本發(fā)明涉及身份識(shí)別和醫(yī)學(xué)信息處理領(lǐng)域，尤其涉及一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法和裝置。

背景技術(shù)：

1、目前，對(duì)于用戶(hù)身份的識(shí)別方法，主要有dna識(shí)別、指紋識(shí)別和人臉識(shí)別等。dna識(shí)別方法雖然精度很高，但技術(shù)實(shí)現(xiàn)過(guò)程繁瑣，耗時(shí)長(zhǎng)，不適用于大范圍匹配，而指紋、人臉等信息易遭到破壞。牙齒是人體最堅(jiān)硬，最堅(jiān)不可摧的部分，因此被認(rèn)為是身份識(shí)別的最佳選擇。

2、如何基于牙齒數(shù)據(jù)，實(shí)現(xiàn)快速準(zhǔn)確的用戶(hù)身份識(shí)別，是當(dāng)前急需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)如何基于牙齒數(shù)據(jù)，實(shí)現(xiàn)快速準(zhǔn)確的用戶(hù)身份識(shí)別的問(wèn)題，本發(fā)明公開(kāi)了一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法和裝置。

2、本申請(qǐng)實(shí)施例第一方面，公開(kāi)了一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，包括：

3、s1，獲取牙齒點(diǎn)云數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集；所述牙齒點(diǎn)云數(shù)據(jù)集，包括牙齒點(diǎn)云數(shù)據(jù)；所述用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集，包括若干個(gè)用戶(hù)預(yù)先采集的牙齒點(diǎn)云數(shù)據(jù)；

4、s2，對(duì)所述牙齒點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集；

5、s3，對(duì)預(yù)處理數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集進(jìn)行識(shí)別處理，得到用戶(hù)識(shí)別信息；所述用戶(hù)識(shí)別信息，用于表示所述牙齒點(diǎn)云數(shù)據(jù)集對(duì)應(yīng)的用戶(hù)身份信息。

6、所述對(duì)所述牙齒點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集，包括：

7、s21，對(duì)所述牙齒點(diǎn)云數(shù)據(jù)集進(jìn)行降噪處理，得到降噪數(shù)據(jù)集；

8、s22，對(duì)所述降噪數(shù)據(jù)集進(jìn)行異常檢測(cè)處理，得到第一數(shù)據(jù)集；

9、s23，對(duì)所述第一數(shù)據(jù)集進(jìn)行點(diǎn)云配準(zhǔn)處理，得到預(yù)處理數(shù)據(jù)集。

10、所述對(duì)所述降噪數(shù)據(jù)集進(jìn)行異常檢測(cè)處理，得到第一數(shù)據(jù)集，包括：

11、s221，對(duì)所述降噪數(shù)據(jù)集的每一類(lèi)數(shù)據(jù)屬性的數(shù)據(jù)，以所述數(shù)據(jù)的數(shù)據(jù)采集信息為自變量，以所述數(shù)據(jù)的數(shù)據(jù)取值為因變量，進(jìn)行自回歸-滑動(dòng)平均建模，分別得到所述類(lèi)數(shù)據(jù)屬性的回歸模型；

12、s222，利用所述回歸模型，對(duì)所述自變量進(jìn)行計(jì)算處理，得到回歸數(shù)據(jù)取值；判別所述回歸數(shù)據(jù)取值與對(duì)應(yīng)的因變量值之差的絕對(duì)值，是否大于設(shè)定的第一回歸判別閾值；若大于所述第一回歸判別閾值，將所述數(shù)據(jù)從所述降噪數(shù)據(jù)集中刪除，若小于等于所述第一回歸判別閾值，不對(duì)所述數(shù)據(jù)進(jìn)行處理；

13、s223，對(duì)所述降噪數(shù)據(jù)集的所有執(zhí)行s221至s222后的數(shù)據(jù)進(jìn)行融合處理，得到第一數(shù)據(jù)集。

14、所述對(duì)預(yù)處理數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集進(jìn)行識(shí)別處理，得到用戶(hù)識(shí)別信息，包括：

15、s31，將所述預(yù)處理數(shù)據(jù)集表示為待識(shí)別向量；所述待識(shí)別向量的元素，為牙齒點(diǎn)云數(shù)據(jù)；

16、s32，將所述用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集表示為標(biāo)準(zhǔn)點(diǎn)云矩陣；所述標(biāo)準(zhǔn)點(diǎn)云矩陣的行向量，為每個(gè)用戶(hù)的預(yù)先采集的牙齒點(diǎn)云數(shù)據(jù)；所述標(biāo)準(zhǔn)點(diǎn)云矩陣的列維度，與所述待識(shí)別向量的維度相同；所述標(biāo)準(zhǔn)點(diǎn)云矩陣的行維度，是用戶(hù)數(shù)目；

17、s33，對(duì)所述待識(shí)別向量和標(biāo)準(zhǔn)點(diǎn)云矩陣進(jìn)行識(shí)別計(jì)算處理，得到用戶(hù)識(shí)別信息。

18、所述對(duì)所述待識(shí)別向量和標(biāo)準(zhǔn)點(diǎn)云矩陣進(jìn)行識(shí)別計(jì)算處理，得到用戶(hù)識(shí)別信息，包括：

19、對(duì)所述待識(shí)別向量和標(biāo)準(zhǔn)點(diǎn)云矩陣進(jìn)行第一距離計(jì)算處理，得到第一距離向量；

20、對(duì)所述待識(shí)別向量和標(biāo)準(zhǔn)點(diǎn)云矩陣進(jìn)行第二距離計(jì)算處理，得到第二距離向量；

21、對(duì)所述第一距離向量和第二距離向量進(jìn)行融合加權(quán)處理，得到差異向量；

22、確定所述差異向量中取值最小的元素序號(hào)對(duì)應(yīng)的用戶(hù)序號(hào)，為用戶(hù)識(shí)別信息。

23、所述第一距離計(jì)算處理的表達(dá)式為：

24、

25、其中，aj為待識(shí)別向量的第j個(gè)元素，akj為標(biāo)準(zhǔn)點(diǎn)云矩陣的第k行、第j列的元素，ξ為預(yù)設(shè)的調(diào)節(jié)因子，ck表示第一距離向量的第k個(gè)元素，n為待識(shí)別向量的維度；

26、所述第二距離計(jì)算處理的表達(dá)式為：

27、

28、其中，μ1和μ2為預(yù)設(shè)的加權(quán)系數(shù)，dk表示第二距離向量的第k個(gè)元素。

29、所述融合加權(quán)處理，其計(jì)算表達(dá)式為：

30、ek＝λkck+νk/dk+ηk|ck-dk|，

31、其中，ek為差異向量的第k個(gè)元素，λk為預(yù)設(shè)的第一加權(quán)向量的第k個(gè)元素，νk為預(yù)設(shè)的第二加權(quán)向量的第k個(gè)元素，ηk為預(yù)設(shè)的第三加權(quán)向量的第k個(gè)元素，m為標(biāo)準(zhǔn)點(diǎn)云矩陣的行維度。

32、本申請(qǐng)實(shí)施例第二方面，公開(kāi)了一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別裝置，所述裝置包括：

33、存儲(chǔ)有可執(zhí)行程序代碼的存儲(chǔ)器；

34、與所述存儲(chǔ)器耦合的處理器；

35、所述處理器調(diào)用所述存儲(chǔ)器中存儲(chǔ)的所述可執(zhí)行程序代碼，執(zhí)行所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法。

36、本申請(qǐng)實(shí)施例第三方面，公開(kāi)了一種計(jì)算機(jī)可存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被調(diào)用時(shí)，用于執(zhí)行所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法。

37、本申請(qǐng)實(shí)施例第四方面，公開(kāi)了一種信息數(shù)據(jù)處理終端，所述信息數(shù)據(jù)處理終端用于實(shí)現(xiàn)所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法。

38、本發(fā)明的有益效果為：

39、本發(fā)明方法通過(guò)建立第一距離計(jì)算模型和第二距離計(jì)算模型，有效實(shí)現(xiàn)了用戶(hù)牙齒特征的準(zhǔn)確提取，通過(guò)所述融合加權(quán)處理，實(shí)現(xiàn)了用戶(hù)身份特征的綜合分析，提升了用戶(hù)身份識(shí)別的準(zhǔn)確性和效率。

40、本發(fā)明通過(guò)對(duì)采集的牙齒數(shù)據(jù)進(jìn)行降噪和異常檢測(cè)處理，實(shí)現(xiàn)了對(duì)干擾和噪聲的有效抑制，有效提升了用戶(hù)身份識(shí)別的準(zhǔn)確性。

技術(shù)特征：

1.一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，包括：

2.如權(quán)利要求1所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述對(duì)所述牙齒點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集，包括：

3.如權(quán)利要求2所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述對(duì)所述降噪數(shù)據(jù)集進(jìn)行異常檢測(cè)處理，得到第一數(shù)據(jù)集，包括：

4.如權(quán)利要求1所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述對(duì)預(yù)處理數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集進(jìn)行識(shí)別處理，得到用戶(hù)識(shí)別信息，包括：

5.如權(quán)利要求4所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述對(duì)所述待識(shí)別向量和標(biāo)準(zhǔn)點(diǎn)云矩陣進(jìn)行識(shí)別計(jì)算處理，得到用戶(hù)識(shí)別信息，包括：

6.如權(quán)利要求5所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述第一距離計(jì)算處理的表達(dá)式為：

7.如權(quán)利要求5所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法，其特征在于，所述融合加權(quán)處理，其計(jì)算表達(dá)式為：

8.一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別裝置，其特征在于，所述裝置包括：

9.一種計(jì)算機(jī)可存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被調(diào)用時(shí)，用于執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法。

10.一種信息數(shù)據(jù)處理終端，其特征在于，所述信息數(shù)據(jù)處理終端用于實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種牙齒點(diǎn)云數(shù)據(jù)的用戶(hù)身份識(shí)別方法和裝置，所述方法包括：獲取牙齒點(diǎn)云數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集；所述牙齒點(diǎn)云數(shù)據(jù)集，包括牙齒點(diǎn)云數(shù)據(jù)；所述用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集，包括若干個(gè)用戶(hù)預(yù)先采集的牙齒點(diǎn)云數(shù)據(jù)；對(duì)所述牙齒點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集；對(duì)預(yù)處理數(shù)據(jù)集和用戶(hù)牙齒標(biāo)準(zhǔn)點(diǎn)云數(shù)據(jù)集進(jìn)行識(shí)別處理，得到用戶(hù)識(shí)別信息；所述用戶(hù)識(shí)別信息，用于表示所述牙齒點(diǎn)云數(shù)據(jù)集對(duì)應(yīng)的用戶(hù)身份信息。本發(fā)明方法通過(guò)建立第一距離計(jì)算模型和第二距離計(jì)算模型，有效實(shí)現(xiàn)了用戶(hù)牙齒特征的準(zhǔn)確提取，通過(guò)所述融合加權(quán)處理，實(shí)現(xiàn)了用戶(hù)身份特征的綜合分析，提升了用戶(hù)身份識(shí)別的準(zhǔn)確性和效率。

技術(shù)研發(fā)人員：王超,楊飚,苗莉,熊雁潔,費(fèi)棟棟,張麗娜
受保護(hù)的技術(shù)使用者：中國(guó)人民解放軍總醫(yī)院第七醫(yī)學(xué)中心
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19