本技術(shù)涉及終端，尤其涉及一種模板特征更新方法、設(shè)備以及存儲介質(zhì)。

背景技術(shù)：

1、生物識別技術(shù)是指利用人的生理特征(例如，人臉圖像、虹膜等)或行為特征(例如，聲音、步態(tài)等)來核對身份的一系列相關(guān)技術(shù)。例如，以人臉識別為例，可以對檢測到的人臉圖像進行人臉識別，從而確定用戶身份。

2、相關(guān)技術(shù)中，通常需要事先采集用戶的模板特征(如人臉識別過程中人臉圖像的特征)，當需要對用戶進行生物識別時，將該用戶的待識別特征與模板特征進行匹配，當待識別特征與模板特征匹配時，則觸發(fā)身份事件，如解鎖、支付、開啟進入權(quán)限等等。隨著時間的推移，用戶的真實特征發(fā)生了變化，模板特征可能與真實特征存在較大差異，從而導(dǎo)致生物識別錯誤。因此，需要對模板特征進行更新?，F(xiàn)有方案是直接利用待識別特征替換模板特征，該方案易導(dǎo)致生物識別的拒識率(false?reject?rate，frr)和/或誤識率(falseaccept?rate，far)較高。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供了一種模板特征更新方法、設(shè)備以及存儲介質(zhì)。該模板特征的更新方法能夠有效降低生物識別的frr和/或far，從而有利于提升生物識別的準確性。

2、第一方面，本技術(shù)實施例提供了一種模板特征更新方法，該方法包括：獲取歷史時間段內(nèi)與對象的模板特征匹配的m個待識別特征；其中，模板特征是對象在生物識別過程中的參照特征；m為大于1的正整數(shù)；基于平均算法，獲取用于描述m個待識別特征在歷史時間段內(nèi)集中趨勢的驗證特征；將驗證特征與模板特征進行加權(quán)融合，得到對象更新后的模板特征。

3、可見，在該方面所述的方法中，可以獲取用于描述與模板特征匹配的m個待識別特征在歷史時間段內(nèi)集中趨勢的驗證特征，并將該驗證特征與模板特征進行加權(quán)融合，得到更新后的模板特征。相比于利用待識別特征替換模板特征的方案，該方面所述的方法中，更新后的模板特征與驗證特征以及更新前的模板特征相關(guān)，更新后的模板特征隨著驗證特征和/或更新前的模板特征的變化而變化，從而有利于更新后的模板特征及時跟著真實特征的變化而變化，更新后的模板特征與真實特征之間的差異更小，可以有效降低生物識別的frr和/或far，提升生物識別的準確性。同時，驗證特征描述了與模板特征匹配的m個待識別特征在歷史時間段內(nèi)的集中趨勢，該驗證特征與真實特征之間的差異更小，在利用該驗證特征對模板特征更新時，更新方向更準確，從而使得更新后的模板特征與真實特征之間的差異更小。

4、結(jié)合第一方面，在一種可選的實施方式中，基于平均算法，獲取用于描述m個待識別特征在歷史時間段內(nèi)集中趨勢的驗證特征，包括：基于每個待識別特征，以及模板特征，確定每個待識別特征的指數(shù)衰減權(quán)重；基于每個待識別特征的指數(shù)衰減權(quán)重，將m個待識別特征加權(quán)，得到驗證特征。示例性的，該驗證特征可以通過本技術(shù)實施例的公式(2)計算得到，不做贅述。

5、可見，在該實施方式中，可以利用指數(shù)加權(quán)獲得的均值特征表示m個待識別特征在歷史時間段內(nèi)的集中趨勢，使得第1個待識別特征至第m個待識別特征在驗證特征中所占的權(quán)重依次增大，即距離當前時刻較近的待識別特征在驗證特征中所占的權(quán)重較大，距離當前時刻較遠的待識別特征在驗證特征中所占的權(quán)重較小，從而有利于進一步縮小驗證特征與真實特征之間的差異。

6、結(jié)合第一方面，在一種可選的實施方式中，基于每個待識別特征，以及模板特征，確定每個待識別特征的指數(shù)衰減權(quán)重，包括：基于每個待識別特征，以及模板特征，確定每個待識別特征與模板特征之間分別對應(yīng)的相似度；基于分別對應(yīng)的相似度，確定每個待識別特征的指數(shù)衰減權(quán)重。

7、可見，在該實施方式中，待識別特征的指數(shù)衰減權(quán)重與相似度正相關(guān)，例如相似度越高，該指數(shù)衰減權(quán)重越大，在以該方式得到的指數(shù)衰減權(quán)重對待識別特征進行加權(quán)得到驗證特征時，該驗證特征隨著真實特征變化的速率或者趨勢更準確，有利于更新后的模板特征更快速的向真實特征靠近。

8、結(jié)合第一方面，在一種可選的實施方式中，基于每個待識別特征，以及模板特征，確定每個待識別特征與所述模板特征之間分別對應(yīng)的相似度，包括：基于第m個待識別特征，與第m個模板特征之間的相似度，確定第m個待識別特征的指數(shù)衰減權(quán)重。

9、可選的，在歷史時間段內(nèi)與m個待識別特征匹配的模板特征的數(shù)量為m，m個待識別特征中的每個待識別特征與m個模板特征中位于相同順序的模板特征之間匹配。示例性的，以m＝3為例，例如，第1個待識別特征與第1個模板特征匹配、第2個待識別特征與第2個模板特征匹配，第3個待識別特征與第3個模板特征匹配，第1個模板特征是基于模板生物數(shù)據(jù)提取得到的，第2個模板特征是對第1個模板特征進行更新得到的，第3個模板特征是對第2個模板特征進行更新得到的。

10、可選的，以第m次模板特征更新流程為例，基于每個待識別特征，以及模板特征，確定每個待識別特征與模板特征之間分別對應(yīng)的相似度，包括：依次從存儲區(qū)獲取第1個待識別特征至第m-1個待識別特征的指數(shù)衰減權(quán)重，并基于第m個待識別特征與第m個模板特征之間的相似度，確定第m個待識別特征的指數(shù)衰減權(quán)重。可見，電子設(shè)備存儲了歷史計算得到的指數(shù)衰減權(quán)重，可以避免重復(fù)計算，節(jié)省計算資源，更加簡單便捷。

11、結(jié)合第一方面，在一種可選的實施方式中，基于第m個待識別特征，與模板特征之間的相似度，確定第m個待識別特征的指數(shù)衰減權(quán)重，包括：獲取第m個待識別生物數(shù)據(jù)的質(zhì)量分數(shù)；第m個待識別生物數(shù)據(jù)用于提供第m個待識別特征；基于質(zhì)量分數(shù)，以及第m個待識別特征與模板特征之間的相似度，確定第m個待識別特征的指數(shù)衰減權(quán)重。

12、可見，在該實施方式中，待識別特征的指數(shù)衰減權(quán)重與相似度以及質(zhì)量分數(shù)正相關(guān)，例如相似度越高，且質(zhì)量分數(shù)越高，該指數(shù)衰減權(quán)重越大，在以該方式得到的指數(shù)衰減權(quán)重對待識別特征進行加權(quán)得到驗證特征時，該驗證特征隨著真實特征變化的速率或者趨勢更準確，有利于更新后的模板特征更快速的向真實特征靠近。

13、結(jié)合第一方面，在一種可選的實施方式中，基于質(zhì)量分數(shù)以及第m個待識別特征與第m個模板特征之間的相似度，確定第m個待識別特征的指數(shù)衰減權(quán)重，包括：將質(zhì)量分數(shù)，以及第m個待識別特征與第m個模板特征之間的相似度，代入二維高斯分布函數(shù)，得到第m個待識別特征的指數(shù)衰減權(quán)重。

14、結(jié)合第一方面，在一種可選的實施方式中，將驗證特征與模板特征進行加權(quán)融合，得到對象更新后的模板特征，包括：獲取驗證特征的第一預(yù)設(shè)權(quán)重，和模板特征的第二預(yù)設(shè)權(quán)重；基于驗證特征的第一預(yù)設(shè)權(quán)重，和模板特征的第二預(yù)設(shè)權(quán)重，對驗證特征以及模板特征進行加權(quán)融合，得到對象更新后的模板特征。示例性的，更新后的模板特征可以通過本技術(shù)實施例的公式(5)計算得到，不做贅述。

15、結(jié)合第一方面，在一種可選的實施方式中，模板特征更新方法由電子設(shè)備的硬件抽象層執(zhí)行?？蛇x的，硬件抽象層可包括權(quán)重計算模塊和/或模板特征更新模塊。

16、第二方面，本技術(shù)實施例還提供了一種電子設(shè)備，該電子設(shè)備包括：一個或多個處理器、一個或多個存儲器；一個或多個存儲器與一個或多個處理器耦合，一個或多個存儲器用于存儲計算機程序代碼，計算機程序代碼包括計算機指令，當一個或多個處理器執(zhí)行計算機指令時，使得電子設(shè)備執(zhí)行第一方面的方法。

17、第三方面，本技術(shù)實施例再提供了一種計算機可讀存儲介質(zhì)，包括計算機指令，當計算機指令在電子設(shè)備上運行時，使得電子設(shè)備執(zhí)行第一方面的方法。

18、第四方面，本技術(shù)實施例再提供了一種芯片或芯片系統(tǒng)，包括處理電路和接口電路，該接口電路用于接收代碼指令并傳輸至處理電路，處理電路用于運行代碼指令以執(zhí)行第一方面的方法。

19、第五方面，本技術(shù)實施例再提供了一種計算機程序產(chǎn)品，當計算機程序產(chǎn)品在電子設(shè)備上運行時，使得電子設(shè)備執(zhí)行第一方面的方法。