對象身份管理方法、裝置和電子設備與流程

2023-10-19 12:53:22

本申請涉及身份識別領域，且更具體地涉及一種對象身份管理方法、裝置、電子設備、電腦程式產品和計算機可讀存儲介質。

背景技術：

近年來，由於計算機、網際網路、人工智慧等技術的迅猛發展，具有人機互動功能的電子設備已經越發普及。如何能夠快速、正確識別用戶的身份，從而實現區分對待，是電子設備與人進行交互的前提和基礎。

傳統上，用戶身份的識別可以通過多種技術實現，如輸入登錄密碼、刷權限卡等。這些技術雖然應用廣泛，而且唯一性、保密性較好，但是對於服務於人的服務型電子設備而言，其並不是很好的解決方案。這是因為人們更希望這些電子設備能夠像人一樣進行自然交流，而不是以通過輸入密碼、刷卡等繁瑣的方式獲取操控權。

為此，在人機互動領域中提出了基於特徵識別的身份認證手段，例如人臉識別、指紋認證、虹膜比對等，其具備簡單、自然、無需特別攜帶或記憶的優點。

技術實現要素：

然而，通過分析發現，現有的特徵識別技術仍存在著固有缺陷，即識別需要以顯式的註冊過程為前提。以基於圖像採集的人臉識別技術為例，在實現用戶識別之前，其需要用戶預先執行註冊過程，其中需要被識別人多次提供正臉、側臉等進行配合，完成特徵採集以供後續識別使用。因此，傳統的特徵識別技術使用起來非常不方便，靈活性較差，用戶體驗舒適度較低。

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種對象身份管理方法、裝置、電子設備、電腦程式產品和計算機可讀存儲介質，其避免了傳統特徵識別技術中的顯式註冊過程，而是採用模擬人類的認知過程，無需用戶執行繁瑣的配合操作，即可自動完成註冊。

根據本申請的一個方面，提供了一種對象身份管理方法，包括：接收採集器件所採集的樣本數據序列；從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵；根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息；以及響應於在所述身份資料庫中不存在所述對象的身份信息，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息。

在本申請的一個實施例中，從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵包括：在每一幀樣本數據中檢測身份特徵區域；以及從所述身份特徵區域中提取所述對象的身份特徵。

在本申請的一個實施例中，根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息包括：判斷在所述身份資料庫中是否存在與所述對象的身份特徵相匹配的基準身份特徵；以及響應於在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，確定在所述身份資料庫中存在所述對象的身份信息，否則，確定在所述身份資料庫中不存在所述對象的身份信息。

在本申請的一個實施例中，判斷在所述身份資料庫中是否存在與所述對象的身份特徵相匹配的基準身份特徵包括：將所述身份資料庫中的每一個基準身份特徵與所述對象的身份特徵進行比較，以確定與所述對象的身份特徵具有最大相似性的基準身份特徵；判斷所述最大相似性是否大於或等於第一閾值；以及響應於所述最大相似性大於或等於所述第一閾值，確定在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，否則，確定在所述身份資料庫中不存在與所述對象的身份特徵相匹配的基準身份特徵。

在本申請的一個實施例中，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息包括：只要在所述身份資料庫中不存在所述對象的身份信息，就根據所述對象的身份特徵來生成所述對象的基準身份特徵，向所述對象分配身份標識符，並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

在本申請的一個實施例中，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息包括：在所述樣本數據序列中對所述對象進行跟蹤；在跟蹤到所述對象的每一幀樣本數據中提取所述對象的身份特徵；通過對所述對象的身份特徵進行聚類來生成所述對象的身份特徵類；以及根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

在本申請的一個實施例中，根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵包括：確定所述對象的身份特徵類之中身份特徵的個數和每一個身份特徵與所述身份特徵類的類中心之間的偏差程度；判斷所述樣本數據的個數是否大於或等於第二閾值並且所述偏差程度是否小於或等於第三閾值；以及響應於所述樣本數據的個數大於或等於所述第二閾值並且所述偏差程度小於或等於所述第三閾值，根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵。

在本申請的一個實施例中，根據所述對象的身份特徵類來生成所述對象的基準身份特徵包括：將所述類中心所表示的身份特徵確定為所述對象的基準身份特徵。

在本申請的一個實施例中，所述對象身份管理方法還包括：響應於在所述身份資料庫中不存在所述對象的身份信息，記錄與所述對象相關聯的關於一電子設備的操作設置信息。

在本申請的一個實施例中，所述對象身份管理方法還包括：響應於在所述身份資料庫中存在所述對象的身份信息，根據所述對象的身份特徵來更新所述對象在所述身份資料庫中的身份信息。

在本申請的一個實施例中，根據所述對象的身份特徵來更新所述對象在所述身份資料庫中的身份信息包括：向所述對象的身份特徵分配一權重；以及使用所述權重和所述對象的身份特徵來更新所述對象在所述身份資料庫中的基準身份特徵。

在本申請的一個實施例中，所述對象身份管理方法還包括：響應於在所述身份資料庫中存在所述對象的身份信息，讀取與所述對象相關聯的關於一電子設備的操作設置信息，使得所述電子設備根據所述操作設置信息來進行操作。

根據本申請的另一方面，提供了一種對象身份管理裝置，包括：接收單元，用於接收採集器件所採集的樣本數據序列；提取單元，用於從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵；判斷單元，用於根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息；以及創建單元，用於響應於在所述身份資料庫中不存在所述對象的身份信息，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息。

根據本申請的另一方面，提供了一種電子設備，包括：處理器；存儲器；以及存儲在所述存儲器中的電腦程式指令，所述電腦程式指令在被所述處理器運行時執行上述的對象身份管理方法。

在本申請的一個實施例中，所述電子設備還包括：採集器件，被配置為採集所述樣本數據序列。

根據本申請的另一方面，提供了一種電腦程式產品，包括電腦程式指令，所述電腦程式指令在被處理器運行時使得所述處理器執行上述的對象身份管理方法。

根據本申請的另一方面，提供了一種計算機可讀存儲介質，其上存儲有電腦程式指令，所述電腦程式指令在被處理器運行時使得所述處理器執行上述的對象身份管理方法。

與現有技術相比，採用根據本申請實施例的對象身份管理方法、裝置、電子設備、電腦程式產品和計算機可讀存儲介質，無需對象經歷顯式的註冊過程，通過採集對象的身份特徵，自動地將同一個對象的身份特徵記錄下來，根據一預定策略將此對象的身份特徵註冊到身份資料庫中，同時分配一個對象ID，從而充分提升了身份管理過程中的工作效率。

附圖說明

通過結合附圖對本申請實施例進行更詳細的描述，本申請的上述以及其他目的、特徵和優勢將變得更加明顯。附圖用來提供對本申請實施例的進一步理解，並且構成說明書的一部分，與本申請實施例一起用於解釋本申請，並不構成對本申請的限制。在附圖中，相同的參考標號通常代表相同部件或步驟。

圖1圖示了根據本申請實施例的對象身份管理的應用場景的示意圖。

圖2圖示了根據本申請第一實施例的對象身份管理方法的流程圖。

圖3圖示了根據本申請實施例的提取對象的身份特徵步驟的流程圖。

圖4圖示了根據本申請實施例的創建對象身份信息步驟的流程圖。

圖5圖示了根據本申請另一實施例的創建對象身份信息步驟的流程圖。

圖6圖示了根據本申請第二實施例的對象身份管理方法的流程圖。

圖7圖示了根據本申請實施例的身份信息更新步驟的流程圖。

圖8圖示了根據本申請第三實施例的對象身份管理方法的流程圖。

圖9圖示了根據本申請實施例的對象身份管理裝置的框圖。

圖10圖示了根據本申請實施例的電子設備的框圖。

具體實施方式

下面，將參考附圖詳細地描述根據本申請的示例實施例。顯然，所描述的實施例僅僅是本申請的一部分實施例，而不是本申請的全部實施例，應理解，本申請不受這裡描述的示例實施例的限制。

申請概述

如上所述，現有的特徵識別技術都包括兩個過程，即註冊過程和識別過程。仍然以基於圖像採集的人臉識別技術為例，在註冊過程中，其需要用戶配合採集多張人臉圖像，從中提取人臉特徵，並將此用戶的身份標識符(ID)和人臉特徵存儲在資料庫中。在接下來的識別過程中，其採集待識別用戶的圖像並提取人臉特徵，與資料庫中預先存儲的人臉特徵進行匹配，如果匹配成功，則將與該匹配結果對應的用戶ID作為識別結果返回，以便為用戶完成後續操作。

通過分析可以看出，現有的特徵識別技術存在以下缺點：用戶必須執行顯式的註冊過程，即用戶必須經歷特徵採集與用戶ID輸入的過程，在此期間往往需要用戶進行多次配合，註冊流程複雜，交互體驗差。

針對該技術問題，本申請的基本構思是提出一種新的對象身份管理方法、裝置、電子設備、電腦程式產品和計算機可讀存儲介質，其採集對象的身份特徵，根據採集到的對象的身份特徵在資料庫中查詢該對象是否已註冊，如果其並未註冊，則根據一預定策略自動地將對象的身份特徵記錄下來並將該對象註冊到資料庫中。顯然，根據該基本構思的對象身份管理方法無需進行顯式的註冊過程即可完成對於對象身份的管理，大大簡化了管理對象身份的流程。

在介紹了本申請的基本原理之後，下面將參考附圖來具體介紹本申請的各種非限制性實施例。

應用場景總覽

圖1圖示了根據本申請實施例的對象身份管理的應用場景的示意圖。

如圖1所示，用於管理對象身份的應用場景包括對象和身份管理裝置。

該對象可以是任何類型的對象，包括有生命的物體和無生命的物體。例如，有生命的物體可以包括人、動物和植物等；而無生命的物體可以包括機器人、汽車、水瓶等。

該身份管理裝置用於管理對象的身份。例如，該身份管理裝置可以用於接收採集器件所採集的樣本數據序列；從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵；根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息；並且響應於在所述身份資料庫中不存在所述對象的身份信息，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息。

此外，該身份管理裝置還可以進一步響應於在所述身份資料庫中存在所述對象的身份信息，執行一個或多個功能。替換地，該身份管理裝置本身也可以不執行任何功能，而是與一個或多個電子設備進行通信，並且響應於在所述身份資料庫中存在所述對象的身份信息，向所述電子設備發送觸發信號，以觸發所述電子設備執行一個或多個功能。

例如，該身份管理裝置可以應用於門禁系統，用於驗證人或動物的身份來開啟大門；或者應用於灌溉系統，用於驗證植物的品種來執行澆水操作；或者應用於維修系統，用於驗證機器人的身份和汽車的型號來進行維修；或者應用於飲料分配系統，用於驗證水瓶的容量和形狀來注入飲料等等。

需要注意的是，上述應用場景僅是為了便於理解本申請的精神和原理而示出，本申請的實施例不限於此。相反，本申請的實施例可以應用於可能適用的任何場景。例如，該對象可以是一個或多個，類似地，該身份管理裝置也可以為一個或多個。

示例性方法

下面結合圖1的應用場景，參考圖2來描述根據本申請第一實施例的對象身份管理方法。

圖2圖示了根據本申請第一實施例的對象身份管理方法的流程圖。

如圖2所示，根據本申請第一實施例的對象身份管理方法可以包括：

在步驟S110中，接收採集器件所採集的樣本數據序列。

為了使得身份管理裝置能夠對對象進行身份管理，可以通過採集器件來採集樣本數據序列，以便從中提取對象的身份特徵。

例如，該採集器件可以是用於捕捉圖像數據序列的圖像傳感器，其可以是攝像頭或攝像頭陣列。例如，圖像傳感器所採集到的圖像數據序列可以是連續圖像數據序列(即，視頻流)或離散圖像數據序列(即，在預定採樣時間點採樣到的圖像數據組)等。

又如，該採集器件也可以是用於捕捉音頻數據序列的音頻傳感器，其可以是麥克風或麥克風陣列。例如，音頻傳感器所採集到的音頻數據序列可以是連續音頻數據序列(即，音頻流)或離散音頻數據序列(即，在預定採樣時間段採樣到的音頻數據組)等。

需要說明的是，該採集器件不限於圖像傳感器和音頻傳感器，取決於不同的應用場景，其可以是適於採集任何類型的樣本數據序列的任何傳感器。例如，在諸如醫療或體檢機構的應用場景下，該採集器件還可以是生物傳感器，例如，其可以是以下各項中的至少一個：用於檢測心率數據序列的心率傳感器、用於檢測脈搏數據序列的脈搏傳感器、用於檢測體溫數據序列的體溫傳感器、和用於檢測血壓數據序列的血壓傳感器等。

該採集器件可以直接集成在該身份管理裝置上；也可以與該身份管理裝置分立地、但能夠與之進行通信地設置，以便向其發送所採集的樣本數據序列。

在步驟S120中，從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵。

在從採集器件接收到所採集的樣本數據序列中的每一幀樣本數據之後，可以從所述每一幀樣本數據中提取對象的身份特徵。例如，該對象的身份特徵取決於不同的對象，可以包括不同的類型。例如，一般地，身份特徵可以包括可視特徵、可聽特徵和可測量特徵等。

人的可視特徵例如包括臉部特徵(例如，眉目鼻口等的位置)、指紋和/或掌紋特徵(紋線的起點、終點、結合點和分叉點等的位置)、虹膜特徵(像冠、水晶體、細絲、斑點、凹點、凸點、射線、皺紋和條紋等的位置)、體形特徵(肢體和軀幹的形狀)、骨骼特徵(骨架關節點的位置)、動作姿態特徵(站立、行走、下蹲、跳躍等動作的姿態)，可聽特徵例如包括聲紋特徵(音高、音強、音長、音色等)、語言特徵(口頭語)，可測量特徵例如包括生物特徵(心率、脈搏、體溫、血壓等)。動物的身份特徵基本上與人相似。植物的可視特徵例如包括植物整體和/或局部的外形特徵等，可測量特徵例如包括植物的組織液特徵等。無生命物體的可視特徵例如包括物體整體和/或局部的外形特徵等，可聽特徵例如包括物體發出聲音的特徵(例如，機器人的聲波特徵)等，可測量特徵例如包括網際網路協議(IP)地址、設備標識符等。

取決於身份識別的準確度要求和身份特徵本身用於識別對象身份能力的強弱程度等因素，在本方法中可以從每一幀樣本數據中提取對象的一種或多種身份特徵來對對象的身份進行識別和管理。

圖3圖示了根據本申請實施例的提取對象的身份特徵步驟的流程圖。

如圖3所示，步驟S120可以包括：

在子步驟S121中，在每一幀樣本數據中檢測身份特徵區域。

由於大部分的身份特徵(例如，臉部特徵、指紋特徵、掌紋特徵、虹膜特徵等)往往僅僅存在於對象的某一部分區域中，而與其他區域無關，所以為了減小後續操作的計算量、防止引入不必要的噪聲，可以在提取對象的身份特徵之前，首先在每一幀樣本數據中確定僅僅包含該身份特徵的身份特徵區域。

這裡，以人作為對象來舉例說明。例如，臉部特徵僅僅關注人的臉部區域的特徵，而圖像傳感器採集到的往往是一個固定成像範圍內的全部圖像，其中可能包括人的全部或部分身體區域以及其他背景區域。這時，可以先從整幅圖像中檢測人的臉部區域，以便隨後從中提取其臉部特徵。又如，聲紋特徵僅僅關注人的聲音分量的特徵，而音頻傳感器採集到的往往是一個場景內的全部聲音，其中可能包括人的聲音分量和其他背景聲音。這時，可以先從整個音頻中檢測人的聲音分量，以便隨後從中提取其聲紋特徵。

下面，為了便於描述，將以人作為對象、以臉部關鍵點作為身份特徵為例進行說明，但是，顯然本申請不限於此，對象可以是其他任何有生命或無生命物體，且身份特徵可以是上面提及的或本領域目前或將來公知的一種或多種其他特徵來實現。

例如，可以通過任何的人臉檢測算法來確定在圖像傳感器所採集的圖像中是否包含人臉，並且在包含人臉的情況下，在圖像傳感器所採集的圖像中定位出人臉區域。例如，可以利用預先訓練好的人臉檢測器來在圖像傳感器所採集的圖像中定位人臉區域。具體地，可以預先利用哈爾(Haar)算法、自適應增強(AdaBoost)算法、卷積神經網絡(CNN)、支持向量機(SVM)等人臉檢測算法在大量圖片的基礎上訓練出人臉檢測器，對於輸入的單幀圖像，該預先訓練好的人臉檢測器能夠快速地定位出人臉區域。此外，對於圖像傳感器連續採集的多幀圖像，在首幀圖像中定位出人臉區域之後，還可以基於當前幀圖像的前一幀圖像中人臉區域的位置來實時地跟蹤在當前幀圖像中人臉區域的位置。例如，人臉跟蹤可以基於先前幀的人臉移動的速度、方向以及人臉的模式，對當前幀的局部範圍內進行人臉搜索，以確定在先前幀中檢查到的人臉在當前幀的位置。

在子步驟S122中，從所述身份特徵區域中提取所述對象的身份特徵。

在檢測到例如臉部區域的身份特徵區域之後，可以通過分析每一幀的臉部圖像來獲得人臉的關鍵點位置作為臉部特徵。如上所述，人臉關鍵點可以是臉部一些表徵能力強的關鍵點，例如眼睛、眼角、眼睛中心、眉毛、鼻子、鼻尖、嘴巴、嘴角和臉部輪廓等。可以利用預先訓練好的關鍵點定位器來在人臉區域中定位人臉關鍵點，確定關鍵點的位置和尺寸。例如，可以預先利用級聯回歸方法在大量人工標註的人臉圖片的基礎上訓練出關鍵點定位器。替換地，也可以採用傳統的人臉關鍵點定位方法，其基於參數形狀模型，根據關鍵點附近的表觀特徵，學習出一個參數模型，在使用時迭代地優化關鍵點的位置，最後得到關鍵點坐標。此外，也可以採用主成分分析算法(PCA)、線性判別分析(LDA)、度量學習(metric learning)等算法，基於度量損失函數來提取臉部特徵。

接下來，可以生成用於描述所述對象的每一個身份特徵的描述子。所述描述子與所述身份特徵為一一對應的關係，每一個描述子用於描述每一個身份特徵所包含的特徵信息，即，局部特徵信息。可以通過多種方式來生成身份特徵的描述子。

在第一示例中，可以採用基於學習的方式，通過使用離線訓練的卷積神經網絡來生成所述描述子。

具體地，可以對於每個身份特徵，以所述身份特徵為諸如中心的預定參考點而歸一化尺寸，從而得到特徵區域圖像。然後，對離線訓練好的卷積神經網絡輸入所述特徵區域圖像，以獲得所述描述子。所述離線訓練好的卷積神經網絡包括輸入層、卷積層(conv)、子採樣層(pooling)、全連接層、輸出層(分類器)。卷積層和子採樣層可以分別有若干個。全連接層相當於多層感知機中的隱含層。並且，所述輸出層(或描述子生成器)可以採用多分類的邏輯斯特回歸(softmax)來表示。

在第二示例中，可以基於人臉區域圖像的梯度，根據所述身份特徵直接生成人臉區域圖像的梯度作為描述子。

具體地，首先，可以對於每個身份特徵，以所述身份特徵為預定參考點而確定身份特徵區域。例如，可以在每個身份特徵附近，以所述身份特徵為中心確定一預定形狀(例如，正方形)的身份特徵區域。接下來，將所述身份特徵區域劃分為多個(例如，4x4個)子區域，並計算每個子區域的梯度信息。然後，基於所述梯度信息，計算每個子區域的多維(例如，128維)梯度直方圖，並將落入所述多維梯度直方圖的每一維的點數連接成身份特徵向量以得到所述身份特徵的描述子。當然，所連接的身份特徵向量可進一步經過諸如歸一化的處理等而得到所述描述子。

應了解本申請不受具體採用的人臉檢測方法、人臉關鍵點定位方法和描述子生成方法的限制，無論是現有的、還是將來開發的人臉檢測方法、人臉關鍵點定位方法和描述子生成方法，都可以應用於根據本申請實施例的對象身份管理方法中，並且也應包括在本申請的保護範圍內。

下面，返回參考圖2來繼續描述根據本申請實施例的對象身份管理方法。

在步驟S130中，根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息。

在提取到對象的身份特徵之後，可以根據所述對象的身份特徵來判斷所述對象是否為已註冊對象，在身份資料庫中保存有所述已註冊對象的身份信息，例如，身份信息可以包括身份標識符及其基準身份特徵等。該身份資料庫可以存儲在身份管理裝置本地，也可以存儲於與身份管理裝置分立的且可以與身份管理裝置進行通信的其他電子設備中。

例如，可以首先判斷在所述身份資料庫中是否存在與所述對象的身份特徵相匹配的基準身份特徵。然後，響應於在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，確定在所述身份資料庫中存在所述對象的身份信息，否則，確定在所述身份資料庫中不存在所述對象的身份信息。

關於身份特徵是否匹配的判斷可以等價於身份特徵之間相似性的判斷。例如，可以將所述身份資料庫中的每一個基準身份特徵與所述對象的身份特徵進行比較，以確定與所述對象的身份特徵具有最大相似性的基準身份特徵。然後，可以判斷所述最大相似性是否大於或等於第一閾值。最後，響應於所述最大相似性大於或等於所述第一閾值，確定在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，否則，確定在所述身份資料庫中不存在與所述對象的身份特徵相匹配的基準身份特徵。

當採用描述子來描述所述對象的每一個身份特徵時，身份特徵之間的相似性又可以採用描述子之間的距離來衡量。在此情況下，首先，計算待識別用戶的所有臉部特徵點的描述子與在身份資料庫中存儲的每一個已註冊用戶的所有臉部特徵點的描述子之間的歐式距離。然後，對計算所得到的各個歐氏距離進行排序，取其中最小的歐式距離，並且判斷該最小的歐式距離是否小於或等於某個閾值thresh_distance。如果是，則可以確定所述待識別用戶的身份，例如，這時可以返回在身份資料庫中存儲的、其特徵描述子與待識別用戶的特徵描述子具有最小歐式距離的該已註冊用戶的身份信息。否則，則判斷出所述待識別的用戶為未註冊用戶。

需要說明的是，本申請不限於此。例如，除了採用歐式距離之外，還可以使用加權歐式距離、最大似然比等其他度量來判斷兩個身份特徵之間的相似性。

響應於在所述身份資料庫中存在所述對象的身份信息，也就是說，一旦判斷出待識別用戶是存在於身份資料庫中的已註冊用戶，則本方法結束。

在步驟S140中，響應於在所述身份資料庫中不存在所述對象的身份信息，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息。

一旦判斷出待識別用戶不是存在於身份資料庫中的已註冊用戶，可以根據一預定策略和所述對象的身份特徵來對其進行註冊。

在第一示例中，該預定策略可以是無條件地觸發註冊。例如，只要在所述身份資料庫中不存在所述對象的身份信息，就根據所述對象的身份特徵來生成所述對象的基準身份特徵，向所述對象分配身份標識符，並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

也就是說，一旦通過特徵匹配發現待識別用戶是未註冊用戶，可以直接將在步驟120中提取到的所述用戶的臉部特徵作為所述用戶的基準身份特徵。然後，可以為所述用戶分配一個在身份資料庫中未使用的身份標識符(ID)。例如，該身份標識符可以簡單地是一個數字，其代表用戶在身份資料庫中的順序碼，或者該身份標識符也可以是一串字符(數字、字母等的組合)，其可以表明用戶被註冊的時間、地點、以及是哪一個電子設備完成註冊過程等信息，以便在後續向該用戶提供更準確的服務時使用。最後，可以在身份資料庫中為用戶分配一個存儲空間，以用於存儲該用戶的ID及其基準身份特徵並且建立兩者之間的關聯關係。

這種無條件觸發註冊的方式將只要出現在攝像頭成像範圍內的用戶都註冊成為已註冊用戶，這可能會使得資料庫中存在許多無意義的數據，例如，偶然經過成像區域的路人也會被註冊成為已註冊用戶。而且，該方式還可能會導致出現以下情況，即當用戶以不同姿態出現在攝像頭前時由於其當前被捕捉到的臉部區域可能與先前被捕捉的臉部區域不同，所以同一個用戶可能會被識別為兩個不同的用戶，這顯然與實際情況不符。

為了解決上述問題，在第二示例中，該預定策略可以是有條件地觸發註冊。觸發註冊的條件可以與採集到樣本的個數、時間、頻率、地點、採集到的樣本數據的準確度、是否收到註冊觸發信號等中的一個或多個相關。例如，該預定策略可以簡單地是只有在捕捉到用戶的足夠多的臉部圖像時才對該用戶進行註冊。或者，該預定策略也可以是只有在連續地捕捉到用戶足夠多的臉部圖像時才對該用戶進行註冊。或者，該預定策略也可以是其他情況，例如只有在連續三天中的每天上午9點到10點分別捕捉到100張用戶的臉部圖像時才對該用戶進行註冊。或者，該預定策略也可以基於對象身份管理裝置從某個其他電子設備接收到註冊觸發信號(例如，該觸發信號例如可以在用戶使用該其他電子設備時發出)、且捕捉到同一個用戶足夠多的臉部圖像時才對該用戶進行註冊。

下面，將在一個例子中對有條件觸發註冊的方式進行具體描述。

圖4圖示了根據本申請實施例的創建對象身份信息步驟的流程圖。

如圖4所示，步驟S140可以包括：

在子步驟S141中，響應於在所述身份資料庫中不存在所述對象的身份信息，在所述樣本數據序列中對所述對象進行跟蹤。

例如，一旦在當前幀中判斷出待識別用戶不是已註冊用戶，可以在隨後幀中使用跟蹤算法來跟蹤所述待識別用戶的臉部。如上所述，人臉跟蹤可以基於先前幀的人臉移動的速度、方向以及人臉的模式，對當前幀的局部範圍內進行人臉搜索，以確定在先前幀中檢查到的人臉在當前幀的位置。

在子步驟S142中，在跟蹤到所述對象的每一幀樣本數據中提取所述對象的身份特徵。

接下來，可以通過分析每一幀的臉部圖像來獲得人臉的關鍵點位置作為臉部特徵，並且可以生成用於描述所述對象的每一個臉部特徵的描述子。

在子步驟S143中，通過對所述對象的身份特徵進行聚類來生成所述對象的身份特徵類。

將不同的人臉對應到特定用戶ID上採用的是人臉跟蹤和特徵聚類技術，可以認為在一個跟蹤序列中的人臉特徵屬於同一個人，不同跟蹤序列中的人臉特徵通過在線學習(Online Learning)的聚類技術將其聚合在一起。具體地，在跟蹤到該用戶的臉部區域的身份特徵區域之後，通過分析每幀臉部圖像來獲得人臉的關鍵點位置作為人臉特徵並對其進行描述子表示。可以將針對該用戶所提取到的身份特徵劃分為N(N為自然數)類，用於分別表示不同姿態和光照下的人臉特徵狀態。然後，可以將跟蹤到的圖像序列的前N個身份特徵填入這N類中，並且將同一個人的後續跟蹤序列身份特徵按最近距離(例如，描述子之間的歐式距離最小)原則加權聚類到N類中最近的一個類中。

在子步驟S144中，根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

具體地，本子步驟S144可以包括：確定所述對象的身份特徵類之中身份特徵的個數和每一個身份特徵與所述身份特徵類的類中心之間的偏差程度；判斷所述樣本數據的個數是否大於或等於第二閾值並且所述偏差程度是否小於或等於第三閾值；以及響應於所述樣本數據的個數大於或等於所述第二閾值並且所述偏差程度小於或等於所述第三閾值，生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵。其中，根據所述對象的身份特徵類來生成所述對象的基準身份特徵可以包括：將所述類中心所表示的身份特徵確定為所述對象的基準身份特徵。

例如，根據聚類的結果，當發現聚類的樣本個數超過閾值thresh_num並且類內方差小於閾值thresh_var時，便啟動將該類中心所表示的人臉特徵註冊到人臉資料庫中。

可以看出，無論是無條件觸發註冊的方式、還是上述的有條件觸發註冊的方式，它們都沒有關注該新註冊用戶是否有權限獲得註冊，這可能導致無關的或者有惡意的用戶在得到註冊之後獲得對於特定設備、特定功能的使用權限，這顯然是不希望的。

為了解決上述問題，該預定策略也可以是基於鑑權結果觸發註冊。觸發註冊的條件可以與預設的白名單或黑名單、所提取的輔助特徵等中的一個或多個相關。例如，該預定策略可以簡單地是預先設置的一個白名單，其中存儲有希望被註冊成為已註冊用戶的圖像，只有在捕捉到的用戶圖像與該白名單中的至少一幅圖像在身份特徵上匹配時，才對該用戶進行註冊。或者，該預定策略可以簡單地是預先設置的一個黑名單，其中存儲有不希望被註冊成為已註冊用戶的圖像，只有在捕捉到的用戶圖像與該黑名單中的所有圖像在身份特徵上都不匹配時，才對該用戶進行註冊。或者，該預定策略也可以是除了採集用戶的身份特徵，還可以進一步採集用戶的輔助特徵，利用輔助特徵來對用戶進行鑑權，只有在鑑權通過時，才對該用戶進行註冊。

下面，將在另一例子中對基於鑑權的有條件觸發註冊的方式進行具體描述。

圖5圖示了根據本申請另一實施例的創建對象身份信息步驟的流程圖。

如圖5所示，步驟S140可以包括：

在子步驟S145中，從所述樣本數據序列之中的每一幀樣本數據中提取所述對象的輔助特徵。

該對象的輔助特徵取決於不同的對象，也可以包括不同的類型。下面，以輔助特徵是可視特徵為例進行說明。在對象是人的情況下，例如，可視的輔助特徵可以是其所穿著的校服或員工服上的徽標(logo)、其所佩戴的工牌的樣式、其手持的門票上的圖案等任何具有一定識別作用的物體。可以假定只有帶有這種輔助特徵的人才是有註冊權限的人。當然，本申請不限於此。該輔助特徵也可以是可聽特徵和可測量特徵等中的一種或多種。

例如，本子步驟可以採用與步驟S120中相同的方式，與步驟S120同時地、響應於在步驟S130中判斷出在所述身份資料庫中不存在所述對象的身份信息、或在其他時間點執行。

在子步驟S146中，判斷是否存在與所述對象的輔助特徵相匹配的基準輔助特徵。

該輔助特徵可以與身份特徵一起存儲在身份資料庫中，也可以存儲在一個單獨的輔助資料庫中。

本子步驟S146可以採用與步驟S130中相同的方式(即，利用特徵描述子之間的歐式距離)，或採用其他方式執行。

在子步驟S147中，響應於存在與所述對象的輔助特徵相匹配的基準輔助特徵，根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

一旦判斷出所述對象的輔助特徵是預設的基準輔助特徵，就可以根據所述對象的身份特徵對該對象進行註冊，或者也可以對該對象進行跟蹤和特徵聚類並基於跟蹤和聚類的結果來對該對象進行註冊。

由此可見，採用根據本申請第一實施例的對象身份管理方法，無需對象經歷顯式的註冊過程，通過採集對象的身份特徵，自動地將同一個對象的身份特徵記錄下來，根據一預定策略將此對象的身份特徵註冊到身份資料庫中，同時分配一個對象ID，從而充分提升了身份管理過程中的工作效率。

在第一實施例中，在未識別出對象時，通過採集對象的身份特徵來自動地對對象執行註冊操作，而在已識別出對象時，不再進行任何操作。然而，這樣做可能導致：受到採集次數的限制，在身份資料庫中存儲的關於該已註冊對象的身份特徵可能是有限的。例如，也許在該身份資料庫中僅僅包括了用戶的左臉區域和右臉區域，而並未包括用戶處於抬頭和低頭等姿態下的臉部特徵。這可能會導致後續無法得到正確的識別結果。也就是說，用戶一旦註冊完成，不能針對不同用戶進行自適應和再學習，註冊信息即固定，不能自適應地通過用戶的使用習慣來更新模型，適用的場合可能有限。

為了解決上述問題，在本申請的第二實施例中提出：可以在已識別出對象時，根據當前提取到的身份特徵對該對象進行更新，以進一步完善身份資料庫中的基準身份特徵。

下面仍然結合圖1的應用場景，參考圖6來描述根據本申請第二實施例的對象身份管理方法。

圖6圖示了根據本申請第二實施例的對象身份管理方法的流程圖。

在圖6中，採用了相同的附圖標記來指示與圖2相同的步驟。因此，圖6中的步驟S110-S140與圖2的步驟S110-S140相同，並可以參見上面結合圖2到圖5進行的描述。圖6與圖2的不同之處在於增加了步驟S150。

在步驟S150中，響應於在所述身份資料庫中存在所述對象的身份信息，根據所述對象的身份特徵來更新所述對象在所述身份資料庫中的身份信息。

一旦判斷出待識別用戶是存在於身份資料庫中的已註冊用戶，可以使用在步驟S120中提取到的對象的身份特徵來對身份資料庫存儲中的該對象的基準身份特徵進行更新。

該特徵更新可以是替換更新，即，使用新提取到的身份特徵來替換已存儲的基準身份特徵。然而，由於新提取到的身份特徵同樣存在局限性，所以可能仍然存在一定問題。或者，該特徵更新可以是增量更新，即，將新提取到的身份特徵追加到身份資料庫中。這樣做可能會導致身份資料庫的存儲成本過大。替換地，可以考慮基於權重的特徵更新，作為前述兩者的折衷方案。

圖7圖示了根據本申請實施例的身份信息更新步驟的流程圖。

如圖7所示，步驟S150可以包括：

在子步驟S151中，向所述對象的身份特徵分配一權重。

該權重可以根據經驗值來設置。在一個示例中，由於在資料庫中存儲的基準特徵往往是根據從多幀樣本數據跟蹤和聚類所得到的基準身份特徵，其具有更強的權威性，所以可以向這些已有身份特徵分配一個較大值的權重，而向新識別到的身份特徵分配一個較小值的權重。例如，向已有身份特徵分配的權重可以是0.9，而向新識別身份特徵分配的權重可以是0.1。當然，權重的具體數字不限於此，可以根據經驗或其他需求進行設置。

在子步驟S152中，使用所述權重和所述對象的身份特徵來更新所述對象在所述身份資料庫中的基準身份特徵。

例如，可以按照以下公式來執行身份特徵更新：

new_representation＝alpha*old_representation+(1-alpha)*cur_representation其中，new_representation是更新後的身份特徵，alpha是權重，old_representation是已有的身份特徵，而cur_representation是新識別到的身份特徵。

這樣，即使用戶臉部的小部分區域由於受傷或者衰老或其他原因而出現微小變化時，也可以使得身份資料庫能夠獲得及時更新，以保證身份識別算法的準確性。

更進一步的，為了獲得更好的更新效果，本步驟S150也可以包括：響應於在所述身份資料庫中存在所述對象的身份信息，在所述樣本數據序列中對所述對象進行跟蹤；在跟蹤到所述對象的每一幀樣本數據中提取所述對象的身份特徵；通過對所述對象的身份特徵進行聚類來生成所述對象的身份特徵類；確定所述對象的身份特徵類之中身份特徵的個數和每一個身份特徵與所述身份特徵類的類中心之間的偏差程度；以及響應於身份特徵的個數和偏差程度滿足一定條件，使用權重和所述類中心所表示的身份特徵來更新所述對象在所述身份資料庫中的基準特徵。由於跟蹤和聚類的步驟已經在前一實施例中進行描述，在此不再贅述。

由此可見，採用根據本申請第二實施例的對象身份管理方法，不但可以在對象沒有被註冊的情況下，自動將此對象的特徵註冊到身份資料庫中，而且還可以在對象已經被註冊的情況下，自動對此對象在身份資料庫中的身份特徵進行更新。

具體地，以人臉識別為例，採用根據本申請第二實施例的對象身份管理方法，避免了傳統人臉識別中的顯式註冊過程，而是模擬人的認知過程，無需用戶配合，通過採集用戶在攝像頭前出現的人臉，自動地將同一人的人臉記錄下來，優選地，當系統判斷該人已經足夠熟悉後，也就是採集到該人足夠多的人臉，便將此人的人臉特徵註冊到人臉資料庫中，同時分配一個ID，完成註冊。此外，本申請的第二實施例還可以在人機互動過程中不斷更新人臉特徵，使得識別效果隨使用時間變得越來越好。

在第二實施例中，在已識別出對象時，根據當前提取到的身份特徵來對該對象在身份資料庫中的基準身份特徵進行更新。然而，在設備應用場景，身份識別往往會與操作執行密切關聯。第二實施例並沒有進一步基於識別結果來觸發執行任何應用層面上的操作，這並沒有全面地滿足對象與機器交互(例如，人機互動)過程的整體需求。

為了解決上述問題，在本申請的第三實施例中提出：在已經識別出對象是已註冊對象時，基於識別結果來獲取與該對象相關聯的操作設置信息，以使得所述電子設備根據所述操作設置信息來進行操作。為了獲得該操作設置信息，在本實施例中還可以包括：在對對象執行註冊操作時，記錄與該對象相關聯的關於一個或多個電子設備的操作設置信息。

下面仍然結合圖1的應用場景，參考圖8來描述根據本申請第三實施例的對象身份管理方法。

圖8圖示了根據本申請第三實施例的對象身份管理方法的流程圖。

在圖8中，採用了相同的附圖標記來指示與圖6相同的步驟。因此，圖8中的步驟S110-S140和S150與圖6的步驟S110-S150相同，並可以參見上面結合圖2到圖7進行的描述。圖8與圖6的不同之處在於增加了步驟S145和步驟S155中的至少一個。

在步驟S145中，記錄與所述對象相關聯的關於一電子設備的操作設置信息。

一旦判斷出待識別用戶不是存在於身份資料庫中的已註冊用戶，可以與新對象的身份信息註冊過程同時地或者在該身份信息註冊完之前或之後，進一步記錄與所述對象相關聯的關於一電子設備的操作設置信息。

在一個示例中，對象可以是電子設備的操作主體，相應地，該操作設置信息可以是對象在操作電子設備時對於該電子設備的設置信息，其可以反映出對象對於電子設備的特定操作習慣。例如，在對象是用戶、電子設備是音響的情況下，該設置信息可以是用戶在音響上設置的該用戶喜歡的播放列表、音量大小、播放方式(單曲循環、連續播放、隨機播放等)、渲染音效等。

在另一示例中，對象也可以不是電子設備的操作主體，而是在電子設備進行操作時出現在該電子設備附近的物體，相應地，該操作設置信息可以是對象出現在電子設備附近時該電子設備被操作的設置信息，其可以反映出對象對於電子設備操作狀態的特定需求。例如，在對象是動物、電子設備是空調的情況下，該設置信息可以是由其他人(例如，飼養員)或物體(例如，智能溫控器)對空調設置的適於該動物生活的室內溫度、溼度、噪聲等級等。

例如，該操作設置信息可以直接記錄在身份資料庫中，並且作為一個附加欄位，與對象的身份信息(例如，身份標識符和基準身份特徵)關聯地存儲在一起。替換地，該操作設置信息也可以記錄在其他資料庫中，並且通過該對象的身份標識符進行索引和存取。

在步驟S155中，讀取與所述對象相關聯的關於一電子設備的操作設置信息，使得所述電子設備根據所述操作設置信息來進行操作。

一旦判斷出待識別用戶是存在於身份資料庫中的已註冊用戶，可以與已註冊對象的身份信息更新過程同時地或者在該身份信息更新完之前或之後，進一步讀取與所述對象相關聯的關於一電子設備的操作設置信息。

例如，該操作設置信息可以是在步驟S145中預先生成的，或者也可以是用戶人為設置的、系統自動生成的、從其他設備讀取的、或通過其他方式獲得的，並且該操作設置信息還可以隨著對象身份信息的更新而不斷更新。

接下來，可以觸發該電子設備基於該操作設置信息來執行一個或多個功能。例如，在對象身份管理裝置位於電子設備本地時，該裝置可以直接觸發電子設備進行相關操作；而在對象身份管理裝置與電子設備是分立的時，該裝置可以首先將該操作設置信息發送給電子設備，然後觸發電子設備進行相關操作。

例如，在對象是用戶、電子設備是音響的情況下，在識別出該用戶的身份之後，可以調取與該用戶相關聯的用於該音響的操作設置信息，並觸發音響以用戶常用的音量大小、渲染音效等來播放用戶喜歡的音頻文件。又如，在對象是動物、電子設備是空調的情況下，在識別出該動物的身份之後，可以調取與該動物相關聯的用於該空調的操作設置信息，並觸發空調向動物提供適宜其生活的溫度、溼度等，例如，為企鵝提供寒冷且潮溼的生活環境、為駱駝提供炎熱企鵝乾燥的生活環境等。

需要說明的是，根據本申請各個實施例的對象身份管理方法可以應用於身份管理裝置中，由身份管理裝置自主地執行一個或多個功能，也可以應用於與身份管理裝置分立的且可以與身份管理裝置進行通信的其他電子設備中，以觸發該電子設備執行一個或多個功能。

示例性裝置

下面，參考圖9來描述根據本申請實施例的對象身份管理裝置。

圖9圖示了根據本申請實施例的對象身份管理裝置的框圖。

如圖9所示，根據本申請實施例的對象身份管理裝置100可以包括：接收單元110，用於接收採集器件所採集的樣本數據序列；提取單元120，用於從所述樣本數據序列之中的每一幀樣本數據中提取對象的身份特徵；判斷單元130，用於根據所述對象的身份特徵來判斷在身份資料庫中是否存在所述對象的身份信息；以及創建單元140，用於響應於在所述身份資料庫中不存在所述對象的身份信息，根據一預定策略和所述對象的身份特徵來在所述身份資料庫中創建所述對象的身份信息。

在一個示例中，所述提取單元120包括：檢測模塊，用於在每一幀樣本數據中檢測身份特徵區域；以及第一提取模塊，用於從所述身份特徵區域中提取所述對象的身份特徵。

在一個示例中，所述判斷單元130包括：判斷模塊，用於判斷在所述身份資料庫中是否存在與所述對象的身份特徵相匹配的基準身份特徵；以及確定模塊，用於響應於在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，確定在所述身份資料庫中存在所述對象的身份信息，否則，確定在所述身份資料庫中不存在所述對象的身份信息。

在一個示例中，所述判斷模塊將所述身份資料庫中的每一個基準身份特徵與所述對象的身份特徵進行比較，以確定與所述對象的身份特徵具有最大相似性的基準身份特徵；判斷所述最大相似性是否大於或等於第一閾值；並且響應於所述最大相似性大於或等於所述第一閾值，確定在所述身份資料庫中存在與所述對象的身份特徵相匹配的基準身份特徵，否則，確定在所述身份資料庫中不存在與所述對象的身份特徵相匹配的基準身份特徵。

在一個示例中，所述創建單元140隻要在所述身份資料庫中不存在所述對象的身份信息，就根據所述對象的身份特徵來生成所述對象的基準身份特徵，向所述對象分配身份標識符，並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

在一個示例中，所述創建單元140包括：跟蹤模塊，用於在所述樣本數據序列中對所述對象進行跟蹤；第二提取模塊，用於在跟蹤到所述對象的每一幀樣本數據中提取所述對象的身份特徵；生成模塊，用於通過對所述對象的身份特徵進行聚類來生成所述對象的身份特徵類；以及創建模塊，用於根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵，作為所述對象的身份信息。

在一個示例中，所述創建模塊確定所述對象的身份特徵類之中身份特徵的個數和每一個身份特徵與所述身份特徵類的類中心之間的偏差程度；判斷所述樣本數據的個數是否大於或等於第二閾值並且所述偏差程度是否小於或等於第三閾值；並且響應於所述樣本數據的個數大於或等於所述第二閾值並且所述偏差程度小於或等於所述第三閾值，根據所述對象的身份特徵類來生成所述對象的基準身份特徵、向所述對象分配身份標識符、並在所述身份資料庫中關聯地存儲所述對象的身份標識符和所述對象的基準身份特徵。

在一個示例中，所述創建模塊將所述類中心所表示的身份特徵確定為所述對象的基準身份特徵。

在一個示例中，所述對象身份管理裝置100還可以包括：記錄單元145，用於響應於在所述身份資料庫中不存在所述對象的身份信息，記錄與所述對象相關聯的關於一電子設備的操作設置信息。

在一個示例中，所述對象身份管理裝置100還可以包括：更新單元150，用於響應於在所述身份資料庫中存在所述對象的身份信息，根據所述對象的身份特徵來更新所述對象在所述身份資料庫中的身份信息。

在一個示例中，所述更新模塊包括：分配模塊，用於向所述對象的身份特徵分配一權重；以及更新模塊，用於使用所述權重和所述對象的身份特徵來更新所述對象在所述身份資料庫中的基準身份特徵。

在一個示例中，所述對象身份管理裝置100還可以包括：讀取單元155，用於響應於在所述身份資料庫中存在所述對象的身份信息，讀取與所述對象相關聯的關於一電子設備的操作設置信息，使得所述電子設備根據所述操作設置信息來進行操作。

上述對象身份管理裝置100中的各個單元和模塊的具體功能和操作已經在上面參考圖1到圖8描述的對象身份管理方法中詳細介紹，並因此，將省略其重複描述。

由此可見，採用根據本申請實施例的對象身份管理裝置，無需對象經歷顯式的註冊過程，通過採集對象的身份特徵，自動地將同一個對象的身份特徵記錄下來，根據一預定策略將此對象的身份特徵註冊到身份資料庫中，同時分配一個對象ID，從而使得身份管理裝置能夠像人一樣進行自然交流，充分提升了身份管理過程中的工作效率。

需要說明的是，根據本申請實施例的對象身份管理裝置100可以作為一個軟體模塊和/或硬體模塊而集成到該電子設備中，換言之，該電子設備可以包括該對象身份管理裝置100。例如，該對象身份管理裝置100可以是該電子設備的作業系統中的一個軟體模塊，或者可以是針對於該電子設備所開發的一個應用程式；當然，該對象身份管理裝置100同樣可以是該電子設備的眾多硬體模塊之一。

替換地，在另一示例中，該對象身份管理裝置100與該電子設備也可以是分立的設備(例如，伺服器)，並且該對象身份管理裝置100可以通過有線和/或無線網絡連接到該電子設備，並且按照約定的數據格式來傳輸交互信息。

示例性電子設備

下面，參考圖10來描述根據本申請實施例的電子設備。該電子設備可以是計算機或伺服器或其他設備。

圖10圖示了根據本申請實施例的電子設備的框圖。

如圖10所示，電子設備200包括一個或多個處理器210和存儲器220。

處理器210可以是中央處理單元(CPU)或者具有數據處理能力和/或指令執行能力的其他形式的處理單元，並且可以控制電子設備200中的其他組件以執行期望的功能。

存儲器220可以包括一個或多個電腦程式產品，所述電腦程式產品可以包括各種形式的計算機可讀存儲介質，例如易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器(RAM)和/或高速緩衝存儲器(cache)等。所述非易失性存儲器例如可以包括只讀存儲器(ROM)、硬碟、快閃記憶體等。在所述計算機可讀存儲介質上可以存儲一個或多個電腦程式指令，處理器210可以運行所述程序指令，以實現上文所述的本申請的實施例的對象身份管理方法以及/或者其他期望的功能。在所述計算機可讀存儲介質中還可以存儲各種應用程式和各種數據，例如樣本數據序列、對象的身份特徵、身份資料庫、輔助資料庫、各種閾值和權重等。

在一個示例中，電子設備200還可以包括：輸入裝置230和輸出裝置240，這些組件通過總線系統250和/或其他形式的連接機構(未示出)互連。應當注意，圖10所示的電子設備200的組件和結構只是示例性的，而非限制性的，根據需要，電子設備200也可以具有其他組件和結構。

例如，該輸入裝置230可以是採集器件。採集器件用於採集樣本數據序列，並且將所採集的樣本數據序列存儲在存儲器220中以供其他組件使用。當然，也可以利用其他集成或分立的採集器件來採集該樣本數據序列，並且將它發送到電子設備200。

輸出裝置240可以向外部(例如，用戶)輸出各種信息，例如圖像信息、聲音信息、識別結果，並且可以包括顯示器、揚聲器等中的一個或多個。

儘管未示出，電子設備200還可以包括通信裝置等，通信裝置可以通過網絡或其他技術與其他裝置(例如，個人計算機、伺服器、移動臺、基站等)通信，所述網絡可以是網際網路、無線區域網、移動通信網絡等，所述其他技術例如可以包括藍牙通信、紅外通信等。

示例性電腦程式產品和計算機可讀存儲介質

除了上述方法和設備以外，本申請的實施例還可以是電腦程式產品，其包括電腦程式指令，所述電腦程式指令在被處理器運行時使得所述處理器執行本說明書上述「示例性方法」部分中描述的根據本申請各種實施例的對象身份管理方法中的步驟。

所述電腦程式產品可以以一種或多種程序設計語言的任意組合來編寫用於執行本申請實施例操作的程序代碼，所述程序設計語言包括面向對象的程序設計語言，諸如Java、C++等，還包括常規的過程式程序設計語言，諸如「C」語言或類似的程序設計語言。程序代碼可以完全地在用戶計算設備上執行、部分地在用戶設備上執行、作為一個獨立的軟體包執行、部分在用戶計算設備上部分在遠程計算設備上執行、或者完全在遠程計算設備或伺服器上執行。

此外，本申請的實施例還可以是計算機可讀存儲介質，其上存儲有電腦程式指令，所述電腦程式指令在被處理器運行時使得所述處理器執行本說明書上述「示例性方法」部分中描述的根據本申請各種實施例的對象身份管理方法中的步驟。

所述計算機可讀存儲介質可以採用一個或多個可讀介質的任意組合。可讀介質可以是可讀信號介質或者可讀存儲介質。可讀存儲介質例如可以包括但不限於電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件，或者任意以上的組合。可讀存儲介質的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、可攜式盤、硬碟、隨機存取存儲器(RAM)、只讀存儲器(ROM)、可擦式可編程只讀存儲器(EPROM或快閃記憶體)、光纖、可攜式緊湊盤只讀存儲器(CD-ROM)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。

以上結合具體實施例描述了本申請的基本原理，但是，需要指出的是，在本申請中提及的優點、優勢、效果等僅是示例而非限制，不能認為這些優點、優勢、效果等是本申請的各個實施例必須具備的。另外，上述公開的具體細節僅是為了示例的作用和便於理解的作用，而非限制，上述細節並不限制本申請為必須採用上述具體的細節來實現。

本申請中涉及的器件、裝置、設備、系統的方框圖僅作為例示性的例子並且不意圖要求或暗示必須按照方框圖示出的方式進行連接、布置、配置。如本領域技術人員將認識到的，可以按任意方式連接、布置、配置這些器件、裝置、設備、系統。諸如「包括」、「包含」、「具有」等等的詞語是開放性詞彙，指「包括但不限於」，且可與其互換使用。這裡所使用的詞彙「或」和「和」指詞彙「和/或」，且可與其互換使用，除非上下文明確指示不是如此。這裡所使用的詞彙「諸如」指詞組「諸如但不限於」，且可與其互換使用。

還需要指出的是，在本申請的裝置、設備和方法中，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應視為本申請的等效方案。

提供所公開的方面的以上描述以使本領域的任何技術人員能夠做出或者使用本申請。對這些方面的各種修改對於本領域技術人員而言是非常顯而易見的，並且在此定義的一般原理可以應用於其他方面而不脫離本申請的範圍。因此，本申請不意圖被限制到在此示出的方面，而是按照與在此公開的原理和新穎的特徵一致的最寬範圍。

為了例示和描述的目的已經給出了以上描述。此外，此描述不意圖將本申請的實施例限制到在此公開的形式。儘管以上已經討論了多個示例方面和實施例，但是本領域技術人員將認識到其某些變型、修改、改變、添加和子組合。