1.一種身份識(shí)別裝置，其特征在于，包括生物特征信號(hào)采集模塊、生物特征提取模塊和生物特征識(shí)別模塊；所述生物特征信號(hào)采集模塊用于采集指紋圖像以及指部群延遲曲線；所述生物特征提取模塊用于根據(jù)所述指紋圖像以及指部群延遲曲線分別提取指紋特征值和群延遲特征值；所述生物特征識(shí)別模塊用于通過訓(xùn)練樣本集構(gòu)建身份識(shí)別模型，并利用卷積神經(jīng)網(wǎng)絡(luò)算法將所提取的指紋特征值和群延遲特征值與所述身份識(shí)別模型進(jìn)行交叉驗(yàn)證，實(shí)現(xiàn)用戶的身份識(shí)別。
2.根據(jù)權(quán)利要求1所述的身份識(shí)別裝置，其特征在于，所述生物特征信號(hào)采集模塊包括指紋采集單元和介電譜采集單元，所述指紋采集單元為指紋傳感器，用于采集指部的指紋圖像；所述介電譜采集單元包括信號(hào)發(fā)送電極、信號(hào)接收電極、信號(hào)源、接收器，所述信號(hào)發(fā)送電極和信號(hào)接收電極分別位于指紋傳感器的兩端；當(dāng)手指按壓到信號(hào)發(fā)送電極和信號(hào)接收電極時(shí)，所述信號(hào)源產(chǎn)生正弦波，并通過信號(hào)發(fā)送電極將正弦波耦合到用戶的指部，所述信號(hào)接收電極接收正弦波經(jīng)過指部后的信號(hào)群延遲曲線，并存儲(chǔ)在接收器中。
3.根據(jù)權(quán)利要求1所述的身份識(shí)別裝置，其特征在于，還包括信號(hào)預(yù)處理模塊，所述信號(hào)預(yù)處理模塊包括：
指紋預(yù)處理單元：用于對(duì)指紋圖像進(jìn)行傅里葉變換濾波處理后，利用梯度算法對(duì)指紋圖像的清晰度進(jìn)行分析，并采用動(dòng)態(tài)二值化算法對(duì)指紋圖像進(jìn)行二值化處理；
群延遲曲線預(yù)處理單元：用于將所述群延遲曲線轉(zhuǎn)換為群延遲圖像，并采用無跡粒子濾波算法對(duì)群延遲圖像進(jìn)行濾波處理。
4.根據(jù)權(quán)利要求1所述的身份識(shí)別裝置，其特征在于，還包括環(huán)境參數(shù)監(jiān)測(cè)模塊，所述環(huán)境參數(shù)監(jiān)測(cè)模塊用于采集用戶環(huán)境參數(shù)信息；所述環(huán)境參數(shù)監(jiān)測(cè)模塊包括濕度傳感單元和溫度傳感單元，所述濕度傳感單元包括濕度傳感器和油脂傳感器，所述濕度傳感器和油脂傳感器分別用于采集用戶手指的水分分布和油膩程度信息；所述溫度傳感單元為體溫傳感器，用于采集用戶當(dāng)前的體溫信息。
5.根據(jù)權(quán)利要求1所述的身份識(shí)別裝置，其特征在于，所述生物特征提取模塊包括：
指紋特征提取單元：用于利用log-Gabor濾波器對(duì)指紋圖像進(jìn)行分割后，提取指紋紋路方向特征，并根據(jù)紋路方向提取指紋的點(diǎn)特征和線特征；
群延遲特征提取單元：用于提取不同頻帶下的群延遲曲率半徑、不同頻帶下的群延遲平均值，并提取群延遲曲線的頻譜特性。
6.根據(jù)權(quán)利要求1或4所述的身份識(shí)別裝置，其特征在于，所述生物特征識(shí)別模塊包括訓(xùn)練單元和測(cè)試單元；
所述訓(xùn)練單元的訓(xùn)練方式包括：采集多個(gè)志愿者在不同時(shí)間段的指紋圖像、指部群延遲曲線和環(huán)境參數(shù)信息，將采集的指紋圖像、指部群延遲曲線和環(huán)境參數(shù)信息作為訓(xùn)練樣本集，利用卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)訓(xùn)練樣本集進(jìn)行迭代計(jì)算，并輸出與所述環(huán)境參數(shù)信息相關(guān)的身份識(shí)別模型；將該身份識(shí)別模型存儲(chǔ)在生物特征數(shù)據(jù)庫中；
所述測(cè)試單元的測(cè)試方式包括：將所述生物特征提取模塊提取的指紋特征值、群延遲特征值以及環(huán)境參數(shù)監(jiān)測(cè)模塊采集的環(huán)境參數(shù)信息與生物特征數(shù)據(jù)庫中的身份識(shí)別模型進(jìn)行交叉驗(yàn)證，判斷所提取的指紋特征值、群延遲特征值以及環(huán)境參數(shù)信息與身份識(shí)別模型中的指紋圖像、指部群延遲曲線以及環(huán)境參數(shù)信息的相關(guān)程度，并輸出身份識(shí)別結(jié)果，實(shí)現(xiàn)用戶的身份識(shí)別。
7.一種身份識(shí)別方法，其特征在于，包括以下步驟：
步驟a：采集指紋圖像以及指部群延遲曲線；
步驟b：根據(jù)指紋圖像以及指部群延遲曲線分別提取指紋特征值和群延遲特征值；
步驟c：通過訓(xùn)練樣本集構(gòu)建身份識(shí)別模型，并利用卷積神經(jīng)網(wǎng)絡(luò)算法將所提取的指紋特征值和群延遲特征值與所述身份識(shí)別模型進(jìn)行交叉驗(yàn)證，實(shí)現(xiàn)用戶的身份識(shí)別。
8.根據(jù)權(quán)利要求7所述的身份識(shí)別方法，其特征在于，所述步驟a還包括：
步驟a1：采集環(huán)境參數(shù)信息；所述環(huán)境參數(shù)信息包括水分濕度、油膩程度、體溫信息；
步驟a2：對(duì)指紋圖像進(jìn)行傅里葉變換濾波處理后，利用梯度算法對(duì)指紋圖像的清晰度進(jìn)行分析，采用動(dòng)態(tài)二值化算法對(duì)指紋圖像進(jìn)行二值化處理；
步驟a3：將群延遲曲線轉(zhuǎn)換為群延遲圖像，并采用無跡粒子濾波算法對(duì)群延遲圖像進(jìn)行濾波處理。
9.根據(jù)權(quán)利要求8所述的身份識(shí)別方法，其特征在于，在所述步驟b中，所述提取生物特征信息具體包括：利用log-Gabor濾波器對(duì)指紋圖像進(jìn)行分割后，提取指紋紋路方向特征，根據(jù)紋路方向提取指紋的點(diǎn)特征和線特征；提取不同頻帶下的群延遲曲率半徑、群延遲平均值，并提取群延遲曲線的頻譜特性。
10.根據(jù)權(quán)利要求9所述的身份識(shí)別方法，其特征在于，在所述步驟c中，所述的身份識(shí)別包括：
步驟c1：采集多個(gè)志愿者在不同時(shí)間段的指紋圖像、指部群延遲曲線和環(huán)境參數(shù)信息，將采集的指紋圖像、指部群延遲曲線和環(huán)境參數(shù)信息作為訓(xùn)練樣本集，利用卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)訓(xùn)練樣本集進(jìn)行迭代計(jì)算，并輸出與所述環(huán)境參數(shù)信息相關(guān)的身份識(shí)別模型，將該身份識(shí)別模型存儲(chǔ)在生物特征數(shù)據(jù)庫中；
步驟c2：將提取的指紋特征值、群延遲特征值以及采集的環(huán)境參數(shù)信息與生物特征數(shù)據(jù)庫中的身份識(shí)別模型進(jìn)行交叉驗(yàn)證，判斷所提取的指紋特征值、群延遲特征值以及環(huán)境參數(shù)信息與身份識(shí)別模型中的指紋圖像、指部群延遲曲線以及環(huán)境參數(shù)信息的相關(guān)程度，并輸出身份識(shí)別結(jié)果，實(shí)現(xiàn)用戶的身份識(shí)別。