具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语「模块」可看做为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文所述的装置及方法优选的以软件的方式进行实施,当然也可在硬件上进行实施,均在本发明保护范围之内。
第一实施例
请参阅图1,图1是本发明第一实施例提供的生理特征数据处理方法的流程示意图。所述方法包括:
在步骤S101中,从原始的生理特征图像数据库中获取第一特征图像。
在步骤S102中,利用预置的噪点处理方式对所述第一特征图像进行处理,生成至少一个第二特征图像,并存储至多图特征数据库。
其中,所述步骤S101与步骤S102可具体为:
可以理解的是,所述原始的生理特征图像数据库可以预先进行设置,用于存储原始的生理特征图像,为方便描述,本发明将原始的生理特征图像数据库中的生理特征图像称为第一特征图像,将经过噪点处理的第一特征图像称为第二特征图像,此处所述“第一”、“第二”仅为区分识别,不构成对本发明的限定。
进一步的,从原始的生理特征图像数据库中获取第一特征图像后,后台系统利用各种噪点处理方式对其进行美化处理,生成一张或多张新的特征图像,即第二特征图像,并将其存储至多图特征数据库。
本发明实施例中所述第一特征图像和第二特征图像可以具体为人脸图像、指纹图像信息,此处不作具体限定。
在步骤S103中,通过特征识别算法对所述第二特征图像进行计算,对应生成第一计算结果,并将所述第一计算结果存储至所述多图特征数据库。
在步骤S104中,当确定出所述特征识别算法更新时,利用更新后的特征识别算法对所述多第二特征图像进行计算,并更新所述第一计算结果。
其中,所述步骤S103与步骤S104可具体为:
可以理解的是,所述特征识别算法可以预先进行设置,以对第二特征图像进行计算,生成第一计算结果,其中所述第一计算结果可作为表示所述第二特征图像的标识,可选的所述第一计算结果可具体为以哈希hash值或MD5值等,此处不作具体限定。
另外,当检测出所述特征识别算法有更新时,利用更新后的特征识别算法自动重新的对多图特征数据库里面的第二特征图像进行计算,并更新所述第一计算结果。以在特征鉴权时,无需重新计算并建立对比库,可实时获取到比对结果,提高识别效率。
由上述可知,本实施例提供的生理特征数据处理方法,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
第二实施例
请参阅图2,图2为本发明第二实施例提供的生理特征数据处理方法的流程示意图。
区别于第一实施例,本实施例主要针对原始的生理特征图像数据库的建立、以及对第一特征图像进行处理的过程进行详细说明。所述方法包括:
在步骤S201中,获取生理特征视频流。
在步骤S202中,从所述生理特征视频流中抽取特征图像确定为第一特征图像。
在步骤S203中,将所述第一特征图像上传至所述原始的生理特征图像数据库并保存。
其中,所述步骤S201至步骤S203可具体为建立原始的生理特征图像数据库的优选实现方式;以特征图像为人脸图像为例,首先利用摄像头获取一段人脸视频流,然后在该人脸视频流中抽取出一张图像,并将该图像上传到生理特征图像数据库保存起来。
进一步的,从所述生理特征视频流中抽取特征图像确定为第一特征图像可以通过以下方式进行确定:
接收用户触发的选择指令,根据所述选择指令,从所述生理特征视频流中抽取特征图像确定为第一特征图像;或者,根据预设时间间隔,从所述生理特征视频流中抽取特征图像确定为第一特征图像。
在步骤S204中,从所述原始的生理特征图像数据库中获取第一特征图像。
在步骤S205中,通过噪点滤镜,调节所述第一特征图像的色度和/或饱和度和/或亮度。
在步骤S206中,将通过调节处理的第一特征图像确定为第二特征图像,并存储至多图特征数据库。
其中,所述步骤S204至步骤S206可具体为:
可以理解的是,通过噪点滤镜,调节所述第一特征图像的色度和/或饱和度和/或亮度的过程,就是利用预置的噪点处理方式对所述第一特征图像进行处理的一优选方式,从原始的生理特征图像数据库中获取第一特征图像后,后台系统利用各种噪点处理方式,如各种滤镜对其进行美化处理,例如Hsb Noise(噪点滤镜)调节色度和/或饱和度和/或亮度,生成一张或多张新的特征图像,即第二特征图像,并将其存储至多图特征数据库。
在某些实施方式中,利用各种噪点处理方式调节图像的色度和/或饱和度和/或亮度可具体依照以下原理进行实现:
例如可采取均值滤波,均值滤波是典型的线性滤波算法。其采用的主要方法为领域平均法,即对待处理的某个像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y);也可采取维纳滤波,它能根据图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图像滤波效果最佳;也可采取中值去噪,其基本原理是把数字图像或数字序列中一点的值用该点的某个领域中各点值的中值代换,其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。
容易想到的是,上述所列举的实现方式仅为举例说明,不构成对本发明的限定。
在步骤S207中,通过特征识别算法对所述第二特征图像进行计算,对应生成第一计算结果,并将所述第一计算结果存储至所述多图特征数据库。
可以理解的是,所述特征识别算法可以预先进行设置,以对第二特征图像进行计算,生成第一计算结果,其中所述第一计算结果可作为表示所述第二特征图像的标识,可选的所述第一计算结果可具体为以哈希hash值或MD5值等,此处不作具体限定。
在步骤S208中,对所述特征识别算法进行监控。
在步骤S209中,根据监控结果确定出所述特征识别算法更新时,获取更新后的特征识别算法以及所述第二特征图像。
在步骤S210中,利用所述更新后的特征识别算法对所述第二特征图像进行计算,并更新所述第一计算结果。
其中,所述步骤S208至步骤S210可具体为特征识别算法更新计算的优选实现方式;后台系统实时的对所述特征识别算法进行监控,当根据监控结果确定出所述特征识别算法有更新时,利用更新后的特征识别算法自动重新的对多图特征数据库里面的第二特征图像进行计算,并更新所述第一计算结果。以在特征鉴权时,无需重新计算并建立对比库,可实时获取到比对结果,提高识别效率。
由上述可知,本实施例提供的生理特征数据处理方法,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
第三实施例
请参阅图3,图3为本发明第三实施例提供的生理特征数据处理方法的流程示意图。
区别于第二实施例,本实施例主要针对利用生理特征数据进行特征鉴权的实现过程进行详细说明。所述方法包括:
在步骤S301中,从原始的生理特征图像数据库中获取第一特征图像。
优选的,在对从原始的生理特征图像数据库中获取第一特征图像之前,先预先设置原始的生理特征图像数据库,可包括:
步骤a、获取生理特征视频流;
步骤b、从所述生理特征视频流中抽取特征图像确定为第一特征图像;
步骤c、将所述第一特征图像上传至所述原始的生理特征图像数据库并保存。
可以理解的是,步骤a至步骤c的具体过程可参考第二实施例中步骤S201至步骤S203的相关描述来实现,此处不再赘述。
在步骤S302中,利用预置的噪点处理方式对所述第一特征图像进行处理,生成至少一个第二特征图像,并存储至多图特征数据库。
优选的,从原始的生理特征图像数据库中获取第一特征图像后,后台系统利用各种噪点处理方式,如各种滤镜对其进行美化处理,例如Hsb Noise(噪点滤镜)调节色度和/或饱和度和/或亮度,生成一张或多张新的特征图像,即第二特征图像,并将其存储至多图特征数据库。
可以理解的是,步骤S302的具体过程可参考第二实施例中步骤S204至步骤S206的相关描述来实现,此处不再赘述。
在步骤S303中,通过特征识别算法对所述第二特征图像进行计算,对应生成第一计算结果,并将所述第一计算结果存储至所述多图特征数据库。
可以理解的是,所述特征识别算法可以预先进行设置,以对第二特征图像进行计算,生成第一计算结果,其中所述第一计算结果可作为表示所述第二特征图像的标识,可选的所述第一计算结果可具体为以哈希hash值或MD5值等,此处不作具体限定。
在步骤S304中,接收特征鉴权请求。
在步骤S305中,根据所述特征鉴权请求,获取待识别特征图像。
在步骤S306中,利用所述特征识别算法对所述待识别特征图像进行计算,生成第二计算结果。
在步骤S307中,当确定出所述第二计算结果与所述多图特征数据库中的任一第一计算结果匹配时,确定所述待识别图像鉴权成功。
其中,所述步骤S304至步骤S307可具体为利用根据特征识别算法对所述待识别特征图像进行计算得到的计算结果,来进行特征鉴权的过程;
在某些实施方式中,可具体依照以下算法对对待识别特征图像进行计算:
首先,利用多层卷积神经网络,从待识别图像中逐级提取颜色信息、轮廓信息、几何信息等,形成由低级到高级的特征描述;然后利用距离度量算法,将上述特征描述转换到更易计算相似程度的度量空间,得到最终的图像特征。容易想到的是,上述所列举的计算方式仅为举例说明,不构成对本发明的限定。
由上述可知,本实施例提供的生理特征数据处理方法,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
第四实施例
为便于更好的实施本发明实施例提供的生理特征数据处理方法,本发明实施例还提供一种基于上述生理特征数据处理方法的装置。其中名词的含义与上述生理特征数据处理的方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图4,图4为本发明实施例提供的生理特征数据处理装置的结构示意图,本发明所述生理特征数据处理装置可以包括第一获取模块401、处理存储模块402、计算存储模块403以及计算更新模块404。
其中,所述第一获取模块401,用于从原始的生理特征图像数据库中获取第一特征图像;所述处理存储模块402,用于利用预置的噪点处理方式对所述第一特征图像进行处理,生成至少一个第二特征图像,并存储至多图特征数据库。
可以理解的是,所述原始的生理特征图像数据库可以预先进行设置,用于存储原始的生理特征图像,为方便描述,本发明将原始的生理特征图像数据库中的生理特征图像称为第一特征图像,将经过噪点处理的第一特征图像称为第二特征图像,此处所述“第一”、“第二”仅为区分识别,不构成对本发明的限定。
进一步的,从原始的生理特征图像数据库中获取第一特征图像后,后台系统利用各种噪点处理方式对其进行美化处理,生成一张或多张新的特征图像,即第二特征图像,并将其存储至多图特征数据库。
本发明实施例中所述第一特征图像和第二特征图像可以具体为人脸图像、指纹图像信息,此处不作具体限定。
所述计算存储模块403,用于通过特征识别算法对所述第二特征图像进行计算,对应生成第一计算结果,并将所述第一计算结果存储至所述多图特征数据库;所述计算更新模块404,用于当确定出所述特征识别算法更新时,利用更新后的特征识别算法对所述多第二特征图像进行计算,并更新所述第一计算结果。
可以理解的是,所述特征识别算法可以预先进行设置,以对第二特征图像进行计算,生成第一计算结果,其中所述第一计算结果可作为表示所述第二特征图像的标识,可选的所述第一计算结果可具体为以哈希hash值或MD5值等,此处不作具体限定。
另外,当检测出所述特征识别算法有更新时,利用更新后的特征识别算法自动重新的对多图特征数据库里面的第二特征图像进行计算,并更新所述第一计算结果。以在特征鉴权时,无需重新计算并建立对比库,可实时获取到比对结果,提高识别效率。
由上述可知,本实施例提供的生理特征数据处理方法,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
第五实施例
请参阅图5,图5为本发明实施例提供的生理特征数据处理装置的结构示意图,其中所述生理特征数据处理装置包括:第一获取模块501、处理存储模块502、计算存储模块503以及计算更新模块504,其中,该实施例中上述各功能模块的功能作用可对应参考第四实施例中的所述第一获取模块401、处理存储模块402、计算存储模块403以及计算更新模块404的相关描述,此处不作赘述。
优选的,所述装置还可以包括:第二获取模块505、第一确定模块506以及上传保存模块507,用于建立原始的生理特征图像数据库;其中,所述第二获取模块505用于获取生理特征视频流;所述第一确定模块506,用于从所述生理特征视频流中抽取特征图像确定为第一特征图像;所述上传保存模块507,用于将所述第一特征图像上传至所述原始的生理特征图像数据库并保存。
以特征图像为人脸图像为例,首先利用摄像头获取一段人脸视频流,然后在该人脸视频流中抽取出一张图像,并将该图像上传到生理特征图像数据库保存起来。
进一步的,所述第一确定模块506包括:第一确定单元和第二确定单元,其中所述第一确定单元,用于接收用户触发的选择指令,根据所述选择指令,从所述生理特征视频流中抽取特征图像确定为第一特征图像;所述第二确定单元,用于根据预设时间间隔,从所述生理特征视频流中抽取特征图像确定为第一特征图像。
优选的,所述处理存储模块502可以包括调节单元5021以及第三确定单元5022,用于利用预置的噪点处理方式对所述第一特征图像进行处理;其中所述调节单元5021,用于通过噪点滤镜,调节所述第一特征图像的色度和/或饱和度和/或亮度;所述第三确定单元5022,用于将通过调节处理的第一特征图像确定为第二特征图像。
从原始的生理特征图像数据库中获取第一特征图像后,后台系统利用各种噪点处理方式,如各种滤镜对其进行美化处理,例如Hsb Noise(噪点滤镜)调节色度和/或饱和度和/或亮度,生成一张或多张新的特征图像,即第二特征图像,并将其存储至多图特征数据库。
更进一步的,所述装置还可以包括接收模块508、第三获取模块509、生成模块510以及匹配模块511,用于对特征信息进行鉴权;可具体的,所述接收模块508,用于接收特征鉴权请求;所述第三获取模块509,用于根据所述特征鉴权请求,获取待识别特征图像;所述生成模块510,用于利用所述特征识别算法对所述待识别特征图像进行计算,生成第二计算结果;所述匹配模块511,用于当确定出所述第二计算结果与所述多图特征数据库中的任一第一计算结果匹配时,确定所述待识别图像鉴权成功。
可以理解的是,在特征识别算法进行更新时,所述计算更新模块504可以包括:监控单元,用于对所述特征识别算法进行监控;获取单元,用于根据监控结果确定出所述特征识别算法更新时,获取更新后的特征识别算法以及所述第二特征图像;处理更新单元,用于利用所述更新后的特征识别算法对所述第二特征图像进行计算,并更新所述第一计算结果。
即后台系统实时的对所述特征识别算法进行监控,当根据监控结果确定出所述特征识别算法有更新时,利用更新后的特征识别算法自动重新的对多图特征数据库里面的第二特征图像进行计算,并更新所述第一计算结果。以在特征鉴权时,无需重新计算并建立对比库,可实时获取到比对结果,提高识别效率。
在该实施例中没有详述的部分,可以参见上文针对生理特征数据处理方法的详细描述,此处不再赘述。
由上述可知,本实施例提供的生理特征数据处理装置,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
第六实施例
本发明实施例还提供一种服务器,其中可以集成本发明实施例的生理特征数据处理装置,所述服务器可基于一终端后台系统上运行,如图6所示,其示出了本发明实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、射频(Radio Frequency,RF)电路603、电源604、输入单元605、以及显示单元606等部件。本领域技术人员可以理解,图6中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器601是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器602内的软件程序和/或模块,以及调用存储在存储器602内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器601可包括一个或多个处理核心;优选的,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。
存储器602可用于存储软件程序以及模块,处理器601通过运行存储在存储器602的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
RF电路603可用于收发信息过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器601处理;另外,将涉及上行的数据发送给基站。通常,RF电路603包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(LNA,Low Noise Amplifier)、双工器等。此外,RF电路603还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GSM,Global System of Mobilecommunication)、通用分组无线服务(GPRS,General Packet Radio Service)、码分多址(CDMA,Code Division Multiple Access)、宽带码分多址(WCDMA,Wideband CodeDivision Multiple Access)、长期演进(LTE,Long Term Evolution)、电子邮件、短消息服务(SMS,Short Messaging Service)等。
服务器还包括给各个部件供电的电源604(比如电池),优选的,电源可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源604还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元605,该输入单元605可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该服务器还可包括显示单元606,该显示单元606可用于显示由用户输入的信息或提供给用户的信息以及服务器的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元608可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid Crystal Display)、有机发光二极管(OLED,Organic Light-EmittingDiode)等形式来配置显示面板。
具体在本实施例中,服务器中的处理器601会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中,并由处理器601来运行存储在存储器602中的应用程序,从而实现各种功能,如下:
从原始的生理特征图像数据库中获取第一特征图像;利用预置的噪点处理方式对所述第一特征图像进行处理,生成至少一个第二特征图像,并存储至多图特征数据库;通过特征识别算法对所述第二特征图像进行计算,对应生成第一计算结果,并将所述第一计算结果存储至所述多图特征数据库;当确定出所述特征识别算法更新时,利用更新后的特征识别算法对所述多第二特征图像进行计算,并更新所述第一计算结果。
优选的,所述处理器601还可以用于:获取生理特征视频流;从所述生理特征视频流中抽取特征图像确定为第一特征图像;将所述第一特征图像上传至所述原始的生理特征图像数据库并保存。
优选的,所述处理器601还可以用于,接收用户触发的选择指令,根据所述选择指令,从所述生理特征视频流中抽取特征图像确定为第一特征图像;或者根据预设时间间隔,从所述生理特征视频流中抽取特征图像确定为第一特征图像。
优选的,所述处理器601还可以用于,通过噪点滤镜,调节所述第一特征图像的色度和/或饱和度和/或亮度;将通过调节处理的第一特征图像确定为第二特征图像。
优选的,所述处理器601还可以用于,接收特征鉴权请求;根据所述特征鉴权请求,获取待识别特征图像;利用所述特征识别算法对所述待识别特征图像进行计算,生成第二计算结果;当确定出所述第二计算结果与所述多图特征数据库中的任一第一计算结果匹配时,确定所述待识别图像鉴权成功。
优选的,所述处理器601还可以用于,对所述特征识别算法进行监控;根据监控结果确定出所述特征识别算法更新时,获取更新后的特征识别算法以及所述第二特征图像;利用所述更新后的特征识别算法对所述第二特征图像进行计算,并更新所述第一计算结果。
由上述可知,本实施例提供的服务器中,利用预先保存生理特征图像数据的方式,当确定出特征识别算法更新时,利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果,从而可以实现自学习特征识别,在特征鉴权时,可实时获取到比对结果,提高识别效率,更好的实现数据的识别和管理;同时,可通过噪点处理方式对保存生理特征图像进行处理,合成不同效果的图像,以在特征鉴权时提高特征识别率。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对生理特征数据处理方法的详细描述,此处不再赘述。
本发明实施例提供的所述生理特征数据处理装置,譬如为计算机、平板电脑、具有触摸功能的手机等等,所述生理特征数据处理装置与上文实施例中的生理特征数据处理方法属于同一构思,在所述生理特征数据处理装置上可以运行所述生理特征数据处理方法实施例中提供的任一方法,其具体实现过程详见所述生理特征数据处理方法实施例,此处不再赘述。
需要说明的是,对本发明所述生理特征数据处理方法而言,本领域普通测试人员可以理解实现本发明实施例所述生理特征数据处理方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,所述计算机程序可存储于一计算机可读取存储介质中,如存储在终端的存储器中,并被该终端内的至少一个处理器执行,在执行过程中可包括如所述生理特征数据处理方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)等。
对本发明实施例的所述生理特征数据处理装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,所述存储介质譬如为只读存储器,磁盘或光盘等。
以上对本发明实施例所提供的一种生理特征数据处理方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。