更新生物特征模板的方法、装置和电子设备与流程

本申请涉及生物特征识别领域，更具体地涉及更新生物特征模板的方法、装置和电子设备。

背景技术：

生物特征识别系统在对用户进行身份认证时，会采集待认证者的生物特征图像，并将采集到的生物特征图像与事先存储的生物特征模板进行比对，根据比对的结果及对应策略判断认证是否通过。

随着时间的变化，用户的真实生物特征与生物特征模板对应的生物特征可能会出现差异，为了保证生物特征模板能够最大程度反映权限所有人的最新生物特征，生物特征识别系统需要对生物特征模板进行更新。

现有更新生物特征模板的方法，很大可能会在攻击者的生物特征图像与生物特征模板比对通过时，用攻击者的生物特征图像更新生物特征模板，导致生物特征识别系统对攻击的防控性能较差，并且将导致后续的身份认证过程具有较高的误通过率。

技术实现要素：

本申请的目的在于提供一种更新生物特征模板的方法、装置和电子设备，使得生物特征识别系统对攻击具有较好的防控性能，并具有较低的误通过率。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，提供了一种更新生物特征模板的方法，包括：

确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

第二方面，提供了一种更新生物特征模板的装置，包括：

第一处理单元，确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

第一处理单元，确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

第二处理单元，根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

第三方面，提供了一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

第四方面，提供了一种计算机可读介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

由以上本申请实施例提供的技术方案可见，本申请实施例根据第一用户的生物特征模板与由至少一个第二用户的生物特征模板构成的生物特征图像集合的第一相似度和预备生物特征图像与该生物特征图像集合的第二相似度，确定是否使用预备生物特征图像更新第一用户的生物特征模板。由于在判断是否使用预备生物特征图像对第一用户的生物特征模板进行更新时，考虑了预备生物特征图像和第一用户的生物特征模板分别与其他用户的生物特征模板的相似度，能够提高生物特征识别系统对其他用户的攻击的防控性能，进而降低生物特征识别系统的误通过率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本申请的一个实施例的更新生物特征模板的方法的流程图。

图2是根据本申请的一个具体实施例的更新生物特征模板的方法的流程图。

图3是根据本申请一个实施例的电子设备的结构框图。

图4是根据本申请一个实施例的更新生物特征模板的装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1是根据本申请一个实施例的更新生物特征模板的方法100的流程图。图1的方法由更新生物特征模板的装置执行。应理解，本申请实施例的方案可适用于脸像模板的更新，即本申请实施例的方案可适用于人脸识别系统。当然也不排除将本申请实施例的方法应用于其他生物特征模板的更新，其他生物特征模板包括但不限于指纹模板。

如图1所示出的，在s102处，确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，第一生物特征图像集合包括至少一个第二用户的生物特征模板。

可以理解的是，第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度反应的是第一用户的生物特征模板与至少一个第二用户的生物特征模板整体的相似程度。

需要说明的是，生物特征模板是用户事先留存或注册的生物特征图像。当需要对用户进行身份认证时，采集用户的生物特征图像，并将采集到的生物特征图像与生物特征模板进行比对。如果比对通过，则身份认证通过，否则身份认证失败。

还需要说明的是，本申请实施例中的生物特征图像可以是直接采集到的用户的生物特征的图像，也可以是对采集到的生物特征的图像进行处理后获得的图像，上述的处理例如可以是去噪声处理。

可选地，在s102处，第一相似度为相似度分值或相似度等级。

可选地，作为一个实施例，生物特征模板库中存储有第一用户的生物特征模板和至少一个第二用户的生物特征模板，从生物特征模板库中获取第一用户的生物特征模板和至少一个第二用户的生物特征模板。

可选地，作为一个例子，根据至少一个第二用户的生物特征模板对应的权重和第三相似度确定第一相似度，第三相似度用于描述第二用户的生物特征模板与第一用户的生物特征模板之间的相似度。例如，假设第三相似度用相似度分值表征，且第三相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.8、0.6和0.3，对应的第三相似度分别为0.2、0.8和0.4，则将对应的权重与第三相似度的最大乘积确定为第一相似度，即将0.6和0.8的乘积0.48作为第一相似度。也可以将对应的权重与第三相似度的最小乘积确定为第一相似度，即将0.3和0.4的乘积0.12作为第一相似度。

可选地，作为另一个例子，将至少一个第二用户的生物特征模板对应的权重和第三相似度的乘积之和，确定为第一相似度。同样假设第三相似度用相似度分值表征，且第三相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.8、0.6和0.3，对应的第三相似度分别为0.2、0.8和0.4，则0.16、0.48和0.12的和0.76确定为第一相似度。

可选地，作为再一个例子，用至少一个第二用户的生物特征模板对应的权重和第三相似度的乘积组成的集合表征第一相似度。同样假设第三相似度用相似度分值表征，且第三相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.8、0.6和0.3，对应的第三相似度分别为0.2、0.8和0.4，则用0.16、0.48和0.12构成的集合表征第一相似度。

具体地，在一些实施例中，可以根据下列参数中的至少一种确定至少一个第二用户的生物特征模板对应的权重：至少一个第二用户所在的地理位置、至少一个第二用户与第一用户的社会关系的类型和至少一个第二用户与第一用户的社会关系的持续时间。

举例来说，可以根据第二用户所在的城市的经济发展程度确定第二用户的生物特征模板对应的权重，经济发展程度越高，则生物特征模板对应的权重越高。可以根据第二用户所在的地理位置与第一用户所在的地理位置之间的距离确定第二用户的生物特征模板对应的权重，距离越近生物特征模板对应的权重越高。可以根据第二用户与第一用户的社会关系的类型确定第二用户的生物特征模板对应的权重，例如，与第一用户具有债务关系的第二用户的生物特征模板比与第一用户具有普通聊天朋友关系的第二用户的生物特征模板对应的权重高。还可以根据第二用户与第一用户的社会关系的持续时间确定第二用户的生物特征模板对应的权重，持续时间越长的第二用户的生物特征模板对应的权重越高。

可选地，作为一个例子，可以通过获取用户关系网络数据，确定第一生物特征图像集合。这里的用户关系网络数据用于描述与第一用户具有社会关系的用户。获取到用户关系网络数据之后，根据用户关系网络数据确定至少一个第二用户，并获取至少一个第二用户的生物特征模板，例如从上文中所述的生物特征模板库中获取至少一个第二用户的生物特征模板，将至少一个第二用户的生物特征模板构成的集合确定为第一生物特征图像集合。

具体地，在一些实施例中，在根据用户关系网络数据确定至少一个第二用户时，将用户关系网络数据描述的所有与第一用户具有社会关系的用户中生物特征模板与第一用户的生物特征模板的相似度高于相似度阈值的用户确定为第二用户。

具体地，在另一些实施例中，通过用户的社交软件获取用户关系网络数据，或者通过用户的资金流动网络获取用户关系网络数据，或者通过用户共用wifi的网络环境获取用户关系网络数据。用户关系网络数据可以以用户对形式描述一个用户与另一个用户之间的社会关系。

需要说明的是，在本申请实施例中，一个用户与另一个用户具有社会关系可以是直接的社会关系，也可以是间接的社会关系。间接的社会关系指的是两个用户通过一个作为中间人的用户建立的社会关系。

在s104处，确定预备生物特征图像与第一生物特征图像集合之间的第二相似度，预备生物特征图像为已与第一用户的生物特征模板成功匹配的生物特征图像。

可以理解的是，预备生物特征图像与第一生物特征图像集合之间的第二相似度反应的是预备生物特征图像与至少一个第二用户的生物特征模板整体的相似程度。

需要说明的是，虽然上述实施例为了表述的方便，将步骤s104置于步骤s102之后，但是，根据实际情况，这两个步骤的执行顺序可以调换，即先确定预备生物特征图像与第一生物特征集合之间的第二相似度，再确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度。或者这两个步骤可以同时执行，即在确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度的同时确定预备生物特征图像与第一生物特征图像集合之间的第二相似度。

可以理解的是，预备生物特征图像可能是第一用户的生物特征图像，也可能不是第一用户的生物特征图像。

可选地，作为一个例子，根据至少一个第二用户的生物特征模板对应的权重和第四相似度确定第二相似度，第四相似度用于描述第二用户的生物特征模板与预备生物特征图像之间的相似度。例如，假设第四相似度用相似度分值表征，且第四相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.7、0.5和0.2，对应的第四相似度分别为0.8、0.5和0.9，则将对应的权重与第四相似度的最大乘积确定为第二相似度，即将0.7和0.8的乘积0.56作为第二相似度。也可以将对应的权重与第三相似度的最小乘积确定为第一相似度，即将0.2和0.9的乘积0.18作为第二相似度。

可选地，作为另一个例子，将至少一个第二用户的生物特征模板对应的权重和第四相似度的乘积之和，确定为第二相似度。同样假设第四相似度用相似度分值表征，且第四相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.7、0.5和0.2，对应的第四相似度分别为0.8、0.5和0.9，则0.56、0.25和0.18的和0.99确定为第二相似度。

可选地，作为再一个例子，用至少一个第二用户的生物特征模板对应的权重和第四相似度的乘积组成的集合表征第二相似度。同样假设第四相似度用相似度分值表征，且第四相似度的最大值为1，并假设有3个第二用户，这3个第二用户的生物特征模板对应的权重分别为0.7、0.5和0.2，对应的第四相似度分别为0.8、0.5和0.9，则用0.56、0.25和0.18组成的集合表征第二相似度。

可选地，作为另一个例子，获取第二生物特征图像集合，第二生物特征集合包括已与第一用户的生物特征图像模板成功匹配的多个生物特征图像，将这多个生物特征图像中与第一用户的生物特征模板的相似度最高的生物特征图像确定为预备生物特征图像。由此，能够降低使用其他用户的生物特征图像更新第一用户的生物特征模板的概率，提高生物特征识别系统对攻击的防控性能。

具体地，在一些实施例中，生物特征图像为面部图像，在第二生物特征图像集合中包括的已与第一生物特征模板成功匹配的生物特征图像的图像质量和承载的面部信息量满足预设标准且不包括预设面部表情，这里的预设面部表情可以是怪异表情，例如瞪眼的表情。由此，在使用预备生物特征图像更新第一用户的生物特征模板时，能够保证第一用户的更新后的生物特征模板具有较好的图像质量，并且承载足够的信息量，进而提高生物特征识别系统的误识别率。

在s106处，根据第一相似度和第二相似度，确定是否使用预备生物特征图像更新第一用户的生物特征模板。

可以理解的是，由于预备生物特征图像可能是第一用户的生物特征图像，也可能不是第一用户的生物特征图像。在s106处根据第一相似度和第二相似度确定是否使用预备生物特征图像更新第一用户的生物特征模板，能够降低在预备生物特征图像不是第一用户的生物特征图像时，使用预备生物特征图像更新第一用户的生物特征模板的可能性，从而提高生物特征识别系对攻击的防控性能。

可选地，在一些实施例中，在s106处，确定是否使用预备生物特征图像更新第一用户的生物特征模板具体包括：确定是否将第一用户的生物特征模板替换为预备生物特征图像。

具体地，在一些实施例中，若第一相似度高于第二相似度，说明第一用户的生物特征模板与第一生物特征图像集合相似度更高，如果不更新第一用户的生物特征模板，将会导致第二用户成功攻击生物特征识别系统的可能性升高，为了降低第二用户成功攻击生物特征识别系统的可能性，使用预备生物特征图像更新第一用户的生物特征模板，或者理解为将第一用户的生物特征模板替换为预备生物特征图像。

具体地，在另一些实施例中，若第一相似度低于或等于第二相似度，说明第一用户的生物特征模板与第一生物特征图像集合的相似度更低，如果使用预备生物特征图像更新第一用户的生物特征反而会导致第二用户成功攻击生物特征识别系统的可能性升高，为了降低第二用户成功攻击生物特征识别系统的可能性，不使用预备生物特征图像对第一用户的生物特征模板进行更新，或者理解为不将第一用户的生物特征模板替换为预备生物特征图像，即保持第一用户的生物特征模板不变。例如，在上文描述的具体例子中，第一相似度为0.76，第二相似度为0.99，说明预备生物特征图像与第一生物特征图像集合的相似度高于第一用户的生物特征模板与第一生物特征图像集合的相似度，如果使用预备生物特征图像更新第一用户的生物特征模板，将会使得第二用户更容易的对生物特征识别系统的进行攻击，因此不使用预备生物图像特征对第一用户的生物特征模板进行更新。

具体地，在再一些实施例中，可以通过多次逻辑判断的结果，确定是否使用预备生物特征图像更新第一用户的生物特征模板。仍然以上文中的具体例子为例，第一相似度用0.16、0.48和0.12组成的集合来表征，第二相似度用0.56、0.25和0.18组成的集合来表征，依次判断第一相似度和第二相似度的对应位置处的元素来确定第一相似度与第二相似度的高低，其中0.16小于0.56、0.48大于0.25、0.12小于0.18，则认为第一相似度小于第二相似度，不使用预备生物特征图像对第一用户的生物特征模板进行更新

在本申请实施例中，可选地，在s106之前，确定在第一用户的生物特征模板上一次被更新的时刻与当前时刻之间，已与第一用户的生物特征模板成功匹配的生物特征图像的数据大于或等于预设阈值；和/或，确定第一用户的生物特征模板上一次被更新的时刻与当前时刻之间的时间间隔大于或等于预设时间间隔。也就是说，在确定是否使用预备生物特征图像更新第一用户的生物特征模板时考虑时间因素。由此可以避免对第一用户的生物特征模板进行不必要的频繁更新带来的开销。

在上述所有实施例中，如果使用预备生物特征图像对第一用户的生物特征模板进行了更新，即将预备生物特征图像确定为第一用户的新的生物特征模板，则可以删除更新之前的第一用户的生物特征模板，并可以进一步删除生物特征模板库中除所述预备生物特征图像之外的存储时间在本次更新和上次更新之间的生物特征图片。

下面将结合一个具体的实施例描述根据本申请实施例的更新生物特征模板的方法。图2是根据本申请一个具体实施例的更新生物特征模板的方法200的流程图。图2中以生物特征为人的面部为例。可以理解的是，图2中示出的实施例仅仅是本申请的一个具体的实施例，并且图2中的编号并不对各个步骤的执行先后顺序构成限定。

如图2所示出的，在s202处，从底图库中取出目标用户的原底图。

在s204处，获取用户关系网络数据。

需要说明的是，在s204处获取用户关系网络数据的方法与方法100中相同，在此不再赘述。

在s206处，将目标用户的原底图与用户关系网络数据描述的部分或所有用户的底图进行比对，输出相似度分值。

可选地，在s206中，采用除相似度分值之外的其他衡量方式量化输出比对结果，这里其他衡量方式例如可以是相似度等级。

在s208处，选择与目标用户的原底图的相似度分值高于预设阈值的n个用户的底图构成高危攻击底图集。

需要说明的是，n的取值为大于或等于1的正整数。

在s210处，在用户刷脸时上传的图片中选择预备图片。

需要说明的是，用户刷脸时上传的图片指的是已经与目标用户的原底图成功匹配的脸部图片，这些图片中可能包括非目标用户的脸部图片。

可选地，在s210处，选择满足一定图片质量、人脸信息量满足一定标准、无怪异表情的图片作为预备图片。如果满足上述条件的图片有多张，则可以从这多张中选择与目标用户的原底图相似度最高的一张作为预备图片。

在s212处，计算预备图片与高危攻击底图之间的相似度分值，并计算目标用户的原底图与高危攻击底图之间的相似度分值。

可选地，预备图片与高危攻击底图之间的相似度分值记为：s_new_1，s_new_2，…，s_new_n。目标用户的原底图与高危攻击底图之间的相似度分值记为：s_base_1，s_base_2，…，s_base_n。

在s214处，计算预备图片与高危攻击底图之间的相似度分值与高危攻击底图的权重的乘积之和sum(w_n*s_new_n)，并计算目标用户的原底图与高危攻击底图之间的相似度分值与高危攻击底图的权重的乘积之和sum(w_n*s_base_n)。

在s214处，w_n用于表示第n个高危攻击底图的权重。

需要说明的是，方法200中确定高危攻击底图的权重的方法与方法100中确定第二用户的生物特征图像对应的权重的方法相同，在此不再赘述。

在s216处，判断sum(w_n*s_base_n)是否大于sum(w_n*s_new_n)。

可选地，作为一个例子，在s214中分别计算预备图片与高危攻击底图之间的相似度分值与高危攻击底图的权重的乘积w_n*s_new_n，并计算目标用户的原底图与高危攻击底图之间的相似度分值与高危攻击底图的权重的乘积w_n*s_base_n。相对应地，在s216中，将w_n*s_new_n与w_n*s_base_n依次进行对比，根据对比的结果判断是否使用预备图片更新目标用户的原底图。

例如，依次比较w_1*w_base_1与w_1*w_new_1的大小、w_2*w_base_2与w_2*w_new_2、…、w_n*w_base_n与w_n*w_new_n的大小，根据w_n*w_base_n中大于w_n*w_new_n的值的个数，判断是否使用预备图片更新目标用户的原底图。

在s218处，如果sum(w_n*s_base_n)大于sum(w_n*s_new_n)，则使用预备图片更新目标用户的原底图；如果sum(w_n*s_base_n)小于或等于sum(w_n*s_new_n)，则放弃对目标用户的原底图的更新。

具体地，在s218处，如果sum(w_n*s_base_n)大于sum(w_n*s_new_n)，则说明预备图片比目标用户的原底图与高危用户底图集的相似度要低，在使用预备图片更新目标用户的原底图使人脸识别系统更不容易被攻击。如果sum(w_n*s_base_n)小于或等于sum(w_n*s_new_n)，说明预备图片比目标用户的原底图与高危用户底图集的相似度要高，如果使用预备图片更新目标用户的原底图，将会导致人脸识别系统更容易被攻击，则放弃对目标用户原底图的更新。

以上结合图1和图2详细描述了根据本申请实施例的更新生物特征模板的方法。下面将结合图3详细描述根据本申请实施例的电子设备。参考图3，在硬件层面，电子设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成更新生物特征模板的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

上述如本申请图1所示实施例揭示的更新生物特征模板的装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1的方法，并实现更新生物特征模板的装置在图1所示实施例的功能，本申请实施例在此不再赘述。

当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例的方法，并具体用于执行以下方法：

确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

图4是本申请的一个实施例的更新生物特征模板的装置的结构示意图。请参考图4，在一种软件实施方式中，更新生物特征模板的装置400可包括：第一处理单元401和第二处理单元402，其中，

第一处理单元401，确定第一用户的生物特征模板与第一生物特征图像集合之间的第一相似度，所述第一生物特征图像集合包括至少一个第二用户的生物特征模板；

第一处理单元401，确定预备生物特征图像与所述第一生物特征图像集合之间的第二相似度，所述预备生物特征图像为已与所述第一用户的生物特征模板成功匹配的生物特征图像；

第二处理单元402，根据所述第一相似度和所述第二相似度，确定是否使用所述预备生物特征图像更新所述第一用户的生物特征模板。

根据本申请实施例的更新生物特征模板的装置，在判断是否使用预备生物特征图像对第一用户的生物特征模板进行更新时，考虑了预备生物特征图像和第一用户的生物特征模板分别与其他用户的生物特征模板的相似度，能够提高生物特征识别系统对其他用户的攻击的防控性能，进而降低生物特征识别系统的误通过率。

可选地，作为一个实施例，若所述第一相似度高于所述第二相似度，则第二处理单元402使用所述预备生物特征图像更新所述第一用户的生物特征模板；

若所述第一相似度低于或等于所述第二相似度，则第二处理单元402不使用所述预备生物特征图像对所述第一用户的生物特征模板进行更新。

可选地，作为一个实施例，第一处理单元402确定是否将所述第一用户的生物特征模板替换为所述预备生物特征图像。

可选地，作为一个实施例，第一处理单元401：

根据所述至少一个第二用户的生物特征模板对应的权重和第三相似度，确定所述第一相似度，第三相似度用于描述第二用户的生物特征模板与所述第一用户的生物特征模板之间的相似度；和/或，

根据所述至少一个第二用户的生物特征模板对应的权重和第四相似度，确定所述第二相似度，第四相似度用于描述第二用户的生物特征模板与所述预备生物特征图像之间的相似度。

可选地，作为一个实施例，第一处理单元401，将所述至少一个第二用户的生物特征模板对应的权重和第三相似度的乘积之和，确定为所述第一相似度。

可选地，作为一个实施例，第一处理单元401，将所述至少一个第二用户的生物特征模板对应的权重和第四相似度的乘积之和，确定为所述第二相似度。

可选地，作为一个实施例，第一处理单元401，根据下列参数中的至少一种确定所述至少一个第二用户的生物特征模板对应的权重：所述至少一个第二用户所在的地理位置、所述至少一个第二用户与第一用户的社会关系的类型和所述至少一个第二用户与第一用户的社会关系的持续时间。

可选地，作为一个实施例，所述至少一个第二用户的生物特征模板与所述第一用户的生物特征模板的相似度高于相似度阈值。

可选地，作为一个实施例，第一处理单元401，获取用户关系网络数据，所述用户关系网络数据用于描述与所述第一用户具有社会关系的用户，所述与所述第一用户具有社会关系的用户包括所述至少一个第二用户；

根据所述用户关系网络数据，确定所述至少一个第二用户，并将所述至少一个第二用户的生物特征模板构成的集合确定为所述第一生物特征图像集合。

可选地，作为一个实施例，第一处理单元401：

获取第二生物特征图像集合，所述第二生物特征图像集合包括已与所述第一用户的生物特征图像模板成功匹配的多个生物特征图像；

将所述第二生物特征图像集合中与所述第一用户的生物特征模板的相似度最高的生物特征图像确定为所述预备生物特征图像。

可选地，作为一个实施例，生物特征图像为面部图像，所述多个生物特征图像的图像质量和承载的面部信息量满足预设标准，且所述多个生物特征图像中不包括预设面部表情。

可选地，作为一个实施例，第二处理单元402：

确定在所述第一用户的生物特征模板上一次被更新的时刻与当前时刻之间，已与所述第一用户的生物特征模板成功匹配的生物特征图像的数量大于或等于预设数值；和/或，

确定所述第一用户的生物特征模板上一次被更新的时刻与当前时刻之间的时间间隔大于或等于预设时间间隔。

可选地，作为一个实施例，第一处理单元401，从存储的生物特征模板库中获取所述第一用户的生物特征模板。

更新生物特征模板的装置400还可执行图1所示实施例的方法，并实现更新生物特征模板的装置在图1所示实施例的功能，本申请实施例在此不再赘述。

总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。