用设备标识补充生物测定标识的制作方法

专利名称：用设备标识补充生物测定标识的制作方法
技术领域：
本发明涉及生物测定标识。
背景技术：
在计算领域内，许多场景涉及使用一个或多个生物测定数据来标识个体。作为第一示例，照相机可捕捉个体的图像或视频记录，可评估个体的各个可视方面(例如，面部特征、体型和步态)，且可生成表示个体的可视的生物测定数据集合。作为第二示例，话筒可捕捉并评估个体的声音，且可基于声音的声学特性(例如，音高、音色和说话速率)来标识各个生物测定数据。作为第三示例，指纹扫描仪可捕捉和评估个体的指纹，且可标识与指纹的脊和螺纹的图案有关的生物测定数据。可在一开始执行这些分析以捕捉标识个体的一个或多个生物测定数据，且可将这些分析存储在例如将生物测定数据与个体的个体身份相关联的生物测定数据库中。稍后，当检测到未被标识的个体时，可捕捉各个生物测定数据并将其与生物测定数据库中的那些数据进行比较以标识个体。这样的捕捉和标识可涉及多个生物测定数据(或者是相同模态的，例如对个体的面部的多个生物测定测量，或者是不同模态的，例如个体的面部特征、指纹和声波纹)以便提高标识的准确性。

发明内容
提供本发明内容以便以简化的形式介绍将在以下具体实施方式
中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键因素或必要特征，也不旨在用于限定所要求保护的主题的范围。使用生物测定来标识个体在若干方面可能是困难或低效的。作为第一示例，生物测定数据的捕捉和评估可包括资源密集的过程，从而利用大量计算资源(例如，功率、处理器、存储、内存和/或网络容量)。资源利用可招致执行生物测定分析时的显著延迟，和/或在具有有限资源的计算设备上难以实现。作为第二示例，生物测定评估可能不是足够健壮的，且可能在不同的环境下产生不同的结果(例如，如果场景的可视光照改变；如果所捕捉的个体的面部图像的角度改变；如果个体在捕捉期间摆出不同的面部表情；或者如果个体的面部改变，诸如使用不同的化妆、不同的发色或发式或获得性的身体缺陷，则从个体的面部可生成不同的生物测定数据)。这些新环境可导致错误否定(例如，无法识别已知个体) 和/或错误肯定(例如，不正确地将未知个体标识为已知个体，或将第一已知个体与第二已知个体混淆)。而且，这些低效随着生物测定系统伸缩来标识成百上千个个体而加剧；例如，如果特定的生物测定数据被存储为散列值，在两个或多个个体之间散列冲突的概率可能会以不可接受的速率增长。此处呈现的是用可能更高效和/或准确标识的、关于个体的其它信息来补充生物测定标识的技术。可以理解，在许多当代场景中，个体通常携带可由执行生物测定标识的计算机标识的一个或多个设备。例如，个体可通常携带特定的移动电话、寻呼机、移动计算机 (诸如掌上型计算机、膝上型计算机或平板计算机)、游戏设备、照相机、音频或视频播放器或植入式医疗设备(例如，起搏器)。计算机可能能够检测设备的标识符，其中设备标识符区别地标识设备(例如，标识唯一的一个设备的标识符)或将设备与可能由其他个体携带的其它设备(例如，特定型号的移动电话)区分开。计算机可从而使一个或多个设备与携带该设备的个体相关联，且可在注册个体的个体身份时(例如，当在用户数据库中创建用户帐户时)，使所检测到的设备的设备标识符与个体身份相关联。随后，当计算机设法标识未标识的个体时，计算机除了标识该个体的一个或多个生物测定数据以外可检测由该个体携带的一个或多个设备，且可检测各个设备的一个或多个设备标识符(例如，移动电话的设备ID，诸如移动电话号码，和/或诸如起搏器等植入式医疗设备的设备ID)。计算机然后可在生物测定数据库中搜索与所检测到的生物测定数据以及所检测到的设备标识符相关联的个体。例如，所检测到的设备标识符可用于减少可与个体的生物测定数据匹配的个体身份的数量。设备标识符的捕捉、存储和检索从而可补充根据各个生物测定数据对个体的标识。包括设备标识符来补充使用生物测定数据的个体标识与仅使用生物测定数据相比可提供一些优点。作为第一示例，如果可经由生物测定数据标识的个体集合潜在较大， 可基于设备标识符显著减少潜在匹配未知个体的个体集合(例如，在已知个体的大型集合中，知道这样的个体中仅仅有少量携带特定设备类型，使得当携带该设备类型的个体在场时，要对生物测定标识考虑的个体的数量可显著减少)，从而增加标识的效率、速度、准确性和可缩放性。作为第二示例，对设备的标识通常可用比标识生物测定数据更少的计算资源来实现，从而用对计算资源相对较少的使用来提供对个体的身份的附加证据。为实现上述和相关目的，以下描述和附图阐述了各个说明性方面和实现。这些方面和实现仅指示可使用一个或多个方面的各种方式中的一些。结合附图考虑以下详细描述，则本发明的其他方面、优点、以及新颖特征将变得显而易见。


图1是表征使用生物测定数据集合的个体标识的示例性场景的图示。图2是表征根据此处呈现的技术的使用生物测定数据的个体标识以及与个体相关联的设备的设备标识的示例性场景的图示。图3是示出标识个体的示例性方法的流程图。图4是示出用于标识个体的示例性系统的组件框图。图5是包括被配置成实现本文中所阐述的各种措施中的一个或多个的处理器可执行指令的示例性计算机可读介质的图示。图6是表征个体的个体身份的注册的示例性场景的图示。图7是表征对一组个体的持续在场性跟踪的示例性场景的图示。图8示出了其中可实现本文中所阐述的各种措施中的一个或多个的示例性计算环境。
具体实施例方式现在参考附图来描述所要求保护的主题，所有附图中使用相同的附图标记来指代相同的元素。在以下描述中，为解释起见，阐明了众多具体细节以提供对所要求保护的主题
6的全面理解。然而，很明显，所要求保护的主题可以在没有这些具体细节的情况下实施。在其它情况下，以框图形式示出了各种结构和设备以便于描述所要求保护的主题。在计算领域内，许多场景涉及使用一个或多个生物测定数据的集合来标识个体。 对各个个体而言，计算机可通过捕捉个体的各个物理特性的测量来注册个体身份。当稍后向个体呈现该计算机时，计算机然后可对个体执行相同类型的测量，且可通过标识具有相同测量的个体身份来标识个体。作为第一示例，照相机可捕捉个体的图像或视频记录，且可评估个体的各个可视方面(例如，面部特征，诸如两眼之间的距离以及鼻子的宽度；体型，诸如高度和体格；以及步态，诸如步幅、步调和摆臂)。这些测量可形成表示个体的各个可视方面的生物测定数据集合。作为第二示例，话筒可捕捉并评估个体的声音。可测量个体的声音的各个声学特性 (例如，音高、音色和说话速率)，并可将其用作基于个体声音的生物测定数据。作为第三示例，光学或电容指纹扫描仪可检测个体的指纹的各个特性，诸如脊的深度、螺纹的位置和大小以及谷的长度。当一开始向用户呈现时，计算机可捕捉标识个体的一个或多个生物测定数据，且可将这样的生物测定数据存储在例如生物测定数据库中，该数据库包括基于生物测定数据的集合相应地表示个体的一个或多个个体身份。一些这样的计算机可捕捉个体的多个生物测定数据(或者是相同模态的，例如对个体的面部的多个生物测定测量，或者是不同模态的，例如个体的面部特征、指纹和声波纹)。当检测到未被标识的个体时，计算机然后可捕捉个体的各个生物测定数据，并将这样的生物测定数据与生物测定数据库中的那些数据进行比较，并可选择匹配生物测定数据中的一些或全部的个体身份。图1呈现了表征被配置成根据一个或多个生物测定数据18标识各个个体14的计算机12的示例性场景10的图示。在此示例性场景10中，计算机12包括生物测定检测器的集合22，包括照相机、话筒和指纹扫描仪。这些生物测定检测器22 (可任选地包括与其结合使用的一个或多个软件算法)可被配置成捕捉个体14的生理方面的表示24，并对表示 24执行分析沈以便生成一个或多个生物测定数据18。当个体14被第一次呈现给计算机 12时，生物测定检测器22可捕捉个体14的生理方面的表示24 (例如，个体14的面部的静止图像、个体14的声音样本的音频记录、以及个体14的除大拇指外的手指或大拇指的指纹扫描)，并对每一表示M可执行分析26来表示一个或多个生物测定数据18。例如，照相机可生成与个体14的面部的各个视觉测量和维度相关联的生物测定数据18 ；话筒可生成与个体14的声音的各个声学测量相关联的生物测定数据18 ；而指纹扫描仪可生成与个体14 的指纹中检测到的各个图案相关联的生物测定数据18。计算机12还可包括个体身份集合 20，它包括存储标识个体14的各个生物测定数据18的各个个体14的个体身份的集合16。 例如，在分析沈期间检测到的表示M的各个特征可被转换成整数集合或串，从中可使用散列算法计算散列码，且这一散列码(包括生物测定数据18)可被存储在个体14的个体身份 16中。随后，当个体14被呈现给计算机12时(例如通过走到照相机前)，计算机12可通过调用生物测定检测器22来检测相同类型的生物测定数据18来试图标识个体14，并可将所检测到的个体14的生物测定数据18与存储在个体身份集合20的各个个体身份16中的那些数据进行比较。如果个体14在初始注册以及后续标识期间展示了类似的生理特征，则计算机12因此能够在从这些生理特征的测量中计算出的生物测定数据18的基础上标识个体14。另外，这一标识可在不涉及个体14的情况下执行；例如，个体14不必与计算机12诸如通过使用键盘或其它输入设备来输入标识凭证等来交互。这一较不侵入性的系统对于个体14而言可能更为方便和/或可在不需要了解个体14或不需要与个体14的协作的情况下执行，甚至在远距离处执行(例如，定位在远离个体14但具有显著的变焦能力的照相机)。然而，图1的示例性场景可导致一些低效和/或缺点。作为第一示例，对表示M 进行的用来标识生物测定数据18的分析沈可能是计算密集的，且可能消耗大量功率、处理器、内存、存储和/或网络容量。例如，从个体14的面部标识生物测定数据18可涉及用照相机捕捉的高分辨率图像、应用复杂的机器视觉算法来标识面部在图像中的位置及其特征、以及生物测定数据18的计算(诸如使用各种散列算法的散列码)。另外，标识大量个体所涉及的计算资源可能会快速增加，且可能在注册了大量个体时稳定地降低生物测定标识的性能特性。计算上更为强大的计算机12可能能够对一个或若干个生物测定数据18执行该分析26，但是以高昂的资源成本，且有可能在标识个体14时存在显著的延迟；而计算上较不强大的计算机12可能不得不缩回到可能较不准确的、更为初步的生物测定数据18的标识(例如，较低分辨率的图像或较不复杂的机器视觉算法)，或者可能只是不能够执行分析26。作为第二示例，生物测定数据18通常可能是不准确的。例如，对个体14的面部标识的生物测定数据18可能在以下情况中改变如果个体14的面部是不同光线或不同角度下的图像，如果个体14摆出了不同的面部表情(诸如微笑)，如果个体由于化妆品的使用或发式的改变而显得不同；或者如果个体遭受面部畸形。类似地，从个体14的步态或者从个体14的指纹中标识出的生物测定数据18可在个体14不同地行走或者有意或无意地损害了手指皮肤时改变。对多个生物测定数据18的使用可减轻这些改变中的一些(例如，捕捉三个不同的生物测定数据18可允许即使一个生物测定数据18改变时也能可靠地标识个体 14)，但是进一步增加了生物测定标识的计算成本。作为第三示例，经由生物测定数据18的个体标识可能无法良好缩放来匹配大量个体14的标识。例如，标识系统的复杂性和不准确性可能随向标识系统注册的个体14的数量成比例增加。在已知个体14的大型集合中标识特定个体14可能因此涉及更大数量的各种测量，而测量的精确性对个体14的生理上的较小改变愈发敏感。这种扩张可增加标识系统的成本、复杂性、延迟和/或不准确性，从而在用于标识潜在大量个体14时限制其可缩放性。由于这些问题，可以理解完全基于生物测定数据18标识个体14的系统可能在某些场景中是低效或不足的。然而，可通过利用关于个体14的、可通过提供关于个体的身份的附加信息来补充生物测定标识的其它信息来减轻这些缺点中的一些。另外，可能希望收集相对易于获取(例如，不涉及计算密集的分析26)和/或可无需涉及个体14(且有可能无需了解个体14和/或个体14的协作)而收集的信息。一个这样的信息涉及个体14可携带的设备。在许多当代场景中，个体14通常携带一个或多个设备，诸如移动电话、寻呼机、移动计算机(诸如掌上型计算机、膝上型计算机或平板计算机)、全球定位系统(GPQ接收器、游戏设备、照相机、音频或视频播放器或植入式医疗设备(例如，起搏器或人工耳蜗(cochlear implant))。这样的设备甚至可包括没有独立电源的设备，诸如嵌入在诸如银行卡或信用卡等标识卡中的射频识别器(RFID)芯片、固态数据存储芯片或插入在移动电话中的用户身份模块(SIM)卡。个体14可能与这样的设备具有已知的关联，诸如携带该设备的规律习惯。计算机12可能能够标识个体14附近的设备(或者精确地(例如，设备具有区别性标识符)；标识为特定设备类型(例如，特定型号，诸如移动电话的型号或品牌)；或者标识为设备类(例如，仅仅标识为未被标识的型号类型的移动电话))。该信息单独可能不足以标识个体14。例如，设备检测器40可能仅能够在大致区域(例如WiFi接收器周围一百米半径范围)内标识设备34 (推测起来，个体14携带它)的位置，而生物测定检测器22可用高得多的精确度标识个体14的位置。然而，设备34的检测对于补充个体14的生物测定标识可能是有用的。例如，该信息可用于将个体身份集合20的个体身份16的数量减少到与检测到的设备相关联的那些个体身份，计算机12可能能够进行较少的搜索和/或收集较少数量的生物测定数据18以便完成个体14 的标识，从而得到对个体14的更快和/或更高效的标识。与个体相关联的设备的标识也可具有其它优点。例如，与个体相关联的设备的标识可用于提高个体14的标识的准确性，诸如通过解决所收集的生物测定数据18之间的冲突(例如，当个体14仅匹配包括个体身份16的三个生物测定数据18中的两个时，与个体身份16相关联的、并在个体14附近检测到的设备的标识可解决不确定性)，和/或解决个体身份16之间的冲突(例如，在其中对个体14标识的生物测定数据18与两个个体身份16 相关联的散列冲突情况中，仅与两个个体身份16中的一个相关联的设备的检测可便于解决散列冲突)。对设备标识的使用从而可提高计算机12利用的生物测定标识系统的效率、 速度、准确性和/或可缩放性。图2呈现了表征设备的标识以补充个体14的生物测定标识的示例性场景30的图示。在此示例性场景30中，包括生物测定检测器22(例如，照相机)的计算机12被配置成通过如下方式来标识个体14 捕捉个体14的生理方面的表示24 (例如，个体14的面部)， 并执行分析26以标识之后可用来标识个体14的一个或多个生物测定数据18。然而，根据此处所述的技术，计算机12还包括设备检测器40，诸如有线或无线通信组件，它被配置成检测与个体14相关联的设备34 (例如通过与设备34的无线发射器组件38通信)。当一开始向计算机12呈现个体14时，计算机12可通过标识一个或多个生物测定数据18来注册个体14，但是也可调用设备检测器40来检测与个体14具有关联32的一个或多个设备34。 具体地，设备检测器40可标识一个或多个设备标识符36，诸如设备34的设备类型或设备类的区别性标识符或标识。计算机12然后可在个体身份集合20中存储个体14的个体身份16，包括至少一个生物测定数据18和至少一个设备标识符36。随后，当向计算机12呈现未被标识的个体14时，计算机可调用生物测定检测器22来标识个体14的一个或多个生物测定数据18，并可并发地或连续地调用设备检测器40来标识个体14附近的至少一个设备34的一个或多个设备标识符36。计算机12然后可检查个体身份集合20中的个体身份 16以标识包括生物测定数据18以及设备标识符36的个体身份16。以此方式，计算机12 可利用设备标识符16来补充基于检测到的生物测定数据18的集合对个体14的标识。图3呈现了这些技术的第一实施例，它被示为使用具有处理器、数据存储、生物测定检测器22和设备检测器40的计算机12来标识个体14的示例性方法50。示例性方法 50可被实现为存储在计算机12的存储器组件(例如，系统存储器电路、硬盘驱动器的盘、固态存储设备、或者磁盘或光盘)中的一组软件指令，当这些指令被计算机12的处理器执行时，使得处理器执行此处呈现的技术。示例性方法50始于52处并涉及在处理器上执行M 指令。更具体地，指令被配置成，对于各个个体14，在数据存储中存储56个体身份16，个体身份16包括标识个体14的至少一个生物测定数据18以及标识与个体14相关联的至少一个设备34的至少一个设备标识符36。指令还被配置成通过如下方式来标识可由计算机12 检测到的个体14 使用生物测定检测器22检测60标识个体14的至少一个生物测定数据 18 ；使用设备检测器40检测62标识与个体14相关联的至少一个设备34的至少一个设备标识符36 ；以及从数据存储检索64包括生物测定数据18和设备标识符36的个体身份16。 以此方式，指令使得计算机12根据这里呈现的技术标识个体14，因此示例性方法50在66 结束。图4呈现了这些技术的第二实施例，它被示为被配置成使用具有处理器74、生物测定检测器22和设备检测器40的计算机72来标识个体14的示例性系统76。示例性系统76可被例如实现为软件体系结构，它包括一组组件，各自包括存储在计算机72的存储器组件(例如，系统存储器电路、硬盘驱动器的盘、固态存储设备、或者磁盘或光盘)中的一组软件指令，当这些指令被计算机72的处理器(并发或连续)执行时，使得处理器74执行此处呈现的技术的一个或多个任务。示例性系统76包括被配置存储各个个体14的个体身份 16的数据存储78，其中每一个体身份16包括标识个体14的至少一个生物测定数据18 (例如，根据个体14的所标识的生理方面)以及标识与个体14相关联的至少一个设备34的至少一个设备标识符36。示例性系统76还包括个体身份生成组件80，它被配置成通过使用生物测定检测器22检测标识个体14的至少一个生物测定数据18 ；使用设备检测器40检测标识与个体14相关联的至少一个设备34的至少一个设备标识符36 ；以及在数据存储78 中存储包括生物测定数据18和设备标识符36的个体身份16，来在数据存储78中存储各个个体14的个体身份16。示例性系统76还包括个体标识组件82，它被配置成通过使用生物测定检测器22检测标识个体14的至少一个生物测定数据18 ；使用设备检测器40检测标识与个体14相关联的至少一个设备34的至少一个设备标识符36 ；以及从数据存储78检索包括生物测定数据18和设备标识符36的个体身份16，来标识个体14。以此方式，图4 的示例性场景70中示例性系统76的组件使得处理器74根据此处所呈现的技术标识个体 14。又一实施例涉及包括被配置成应用此处所提出的技术的处理器可执行指令的计算机可读介质。这样的计算机可读介质例如可以包括计算机可读存储介质，这些计算机可读存储介质包括有形设备，诸如存储器半导体(例如利用静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、和/或同步动态随机存取存储器(SDRAM)技术的半导体)、硬盘驱动器的盘、闪存设备、或磁盘或光盘(诸如CD-R、DVD-R或软盘)，编码有一组计算机可读指令，这些指令在由设备的处理器执行时致使设备实现在此所提出的技术。这些计算机可读介质还可以包括(作为与计算机可读存储介质不同的一类技术)各种类型的通信介质， 诸如可通过各种物理现象(例如电磁信号、声波信号、或光学信号)以及在各种有线场景 (例如经由以太网或光纤缆)和/或无线场景(例如诸如WiFi之类的无线局域网(WLAN)、 诸如蓝牙之类的个域网(PAN)、或蜂窝或无线电网络)中传播的信号，并且该通信介质编码有一组计算机可读指令，这些指令在设备的处理器执行时致使该设备实现在此所提出的技术。
可以用这些方式设计的一种示例性计算机可读介质在图5中示出，其中实现90包括其上编码有计算机可读数据94的计算机可读介质92 (例如，CD-R、DVD-R、或硬盘驱动器的盘)。该计算机可读数据94进而包括被配置成根据在此所阐述的原理来操作的一组计算机指令96。在一个这样的实施例中，处理器可执行指令96可被配置成执行标识个体的一种方法，诸如，图3的示例性方法50。在另一个这样的实施例中，处理器可执行指令96可被配置成实现一种用于标识个体的系统，诸如，图4的示例性系统76。此计算机可读介质的一些实施例可包括非临时性计算机存储介质(例如，硬盘驱动器、光盘、或闪存设备)，它被配置成存储以此方式配置的处理器可执行指令。本领域普通技术人员可以设计可被配置成根据此处描述的技术操作的许多这样的计算机可读介质。此处所讨论的技术可被设计成在许多方面具有变型，并且某些变型可呈现出相对于这些和其他技术的其他变型的附加优点和/或减少缺点。此外，某些变型可组合实现，并且某些组合能以通过相互协作而得到的附加优点和/或减少的缺点为特征。各种变型可被合并到各实施例(例如，图3的示例性方法50和图4的示例性系统76)中，以向这些实施例赋予单独和/或相互促进的优点。可在这些技术的实施例之间变化的第一方面涉及其中可利用这些技术的场景。作为此第一方面的第一变型，这些技术可用于使用许多类型的生物测定检测器22 (诸如照相机、话筒、触觉传感器以及化学分析器)、以及许多类型的算法(诸如机器视觉算法、声学分析算法以及被开发和/或训练来执行诸如模式识别等任务的机器学习算法)来跟踪许多类型的生物测定数据18。例如，生物测定检测器22可包括配备面部检测组件(例如，被配置成分析图像、标识图像中描绘个体的面部的区域、并从检测到的面部提取生物测定数据18 的算法)的照相机，而标识个体14的生物测定数据18可包括面部生物测定测量。作为这第一方面的第二变型，这些技术可用于使用许多类型的设备检测器40来跟踪许多类型的设备34。作为第一示例，设备检测器40可包括许多类型的有线或无线通信适配器(例如，蜂窝网络适配器、局域网适配器和广域网适配器)，或者甚至被配置成在视觉上标识设备34的照相机(有可能是用于检测个体14的生物测定数据18的同一照相机)。尽管这后一实施例与其它相比可能效率较低(例如，通过涉及对设备34的表示M的分析沈，诸如图像)，它可能具有特定的优点，例如通过便于检测不能够或不被配置成与设备检测器40通信的设备34。作为第二示例，这些类型的设备检测器40还可能能够检测许多类型的设备34，包括移动电话、寻呼机、移动计算机(诸如掌上计算机、膝上型计算机或平板计算机)、全球定位系统(GPQ接收器、游戏设备、照相机、音频或视频播放器、植入式医疗设备(例如，起搏器或人工耳蜗)、以及甚至没有独立电源的设备，诸如嵌入在诸如银行卡或信用卡等标识卡中的射频识别器(RFID)芯片、固态数据存储芯片、以及插入在移动电话中的用户身份模块(SIM)卡。作为第三示例，可对于这样的设备标识许多类型的设备标识符36，包括将设备34与每个其它设备34明确地区分开来的区别性标识符(例如，全局唯一标识符(GUID))；设备34的设备类型，诸如设备34的特定型号的实例(例如，移动电话的品牌或型号)；以及设备34的设备类，诸如设备34的一般性质和/或能力(例如，将设备；34标识为移动电话)。作为这第一方面的第三变型，可使用许多类型的关联32来使设备34与个体14关联。作为第一示例，关联32可基于设备34与个体14的邻近度来标识(例如，在人身上或个体14附近检测到设备34)。作为第二示例可基于显式关联来标识关联32 ；例如，除其设备标识符36以外，设备34可标识被授权来使用设备34的个体14。作为第三示例，可基于相关性来标识关联32 ；例如即使设备34不在个体14附近，设备34和个体14在相似时间的相关在场和不在场可指示关联32。例如，设备34可包括由个体14驾驶的车辆，即使计算机12可能无法标识车辆的乘客(例如，设备检测器40可包括监视汽车进出停车场的牌照读取器)，计算机12可能能够使设备34的在场与一个或多个个体14 (例如，通常在车辆存在于停车场的同时检测到的个体14)的在场相关，从而标识设备34和个体14的关联32。 作为第四示例，关联32还可以是偶发的(例如个体14可能偶尔携带设备34)和/或一贯的(例如植入式医疗设备)，计算机12可在标识个体14的同时相应地调节所检测到的设备 34的在场或不在场的证明力。作为第五示例，个体14也可能与两个或更多个设备34具有关联，或者是替换性地(例如，个体14可驾驶两辆车辆之一)或者是累积性的(例如，个体 14通常或者单独地或者一起携带两个或更多个设备34)。作为第六示例，设备34可由两个或多个个体14共享，且因此可与这些个体身份16均关联。作为这第一方面的第四变型，这些技术可在个体协作(例如，希望登录计算机12 的用户)或在没有个体协作(例如，恶意犯人)的情况下标识个体14。这些技术还可被公开地(例如，通过向个体14通知自动化标识，且有可能包括个体14的协作)或遮蔽地(例如，通过在隐蔽位置或距个体14远程地在暗中放置生物测定检测器22和/或设备检测器 30)利用。本领域普通技术人员可设计其中可利用本文给出的技术的许多场景。可在这些技术的实施例之间变化的第二方面涉及包括至少一个生物测定数据18 和至少一个设备标识符36的个体14的个体身份16的注册。作为该第二方面的第一变型， 计算机12可从另一源接收生物测定数据18和/或设备标识符36，且可随后利用这一数据作为个体身份16来标识个体14。或者，计算机12还可被配置成例如在(从个体14和/或计算机12的另一用户)接收到注册个体14的个体身份16的个体身份注册请求时生成个体身份16。作为第一个这样的示例，计算机12可被动地等待，直到接收到这样的注册请求， 然后可激活生物测定检测器22和/或设备检测器40来检测生物测定数据18和/或设备 34的设备标识符36。作为第二这样的示例，计算机12可自发地启动个体14的个体身份16 的注册，例如通过偶发或连续地检测到生物测定数据18和/或设备标识符36，并在标识不与数据存储78中的个体身份16相关联的生物测定数据18和/或设备标识符36时启动注册(例如，通过在检测到生物测定数据18或设备标识符36时搜索数据存储78，并在没有找到相应的个体身份16时，将新个体身份16存储在数据存储78中)。这一注册过程可自动启动和/或可在个体14或另一用户同意时偶尔启动(例如，计算机12可向个体14提供生成个体14的个体身份16和/或使所标识的设备34与个体14的个体身份16关联的要约，并仅在从个体14接收对要约的承诺时才继续)。作为第三个这样的示例，计算机12可单独地扫描未被识别的设备34，并可设法使新检测到的设备34与一个或多个个体14相关联；例如在检测到设备标识符36并无法在数据存储78中找到与设备标识符36相关联的个体身份16时，计算机12可要求具有个体身份16的一个或多个个体14 (例如，当前在场的个体14)认领设备34，并使设备34的设备标识符36与向计算机12发送对设备34的认领的任何个体14的个体身份16相关联。图6呈现了表征个体14的个体身份16的注册期间这一第二方面的若干这样的变
12型的示例性场景100的图示。在此示例性场景100中，具有生物测定检测器22、设备检测器 40和存储个体身份集合20的数据存储78的计算机12可检测个体14的在场性。首先，计算机12可向个体14提供使用一个或多个生物测定数据18来注册个体14的个体身份16 的要约，且仅在从个体14接收对要约的承诺时才继续生物测定注册。计算机12然后可激活生物测定检测器22，对所捕捉的个体14的表示M执行分析沈，提取一个或多个生物测定数据18，并对个体14创建包括生物测定数据18的新个体身份16。另外，计算机12可激活设备检测器40，并可从与个体14相关联的设备34接收一个或多个设备指示符36。计算机12然后可向个体14提供使设备34 (更具体地，设备34的设备标识符36)与个体14的个体身份16关联的要约。个体14可能希望或可能不希望与设备34相关联(例如，个体14 可能仅仅是临时拥有另一个体14的设备34)。在从个体14接收对使设备34与个体14关联的要约的承诺时，计算机12可将设备标识符36与个体14的个体身份16相关联地存储在数据存储78中。以此方式，计算机12可基于个体14的交互、同意和协作来注册包括一个或多个生物测定数据18和一个或多个设备标识符36两者的个体14的个体身份16。本领域普通技术人员可根据此处所呈现的技术在个体14的个体身份16的注册中设计许多变型。可在这些技术的实施例之间变化的第三方面涉及基于与表示各个个体14的各个个体身份16相关联的生物测定数据18和设备标识符36标识个体14。作为这一第三方面的第一变型，标识可应个体14或计算机12的另一用户的请求开始(例如，计算机12可停用生物测定检测器22和/或设备检测器40，直到接收到标识个体14的请求)。或者，计算机12可利用生物测定检测器22和/或设备检测器40来检测个体14的在场性(例如，被配置成检测个体14何时走到照相机前的光传感器)，并可自发地启动对个体14的标识。还可利用这些技术的组合；例如，在检测到个体14的在场时，计算机12可向个体14提供用于启动涉及各个生物测定数据18的标识过程的要约。计算机12还可被配置成在标识个体14 之后，向个体14通知已实现标识。作为这一第三方面的第二变型，可按照任何次序和/或组合来利用所检测到的生物测定数据18和/或设备标识符36。作为第一个这样的示例，计算机12可并发地检测一个或多个生物测定数据18和一个或多个设备标识符36，它们可基于各种情况按照不同的次序生成(例如，基于各个表示M的分析沈的变化的复杂度)，并在接收每一个这样的标识符时，计算机12可增量式地削减具有个体身份集合20中对应于所检测到的标识符的个体身份16的个体14的集合。此示例可能是有利的，例如通过并发地调用计算机12的所有标识能力以便于实现对个体14的迅速标识。作为第二这样的示例，计算机12可按照特定次序利用对生物测定数据18和/或设备标识符36的检测。例如，计算机12可通过首先检测更为准确、更为高效和/或更具诊断性的标识符来调用标识的序列，并且有区别地选择其它标识符来缩小个体身份16的子集。作为另一个这样的示例，计算机12可首先检测个体14的设备标识符36。在仅标识了与设备标识符36相关联的一个个体身份16时，计算机 12可标识个体14的一个或多个生物测定数据18以验证这一个体身份16 (例如，验证另一个体14不只是携带了另一个体14的设备34)。或者，在标识了与设备34相关联的两个或更多个个体14 (例如，包括设备34的设备标识符36的两个或更多个身份16)时，计算机12 可使用生物测定数据18来区分各个个体14以便标识该个体14。例如，如果两个个体14与被检测到与未被标识的个体14相关联的特定设备34相关联，计算机12可试图选择高效且准确区分这两个个体14的生物测定数据18。计算机12然后可调用相应的生物测定检测器 22来检测未被标识的个体14的生物测定数据18，从而可根据个体身份16中的一个(或不根据个体身份16中的任一个)来标识该未被标识的个体14。这些示例可涉及更长的持续时间(由于顺序地调用标识技术)，但可减少对标识个体14不是必需的某些标识组件的调用，从而节省了计算资源和/或保存了个体14的隐私(例如，通过不利用可能不是必需的潜在敏感的生物测定标识)。作为这一第三方面的第三变型，设备检测器40可具有可变的设备检测器范围(例如，Wi-Fi接收器可对天线施加或多或少的功率以便增加或减少设备检测的范围，和/或可被配置成仅在计算机12的某一邻近范围内检测设备34)。计算机12从而可在从个体14接收设备检测器范围时相应地设置该设备检测器的设备检测器范围。作为这一第三方面的第四变型，计算机12可包括个体白名单，该名单可标识要在其他个体身份16之前搜索的一个或多个个体身份16。例如，计算机12通常可能受到计算机12对其具有个体身份16的个体14的集合中的个体14的特定子集的光顾(或被更为频繁地的检测的区域)。计算机12从而可通过在检测到未被标识的个体14的一个或多个生物测定数据18时首先搜索个体白名单引用的个体身份16以便更快速地识别这样的个体14 来提供改进的用户体验；且仅可在检测到的生物测定数据18和/或设备标识符36不与包括在个体白名单中的任何个体身份16相关联时，搜索其它个体身份。作为这一第三方面的第五变型，计算机12可包括设备黑名单，该名单可标识不要在任何个体14的标识中标识和/或利用的一个或多个黑名单设备。例如，设备16可被公共或公有地利用(例如，在公共场所中可对许多或任何个体14可用的便携式设备)，尽管其它设备16的标识可促进对相关联个体14的标识，这一特定设备16的在场可能只降低个体 14的标识的准确性。从而，当计算机12检测到一个或多个设备标识符36时，计算机12可搜索设备黑名单，且可在标识过程中仅包括未在设备黑名单中标识的设备标识符36。本领域普通技术人员可根据此处所呈现的技术设计使用生物测定数据18和设备标识符36标识个体14的许多变型。可在这些技术的实施例之间变化的第四方面涉及跟踪已经使用生物测定数据18 和设备标识符36来标识出的个体14的在场性。个体14可被标识为存在于特定区域内(例如，计算机12、一个或多个生物测定检测器22和/或一个或多个设备检测器40的附近)。 然而，当个体14在区域内移动时，使用这些组件对个体14的标识可能会波动。然而，使用生物测定数据18和/或设备标识符36的连续检测来跟踪个体14在该区域内的持续在场性是有可能的。图7呈现了表征持续跟踪各个个体14在区域中在场性的示例性场景110的图示。 在此示例性场景Iio中，计算机12表征个体身份集合20，该集合包括根据生物测定数据18 和设备标识符36标识相应个体14的一组个体身份16。计算机12还配备照相机(操作为生物测定检测器22)以及无线通信接收器，诸如Wi-Fi网络适配器(操作为设备检测器 40)。而且，这些检测器具有不同的检测范围；例如，生物测定检测器22可具有可在其中检测生物测定数据18的生物测定检测器范围112 (例如照相机的视线和全景角度)，而设备检测器40可在宽设备检测器范围114(例如，设备检测器40的整个半径，不考虑视线)内检测设备34。在图7的示例性场景110的区域内，计算机12可试图检测和标识各个个体14。例如，当照相机检测到第一个体14在生物测定检测器范围112的在场时，可收集生物测定数据18和设备标识符36，且可将第一个体14标识为名字为“Drew Mone”的个体。另外，可在个体14的个体身份16中记录“可见”在场性指示符116，以指示个体14当前在区域内在场并对计算机12可见。然而，个体14可能最终移动到该区域内的不同位置，而计算机12 可能不再能在生物测定检测器范围112内检测个体的生物测定数据18。然而，由于继续检测到设备标识符M，可继续跟踪个体14的持续在场性。例如，第二个体14可一开始出现在生物测定检测器范围112内，且可已被标识为名为“Mike Jones”的个体，但是个体14可能后来移动到不同的区域。然而，第二个体14携带的设备34的设备标识符36可继续在设备检测器40的设备检测器范围114内被检测。从而，在个体身份集合20中，存储在该个体14 的个体身份16中的“可见”在场性指示符116可用“在场”在场性指示符116来替换，以指示，尽管个体14不再对计算机12的照相机可见，仍检测个体14在区域的在场性。最后，当先前已被标识的个体14(诸如名为“Kim Davis”的第三个体14)离开了生物测定检测器范围112和设备检测器范围114两者时，计算机12可用“不在场”在场性指示符116来替换该个体的个体身份16中的“在场”在场性指示符116，以指示该个体14从该区域离开。以此方式，计算机12的各个检测器可不管个体14对生物测定检测器22和/或设备检测器40 的波动的可见性而进行互操作，以跟踪这样的个体14在区域内的持续在场性。本领域的普通技术人员可以设计根据此处所呈现的技术跟踪所标识的个体14的在场性的许多方式。尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。更确切而言，上述具体特征和动作是作为实现权利要求的示例形式公开的。如在本申请中所使用的，术语“组件”、“模块”、“系统”、“接口 ”等一般旨在表示计算机相关的实体，该实体可以是硬件、硬件和软件的组合、软件、或者执行中的软件。例如， 组件可以是，但不限于，在处理器上运行的进程、处理器、对象、可执行码、执行的线程、程序和/或计算机。作为说明，运行在控制器上的应用程序和控制器都可以是组件。一个或多个组件可驻留在进程和/或执行的线程内，并且组件可位于一个计算机上和/或分布在两个或更多的计算机之间。此外，所要求保护的主题可以使用产生控制计算机以实现所公开的主题的软件、 固件、硬件或其任意组合的标准编程和/或工程技术而被实现为方法、装置或制品。如这里所使用的术语“制品”可以包含可以从任何计算机可读的设备、载体或介质进行访问的计算机程序。当然，本领域的技术人员将会认识到，在不背离所要求保护的主题的范围或精神的前提下可以对这一配置进行许多修改。图8和以下讨论提供了对用于实现此处所阐述的原理中的一个或多个实施例的合适计算环境的简要、概括描述。图8的操作环境只是合适的操作环境的一个示例，并不旨在对该操作环境的使用范围或功能提出任何限制。示例计算设备包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、移动设备(诸如移动电话、个人数字助理(PDA)、 媒体播放器等等)、多处理器系统、消费电子产品、小型计算机、大型计算机、包括任何以上系统或设备的分布式计算环境等等。
尽管并非必需，但各实施例在由一个或多个计算设备执行的“计算机可读指令”的一般上下文中描述。计算机可读指令可通过计算机可读介质来分发(在以下讨论)。计算机可读指令可被实现为执行特定任务或实现特定抽象数据类型的程序模块，如函数、对象、 应用程序编程接口(API)、数据结构等等。通常，计算机可读指令的功能可按需在各个环境中组合或分布。图8示出了包括被配置成实现此处所提供的一个或多个实施例的计算设备132的系统130的示例。在一种配置中，计算设备132包括至少一个处理单元136和存储器138。 取决于计算设备的确切配置和类型，存储器138可以是易失性的(如RAM)、非易失性的(如 ROM、闪存等)或是两者的某种组合。该配置在图8中由虚线134来示出。在其他实施例中，设备132可以包括附加特征和/或功能。例如，设备132还可以包括附加存储(例如，可移动和/或不可移动)，其中包括但不限于磁存储、光存储等等。这样的附加存储在图8中由存储140示出。在一个实施例中，用于实现此处所提供的一个或多个实施例的计算机可读指令可以在存储140中。存储140还可以储存实现操作系统、应用程序等其他计算机可读指令。可以在存储器138中加载计算机可读指令以便由例如处理单元136来执行。此处所使用的术语“计算机可读介质”包括计算机存储介质。计算机存储介质包括以用于存储诸如计算机可读指令或其他数据等信息的任何方法或技术来实现的易失性和非易失性、可移动和不可移动介质。存储器138和存储140都是计算机存储介质的示例。 计算机存储介质包括但不限于，RAM、ROM、EEPR0M、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光存储、磁带盒、磁带、磁盘存储或其他磁存储设备、或者可用于存储所需信息并且可由设备132访问的任何其他介质。任何这种计算机存储介质都可以是设备 132的一部分。设备132还可包括允许该设备132与其他设备进行通信的通信连接146。通信连接146可包括但不限于，调制解调器、网络接口卡(NIC)、集成网络接口、射频发射机/接收机、红外线端口、USB连接、或用于将计算设备132连接到其他计算设备的其他接口。通信连接146可以包括有线连接或无线连接。通信连接146可以发送和/或接收通信媒体。术语“计算机可读介质”可以包括通信介质。通信介质通常以诸如载波或其他传输机制等“已调制数据信号”来体现计算机可读指令或其他数据，并包括任何信息传送介质。 术语“已调制数据信号”可以包括以对信号中的信息进行编码的方式设置或改变其一个或多个特征的信号。设备132可包括输入设备144，诸如键盘、鼠标、笔、语音输入设备、触摸输入设备、 红外照相机、视频输入设备和/或任何其他输入设备。设备132中还可包括输出设备142， 诸如一个或多个显示器、扬声器、打印机和/或任何其他输出设备。输入设备144和输出设备142可以通过有线连接、无线连接或其任何组合来连接到设备132。在一个实施例中，来自另一计算设备的输入设备或输出设备可用作计算设备132的输入设备144或输出设备 142。计算设备132的组件可通过多种互连来连接，例如总线。这样的互连可以包括诸如PCIExpress之类的外围部件互连(PCI)、通用串行总线(USB)、火线(IEEE1384)、光学总线结构等等。在另一实施例中，计算设备132的组件可以通过网络互连。例如，存储器138可由位于通过网络互连的不同物理位置的多个物理存储器单元组成。本领域技术人员会认识到，用于存储计算机可读指令的存储设备可分布在网络上。例如，可以通过网络148访问的计算设备150可以存储实现此处所提供的一个或多个实施例的计算机可读指令。计算设备132可以访问计算设备150并下载部分或全部计算机可读指令来执行。或者，计算设备132可以按需下载计算机可读指令的片断，或者某些指令可以在计算设备132处执行而某些则在计算设备150处执行。此处提供了各实施例的各种操作。在一个实施例中，所描述的操作中的一个或多个可以组成储存在一个或多个计算机可读介质上的计算机可读指令，这些指令如果被计算设备执行则使得计算设备执行所描述的操作。描述一些或全部操作的顺序不应被解释为暗示了这些操作必须要依赖于顺序。从本说明书获益的本领域技术人员应理解替换的排序。 此外，应该理解并非所有的操作都必须存在于此处所提供的每一实施例中。此外，在此使用词语“示例性”意指用作示例、实例或说明。在此被描述为“示例性” 的任何方面或设计并不一定被解释为比其他方面或设计有利。相反，使用词语“示例性”旨在以具体的方式呈现各个概念。如本申请中所使用的，术语“或”意指包括性“或”而非互斥性“或”。即，除非另有指定或从上下文可以清楚，否则“X使用A或B”意指任何自然的包括性排列。即，如果X使用A ;X使用B ；或X使用A和B两者，则在任何以上情况下，都满足 “X使用A或B”。另外，本申请中和所附权利要求书中所使用的冠词“一”和“一个” 一般可被解释为是指“一个或多个”，除非另有指定或从上下文可以清楚指的是单数形式。同样，虽然参考一个或多个实现示出并描述了本发明，但本领域的其他技术人员基于对本说明书和附图的阅读和理解可以想到各种等效替换和修改。本发明包括所有这些修改和替换并且只由所附权利要求书的范围来限定。具体来说，对于由上述组件(例如，元素、资源等等)执行的各种功能，除非另外指明，否则用于描述这些组件的术语旨在对应于执行所描述的执行此处在本发明的示例性实现中所示的功能的组件的指定功能(例如，功能上等效)的任何组件，即使这些组件在结构上不等效于所公开的结构。另外，尽管可相对于若干实现中的仅一个实现来公开本发明的一个特定特征，但是这一特征可以如对任何给定或特定应用所需且有利地与其它实现的一个或多个其它特征相组合。此外，就在说明书或权利要求书中使用术语“包含”、“具有”、“含有”和“带有”及其变体而言，这些术语旨在以与术语“包括”相似的方式为包含性的。
权利要求
1.一种使用计算机(Ji)标识个体的方法(50)，所述计算机(7 具有处理器(74)、数据存储(78)、生物测定检测器0 以及设备检测器(40)，所述方法(50)包括在处理器(74)上执行(54)指令(96)，所述指令被配置为对各个个体(14)，在所述数据存储(7 中存储(56)个体身份(16)，所述个体身份包括标识所述个体(14)的至少一个生物测定数据(18)，和标识与所述个体(14)相关联的至少一个设备(34)的至少一个设备标识符(36)；以及通过以下操作标识(58)可由所述计算机(7 检测的个体(14) 使用所述生物测定检测器(22)，检测(60)标识所述个体(14)的至少一个生物测定数据(18)；使用所述设备检测器(40)，检测(6 标识与所述个体(14)相关联的至少一个设备 (34)的至少一个设备标识符(36)；以及从所述数据存储(78)检索(64)包括所述生物测定数据(18)和所述设备标识符(36) 的个体身份(16)。
2.如权利要求1所述的方法，其特征在于 所述生物测定检测器包括面部检测组件；以及与所述个体相关联的至少一个生物测定数据包括面部生物测定测量。
3.如权利要求1所述的方法，其特征在于 所述设备包括无线通信发射器；所述计算机的设备检测器包括无线通信接收器；以及检测所述至少一个设备标识符包括使用所述无线通信接收器，接收使用所述设备的无线通信发射器发送的、标识所述设备的设备标识符。
4.如权利要求1所述的方法，其特征在于 与至少两个个体相关联的至少一个设备；以及所述指令被配置成，在检测个体并在标识与所述设备的设备标识符相关联的两个个体身份时标识区分所述个体身份的至少一个生物测定数据；和使用所述生物测定检测器，检测与所述个体相关联的所述生物测定数据。
5.如权利要求1所述的方法，其特征在于，在所述数据存储中存储所述个体身份包括 在接收到注册所述个体身份的个体身份注册请求时在所述数据存储中存储所述个体身份。
6.如权利要求5所述的方法，其特征在于，在所述数据存储中存储所述个体身份包括 在所述生物测定检测器检测生物测定数据时，在所述数据存储中搜索包括所述生物测定数据的个体身份；以及当在所述数据存储中没有找到包括所述生物测定数据的个体身份时，将所述个体身份存储在所述数据存储中。
7.如权利要求5所述的方法，其特征在于，存储所述个体身份包括 搜索可由计算机检测的设备；以及在接收到标识至少一个设备的至少一个设备标识符时，与所述个体相关联地将所述设备标识符存储在所述数据存储中。
8.如权利要求7所述的方法，其特征在于，在所述数据存储中存储所述设备标识符包括向个体提供使所述设备与所述个体的个体身份相关联的要约；以及当从所述个体接收对所述要约的承诺时，与所述个体的个体身份相关联地在所述数据存储中所述所述设备标识符。
9.如权利要求1所述的系统，其特征在于，所述指令被配置为在检测设备标识符时，在所述数据存储中搜索包括所述设备标识符的个体身份；以及当在所述数据存储中没有找到包括所述设备标识符的个体身份时 要求具有个体身份的至少一个个体来认领所述设备；以及当从具有个体身份的个体接收到对所述设备的认领时，在所述数据存储中使标识所述设备的设备标识符与所述个体的个体身份相关联。
10.如权利要求1所述的方法，其特征在于，所述设备被配置成在检测到个体的在场性时检测个体的至少一个生物测定指示符。
11.如权利要求10所述的系统，其特征在于，所述指令被配置为在使用所述生物测定指示符检测到个体时，向所述个体提供标识所述个体的要约；以及当从所述个体接收对标识所述个体的要约的承诺时，检测所述个体的至少一个生物测定指示符。
12.如权利要求1所述的方法，其特征在于所述设备检测器具有可变的设备检测器范围；以及所述指令被配置成，当从个体接收设备检测器范围时，设置所述设备检测器的设备检测器范围。
13.如权利要求1所述的方法，其特征在于所述计算机包括标识具有设备标识符的至少一个黑名单设备的设备黑名单；以及接收标识所述至少一个设备的所述至少一个设备标识符包括接收标识在所述设备黑名单中标识的至少一个设备的至少一个设备标识符。
14.如权利要求1所述的方法，其特征在于所述设备包括标识至少一个个体的至少一个个体身份的个体白名单；以及从所述数据存储中检索个体身份包括从所述数据存储中搜索所述个体身份以检索包括所述个体标识符和所述设备标识符、 并被包括在所述个体白名单中的个体身份；以及当在所述数据存储中没有找到被包括在个体白名单中的个体身份时，从所述数据存储中搜索所述个体身份以检索包括所述个体标识符和所述设备标识符、并未被包括在个体白名单中的个体身份。
15. 一种被配置成使用计算机m来标识个体的系统(76)，所述计算机m具有生物测定检测器0 和设备检测器(40)，所述系统(76)包括数据存储(78)，被配置成存储个体身份(16)，所述个体身份分别包括 标识所述个体(14)的至少一个生物测定数据(18)，和标识与所述个体(14)相关联的至少一个设备(34)的至少一个设备标识符(36)；个体身份生成组件(80)，被配置成通过以下操作在所述数据存储(78)中存储各个个体(14)的个体身份(16)使用所述生物测定检测器(22)，检测标识所述个体(14)的至少一个生物测定数据 (18)；使用所述设备检测器(40)，检测标识与所述个体(14)相关联的至少一个设备(34)的至少一个设备标识符(36)；并且在所述数据存储(78)中存储包括所述生物测定数据(18)和所述设备标识符(36)的个体身份(16)；以及个体标识组件(82)，被配置成通过以下操作标识个体(14)使用所述生物测定检测器(22)，检测标识所述个体(14)的至少一个生物测定数据 (18)；使用所述设备检测器(40)，检测标识与所述个体(14)相关联的至少一个设备(34)的至少一个设备标识符(36)；并且从所述数据存储中检索(64)包括所述生物测定数据(18)和所述设备标识符(36)的个体身份(16)。
全文摘要
本发明涉及用设备标识补充生物测定标识。计算机可根据基于个体的各个生理方面(诸如个体的面部、步态、指纹或声音的各个特征的度量)的一个或多个生物测定数据来标识个体。然而，生物测定数据通常在计算上是计算密集的、不准确的且无法缩放以在大型已知个体集合中标识个体。因此，可通过标识与个体相关联的一个或多个设备(例如，移动电话、由个体驾驶的车辆或植入式医疗设备)来补充个体的生物测定标识。当为标识注册个体时，可存储与个体相关联的设备的各个设备标识符以及个体的生物测定数据。然后可使用生物测定数据和检测到的设备标识符两者来标识个体，从而提高标识的效率、速度、准确性和可缩放性。
文档编号G06F17/30GK102567502SQ20111044014
公开日2012年7月11日 申请日期2011年12月15日 优先权日2010年12月16日
发明者E·克鲁普卡, N·奈斯 申请人:微软公司