基于自适应损失函数的生物特征认证方法、介质及设备技术

本发明专利技术提供了一种基于自适应损失函数的生物特征认证方法、介质及设备；其中，方法为：采用神经网络模型对待认证信息进行特征提取，然后根据提取到的特征得到生物认证结果；神经网络模型训练时，采用自适应损失函数：其中，θl表示代理和归一化样本特征之间的角度；s表示尺度系数；C为训练样本类别数量；m表示自适应间隔系数。该方法采用的自适应损失函数具有非常稳定和优越的性能表现，从而提升神经网络模型的性能，提高生物特征认证的准确率。

【技术实现步骤摘要】

本专利技术涉及生物特征认证，更具体地说，涉及一种基于自适应损失函数的生物特征认证方法、介质及设备。

技术介绍

1、生物特征认证是指通过获取和分析人体的生理特征(如人脸、指纹、虹膜、掌纹、静脉)和/或行为特征(声纹、步态和签名)，实现自动身份鉴别的科学和技术。随着互联网的飞速发展和智能化的高速推进，生物特征认证技术已经渗透到人们生产生活的方方面面，从电子设备解锁、超市收银、小区门禁，再到高铁进站和机场安检，生物特征已经成为人们在万物互联时代的重要数字身份凭证，而生物特征认证也成为了当前社会智能化发展过程中解决身份安全问题(“终结口令”)的首选方案。虽然生物特征认证方法相比密码和磁卡等传统认证方法具有更高的安全性，然而随着技术的发展，生物特征认证技术在安全方面所面临的问题日益凸显。为了进一步提高认证系统的安全性，提高身份特征特征提取器的性能举足轻重。

2、在进行特征提取器设计时，损失函数直接决定了特征提取器的优化方向，因此对最终特征提取器的性能具有决定性的作用。当前损失函数可以大致分为两类：基于度量学习的损失函数和基于分类的损失函数。在基于度量学习本文档来自技高网...

【技术保护点】

1.一种基于自适应损失函数的生物特征认证方法，其特征在于：采用神经网络模型对待认证信息进行特征提取，然后根据提取到的特征得到生物认证结果；

2.根据权利要求1所述的基于自适应损失函数的生物特征认证方法，其特征在于：所述当前间隔ma的计算方法为：将每个归一化样本特征视作边界，则二维空间关于代理的对称位置对应存在一个镜像边界以神经网络模型Softmax函数权重矩阵的各行向量作为代理，统计边界和镜像边界到除代理以外所有代理的角度集合α，以及所有代理间角度的集合β；

3.根据权利要求1所述的基于自适应损失函数的生物特征认证方法，其特征在于：所述自适应间隔系数m的计算公式中...

【技术特征摘要】

1.一种基于自适应损失函数的生物特征认证方法，其特征在于：采用神经网络模型对待认证信息进行特征提取，然后根据提取到的特征得到生物认证结果；

2.根据权利要求1所述的基于自适应损失函数的生物特征认证方法，其特征在于：所述当前间隔ma的计算方法为：将每个归一化样本特征视作边界，则二维空间关于代理的对称位置对应存在一个镜像边界以神经网络模型softmax函数权重矩阵的各行向量作为代理，统计边界和镜像边界到除代理以外所有代理的角度集合α，以及所有代理间角度的集合β；

3.根据权利要求1所述的基于自适应损失函数的生物特征认证方法，其特征在于：所述自适应间隔系数...

【专利技术属性】
技术研发人员：康文雄，宋文伟，张煜峰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：