识别终端中的第二身份识别模型对所述待识别用户进行身份识别，包括：
通过所述身份识别终端中的第二身份识别模型，识别出对应所述待识别用户的身份特征，并确定所述身份特征与所述用户特征库中各个已注册用户的特征之间的相似度；
将相似度超出置信度阈值的特征所对应的已注册用户的身份信息，确定为所述待识别用户的身份信息。


5.根据权利要求3所述的方法，其特征在于，在通过所述身份识别终端中的第二身份识别模型对所述待识别用户进行身份识别之前，所述方法还包括：
当通过所述第一身份识别模型对所述待识别用户进行身份识别通过时，确定所述用户特征库中与所述待识别用户的身份特征匹配的特征的数目；
当所述数目超过特征数目阈值时，确定将继续通过所述第二身份识别模型对所述待识别用户进行身份识别。


6.根据权利要求2所述的方法，其特征在于，所述分别对所述待识别用户进行离线身份识别和在线身份识别，包括：
通过身份识别终端中运行的第一身份识别模型对所述待识别用户进行身份识别；
当识别出所述待识别用户为所述用户特征库中的已注册用户时，向所述待识别用户赋予对应识别出的已注册用户的权限；
通过所述身份识别终端中运行的第二身份识别模型对所述待识别用户进行身份识别；
当所述第一身份识别模型与所述第二身份识别模型的识别结果不一致时，继续通过调用后台身份识别系统对所述待识别用户进行在线身份识别。


7.根据权利要求6所述的方法，在通过调用后台身份识别系统对所述待识别用户进行在线身份识别之前，所述方法还包括：
获取所述后台身份识别系统的总资源占用量，所述总资源占用量是进行在线身份识别所消耗的资源的总和；
当所述后台身份识别系统的总资源占用量不超出资源占用量阈值时，确定将通过调用所述后台身份识别系统对所述待识别用户进行在线身份识别。


8.根据权利要求1所述的方法，其特征在于，
当所述识别结果包括通过离线身份识别得到的身份信息，且所述离线身份识别的过程中使用的模型包括第一身份识别模型和第二身份识别模型时，所述根据对应得到的识别结果，检测所述待识别用户的身份识别过程中出现的识别错误，包括：
当满足以下条件至少之一时，确定所述待识别用户的离线身份识别的过程中出现识别错误：
通过所述第一身份识别模型对所述待识别用户进行身份...

【专利技术属性】
技术研发人员：赵伟，杨程，李火荣，段克晓，叶泽雄，肖万鹏，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东;44