TWI738011B - 用戶身分確定方法、裝置及電子設備 - Google Patents

用戶身分確定方法、裝置及電子設備 Download PDF

Info

Publication number
TWI738011B
TWI738011B TW108121919A TW108121919A TWI738011B TW I738011 B TWI738011 B TW I738011B TW 108121919 A TW108121919 A TW 108121919A TW 108121919 A TW108121919 A TW 108121919A TW I738011 B TWI738011 B TW I738011B
Authority
TW
Taiwan
Prior art keywords
feature information
users
target
user
target user
Prior art date
Application number
TW108121919A
Other languages
English (en)
Other versions
TW202011251A (zh
Inventor
鄭丹丹
李亮
徐崴
Original Assignee
開曼群島商創新先進技術有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 開曼群島商創新先進技術有限公司 filed Critical 開曼群島商創新先進技術有限公司
Publication of TW202011251A publication Critical patent/TW202011251A/zh
Application granted granted Critical
Publication of TWI738011B publication Critical patent/TWI738011B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2264—Multidimensional index structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2101/00—Indexing scheme associated with group H04L61/00
    • H04L2101/60—Types of network addresses
    • H04L2101/618—Details of network addresses
    • H04L2101/622—Layer-2 addresses, e.g. medium access control [MAC] addresses
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2101/00—Indexing scheme associated with group H04L61/00
    • H04L2101/60—Types of network addresses
    • H04L2101/618—Details of network addresses
    • H04L2101/65—Telephone numbers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • Collating Specific Patterns (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明公開了一種用戶身分確定方法、裝置及電子設備，所述方法可以採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊；將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果；基於所述比對結果，確定所述目標用戶的身分。

Description

用戶身分確定方法、裝置及電子設備
本發明涉及電腦技術領域，尤其涉及一種用戶身分確定方法、裝置及電子設備。
生物識別技術因其更為便捷和安全，被廣泛地應用在用戶身分識別中。生物識別技術是指，透過電腦與光學、聲學、生物感測器和生物統計學原理等高科技手段的結合，利用人體固有的生理特性(如指紋、人臉、虹膜或聲音等)來進行個人身分鑒定的技術。 然而，在一些情況下，現有的利用生物特徵識別用戶身分的方案，存在誤識別的情況，例如，在利用人臉識別鑒定雙胞胎的身分時，常常出現誤識別；再如，在利用聲音識別兩個聲音很相似的用戶時，也會出現誤識別，等等。
本發明實施例提供了一種用戶身分確定方法、裝置及電子設備，以減少用戶身分誤識別情況的發生。 為解決上述技術問題，本發明實施例是這樣實現的： 第一態樣，提出了一種用戶身分確定方法，所述方法包括： 採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 基於所述比對結果，確定所述目標用戶的身分。 第二態樣，提出了一種用戶身分確定裝置，所述裝置包括： 採集模組，用於採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 比對模組，用於將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 確定模組，用於基於所述比對結果，確定所述目標用戶的身分。 第三態樣，提出了一種電子設備，包括： 處理器；以及 被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器執行以下操作： 採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 基於所述比對結果，確定所述目標用戶的身分。 第四態樣，提出了一種電腦可讀儲存媒體，所述電腦可讀儲存媒體儲存一個或多個程式，所述一個或多個程式當被包括多個應用程式的電子設備執行時，使得所述電子設備執行以下操作： 採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 基於所述比對結果，確定所述目標用戶的身分。 由以上本發明實施例提供的技術方案可見，本發明實施例提供的方案至少具備如下一種技術效果：由於是基於目標用戶的多維特徵資訊確定目標用戶的身分，而不是採用單一的人臉或聲音等特徵資訊確定用戶的身分，因此可以減少用戶身分被誤識別的情況的發生，提高了用戶身分確定結果的可靠性。
為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明具體實施例及相應的圖式對本發明技術方案進行清楚、完整地描述。顯然，所描述的實施例僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。 為了減少用戶身分誤識別情況的發生，本說明書實施例提供一種用戶身分確定方法及裝置，該方法和裝置可以應用於需要進行用戶身分識別的監控系統中。例如，現如今的商圈，處處設有攝影鏡頭，商家非常希望利用商圈中的已有的攝影監控網路，當會員出現在商圈中的時候，能夠立刻基於攝影鏡頭採集到的資訊識別出自己的會員，以快速地查詢出該會員的歷史消費資料和消費習慣等，從而更好地為該會員提供服務。且為了便於說明，下文中以確定進入商圈中的用戶身分為例，對本說明書實施例提供的用戶身分確定方法及裝置進行介紹。 下面結合圖式圖1至圖8對本說明書實施例提供的一種用戶身分確定方法進行詳細的說明。 如圖1所示，本說明書實施例提供的一種用戶身分確定方法，可以包括如下步驟： 在步驟102處，採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊。 目標用戶，可以是需要進行身分確定、識別或鑒定的用戶。例如，進入某一商圈(例如某一商場)的顧客。 其中，目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊，可以理解為是，目標多維生物特徵資訊包括生物特徵資訊中的至少兩種特徵資訊；或者，目標多維生物特徵資訊包括非生物特徵資訊中的至少兩種特徵資訊；或者，目標多維生物特徵資訊包括生物特徵資訊和非生物特徵資訊中的至少兩種特徵資訊。 舉例來說，生物特徵資訊可以包括：人臉特徵資訊、軀幹特徵資訊、步態特徵資訊、服飾特徵資訊、年齡特徵資訊和性別特徵資訊，等等。可選地，為了更進一步地減少用戶身分誤識別情況的發生，其中，人臉特徵資訊可以包括多姿態下的人臉特徵資訊，例如，正面、45度側面等姿態的人臉特徵資訊，在實際應用中可以透過多個攝影鏡頭採集得到多姿態下的人臉特徵資訊；同理，軀幹特徵資訊也可以包括多姿態下軀幹特徵資訊，正面、45度側面等姿態的軀幹特徵資訊；步態特徵資訊可以包括走、跑等狀態下的步態特徵資訊。 非生物特徵資訊可以包括：用戶ID資訊、地理位置資訊、時間資訊和WiFi位址資訊，等等。用戶ID資訊又可以包括能夠唯一標識用戶身分的資訊，例如，用戶手機號、用戶證件號和用戶手機MAC(媒體存取控制)資訊中的一種或多種。時間資訊可以是需要確定目標用戶的身分時的時間資訊。 當目標多維特徵資訊包括目標用戶的生物特徵資訊時，在步驟102處，可以透過圖像採集裝置採集得到，例如可以利用商圈中設置的攝影鏡頭採集獲得目標用戶的圖像，然後對採集到的圖像進行分析，從中得到目標用戶的人臉特徵資訊、軀幹特徵資訊、步態特徵資訊、服飾特徵資訊、年齡特徵資訊和性別特徵資訊等生物特徵資訊。 當目標多維特徵資訊包括目標用戶的非生物特徵資訊時，在步驟102處，可以透過其他方式獲得目標用戶的ID資訊和地理位置資訊，等等。例如，可以透過商圈中的WiFi探測得到目標用戶的手機MAC資訊，並將目標用戶的手機MAC資訊作為目標用戶的ID資訊；可以透過商圈本身的位置資訊確定目標用戶的位置資訊。 在步驟104處，將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果。 指定用戶，可以是預先儲存的身分已知的用戶，例如，某一商圈的用戶身分監控系統中預先儲存的會員。 可以理解，透過將採集到的目標用戶的目標多維特徵資訊，與已知身分的多個指定用戶的多維特徵資訊進行比對，可以分別確定出目標用戶與多個指定用戶的相似值，並將確定出的相似值作為比對結果，以在步驟106處確定目標用戶的身分。 在一個例子中，可以將多維特徵資訊中各特徵資訊對應的相似值的加權和作為目標用戶與指定用戶的相似值。例如，假設是將目標用戶的A、B、C、D四個特徵資訊，分別與指定用戶的A、B、C、D四個特徵資訊比對，且可以對應得到a、b、c、d四個相似值，則可以將a、b、c、d四個相似值的加權和作為目標用戶與指定用戶的相似值。其中，不同特徵資訊對應的權重可以根據該特徵資訊的重要程度來確定。 在實際應用中，可以預先建立一個儲存有指定用戶的用戶ID資訊與該指定用戶的多維特徵資訊的對應關係的第一資料庫，這樣在比對時，可以將目標用戶的目標多維特徵資訊與預先建立的第一資料庫中的指定用戶的多維特徵資訊進行比對，得到比對結果。 下面結合圖2至圖4對構建上述第一資料庫的過程進行簡要地說明。 在一個例子中，如圖2所示，假設指定用戶的多維特徵資訊中包括生物特徵資訊，其中，生物特徵資訊具體包括：人臉(face)特徵資訊、軀幹(body)特徵資訊、步態(gait)特徵資訊、服飾(cloth)特徵資訊、年齡(age)特徵資訊和性別(gender)特徵資訊。繼續參考圖3可知，其中，人臉特徵資訊可以包括不同表情、不同姿態下的人臉特徵資訊。參考圖4可知，步態特徵資訊可以包括走、跑等狀態下的步態特徵資訊。 具體如圖2所示，對指定用戶1(對應的用戶ID資訊表示為ID1)，可以從攝影鏡頭採集獲得的監控視頻中獲取人臉1、人臉2、軀幹1、軀幹2、步態1、步態2、年齡和性別等生物特徵資訊，並保存至上述第一資料庫中。同樣的，對指定用戶2(對應的用戶ID資訊表示為ID2)，可以從攝影鏡頭採集獲得的監控視頻中獲取人臉1、人臉2、軀幹1、軀幹2、步態1、步態2、年齡和性別等生物特徵資訊，並保存至上述第一資料庫中。 此外，如圖2所示，由於用戶的生物特徵資訊會隨著時間的推移或者季節的變化而變化，因此，可以記錄保存指定用戶1、指定用戶2在不同時間(圖2中的時間1、時間2)的上述生物特徵資訊。以及，可選地，第一資料庫中還可以記錄保存指定用戶的空間維度特徵，具體體現在由不同的攝影鏡頭從不同的角度拍攝得到指定用戶的人臉、軀幹、步態等特徵資訊。 再有，如圖2所示，還可以考慮不同用戶之間的關係，並將這種關係也保存至上述第一資料庫中。 在另一個例子中，還可以將指定用戶的非生物特徵資訊與指定用戶的ID資訊對應保存至上述第一資料庫中。 在步驟106處，基於所述比對結果，確定所述目標用戶的身分。 沿用步驟104中所舉的例子，如果比對結果為目標用戶與多個指定用戶的相似值，則在步驟106中，可以將多個指定用戶中與目標用戶的相似值最大且大於預設閾值的指定用戶的身分，確定為目標用戶的身分；相應的，如果說多個指定用戶中不存在與目標用戶的相似程度大於預設閾值的指定用戶，則可以將目標用戶確定為是一個新用戶或非會員用戶。其中，預設閾值可以人為設定，例如預設閾值可以等於80%。 本說明書實施例提供的一種用戶身分確定方法，由於是基於目標用戶的多維特徵資訊確定目標用戶的身分，而不是採用單一的人臉或聲音等特徵資訊確定用戶的身分，因此可以減少用戶身分被誤識別的情況的發生，提高了用戶身分確定結果的可靠性。 由於一般情況下，需要與目標用戶進行比對的多個指定用戶的數量較為龐大(也即上文中述及的第一資料庫中儲存的指定用戶的數量較為龐大)，當將目標用戶的目標多維特徵資訊直接與多個指定用戶的多維特徵資訊分別進行比對時，會導致比對資料量大，進而導致比對效率較為低下，相應的導致確定目標用戶身分的效率比較低下。 為了提高確定目標用戶身分的效率，可選地，在另一個實施例中，如圖5所示，上述步驟104可以包括如下子步驟： 子步驟502、基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵。 索引(index)特徵，可以理解為是能夠唯一標識原始特徵資訊(例如步驟102中所獲取的特徵資訊)，且資料量小於原始特徵資訊的特徵。 上述多個索引特徵可以包括：針對同一類型的特徵資訊的單一索引特徵，針對同一時刻出現的至少兩種類型的特徵資訊的複合索引特徵，或針對同一時刻出現的不同用戶的特徵資訊的複合索引特徵。 其中，單一索引特徵，可以是由一種特徵資訊確定出的索引特徵。複合索引特徵，可以是由兩種或兩種以上的特徵資訊確定出的索引特徵。 其中，針對同一類型的特徵資訊的單一索引特徵，例如可以是：針對地理位置資訊的地理位置索引特徵，或者，針對某一角度的人臉特徵資訊的人臉索引特徵，等等。其中，針對同一時刻出現的至少兩種類型的特徵資訊的複合索引特徵，例如可以是：由具有明顯地軀幹特徵和明顯的服飾特徵構成的複合索引特徵。其中，針對同一時刻出現的不同用戶的特徵資訊的複合索引特徵，例如可以是：同時出現在某一商場中購物的夫妻臉構成的複合索引特徵。 下面透過舉例對確定目標用戶的多個索引特徵的過程進行說明。 在第一個例子中，假設目標用戶的目標多維資訊中包含目標用戶的地理位置資訊，則上述子步驟502可以包括：基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵；或者，基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵和二級地理位置索引特徵；或者，基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵、二級地理位置索引特徵和三級地理位置索引特徵。其中，所述三級地理位置索引特徵屬於所述二級地理位置索引的子索引，所述二級地理位置索引屬於所述一級地理位置索引的子索引。 例如，可以將商場、大廈、辦公室、社區等常見的固定人流量區域確定為一級地理位置索引特徵；將商場的樓層或店鋪、將大廈的樓層或房間、社區的單元或樓層確定為二級地理位置索引特徵；將將商場中的店鋪中的攝影鏡頭所在的位置確定為三級地理位置索引特徵。 在第二個例子中，假設所述目標多維特徵資訊包括所述目標用戶的生物特徵資訊，例如，人臉特徵資訊、軀幹特徵資訊和服飾特徵資訊等等，則上述子步驟502可以包括：對所述目標用戶的生物特徵資訊進行主成分分析(Principal Component Analysis，PCA)，得到所述生物特徵資訊的降維特徵；對所述降維特徵進行分桶，得到表徵所述生物特徵資訊的多個桶；將所述多個桶的ID確定為所述目標用戶的多個索引特徵。例如，得到步態桶索引特徵、服飾桶索引特徵、性別桶索引特徵、人臉桶索引特徵、年齡桶索引特徵和軀幹桶索引特徵，等等。其中，桶ID可以是1、2、3、4這樣的編號。 此外，假設所述目標多維特徵資訊包括所述目標用戶的ID資訊和時間資訊，則基於子步驟502還可以確定出時間索引特徵(可稱為時間戳記)和ID索引特徵。以及基於目標多維特徵資訊，確定出的關係人臉符複合索引特徵、人臉與軀幹複合索引特徵，等等。 子步驟504、將所述多個索引特徵與所述多個指定用戶的多個索引特徵分別進行比對，從所述多個指定用戶中確定出多個第一用戶。 同圖1所示的實施例，在實際應用中，也可以預先建立一個儲存有指定用戶的用戶ID資訊與該指定用戶的多個索引特徵的對應關係的第二資料庫，這樣在比對時，可以將目標用戶的多個索引特徵與第二資料庫中指定用戶的多個索引特徵進行比對，得到多個第一用戶。其中，確定指定用戶的多個索引特徵的方式與上文中確定目標用戶的多個索引特徵的方式類似，此處不再贅述。 例如，最終確定出的第二資料庫中保存的索引特徵可以包括：步態桶索引特徵、服飾桶索引特徵、性別桶索引特徵、人臉桶索引特徵、年齡桶索引特徵、軀幹桶索引特徵、時間索引特徵(可稱為時間戳記)、ID索引特徵、關係人臉符複合索引特徵，以及人臉與軀幹複合索引特徵，等等。 需要說明的是，在本說明書提供的實施例中，第一資料庫和第二資料庫可以是同一個資料庫，也可以是不同的資料庫。 作為一個例子，在子步驟504中，可以將目標用戶的多個索引特徵與多個指定用戶的索引特徵分別進行比對，從所述多個指定用戶中確定出多個索引特徵中的一個或多個與目標用戶的相應索引特徵匹配的用戶，作為多個第一用戶。在此處，索引特徵匹配，可以理解為索引特徵相同或相似。例如，假設目標用戶的多個索引特徵包括：地理位置索引特徵和人臉索引特徵，則可以從多個指定用戶中查詢出地理位置索引特徵和人臉索引特徵，與目標用戶的地理位置索引特徵和人臉索引特徵均相同的多個用戶作為多個第一用戶。 作為另一個例子，在子步驟504中，可以先對目標用戶的多個索引特徵按一定的規則排序，例如，按照隨機的方式排序，或者按照識別用戶身分的準確程度排序，等等；然後，從所述多個指定用戶中確定出與排序在第一位的索引特徵匹配的多個用戶，再從這多個用戶中確定出與排序在第二位元的索引特徵匹配的多個用戶，以此類推，依次從依據排序在前一位元的索引特徵匹配獲得的確定結果中，進一步確定出與排序在後一位元的索引特徵匹配的多個用戶，最後將依據排序在最後一位元的索引特徵匹配的多個用戶作為多個第一用戶。下面結合圖6和圖7對依據該例子中的方式確定多個第一用戶的過程進行說明。 如圖6所示，首先採集目標用戶的多維特徵資訊601：人臉1、人臉2和人臉3，具體可以在需要確定目標用戶身分的時刻，透過多個攝影鏡頭從不同的角度採集目標用戶的“人臉1、人臉2和人臉3”三個特徵資訊；其次，基於採集到的目標用戶的多維特徵資訊，確定目標用戶的多個索引特徵；然後，將目標用戶的多個索引特徵與第二資料庫602中儲存的多個指定用戶的相應索引特徵(例如，複合索引特徵--關係人臉特徵、單一索引特徵--人臉特徵)進行比對，確定出x個第一用戶；最後，利用下述子步驟506中的方式，將“人臉1、人臉2和人臉3”三個特徵資訊作為目標用戶的特定特徵資訊，與“x個第一用戶的特定特徵資訊” 603進行比對，確定目標用戶與x個第一用戶的相似值。 如圖7所示，首先採集目標用戶的多維特徵資訊601：人臉1、人臉2和人臉3，具體可以在需要確定目標用戶身分的時刻，透過多個攝影鏡頭從不同的角度採集目標用戶的“人臉1、人臉2和人臉3”三個特徵資訊；其次，基於採集到的目標用戶的多維特徵資訊，確定目標用戶的多個索引特徵；然後，將目標用戶的多個索引特徵與第二資料庫602中儲存的多個指定用戶的相應索引特徵(例如，複合索引特徵--關係人臉特徵，以及單一索引特徵--人臉特徵和WiFi位址604)進行比對，確定出x個第一用戶；最後，利用下述子步驟506中的方式，將“人臉1、人臉2和人臉3”三個特徵資訊作為目標用戶的特定特徵資訊，與“x個第一用戶的特定特徵資訊” 603進行比對，確定目標用戶與x個第一用戶的相似值。 子步驟506、將所述目標多維特徵資訊中的特定特徵資訊，與所述多個第一用戶的特定特徵資訊分別進行比對，確定所述目標用戶與所述多個第一用戶的相似值。 子步驟506是在子步驟504確定出的多個第一用戶的基礎上，進一步依據特定特徵資訊的比對，分別確定出目標用戶與多個第一用戶的相似值。 特定特徵資訊，可以是目標用戶的生物特徵資訊，例如，人臉特徵資訊、軀幹特徵資訊、服飾特徵資訊等能。 子步驟508、將所述目標用戶與所述多個第一用戶的相似值，確定為所述比對結果。 在此基礎上，上述步驟106可以包括：將所述比對結果中所述相似值最大且大於預設閾值的用戶身分，確定為所述目標用戶的身分。也即將多個第一用戶中，與目標用戶的相似值最大且大於預設閾值的用戶的身分，確定為目標用戶的身分。 可以理解，在圖5所示的實施例中，由於是先依據資料量較少的索引特徵的比對，從多個指定用戶中確定出與目標用戶可能相似的多個候選用戶(也即多個第一用戶)，縮小比對範圍，然後在該小範圍內，依據特定特徵資訊的比對確定目標用戶的身分，因此可以提高確定目標用戶身分的效率。 為了提高確定目標用戶身分的效率，可選地，在又一個實施例中，如圖8所示，上述步驟104可以包括如下子步驟： 子步驟802、基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵。 子步驟804、將所述多個索引特徵與所述多個指定用戶的多個索引特徵分別進行比對，從所述多個指定用戶中確定出多個第一用戶。 上述子步驟802和子步驟804的具體實施方式，與圖5所示的實施例中的子步驟502和子步驟504對應相同，此處不再重複描述。 子步驟806、基於所述多個第一用戶的歷史行為資料，從所述多個第一用戶中選取多個第二用戶。 在一個例子中，可以先基於所述多個第一用戶的歷史行為資料，對所述多個第一用戶進行排序，然後從所述多個第一用戶中，選取排名符合預設條件的多個第二用戶。 當以確定進入商圈中的用戶身分為例時，上述歷史行為資料可以是歷史消費次數、歷史進場次數、歷史消費金額等；相應的，在對多個第一用戶排序時，可以將歷史消費次數多、歷史進場次數多或歷史消費金額大的第一用戶排在前面，將歷史消費次數少、歷史進場次數少或歷史消費金額小的第一用戶排在後面。 在另一個例子中，可以基於預設的排序模型對多個第一用戶進行排序，然後從所述多個第一用戶中，選取排名符合預設條件的多個第二用戶。其中，預設的排序模型可以是現有技術中的排序模型。 上述從所述多個第一用戶中，選取排名符合預設條件的多個第二用戶的步驟，可以包括：從多個第一用戶中選取排名在前的幾個用戶作為多個第二用戶。 子步驟808、將所述目標多維特徵資訊中的特定特徵資訊，與所述多個第二用戶的特定特徵資訊分別進行比對，確定所述目標用戶與所述多個第二用戶的相似值。 子步驟810、將所述目標用戶與所述多個第二用戶的相似值，確定為所述比對結果。 上述子步驟808和子步驟810的具體實施方式，與圖5所示的實施例中的子步驟506和子步驟508對應相似，此處不再重複描述。 在圖8所示的實施例的基礎上，上述步驟106可以包括：將所述比對結果中所述相似值最大且大於預設閾值的用戶身分，確定為所述目標用戶的身分。也即將多個第二用戶中，與目標用戶的相似值最大且大於預設閾值的用戶的身分，確定為目標用戶的身分。 圖8所示的實施例與圖5所示的實施例相比，除了先依據資料量較少的索引特徵的比對，從多個指定用戶中確定出與目標用戶可能相似的多個候選用戶(也即多個第一用戶)，縮小比對範圍，還從多個第一用戶進一步地選出多個第二用戶，進一步地縮小比對範圍；然後，在該進一步縮小的範圍內，依據特定特徵資訊的比對確定目標用戶的身分，因此可以進一步提高確定目標用戶身分的效率。 以上是對本說明書提供一種用戶身分確定方法的說明，下面對本說明書提供的電子設備進行介紹。 圖9是本說明書的一個實施例提供的電子設備的結構示意圖。請參考圖9，在硬體層面，該電子設備包括處理器，可選地還包括內部匯流排、網路介面、記憶體。其中，記憶體可能包含內部記憶體，例如高速隨機存取記憶體(Random-Access Memory，RAM)，也可能還包括非易失性記憶體(non-volatile memory)，例如至少1個磁碟記憶體等。當然，該電子設備還可能包括其他業務所需要的硬體。 處理器、網路介面和記憶體可以透過內部匯流排相互連接，該內部匯流排可以是ISA(Industry Standard Architecture，工業標準架構)匯流排、PCI(Peripheral Component Interconnect，外設部件互連標準)匯流排或EISA(Extended Industry Standard Architecture，延伸工業標準架構)匯流排等。所述匯流排可以分為位址匯流排、資料匯流排、控制匯流排等。為便於表示，圖9中僅用一個雙向箭頭表示，但並不表示僅有一根匯流排或一種類型的匯流排。 記憶體，用於存放程式。具體地，程式可以包括程式碼，所述程式碼包括電腦操作指令。記憶體可以包括內部記憶體和非易失性記憶體，並向處理器提供指令和資料。 處理器從非易失性記憶體中讀取對應的電腦程式到內部記憶體中然後運行，在邏輯層面上形成用戶身分確定裝置。處理器，執行記憶體所存放的程式，並具體用於執行以下操作： 採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 基於所述比對結果，確定所述目標用戶的身分。 上述如本說明書圖1所示實施例揭示的用戶身分確定方法可以應用於處理器中，或者由處理器實現。處理器可能是一種積體電路晶片，具有信號的處理能力。在實現過程中，上述方法的各步驟可以透過處理器中的硬體的積體邏輯電路或者軟體形式的指令完成。上述的處理器可以是通用處理器，包括中央處理器(Central Processing Unit，CPU)、網路處理器(Network Processor，NP)等；還可以是數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列(Field－Programmable Gate Array，FPGA)或者其他可程式設計邏輯裝置、分立閘或者電晶體邏輯裝置、分立硬體元件。可以實現或者執行本說明書一個或多個實施例中的公開的各方法、步驟及邏輯方塊圖。通用處理器可以是微處理器或者該處理器也可以是任何一般的處理器等。結合本說明書一個或多個實施例所公開的方法的步驟可以直接體現為硬體解碼處理器執行完成，或者用解碼處理器中的硬體及軟體模組組合執行完成。軟體模組可以位於隨機記憶體，快閃記憶體、唯讀記憶體，可程式設計唯讀記憶體或者電可讀寫可程式設計記憶體、暫存器等本領域成熟的儲存媒體中。該儲存媒體位於記憶體，處理器讀取記憶體中的資訊，結合其硬體完成上述方法的步驟。 該電子設備還可執行圖1的用戶身分確定方法，本說明書在此不再贅述。 當然，除了軟體實現方式之外，本說明書的電子設備並不排除其他實現方式，比如邏輯裝置抑或軟硬體結合的方式等等，也就是說以下處理流程的執行主體並不限定於各個邏輯單元，也可以是硬體或邏輯裝置。 本說明書實施例還提出了一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式包括指令，該指令當被包括多個應用程式的可攜式電子設備執行時，能夠使該可攜式電子設備執行圖1所示實施例的方法，並具體用於執行以下操作： 採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊； 將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果； 基於所述比對結果，確定所述目標用戶的身分。 下面對本說明書提供的一種用戶身分確定裝置進行說明。 圖10是本說明書提供的用戶身分確定裝置1000的結構示意圖。請參考圖10，在一種軟體實施方式中，用戶身分確定裝置1000可包括：採集模組1001、比對模組1002和確定模組1003。 採集模組1001，用於採集目標用戶的目標多維特徵資訊，所述目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊。 其中，所述生物特徵資訊包括：人臉特徵資訊、軀幹特徵資訊、步態特徵資訊、服飾特徵資訊、年齡特徵資訊和性別特徵資訊； 其中，所述非生物特徵資訊包括：用戶ID資訊、地理位置資訊和時間資訊，所述用戶ID資訊包括用戶手機號、用戶證件號和用戶手機MAC資訊中的一種或多種。 比對模組1002，用於將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果。 作為一個例子，比對模組1002具體可以用於，將所述目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得所述目標用戶與所述多個指定用戶的相似值；將所述目標用戶與所述多個指定用戶的相似值，確定為所述比對結果。 確定模組1003，用於基於所述比對結果，確定所述目標用戶的身分。 本說明書實施例提供的一種用戶身分確定裝置，由於是基於目標用戶的多維特徵資訊確定目標用戶的身分，而不是採用單一的人臉或聲音等特徵資訊確定用戶的身分，因此可以減少用戶身分被誤識別的情況的發生，提高了用戶身分確定結果的可靠性。 可選地，在另一個實施例中，如圖11所示，上述比對模組1002具體可包括：第一索引確定子模組1101、第一用戶確定子模組1102、第一相似值確定子模組1103和第一結果確定子模組1104。 第一索引確定子模組1101，用於基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵。 其中，所述多個索引特徵包括：針對同一類型的特徵資訊的單一索引特徵，針對同一時刻出現的至少兩種類型的特徵資訊的複合索引特徵，或針對同一時刻出現的不同用戶的特徵資訊的複合索引特徵。 作為一個例子，如果所述目標多維特徵資訊包括所述目標用戶的地理位置資訊，則所述基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵，包括：基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵；或者，基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵和二級地理位置索引特徵；或者，基於所述目標用戶的地理位置資訊，確定所述目標用戶的一級地理位置索引特徵、二級地理位置索引特徵和三級地理位置索引特徵；其中，所述三級地理位置索引特徵屬於所述二級地理位置索引的子索引，所述二級地理位置索引屬於所述一級地理位置索引的子索引。 作為另一個例子，如果所述目標多維特徵資訊包括所述目標用戶的生物特徵資訊，則所述基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵，包括：對所述目標用戶的生物特徵資訊進行主成分分析PCA，得到所述生物特徵資訊的降維特徵；對所述降維特徵進行分桶，得到表徵所述生物特徵資訊的多個桶；將所述多個桶的ID確定為所述目標用戶的多個索引特徵。 第一用戶確定子模組1102，用於將所述多個索引特徵與所述多個指定用戶的多個索引特徵分別進行比對，從所述多個指定用戶中確定出多個第一用戶。 作為一個例子，在第一用戶確定子模組1102中，可以將目標用戶的多個索引特徵與多個指定用戶的索引特徵分別進行比對，從所述多個指定用戶中確定出多個索引特徵中的一個或多個與目標用戶的相應索引特徵匹配的用戶，作為多個第一用戶。在此處，索引特徵匹配，可以理解為索引特徵相同或相似。 作為另一個例子，在第一用戶確定子模組1102中，可以先對目標用戶的多個索引特徵按一定的規則排序，例如，按照隨機的方式排序，或者按照識別用戶身分的準確程度排序，等等；然後，從所述多個指定用戶中確定出與排序在第一位的索引特徵匹配的多個用戶，再從這多個用戶中確定出與排序在第二位元的索引特徵匹配的多個用戶，以此類推，依次從依據排序在前一位元的索引特徵匹配獲得的確定結果中，進一步確定出與排序在後一位元的索引特徵匹配的多個用戶，最後將依據排序在最後一位元的索引特徵匹配的多個用戶作為多個第一用戶。 第一相似值確定子模組1103，用於將所述目標多維特徵資訊中的特定特徵資訊，與所述多個第一用戶的特定特徵資訊分別進行比對，確定所述目標用戶與所述多個第一用戶的相似值。 作為一個例子，第一相似值確定子模組1103是在第一用戶確定子模組1102確定出的多個第一用戶的基礎上，進一步依據特定特徵資訊的比對，分別確定出目標用戶與多個第一用戶的相似值。 特定特徵資訊，可以是目標用戶的生物特徵資訊，例如，人臉特徵資訊、軀幹特徵資訊、服飾特徵資訊等等。 第一結果確定子模組1104，用於將所述目標用戶與所述多個第一用戶的相似值，確定為所述比對結果。 在此基礎上，上述確定模組1003具體可以用於，將所述比對結果中所述相似值最大且大於預設閾值的用戶身分，確定為所述目標用戶的身分。也即將多個第一用戶中，與目標用戶的相似值最大且大於預設閾值的用戶的身分，確定為目標用戶的身分。 可以理解，在圖11所示的實施例中，由於是先依據資料量較少的索引特徵的比對，從多個指定用戶中確定出與目標用戶可能相似的多個候選用戶(也即多個第一用戶)，縮小比對範圍，然後在該小範圍內，依據特定特徵資訊的比對確定目標用戶的身分，因此可以提高確定目標用戶身分的效率。 可選地，在又一個實施例中，如圖12所示，上述比對模組1002具體可包括：第二索引確定子模組1201、第二用戶確定子模組1202、第三用戶確定子模組1203、第二相似值確定子模組1204和第二結果確定子模組1205。 第二索引確定子模組1201，用於基於所述目標多維特徵資訊，確定所述目標用戶的多個索引特徵。 第二用戶確定子模組1202，用於將所述多個索引特徵與所述多個指定用戶的多個索引特徵分別進行比對，從所述多個指定用戶中確定出多個第一用戶。 上述第二索引確定子模組1201和第二用戶確定子模組1202的具體實施方式，與圖11所示的實施例中的第一索引確定子模組1101和第一用戶確定子模組1102對應相同，此處不再重複描述。 第三用戶確定子模組1203，用於基於所述多個第一用戶的歷史行為資料，從所述多個第一用戶中選取多個第二用戶。 在一個例子中，第三用戶確定子模組1203可以先基於所述多個第一用戶的歷史行為資料，對所述多個第一用戶進行排序，然後從所述多個第一用戶中，選取排名符合預設條件的多個第二用戶。 在另一個例子中，第三用戶確定子模組1203可以基於預設的排序模型對多個第一用戶進行排序，然後從所述多個第一用戶中，選取排名符合預設條件的多個第二用戶。其中，預設的排序模型可以是現有技術中的排序模型。 在第三用戶確定子模組1203中，從所述多個第一用戶中選取排名符合預設條件的多個第二用戶，可以包括：從多個第一用戶中選取排名在前的幾個用戶作為多個第二用戶。 第二相似值確定子模組1204，用於將所述目標多維特徵資訊中的特定特徵資訊，與所述多個第二用戶的特定特徵資訊分別進行比對，確定所述目標用戶與所述多個第二用戶的相似值。 第二結果確定子模組1205，用於將所述目標用戶與所述多個第二用戶的相似值，確定為所述比對結果。 上述第二相似值確定子模組1204和第二結果確定子模組1205的具體實施方式，與圖11所示的實施例中的第一相似值確定子模組1103和第一結果確定子模組1104對應相似，此處不再重複描述。 在圖12所示的實施例的基礎上，上述確定模組1003具體可以用於，將所述比對結果中所述相似值最大且大於預設閾值的用戶身分，確定為所述目標用戶的身分。亦即將多個第二用戶中，與目標用戶的相似值最大且大於預設閾值的用戶的身分，確定為目標用戶的身分。 圖12所示的實施例與圖11所示的實施例相比，除了先依據資料量較少的索引特徵的比對，從多個指定用戶中確定出與目標用戶可能相似的多個候選用戶(也即多個第一用戶)，縮小比對範圍，還從多個第一用戶進一步地選出多個第二用戶，進一步地縮小比對範圍；然後，在該進一步縮小的範圍內，依據特定特徵資訊的比對確定目標用戶的身分，因此可以進一步提高確定目標用戶身分的效率。 需要說明的是，用戶身分確定裝置1000能夠實現圖1的方法實施例的方法，具體可參考圖1所示實施例的用戶身分確定方法，不再贅述。 總之，以上所述僅為本說明書的較佳實施例而已，並非用於限定本說明書的保護範圍。凡在本說明書一個或多個實施例的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本說明書一個或多個實施例的保護範圍之內。 上述實施例闡明的系統、裝置、模組或單元，具體可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的，電腦例如可以為個人電腦、膝上型電腦、行動電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。 電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備存取的資訊。按照本文中的界定，電腦可讀媒體不包括暫存電腦可讀媒體(transitory media)，如調變的資料信號和載波。 還需要說明的是，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制時，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。 本說明書中的各個實施例均採用漸進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
601:目標用戶的多維特徵資訊 602:第二資料庫 603:x個第一用戶的特定特徵資訊 604:WiFi位址 1000:用戶身分確定裝置 1001:採集模組 1002:比對模組 1003:確定模組 1101:第一索引確定子模組 1102:第一用戶確定子模組 1103:第一相似值確定子模組 1104:第一結果確定子模組 1201:第二索引確定子模組 1202:第二用戶確定子模組 1203:第三用戶確定子模組 1204:第二相似值確定子模組 1205:第二結果確定子模組
此處所說明的圖式用來提供對本發明的進一步理解，構成本發明的一部分，本發明的示意性實施例及其說明用於解釋本發明，並不構成對本發明的不當限定。在圖式中： 圖1是本說明書實施例提供的用戶身分確定方法的一種流程示意圖。 圖2是本說明書實施例提供的構建第一資料庫的一種示意圖。 圖3是本說明書實施例提供的多姿態人臉特徵資訊示意圖。 圖4是本說明書實施例提供的步態特徵資訊示意圖。 圖5是圖1所示的實施例中的步驟104的一種詳細流程示意圖。 圖6是本說明書實施例提供的一種索引特徵比對過程示意圖。 圖7是本說明書實施例提供的另一種索引特徵比對過程示意圖。 圖8是圖1所示的實施例中的步驟104的另一種詳細流程示意圖。 圖9是本說明書實施例提供的一種電子設備的結構示意圖。 圖10是本說明書實施例提供的用戶身分確定裝置1000的一種結構示意圖。 圖11是圖10所示的實施例中的模組1002的一種詳細結構示意圖。 圖12是圖10所示的實施例中的模組1002的另一種詳細結構示意圖。

Claims (10)

  1. 一種用戶身分確定方法，該方法包括：採集目標用戶的目標多維特徵資訊，該目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊；將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果；以及基於該比對結果，確定該目標用戶的身分，其中，該將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果，包括：基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵；將該多個索引特徵與該多個指定用戶的多個索引特徵分別進行比對，從該多個指定用戶中確定出多個第一用戶；將該目標多維特徵資訊中的特定特徵資訊，與該多個第一用戶的特定特徵資訊分別進行比對，確定該目標用戶與該多個第一用戶的相似值；以及將該目標用戶與該多個第一用戶的相似值，確定為該比對結果。
  2. 如請求項1所述的方法，其中，該將該多個索引特徵與該多個指定用戶的多個索引特徵分別進行比對，確定該 多個指定用戶與該目標用戶的相似值，包括：基於該多個第一用戶的歷史行為資料，從該多個第一用戶中選取多個第二用戶；將該目標多維特徵資訊中的特定特徵資訊，與該多個第二用戶的特定特徵資訊分別進行比對，確定該目標用戶與該多個第二用戶的相似值；以及將該目標用戶與該多個第二用戶的相似值，確定為該比對結果。
  3. 如請求項1所述的方法，其中，該多個索引特徵包括：針對同一類型的特徵資訊的單一索引特徵，針對同一時刻出現的至少兩種類型的特徵資訊的複合索引特徵，或針對同一時刻出現的不同用戶的特徵資訊的複合索引特徵。
  4. 如請求項1所述的方法，其中，該生物特徵資訊包括：人臉特徵資訊、軀幹特徵資訊、步態特徵資訊、服飾特徵資訊、年齡特徵資訊和性別特徵資訊；其中，該非生物特徵資訊包括：用戶ID資訊、地理位置資訊和時間資訊，該用戶ID資訊包括用戶手機號、用戶證件號和用戶手機MAC(媒體存取控制)資訊中的一種或多種。
  5. 如請求項4所述的方法，如果該目標多維特徵資訊包括該目標用戶的地理位置資訊，則該基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵，包括：基於該目標用戶的地理位置資訊，確定該目標用戶的一級地理位置索引特徵；或者，基於該目標用戶的地理位置資訊，確定該目標用戶的一級地理位置索引特徵和二級地理位置索引特徵；或者，基於該目標用戶的地理位置資訊，確定該目標用戶的一級地理位置索引特徵、二級地理位置索引特徵和三級地理位置索引特徵；其中，該三級地理位置索引特徵屬於該二級地理位置索引的子索引，該二級地理位置索引屬於該一級地理位置索引的子索引。
  6. 如請求項4所述的方法，如果該目標多維特徵資訊包括該目標用戶的生物特徵資訊，則該基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵，包括：對該目標用戶的生物特徵資訊進行主成分分析PCA，得到該生物特徵資訊的降維特徵；對該降維特徵進行分桶，得到表徵該生物特徵資訊的多個桶；將該多個桶的ID確定為該目標用戶的多個索引特徵。
  7. 如請求項1中任一項所述的方法，其中，該基於該比 對結果，確定該目標用戶的身分，包括：將該比對結果中該相似值最大且大於預設閾值的用戶身分，確定為該目標用戶的身分。
  8. 一種用戶身分確定裝置，該裝置包括：採集模組，用於採集目標用戶的目標多維特徵資訊，該目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊；比對模組，用於將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果；確定模組，用於基於該比對結果，確定該目標用戶的身分，其中，該將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果，包括：基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵；將該多個索引特徵與該多個指定用戶的多個索引特徵分別進行比對，從該多個指定用戶中確定出多個第一用戶；將該目標多維特徵資訊中的特定特徵資訊，與該多個第一用戶的特定特徵資訊分別進行比對，確定該目標用戶與該多個第一用戶的相似值；以及將該目標用戶與該多個第一用戶的相似值，確定為該比對結果。
  9. 一種電子設備，包括：處理器；以及被配置成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使該處理器執行以下操作：採集目標用戶的目標多維特徵資訊，該目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊；將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果；基於該比對結果，確定該目標用戶的身分，其中，該將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果，包括：基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵；將該多個索引特徵與該多個指定用戶的多個索引特徵分別進行比對，從該多個指定用戶中確定出多個第一用戶；將該目標多維特徵資訊中的特定特徵資訊，與該多個第一用戶的特定特徵資訊分別進行比對，確定該目標用戶與該多個第一用戶的相似值；以及將該目標用戶與該多個第一用戶的相似值，確定為該比對結果。
  10. 一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式當被包括多個應用程式的電子設備執行時，使得該電子設備執行以下操作：採集目標用戶的目標多維特徵資訊，該目標多維特徵資訊包括生物特徵資訊和/或非生物特徵資訊中的至少兩種特徵資訊；將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果；基於該比對結果，確定該目標用戶的身分，其中，該將該目標多維特徵資訊與多個指定用戶的多維特徵資訊分別進行比對，獲得比對結果，包括：基於該目標多維特徵資訊，確定該目標用戶的多個索引特徵；將該多個索引特徵與該多個指定用戶的多個索引特徵分別進行比對，從該多個指定用戶中確定出多個第一用戶；將該目標多維特徵資訊中的特定特徵資訊，與該多個第一用戶的特定特徵資訊分別進行比對，確定該目標用戶與該多個第一用戶的相似值；以及將該目標用戶與該多個第一用戶的相似值，確定為該比對結果。
TW108121919A 2018-09-04 2019-06-24 用戶身分確定方法、裝置及電子設備 TWI738011B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811025022.8 2018-09-04
CN201811025022.8A CN109344722B (zh) 2018-09-04 2018-09-04 一种用户身份确定方法、装置及电子设备

Publications (2)

Publication Number Publication Date
TW202011251A TW202011251A (zh) 2020-03-16
TWI738011B true TWI738011B (zh) 2021-09-01

Family

ID=65292289

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108121919A TWI738011B (zh) 2018-09-04 2019-06-24 用戶身分確定方法、裝置及電子設備

Country Status (4)

Country Link
US (2) US11244199B2 (zh)
CN (2) CN111523569B (zh)
TW (1) TWI738011B (zh)
WO (1) WO2020051075A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523569B (zh) * 2018-09-04 2023-08-04 创新先进技术有限公司 一种用户身份确定方法、装置及电子设备
CN109993000A (zh) * 2019-04-02 2019-07-09 南京维盟网络科技有限公司 基于人脸识别技术的照片和视频自动分享的方法及***
CN110472485A (zh) * 2019-07-03 2019-11-19 华为技术有限公司 识别身份的方法和装置
CN110414212A (zh) * 2019-08-05 2019-11-05 国网电子商务有限公司 一种面向电力业务的多维特征动态身份认证方法及***
CN110443198B (zh) * 2019-08-06 2022-02-25 中国工商银行股份有限公司 基于人脸识别的身份识别方法和装置
CN111428594A (zh) * 2020-03-13 2020-07-17 北京三快在线科技有限公司 身份验证方法、装置、电子设备和存储介质
CN111949864B (zh) * 2020-08-10 2022-02-25 北京字节跳动网络技术有限公司 一种搜索方法、装置、电子设备及存储介质
JP7146123B2 (ja) 2020-09-28 2022-10-03 楽天グループ株式会社 認証システム、認証方法、及びプログラム
CN112203049B (zh) * 2020-09-30 2022-02-11 重庆天智慧启科技有限公司 一种案场老客户到访消息通知服务***及方法
CN112668562B (zh) * 2021-03-16 2021-06-25 北京焦点新干线信息技术有限公司 一种客户识别方法及装置
CN113283410B (zh) * 2021-07-26 2022-06-21 浙江宇视科技有限公司 基于数据关联分析的人脸增强识别方法、装置和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117404A (zh) * 2010-12-06 2011-07-06 公安部第一研究所 一种反射式手指静脉特征采集装置及其个人身份认证方法
US20140314283A1 (en) * 2013-04-16 2014-10-23 Imageware Systems, Inc. Multi-modal biometric database searching methods
CN104394118A (zh) * 2014-07-29 2015-03-04 焦点科技股份有限公司 一种用户身份识别方法及***
US20150278977A1 (en) * 2015-03-25 2015-10-01 Digital Signal Corporation System and Method for Detecting Potential Fraud Between a Probe Biometric and a Dataset of Biometrics
CN107743131A (zh) * 2017-11-20 2018-02-27 张博 一种基于多种不同类型输入组合序列的身份认证方法及装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6122628A (en) * 1997-10-31 2000-09-19 International Business Machines Corporation Multidimensional data clustering and dimension reduction for indexing and searching
JP2002530748A (ja) * 1998-11-13 2002-09-17 セロミックス インコーポレイテッド 実験データを効率的に収集して記憶するための方法及びシステム
CN100369045C (zh) * 2004-12-31 2008-02-13 中国科学院自动化研究所 基于生物护照的快速通关方法
US9529974B2 (en) * 2008-02-25 2016-12-27 Georgetown University System and method for detecting, collecting, analyzing, and communicating event-related information
US8929657B2 (en) * 2008-08-22 2015-01-06 KyongHee Yi System and method for indexing object in image
CN102045162A (zh) * 2009-10-16 2011-05-04 电子科技大学 一种三模态生物特征持证人身份鉴别***及其控制方法
US8548206B2 (en) * 2011-01-20 2013-10-01 Daon Holdings Limited Methods and systems for capturing biometric data
US11074495B2 (en) * 2013-02-28 2021-07-27 Z Advanced Computing, Inc. (Zac) System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US9916538B2 (en) * 2012-09-15 2018-03-13 Z Advanced Computing, Inc. Method and system for feature detection
US8311973B1 (en) * 2011-09-24 2012-11-13 Zadeh Lotfi A Methods and systems for applications for Z-numbers
US9043371B1 (en) * 2011-11-04 2015-05-26 Google Inc. Storing information in a trusted environment for use in processing data triggers in an untrusted environment
US11734712B2 (en) * 2012-02-24 2023-08-22 Foursquare Labs, Inc. Attributing in-store visits to media consumption based on data collected from user devices
CN104166821B (zh) * 2013-05-17 2017-07-21 华为技术有限公司 一种数据处理的方法和装置
KR102180226B1 (ko) * 2013-10-30 2020-11-18 삼성전자주식회사 복합 생체 정보를 이용한 보안을 제공하는 전자 장치 및 방법
US9740963B2 (en) * 2014-08-05 2017-08-22 Sri International Multi-dimensional realization of visual content of an image collection
CN104639546B (zh) 2014-12-31 2019-01-25 北京眼神智能科技有限公司 多生物特征综合认证的方法、装置和***
CN105224849B (zh) * 2015-10-20 2019-01-01 广州广电运通金融电子股份有限公司 一种多生物特征融合身份鉴别方法以及装置
CN105279416B (zh) * 2015-10-27 2018-05-29 上海川织金融信息服务有限公司 基于多生物特征结合设备指纹的身份识别方法及其***
US9830506B2 (en) * 2015-11-09 2017-11-28 The United States Of America As Represented By The Secretary Of The Army Method of apparatus for cross-modal face matching using polarimetric image data
US10353972B2 (en) * 2016-05-26 2019-07-16 Rovi Guides, Inc. Systems and methods for providing timely and relevant social media updates for a person of interest in a media asset who is unknown simultaneously with the media asset
CN106096348B (zh) 2016-06-07 2019-04-12 华中科技大学 一种基于多维码的证卡验证***及方法
JP2018081402A (ja) * 2016-11-15 2018-05-24 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN106856015B (zh) * 2016-12-20 2019-08-16 国网山东省电力公司东明县供电公司 一种考勤方法及装置
CN108282508B (zh) * 2017-01-06 2021-08-03 阿里巴巴集团控股有限公司 地理位置的确定方法及装置、信息推送方法及装置
US11328044B2 (en) * 2017-01-19 2022-05-10 Huawei Technologies Co., Ltd. Dynamic recognition method and terminal device
US11538159B2 (en) * 2017-04-13 2022-12-27 Siemens Healthcare Diagnostics Inc. Methods and apparatus for label compensation during specimen characterization
CN207068000U (zh) 2017-05-16 2018-03-02 新疆航天信息有限公司 基于多摄像头的人像信息数码采集***
CN107679457A (zh) * 2017-09-06 2018-02-09 阿里巴巴集团控股有限公司 用户身份校验方法及装置
CN108288080A (zh) * 2017-12-01 2018-07-17 国政通科技股份有限公司 身份信息核验方法、装置、介质及计算设备
CN108399381B (zh) * 2018-02-12 2020-10-30 北京市商汤科技开发有限公司 行人再识别方法、装置、电子设备和存储介质
CA3125586A1 (en) * 2018-06-11 2019-12-11 Laurence Hamid Liveness detection
CN111523569B (zh) * 2018-09-04 2023-08-04 创新先进技术有限公司 一种用户身份确定方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117404A (zh) * 2010-12-06 2011-07-06 公安部第一研究所 一种反射式手指静脉特征采集装置及其个人身份认证方法
US20140314283A1 (en) * 2013-04-16 2014-10-23 Imageware Systems, Inc. Multi-modal biometric database searching methods
CN104394118A (zh) * 2014-07-29 2015-03-04 焦点科技股份有限公司 一种用户身份识别方法及***
US20150278977A1 (en) * 2015-03-25 2015-10-01 Digital Signal Corporation System and Method for Detecting Potential Fraud Between a Probe Biometric and a Dataset of Biometrics
CN107743131A (zh) * 2017-11-20 2018-02-27 张博 一种基于多种不同类型输入组合序列的身份认证方法及装置

Also Published As

Publication number Publication date
US10997460B2 (en) 2021-05-04
CN109344722A (zh) 2019-02-15
CN111523569A (zh) 2020-08-11
WO2020051075A8 (en) 2020-04-09
US20200167598A1 (en) 2020-05-28
US20200074219A1 (en) 2020-03-05
TW202011251A (zh) 2020-03-16
CN111523569B (zh) 2023-08-04
CN109344722B (zh) 2020-03-24
WO2020051075A1 (en) 2020-03-12
US11244199B2 (en) 2022-02-08

Similar Documents

Publication Publication Date Title
TWI738011B (zh) 用戶身分確定方法、裝置及電子設備
CN108154171B (zh) 一种人物识别方法、装置及电子设备
TWI718643B (zh) 異常群體識別方法及裝置
TWI767675B (zh) 隱私保護下的用戶識別方法、裝置及設備
CN110688974B (zh) 一种身份识别方法及装置
US10769490B2 (en) Image processing methods and devices
JP6607061B2 (ja) 情報処理装置、データ比較方法、およびデータ比較プログラム
BR102014023780B1 (pt) Método para classificação multiclasse em cenários abertos e usos do mesmo
CN112016623B (zh) 一种人脸聚类方法、装置、设备及存储介质
WO2020082831A1 (zh) 一种基于人脸的身份识别方法、装置及电子设备
CN110348274B (zh) 一种人脸识别方法、装置及设备
Sundara Vadivel et al. An efficient CBIR system based on color histogram, edge, and texture features
CN111597921B (zh) 场景识别方法、装置、计算机设备和存储介质
TWI736919B (zh) 驗證以及確定驗證方式的方法、裝置及電子設備
CN114840762A (zh) 推荐内容确定方法、装置和电子设备
CN109685094B (zh) 一种基于网络指纹的身份识别方法和装置
Malakar et al. A STUDY OF NEW INDEXING SCHEMES FOR MULTIMODAL IRIS, FINGERPRINT, AND FACE BIOMETRIC IDENTIFICATION
CN116089485A (zh) 一证多号情况下手机号码的使用人数的确定方法及装置
CN116451054A (zh) 一种青少年犯罪的共性特征确定方法、装置、设备及介质
Hao et al. An efficient video retrieval scheme based on facial signatures