[发明专利]生物特征识别方法、装置、设备和存储介质

说明书

本申请提供一种生物特征识别方法、装置、设备和存储介质，该方法包括：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；根据所述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。本申请通过多种匹配算法的比对排名和排序权重，提高了生物特征辨识的可靠性。

技术领域

本申请涉及信息处理技术领域，具体而言，涉及一种生物特征识别方法、装置、设备和存储介质。

背景技术

生物识别技术通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性如指纹、人脸、虹膜、指静脉等进行个人身份识别。

随着对社会安全和身份鉴别准确性和可靠性要求的日益提升，单一生物特征识别在准确性和可靠性方面的局限性日益突出，不能满足产品和技术发展的需要。随着生物特征识别技术的不断成熟，多模态生物特征识别技术的研究与应用将弥补单一生物特征识别技术的局限与不足，进一步降低生物特征识别系统的误识率，提高鉴别精度。

因此，多模态生物特征识别技术越来越受到人们的关注，生物特征辨识属于1:N的比对方式，在考勤门禁、人员聚档、黑名单监控等生物特征搜索中应用较多，给人们的生活和工作带来了便利。尽管如此，在1:N比对的实际应用中，往往会出现误识、误警及漏报的问题，给系统应用带来困扰和风险。

发明内容

本申请实施例的目的在于提供一种生物特征识别方法、装置、设备和存储介质，实现了通过多种匹配算法的比对排名和每种算法的排序权重来提高生物特征辨识的可靠性。

本申请实施例第一方面提供了一种生物特征识别方法，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。

于一实施例中，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。

于一实施例中，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。

于一实施例中，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＝(w_i)_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，w_i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。

于一实施例中，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：