用于使用神经网络的生物特征用户识别的设备、方法和系统技术方案

用户识别系统包括图像识别网络，用于分析图像数据并基于图像数据生成形状数据。该系统还包括通用网络，用于分析形状数据并基于形状数据生成通用类别数据。该系统还包括专用网络，用于将通用类别数据与特征进行比较以生成窄类别数据。此外，该系统包括包括多个节点的分类器层，用于基于窄类别数据表示分类决定。用于基于窄类别数据表示分类决定。用于基于窄类别数据表示分类决定。

【技术实现步骤摘要】
用于使用神经网络的生物特征用户识别的设备、方法和系统
[0001]本申请是申请号为201680025287.0的中国专利申请“用于使用神经网络的生物特征用户识别的设备、方法和系统”(申请日为2016年5月9日)的分案申请。

技术介绍

[0002]将诸如金融和健康相关活动的重要活动从物理世界迁移到连接的电子(“虚拟”)空间，有可能改善人们的生活。然而，重要活动的迁移也通过身份和信息窃取为渎职提供了新的机会。
[0003]为了详细说明，传统的交易系统(财务或其它)通常要求用户物理上携带或者精神上回忆某种形式的货币令牌(例如，现金、支票、信用卡等)，并且在某些情况下，身份证明(例如，驾驶执照等)和认证(例如，签名、PIN码等)参与业务交易。考虑用户走进百货公司：进行任何种类的购买，用户通常拿起物品、将物品放在购物车中、走到登记处、有秩序等待收银员、等待收银员扫描多个物品、检索信用卡、提供身份证明、签信用卡收据、以及存储收据以备将来返回物品。使用传统的交易系统，这些步骤尽管是必要的，但是耗时且低效。在某些情况下，这些步骤阻止或禁止用户进行购买(例如，用户在他们的身上没有货币令牌或者身份证明等)。然而，在增强现实(“AR”)设备的背景下，这些步骤是冗余和不必要的。在一个或多个实施例中，AR设备可以被配置为允许其身份已被预先识别或预先认证的用户无缝地执行许多类型的交易(例如，金融)，而不需要用户执行上述繁重的过程。
[0004]因此，用于使用在此描述和要求保护的生物特征(biometric)数据识别用户的设备、方法和系统可以促进重要的电子交易，同时减轻与这些交易相关联的风险(例如，安全性)。

技术实现思路

[0005]在一个实施例中，涉及用户识别系统，系统包括图像识别网络，用于分析图像数据并基于图像数据生成形状数据。该系统还包括通用网络，用于分析形状数据并基于形状数据生成通用类别数据。该系统还包括专用网络，用于将通用类别数据与特征进行比较以生成窄类别数据。此外，该系统包括包括多个节点的分类器层，用于基于窄类别数据表示分类决定。
[0006]在一个或多个实施例中，系统还包括包括多个层的反向传播神经网络。反向传播神经网络还可以包括错误抑制和学习提升(learning elevation)。
[0007]在一个或多个实施例中，系统还包括用图像识别网络编码的ASIC。专用网络可以包括包括多个层的反向传播网络。系统还可以包括调整层用于基于用户的眼睛运动来修改通用类别数据。
[0008]在另一实施例中，涉及识别系统的用户的方法，该方法包括分析图像数据并基于图像数据生成形状数据。该方法还包括分析形状数据并基于形状数据生成通用类别数据。该方法还包括通过将通用类别数据与特征进行比较来生成窄类别数据。此外，该方法包括基于窄类别数据生成分类决定。
[0009]在一个或多个实施例中，该方法还包括识别数据段中的错误。该方法还可以包括抑制其中错误被识别的数据段。分析图像数据可以包括扫描图像数据的多个像素。图像数据可以对应于用户的眼睛。
[0010]在一个或多个实施例中，特征是来自已知的可能混淆的不匹配的个体。该特征可以选自包括眉毛形状和眼睛形状的组。该方法还可以包括生成特征的网络，其中网络的每个相应的特征与数据库中可能混淆的不匹配的个体相关联。当系统首次针对用户进行校准时，可以生成特征的网络。
[0011]在一个或多个实施例中，该方法还包括随时间跟踪用户的眼睛运动。该方法还可以包括在将通用类别数据与限制进行比较之前，基于用户的眼睛运动来修改通用类别数据。该方法还可以包括修改通用类别数据以符合由用户的眼睛运动导致的差异(variance)。
[0012]在又一实施例中，涉及体现在非暂时性计算机可读介质中的计算机程序产品，该计算机可读介质在其上存储有指令序列，当由处理器执行时，该指令序列使得处理器执行用于识别系统的用户的方法，该方法包括分析图像数据并基于图像数据生成形状数据。该方法还包括分析形状数据并基于形状数据生成通用类别数据。该方法还包括通过将通用类别数据与特征进行比较来生成窄类别数据。此外，该方法包括基于窄类别数据生成分类决定。
附图说明
[0013]附图示出了本专利技术的各种实施例的设计和应用。应当注意，附图没有按照比例进行绘制，并且相似结构或功能的元件在全部附图中用相似的参考标记表示。为了更好的理解如何获得本专利技术的各种实施例的上述内容和其它优点以及目的，以上简要描述的本专利技术的更详细描述将通过参考其具体实施例来显现，所述具体实施例在附图中示出。需要理解，这些附图仅描绘了本专利技术的典型实施例，因此并不能认为限制它的范围，本专利技术将通过使用附图用附加特征和细节来描述和解释，在附图中：
[0014]图1A至1D和2A至2D是根据各种实施例的增强现实/用户识别系统的示意图；
[0015]图3是根据另一实施例的增强现实/用户识别系统的详细示意图；
[0016]图4是根据又一实施例的用户穿戴增强现实/用户识别系统的示意图；
[0017]图5是根据一个实施例包括虹膜模板的用户的眼睛的示意图；
[0018]图6是根据另一实施例的用户的视网膜的示例性图像；
[0019]图7和图8是根据两个实施例的描绘神经网络的图；
[0020]图9是根据另一个实施例的描绘特征向量的图；
[0021]图10和图11是根据两个实施例描绘用于识别用户的方法的流程图。
具体实施方式
[0022]本专利技术的各种实施例涉及用于在单个实施例中或在多个实施例中实现生物特征用户识别系统(例如，用于使用增强现实系统)的方法、系统和制品。在详细描述、附图和权利要求中描述了本专利技术的其它目的、特征和优点。
[0023]现在将参考附图详细描述各种实施例，各种实施例被提供为本专利技术的说明性示
例，以使本领域技术人员能够实现本专利技术。值得注意的是，下面的附图和示例并不意味着限制本专利技术的范围。当本专利技术的某些元件可以使用已知的部件(或方法或工艺)部分或完全实现时，将仅描述理解本专利技术所必需的这些已知部件(或方法或工艺)的部分，将省略对这些已知部件(或方法或过程)的其它部分的详细描述，以免模糊本专利技术。此外，各种实施例包括在此作为说明而提及的部件的当前和未来已知的等同物。
[0024]增强现实和用户识别系统
[0025]增强现实显示系统的各种实施例是已知的。用户识别设备可以独立于AR系统来实现，但是仅为了说明的目的，描述了下面的许多实施例涉及AR系统。
[0026]公开了用于识别各种计算机系统的用户的设备、方法和系统。在一个实施例中，计算机系统可以是被配置为便于用户与各种其它计算机系统(例如，金融计算机系统)进行交互的头戴式系统。在其它实施例中，计算机系统可以是被配置为便于用户财务交易的固定设备(例如，商业终端或ATM)。下面将在使用AR系统(例如，头戴式)的用户财务交易的上下文中对用户识别进行描述，但是应当理解，在此所公开的实施例可以独立于任何现有和/或已知的AR或金本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户识别系统，包括：处理器，其被配置为接收图像数据并运行神经网络；以及存储器，其被配置为存储所述图像数据和所述神经网络，所述神经网络包括：图像识别子网络，其被配置为分析图像数据，并基于所述图像数据生成形状数据；通用子网络，其被配置为分析所述形状数据，并基于所述形状数据生成通用类别数据；专用层，其被配置为将所述通用类别数据与特征进行比较以生成窄类别数据；以及包括多个节点的分类器层，其被配置为基于所述窄类别数据来表示分类决定，其中，所述图像识别子网络被直接耦合到所述通用网络，其中，所述通用网络被直接耦合到所述专用层，其中，所述专用层被直接耦合到所述分类器层，以及其中，所述神经网络是包括多个层的反向传播神经网络。2.根据权利要求1所述的系统，其中，所述反向传播神经网络还包括错误抑制和学习提升。3.根据权利要求1所述的系统，还包括：用所述图像识别网络编码的ASIC。4.根据权利要求1所述的系统，其中，所述专用层包括反向传播网络，所述反向传播网络包括多个层。5.根据权利要求1所述的系统，其中，所述神经网络还包括调整层，所述调整层用于基于用户眼睛运动来修改所述通用类别数据，其中，所述调整层被直接耦合到所述通用子网络和所述专用层。6.一种识别系统的用户的方法，包括：分析图像数据；基于所述图像数据生成形状数据；分析所述形状数据；基于所述形状数据生成通用类别数据；通过将所述通用类别数据与特征进行比较来生成窄类别数据；基于所述窄类别数据生成分类决定；以及生成特征的网络，其中，所述网络的每个相应的特征与数据库中的可能混淆的不匹配的个体...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：奇跃公司，
类型：发明
国别省市：