本公开提供了一种身份识别方法、装置、设备及存储介质，可以应用于人工智能技术领域。该方法包括：获取待识别用户的N个生物特征图像，N为大于或等于3的整数；利用N个单模态身份识别模型中的每个单模态身份识别模型识别与之对应的生物特征图像，得到第一识别结果，总共得到N个第一识别结果；当N个第一识别结果不完全相同且分为两类时，利用训练好的决策融合分类器，对N个单模态身份识别模型输出的用于表示第一识别结果的第一输出数据进行加权，并根据加权结果对待识别用户的身份在两类中进行分类；其中，基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对N个单模态身份识别模型输出的第一输出数据进行加权时的权重。的权重。的权重。
【技术实现步骤摘要】
身份识别方法、装置、设备及存储介质
[0001]本公开涉及人工智能领域，尤其涉及一种身份识别方法、装置、设备、介质和程序产品。
技术介绍
[0002]在长期的研究中，基于生物特征识别技术已然有了一定的成果，但基于单一特征的身份识别在精准程度、安全性以及使用的领域存在局限性。譬如在某些场合下识别精度难以达到要求，识别的速率较低影响办事效率。在人群中有些人特定的生物特征被损坏或者不明显，例如有些人天生就没有指纹，对于一些退役军人来说，由于工作原因指纹可能被磨损而不能使用。面对生物的多样性以及应用领域的多变性，单模态的生物特征识别显得不那么有优势。
[0003]每种生物特征的适用领域以及其识别精度存在局限性，而且外在的生物特征存在被窃取的风险，因此仅靠单一的生物特征进行身份识别安全系数不高。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种在多个单模态身份识别模型结果不一致的情况下，根据不一致的情形通过不同的二级判决进行最终判决，与单模态身份识别形成深度耦合的身份识别方法、装置、设备、介质和程序产品。
[0005]本公开实施例的第一方面，提供了一种身份识别方法。该身份识别方法包括：获取待识别用户的N个生物特征图像，其中，所述N个生物特征图像中所包含的生物特征互不相同，N为大于或等于3的整数；按照训练好的N个单模态身份识别模型与所述N个生物特征图像之间的一一对应关系，利用每个单模态身份识别模型识别与之对应的生物特征图像，得到每个单模态身份识别模型对所述待识别用户的身份的第一识别结果，其中，与所述N个单模态身份识别模型对应得到N个第一识别结果；当所述N个第一识别结果不完全相同且分为两类时，利用训练好的决策融合分类器，对所述N个单模态身份识别模型输出的用于表示第一识别结果的第一输出数据进行加权，并根据加权结果对所述待识别用户的身份在所述两类中进行分类；其中，基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重。
[0006]根据本公开的实施例，所述方法还包括：当所述N个第一识别结果不完全相同且分为三类或更多类时，利用训练好的多模态融合身份识别模型，基于对所述N个生物特征图像的特征融合处理，识别所述待识别用户的身份。
[0007]根据本公开的实施例，所述基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重包括：基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率；以及归一化处理所述N个单模态身份识别模型的所述准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重。
[0008]根据本公开的实施例，基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率包括：当单模态身份识别模型得到的第一识别结果表征所述待识别用户为已知用户时，获取训练所述单模态身份识别模型识别出所述已知用户时的准确率。
[0009]根据本公开的实施例，基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率包括：当单模态身份识别模型得的第一识别结果表征所述待识别用户的身份未知时，获取所述单模态身份识别模型在训练数据集中识别正确的概率，以得到所述准确率。
[0010]根据本公开的实施例，所述决策融合分类器是在所述N个单模态身份识别模型训练完成后训练的，其中，所述决策融合分类器的训练方式如下：当所述N个单模态身份识别模型在一次识别中对同一用户进行身份识别所得到的第二识别结果不完全相同且分为两类时，获取所述N个单模态身份识别模型分别输出的用于表示第二识别结果的第二输出数据；基于每个单模态身份识别模型得到的第二识别结果的准确率，得到每个单模态身份识别模型输出的第二输出数据对应的权重；以所述N个单模态身份识别模型输出的第二输出数据和每个第二输出数据对应的权重作为输入样本数据，以所述同一用户的身份信息作为输出样本数据，得到训练样本；以及利用所述训练样本训练所述决策融合分类器。
[0011]根据本公开的实施例，所述方法还包括：当所述N个第一识别结果相同时，确定所述N个第一识别结果中的身份信息为所述待识别用户的身份。
[0012]根据本公开的实施例，所述N个生物特征图像中所包含的生物特征包括以下至少之一：指纹、掌静脉、指节纹、虹膜或人脸。
[0013]本公开实施例的第二方面，提供了一种身份识别装置。所述装置包括图像获取模块、单模态识别模块和加权分类模块。其中，图像获取模块用于获取待识别用户的N个生物特征图像，其中，所述N个生物特征图像中所包含的生物特征互不相同，N为大于或等于3的整数。单模态识别模块包括训练好的N个单模态身份识别模型，其中，所述单模态识别模块用于按照所述N个单模态身份识别模型与所述N个生物特征图像之间的一一对应关系，利用每个单模态身份识别模型识别与之对应的生物特征图像，得到每个单模态身份识别模型对所述待识别用户的身份的第一识别结果；其中，与所述N个单模态身份识别模型对应得到N个第一识别结果。加权分类模块包括训练好的决策融合分类器和权重获取子模块。其中，所述决策融合分类器用于当所述N个第一识别结果不完全相同且分为两类时，对所述N个单模态身份识别模型输出的用于表示第一识别结果的第一输出数据进行加权，并根据加权结果对所述待识别用户的身份在所述两类中进行分类。权重获取子模块，用于基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重。
[0014]根据本公开的实施例，所述装置还包括多模态融合身份识别模型。所述多模态融合身份识别模型用于当所述N个第一识别结果不完全相同且分为三类或更多类时，基于对所述N个生物特征图像的特征融合处理，识别所述待识别用户的身份。
[0015]根据本公开的实施例，所述单模态识别模块还用于当所述N个第一识别结果相同时，输出所述N个第一识别结果中的身份信息为所述待识别用户的身份。
[0016]根据本公开的实施例，所述装置还包括训练模块。其中，所述训练模块用于将所述
决策融合分类器与所述N个单模态身份识别模型联合训练。其中，所述决策融合分类器的训练方式如下：当所述N个单模态身份识别模型对同一用户进行身份识别所得到的第二识别结果不完全相同且分为两类时，获取所述N个单模态身份识别模型分别输出的用于表示第二识别结果的第二输出数据；基于每个单模态身份识别模型得到的第二识别结果的准确率，得到每个单模态身份识别模型输出的第二输出数据对应的权重；以所述N个单模态身份识别模型输出的第二输出数据和每个第二输出数据对应的权重作为输入样本数据，以所述同一用户的身份信息作为输出样本数据，得到训练样本；以及利用所述训练样本训练所述决策融合分类器。
[0017]本公开实施例的第三方面，提供了一种电子设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种身份识别方法，包括：获取待识别用户的N个生物特征图像，其中，所述N个生物特征图像中所包含的生物特征互不相同，N为大于或等于3的整数；按照训练好的N个单模态身份识别模型与所述N个生物特征图像之间的一一对应关系，利用每个单模态身份识别模型识别与之对应的生物特征图像，得到每个单模态身份识别模型对所述待识别用户的身份的第一识别结果；其中，与所述N个单模态身份识别模型对应得到N个第一识别结果；当所述N个第一识别结果不完全相同且分为两类时，利用训练好的决策融合分类器，对所述N个单模态身份识别模型输出的用于表示第一识别结果的第一输出数据进行加权，并根据加权结果对所述待识别用户的身份在所述两类中进行分类；其中，基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重。2.根据权利要求1所述的方法，其中，所述方法还包括：当所述N个第一识别结果不完全相同且分为三类或更多类时，利用训练好的多模态融合身份识别模型，基于对所述N个生物特征图像的特征融合处理，识别所述待识别用户的身份。3.根据权利要求1所述的方法，其中，所述基于每个单模态身份识别模型得到的第一识别结果的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重包括：基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率；以及归一化处理所述N个单模态身份识别模型的准确率，得到对所述N个单模态身份识别模型输出的第一输出数据进行加权时的权重。4.根据权利要求3所述的方法，其中，基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率包括：当单模态身份识别模型得到的第一识别结果表征所述待识别用户为已知用户时，获取训练所述单模态身份识别模型识别出所述已知用户时的准确率。5.根据权利要求3所述的方法，其中，基于每个单模态身份识别模型在训练过程中的性能测试数据，获得每个单模态身份识别模型得到的第一识别结果的准确率包括：当单模态身份识别模型得的第一识别结果表征所述待识别用户的身份未知时，获取所述单模态身份识别模型在训练数据集中识别正确的概率，以得到所述准确率。6.根据权利要求1所述的方法，其中，所述决策融合分类器是与所述N个单模态身份识别模型联合训练得到的，其中，所述决策融合分类器的训练方式如下：当所述N个单模态身份识别模型在一次...
【专利技术属性】
技术研发人员：吴霞，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。