[发明专利]电子装置、基于人脸图像与声纹信息的身份识别方法及存储介质

权利要求书

1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于人脸图像与声纹信息的身份识别程序，所述基于人脸图像与声纹信息的身份识别程序被所述处理器执行时实现如下步骤：

A1、接收到终端发送的识别用户身份的请求后，向所述终端发送采集该用户的声纹信息及摄取人脸图像的指令；

A2、根据预先训练完成的数据处理模型对所述终端返回的声纹信息以及人脸图像进行处理，得到第一特征向量；

A3、根据预定义的相似性分析算法分析得到的第一特征向量与预存的第二特征向量之间的相似度，所述第二特征向量为预存的该用户的标准样本向量；

A4、若分析得到的相似度大于预设的相似度阈值，则确定对该用户的身份识别通过，并向所述终端发送身份识别通过指令；

A5、若分析得到的相似度小于或等于预设的相似度阈值，则确定对该用户身份识别不通过，并向所述终端发送身份识别不通过指令。

2.如权利要求1所述的电子装置，其特征在于，所述数据处理模型为双通道卷积神经网络模型，所述双通道卷积神经网络模型包括特征提取网络及特征向量生成网络；

其中，所述特征提取网络由两个相互独立的卷积神经网络分支构成，且两个卷积神经网络分支的网络结构相同，均包括输入层、三个卷积层和两个池化层，所述特征向量生成网络包括串接层、和全连接层。

3.如权利要求2所述的电子装置，其特征在于，所述数据处理模型包括训练过程以及测试过程，所述数据处理模型的训练过程包括：

E1、分别获取预设数量的具有身份标识信息的声纹信息及人脸图像信息，构成预设数量的样本信息对；

F1、将所述样本信息对分为第一比例的训练子集和第二比例的测试子集；

G1、利用所述训练子集中的样本信息对训练所述数据处理模型，以得到训练好的数据处理模型；

H1、利用所述测试子集中的样本信息对对所述数据处理模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述样本信息对中样本的数量并重新执行上述步骤E1、F1、G1。

4.如权利要求3所述的电子装置，其特征在于，所述数据处理模型的测试过程包括：

利用训练好的所述数据处理模型分别对所述测试子集中的样本信息对进行处理，以得到所述测试子集中的各个样本信息对对应的第一特征向量；

分别获取预存的所述测试子集中的各个样本信息对对应的用户的第二特征向量，生成第一特征向量与第二特征向量之间的映射关系表；

根据所述预定义的相似性分析算法分别分析所述映射关系表中的各个第一特征向量与相映射的第二特征向量之间的相似度；

若分析得到的相似度小于或等于预设相似度阈值的概率值大于预设的概率阈值，则确定针对该数据处理模型的测试不通过，或者，若分析得到的相似度小于或等于预设相似度阈值的概率值小于预设的概率阈值，则确定针对该数据处理模型的测试通过。

5.如权利要求1-4任一项所述的电子装置，其特征在于，所述预定义的相似性分析算法为余弦相似度算法，所述余弦相似度算法的计算公式为：

其中，A为所述第一特征向量，B为所述第二特征向量。

6.一种基于人脸图像与声纹信息的身份识别方法，其特征在于，所述方法包括如下步骤：

S1、接收到终端发送的识别用户身份的请求后，向所述终端发送采集该用户的声纹信息及摄取人脸图像的指令；

S2、根据预先训练完成的数据处理模型对所述终端返回的声纹信息以及人脸图像进行处理，得到第一特征向量；

S3、根据预定义的相似性分析算法分析得到的第一特征向量与预存的第二特征向量之间的相似度，所述第二特征向量为预存的该用户的标准样本向量；

S4、若分析得到的相似度大于预设的相似度阈值，则确定对该用户的身份识别通过，并向所述终端发送身份识别通过指令；

S5、若分析得到的相似度小于或等于预设的相似度阈值，则确定对该用户身份识别不通过，并向所述终端发送身份识别不通过指令。