[发明专利]多模态分数融合方法、装置、计算机可读存储介质及设备

说明书

本发明公开了一种多模态分数融合方法、装置、计算机可读存储介质及设备，属于生物识别领域。其包括：获取第一模态比对分数和第二模态比对分数，并将所述第一模态比对分数和第二模态比对分数进行归一化；将归一化后的第一模态比对分数和第二模态比对分数组成分数对，并对所述分数对进行多项式核映射，得到高维数据；将所述高维数据输入训练后的逻辑回归模型，得到融合后的比对分数。本发明能够充分发挥不同模态的优点，达到很好的识别精度。

技术领域

本发明涉及生物识别领域，特别是指一种多模态分数融合方法、装置、计算机可读存储介质及设备。

背景技术

随着深度学习在生物特征识别领域大规模应用，人脸识别，虹膜识别等基于图像识别的任务准确率得到了显著提升。但是不同的生物特征有着不同的优势与不足，比如人脸识别无接触体验好，准确率也较高，但容易被假体攻击。虹膜识别有很高的识别率且不易造假，但是对于图像采集质量有较严格的环境要求，模糊图像的识别率很低。指纹识别是普及度最高的生物特征识别方法，但是识别率并不是很高且容易被假体攻击。

针对单模态存在的缺点，多模态生物特征识别应运而生，可以有效的利用不同模态间的独立性进一步提高识别率，使得融合后的结果可以高于任何一个单模态。

但是，目前的多模态生物特征识别中比对分数融合的方法通常较简单，一般采用加权方法，不能充分发挥不同模态的优点，达到很好的识别精度。

发明内容

为解决现有技术的多模态比对分数融合方法不能充分发挥不同模态的优点，达到很好的识别精度的技术问题，本发明提供一种多模态分数融合方法、装置、计算机可读存储介质及设备，本发明能够充分发挥不同模态的优点，达到很好的识别精度。

本发明提供技术方案如下：

第一方面，本发明提供一种多模态分数融合方法，所述方法包括：

获取第一模态比对分数和第二模态比对分数，并将所述第一模态比对分数和第二模态比对分数进行归一化；

将归一化后的第一模态比对分数和第二模态比对分数组成分数对，并对所述分数对进行多项式核映射，得到高维数据；

将所述高维数据输入训练后的逻辑回归模型，得到融合后的比对分数；

其中，所述逻辑回归模型通过如下方法训练得到：

构造包括若干第一模态比对分数样本和第二模态比对分数样本的训练集，并将所述第一模态比对分数样本和第二模态比对分数样本进行归一化；

构造由归一化后的第一模态比对分数样本和第二模态比对分数样本组成的样本对，并对所述样本对进行多项式核映射，得到高维数据样本；

利用逻辑回归算法对所述高维数据样本进行建模，并利用损失函数训练获得逻辑回归模型的最优参数，完成逻辑回归模型的训练。

进一步的，所述构造包括若干第一模态比对分数样本和第二模态比对分数样本的训练集，并将所述第一模态比对分数样本和第二模态比对分数样本进行归一化，包括：

获取N个人的第一模态比对分数样本F_i和第二模态比对分数样本G_i，并均分为相同人样本对和不同人样本对

计算不同人集合中第一模态比对分数样本的均值Mean_F和标准差Std_F以及不同人集合中第二模态比对分数样本的均值Mean_G和标准差Std_G；

利用如下公式对第一模态比对分数样本F_i和第二模态比对分数样本G_i进行归一化：

f_i＝(F_i-Mean_F)/std_F