一种生物特征识别方法及装置与流程

1.本发明涉及生物特征识别技术领域，特别是涉及一种生物特征识别方法及装置。


背景技术：

2.人体的生物特征由于具有唯一性、隐私性、不可更改性等特性，因此广泛应用于身份识别领域。
3.目前，在对人体的生物特征进行生物特征识别时，通常采用的生物特征识别方法包括如下两种：第一种，使用生物特征识别模型对生物特征的单张图像进行生物特征识别，此种方式，虽然生物特征识别速度较快，但是由于图像采集可能受到诸如光照、生物特征采集角度等因素的影响，造成图像的质量较差，从而导致生物特征识别的准确度较低。第二种，对单张图像进行分块，然后使用生物特征识别模型对图像分块进行生物特征识别。此种方式虽然生物特征识别相对于第一种方法的准确度有所提高，但是由于图像分块的数量众多，严重影响了生物特征识别的速度，导致生物特征识别的速度较低。
4.可见，现有的生物特征识别方法存在生物特征识别准确度低和生物特征识别速度低的缺陷。


技术实现要素：

5.有鉴于此，本发明提出了一种生物特征识别方法及装置，主要目的在于在提高生物特征识别准确度的同时，提高生物特征识别的识别速度。
6.第一方面，本发明提供了一种生物特征识别方法，该方法包括：
7.对目标生物特征的至少两个图像进行分块处理，形成各所述图像各自的图像分块组，其中，各所述图像具有不同的模态；
8.调用由多个分层组成的分层融合模型对各所述图像分块组进行识别处理，其中，一个分层用于对应识别一个图像分块组，且各所述分层具有预设识别顺序，任意一个所述分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组；
9.在确定满足所述分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。
10.第二方面，本发明提供了一种生物特征识别装置，该装置包括：
11.分块单元，用于对目标生物特征的至少两个图像进行分块处理，形成各所述图像各自的图像分块组，其中，各所述图像具有不同的模态；
12.调用单元，用于调用由多个分层组成的分层融合模型对各所述图像分块组进行识别处理，其中，一个分层用于对应识别一个图像分块组，且各所述分层具有预设识别顺序，任意一个所述分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组；
13.确定单元，用于在确定满足所述分层融合模型停止进行识别处理的条件时，基于
当前已得到的分层识别结果，确定生物特征识别结果。
14.第三方面，本发明提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的生物特征识别方法。
15.第四方面，本发明提供了一种电子设备，所述电子设备包括：
16.存储器，用于存储程序；
17.处理器，耦合至所述存储器，用于运行所述程序以执行第一方面所述的生物特征识别方法。
18.借由上述技术方案，本发明提供的生物特征识别方法及装置，在需要进行生物特征识别时，对目标生物特征的多个不同模态的图像进行分块处理形成各图像各自的图像分块组。然后调用由多个分层组成的分层融合模型对各图像分块组进行识别处理。分层融合模型中的一个分层用于对应识别一个图像分块组，且各分层具有预设识别顺序，在分层融合模型进行生物特征识别时，任意一个分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层才开始识别对应的图像分块组。在确定满足分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。可见，本发明为了减少光照、生物特征采集角度等环境因素对生物特征识别准确度的影响，对目标生物特征的多个不同模态的图像的分块处理后的图像分块组进行生物特征识别。另外，为了提高生物特征识别的速度，一旦当前已得到的所有分层识别结果满足目标生物特征的生物特征识别结果的生成要求，则即可停止分层融合模型的生物特征识别，无需分层融合模型对所有图像分块组均识别完成，便可基于当前已得到的分层识别结果，确定生物特征识别结果，由此减少生物特征识别的识别时间，加快生物特征识别的速度。综上，本发明提供的方案能够在提高生物特征识别准确度的同时，提高生物特征识别的识别速度。
19.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
20.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1示出了本发明一个实施例提供的一种生物特征识别方法的流程图；
22.图2示出了本发明另一个实施例提供的一种生物特征识别方法的流程图；
23.图3示出了本发明一个实施例提供的一种多光谱掌纹采集设备的示意图；
24.图4示出了本发明一个实施例提供的一种生物特征识别装置的结构示意图；
25.图5示出了本发明另一个实施例提供的一种生物特征识别装置的结构示意图。
具体实施方式
26.下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公
开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
27.人体存在诸如指纹、掌纹、虹膜等生物特征。人体的生物特征是人体所固有的生理特征，具有唯一性、隐私性、不可更改性等特性，因此在身份识别领域被广泛应用。
28.目前，在对人体的生物特征进行生物特征识别时，通常采用的生物特征识别方法包括如下两种：第一种，使用生物特征识别模型对生物特征的单张图像进行生物特征识别，此种方式，虽然生物特征识别速度较快，但是由于图像采集可能受到诸如光照、生物特征采集角度、旋转等因素的影响，造成图像的质量较差，从而导致生物特征识别的准确度较低。第二种，对单张图像进行分块，然后使用生物特征识别模型对图像分块进行生物特征识别。此种方式虽然生物特征识别相对于第一种方法的准确度有所提高，但是由于图像分块的数量众多，严重影响了生物特征识别的速度，导致生物特征识别的速度较低。
29.可见，现有的生物特征识别方法存在生物特征识别准确度低和生物特征识别速度低的缺陷。为了克服上述缺陷，本发明实施例提出了一种生物特征识别方法及装置，以在提高生物特征识别准确度的同时，提高生物特征识别的识别速度。本发明实施例提出的生物特征识别方法及装置的具体应用场景可以基于业务要求确定，本实施例中不做具体限定。示例性的，本发明实施例提出的生物特征识别方法及装置可应为于银行、军事等身份识别场景中。下面对本发明实施例提出的生物特征识别方法及装置进行具体说明。
30.如图1所示，本发明实施例提供了一种生物特征识别方法，该方法主要包括：
31.101、对目标生物特征的至少两个图像进行分块处理，形成各所述图像各自的图像分块组，其中，各所述图像具有不同的模态。
32.在实际应用中，生物特征识别是进行身份识别的前提，因此目标生物特征为待进行身份识别的人体所具有的生物特征。目标生物特征的选定与具体身份识别场景有关，本实施例不做具体限定。可选的，目标生物特征为如下中的任意一种：指纹、掌纹和虹膜。
33.示例性的，本发明实施例提供的生物特征识别方法所针对的目标生物特征为掌纹。选取掌纹的优势在于如下几点：一是，手掌的尺寸相对于手指和眼睛来说，其尺寸加大，因此获取到的掌纹图像中可以包括更为丰富的特征。二是，掌纹的获取相对于指纹来说其安全性更为高。指纹所在的手指肚是凸起的，因此获取指纹时需要将手指肚按压在指纹获取设备的指纹获取面上，才可获取到指纹，指纹容易残留在指纹获取面上，存在被恶意盗取的可能。而掌纹所在的掌心面趋近于一个平面，所以掌纹的获取可通过无接触获得，从而避免掌纹残留在掌纹获取机器上被恶意人员盗取。第三，掌纹的获取相对于虹膜来说其获取更为便利。虹膜获取时需要将眼睛对准虹膜获取设备，用户的脑袋位置必然受限，进而造成用户的行动受限，导致用户体验感较差。而掌纹获取时仅需要用户伸出手掌，用户的行动受限性较小，用户体验感相对较好。第四，掌纹具有独一无二的特性。即使人脸相貌完全相同或近似的人，掌纹也是独一无二的，其安全性更高。
34.示例性的，身份识别场景为门禁系统身份识别，掌纹因其具有丰富的特征和易获取的特性，将其作为门禁系统身份识别所需的目标生物特征。
35.在确定目标生物特征之后，需要获取待进行身份识别的人体的目标生成特征的图像。为了减少光照、生物特征采集角度等环境因素对生物特征识别准确度的影响，获取的目
标生物特征的图像的数量为两个或两个以上，且各图像具有不同的模态。其中，模态限定了图像的采集场景，也就是各图像的采集场景不同。
36.示例性的，目标生物特征为掌纹，获取了掌纹的三个图像，分别为图像1、图像2和图像3。其中，图像1对应的模态为蓝色光谱模态，也就是说，图像1是在蓝色光谱下采集的图像。图像2对应的模态为绿色光谱模态，也就是说，图像2是在绿色光谱下采集的图像。图像3对应的模态为红色光谱模态，也就是说，图像3是在红色光谱下采集的图像。
37.在获取到目标生物特征的图像之后，需要对所获取的图像进行分块处理，形成各图像各自对应的图像分块组。下面对图像分块处理方法进行说明，该方法为：
38.针对每一个图像均执行：设定图像的图像分块数量，基于图像分块数量和图像大小确定分块大小，基于分块大小对图像进行分块。示例性的，设定图像1的图像分块数量为64个，图像1的大小为16
×
16，则将图像1分块处理为64个大小为2
×
2的图像分块，图像1的图像分块组中包括64个大小为2
×
2的图像分块。
39.需要说明的是，目标生物特征的各图像的大小均相同，目标生物特征的各图像的图像分块组中图像分块的数量和大小可存在如下几种：第一种，各图像的图像分块组中图像分块数量均不同，示例性的，存在图像1、图像2和图像3，其中，图像1的图像分块组中包括4个大小为8
×
8的图像分块，图像2的图像分块组中包括16个大小为4
×
4的图像分块，图像3的图像分块组中包括64个大小为2
×
2的图像分块。第二种，各图像的图像分块组中图像分块数量均相同，示例性的，存在图像1、图像2和图像3，图像1、图像2和图像3的图像分块组中均包括64个大小为2
×
2的图像分块。第三种，各图像的图像分块组中图像分块数量有相同的，也有不同的，示例性的，存在图像1、图像2和图像3，图像1的图像分块组中包括4个大小为8
×
8的图像分块，图像2和图像3的图像分块组中均包括64个大小为2
×
2的图像分块。
40.102、调用由多个分层组成的分层融合模型对各所述图像分块组进行识别处理，其中，一个分层用于对应识别一个图像分块组，且各所述分层具有预设识别顺序，任意一个所述分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组。
41.分层融合模型由多个分层组成，其用于对图像进行生物特征识别。分层融合模型中的各分层具有预设识别顺序，一个分层用于对应识别一个图像分块组。在预设识别顺序中，任意一个分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层才开始识别对应的图像分块组。此种分层按照预设识别顺序进行识别方式的目的在于，在分层识别的过程中，一旦某个分层的分层识别结果输出后，使得当前已得到的所有分层识别结果满足目标生物特征的生物特征识别结果的生成要求，则即可停止分层融合模型的生物特征识别，基于当前已得到的分层识别结果，便可确定生物特征识别结果，由此减少生物特征识别的识别时间，加快生物特征识别的速度。
42.需要说明的是，分层融合模型的类型可以基于具体业务需求确定，本实施例不做具体限定。可选的，分层融合模型可以为分层式变换(transformer)模型或多层感知模型(multilayer perceptron，mlp)。
43.下面对调用由多个分层组成的分层融合模型对各图像分块组进行识别处理的具体过程进行说明，该过程包括如下步骤一至步骤二：
44.步骤一，确定分层融合模型中各分层对应的图像分块组。
45.在实际应用中，确定分层融合模型中各分层对应的图像分块组的过程与各图像分块组中图像分块数量有关，因此该确定过程存在如下几种情况：
46.第一种，在各图像分块组中的图像分块数量不同时，则在确定各分层对应的图像分块组时，在各分层的预设识别顺序中排序越靠前的分层，其对应的图像分块组中的图像分块数量越少。
47.由于预设识别顺序中排序越靠前的分层，其越先进行生物特征识别，在分层识别的过程中，一旦某个分层的分层识别结果输出后，使得当前已得到的所有分层识别结果满足目标生物特征的生物特征识别结果的生成要求，则即可停止顺序位于其后的分层的生物特征识别，基于当前已得到的分层识别结果，确定生物特征识别结果。由此减少生物特征识别的识别时间，加快生物特征识别的速度。
48.示例性的，分层融合模型由分层1、分层2和分层3组成，预设识别顺序中各分层识别先后排序为：分层1、分层2和分层3。存在图像1、图像2和图像3，各图像的图像分块组中图像分块数量从少到多的顺序为：图像1、图像2和图像3。则确定分层1对应图像1的图像分块组、分层2对应图像2的图像分块组和分层3对应图像3的图像分块组。
49.第二种，在各图像分块组中的图像分块数量相同时，确定各分层对应的图像分块组的方法包括如下两种：一种是，在确定各分层对应的图像分块组时，随机确定各分层对应图像分块组，在确定时保证各分层与图像分块组之间的对应关系唯一即可。另一种是，根据图像分块组所属图像的模态确定各分层的图像分块组，比如，模态之间具有设定的模态识别顺序，则基于模态识别顺序为各分层确定对应的图像分块组。示例性，图像1、图像2和图像3。其中，图像1对应的模态为蓝色光谱模态，图像2对应的模态为绿色光谱模态，图像3对应的模态为红色光谱模态。模态识别顺序从前到后为：蓝色光谱模态、绿色光谱模态、红色光谱模态，预设识别顺序中各分层识别先后排序为：分层1、分层2和分层3。则确定分层1对应图像1的图像分块组、分层2对应图像2的图像分块组和分层3对应图像3的图像分块组。
50.第三种，各图像的图像分块组中图像分块数量有相同的，也有不同的。存在图像1、图像2和图像3，图像1的图像分块组中包括4个图像分块，图像2和图像3的图像分块组中均包括64个图像分块。预设识别顺序中各分层识别先后排序为：分层1、分层2和分层3。各图像的图像分块组中图像分块数量从少到多的顺序为：图像1、图像2和图像3，此排序中图像2和图像3分块数量相同，随机确定图像2排在图像3之前。则确定分层1对应图像1的图像分块组、分层2对应图像2的图像分块组和分层3对应图像3的图像分块组。
51.步骤二，依次调用各分层对应识别其各自对应的图像分块组。
52.在确定各分层对应的图像分块组之后，依次调用各分层对应识别其各自对应的图像分块组，需要强调的是，在调用各分层时，当前使用的分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组。
53.103、在确定满足所述分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。
54.为了及时确定生物特征识别结果，则需要确定当前是否满足分层融合模型停止进行识别处理的条件，以在确定满足分层融合模型停止进行识别处理的条件时，停止调用分层融合模型进行生物特征识别。确定满足分层融合模型停止进行识别处理的条件的过程包括如下步骤一至步骤五：
55.步骤一，确定当前最新得到的分层识别结果。
56.当前最新得到的分层识别结果为最新进行生物特征识别的分层所输出的分层识别结果。
57.分层识别结果中包括有识别分值和目标对象，识别分值用于体现分层识别结果对应的图像为目标对象的生物特征的图像的概率。示例性的，分层1对图像1的分层识别结果中包括识别分值“80％”和目标对象“张三”，说明图像1为张三的生物特征的图像的概率为80％。
58.步骤二，判断当前最新得到的分层识别结果包括的识别分值是否达到第一阈值，若未达到，执行步骤三；否则，执行步骤四。
59.分层融合模型由多个分层组成，各分层输出的分层识别结果中的识别分值的总和理论上来说应为一个设定数值，比如100％。因此，需要设定第一阈值，若一个分层的分层识别结果中的识别分值达到第一阈值，则说明该分层识别结果的准确度较高，预设识别顺序中顺序位于其后的分层即使进行生物特征识别，得到的分层识别结果的准确度也不会高于其输出的分层识别结果的准确度。因此，为了及时确定生物特征识别结果，需要判断当前最新得到的分层识别结果包括的识别分值是否达到第一阈值。
60.在判断出当前最新得到的分层识别结果包括的识别分值达到第一阈值，说明该分层识别结果的准确度较高，可直接将该分层识别结果确定为目标生物特征的生物特征识别结果，分层融合模型可停止进行识别处理，因此执行步骤四。
61.在判断出当前最新得到的分层识别结果包括的识别分值未达到第一阈值，说明尚不能基于当前最新得到的分层识别结果确定目标生物特征的生物特征识别结果，因此需要执行步骤三。
62.示例性的，分层融合模型由三个分层组成，预设识别顺序中各分层识别先后排序为：分层1、分层2和分层3。原则上各分层输出的分层识别结果中的识别分值的总和理论上来说应为100％。当前最新得到的分层识别结果为分层1输出的分层识别结果1。经判断，当前最新得到的分层识别结果包括的识别分值“80％”达到第一阈值“60％”，说明分层识别结果1的准确度较高，可直接将分层识别结果1确定为目标生物特征的生物特征识别结果。
63.步骤三，判断当前已得到的分层识别结果中是否存在至少两个目标分层识别结果，其中，所有目标分层识别结果中的识别对象相同，且所有目标分层识别结果中的识别分值均达到第二阈值，第二阈值小于第一阈值。若存在，执行步骤四；否则，执行步骤五。
64.在判断出当前最新得到的分层识别结果包括的识别分值未达到第一阈值时，说明不能直接依据当前最新得到的分层识别结果确定目标生物特征的生物特征识别结果。因此，需要判断当前已得到的分层识别结果中是否存在至少两个目标分层识别结果。
65.这里所述的所有目标分层识别结果中的识别对象相同，且所有目标分层识别结果中的识别分值均达到第二阈值，第二阈值小于第一阈值。设置第二阈值的原则是，保证所有目标分层识别结果中的识别分值取第二阈值时，目标分层识别结果中的识别分值的总和大于各分层输出的分层识别结果中的识别分值的总和的一半。示例性，分层融合模型中的分层数量为4个，第二阈值为30％，也就是说，当前已得到的分层识别结果中存在两个识别分值达到30％的分层识别结果时，则确定满足分层融合模型停止进行识别处理的条件。
66.在判断出当前已得到的分层识别结果中存在至少两个目标分层识别结果，说明可
依据当前已得到的分层识别结果确定目标生物特征的生物特征识别结果，分层融合模型可停止进行识别处理，因此执行步骤四。
67.在判断出当前已得到的分层识别结果中不存在至少两个目标分层识别结果，说明尚不能依据当前已得到的分层识别结果确定目标生物特征的生物特征识别结果，因此需要执行步骤五。
68.步骤四，确定满足分层融合模型停止进行识别处理的条件，并停止调用分层融合模型，结束当前流程。
69.确定满足分层融合模型停止进行识别处理的条件，则可停止调用分层融合模型，从而提高分层融合模型的生物特征识别的速度。
70.步骤五，判断当前最新得到的分层识别结果是否为分层融合模型中预设识别顺序中最后一位的分层输出的分层识别结果；若是，结束当前流程；否则，执行步骤一。
71.在判断出当前最新得到的分层识别结果为分层融合模型中预设识别顺序中最后一位的分层输出的分层识别结果，则说明分层融合模型中所有的分层均完成的生物特征识别，需要根据所有分层的分层识别结果，确定生物特征识别结果。
72.在判断出当前最新得到的分层识别结果不是分层融合模型中预设识别顺序中最后一位的分层输出的分层识别结果，则继续调用分层融合模型进行生物特征识别，以使顺序紧邻当前输出分层识别结果的分层之后的分层继续识别对应的图像分块组。
73.在经过上述步骤一至步骤五之后，并确定满足分层融合模型停止进行识别处理的条件时，需要基于当前已得到的分层识别结果确定生物特征识别结果，下面对确定生物特征识别结果的具体方法进行说明，该确定方法包括如下几种：
74.第一种，在判断出当前最新得到的分层识别结果包括的识别分值达到第一阈值时，将当前最新得到的分层识别结果确定为生物特征识别结果。
75.在判断出当前最新得到的分层识别结果包括的识别分值达到第一阈值时，说明当前最新得到的分层识别结果是识别准确度最高的分层识别结果，即使预设识别顺序中顺序位于其后的分层进行生物特征识别，得到的分层识别结果的准确度也不会高于当前最新得到的分层识别结果的准确度，因此将当前最新得到的分层识别结果确定为生物特征识别结果。
76.第二种，在判断出当前最新得到的分层识别结果包括的识别分值未达到第一阈值，但判断出当前已得到的分层识别结果中存在至少两个目标分层识别结果时，将至少两个目标分层识别结果中识别分值最高的目标分层识别结果，确定为生物特征识别结果。
77.所有目标分层识别结果中的识别对象相同，原则上各目标分层识别结果均可作为生物特征识别结果。但是为了保证输出生物特征识别结果的准确性，将所有目标分层识别结果中识别分值最高的目标分层识别结果，确定为目标生物特征的生物特征识别结果。
78.第三种，在分层融合模型中所有分层均已输出分层识别结果，将当前已得到的分层识别结果中识别分值最高的分层识别结果，确定为生物特征识别结果。
79.识别分值用于体现分层识别结果对应的图像为目标对象的生物特征的图像的概率。因此，识别分值越高分层识别结果对应的图像为目标对象的生物特征的图像的概率越高，因此，将当前已得到的分层识别结果中识别分值最高的分层识别结果，确定为生物特征识别结果。
80.第四种，在分层融合模型中所有分层均已输出分层识别结果，且当前已得到分层识别结果中的识别分值之间的差值均在预设差值范围内，将具有相同识别对象的分层识别结果分为一组，将具有分层识别结果最多的一组中识别分值最高的分层识别结果，确定为生物特征识别结果。
81.示例性的，分层融合模型中分层1的分层识别结果1为“张三，24％”，分层2的分层识别结果2为“张三，25％”，分层3的分层识别结果3为“李四，25％”，分层4的分层识别结果4为“王五，26％”，可见，当前已得到分层识别结果中的识别分值之间的差值均在预设差值范围(-3％，3％)内，将具有相同识别对象的分层识别结果分为一组“分层识别结果1和分层识别结果2分为组1，分层识别结果3分为组2，分层识别结果4分为组3”，将具有分层识别结果最多的一组“组1”中识别分值最高的分层识别结果“分层识别结果2”，确定为生物特征识别结果。
82.本发明实施例提供的生物特征识别方法，在需要进行生物特征识别时，对目标生物特征的多个不同模态的图像进行分块处理形成各图像各自的图像分块组。然后调用由多个分层组成的分层融合模型对各图像分块组进行识别处理。分层融合模型中的一个分层用于对应识别一个图像分块组，且各分层具有预设识别顺序，在分层融合模型进行生物特征识别时，任意一个分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层才开始识别对应的图像分块组。在确定满足分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。可见，本发明实施例为了减少光照、生物特征采集角度等环境因素对生物特征识别准确度的影响，对目标生物特征的多个不同模态的图像的分块处理后的图像分块组进行生物特征识别。另外，为了提高生物特征识别的速度，一旦当前已得到的所有分层识别结果满足目标生物特征的生物特征识别结果的生成要求，则即可停止分层融合模型的生物特征识别，无需分层融合模型对所有图像分块组均识别完成，便可基于当前已得到的分层识别结果，确定生物特征识别结果，由此减少生物特征识别的识别时间，加快生物特征识别的速度。综上，本发明实施例提供的方案能够在提高生物特征识别准确度的同时，提高生物特征识别的识别速度。
83.进一步的，根据图1所示的方法，本发明的另一个实施例还提供了一种生物特征识别方法，如图2所示，该方法主要包括：
84.201、采集目标生物特征的至少两个图像，其中，各图像具有不同的模态。
85.在实际应用中，通过多光谱设备采集目标生物特征的至少两个图像，其中，各图像对应不同的光谱。
86.示例性的，掌纹由于具有特征丰富、易获取、独一无二的特征，因此目标生物特征选用为掌纹，通过图3所示的多光谱掌纹采集设备采集掌纹。图3中a1为光谱控制元件，a2为多光谱灯，a3为图像采集设备、b为人体手掌放置位置。采集掌纹的图像时，手掌放置时掌纹需要与图像采集设备相对。图像采集设备每采集掌纹的一个图像后，光谱控制元件控制多光谱灯改变一次光谱。经过多光谱设备采集掌纹，获取到了掌纹的三个图像，分别为图像1、图像2和图像3。其中，图像1对应的模态为蓝色光谱模态，也就是说，图像1是在蓝色光谱下采集的图像。图像2对应的模态为绿色光谱模态，也就是说，图像2是在绿色光谱下采集的图像。图像3对应的模态为红色光谱模态，也就是说，图像3是在红色光谱下采集的图像。
87.202、对目标生物特征的至少两个图像进行分块处理，形成各图像各自的图像分块
组。
88.203、调用由多个分层组成的分层融合模型对各所述图像分块组进行识别处理，其中，一个分层用于对应识别一个图像分块组，且各分层具有预设识别顺序，任意一个所述分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组。
89.204、在确定满足所述分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。
90.上述步骤202至步骤204中的具体说明与图1中步骤101值步骤103的基本相同，因此这里将不再赘述。
91.进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种生物特征识别装置，如图4所示，所述装置包括：
92.分块单元31，用于对目标生物特征的至少两个图像进行分块处理，形成各所述图像各自的图像分块组，其中，各所述图像具有不同的模态；
93.调用单元32，用于调用由多个分层组成的分层融合模型对各所述图像分块组进行识别处理，其中，一个分层用于对应识别一个图像分块组，且各所述分层具有预设识别顺序，任意一个所述分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层开始识别对应的图像分块组；
94.确定单元33，用于在确定满足所述分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。
95.本发明实施例提供的生物特征识别装置，在需要进行生物特征识别时，对目标生物特征的多个不同模态的图像进行分块处理形成各图像各自的图像分块组。然后调用由多个分层组成的分层融合模型对各图像分块组进行识别处理。分层融合模型中的一个分层用于对应识别一个图像分块组，且各分层具有预设识别顺序，在分层融合模型进行生物特征识别时，任意一个分层识别对应的图像分块组并输出分层识别结果后，顺序紧邻其后的分层才开始识别对应的图像分块组。在确定满足分层融合模型停止进行识别处理的条件时，基于当前已得到的分层识别结果，确定生物特征识别结果。可见，本发明实施例为了减少光照、生物特征采集角度等环境因素对生物特征识别准确度的影响，对目标生物特征的多个不同模态的图像的分块处理后的图像分块组进行生物特征识别。另外，为了提高生物特征识别的速度，一旦当前已得到的所有分层识别结果满足目标生物特征的生物特征识别结果的生成要求，则即可停止分层融合模型的生物特征识别，无需分层融合模型对所有图像分块组均识别完成，便可基于当前已得到的分层识别结果，确定生物特征识别结果，由此减少生物特征识别的识别时间，加快生物特征识别的速度。综上，本发明实施例提供的方案能够在提高生物特征识别准确度的同时，提高生物特征识别的识别速度。
96.可选的，如图5所示，所述确定单元33包括：
97.第一确定模块331，用于在判断出当前最新得到的分层识别结果包括的识别分值达到第一阈值时，确定满足所述分层融合模型停止进行识别处理的条件，其中，所述分层识别结果中包括有识别分值和目标对象，所述识别分值用于体现所述分层识别结果对应的图像为所述目标对象的生物特征的图像的概率。
98.可选的，如图5所示，所述确定单元33包括：
99.第二确定模块332，用于将所述当前最新得到的分层识别结果确定为所述生物特征识别结果。
100.可选的，如图5所示，所述确定单元33包括：
101.第三确定模块333，用于在判断出当前最新得到的分层识别结果包括的识别分值未达到第一阈值时，判断当前已得到的分层识别结果中是否存在至少两个目标分层识别结果；在判断出当前已得到的分层识别结果中存在所述至少两个目标分层识别结果时，确定满足所述分层融合模型停止进行识别处理的条件。其中，所有目标分层识别结果中的识别对象相同，且所有目标分层识别结果中的识别分值均达到第二阈值，所述第二阈值小于所述第一阈值；
102.可选的，如图5所示，所述确定单元33包括：
103.第四确定模块334，用于将所述至少两个目标分层识别结果中识别分值最高的目标分层识别结果，确定为所述生物特征识别结果。
104.可选的，如图5所示，所述确定单元33包括：
105.第五确定模块335，用于在所述分层融合模型中所有分层均已输出分层识别结果，将当前已得到的分层识别结果中识别分值最高的分层识别结果，确定为所述生物特征识别结果。其中，所述分层识别结果中包括有识别分值和目标对象，所述识别分值用于体现所述分层识别结果对应的图像为所述目标对象的生物特征的图像的概率。
106.可选的，如图5所示，所述确定单元33包括：
107.第六确定模块336，用于在所述分层融合模型中所有分层均已输出分层识别结果，且当前已得到分层识别结果中的识别分值之间的差值均在预设差值范围内，将具有相同识别对象的分层识别结果分为一组，将具有分层识别结果最多的一组中识别分值最高的分层识别结果，确定为所述生物特征识别结果；其中，所述分层识别结果中包括有识别分值和目标对象，所述识别分值用于体现所述分层识别结果对应的图像为所述目标对象的生物特征的图像的概率。
108.可选的，如图5所示，调用单元32，具体用于确定各所述分层对应的图像分块组，其中，在所述预设识别顺序中排序越靠前的分层，其对应的图像分块组中的图像分块数量越少；依次调用各所述分层对应识别其各自对应的图像分块组。
109.可选的，如图5所示，所述装置还包括：
110.采集单元34，用于通过多光谱设备采集所述目标生物特征的至少两个图像，其中，各所述图像对应不同的光谱。
111.本发明实施例提供的生物特征识别装置中，各个功能模块运行过程中所采用的方法详解可以参见图1-图2方法实施例的对应方法详解，在此不再赘述。
112.进一步的，依据上述实施例，本发明的另一个实施例还提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行图1-图2所述的生物特征识别方法。
113.进一步的，依据上述实施例，本发明的另一个实施例还提供了一种电子设备，所述电子设备包括：
114.存储器，用于存储程序；
115.处理器，耦合至所述存储器，用于运行所述程序以执行图1-图2所述的生物特征识
别方法。
116.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
117.可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
118.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
119.在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
120.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
121.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
122.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的深度神经网络模型的运行方法、装置及框架中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
123.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。