[發明專利]一種基于深度學習神經網絡的身份識別方法和系統

有效

• 申請號: 201711099672.2
• 申請日: 2017-11-09
• 公開（公告）號: CN107798351B
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 朱定局
• 申請（專利權）人: 大國創新智能科技（東莞）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

本發明公開了一種基于深度學習神經網絡的身份識別方法和系統，所述方法為：首先獲取N類輸入數據；然后初始化對應的N類深度學習神經網絡；接著訓練N類深度學習神經網絡；然后根據采集成本從低到高對類別進行排序；然后初始化i、最優輸出標簽L、最大相似度相對比值U；接著計算Ti類測試輸出標簽Li，并判斷L是否與Li相同；然后獲取Ti類相似度相對比值Ui，并根據上一步的結果判別是身份識別失敗還是執行下一步；然后更新L和U；最后根據U與預設最大相似度相對比值c的關系、i與N的關系，判別身份是否識別成功、是否需要將i加1繼續循環執行。本發明優先選擇低成本測試數據，并逐漸增加測試輸入類型，在最低成本的情況下取得最高的判別準確率。

技術領域

本發明涉及一種身份識別方法和系統，特別是一種基于深度學習神經網絡的身份識別方法和系統。

背景技術

現有技術中深度學習技術能通過輸入數據得到輸出標簽(例如通過頭像得到該人身份證號，又如通過語音得到該人身份證號)，在自頂向下的監督訓練階段需要通過帶有標簽的數據(例如帶有身份證號的頭像，又如帶有身份證號的語音)進行監督訓練(是將數據樣本作為深度學習神經網絡的輸入，標簽作為深度學習神經網絡的輸出)。

但是，由于深度學習神經網絡的準確率無法達到100％，所以一個頭像輸入深度學習神經網絡后輸出的身份證號可能是另一個頭像相似的人的身份證號，一個語音輸入深度學習神經網絡后輸出的身份證號可能是另一個語音相似的人的身份證號。進行用戶身份識別時，為了提高識別的準確性，一般需要采集用戶的多類數據，進行綜合判斷，但這樣會增加采集的成本，而且在采集越多類數據就會給用戶造成越多的不便利，并且在很大程度省耽誤了用戶的時間。所以需要通過盡量少的測試類別來得到準確的判斷，但現有深度學習神經網絡技術無法實現通過多類深度學習神經網絡進行綜合辨別，也無法進行類別的選擇。

發明內容

本發明所解決的技術問題在于提供一種基于深度學習神經網絡的身份識別方法和系統。

實現本發明目的的技術解決方案為：一種基于深度學習神經網絡的身份識別方法，包括以下步驟：

步驟1、獲取用于身份識別的N類輸入數據。

步驟2、初始化N類輸入數據對應的N類深度學習神經網絡。具體為：

步驟2-1、初始化每一類深度學習神經網絡的輸入格式為對應類的輸入數據的格式；

步驟2-2、初始化每一類深度學習神經網絡的輸出格式為用戶身份信息的格式。

步驟3、對所述N類深度學習神經網絡進行訓練。具體為：

步驟3-1、獲取N類中每一類訓練輸入數據，并將每一類訓練輸入數據作為該類對應的深度學習神經網絡的輸入，進行自下而上的無監督訓練；

步驟3-2、獲取N類中每一類帶有標簽的訓練輸入數據及其對應的預期輸出標簽，并將每一類帶有標簽的輸入數據及其對應的預期輸出標簽分別作為該類對應的深度學習神經網絡的輸入數據與預期輸出標簽，進行自頂向下的有監督訓練。

步驟4、獲取所述N類輸入數據中每一類輸入數據的采集成本，根據采集成本從低到高對類別進行排序，得到N類已排序的類別為T1，T2，...,TN；其中采集成本是經濟成本與時間成本的加權平均。

步驟5、初始化i為1，待識別身份用戶的最優輸出標簽L為空，最大相似度相對比值U為0；其中i為自然數，取值范圍為1≤i≤N。

步驟6、獲取一個待識別身份用戶的Ti類測試輸入數據，將Ti類測試輸入數據作為Ti類深度學習神經網絡的輸入，通過Ti類深度學習神經網絡計算得到Ti類測試輸出標簽Li；判斷最優輸出標簽L是否為空或與Ti類測試輸出標簽Li相同，如果為空或相同，則執行步驟7，否則執行步驟8。

步驟7、獲取Ti類相似度相對比值Ui，然后執行步驟9。