CN105447433B - 一种注册身份的方法及装置 - Google Patents

Abstract

本申请公开了一种注册身份的方法及装置，用以解决现有技术注册的身份信息无法有效实现身份验证的问题。其中的方法包括：终端采集用户输入的笔迹信息；确定所述笔迹信息的复杂度；当所述复杂度满足预设条件时，将所述笔迹信息作为注册身份信息保存。本申请实现了用户输入的笔迹信息不会轻易被模仿攻击，以及防止用户输入的笔迹信息过于复杂出现拒真现象，而无法成功验证用户身份，从而造成的***资源浪费等问题。

Description

一种注册身份的方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种注册身份的方法及装置。

背景技术

随着计算机及互联网技术的发展，信息的传播与共享变得越来越便捷快速，与此同时也带来了信息安全的问题。为保障信息安全，各种信息安全保护技术应运而生，例如，身份验证技术，以及密钥保护技术等等。

其中，身份验证是保障***安全的关键环节，只有完成了身份验证，网络***才可能安全、高效地开放和共享各种网络资源、***资源以及信息资源。

目前的身份验证技术包括：静态口令认证技术、动态口令认证技术、生物特征认证技术以及基于磁卡/智能卡的认证技术等等。其中，生物特征认证技术是一种可信度高而又难以伪造的认证方式，也正在成为计算机领域所需要的身份验证技术中最简单且安全的技术。

在现有技术中，一种生物特征认证技术为：采集并记录用户通过触摸屏手写输入的笔迹，在进行身份验证时，将用户通过触摸屏手写输入的笔迹与记录的该用户的笔迹进行匹配，实现对用户身份进行验证。

上述通过采集的用户通过触摸屏手写输入的笔迹进行身份验证的方案，若采集的笔迹过于简单，则很容易被模仿，造成无法有效验证用户身份，给***安全带来隐患；若采集的笔迹过于复杂，则会出现拒真现象，造成***无法成功验证用户身份，若用户重复尝试执行验证，则势必会消耗过多***资源。

发明内容

本申请实施例提供一种注册身份的方法及装置，用以解决现有技术注册的身份信息无法有效实现身份验证的问题。

本申请实施例采用下述技术方案：

本申请实施例提供的一种注册身份的方法，包括：

终端采集用户输入的笔迹信息；

确定所述笔迹信息的复杂度；

当所述复杂度满足预设条件时，将所述笔迹信息作为注册身份信息保存。

本申请实施例还提供的一种注册身份的装置，包括：

笔迹信息采集单元，用于终端采集用户输入的笔迹信息；

复杂度确定单元，用于确定所述笔迹信息的复杂度；

复杂度判断单元，用于判断所述复杂度是否满足预设条件；

注册身份信息保存单元，用于在所述复杂度满足预设条件情况下，将所述笔迹信息作为注册身份信息保存。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本申请实施例提供的注册身份的方法及装置，终端采集用户输入的笔迹信息，并确定所述笔迹信息的复杂度，当所述复杂度满足预设条件时，将所述笔迹信息作为注册身份信息保存。通过上述方法，实现了用户输入的笔迹信息不会轻易被模仿攻击，以及防止用户输入的笔迹信息过于复杂出现拒真现象，而无法成功验证用户身份，从而造成的***资源浪费等问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的注册身份的过程；

图2A为本申请实施例终端提供的标准字实例图；

图2B为本申请实施例终端采集的用户输入的笔迹信息实例图；

图3为本申请实施例确定笔迹信息的复杂度的方法流程图；

图4为本申请实施例笔迹拐点实例图；

图5为本申请实施例识别a1处的拐点示意图；

图6为本申请实施例提供的注册身份的装置结构示意图。

具体实施方式

由于现有技术中，用户在注册身份时，终端采集用户输入的笔迹信息后，并未对采集的笔迹信息执行复杂度判断操作，直接将其作为用户的注册身份信息，导致用户输入的笔迹信息有可能过于简单而轻易被模仿，则根据该过于简单的笔迹信息进行用户身份验证时，会给***安全带来隐患；同时，用户输入的笔迹信息也有可能过于复杂，导致后续进行用户身份验证时出现拒真现象，从而无法成功验证用户身份，若用户重复尝试验证，则无疑会浪费***资源。

本申请实施例可以在用户进行身份注册时，对用户输入的笔迹信息进行复杂度判断，在判断用户输入的笔迹信息的复杂度满足预设条件时，才会作为用户的注册身份信息，若不满足预设条件，则可以提醒用户重新输入，直到输入的笔迹复杂度满足预设条件为止，从而有效避免现有技术中出现的笔迹过于简单以及笔迹过于复杂带来的安全问题，以及浪费***资源等问题。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

如图1中所示，为本申请实施例提供的注册身份的过程，具体包括以下步骤：

S101，终端采集用户输入的笔迹信息。

其中，所述终端可以为个人计算机(Personal Computer，PC)、手机、平板电脑，或其他具有手写输入功能的设备，也可以是连接有手写输入装置的设备。

用户输入的笔迹信息可以为用户手写输入的任意汉字、字符或图形的轨迹。手写输入包括：通过手写触控笔输入或通过手指输入。

S102，确定所述笔迹信息的复杂度。

具体的，终端可以对采集的笔迹信息进行尺寸归一化处理，得到待分析笔迹，再提取待分析笔迹的特征值，根据特征值确定该笔迹信息的复杂度。其中，本申请实施例中所述的特征值包括以下至少一个：

笔迹长度、笔迹的笔画数、笔迹拐点数、笔迹的拐点加权值、笔迹空间分布、笔迹梯度分布、笔迹面积。

S103，当所述复杂度满足预设条件时，将所述笔迹信息作为注册身份信息保存。

具体的，可预设一个复杂度范围，当通过步骤S102确定出的该笔迹信息的复杂度落入预设的复杂度范围时，则可判定该笔记信息的复杂度满足预设条件，从而将采集的笔迹信息作为注册身份信息保存。

若终端采集的用户输入的笔迹信息的复杂度不满足所述预设条件，则可以显示预设的提示信息，例如，提示用户输入的笔迹信息过于简单(或过于复杂)，请重新输入等等。

本申请实施例所述的注册身份的方法，通过对用户输入的笔迹信息进行复杂度判断，当所述复杂度满足预设条件时，将用户输入的笔迹信息作为用户的注册身份信息，保证了用户输入的笔迹信息不会轻易被模仿攻击，以及防止用户输入的笔迹信息过于复杂出现拒真现象，而无法成功验证用户身份，从而造成的***资源浪费等问题。

由于用户在初次输入笔迹信息时，有可能无法尽快确定要输入哪些字，以及无法确定哪些字的复杂度满足要求，从而延长笔迹录入时间，因此，本申请实施例在终端采集用户输入的笔迹信息时，可以采用如下方案解决该问题。

终端向用户提供标准字，其中，所述标准字由标准笔迹构成，构成所述标准字的标准笔迹的复杂度满足预设条件；之后采集所述用户根据所述标准字输入的笔迹信息。

其中，终端向用户提供标准字的方法可包括：终端根据用户属性信息向用户提供标准字；或随机从标准字库中选择提供给用户的标准字。终端可向用户提供至少一个标准字，该标准字包括但不限于：标准汉字、字符或图形。

具体的，根据用户属性信息向用户提供标准字，所述用户属性信息可以包括但不限于以下至少一个：用户IP地址所在的网段对应的地理位置、用户常用的搜索关键词、用户关注的内容等等。其中，终端根据用户IP地址所在的网段对应的地理位置提供标准字的方法可以为：用户IP地址所在网段对应的地理位置为北京，则可提供与北京相关的标准字，例如，北京为首都城市，则提供的标准字为首都的“首”字，或“京”字的同音字“经”，或“北”字的反义字“南”等等。终端根据用户常用的搜索关键词提供标准字的方法可以为：用户常用的搜索关键词为“外套”和“苹果”，其中“外”、“苹”、“果”的复杂度满足预设条件，则可将“外”、“苹”、“果”中的一个或几个作为标准字提供给用户。同样，终端根据用户关注的内容提供标准字的方法可以为：用户关注的内容包括“财经”，且“财”、“经”两个字的复杂度均满足预设条件，则可将“财”、“经”两个字作为标准字提供给用户，或提供与“财经”有关的复杂度满足预设条件的字，例如，“股”、“市”、“楼”、“价”等给用户。

由于不同用户的属性信息有区别，推荐给不同用户的标准字也会存在差异，不会造成对不同用户推荐完全相同的标准字的情况。

如图2A中所示的“李”字为终端提供给用户的标准字“李”，该标准字“李”为楷体，图2B中所示的“李”字为用户手写输入的“李”字的笔迹。

若随机从标准字库中选择提供给用户的标准字，则可预设一标准字库，该标准字库中保存的标准字的标准笔迹的复杂度均满足预设条件，终端可随机从标准字库中选择提供给用户的标准字。

进一步的，用户根据终端提供的标准字输入的笔迹信息时，可从终端提供的标准字中选择一个，之后按照用户的手写输入习惯输入该标准字，终端则将采集到的笔迹信息作为用户根据标准字输入的笔迹信息。另外，本申请并不限定用户必须从终端提供的标准字中选择要输入的笔迹信息，也就是，用户可以输入终端提供的标准字外的其他汉字、字符或图形。

在终端采集到用户输入的笔迹信息后，会对采集的笔迹信息的复杂度进行判断，以下介绍本申请实施例提供的判断笔迹信息复杂度的方法。

对于标准笔迹的复杂度的计算方法将在下文描述，同样该标准笔迹的复杂度满足的预设条件也将在下文介绍。

具体的，步骤S102中，终端确定采集到的笔迹信息的复杂度的方法可以采用如图3中所示的流程，包括如下子步骤：

子步骤30，对采集的所述笔迹信息进行尺寸归一化处理，得到待分析笔迹。

其中，对采集的笔迹信息进行尺寸归一化处理，可以消除笔迹的尺寸影响，具体的尺寸归一化处理方法可以包括：从笔迹在X轴方向的宽度值及在Y轴方向的高度值中选择其中的最大值作为一个长度单位，后续可基于该长度单位统计笔迹的相关特征值。例如，笔迹在X轴方向的宽度值为10mm，在Y轴方向的高度值为8mm，则将笔迹在X轴方向的宽度值作为一个长度单位，笔迹在Y轴方向的高度值可换算成0.8个长度单位。或者，将笔迹按照原比例缩放到统一的矩形区域内，并以该矩形区域的一个边长为长度单位，后续可基于该长度单位统计笔迹的相关特征值。

在用户输入笔迹时，会存在微弱的抖动，由于终端设备比较敏感，会识别出该抖动，具体表现为用户输入的笔迹存在微弱的波动。因此，本申请实施例可以对尺寸归一化处理后得到的待分析笔迹进行滤波处理，以在不改变笔迹总体走势的前提下，减小由于抖动产生的微弱的波动，进而减弱由于波动造成后续对笔迹的特征值的计算误差，例如，笔迹长度，笔迹拐点数，笔迹空间分布，以及笔迹梯度分布等特征值的计算误差。其中，可以采用均值滤波或高斯滤波来调整波动点的位置坐标，使其与相邻两点连线的偏差缩小以减小波动。

子步骤31，提取所述待分析笔迹的特征值；

子步骤32，根据所述特征值确定所述笔迹信息的复杂度。

其中，子步骤31中提取待分析笔迹的特征值，即，提取尺寸归一化以及滤波处理后的笔迹信息的特征值，提取的所述特征值包括以下至少一个：

笔迹长度、笔迹的笔画数、笔迹拐点数、笔迹的拐点加权值、笔迹空间分布、笔迹梯度分布、笔迹面积。

上述各特征值的定义及获取方式如下：

笔迹长度，即笔迹所有笔画长度之和。由于笔迹的每一笔画都可以认为是由多个点组成，因此，每一笔画的长度等于该笔画中所有相邻点距离之和，终端通过计算每一笔画中所有相邻点的距离之和，即可得到每一笔画的长度，再计算所有笔画长度之和即为笔迹长度。

笔迹的笔画数，即笔迹所有笔画之和；可以通过识别用户抬笔动作，及落笔动作来统计笔画数。终端在识别到用户手指(或手写笔)离开屏幕时即识别到用户抬笔动作，终端在识别到用户手指(或手写笔)开始接触屏幕时即识别到用户落笔动作。终端从识别到用户执行落笔动作到抬笔动作即为识别出一个笔画，将所有识别出的笔画的数量相加即得到笔迹的笔画数。

笔迹拐点数，即笔迹的笔势发生改变的次数；笔迹的笔势发生改变可通过如下方法获得：确定笔迹在X轴或Y轴的变化趋势发生改变，且变化趋势发生改变的笔迹处存在一个变化点分别与相邻两点的连线组成的夹角(该夹角为按照笔势方向组成的夹角)小于预设阈值，则确定该变化点即为一个拐点。例如，笔迹在X轴原来呈增长趋势，但在某变化点处，笔迹在X轴开始呈下降趋势，则笔势发生改变，此处可能出现拐点，再判断该变化点与相邻两点的连线组成夹角是否小于预设阈值，若小于预设阈值，则可确定该变化点即为一个拐点。所述预设值可以为160°或170°等等。

如图4中所示的用户输入的“李”字的笔迹信息，在该“李”字的笔迹信息中，所标识的a1、a2、a3及a4处均为出现拐点处，如图5中所示为识别图4中a1处的拐点示意图，其为图4的局部放大图，图5中笔势方向为由A点到B点，再到C点，笔势由A点到B点，在X轴的坐标呈增大趋势，在由B点到C点过程笔迹在X轴的坐标开始减小，则可确定笔势发生改变，继续判断B点与相邻的A点及C点的连线组成的夹角小于160°，则可确定B点即为一个拐点。其他拐点a2、a3及a4的识别方法同理，不再赘述。

笔迹的拐点加权值，即统计笔迹每一个笔画上的拐点数，根据每一个笔画上的拐点数确定该笔画的拐点加权值，笔迹所有笔画的拐点加权值之和即为笔迹的拐点加权值。其中，对于一个笔画来说，该笔画上的拐点数越多，则该笔画的拐点加权值越大。而且，笔画的拐点加权值Q(N)、笔画Q、以及笔画上的拐点数N的对应关系可以通过如下公式表示：

Q(N)≥Q(a)+Q(b)+Q(c)+Q(d)...+Q(n)，其中a+b+c+d...+n＝N。也即，在笔迹中的拐点数相同的情况下，存在拐点的笔画数越少，则该笔迹的拐点加权值越大。

例如，预设笔画包含的拐点数与笔画的拐点加权值的对应关系，该对应关系中：若一个笔画包含0个拐点，则可设定该笔画的拐点加权值为1，若笔画包含1个拐点，则可设定该笔画的拐点加权值为2，若笔画包含2个拐点，则可设定该笔画的拐点加权值为4，若笔画包含3个拐点，则可设定该笔画的拐点加权值为7等等。

笔迹空间分布，以笔迹在X轴方向的宽度值及在Y轴方向的高度值中的最大值作为边长，组成一个包围笔迹的方形，将该方形等分成n个方格，统计笔迹所占的方格数与总方格数n的比值，即为笔迹的空间分布，其中n为大于设定阈值的自然数，n取值越大，则笔迹空间分布统计值越准确。例如，将所述方形等分成100个方格，统计笔迹所占的方格数即得到笔迹与总方格数的百分比，该百分比即为笔迹的空间分布。

笔迹梯度分布，将0～2π的夹角划分为不同分区，确定每一笔画中相邻两点的连线与X轴的夹角所属的分区，并统计所有笔画中相邻两点的连线与X轴夹角所属的分区数之和即为笔迹梯度分布值。例如，将0～2π的夹角划分为8个分区，每π/4为一个分区，所采集的笔迹信息的第一笔画中所有相邻两点的连线与X轴的夹角均属于一个分区，即，第一分区(0～π/4)，第二笔画中所有相邻两点的连线与X轴夹角属于两个分区为：第二分区(π/4～π/2)及第四分区(3π/4～π)，第三笔画中所有相邻两点的连线与X轴夹角属于一个分区，即第一分区(0～π/4)，则该笔迹梯度分布值为1+2+1＝4。

笔迹面积，即，以笔迹在X轴方向的宽度值及在Y轴方向的高度值分别作为矩形的长和宽，组成一个包围笔迹的矩形，该矩形的面积即为笔迹面积。

通过子步骤31确定了待分析笔迹的各特征值，之后，则可根据各特征值确定笔迹信息的复杂度。本申请实施例中，复杂度包括第一复杂度判断值和第二复杂度判断值，其中，第一复杂度判断值为用于判断笔迹简单程度的判断值，第二复杂度判断值为用于判断笔迹复杂程度的判断值。具体的，子步骤32中根据所述特征值确定所述笔迹信息的复杂度，即确定所述笔迹信息的第一复杂度判断值及第二复杂度判断值，具体方法包括：

首先，确定各特征值与相应第一权值的第一乘积，以及确定各特征值与相应第二权值的第二乘积；

之后，将确定的各第一乘积相加得到的和值作为所述笔迹信息的第一复杂度判断值，以及将确定的各第二乘积相加得到的和值作为所所述笔迹信息的第二复杂度判断值。

其中，第一权值可以为简单度权值，每一特征值对应一简单度权值，各特征值与相应简单度权值相乘得到每一特征值的第一乘积，将每一特征值的第一乘积相加得到的和值作为所采集的笔迹信息的第一复杂度判断值，即，作为判断笔迹简单程度的判断值。

例如，每一特征值分别用f1，f2，f3，f4，f5，f6，f7表示，每一特征值对应的第一权值分别用ws1，ws2，ws3，ws4，ws5，ws6，ws7表示，则每一特征值的第一乘积可表示为：f1×ws1，f2×ws2，f3×ws3，f4×ws4，f5×ws5，f6×ws6，f7×ws7，各特征值的第一乘积相加得到的和值Score1可表示如下：

Score1＝f1×ws1+f2×ws2+f3×ws3+f4×ws4+f5×ws5+f6×ws6+f7×ws7。

第二权值可以为复杂度权值，每一特征值对应一复杂度权值，各特征值与相应复杂度权值相乘得到每一特征值的第二乘积，将每一特征值的第二乘积相加得到的和值作为所采集的笔迹信息的第二复杂度判断值，即，作为判断笔迹复杂度程度的判断值。

例如，每一特征值分别用f1，f2，f3，f4，f5，f6，f7表示，每一特征值对应的第一权值分别用wc1，wc2，wc3，wc4，wc5，wc6，wc7表示，则每一特征值的第一乘积可表示为：f1×wc1，f2×wc2，f3×wc3，f4×wc4，f5×wc5，f6×wc6，f7×wc7，各特征值的第一乘积相加得到的和值Score2可表示如下：

Score2＝f1×wc1+f2×wc2+f3×wc3+f4×wc4+f5×wc5+f6×wc6+f7×wc7。

上述Score1及Score2即为根据特征值确定的所述笔迹信息复杂度的第一复杂度判断值以及第二复杂度判断值。

需要说明的是，上述第一复杂度判断值以及第二复杂度判断值的计算过程均是同时提取七个特征值的情况，实际应用中可以只提取七个特征值中任意一个或多个来计算第一复杂度判断值以及第二复杂度判断值。

在依照步骤S102的方法确定所采集的笔迹信息的复杂度后，可判断该复杂度是否满足预设条件，上述步骤S103中，确定所述复杂度满足预设条件的方法具体包括：

当确定所述第一复杂度判断值以及第二复杂度判断值落入预设范围时，则确定所采集的笔迹信息的复杂度满足预设条件。

由于第一复杂度判断值Score1是用于判断笔迹简单程度的判断值，针对该第一复杂度判断值可预设一第一阈值τ1，该第一阈值τ1即为判断笔迹简单程度的阈值，τ1取值可以为0.5。为方便判断，终端可将第一复杂度判断值进行归一化处理，使归一化后的第一复杂度判断值在0～1之间。具体的，终端可计算f(Score1)值，f可以为sigmoid函数，之后判断f(Score1)是否小于第一阈值τ1，若f(Score1)＜τ1，则可确定所采集的笔迹为简单字，不满足预设条件。

由于第二复杂度判断值Score2是用于判断笔迹复杂程度的判断值，针对该第二复杂度判断值可预设一第二阈值τ2，该第二阈值τ2即为判断笔迹复杂程度的阈值，τ2取值可以为0.5。同样，终端将该第二复杂度判断值进行归一化处理，使归一化处理后的第二复杂度判断值在0～1之间，即，计算f(Score2)值，并判断f(Score2)值是否大于等于第二阈值τ2，若f(Score2)≥τ2，则可确定所采集的笔迹为复杂字，不满足预设条件。

具体的，所述第一复杂度判断值Score1以及第二复杂度判断值Score2落入预设范围，即，同时满足f(Score1)≥τ1以及f(Score2)＜τ2。

另外，针对步骤S101中提供给用户的标准字的标准笔迹，其复杂度同样需要满足上述条件，即，根据标准笔迹计算获得的第一复杂度判断值在经过sigmoid函数计算后大于等于第一阈值，第二复杂度判断值在经过sigmoid函数计算后小于第二阈值。其中，提及的标准笔迹的复杂度的计算方法与所采集的笔迹信息的复杂度计算方法相同，即，直接获取(标准笔迹不需执行尺寸归一化以及滤波处理)标准笔迹的各特征值，根据获取的各特征值确定标准笔迹的复杂度。由于向用户提供的标准字的标准笔迹的复杂度满足预定条件，而用户根据该标准字输入的笔迹信息的复杂度会在以该标准笔迹的复杂度为中心的邻域范围内上下浮动，因此用户根据该标准字输入的笔迹信息的复杂度很容易满足预设条件。

在根据上述方法确定所采集的笔迹信息的复杂度满足上述预设条件的情况下，将所采集的笔迹信息作为注册身份信息保存，后续可根据该保存的注册身份信息验证用户身份。

另外，本申请提供的上述注册身份的方法可以由终端执行，也可以由终端上安装的软件执行。

以上为本申请实施例提供的注册身份的方法，基于同样的思路，本申请实施例还提供一种注册身份的装置，如图6中所示，为本申请实施例提供的注册身份的装置结构示意图，所述装置具体包括：笔迹信息采集单元600、复杂度确定单元610、复杂度判断单元620及注册身份信息保存单元630。

其中，笔迹信息采集单元600，主要用于终端采集用户输入的笔迹信息。

具体的，所述笔迹信息采集单元600可包括：

提供子单元601，用于终端向用户提供标准字，其中，所述标准字由标准笔迹构成，构成所述标准字的标准笔迹的复杂度满足预设条件。

采集子单元602，用于采集所述用户根据所述标准字输入的笔迹信息。

其中，复杂度确定单元610，主要用于确定所述笔迹信息的复杂度。

该所述复杂度确定单元610可包括：

处理子单元611，用于对采集的所述笔迹信息进行尺寸归一化处理，得到待分析笔迹。

提取子单元612，用于提取所述待分析笔迹的特征值；所述特征值包括以下至少一个：

笔迹长度、笔迹的笔画数、笔迹拐点数、笔迹的拐点加权值、笔迹空间分布、笔迹梯度分布、笔迹面积。

确定子单元613，用于根据所述特征值确定所述笔迹信息的复杂度。该确定子单元613具体用于：

确定各特征值与相应第一权值的第一乘积，以及确定各特征值与相应第二权值的第二乘积。

将确定的各第一乘积相加得到的和值作为所述笔迹信息的第一复杂度判断值Score1，以及将确定的各第二乘积相加得到的和值作为所述笔迹信息的第二复杂度判断值Score2。

其中，复杂度判断单元620，用于判断所述复杂度是否满足预设条件；该复杂度判断单元620具体用于判断所述第一复杂度判断值Score1以及第二复杂度判断值Score2是否落入预设范围，即，同时满足f(Score1)≥τ1以及f(Score2)＜τ2。

其中，注册身份信息保存单元630，主要用于在所述复杂度判断单元620判断所述复杂度满足预设条件情况下，将所述笔迹信息作为注册身份信息保存。

综上所述，本申请实施例提供的注册身份的方法及装置，终端采集用户输入的笔迹信息，并确定所述笔迹信息的复杂度，当所述复杂度满足预设条件时，将所述笔迹信息作为注册身份信息保存。通过上述方法，实现了用户输入的笔迹信息不会轻易被模仿攻击，以及防止用户输入的笔迹信息过于复杂出现拒真现象，而无法成功验证用户身份，从而造成的***资源浪费等问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

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(transitory media)，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。

本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (8)

1.一种注册身份的方法，其特征在于，包括：

终端采集用户输入的笔迹信息，其中，所述笔迹信息为所述用户手写输入的任意汉字、字符或图形的轨迹；

根据所述笔迹信息对应的特征值，确定所述笔迹信息的复杂度，其中，所述笔迹信息的复杂度包括第一复杂度判断值和第二复杂度判断值，所述第一复杂度判断值为根据所述特征值和所述特征值对应的第一权值确定的判断笔迹简单程度的判断值，所述第二复杂度判断值为根据所述特征值和所述特征值对应的第二权值确定的判断笔迹复杂度程度的判断值，所述笔迹信息对应的特征值包括笔迹长度、笔迹的笔画数、笔迹拐点数、笔迹的拐点加权值、笔迹空间分布、笔迹梯度分布或笔迹面积；

当确定所述第一复杂度判断值以及第二复杂度判断值落入预设范围时，则确定所采集的笔迹信息的复杂度满足预设条件；

当所述复杂度满足所述预设条件时，将所述笔迹信息作为注册身份信息保存。

2.如权利要求1所述的方法，其特征在于，终端采集用户根据标准字输入的笔迹信息，具体包括：

终端向用户提供标准字，其中，所述标准字由标准笔迹构成，构成所述标准字的标准笔迹的复杂度满足预设条件；

采集所述用户根据所述标准字输入的笔迹信息。

3.如权利要求1所述的方法，其特征在于，确定所述笔迹信息的复杂度，具体包括：

对采集的所述笔迹信息进行尺寸归一化处理，得到待分析笔迹；

提取所述待分析笔迹的特征值；

根据所述特征值确定所述笔迹信息的复杂度。

4.如权利要求3所述的方法，其特征在于，根据所述特征值确定所述笔迹信息的复杂度，具体包括：

确定各特征值与相应第一权值的第一乘积，以及确定各特征值与相应第二权值的第二乘积；

将确定的各第一乘积相加得到的和值作为所述笔迹信息的第一复杂度判断值，以及将确定的各第二乘积相加得到的和值作为所述笔迹信息的第二复杂度判断值。

5.一种注册身份的装置，其特征在于，包括：

笔迹信息采集单元，用于终端采集用户输入的笔迹信息，其中，所述笔迹信息为所述用户手写输入的任意汉字、字符或图形的轨迹；

复杂度确定单元，用于根据所述笔迹信息对应的特征值，确定所述笔迹信息的复杂度，其中，所述笔迹信息的复杂度包括第一复杂度判断值和第二复杂度判断值，所述第一复杂度判断值为根据所述特征值和所述特征值对应的第一权值确定的判断笔迹简单程度的判断值，所述第二复杂度判断值为根据所述特征值和所述特征值对应的第二权值确定的判断笔迹复杂度程度的判断值，所述笔迹信息对应的特征值包括笔迹长度、笔迹的笔画数、笔迹拐点数、笔迹的拐点加权值、笔迹空间分布、笔迹梯度分布或笔迹面积；

复杂度判断单元，用于当确定所述第一复杂度判断值以及第二复杂度判断值落入预设范围时，则确定所采集的笔迹信息的复杂度满足预设条件；

注册身份信息保存单元，用于在所述复杂度满足所述预设条件情况下，将所述笔迹信息作为注册身份信息保存。

6.如权利要求5所述的装置，其特征在于，所述笔迹信息采集单元包括：

提供子单元，用于终端向用户提供标准字，其中，所述标准字由标准笔迹构成，构成所述标准字的标准笔迹的复杂度满足预设条件；

采集子单元，用于采集所述用户根据所述标准字输入的笔迹信息。

7.如权利要求5所述的装置，其特征在于，所述复杂度确定单元包括：

处理子单元，用于对采集的所述笔迹信息进行尺寸归一化处理，得到待分析笔迹；

提取子单元，用于提取所述待分析笔迹的特征值；

确定子单元，用于根据所述特征值确定所述笔迹信息的复杂度。

8.如权利要求7所述的装置，其特征在于，所述确定子单元，具体用于：

确定各特征值与相应第一权值的第一乘积，以及确定各特征值与相应第二权值的第二乘积；并

将确定的各第一乘积相加得到的和值作为所述笔迹信息的第一复杂度判断值，以及将确定的各第二乘积相加得到的和值作为所述笔迹信息的第二复杂度判断值。

Images