本说明书公开了一种身份识别模型的训练方法、装置、介质及电子设备，包括：确定历史上采集到的用户的PPG信号作为训练样本，以及确定用户的身份标识作为训练样本对应的标注。确定历史上采集到的用户的心电ECG信号为第一心电信号，并确定第一心电信号的特征为训练样本的第一伪标注。将训练样本输入待训练的身份识别模型的特征提取层，确定训练样本对应的特征为第一特征，将第一特征输入待训练的身份识别模型的识别层，确定训练样本的识别结果。根据第一特征、识别结果、标注以及第一伪标注，至少对待训练的身份识别模型的特征提取层进行训练，避免受限于PPG信号的敏感性造成的身份识别准确率低的问题，提高了用户身份识别的准确性。
1、随着科技的不断发展，身份识别应用的越来越广泛。比如用户在利用交易账户进行交易时，需要对用户的身份进行识别，确定该用户为交易账户对应的用户，以避免该用户伪装成交易账户对应的用户进行交易。
2、目前，在对用户进行身份识别时，由于每一个用户的生物特征与其他用户的生物特征是不同的，通常上可以利用用户的生物特征进行身份识别，确定用户的身份，以避免他人冒用用户的身份执行业务。因此，如何训练身份识别模型以确定用户的身份是一个非常重要的问题。
6、将所述训练样本输入待训练的身份识别模型的特征提取层，确定所述训练样本对应的特征为第一特征，并将所述第一特征输入所述待训练的身份识别模型的识别层，确定所述训练样本的识别结果；
>7、根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，训练完成的身份识别模型用于以待识别用户的ppg信号为输入，确定所述待识别用户的身份标识。8、可选地，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
9、以所述识别结果与所述标注之间的差异最小和所述第一特征与所述第一伪标注之间的差异最小为训练目标，至少对所述待训练的身份识别模型的特征提取层进行训练。
10、可选地，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
11、确定历史上采集到的除所述用户外的其他用户的ecg信号为第二心电信号，并确定所述第二心电信号的特征为第二伪标注；
12、根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练。
13、可选地，根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
14、以所述识别结果与所述标注之间的差异最小、所述第一特征与所述第一伪标注之间的差异最小和所述第一特征与所述第二伪标注之间的差异最大为训练目标，至少对所述待训练的身份识别模型的特征提取层进行训练。
15、可选地，根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
16、根据所述第一特征、所述第一伪标注以及所述第二伪标注，确定对比损失；
17、根据所述识别结果以及所述标注，确定识别损失；
18、根据所述对比损失以及所述识别损失，至少对所述待训练的身份识别模型的特征提取层进行训练。
19、可选地，根据所述对比损失以及所述识别损失，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
20、确定当前所述待训练的身份识别模型的训练次数；
21、根据所述训练次数，确定所述对比损失的权重，并根据确定出的权重对所述对比损失进行加权；
22、根据加权后的对比损失以及所述识别损失，至少对所述待训练的身份识别模型的特征提取层进行训练。
23、可选地，所述方法还包括：
24、采集待识别用户的ppg信号；
25、将所述ppg信号输入训练完成的身份识别模型，确定所述ppg信号对应的特征为待识别特征；
26、根据预先构建的特征库，确定与所述待识别特征之间的距离在指定范围内的特征；
27、确定所述特征对应的用户的身份标识；
28、将所述身份标识作为所述待识别用户的身份标识。
29、本说明书提供了一种身份识别模型的训练装置，包括：
30、第一确定模块，用于确定历史上采集到的用户的光电容积脉搏波ppg信号作为训练样本，以及确定所述用户的身份标识作为所述训练样本对应的标注；
31、第二确定模块，用于确定历史上采集到的所述用户的心电ecg信号为第一心电信号，并确定所述第一心电信号的特征为所述训练样本的第一伪标注；
32、第三确定模块，用于将所述训练样本输入待训练的身份识别模型的特征提取层，确定所述训练样本对应的特征为第一特征，并将所述第一特征输入所述待训练的身份识别模型的识别层，确定所述训练样本的识别结果；
33、训练模块，用于根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，训练完成的身份识别模型用于以待识别用户的ppg信号为输入，确定所述待识别用户的身份标识。
34、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述身份识别模型的训练方法。
35、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述身份识别模型的训练方法。
36、本说明书采用的上述至少一个技术方案能够达到以下有益效果：
37、本说明书提供的身份识别模型的训练方法，确定历史上采集到的用户的ppg信号作为训练样本，以及确定用户的身份标识作为训练样本对应的标注。再确定历史上采集到的用户的心电ecg信号为第一心电信号，并确定第一心电信号的特征为训练样本的第一伪标注。再将训练样本输入待训练的身份识别模型的特征提取层，确定训练样本对应的特征为第一特征，并将第一特征输入待训练的身份识别模型的识别层，确定训练样本的识别结果。之后，根据第一特征、识别结果、标注以及第一伪标注，至少对待训练的身份识别模型的特征提取层进行训练。
38、从上述方法中可以看出，本申请在训练身份识别模型时，确定历史上采集到的用户的ppg信号作为训练样本，以及确定用户的身份标识作为训练样本对应的标注。再确定历史上采集到的用户的心电ecg信号为第一心电信号，并确定第一心电信号的特征为训练样本的第一伪标注。再将训练样本输入待训练的身份识别模型的特征提取层，确定训练样本对应的特征为第本文档来自技高网...
【技术保护点】
1.一种身份识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
3.如权利要求1所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
4.如权利要求3所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
5.如权利要求3所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
6.如权利要求5所述的方法，其特征在于，根据所述对比损失以及所述识别损失，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种身份识别模型的训练装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。
...
【技术特征摘要】
1.一种身份识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
3.如权利要求1所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注以及所述第一伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
4.如权利要求3所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注、所述第一伪标注以及所述第二伪标注，至少对所述待训练的身份识别模型的特征提取层进行训练，具体包括：
5.如权利要求3所述的方法，其特征在于，根据所述第一特征、所述识别结果、所述标注、所述第一伪...
【专利技术属性】
技术研发人员：魏日令，陈翰杰，王军，徐晓刚，
申请(专利权)人：之江实验室，
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。