【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种用户身份识别方法及系统、计算装置。
技术介绍
1、随着人类寿命的增长，卫生保健和保养的重要性已经受到越来越多的关注。目前已有家用的检测装置以供用户在家中实现个人身体项目的检测，例如尿液、唾液等项目的检测。
2、然而，在现有技术中，为了长时间的对用户健康状况进行监控形成报告，用户在利用检测装置完成样品采集及检测后，每次均需要通过手机、平板等电子设备设定样品与身份信息的绑定关系，非常不便捷，尤其是对于不熟悉电子设备使用的中老年人。
技术实现思路
1、本专利技术的目的是提供了一种用户身份识别方法及系统、计算装置，能够自动进行用户身份识别，解决操作繁琐、实际生活中易遗忘的问题，判别精度高，减少外设依赖，安装更简便；计算更精确，且能根据用户尿液物质浓度数据预测用户身份。
2、为实现上述目的，本专利技术提供了一种用户身份识别方法，包括：基于获取的当前待测用户的尿液物质浓度数据，得到所述当前待测用户的若干项个人属性的预测属性值；
3、将所述当前待测用户的尿液物质浓度数据与所述预测属性值输入到预设的特征分析模型，得到所述当前待测用户的特征数据；
4、基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从所述多个预设用户中确定出为所述当前待测用户的所述预设用户。
5、本专利技术还提供了一种计算装置，用于执行上述的用户身份识别方法。
6、本专利技术还提供了一种身份识别系统，包括：尿液检测装
7、在一个实施例中，所述特征分析模型的获取方式为：
8、获取训练数据集，所述训练数据集包括：多个用户样本的样本数据，每个所述用户样本的样本数据包括：用户样本的尿液物质浓度数据与用户样本对应若干项个人属性的属性值；
9、构建包括两个或三个反向传播神经网络模型的孪生网络模型，其中所述孪生网络模型的反向传播神经网络模型的输入为用户样本的样本数据、所述孪生网络模型的输出为表征输入的用户样本的样本数据是否来源于同一用户的参数；
10、利用所述训练数据集的用户样本的样本数据对所述孪生网络模型进行训练，得到目标孪生网络模型，并以所述孪生网络模型中的反向传播神经网络模作为所述特征分析模型。
11、在一个实施例中，所述获取训练数据集包括：
12、获取多个用户样本的参照样本数据，每个所述用户样本的参照样本数据包括：所述用户样本的尿液物质浓度数据；
13、基于获取的属性预测模型与所述多个用户样本的尿液物质浓度数据，得到各所述用户样本的若干项个人属性的预测属性值；
14、对于每个所述用户样本，将所述用户样本的所述预设属性值与所述用户样本的尿液物质浓度数据进行组合，得到新样本数据；
15、将所述多个用户样本的新样本数据组合得到所述训练数据集。
16、在一个实施例中，所述基于获取的当前待测用户的尿液物质浓度数据，得到所述当前待测用户的若干项个人属性的预测属性值，包括：
17、将所述当前待测用户的尿液物质浓度数据输入到预设的属性预测模型中，得到所述当前待测用户的若干项个人属性的预测属性值。
18、在一个实施例中，所述属性预测模型包括：对应于各项所述个人属性的子属性预测模型；
19、对于每项所述个人属性所对应的子属性预测模型，在尿液物质浓度数据输入到所述子属性预测模型中时，所属子属性预测模型输出该项所述个人属性的预测属性值。
20、在一个实施例中，所述基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从所述多个预设用户中确定出为所述当前待测用户的所述预设用户，包括：
21、以各所述预设用户的历史特征数据作为族，采用高斯混合模型得到所述待测用户的特征数据归属于各所述预设用户对应的族的概率值；
22、选取所述概率值最大的族对应的预设用户作为所述当前待测用户。
23、在一个实施例中，所述基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从所述多个预设用户中确定出为所述当前待测用户的所述预设用户，包括：
24、基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从中选取所述当前待测用户的特征数据的k个邻近的历史特征数据，k为大于或等于1的整数；
25、基于所述k个邻近的历史特征数据，确定出作为所述当前待测用户的所述预设用户。
26、在一个实施例中，在所述基于所述k个邻近的历史特征数据，确定出作为所述当前待测用户的所述预设用户之前，还包括：
27、判断所述当前待测用户的特征数据与所述k个邻近的历史特征数据之间的距离最小值是否大于或等于预设距离阈值；
28、若是，则发出表征当前待测用户为新用户的提示信息；
29、若否，则进入所述基于所述k个邻近的历史特征数据，确定出作为所述当前待测用户的所述预设用户的步骤。
本文档来自技高网...【技术保护点】
1.一种用户身份识别方法，其特征在于，包括：
2.根据权利要求1所述的用户身份识别方法，其特征在于，所述特征分析模型的获取方式为：
3.根据权利要求1所述的用户身份识别方法，其特征在于，所述获取训练数据集包括：
4.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于获取的当前待测用户的尿液物质浓度数据，得到所述当前待测用户的若干项个人属性的预测属性值，包括：
5.根据权利要求3或4所述的用户身份识别方法，其特征在于，所述属性预测模型包括：对应于各项所述个人属性的子属性预测模型；
6.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从所述多个预设用户中确定出为所述当前待测用户的所述预设用户，包括：
7.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于所述当前待测用户的特征数据与多个预设用户的历史特征数据，从所述多个预设用户中确定出为所述当前待测用户的所述预设用户，包括：
8.根据权利要求7所述的用户身份识别方法，其特
9.一种计算装置，其特征在于，用于执行1至8中任一项的用户身份识别方法。
10.一种身份识别系统，其特征在于，包括：尿液检测装置与权利要求9所述的计算装置；
...【技术特征摘要】
1.一种用户身份识别方法，其特征在于，包括：
2.根据权利要求1所述的用户身份识别方法，其特征在于，所述特征分析模型的获取方式为：
3.根据权利要求1所述的用户身份识别方法，其特征在于，所述获取训练数据集包括：
4.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于获取的当前待测用户的尿液物质浓度数据，得到所述当前待测用户的若干项个人属性的预测属性值，包括：
5.根据权利要求3或4所述的用户身份识别方法，其特征在于，所述属性预测模型包括：对应于各项所述个人属性的子属性预测模型；
6.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于所述当前待测用户的特征数...
【专利技术属性】
技术研发人员：周林，陈曦，
申请(专利权)人：杉木深圳生物科技有限公司，
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。