[发明专利]基于AI模型的业务用户特征识别方法及系统

权利要求书

1.一种基于AI模型的业务用户特征识别方法，其特征在于，应用于特征识别服务器，所述基于AI模型的业务用户特征识别方法包括：

对目标业务用户进行图像信息采集操作，以输出所述目标业务用户对应的图像信息集合，所述图像信息集合包括多帧业务用户图像，所述多帧业务用户图像通过对目标业务用户的相同部位进行连续的信息采集形成；

对于所述图像信息集合包括的多帧业务用户图像中的每一帧业务用户图像，对该业务用户图像进行用户特征点识别操作，以输出该业务用户图像对应的用户特征点集合，所述用户特征点集合包括多个用户特征点；

通过预先训练形成的AI模型对所述用户特征点集合包括的用户特征点进行识别操作，以输出所述目标业务用户的用户身份特征信息，所述用户身份特征信息用于反映所述目标业务用户的用户身份；

其中，所述通过预先训练形成的AI模型对所述用户特征点集合包括的用户特征点进行识别操作，以输出所述目标业务用户的用户身份特征信息步骤，包括：

对于所述多帧业务用户图像中的每两帧业务用户图像，对该两帧业务用户图像对应的两个用户特征点集合进行特征点相关性确定操作，以输出该两个用户特征点集合之间的特征点相关度；

依据每两个所述用户特征点集合之间的特征点相关度，从所述多帧业务用户图像对应的多个用户特征点集合中，筛查出目标用户特征点集合；

通过预先训练形成的AI模型对所述目标用户特征点集合包括的用户特征点进行识别操作，以输出所述目标业务用户的用户身份特征信息，所述AI模型依据多个业务用户对应的用户特征点训练形成，所述目标业务用户属于所述多个业务用户中的一个；

其中，所述对于所述多帧业务用户图像中的每两帧业务用户图像，对该两帧业务用户图像对应的两个用户特征点集合进行特征点相关性确定操作，以输出该两个用户特征点集合之间的特征点相关度的步骤，包括：

对于所述两个用户特征点集合，分别按照对应的像素位置进行排序操作，以形成对应的第一用户特征点有序集合和第二用户特征点有序集合；

对于所述第一用户特征点有序集合包括的每一个第一用户特征点，分别对所述第一用户特征点有序集合中的每一个其它第一用户特征点与该第一用户特征点进行像素位置距离的计算操作，以输出每一个其它第一用户特征点与该第一用户特征点之间的位置距离值，再依据每一个其它第一用户特征点与该第一用户特征点之间的位置距离值，对其它第一用户特征点进行排序操作，以形成对应的第一用户特征点序列，在所述第一用户特征点序列中其它第一用户特征点对应的位置距离值作为对应的序列标签；

对于所述第二用户特征点有序集合包括的每一个第二用户特征点，分别对所述第二用户特征点有序集合中的每一个其它第二用户特征点与该第二用户特征点进行像素位置距离的计算操作，以输出每一个其它第二用户特征点与该第一用户特征点之间的位置距离值，再依据每一个其它第二用户特征点与该第二用户特征点之间的位置距离值，对其它第二用户特征点进行排序操作，以形成对应的第二用户特征点序列，在所述第二用户特征点序列中其它第二用户特征点对应的位置距离值作为对应的序列标签；

对于每一个第一用户特征点和每一个第二用户特征点，依据该第一用户特征点对应的第一用户特征点序列和该第二用户特征点对应的第二用户特征点序列，对该第一用户特征点和该第二用户特征点进行特征点匹配度的计算操作，以输出该第一用户特征点和该第二用户特征点之间的特征点匹配度，在进行特征点匹配度的计算操作的过程中，依据对应序列位置的用户特征点之间的像素位置和序列标签进行计算操作；

依据所述第一用户特征点有序集合包括的每一个第一用户特征点和所述第二用户特征点有序集合包括的每一个第二用户特征点之间的特征点匹配度，对所述第一用户特征点有序集合包括的第一用户特征点和所述第二用户特征点有序集合包括的第二用户特征点进行一一匹配操作，使得具有较少数量的用户特征点有序集合中的每一个用户特征点有一个匹配的用户特征点，且进行一一匹配操作的原则包括，每一组匹配的第一用户特征点和第二用户特征点之间的特征点匹配度的平均值具有最大值；

对于每一组匹配的第一用户特征点和第二用户特征点，对该第一用户特征点和该第二用户特征点对应的像素位置之间的距离进行计算操作，以输出该第一用户特征点和该第二用户特征点之间的像素位置距离，再依据该像素位置距离对该第一用户特征点和该第二用户特征点进行正相关的特征点变化幅度的确定操作，以输出特征点变化幅度；

依据每一组匹配的第一用户特征点和第二用户特征点之间的特征点变化幅度，计算输出所述两个用户特征点集合之间的特征点相关度。