用户的相机指纹组；
[0129]计算单元25，根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度；
[0130]确定单元26，当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。
[0131 ] 在一个实施例中，所述计算单元25包括:
[0132]计算子单元，根据两个所述网络用户的相机指纹组，计算两个所述网络用户的相机指纹之间的相关系数；
[0133]选择子单元，选择数值最大的所述相关系数，作为两个所述网络用户之间的用户相关度。
[0134]在一个实施例中，所述计算单元25包括:
[0135]计算子单元，根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的相机指纹特征之间的相关系数；
[0136]选择子单元，选择数值最大的所述相关系数，作为两个所述网络用户之间的用户相关度。
[0137]在一个实施例中，所述提取单元21包括:
[0138]去噪子单元，对所述网络用户的原始图像进行去噪处理，得到无噪图像；
[0139]做差子单元，将所述无噪图像与所述原始图像做差，得到所述原始图像的噪声残差，将所述原始图像的噪声残差作为所述原始图像的噪声残差。
[0140]本领域普通技术人员可以理解:附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
[0141]通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0142]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，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0143]以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
【主权项】
1.一种基于相机指纹特征的社交网络用户的识别方法，其特征在于，包括: 获取至少两个网络用户的原始图像； 提取各个所述网络用户的原始图像的噪声模式； 按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类；根据所述网络用户的聚类后的各类原始图像的噪声模式，估计得到所述各类原始图像的相机指纹，并组合作为所述网络用户的相机指纹组； 根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度；当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。2.根据权利要求1所述的方法，其特征在于，所述根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度的步骤包括: 根据两个所述网络用户的相机指纹组，计算两个所述网络用户的相机指纹特征之间的相关系数； 选择数值最大的所述相关系数，作为两个所述网络用户之间的用户相关度。3.根据权利要求2所述的方法，其特征在于，所述根据两个所述网络用户的相机指纹组，计算两个所述网络用户的相机指纹特征之间的相关系数的步骤包括: 根据两个所述网络用户的相机指纹组的峰值能量相关度，计算两个所述网络用户的相机指纹特征之间的相关系数；或者 根据两个所述网络用户的相机指纹组的相关性，计算两个所述网络用户的相机指纹特征之间的相关系数。4.根据权利要求1所述的方法，其特征在于，所述提取各个所述网络用户的原始图像的噪声模式的步骤包括: 步骤Al，对所述网络用户的原始图像进行去噪处理，得到无噪图像； 步骤A2，将所述无噪图像与所述原始图像做差，得到所述原始图像的噪声残差，将所述原始图像的噪声残差作为所述原始图像的噪声模式。5.根据权利要求1所述的方法，其特征在于，所述提取各个所述网络用户的原始图像的噪声模式的步骤包括:: 步骤A0，将所述网络用户的原始图像处理成为相同大小； 步骤Al，对处理成相同大小的图像进行去噪处理，得到无噪图像； 步骤A2，将所述无噪图像与处理后的相同大小的所述图像做差，得到所述原始图像的噪声残差，将所述原始图像的噪声残差作为所述原始图像的噪声模式。6.根据权利要求1所述的方法，其特征在于，所述按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类的步骤包括: 步骤一，获取所述网络用户的所有原始图像，作为当前原始图像组； 步骤二，计算所述当前原始图像组中的所有原始图像间的噪声模式的两两相关度；步骤三，选择出相关度最大的一对原始图像，将选择出的所述一对图像划分到当前类；根据所述当前类中的所有原始图像，估计所述当前类的相机指纹特征； 步骤四，依次获取一所述网络用户的所有原始图像中的除所述当前类中的原始图像外的一原始图像作为当前原始图像；计算所述当前原始图像的噪声模式与所述当前类的相机指纹特征之间的相关系数； 步骤五，当所述当前原始图像的噪声模式与所述当前类的相机指纹特征之间的相关系数大于第二阈值时，将所述当前原始图像加入所述当前类，跳到所述步骤四，直至完成所述网络用户的所有原始图像的分类； 步骤六，当所述当前原始图像的噪声模式与所述当前类的相机指纹特征之间的相关系数小于或者等于所述第二阈值时，将所述当前类中的图像设置为已分类，将所述所有原始图像中除已分类的原始图像外的原始图像组成当前原始图像组，执行所述步骤二，直至完成所述网络用户的所有原始图像的分类。7.—种基于相机指纹特征的社交网络用户的识别系统，其特征在于，包括: 获取单元，获取至少两个网络用户的原始图像； 提取单元，提取各个所述网络用户的原始图像的噪声模式； 聚类单元，按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类； 估计单元，根据所述网络用户的聚类后的各类原始图像的噪声模式，估计得到所述各类原始图像的相机指纹，并组合作为所述网络用户的相机指纹组； 计算单元，根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度； 确定单元，当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。8.根据权利要求7所述的系统，其特征在于，所述计算单元包括: 计算子单元，根据两个所述网络用户的相机指纹组，计算两个所述网络用户的相机指纹特征之间的相关系数； 选择子单元，选择数值最大的所述相关系数，作为两个所述网络用户之间的用户相关度。9.根据权利要求7所述的系统，其特征在于，所述计算单元包括: 计算子单元，根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的相机指纹特征之间的相关系数； 选择子单元，选择数值最大的所述相关系数，作为两个所述网络用户之间的用户相关度。10.根据权利要求7所述的系统，其特征在于，所述提取单元包括: 去噪子单元，对所述网络用户的原始图像进行去噪处理，得到无噪图像； 做差子单元，将所述无噪图像与所述原始图像做差，得到所述原始图像的噪声残差，将所述原始图像的噪声残差作为所述原始图像的噪声模式。
【专利摘要】本发明实施例提供了一种基于相机指纹特征的社交网络用户的识别方法和系统。所述基于相机指纹特征的社交网络用户的识别方法，包括：获取至少两个网络用户的原始图像；提取各个所述网络用户的原始图像的噪声模式；按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类；根据所述网络用户的聚类后的各类原始图像的噪声模式，估计得到所述各类的相机指纹，并组合作为所述用户的相机指纹组；根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度；当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。本发明能够通过相机指纹特征对网络用户进行识别。
【IPC分类】G06Q50/00, G06K9/62
【公开号】CN105303449
【申请号】CN201510756440
【发明人】韦世奎, 蒋翔, 赵瑞珍, 赵耀
【申请人】北京交通大学
【公开日】2016年2月3日
【申请日】2015年11月9日