基于生物特征的身份识别方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于生物特征的身份识别方法、装置、设备及介质，属于数据处理领域。该方法包括：在第一阶段中，采集预设用户范围内的第一用户的生物特征与注册生物特征数据库匹配得到的第一目标数据，将第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型，第一目标数据包括相似度参数和环境因素参数；在第二阶段中，根据预设用户范围内的第二用户的生物特征，获取第二用户的生物特征与注册生物特征数据库匹配得到的第二目标数据，利用分类模型对第二目标数据进行分类处理，得到分类结果，第二目标数据包括相似度参数和环境因素参数，分类结果表征第二用户是否通过身份认证。根据本申请实施例能够降低身份识别的误判率。识别的误判率。识别的误判率。

【技术实现步骤摘要】
基于生物特征的身份识别方法、装置、设备及介质


[0001]本申请属于数据处理领域，尤其涉及一种基于生物特征的身份识别方法、装置、设备及介质。

技术介绍

[0002]由于生物特征具有独特性和便利性，其在身份识别领域中得到了大范围应用。一般情况下，可获取用户的生物特征与数据库中的注册生物特征进行匹配，得到用户的生物特征与注册生物特征的相似度，若数据库中存在与用户的生物特征的相似度高于判断阈值的注册生物特征，则可认为用户的身份识别通过。
[0003]但在实际操作过程中，用于判断身份识别是否通过的判断阈值难以准确设定。若判断阈值设定偏高，则会出现将同一对象识别为不同对象的误判错误；若判断阈值设定偏低，则会出现将不同对象识别为同一对象的误判错误，导致身份识别的误判率较高。

技术实现思路

[0004]本申请实施例提供一种基于生物特征的身份识别方法、装置、设备及介质，能够降低身份识别的误判率。
[0005]第一方面，本申请实施例提供一种基于生物特征的身份识别方法，包括：在第一阶段中，采集预设用户范围内的第一用户的生物特征与注册生物特征数据库匹配得到的至少部分第一目标数据，将至少部分第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型，第一目标数据包括相似度参数和环境因素参数，分类平面将样本数据划分为身份认证通过和身份认证未通过两类；在第二阶段中，根据预设用户范围内的第二用户的生物特征，获取第二用户的生物特征与注册生物特征数据库匹配得到的第二目标数据，利用分类模型对第二目标数据进行分类处理，得到分类结果，第二目标数据包括相似度参数和环境因素参数，分类结果表征第二用户是否通过身份认证。
[0006]第二方面，本申请实施例提供一种基于生物特征的身份识别装置，包括：模型训练模块，用于在第一阶段中，采集预设用户范围内的第一用户的生物特征与注册生物特征数据库匹配得到的至少部分第一目标数据，将至少部分第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型，第一目标数据包括相似度参数和环境因素参数，分类平面将样本数据划分为身份认证通过和身份认证未通过两类；身份识别模块，用于在第二阶段中，根据预设用户范围内的第二用户的生物特征，获取第二用户的生物特征与注册生物特征数据库匹配得到的第二目标数据，利用分类模型对第二目标数据进行分类处理，得到分类结果，第二目标数据包括相似度参数和环境因素参数，分类结果表征第二用户是否通过身份认证。
[0007]第三方面，本申请实施例提供一种终端设备，包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现第一方面的基于生物特征的身份识别方法。
[0008]第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的基于生物特征的身份识别方法。
[0009]本申请实施例提供一种基于生物特征的身份识别方法、装置、设备及介质，在第一阶段，在预设用户范围内的第一用户利用生物特征与注册生物特征数据库进行匹配的过程中，采集得到包括相似度参数和环境因素参数的第一目标数据，将第一目标数据作为样本数据进行模型训练，得到包括能够将样本数据划分为身份识别通过和身份识别未通过两类的分类平面的分类模型。在得到分类模型后的第二阶段，可根据预设用户范围内的第二用户的生物特征与注册生物特征数据库的匹配，得到包括相似度参数和环境因素参数的第二目标数据，利用分类模型对该第二目标数据进行分类处理，得到的分类结果可表征用户是否通过身份认证。分类模型充分利用相似度参数和环境因素等多维度的要素通过机器学习算法得到，对于同在预设用户范围内的第二用户，分类模型中的分类平面可基于第二目标数据得到准确的表征第二用户是否通过身份认证的分类结果，可尽量减少用户与注册用户为同一用户却未通过身份认证的情况和用户与注册用户不是同一用户却通过身份认证的情况，从而降低身份识别的误判率。
附图说明
[0010]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。
[0011]图1为本申请一实施例提供的基于生物特征的身份识别方法的流程图；
[0012]图2为本申请实施例提供的分类平面在二维平面内的投影的一示例的示意图；
[0013]图3为本申请另一实施例提供的基于生物特征的身份识别方法的流程图；
[0014]图4为本申请又一实施例提供的基于生物特征的身份识别方法的流程图；
[0015]图5为本申请实施例提供的基于生物特征的身份识别方法的一示例的逻辑示意图；
[0016]图6为本申请一实施例提供的基于生物特征的身份识别装置的结构示意图；
[0017]图7为本申请一实施例提供的终端设备的结构示意图。
具体实施方式
[0018]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。需要说明的是，本申请实施例中对信息、数据的获取、存储、使用、处理等均得到用户或相关机构的授权，符合国家法律法规的相关规定。
[0019]由于生物特征具有独特性和便利性，其在身份识别领域中得到了大范围应用。一般情况下，可获取用户的生物特征与数据库中的注册用户的注册生物特征进行匹配，得到
用户的生物特征与注册生物特征的相似度，若数据库中存在与用户的生物特征的相似度高于判断阈值的注册生物特征，则可认为用户的身份识别通过。在实际操作过程中，利用判断阈值进行身份识别存在以下几种情况：第一种情况是用户与数据库中注册用户实际为同一用户且用户的身份识别通过，即正确的通过(即true accept)；第二种情况是用户与数据库中注册用户实际不是同一用户但用户的身份识别通过，即错误的通过(即false accept)；第三种情况是用户与数据库中注册用户实际是同一用户但用户的身份识别未通过，即错误的拒绝(即false reject)；第四种情况是用户与数据库中注册用户实际不是同一用户且用户的身份识别未通过，即正确的拒绝(即true reject)。上述第二种情况和第三种情况均属于身份认证误判的情况。在实际操作过程中，用于判断身份识别是否通过的判断阈值难以准确设定。若判断阈值设定较高，则会出现将同一对象识别为不同对象的误判错误，即上述第三种情况；若判断阈值设定较低，则会出现将不同对象识别为同一对象的误判错误，即上述第二种情况，导致身份识别的误判率较高。
[0020]为了提高身份识别的准确性，有些场景中会叠加身份识别过程，例如，先进行一次1:n的生物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生物特征的身份识别方法，其特征在于，包括：在第一阶段中，采集预设用户范围内的第一用户的生物特征与注册生物特征数据库匹配得到的至少部分第一目标数据，将至少部分所述第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型，所述第一目标数据包括相似度参数和环境因素参数，所述分类平面将所述样本数据划分为身份认证通过和身份认证未通过两类；在第二阶段中，根据所述预设用户范围内的第二用户的生物特征，获取所述第二用户的生物特征与所述注册生物特征数据库匹配得到的第二目标数据，利用所述分类模型对所述第二目标数据进行分类处理，得到分类结果，所述第二目标数据包括相似度参数和环境因素参数，所述分类结果表征所述第二用户是否通过身份认证。2.根据权利要求1所述的方法，其特征在于，所述将至少部分所述第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型，包括：从所述样本数据中选取部分作为训练样本数据集，基于所述训练样本数据集和预设的惩罚参数构造凸二次规划模型和约束条件；根据所述凸二次规划模型和约束条件，确定所述分类平面；根据所述分类平面得到所述分类模型。3.根据权利要求2所述的方法，其特征在于，根据所述凸二次规划模型和约束条件，确定所述分类平面，包括：利用所述约束条件，执行对所述凸二次规划模型的求解，得到系数参数和常数参数；根据所述系数参数和所述常数参数，确定所述分类平面。4.根据权利要求2所述的方法，其特征在于，在所述将至少部分所述第一目标数据作为样本数据进行模型训练，得到包括分类平面的分类模型之后，还包括：从所述样本数据中选取部分作为验证样本数据集，将所述验证样本数据集输入所述分类模型，得到所述验证样本数据集对应的分类结果；基于所述验证样本数据集对应的分类结果，得到所述分类模型的验证精度；在所述验证精度低于预设的可靠精度阈值的情况下，获取新的训练样本数据集，并利用所述新的训练样本数据集进行模型训练，直至得到所述验证精度高于等于所述可靠精度阈值的所述分类模型；在所述验证精度高于等于所述可靠精度阈值的情况下，控制所述分类模型生效。5.根据权利要求1所述的方法，其特征在于，所述利用所述分类模型对所述第二目标数据进行分类处理，得到分类结果，包括：在所述第二目标数据中的相似度参数表征的相似度高于等于相似度判断阈值的情况下，利用所述分类模型对所述第二目标数据进行分类处理，得到所述分类结果。6.根据权利要求1所述的方法，其特征在于，在所述利用所述分类模型对所述第二目标数据进行分类处理，得到分类结果之后，还包括：获取与所述第二目标数据的所述分类结果相同的历史数据集合的中心；根据所述第二目标数据、与所述第二目标数据的所述分类结果相同的历史数据集合和所述中心，确定偏离类型；根据所述偏离类型，执行与所述偏离类型对应的校正动作。7.根据权利要求6所述的方法，其特征在于，所述偏离类型包括用户群体偏移，
所述根据所述第二目标数据、与所述第二目标数据的所述分类结果相同的历史数据集合和所述中心，确定偏离类型，包括：将所述第二目标数据添加入与所述第二目标数据的分类结果相同的历史数据集合；根据添加所述第二目标数据后的历史数据集合和所述中心，计算得到添加所述第二目标数据后的历史数据集合对应的数据中心距；若在截止于当前时刻的第一预设时间段内，历史数据集合对...

【专利技术属性】
技术研发人员：王伟鹏，刘猛，邵奔驰，康家梁，冀乃庚，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：