生物特征自适应学习的识别方法及系统技术方案

本发明专利技术实施例提供一种生物特征自适应学习的识别方法。将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；在采集用户的生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用第二身份认证的认证结果对生物特征进行身份标记；将带有标记的生物特征添加至自适应学习模板；利用彼此独立的生物特征模板和自适应学习模板进行用户的生物特征识别。本发明专利技术实施例还提供一种生物特征自适应学习的识别系统。本发明专利技术实施例使用相对成熟的身份认证标注生物特征识别模块的特征身份，自适应更新注册的特征模板，提高识别率。同时分别使用独立的生物特征模板和自适应学习模版来进行生物特征识别，避免错误的自适应学习对识别的影响。

【技术实现步骤摘要】
生物特征自适应学习的识别方法及系统
本专利技术涉及识别领域，尤其涉及一种生物特征自适应学习的识别方法及系统。
技术介绍
常见的生物特征识别引擎自适应学习包括：1、在用户使用生物特征采集进行身份验证的过程中，针对本次采集到的生物特征，用户可以在系统中进行手动标注，确认本次采集到的生物特征是用户本人的生物特征，系统会自动将本次的生物特征加入到用于特征比对的用户注册特征模型中，更新刻画用户特征的生物特征序列，以此来提高生物特征识别系统的识别率。2、通过相似度算法。相似度算法可以评估本次采集到的待识别的生物特征和注册人的生物特征之间的相似度，使用一个较高的阈值来确认本次是注册本人在进行身份识别。从而将本次的特征更新到注册的特征模板中。在实现本专利技术过程中，专利技术人发现相关技术中至少存在如下问题：1、需要用户主动在系统中对生物特征进行标注，辅助系统完成注册模型的更新。这种方案完全依赖用户的主动标注行为，用户体验较差，用户的学习成本较高，在普通用户使用的过程中很难达到系统需要的标注次数，系统识别率很难提升。2、相似度阈值选择难度较高，阈值过高，在验证过程中，超过阈值的待识别的生物特征已经和注册特征模板之间的相似度已经十分高了，用高相似度的特征更新注册模板对系统的识别率提升不大。且用户待验证的生物特征极难达到高阈值。若阈值选择的较低，很容易造成非注册人的身份误识别，将非注册人的声纹特征更新到注册模板中，造成系统的识别率越来越差。
技术实现思路
为了至少解决现有技术中完全依赖用户的主动标注行为,用户体验较差，且很难达到系统需要的标注次数,系统识别率很难提升、相似度阈值选择难度较高的问题。第一方面，本专利技术实施例提供一种生物特征自适应学习的识别方法，包括：将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；在采集所述用户的所述生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用所述第二身份认证的认证结果对所述生物特征进行身份标记；将带有标记的生物特征添加至自适应学习模板；利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别。第二方面，本专利技术实施例提供一种生物特征自适应学习的识别系统，包括：生物特征采集程序模块，用于将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；身份标记程序模块，用于在采集所述用户的所述生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用所述第二身份认证的认证结果对所述生物特征进行身份标记；特征添加程序模块，用于将带有标记的生物特征添加至自适应学习模板；识别程序模块，用于利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别。第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的生物特征自适应学习的识别方法的步骤。第四方面，本专利技术实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本专利技术任一实施例的生物特征自适应学习的识别方法的步骤。本专利技术实施例的有益效果在于：使用相对成熟的第二身份认证标注第一生物特征识别模块的特征身份，自适应更新注册的特征模板，让不同安全度的识别系统会随着用户使用的频率提高，识别率会越来越好。同时分别使用独立的生物特征模板和自适应学习模版来进行生物特征识别，避免极端情况下，错误的自适应学习对识别的影响。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的一种生物特征自适应学习的识别方法的流程图；图2是本专利技术一实施例提供的一种生物特征自适应学习的识别方法的结构流程图；图3是本专利技术一实施例提供的一种生物特征自适应学习的识别系统的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示为本专利技术一实施例提供的一种生物特征自适应学习的识别方法的流程图，包括如下步骤：S11：将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；S12：在采集所述用户的所述生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用所述第二身份认证的认证结果对所述生物特征进行身份标记；S13：将带有标记的生物特征添加至自适应学习模板；S14：利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别。在本实施方式中，是基于含有多个身份识别或确认模块的身份认证系统。在生物特征识别的过程中，利用同一套系统中的其他安全性更高的生物特征识别模块或者身份校验模块的身份确认结果，来标注本次要确认的生物特征身份，自动的学习用户特征，从而提升系统对该种生物特征的识别率，整体结构图如图2所示。对于步骤S11，以声纹识别举例，用户首先进行声纹注册，录入用户的说话声，系统从说话声中提取用户声纹特征，该声纹特征是用户声音的生物特征，存储到声纹生物特征模板当中。对于步骤S12，当用户触发声纹识别功能时，声纹特征模板将用于和待识别者的声纹特征比对，系统从而可以判定待识别者的声音是否是用户本人的声音。例如，当用户在交互的过程中使用了声纹识别功能，同时若触发了人脸识别(第二身份认证)，人脸识别系统识别出本次的用户身份是用户本人，则此次的声纹特征数据可以标记为用户本人，更新该用户的声纹特征模型。例如密码，虹膜识别，人脸识别等安全度较高的生物识别模块，可以用于低安全度的识别模块的身份校验和标注。低安全度的身份验证模块往往更容易使用，交互简单，没有人机障碍。上述内容中的“安全度较高”是相对于现有技术是否成熟。例如，在若干年前，大家都使用密码进行解锁，那时的手机虽然可以采集面部特征，但是由于技术不成熟，面部识别存在被盗用等问题，此时，安全度较低。经过多年的技术迭代，面部识别技术已经相对成熟，且安全性较高，广泛应用到各种带有前置摄像头的智能设备中。作为一种实施方式，所述生物特征包括，声纹特征；所述第二身份认证包括：面部特征认证、虹膜特征认证、指纹特征认证、密码认证、物理卡认证中的任一种。在本实施方式中，一套成熟的生物特征识别系统有人脸识别、虹膜本文档来自技高网...

【技术保护点】
1.一种生物特征自适应学习的识别方法，包括：/n将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；/n在采集所述用户的所述生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用所述第二身份认证的认证结果对所述生物特征进行身份标记；/n将带有标记的生物特征添加至自适应学习模板；/n利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别。/n

【技术特征摘要】
1.一种生物特征自适应学习的识别方法，包括：
将注册时采集到的用户的生物特征作为基础特征，存储到生物特征模板中；
在采集所述用户的所述生物特征进行第一身份认证的过程中，若触发第二身份认证时，利用所述第二身份认证的认证结果对所述生物特征进行身份标记；
将带有标记的生物特征添加至自适应学习模板；
利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别。


2.根据权利要求1所述的方法，其中，所述将带有标记的生物特征添加至自适应学习模板包括：
若第二身份认证的结果与所述用户的身份一致时，则将带有标记的生物特征添加至自适应模版。


3.根据权利要求1所述的方法，其中，所述生物特征包括，声纹特征；
所述第二身份认证包括：面部特征认证、虹膜特征认证、指纹特征认证、密码认证、物理卡认证中的任一种。


4.根据权利要求1所述的方法，其中，所述利用彼此独立的所述生物特征模板和所述自适应学习模板进行所述用户的生物特征识别包括：
根据所述自适应学习模板中生物特征的数量，调整所述自适应学习模板在生物特征识别中所占的权重。


5.根据权利要求1所述的方法，其中，所述方法还包括：
确定预设的时间维度；
基于所述时间维度对所述自适应学习模板进行生物特征丢弃。

【专利技术属性】
技术研发人员：顾向涛，黄厚军，
申请(专利权)人：苏州思必驰信息科技有限公司，
类型：发明
国别省市：江苏;32