[发明专利]一种基于胸针设备的移动终端身份鉴别与记忆方法

权利要求书

1.一种基于胸针设备的移动终端身份鉴别与记忆方法，其特征在于，包括如下步骤：

S1)用户在移动终端下载并安装智能伴侣记忆客户端；

S2)用户启动智能伴侣记忆客户端：若用户首次启动该客户端，需首先在客户端进行用户注册并预先导入若干组人脸图像及这些人脸图像对应的相关联系人信息，并将该预先导入的若干组人脸图像及这些人脸图像对应的相关联系人信息保存至服务器端数据库，并作为训练集在服务器端训练预设神经网络，预设神经网络训练完成后客户端启动胸针设备，并接收该胸针设备采集的人脸图像，最后打开移动终端的蓝牙，使移动终端与胸针设备进行配对，将胸针设备采集的人脸图像通过移动终端的蓝牙传输到移动终端；若用户并非首次启动该客户端，用户需首先登陆客户端，然后客户端启动胸针设备，并接收该胸针设备采集的人脸图像，最后打开移动终端的蓝牙，使移动终端与胸针设备进行配对，将胸针设备采集的人脸图像通过移动终端的蓝牙传输到移动终端；

S3)移动终端将接收到的胸针设备采集的人脸图像传送至服务器端，并在服务器端利用步骤S2)训练完成的预设神经网络分类识别胸针设备采集的人脸图像，最后和服务器端数据库中预先导入的人脸图像对应的相关联系人信息进行匹配：若匹配成功，在移动终端界面上显示匹配成功信息，显示图像为胸针设备采集的当前人脸图像，显示信息为用户对当前人脸图像对应的相关联系人信息的描述；若匹配失败，在移动终端界面上显示匹配失败信息并保存匹配失败的胸针设备采集的当前人脸图像及胸针设备采集的当前人脸图像对应的联系人信息至服务器端数据库中的未匹配库；

其中，所述预设神经网络为反向传播BP神经网络，使用所述训练集训练BP神经网络的方法具体包括如下步骤：

b1)初始化BP神经网络：给BP神经网络中每个权值和偏置值随机指定一个非零值，然后进入步骤b2)；

b2)输入一组样本用于预设神经网络学习，前向计算预设神经网络每层神经元的输入值和输出值；

b3)判断经过步骤b2)处理的预设神经网络最终输出层的实际输出与期望输出是否一致：若一致则进入步骤b31)，若不一致则进入b32)；

b31)输入下一组样本预设神经网络学习，然后进入步骤b4)；

b32)根据反向传播算法计算预设神经网络每层的局部梯度值，然后进入步骤b33)；

b33)根据计算得到的预设神经网络每层的局部梯度值修正预设神经网络中每个权值和偏置值，然后进入步骤b2)；

b4)判断预设神经网络是否学习完所有样本：若是则进入步骤b5)；若不是则进入步骤b2)；

b5)结束训练；

所述BP神经网络的激活函数为改进的Sigmoid函数，其表示为其中χ＝w₁x₂+w₂x₂+w₃x₃+…+w_dx_d+b，b为偏置值，将第m组样本表示为(X_m，Y_m)，其中，m＝l，2，3，...，q，q为样本总数，X_m＝(x₁，x₂，...，x_d)表示第m组样本中与人脸图像相关的属性，Y_m表示与第m组样本中人脸图像对应的相关联系人信息有关的属性，x_p，p＝1，2，3，...，d是第m组样本在X_m中的第p个属性上的取值，d为样本在X_m中的属性个数，即BP神经网络输入层神经元的个数，d＝20，w_p，p＝1，2，3，...，d为x_p对应的权重值；

对于每一组样本，所述BP神经网络中每个权值和偏置值修正规则为：隐含层神经元个数的计算为表示向上取整，其中，表示从BP神经网络第l-1层中的第j个神经元指向第l层的第i个神经元的权重值，表示从BP神经网络第l-1层中的第j个神经元指向第l层的第i个神经元权重调整值的计算，E为误差函数，对于第m组样本，误差函数n为样本在Ym中的属性个数，即BP神经网络输出神经元的个数，n＝1024，为第m个样本在第i个输出神经元的实际输出，表示第m个样本在第i个输出神经元的期望输出，为计算E对偏导数，同理，为第l层的第i个神经元的偏置值，第l层的第i个神经元偏置调整值的计算，为计算E对偏导数，ρ为学习率，取值为0～1，d为BP神经网络输入层神经元的个数，常数a的取值范围是1-10，BP神经网络的层数为3层，l＝2，3，输入层位于第1层、隐含层位于第2层、输出层位于第3层。