超级计算应用于生物识别特征分析的一种方法技术

本发明专利技术公开了超级计算应用于生物识别特征分析的一种方法，S10、构建基于超级计算机的神经网络；S20、获取用户注册时的生物特征图像，根据用户注册时的生物特征图像形成默认生物特征识别信息；S30、获取用户验证时的生物特征图像，根据用户验证时的生物特征图像形成验证生物特征信息，并将验证生物特征信息与用户的默认生物特征识别信息输入神经网络进行对比匹配；S40、当对比匹配的相似度大于等于第一相似度阈值时，判定对比匹配成功，并进入步骤S50；S50、将对比匹配成功的验证生物特征信息写入与用户对应的识别数据库，并将新写入的验证生物特征信息作为新的默认生物特征识别信息，将旧的默认生物特征识别信息作为备用生物特征识别信息。特征识别信息。特征识别信息。

【技术实现步骤摘要】
超级计算应用于生物识别特征分析的一种方法


[0001]本专利技术涉及生物识别
，特别是超级计算应用于生物识别特征分析的一种方法。

技术介绍

[0002]在对生物特征进行识别是，特别是一些与图像相关的识别，如面部、指纹、虹膜等，往往会由于用户年龄增长，与生物特征识别相关的如面部、指纹、虹膜等会产生变化，而现有的生物特征识别基本都是基于用户注册时录入的生物特征进行识别，缺少有效的自动更新手段，导致经常需要用户主动更新生物特征信息，降低了识别成功率和效率。

技术实现思路

[0003]为解决现有技术中存在的问题，本专利技术提供了超级计算应用于生物识别特征分析的一种方法。
[0004]本专利技术采用的技术方案是：
[0005]超级计算应用于生物识别特征分析的一种方法，包括如下步骤：
[0006]S10、构建基于超级计算机的神经网络；
[0007]S20、获取用户注册时的生物特征图像，根据用户注册时的生物特征图像形成注册生物特征信息，并写入与用户对应的识别数据库，该注册生物特征信息为识别数据库的默认生物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.超级计算应用于生物识别特征分析的一种方法，其特征在于，包括如下步骤：S10、构建基于超级计算机的神经网络；S20、获取用户注册时的生物特征图像，根据用户注册时的生物特征图像形成注册生物特征信息，并写入与用户对应的识别数据库，该注册生物特征信息为识别数据库的默认生物特征识别信息；S30、获取用户验证时的生物特征图像，根据用户验证时的生物特征图像形成验证生物特征信息，并将验证生物特征信息与用户的默认生物特征识别信息输入神经网络进行对比匹配；S40、当对比匹配的相似度大于等于第一相似度阈值时，判定对比匹配成功，并进入步骤S50；当对比匹配的相似度小于第一相似度阈值时，重新进行对比匹配，当重新进行对比匹配的次数小于等于对比匹配次数阈值且对比匹配成功，则进入步骤S50；当重新进行对比匹配的次数等于对比匹配次数阈值且未对比匹配成功，则将验证生物特征信息与用户对应的识别数据库中的备用生物特征识别信息输入神经网络进行对比匹配，当该次对比匹配的相似度大于等于第二相似度阈值时，判定对比匹配成功，并进入步骤S50；S50、将对比匹配成功的验证生物特征信息写入与用户对应的识别数据库，并将新写入的验证生物特征信息作为新的默认生物特征识别信息，将旧的默认生物特征识别信息作为备用生物特征识别信息。2.根据权利要求1所述超级计算应用于生物识别特征分析的一种方法，其特征在于，在步骤S40中，当重新进行对比匹配的次数等于对比匹配次数阈值且未对比匹配成功时，如用户对应的识别数据库中不含备用生物特征识别信息，则验证用户的注册信息，并重新获取用户的生物特征图像，根据重新获取的生物特征图像形成新的注册生物特征信息，并写入与用户对应的识别数据库，将该新的注册生物特征信息作为识别数据库中新的默认生物特征识别信息，将旧的默认生物特征识别信息...

【专利技术属性】
技术研发人员：郭恒亮，程权，刘润杰，张卫东，倪志，焦雯鑫，宋永青，李哲，张天源，张致衡，
申请(专利权)人：郑州大学，
类型：发明
国别省市：