本發(fā)明涉及終端領(lǐng)域，尤其涉及一種生物特征的識(shí)別方法和終端。

背景技術(shù)：

生物識(shí)別技術(shù)是利用人體生物特征進(jìn)行身份認(rèn)證的一種技術(shù)，生物特征是唯一的(與他人不同)、可以測(cè)量或可以自動(dòng)識(shí)別和驗(yàn)證的生理特性或行為方式，分為生理特征和行為特征。生物識(shí)別系統(tǒng)對(duì)特征特性進(jìn)行取樣，提取其唯一特征并進(jìn)行身份認(rèn)證。生物識(shí)別技術(shù)作為一種身份識(shí)別的手段,具有獨(dú)特的優(yōu)勢(shì),近年來(lái)已逐漸成為國(guó)際上的研究熱點(diǎn)。目前比較成熟并大規(guī)模使用的方式主要為，指紋、虹膜、臉、耳、掌紋、手章靜脈等。而生物特征識(shí)別技術(shù)通常按照，掃描、數(shù)字化處理、分析、特征提取、存儲(chǔ)、匹配分類幾個(gè)步驟處理。

目前在生物特征識(shí)別中為了獲得較高的可靠性，通常在特征提取階段時(shí)會(huì)盡量提取高維度的特征，比如人臉?lè)謮K9x9提取LBP特征并計(jì)算直方圖后，得到的特征為9x9x256個(gè)原始局部二值模式(英文全稱：Local Binary Patterns，簡(jiǎn)稱LBP)特征，若使用統(tǒng)一LBP(英文全稱：Unified LBP)的話，其特征為9x9x58個(gè)；基于關(guān)鍵點(diǎn)處分塊的特征提取算法得到的特征也會(huì)很多，例如，7個(gè)關(guān)鍵點(diǎn)，每個(gè)關(guān)鍵點(diǎn)處4x4的分塊方法得到的Unified LBP直方圖特征為7x4x4x58＝6496個(gè)。

但是高維度特征的體積大，特征多，進(jìn)而導(dǎo)致終端在比對(duì)識(shí)別中運(yùn)算過(guò)程復(fù)雜，進(jìn)而降低了終端識(shí)別生物特征的速度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種生物特征的識(shí)別方法和終端，用于加快終端識(shí)別生物特征的速度。

第一方面，本發(fā)明實(shí)施例提供一種生物特征的識(shí)別方法，包括：

終端確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率；終端根據(jù)該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)該目標(biāo)認(rèn)假率將該第一原始特征降維得到第二特征，該第一樣本為該終端預(yù)先存儲(chǔ)或采集的樣本；該終端將該第一特征和該第二特征進(jìn)行存儲(chǔ)；該終端獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取該第二樣本的第二原始特征；該終端根據(jù)該目標(biāo)相等錯(cuò)誤率將該第二原始特征降維得到第三特征，并根據(jù)該目標(biāo)認(rèn)假率將該第二原始特征降維得到第四特征；該終端將該第三特征與該第一特征進(jìn)行比對(duì)識(shí)別并將該第四特征與該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

在實(shí)際應(yīng)用中，終端根據(jù)該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征可以是在該終端根據(jù)目標(biāo)認(rèn)假率將第一原始特征降維得到第二特征之后，該終端再根據(jù)目標(biāo)相等錯(cuò)誤率將該第二特征降維得到該第一特征，具體方式此處不做限定。

一種可能實(shí)現(xiàn)方式中，該目標(biāo)相等錯(cuò)誤率為第一取值范圍內(nèi)使得該第一特征不超過(guò)第二取值范圍的最小相等錯(cuò)誤率，該第一取值范圍為該目標(biāo)相等錯(cuò)誤率的取值范圍，該第二取值范圍為該第一特征的取值范圍；

該目標(biāo)認(rèn)假率為第三取值范圍內(nèi)使得該第二特征不超過(guò)第四取值范圍的最小認(rèn)假率，該第三取值范圍為該目標(biāo)認(rèn)假率的取值范圍，該第四取值范圍為該第二特征的取值范圍。

另一種可能實(shí)現(xiàn)方式中，該終端將該第三特征與該第一特征進(jìn)行比對(duì)識(shí)別并將該第四特征與該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果包括：該終端判斷該第三特征與該第一特征的相似度是否小于第一閾值；

若該第三特征與該第一特征的相似度不小于該第一閾值，則該終端判斷該第四特征與該第二特征是否小于第二閾值；

若該第四特征與該第二特征的相似度不小于第二閾值，則該終端判斷該第二樣本與該第一樣本相同。

另一種可能實(shí)現(xiàn)方式中，該終端判斷該第三特征與該第一特征的相似度是否小于第一閾值之后，該方法還包括：若該第三特征與該第一特征的相似度小于該第一閾值，則該終端判斷該第二樣本與該第一樣本不相同。

另一種可能實(shí)現(xiàn)方式中，該終端判斷該第四特征與該第二特征是否小于第二閾值之后，該方法還包括：若該第四特征與該第二特征的相似度小于第二閾值，則該終端判斷該第二樣本與該第一樣本不相同。

另一種可能實(shí)現(xiàn)方式中，該終端將該第一特征和該第二特征進(jìn)行存儲(chǔ)包括：

該終端根據(jù)關(guān)系式將該第一特征量化得到第一量化特征，并根據(jù)該關(guān)系式將該第二特征進(jìn)行量化得到第二量化特征；

該終端將該第一量化特征和該第二量化特征進(jìn)行存儲(chǔ)；

該終端將該第三特征與該第一特征進(jìn)行比對(duì)識(shí)別并將該第四特征與該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果包括：

該終端根據(jù)該關(guān)系式將該第三特征量化得到第三量化特征，并根據(jù)該關(guān)系式將該第四特征進(jìn)行量化得到第四量化特征；

該終端將該第三量化特征與第一量化特征進(jìn)行比對(duì)識(shí)別并將該第四量化特征與該第二量化特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

在實(shí)際應(yīng)用中，該終端還可以存儲(chǔ)與該第一特征和該第二特征相對(duì)應(yīng)的個(gè)人識(shí)別密碼(英文全稱：Personal Identification Number，簡(jiǎn)稱：PIN)。

另一種可能實(shí)現(xiàn)方式中，該關(guān)系式為：

$floor\left(\frac{(V-V_{min})\×N}{V_{\max }-V_{min}}\right);$

其中該V為樣本降維后的特征取值，該V_min為樣本降維后的最小特征取值，該V_max為樣本降維后的最大特征取值，N的取值為255或65535。

第二方面，本發(fā)明實(shí)施例提供一種終端，包括：

確定模塊，用于確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率；

第一降維模塊，用于根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該第一原始特征降維得到第二特征，該第一樣本為該終端預(yù)先存儲(chǔ)或采集的樣本；

存儲(chǔ)模塊，用于將該降維模塊降維得到的該第一特征和該第二特征進(jìn)行存儲(chǔ)；

獲取模塊，用于獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取該第二樣本的第二原始特征；

第二降維模塊，用于根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將該獲取模塊獲取的該第二原始特征降維得到第三特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該獲取模塊獲取的該第二原始特征降維得到第四特征；

識(shí)別模塊，用于將該第二降維模塊降維得到的該第三特征與該第一降維模塊降維得到的該第一特征進(jìn)行比對(duì)識(shí)別并將該第二降維模塊降維得到的該第四特征與該第一降維模塊降維得到的該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

一種可能實(shí)現(xiàn)方式中，該目標(biāo)相等錯(cuò)誤率為第一取值范圍內(nèi)使得該第一特征不超過(guò)第二取值范圍的最小相等錯(cuò)誤率，該第一取值范圍為該目標(biāo)相等錯(cuò)誤率的取值范圍，該第二取值范圍為該第一特征的取值范圍；

該目標(biāo)認(rèn)假率為第三取值范圍內(nèi)使得該第二特征不超過(guò)第四取值范圍的最小認(rèn)假率，該第三取值范圍為該目標(biāo)認(rèn)假率的取值范圍，該第四取值范圍為該第二特征的取值范圍。

另一種可能實(shí)現(xiàn)方式中，該識(shí)別模塊包括：

第一判斷單元，用于判斷該第三特征與該第一特征的相似度是否小于第一閾值；

第二判斷單元，用于若該第一判斷單元判斷該第三特征與該第一特征的相似度不小于該第一閾值，則判斷該第四特征與該第二特征是否小于第二閾值；

第一識(shí)別單元，用于若該第二判斷判斷該第四特征與該第二特征的相似度不小于第二閾值，則判斷該第二樣本與該第一樣本相同。

另一種可能實(shí)現(xiàn)方式中，該識(shí)別模塊還包括：

第二識(shí)別單元，用于若該第一判斷單元判斷該第三特征與該第一特征的相似度小于該第一閾值，則判斷該第二樣本與該第一樣本不相同。

另一種可能實(shí)現(xiàn)方式中，該識(shí)別模塊還包括：

第三識(shí)別單元，用于若該第二判斷單元判斷該第四特征與該第二特征的相似度小于第二閾值，則該終端判斷該第二樣本與該第一樣本不相同。

另一種可能實(shí)現(xiàn)方式中，該存儲(chǔ)模塊包括：

第一量化單元，用于根據(jù)關(guān)系式將該第一特征量化得到第一量化特征，并根據(jù)該關(guān)系式將該第二特征進(jìn)行量化得到第二量化特征；

存儲(chǔ)單元，用于將該量化單元量化得到的該第一量化特征和該第二量化特征進(jìn)行存儲(chǔ)；

該識(shí)別模塊包括：

第二量化單元，用于根據(jù)該關(guān)系式將該第三特征量化得到第三量化特征，并根據(jù)該關(guān)系式將該第四特征進(jìn)行量化得到第四量化特征；

第四識(shí)別單元，用于將該第三量化特征與第一量化特征進(jìn)行比對(duì)識(shí)別并將該第四量化特征與該第二量化特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

另一種可能實(shí)現(xiàn)方式中，該關(guān)系式為：

$floor\left(\frac{(V-V_{min})\×N}{V_{\max }-V_{min}}\right);$

其中該V為樣本降維后的特征取值，該V_min為樣本降維后的最小特征取值，該V_max為樣本降維后的最大特征取值，N的取值為255或65535。

第三方面，本發(fā)明實(shí)施例提供一種終端，包括：

收發(fā)器，處理器，存儲(chǔ)器和總線；

該收發(fā)器，該處理器與該存儲(chǔ)器通過(guò)該總線相連；

該處理器具有如下功能：確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率；根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該第一原始特征降維得到第二特征，該第一樣本為該終端預(yù)先存儲(chǔ)或采集的樣本；

該存儲(chǔ)器具有如下功能：將該降維模塊降維得到的該第一特征和該第二特征進(jìn)行存儲(chǔ)；

該收發(fā)器具有如下功能：獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取該第二樣本的第二原始特征；

該處理器具有如下功能：根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將該獲取模塊獲取的該第二原始特征降維得到第三特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該獲取模塊獲取的該第二原始特征降維得到第四特征；將該第二降維模塊降維得到的該第三特征與該第一降維模塊降維得到的該第一特征進(jìn)行比對(duì)識(shí)別并將該第二降維模塊降維得到的該第四特征與該第一降維模塊降維得到的該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn)：終端根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第一樣本的第一原始特征進(jìn)行降維得到第一特征和第二特征并進(jìn)行存儲(chǔ)；當(dāng)終端獲取待識(shí)別對(duì)象的生物影像得到第二樣本并提取到第二樣本的第二原始特征后，同樣根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第二原始特征進(jìn)行降維得到第三特征和第四特征；當(dāng)?shù)诙颖九c第一樣本比對(duì)識(shí)別的過(guò)程中，第三特征與第一特征進(jìn)行比對(duì)，第四特征與第二特征進(jìn)行比對(duì)，由于減少了第一樣本和第二樣本的生物特征，從而降低了終端在比對(duì)識(shí)別過(guò)程中運(yùn)算過(guò)程的復(fù)雜度，進(jìn)而加快了終端識(shí)別生物特征的速度。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例中生物特征的識(shí)別方法的一個(gè)實(shí)施例示意圖；

圖2為本發(fā)明實(shí)施例中終端的一個(gè)實(shí)施例示意圖；

圖3為本發(fā)明實(shí)施例中終端的另一個(gè)實(shí)施例示意圖。

具體實(shí)施方式

本發(fā)明實(shí)施例提供了一種生物特征的識(shí)別方法和終端，用于加快終端識(shí)別生物特征的速度。

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

下面通過(guò)具體實(shí)施例，分別進(jìn)行詳細(xì)說(shuō)明，請(qǐng)參閱圖1，本發(fā)明實(shí)施例提供一種生物特征的識(shí)別方法，包括：

101、終端確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率。

用戶預(yù)先設(shè)定好高維度原始特征降維后的特征的取值范圍，相等錯(cuò)誤率的取值范圍和認(rèn)假率的取值范圍；然后在相等錯(cuò)誤率的取值范圍中選擇能使根據(jù)相等錯(cuò)誤率降維后的特征的取值不超過(guò)預(yù)先取值范圍的最小相等錯(cuò)誤率為目標(biāo)相等錯(cuò)誤率，然后在認(rèn)假率的取值范圍中選擇能使根據(jù)認(rèn)假率降維后的特征的取值不超過(guò)預(yù)先取值范圍的最小認(rèn)假率為目標(biāo)認(rèn)假率。

本實(shí)施例中，以人臉的原始特征維度為6496為例，假如根據(jù)相等錯(cuò)誤率降維后的特征的取值范圍為[10,20]，根據(jù)認(rèn)假率降維后的特征的取值范圍為[200,400]，而相等錯(cuò)誤率的取值范圍為[0.03,0.05]和認(rèn)假率的取值范圍[0.000001,0.000003]，而實(shí)際應(yīng)用中，若當(dāng)相等錯(cuò)誤率取值為0.05時(shí)，該終端可以將原始特征降維到10維，當(dāng)相等錯(cuò)誤率取值為0.03時(shí)，該終端可以將原始特征降維到20維，則該終端選擇0.03作為目標(biāo)相等錯(cuò)誤率，同理若當(dāng)認(rèn)假率取值為0.000001時(shí)，該終端可以將原始特征降維到400維，當(dāng)認(rèn)假率取值為0.000003時(shí)，該終端可以將原始特征降維到200維，則該終端選擇0.000001作為目標(biāo)相等錯(cuò)誤率。

102、終端根據(jù)目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)目標(biāo)認(rèn)假率將第一原始特征降維得到第二特征。

該終端獲取到需要預(yù)先存儲(chǔ)或采集的第一樣本并提取該第一樣本的第一原始特征。該終端根據(jù)確定好的目標(biāo)相等錯(cuò)誤率將該第一原始特征進(jìn)行降維得到第一特征，根據(jù)確定好的目標(biāo)認(rèn)假率將該第一原始特征進(jìn)行降維得到第二特征。

在實(shí)際應(yīng)用中，在終端提取人臉的第一原始特征時(shí)，可以采用多種方式，例如人臉?lè)謮K9x9提取LBP特征并計(jì)算直方圖后，得到的特征為9x9x256個(gè)原始LBP特征，若使用Unified LBP的話，其特征為9x9x58個(gè)；基于關(guān)鍵點(diǎn)處分塊的特征提取算法得到的特征也會(huì)很多，例如，7個(gè)關(guān)鍵點(diǎn)，每個(gè)關(guān)鍵點(diǎn)處4x4的分塊方法得到的Unified LBP直方圖特征為7x4x4x58＝6496個(gè)，樣本的原始特征的提取方式此處不做限定。本實(shí)施例以人臉原始特征為6496為例，根據(jù)步驟101中選擇的目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率對(duì)該人臉進(jìn)行降維得到的第一特征為20維，第二特征為400維。

103、終端將第一特征和第二特征進(jìn)行存儲(chǔ)。

終端將降維后的第一特征和第二特征進(jìn)行存儲(chǔ)。

在實(shí)際應(yīng)用中，該終端還可以確定與該第一特征和該第二特征相對(duì)應(yīng)的PIN，并將該P(yáng)IN與該第一特征和該第二特征同時(shí)進(jìn)行存儲(chǔ)，這樣可以在具體比對(duì)時(shí)直接讀取到該第一特征和該第二特征。

在實(shí)際應(yīng)用中，若終端的存儲(chǔ)空間不大，則該終端還可以根據(jù)關(guān)系式：將第一特征和第二特征進(jìn)行量化得到第一量化特征和第二量化特征，比如第一特征為20維，其中一個(gè)維度的值為0.5，另一個(gè)維度的值為2，最大的維度的值為3，最小的維度的值為0.2，N的取值為255，則根據(jù)關(guān)系式量化得到的特征的量化值分別如下：0.5的量化值為27，2的量化值為163，3的量化值為255，0.2的量化值為0，即該第一特征可以用0到255的無(wú)符號(hào)8位整數(shù)進(jìn)行表示，同時(shí)這些無(wú)符號(hào)的8位整數(shù)可以用一個(gè)字節(jié)進(jìn)行表示，那么進(jìn)行存儲(chǔ)該第一量化特征時(shí)，該第一量化特征僅占用20個(gè)字節(jié)，大大的減少了占用的存儲(chǔ)空間。同時(shí)實(shí)際應(yīng)用中，量化時(shí)也可以選用-128到127的8位有符號(hào)整數(shù)或0至65535的16位無(wú)符號(hào)整數(shù)或-32768到32767的16位有符號(hào)整數(shù)來(lái)表示特征，具體方式此處不做限定。

104、終端獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取第二樣本的第二原始特征。

終端在使用的過(guò)程中，獲取待識(shí)別對(duì)象的生物影像，如人臉，在獲取到生物影像之后將之作為需要進(jìn)行識(shí)別的第二樣本，并提取該生物影像的第二原始特征。

在實(shí)際應(yīng)用中，終端獲取的待識(shí)別對(duì)象的生物影像可以是指紋、虹膜、臉、耳、掌紋、手章靜脈等，同時(shí)終端獲取待識(shí)別對(duì)象的生物影像的方式可以是通過(guò)攝像頭，紅外掃描等，終端提取第二原始特征的方式也可以是提取LBP特征并計(jì)算直方圖或基于關(guān)鍵點(diǎn)處分塊的特征提取算法得到特征，具體此處不做限定。

105、終端根據(jù)目標(biāo)相等錯(cuò)誤率將第二原始特征降維得到第三特征，并根據(jù)該目標(biāo)認(rèn)假率將該第二原始特征降維得到第四特征。

該終端根據(jù)確定好的目標(biāo)相等錯(cuò)誤率將該第二原始特征進(jìn)行降維得到第三特征，根據(jù)確定好的目標(biāo)認(rèn)假率將該第二原始特征進(jìn)行降維得到第四特征。

在實(shí)際應(yīng)用中，若終端在存儲(chǔ)空間小的情況下將該預(yù)先存儲(chǔ)或采集的第一樣本的第一特征和第二特征進(jìn)行量化之后再存儲(chǔ)，則該終端同樣需要將該第二樣本的第三特征和第四特征采用同樣的方式進(jìn)行量化得到量化特征。

106、終端將第三特征與第一特征進(jìn)行比對(duì)識(shí)別并將第四特征與第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

該終端設(shè)定該第三特征與該第一特征的相似度的第一閾值，并設(shè)定該第四特征與該第二特征的相似度的第二閾值，然后該終端判斷該第三特征與該第一特征的相似度是否小于第一閾值；若該第三特征與該第一特征的相似度不小于該第一閾值，則該終端判斷該第四特征與該第二特征是否小于第二閾值；若該第四特征與該第二特征的相似度不小于第二閾值，則該終端判斷該第二樣本與該第一樣本相同。若該第三特征與該第一特征的相似度小于該第一閾值，則該終端判斷該第二樣本與該第一樣本不相同，同時(shí)可以不用在比對(duì)識(shí)別第四特征和第二特征之間的相似度；若該第三特征與該第一特征的相似度不小于該第一閾值且該第四特征與該第二特征的相似度小于該第二閾值時(shí)，該終端同樣判斷該第二樣本與該第一樣本不相同。

比如第一閾值為0.8，第二閾值為0.9，第三特征與第一特征的相似度為0.85，該第四特征與第二特征相似度為0.9時(shí)，該終端判斷第二樣本與第一樣本是同一人，若該第三特征與第一特征的相似度為0.79，則終端判斷第二樣本與第一樣本不是同一人或者該第三特征與第一特征的相似度為0.85，則該第四特征與第二特征的相似度為0.89，則該終端同樣判斷該第二樣本與該第一樣本不是同一人。

在實(shí)際應(yīng)用中，若終端在存儲(chǔ)空間小的情況下將該預(yù)先存儲(chǔ)的第一樣本的第一特征和第二特征進(jìn)行量化之后再存儲(chǔ)，則該終端在進(jìn)行比對(duì)識(shí)別時(shí)，則需要將第三量化特征與第一量化特征以及第四量化特征與第二量化特征采用上述同樣的比對(duì)識(shí)別方式進(jìn)行識(shí)別。

為便于理解，下面以一個(gè)實(shí)際應(yīng)用場(chǎng)景對(duì)本實(shí)施例中生物特征的識(shí)別方法進(jìn)行詳細(xì)描述，本實(shí)施例中，終端包含但不限于手機(jī)，打卡機(jī)等，終端以打卡機(jī)為例。

若該打卡機(jī)采用一對(duì)多的識(shí)別方式，則假設(shè)公司員工為A，B，C三人，該打卡機(jī)需要預(yù)存樣本A，樣本B，樣本C，此處樣本均為人臉。樣本A，樣本B和樣本C的原始特征均為6496維，則該打卡機(jī)根據(jù)相等錯(cuò)誤率0.03分別將該樣本A，樣本B，樣本C進(jìn)行降維得到特征集合(20A，20B，20C)；再根據(jù)認(rèn)假率0.000001分別將該樣本A，樣本B，樣本C進(jìn)行降維得到特征集合(400A，400B，400C)。該打卡機(jī)再分別將特征集合(20A，20B，20C)和特征集合(400A，400B，400C)進(jìn)行存儲(chǔ)，即特征集合(20A，20B，20C)占用3*20字節(jié)，特征集合(400A，400B，400C)占用3*400字節(jié)。若員工A需要進(jìn)行打卡，則打卡機(jī)通過(guò)攝像頭獲取到員工A的人臉影像作為識(shí)別樣本并提取原始特征，然后采用同樣的方式將員工A的原始特征降維量化得到特征20a和特征400a。該打卡機(jī)在比對(duì)識(shí)別之前將存儲(chǔ)的特征集合(20A，20B，20C)先載入內(nèi)存，再將20a分別與20A，20B，20C進(jìn)行比對(duì)得到如下結(jié)果：20a與20A相似度為0.85，20a與20B相似度為0.8，20a與20C相似度為0.75，此處該打卡機(jī)判斷是同一人的條件是相似度不小于0.8，此時(shí)相似度不低于0.8的第一量化特征為(20A，20B)；該打卡機(jī)再將存儲(chǔ)的特征集合(400A，400B)載入內(nèi)存，再將400a分別與400A，400B進(jìn)行比對(duì)得到如下結(jié)果：400a與400A相似度為0.95，400a與400B相似度為0.5，此處打卡機(jī)判斷是同一人的條件是相似度不小于0.9。由于只有樣本A的特征與員工A的人臉影像樣本相似度達(dá)到要求，則打卡機(jī)認(rèn)為樣本A為員工A為同一人并進(jìn)行顯示。在實(shí)際應(yīng)用中若該打卡機(jī)在將400a分別與400A，400B進(jìn)行比對(duì)得到如下結(jié)果：400a與400A相似度為0.95，400a與400B相似度為0.9，此處打卡機(jī)判斷是同一人的條件是相似度不小于0.9。則該打卡機(jī)可以判斷樣本A與樣本B均與員工A為同一人并進(jìn)行顯示；或者可以僅認(rèn)為相似度為0.95的樣本A與員工A為同一人并進(jìn)行顯示，即僅選擇相似度最高的樣本為最終結(jié)果；或者可以將兩個(gè)相似度再次對(duì)第三閾值進(jìn)行比較，此處的第三閾值為0.95，則該打卡機(jī)最終認(rèn)為樣本A與員工A為同一人并進(jìn)行顯示。

同時(shí)打卡機(jī)也可以采用一對(duì)一的驗(yàn)證方式，則該打卡機(jī)在存儲(chǔ)樣本A的特征(20A，400A)時(shí)，會(huì)確定一個(gè)與樣本A的特征相對(duì)應(yīng)的PIN一起保存到該打卡機(jī)的存儲(chǔ)器中。員工A需要打卡時(shí)，輸入該P(yáng)IN，該打卡機(jī)從存儲(chǔ)器中讀取輸入該P(yáng)IN對(duì)應(yīng)的特征，即(20A，400A)載入內(nèi)存，同時(shí)采集員工A的人臉影像，提取特征并降維得到(20a，400a)；該打卡機(jī)比對(duì)(20A,20a)，若其相似度小于第一閾值0.8，則打卡失?。蝗粝嗨贫炔恍∮?.8，則打卡機(jī)進(jìn)一步比對(duì)(400A,400a)，若其相似度不小于第二閾值0.9則打卡成功，若相似度小于0.9則打卡失敗。

本實(shí)施例中終端根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第一樣本的第一原始特征進(jìn)行降維得到第一特征和第二特征并進(jìn)行存儲(chǔ)；當(dāng)終端獲取待識(shí)別對(duì)象的生物影像得到第二樣本并提取到第二樣本的第二原始特征后，同樣根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第二原始特征進(jìn)行降維得到第三特征和第四特征；當(dāng)?shù)诙颖九c第一樣本比對(duì)識(shí)別的過(guò)程中，第三特征與第一特征進(jìn)行比對(duì)，第四特征與第二特征進(jìn)行比對(duì)，由于減少了第一樣本和第二樣本的生物特征，從而降低了終端在比對(duì)識(shí)別過(guò)程中運(yùn)算過(guò)程的復(fù)雜度，進(jìn)而加快了終端識(shí)別生物特征的速度。同時(shí)可以將第一特征和第二特征進(jìn)行量化存儲(chǔ)，這樣可以有效的節(jié)省存儲(chǔ)空間。

上面介紹了本發(fā)明實(shí)施例中的生物特征的識(shí)別方法，下面介紹本發(fā)明實(shí)施例中的終端，請(qǐng)參閱圖2，本發(fā)明實(shí)施例中的終端的一個(gè)實(shí)施例包括：

確定模塊201，用于確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率；

第一降維模塊202，用于根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該第一原始特征降維得到第二特征，該第一樣本為該終端預(yù)先存儲(chǔ)或采集的樣本；

存儲(chǔ)模塊203，用于將該降維模塊降維得到的該第一特征和該第二特征進(jìn)行存儲(chǔ)；

獲取模塊204，用于獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取該第二樣本的第二原始特征；

第二降維模塊205，用于根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將該獲取模塊獲取的該第二原始特征降維得到第三特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該獲取模塊獲取的該第二原始特征降維得到第四特征；

識(shí)別模塊206，用于將該第二降維模塊降維得到的該第三特征與該第一降維模塊降維得到的該第一特征進(jìn)行比對(duì)識(shí)別并將該第二降維模塊降維得到的該第四特征與該第一降維模塊降維得到的該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

可選的，本實(shí)施例中該目標(biāo)相等錯(cuò)誤率為第一取值范圍內(nèi)使得該第一特征不超過(guò)第二取值范圍的最小相等錯(cuò)誤率，該第一取值范圍為該目標(biāo)相等錯(cuò)誤率的取值范圍，該第二取值范圍為該第一特征的取值范圍；

該目標(biāo)認(rèn)假率為第三取值范圍內(nèi)使得該第二特征不超過(guò)第四取值范圍的最小認(rèn)假率，該第三取值范圍為該目標(biāo)認(rèn)假率的取值范圍，該第四取值范圍為該第二特征的取值范圍。

可選的，該識(shí)別模塊206包括：

第一判斷單元，用于判斷該第三特征與該第一特征的相似度是否小于第一閾值；

第二判斷單元，用于若該第一判斷單元判斷該第三特征與該第一特征的相似度不小于該第一閾值，則判斷該第四特征與該第二特征是否小于第二閾值；

第一識(shí)別單元，用于若該第二判斷判斷該第四特征與該第二特征的相似度不小于第二閾值，則判斷該第二樣本與該第一樣本相同。

可選的，該識(shí)別模塊206還包括：

第二識(shí)別單元，用于若該第一判斷單元判斷該第三特征與該第一特征的相似度小于該第一閾值，則判斷該第二樣本與該第一樣本不相同。

可選的，該識(shí)別模塊206還包括：

第三識(shí)別單元，用于若該第二判斷單元判斷該第四特征與該第二特征的相似度小于第二閾值，則該終端判斷該第二樣本與該第一樣本不相同。

可選的，該存儲(chǔ)模塊204包括：

第一量化單元，用于根據(jù)關(guān)系式將該第一特征量化得到第一量化特征，并根據(jù)該關(guān)系式將該第二特征進(jìn)行量化得到第二量化特征；

存儲(chǔ)單元，用于將該量化單元量化得到的該第一量化特征和該第二量化特征進(jìn)行存儲(chǔ)；

該識(shí)別模塊206包括：

第二量化單元，用于根據(jù)該關(guān)系式將該第三特征量化得到第三量化特征，并根據(jù)該關(guān)系式將該第四特征進(jìn)行量化得到第四量化特征；

第四識(shí)別單元，用于將該第三量化特征與第一量化特征進(jìn)行比對(duì)識(shí)別并將該第四量化特征與該第二量化特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

可選的，該關(guān)系式為：

$floor\left(\frac{(V-V_{min})\×N}{V_{\max }-V_{min}}\right);$

其中該V為樣本降維后的特征取值，該V_min為樣本降維后的最小特征取值，該V_max為樣本降維后的最大特征取值，N的取值為255或65535。

本實(shí)施例中第一降維模塊202根據(jù)確定模塊201確定的目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第一樣本的第一原始特征進(jìn)行降維得到第一特征和第二特征并通過(guò)存儲(chǔ)存儲(chǔ)模塊203進(jìn)行存儲(chǔ)；當(dāng)獲取模塊204獲取生物影像得到第二樣本并提取到第二樣本的第二原始特征后，第二降維模塊205同樣根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第二原始特征進(jìn)行降維得到第三特征和第四特征；當(dāng)?shù)诙颖九c第一樣本比對(duì)識(shí)別的過(guò)程中，識(shí)別模塊206將第三特征與第一特征進(jìn)行比對(duì)，第四特征與第二特征進(jìn)行比對(duì)，由于減少了第一樣本和第二樣本的生物特征，從而降低了終端在比對(duì)識(shí)別過(guò)程中運(yùn)算過(guò)程的復(fù)雜度，進(jìn)而加快了終端識(shí)別生物特征的速度。

具體請(qǐng)參閱圖3，本發(fā)明實(shí)施例中終端的另一個(gè)實(shí)施例，包括：

收發(fā)器301，處理器302，總線303，存儲(chǔ)器304；

該收發(fā)器301，該處理器302與該存儲(chǔ)器304通過(guò)該總線303相連；

總線303可以是外設(shè)部件互連標(biāo)準(zhǔn)(peripheral component interconnect，簡(jiǎn)稱PCI)總線或擴(kuò)展工業(yè)標(biāo)準(zhǔn)結(jié)構(gòu)(extended industry standard architecture，簡(jiǎn)稱EISA)總線等。該總線可以分為地址總線、數(shù)據(jù)總線、控制總線等。為便于表示，圖3中僅用一條粗線表示，但并不表示僅有一根總線或一種類型的總線。

處理器302可以是中央處理器(central processing unit，簡(jiǎn)稱CPU)，網(wǎng)絡(luò)處理器(network processor，簡(jiǎn)稱NP)或者CPU和NP的組合。

處理器302還可以進(jìn)一步包括硬件芯片。上述硬件芯片可以是專用集成電路(application-specific integrated circuit，簡(jiǎn)稱ASIC)，可編程邏輯器件(programmable logic device，簡(jiǎn)稱PLD)或其組合。上述PLD可以是復(fù)雜可編程邏輯器件(complex programmable logic device，簡(jiǎn)稱CPLD)，現(xiàn)場(chǎng)可編程邏輯門(mén)陣列(field-programmable gate array，簡(jiǎn)稱FPGA)，通用陣列邏輯(generic array logic,簡(jiǎn)稱GAL)或其任意組合。

該存儲(chǔ)器304可以包括易失性存儲(chǔ)器(volatile memory)，例如隨機(jī)存取存儲(chǔ)器(random-access memory，簡(jiǎn)稱RAM)；存儲(chǔ)器也可以包括非易失性存儲(chǔ)器(non-volatile memory)，例如快閃存儲(chǔ)器(flash memory)，硬盤(pán)(hard disk drive，簡(jiǎn)稱HDD)或固態(tài)硬盤(pán)(solid-state drive，簡(jiǎn)稱SSD)；存儲(chǔ)器304還可以包括上述種類的存儲(chǔ)器的組合。

可選地，存儲(chǔ)器304還可以用于存儲(chǔ)程序指令，處理器302調(diào)用該存儲(chǔ)器304中存儲(chǔ)的程序指令，可以執(zhí)行圖1所示實(shí)施例中的一個(gè)或多個(gè)步驟，或其中可選的實(shí)施方式，實(shí)現(xiàn)上述方法中終端行為的功能。

該處理器302，具有如下功能：確定目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率；根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將第一樣本的第一原始特征降維得到第一特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該第一原始特征降維得到第二特征，該第一樣本為該終端預(yù)先存儲(chǔ)或采集的樣本；

該存儲(chǔ)器304，具有如下功能：將該降維模塊降維得到的該第一特征和該第二特征進(jìn)行存儲(chǔ)；

該收發(fā)器301，具有如下功能：獲取待識(shí)別對(duì)象的生物影像生成第二樣本并提取該第二樣本的第二原始特征；

該處理器302，具有如下功能：根據(jù)該確定模塊確定的該目標(biāo)相等錯(cuò)誤率將該獲取模塊獲取的該第二原始特征降維得到第三特征，并根據(jù)該確定模塊確定的該目標(biāo)認(rèn)假率將該獲取模塊獲取的該第二原始特征降維得到第四特征；將該第二降維模塊降維得到的該第三特征與該第一降維模塊降維得到的該第一特征進(jìn)行比對(duì)識(shí)別并將該第二降維模塊降維得到的該第四特征與該第一降維模塊降維得到的該第二特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

可選的，該目標(biāo)相等錯(cuò)誤率為第一取值范圍內(nèi)使得該第一特征不超過(guò)第二取值范圍的最小相等錯(cuò)誤率，該第一取值范圍為該目標(biāo)相等錯(cuò)誤率的取值范圍，該第二取值范圍為該第一特征的取值范圍；

該目標(biāo)認(rèn)假率為第三取值范圍內(nèi)使得該第二特征不超過(guò)第四取值范圍的最小認(rèn)假率，該第三取值范圍為該目標(biāo)認(rèn)假率的取值范圍，該第四取值范圍為該第二特征的取值范圍。

可選的，該處理器302，具體還具有如下功能：判斷該第三特征與該第一特征的相似度是否小于第一閾值；若該第一判斷單元判斷該第三特征與該第一特征的相似度不小于該第一閾值，則判斷該第四特征與該第二特征是否小于第二閾值；若該第二判斷判斷該第四特征與該第二特征的相似度不小于第二閾值，則判斷該第二樣本與該第一樣本相同。

可選的，該處理器302，具體還具有如下功能：若該第一判斷單元判斷該第三特征與該第一特征的相似度小于該第一閾值，則判斷該第二樣本與該第一樣本不相同。

可選的，該處理器302，具體還具有如下功能：若該第二判斷單元判斷該第四特征與該第二特征的相似度小于第二閾值，則該終端判斷該第二樣本與該第一樣本不相同。

可選的，該存儲(chǔ)器304，具體還具有如下功能：根據(jù)關(guān)系式將該第一特征量化得到第一量化特征，并根據(jù)該關(guān)系式將該第二特征進(jìn)行量化得到第二量化特征；將該量化單元量化得到的該第一量化特征和該第二量化特征進(jìn)行存儲(chǔ)；

該處理器302，具體還具有如下功能：根據(jù)該關(guān)系式將該第三特征量化得到第三量化特征，并根據(jù)該關(guān)系式將該第四特征進(jìn)行量化得到第四量化特征；將該第三量化特征與第一量化特征進(jìn)行比對(duì)識(shí)別并將該第四量化特征與該第二量化特征進(jìn)行比對(duì)識(shí)別得到識(shí)別結(jié)果。

可選的，該關(guān)系式為：

$floor\left(\frac{(V-V_{min})\×N}{V_{\max }-V_{min}}\right);$

其中該V為樣本降維后的特征取值，該V_min為樣本降維后的最小特征取值，該V_max為樣本降維后的最大特征取值，N的取值為255或65535。

本實(shí)施例中處理器302根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第一樣本的第一原始特征進(jìn)行降維得到第一特征和第二特征并通過(guò)存儲(chǔ)器304進(jìn)行存儲(chǔ)；當(dāng)收發(fā)器301獲取待識(shí)別對(duì)象的生物影像得到第二樣本并提取到第二樣本的第二原始特征后，處理器302同樣根據(jù)目標(biāo)相等錯(cuò)誤率和目標(biāo)認(rèn)假率分別對(duì)第二原始特征進(jìn)行降維得到第三特征和第四特征；當(dāng)?shù)诙颖九c第一樣本比對(duì)識(shí)別的過(guò)程中，處理器302將第三特征與第一特征進(jìn)行比對(duì)，第四特征與第二特征進(jìn)行比對(duì)，由于減少了第一樣本和第二樣本的生物特征，從而降低了終端在比對(duì)識(shí)別過(guò)程中運(yùn)算過(guò)程的復(fù)雜度，進(jìn)而加快了終端識(shí)別生物特征的速度。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。