(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210380572.1 (22)申请日 2022.04.08 (71)申请人 澜途集思生态科技 集团有限公司 地址 100000 北京市海淀区蓝靛厂东路2号 院金源时代商务中心 2号楼A座6D (72)发明人 杨志峰　沈永明　张远　蔡宴朋　 (74)专利代理 机构 北京市京师律师事务所 11665 专利代理师 黄熊 (51)Int.Cl. G06V 40/70(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06V 10/80(2022.01) G06V 10/30(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 21/60(2013.01) (54)发明名称 基于SIN算法的生态生物 识别方法 (57)摘要 本发明公开了基于SIN算法的生态生物识别 方法， 包括如下步骤： 收集生态生物特征， 将收集 的生态特征进行收集分类， 并建立生态特征数据 库； 借助计算机终端设备， 通过采集器对生物图 像数据进行采集； 通过SIN算法对采集的生物图 像数据进行目标检测； 对采集的生物图像数据进 行多种生物特征参数的获取； 将多种生物特征参 数进行融合， 生成多种生物特征各自对应的高阶 特征参数； 利用注意力机制， 根据多种生物特征 各自对应的高阶特征参数， 计算多种生物特征的 综合特征参数。 本发明能够结合多种生物特征的 各项特征量在识别过程中的重要程度， 计算得出 多种生物特征的综合特征参数， 提高利用多种生 物特征对用户身份进行识别时的识别成功率。 权利要求书1页 说明书3页 附图1页 CN 114724260 A 2022.07.08 CN 114724260 A 1.基于SI N算法的生态生物 识别方法， 其特 征在于， 包括如下步骤： S1收集生态生物特 征， 将收集的生态特 征进行收集分类， 并建立 生态特征数据库； S2借助计算机终端设备， 通过采集器对生物图像数据进行采集； S3通过SI N算法对采集的生物图像数据进行目标检测； S4对采集的生物图像数据进行多种生物特 征参数的获取； S5将多种生物特 征参数进行融合， 生成多种生物特 征各自对应的高阶特 征参数； S6利用注意力机制， 根据多种生物特征各自对应的高阶特征参数， 计算多种生物特征 的综合特 征参数； S7根据多种生物特 征的综合特 征参数， 对待识别生物身份进行识别。 2.根据权利要求1所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述步骤S5 利用长短时记忆神经网络LSTM模型， 将多种生物特征参数进行融合， 生成多种生物特征各 自对应的高阶特 征参数。 3.根据权利要求2所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述LSTM模 型为双向LSTM模型。 4.根据权利要求1所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述步骤S6 综合特征参数利用公钥对生物识别特征进行加密， 得到加密生物识别特征， 生物身份识别 时， 利用对应的私钥对加密相似度进行解密。 5.根据权利要求4所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述私钥为 服务器利用同态加密算法生成。 6.根据权利要求1所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述步骤S7 将生物综合特 征参数与生态特 征数据库中的特 征数据进行对比识别。 7.根据权利要求1所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述步骤S2 采集的生物图像数据进行拆分处理： 将待识别图像数据进行格式转换， 转换成常用数据格 式， 并对图像数据进 行拆分处理， 对待识别图像数据进 行分类， 剔除无用数据信息， 然后， 再 讲有用数据信息进行格式转换， 转换成原有数据格式， 将转换格式后的有用数据信息进行 合并存储。 8.根据权利要求1所述的基于SIN算法的生态生物识别方法， 其特征在于， 所述的生物 图像数据采用图像归一法和图像增强法对采集的生物图像数据进 行处理， 且对生物图像做 颜色校正处 理， 并采用混合滤波方法对原 始图片做降噪处 理。权　利　要　求　书 1/1 页 2 CN 114724260 A 2基于SIN算法的生态生物识别方 法 技术领域 [0001]本发明涉及生物 识别技术领域， 尤其涉及基于SI N算法的生态生物 识别方法。 背景技术 [0002]水生物是判断河 水是否受到污染的有效参照物。 河水中不同化学物质的分布和浓 度， 将决定河中水生物的类型构成。 一些水生物在某种河流条件下可以繁殖很快， 在另一环 境下则可能死亡， 这是由河水中的不同成分决定的。 因此， 只要分析河流中水生物的类型构 成， 就可对某一河段中存在什么样的化学物质做出判断。 水生生物群落与水环境有着错综 复杂的相互关系， 对 水质变化起着 重要作用。 然而， 现有的生物识别对于某些生物特征识别 具体的应用场景， 很难通过使用单一模态生物特征识别技术来满足它们对身份识别技术性 能的要求。 发明内容 [0003]基于背景技 术存在的技 术问题， 本发明提出了基于SI N算法的生态生物 识别方法。 [0004]本发明提出的基于SI N算法的生态生物 识别方法， 包括如下步骤： [0005]S1收集生态生物特 征， 将收集的生态特 征进行收集分类， 并建立 生态特征数据库； [0006]S2借助计算机终端设备， 通过采集器对生物图像数据进行采集； [0007]S3通过SI N算法对采集的生物图像数据进行目标检测； [0008]S4对采集的生物图像数据进行多种生物特 征参数的获取； [0009]S5将多种生物特 征参数进行融合， 生成多种生物特 征各自对应的高阶特 征参数； [0010]S6利用注意力机制， 根据多种生物特征各自对应 的高阶特征参数， 计算多种生物 特征的综合特 征参数； [0011]S7根据多种生物特 征的综合特 征参数， 对待识别生物身份进行识别。 [0012]优选的， 所述步骤S5利用长短时记忆神 经网络LSTM模型， 将多种生物特征参数进 行融合， 生成多种生物特 征各自对应的高阶特 征参数。 [0013]优选的， 所述 LSTM模型为双向LSTM模型。 [0014]优选的， 所述步骤S6综合特征参数利用公钥对生物识别特征进行加密， 得到加密 生物识别特征， 生物身份识别时， 利用对应的私钥对加密相似度进行解密。 [0015]优选的， 所述私钥为 服务器利用同态加密算法生成。 [0016]优选的， 所述步骤S7将生物综合特征参数与生态特征数据库中的特征数据进行对 比识别。 [0017]优选的， 所述步骤S2采集的生物图像数据进行拆分处理： 将待识别图像数据进行 格式转换， 转换成常用数据格式， 并对图像数据进行拆分处理， 对待识别图像数据进行分 类， 剔除无用数据信息， 然后， 再讲有用数据信息进 行格式转换， 转换成原有 数据格式， 将转 换格式后的有用数据信息进行合并存 储。 [0018]优选的， 所述的生物图像数据采用图像归一法和图像增强法对采集的生物图像数说　明　书 1/3 页 3 CN 114724260 A 3