[发明专利]生物特征识别方法、装置、设备和存储介质在审

专利信息
申请号: 202111350756.5 申请日: 2021-11-15
公开(公告)号: CN114049511A 公开(公告)日: 2022-02-15
发明(设计)人: 杨春林;周军 申请(专利权)人: 北京眼神智能科技有限公司;北京眼神科技有限公司
主分类号: G06V10/75 分类号: G06V10/75;G06V40/16
代理公司: 成都维飞知识产权代理有限公司 51311 代理人: 张巧燕
地址: 100085 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 生物 特征 识别 方法 装置 设备 存储 介质
【权利要求书】:

1.一种生物特征识别方法,其特征在于,包括:

获取待识别的生物特征样本;

采用多种特征匹配算法,将所述生物特征样本与特征模板库中的特征模板进行逐一比对,得到每种所述特征匹配算法下对应的候选特征模板集合;

根据预设权重矩阵中每种所述特征匹配算法的排序权重分别对每个所述候选特征模板集合的排序做加权计算;

根据加权排序后的每个所述候选特征模板集合,确定所述生物特征样本对应的最终目标对象。

2.根据权利要求1所述的方法,其特征在于,所述采用多种特征匹配算法,将所述生物特征样本与特征模板库中的特征模板进行逐一比对,得到每种所述特征匹配算法下对应的候选特征模板集合,包括:

采用所述多种特征匹配算法中的第一个特征匹配算法,将所述生物特征样本与所述特征模板库中的特征模板进行逐一比对,选取出第一候选特征模板集合;

分别采用所述多种特征匹配算法中剩余的每种特征匹配算法,将所述生物特征样本与所述第一候选特征模板集合中的特征模板进行逐一比对,得到所述每种特征匹配算法下对应的第二候选特征模板集合。

3.根据权利要求1所述的方法,其特征在于,在所述根据预设权重矩阵中每种所述特征匹配算法的排序权重分别对每个所述候选特征模板集合的排序做加权计算之前,还包括:

分别根据每个所述候选特征模板集合的辨识错误率,构建所述多种特征匹配算法的所述权重矩阵,所述权重矩阵中包括每种所述特征匹配算法的排序权重。

4.根据权利要求3所述的方法,其特征在于,所述辨识错误率包括:每个所述候选特征模板集合的错误辨识选择率;采用如下公式构建所述多种特征匹配算法的权重矩阵:

W=(wi)1×m,i=1~m

其中,m为所述多种特征匹配算法的总数量,m为正整数,W为所述多种特征匹配算法的权重矩阵,wi为所述多种特征匹配算法中第i个算法对应的所述排序权重,FISRi为所述多种特征匹配算法中第i个算法对应的所述候选特征模板集合的错误辨识选择率。

5.根据权利要求3所述的方法,其特征在于,所述辨识错误率包括:每个所述候选特征模板集合的错误辨识选择率和错误辨识拒绝率;采用如下公式构建所述多种特征匹配算法的权重矩阵:

W=(wi),i=1~m

其中,m为所述多种特征匹配算法的总数量,m为正整数,W为所述多种特征匹配算法的权重矩阵,wi为所述多种特征匹配算法中第i个算法对应的所述排序权重,FISRi为所述多种特征匹配算法中第i个算法对应的所述候选特征模板集合的错误辨识选择率,FIRRi为所述多种特征匹配算法中第i个算法对应的所述候选特征模板集合的错误辨识拒绝率。

6.根据权利要求1所述的方法,其特征在于,所述根据预设权重矩阵中每种所述特征匹配算法的排序权重分别对每个所述候选特征模板集合的排序做加权计算,包括:

根据每种所述特征匹配算法下对应的候选特征模板集合,生成所述多种特征匹配算法对应的初始排序矩阵;

将所述初始排序矩阵的每个元素取倒数后,生成倒数排序矩阵;

对所述倒数排序矩阵进行标准化处理,得到标准化排序矩阵;

将所述权重矩阵与所述标准化排序矩阵相乘,得到所述生物特征样本在所述多种特征匹配算法下对应所有候选特征模板的最终排序矩阵。

7.根据权利要求6所述的方法,其特征在于,所述根据加权排序后的每个所述候选特征模板集合,确定所述生物特征样本对应的最终目标对象,包括:

将所述最终排序矩阵中的元素按照降序排列,将所述最终排序矩阵中排在前预设名次的元素对应的候选特征模板确定为所述生物特征样本对应的最终目标对象。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京眼神智能科技有限公司;北京眼神科技有限公司,未经北京眼神智能科技有限公司;北京眼神科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111350756.5/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top