一种生物特征的识别方法和终端技术

本发明专利技术实施例公开了一种生物特征的识别方法以及终端，用于加快终端识别生物特征的速度。本发明专利技术实施例方法包括：终端确定目标相等错误率和目标认假率；终端根据目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据目标认假率将第一原始特征降维得到第二特征，第一样本为终端预先存储或采集的样本；终端将第一特征和第二特征进行存储；终端获取待识别对象的生物影像生成第二样本并提取第二样本的第二原始特征；终端根据目标相等错误率将第二原始特征降维得到第三特征，并根据目标认假率将第二原始特征降维得到第四特征；终端将第三特征与第一特征进行比对识别并将第四特征与第二特征进行比对识别得到识别结果。

【技术实现步骤摘要】

本专利技术涉及终端领域，尤其涉及一种生物特征的识别方法和终端。
技术介绍
生物识别技术是利用人体生物特征进行身份认证的一种技术，生物特征是唯一的(与他人不同)、可以测量或可以自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。生物识别系统对特征特性进行取样，提取其唯一特征并进行身份认证。生物识别技术作为一种身份识别的手段,具有独特的优势,近年来已逐渐成为国际上的研究热点。目前比较成熟并大规模使用的方式主要为，指纹、虹膜、脸、耳、掌纹、手章静脉等。而生物特征识别技术通常按照，扫描、数字化处理、分析、特征提取、存储、匹配分类几个步骤处理。目前在生物特征识别中为了获得较高的可靠性，通常在特征提取阶段时会尽量提取高维度的特征，比如人脸分块9x9提取LBP特征并计算直方图后，得到的特征为9x9x256个原始局部二值模式(英文全称：Local Binary Patterns，简称LBP)特征，若使用统一LBP(英文全称：Unified LBP)的话，其特征为9x9x58个；基于关键点处分块的特征提取算法得到的特征也会很多，例如，7个关键点，每个关键点处4x4的分块方法得到的Unified LBP直方图特征为7x4x4x58＝6496个。但是高维度特征的体积大，特征多，进而导致终端在比对识别中运算过程复杂，进而降低了终端识别生物特征的速度。
技术实现思路
本专利技术实施例提供了一种生物特征的识别方法和终端，用于加快终端识别生物特征的速度。第一方面，本专利技术实施例提供一种生物特征的识别方法，包括：终端确定目标相等错误率和目标认假率；终端根据该目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据该目标认假率将该第一原始特征降维得到第二特征，该第一样本为该终端预先存储或采集的样本；该终端将该第一特征和该第二特征进行存储；该终端获取待识别对象的生物影像生成第二样本并提取该第二样本的第二原始特征；该终端根据该目标相等错误率将该第二原始特征降维得到第三特征，并根据该目标认假率将该第二原始特征降维得到第四特征；该终端将该第三特征与该第一特征进行比对识别并将该第四特征与该第二特征进行比对识别得到识别结果。在实际应用中，终端根据该目标相等错误率将第一样本的第一原始特征降维得到第一特征可以是在该终端根据目标认假率将第一原始特征降维得到第二特征之后，该终端再根据目标相等错误率将该第二特征降维得到该第一特征，具体方式此处不做限定。一种可能实现方式中，该目标相等错误率为第一取值范围内使得该第一特征不超过第二取值范围的最小相等错误率，该第一取值范围为该目标相等错误率的取值范围，该第二取值范围为该第一特征的取值范围；该目标认假率为第三取值范围内使得该第二特征不超过第四取值范围的最小认假率，该第三取值范围为该目标认假率的取值范围，该第四取值范围为该第二特征的取值范围。另一种可能实现方式中，该终端将该第三特征与该第一特征进行比对识别并将该第四特征与该第二特征进行比对识别得到识别结果包括：该终端判断该第三特征与该第一特征的相似度是否小于第一阈值；若该第三特征与该第一特征的相似度不小于该第一阈值，则该终端判断该第四特征与该第二特征是否小于第二阈值；若该第四特征与该第二特征的相似度不小于第二阈值，则该终端判断该第二样本与该第一样本相同。另一种可能实现方式中，该终端判断该第三特征与该第一特征的相似度是否小于第一阈值之后，该方法还包括：若该第三特征与该第一特征的相似度小于该第一阈值，则该终端判断该第二样本与该第一样本不相同。另一种可能实现方式中，该终端判断该第四特征与该第二特征是否小于第二阈值之后，该方法还包括：若该第四特征与该第二特征的相似度小于第二阈值，则该终端判断该第二样本与该第一样本不相同。另一种可能实现方式中，该终端将该第一特征和该第二特征进行存储包括：该终端根据关系式将该第一特征量化得到第一量化特征，并根据该关系式将该第二特征进行量化得到第二量化特征；该终端将该第一量化特征和该第二量化特征进行存储；该终端将该第三特征与该第一特征进行比对识别并将该第四特征与该第二特征进行比对识别得到识别结果包括：该终端根据该关系式将该第三特征量化得到第三量化特征，并根据该关系式将该第四特征进行量化得到第四量化特征；该终端将该第三量化特征与第一量化特征进行比对识别并将该第四量化特征与该第二量化特征进行比对识别得到识别结果。在实际应用中，该终端还可以存储与该第一特征和该第二特征相对应的个人识别密码(英文全称：Personal Identification Number，简称：PIN)。另一种可能实现方式中，该关系式为： f l o o r ( ( V - V m i n ) × N V max - V m i n ) ; ]]>其中该V为样本降维后的特征取值，该Vmin为样本降维后的最小特征取值，该Vmax为样本降维后的最大特征取值，N的取值为255或65535。第二方面，本专利技术实施例提供一种终端，包括：确定模块，用于确定目标相等错误率和目标认假率；第一降维模块，用于根据该确定模块确定的该目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据该确定模块确定的该目标认假率将该第一原始特征降维得到第二特征，该第一样本为该终端预先存储或采集的样本；存储模块，用于将该降维模块降维得到的该第一特征和该第二特征进行存储；获取模块，用于获取待识别对象的生物影像生成第二样本并提取该第二样本的第二原始特征；第二降维模块，用于根据该确定模块确定的该目标相等错误率将该获取模块获取的该第二原始特征降维得到第三特征，并根据该确定模块确定的该目标认假率将该获取模块获取的该第二原始特征降维得到第四特征；识别模块，用于将该第二降维模块降维得到的该第三特征与该第一降维模块降维得到的该第一特征进行比对识别并将该第二降维模块降维得到的该第四特征与该第一降维模块降维得到的该第二特征进行比对识别得到识别结果。一种可能实现方式中，该目标相等错误率为第一取值范围内使得该第一特征不超过第二取值范围的最小相等错误率，该第一取值范围为该目标相等错误率的取值范围，该第二取值范围为该第一特征的取值范围；该目标认假率为第三取值范围内使得该第二特征不超过第四取值范围的最小认假率，该第三取值范围为该目标认假率的取值范围，该第四取值范围为该第二特征的取值范围本文档来自技高网...

【技术保护点】
一种生物特征的识别方法，其特征在于，包括：终端确定目标相等错误率和目标认假率；终端根据所述目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据所述目标认假率将所述第一原始特征降维得到第二特征，所述第一样本为所述终端预先存储或采集的样本；所述终端将所述第一特征和所述第二特征进行存储；所述终端获取待识别对象的生物影像生成第二样本并提取所述第二样本的第二原始特征；所述终端根据所述目标相等错误率将所述第二原始特征降维得到第三特征，并根据所述目标认假率将所述第二原始特征降维得到第四特征；所述终端将所述第三特征与所述第一特征进行比对识别并将所述第四特征与所述第二特征进行比对识别得到识别结果。

【技术特征摘要】
1.一种生物特征的识别方法，其特征在于，包括：终端确定目标相等错误率和目标认假率；终端根据所述目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据所述目标认假率将所述第一原始特征降维得到第二特征，所述第一样本为所述终端预先存储或采集的样本；所述终端将所述第一特征和所述第二特征进行存储；所述终端获取待识别对象的生物影像生成第二样本并提取所述第二样本的第二原始特征；所述终端根据所述目标相等错误率将所述第二原始特征降维得到第三特征，并根据所述目标认假率将所述第二原始特征降维得到第四特征；所述终端将所述第三特征与所述第一特征进行比对识别并将所述第四特征与所述第二特征进行比对识别得到识别结果。2.根据权利要求1所述的方法，其特征在于，所述目标相等错误率为第一取值范围内使得所述第一特征不超过第二取值范围的最小相等错误率，所述第一取值范围为所述目标相等错误率的取值范围，所述第二取值范围为所述第一特征的取值范围；所述目标认假率为第三取值范围内使得所述第二特征不超过第四取值范围的最小认假率，所述第三取值范围为所述目标认假率的取值范围，所述第四取值范围为所述第二特征的取值范围。3.根据权利要求1所述的方法，其特征在于，所述终端将所述第三特征与所述第一特征进行比对识别并将所述第四特征与所述第二特征进行比对识别得到识别结果包括：所述终端判断所述第三特征与所述第一特征的相似度是否小于第一阈值；若所述第三特征与所述第一特征的相似度不小于所述第一阈值，则所述终端判断所述第四特征与所述第二特征是否小于第二阈值；若所述第四特征与所述第二特征的相似度不小于第二阈值，则所述终端判断所述第二样本与所述第一样本相同。4.根据权利要求3所述的方法，其特征在于，所述终端判断所述第三特征与所述第一特征的相似度是否小于第一阈值之后，所述方法还包括：若所述第三特征与所述第一特征的相似度小于所述第一阈值，则所述终端判断所述第二样本与所述第一样本不相同。5.根据权利要求3所述的方法，其特征在于，所述终端判断所述第四特征与所述第二特征是否小于第二阈值之后，所述方法还包括：若所述第四特征与所述第二特征的相似度小于第二阈值，则所述终端判断所述第二样本与所述第一样本不相同。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述终端将所述第一特征和所述第二特征进行存储包括：所述终端根据关系式将所述第一特征量化得到第一量化特征，并根据所述关系式将所述第二特征进行量化得到第二量化特征；所述终端将所述第一量化特征和所述第二量化特征进行存储；所述终端将所述第三特征与所述第一特征进行比对识别并将所述第四特征与所述第二特征进行比对识别得到识别结果包括：所述终端根据所述关系式将所述第三特征量化得到第三量化特征，并根据所述关系式将所述第四特征进行量化得到第四量化特征；所述终端将所述第三量化特征与第一量化特征进行比对识别并将所述第四量化特征与所述第二量化特征进行比对识别得到识别结果。7.根据权利要求6所述的方法，其特征在于，所述关系式为： f l o o r ( ( V - V min ) × N V max - V min ) ; ]]>其中所述V为样本降维后的特征取值，所述Vmin为样本降维后的最小特征取值，所述Vmax为样本降维后的最大特征取值，N的取值为255或65535。8.一种终端，其特征在于，包括：确定模块，用于确定目标相等错误率和目标认假率；第一降维模块，用于根据所述确定模块确定的所述目标相等错误率将第一样本的第一原始特征降维得到第一特征，并根据所述确定模块确定的所述目标认假率将所述第一原始特征降维得到第二特征，所述第一样本为所述终端预先存储或采集的样本；存储模块，用于将所述降维模块降维得到的所述第一特征和所述第二特征进行存储；获取模块，用于获取待识别对象的生物影像生成第二样本并提取所述第二样本的第二原始特征；第二降维模块，用于根据所述确定模块确定的所述目标相等错误率将所述获取模块获取的所述第二原始特征降维得...

【专利技术属性】
技术研发人员：陈书楷，向阳，
申请(专利权)人：厦门中控生物识别信息技术有限公司，
类型：发明
国别省市：福建;35