CN107392184A - 人脸识别验证方法和装置 - Google Patents

人脸识别验证方法和装置 Download PDF

Info

Publication number
CN107392184A
CN107392184A CN201710750315.1A CN201710750315A CN107392184A CN 107392184 A CN107392184 A CN 107392184A CN 201710750315 A CN201710750315 A CN 201710750315A CN 107392184 A CN107392184 A CN 107392184A
Authority
CN
China
Prior art keywords
acquisition strategies
face
security
granularity
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710750315.1A
Other languages
English (en)
Inventor
张海平
周意保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201710750315.1A priority Critical patent/CN107392184A/zh
Publication of CN107392184A publication Critical patent/CN107392184A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种人脸识别验证方法和装置，其中，方法包括：当获知用户对当前应用场景的操作满足验证触发条件，则获取与应用场景对应的安全级别；根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配；判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，若判断获知匹配度满足目标匹配值，则确定用户验证通过。由此，根据应用场景的安全级别确定人脸识别的验证粒度，提高了人脸识别的灵活性，提高了在安全级别较低的应用场景中的验证效率。

Description

人脸识别验证方法和装置
技术领域
本发明涉及信息处理技术领域，尤其涉及一种人脸识别验证方法。
背景技术
随着智能手机等终端设备的兴起，用户对终端设备的安全性的要求也越来越高，为了满足用户的这种需求，在验证方式上也具有多样化。比如，可能是指纹、虹膜、眼纹、人脸识别等等多种验证方式。
其中，在使用人脸识别验证方式时，需要对人脸的大量特征点进行比对，计算量较大，识别效率不高。
发明内容
本发明提供一种人脸识别验证方法和装置，以解决现有技术中，人脸识别验证灵活度不高的技术问题。
本发明实施例提供一种人脸识别验证方法，包括以下步骤：当获知用户对当前应用场景的操作满足验证触发条件，则获取与所述应用场景对应的安全级别；根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配；判断匹配度是否满足与所述粒度采集策略和所述安全级别对应的目标匹配值，若判断获知匹配度满足所述目标匹配值，则确定所述用户验证通过。
本发明另一实施例提供一种人脸识别验证装置，包括：获取模块，用于在获知用户对当前应用场景的操作满足验证触发条件时，获取与所述应用场景对应的安全级别；匹配模块，用于根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配；验证模块，用于判断匹配度是否满足与所述粒度采集策略和所述安全级别对应的目标匹配值，在判断获知匹配度满足所述目标匹配值时，确定所述用户验证通过。
本发明又一实施例提供一种终端设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行本发明上述实施例所述的人脸识别验证方法。
本发明还一实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述实施例所述的人脸识别验证方法。
本发明实施例提供的技术方案可以包括以下有益效果：
当获知用户对当前应用场景的操作满足验证触发条件，则获取与应用场景对应的安全级别，根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配，判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，若判断获知匹配度满足目标匹配值，则确定用户验证通过。由此，根据应用场景的安全级别确定人脸识别的验证粒度，提高了在安全级别较低的应用场景中的验证效率。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的人脸识别验证方法的流程图；
图2是根据本发明另一个实施例的人脸识别验证方法的流程图；
图3是根据本发明又一个实施例的人脸识别验证方法的流程图；
图4是根据本发明一个实施例的人脸识别验证装置的结构示意图；
图5是根据本发明另一个实施例的人脸识别验证装置的结构示意图；
图6是根据本发明又一个实施例的人脸识别验证装置的结构示意图；以及
图7是本发明一个实施例的终端设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的人脸识别验证方法和装置。
图1是根据本发明一个实施例的人脸识别验证方法的流程图，如图1所示，该人脸识别验证方法包括：
步骤101，当获知用户对当前应用场景的操作满足验证触发条件，则获取与所述应用场景对应的安全级别。
可以理解，在实际应用中，用户在一些应用场景中，实施相应操作的时候，为了保护用户的信息安全等，需要对用户的合法性进行验证，比如，用户在打开支付类应用时，在打开用户网盘应用时，写入相关信息，下载应用程序等。
而不同的应用程序的安全级别的需求并不相同，比如支付类应的安全几倍相较于其他应用的安全级别的要求较高等。
具体地，当获知用户对当前应用场景的操作满足验证触发条件，比如打开需要验证用户合法性的应用时，则获取与对应用场景对应的安全级别，其中该安全级别与应用场景的对应关系可以是***标定的，也可以是用户根据个人需求标定的。
步骤102，根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配。
可以理解，安全级别不同，所需要验证的粒度不同，比如用户在使用支付应用的应用下，所需要的验证粒度，相比于用户在使用微博等社交应用的验证粒度较高。
因而，预先设置安全级别与对应的粒度采集策略的对应关系，进而，根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配。
其中，面部特征模板包括用户的面部可以包括用户面部特征的详细信息，该用户面部特征的详细信息可以以多种方式呈现，比如，可以是数据形式，该数据包括用户面部的像素色彩信息、坐标信息和深度信息等，可以是图像形式，可以是3D模型形式等，在此不作限制。
需要说明的是，在实际执行过程中，安全等级可以简单的分低等级和高等级，也可以细分多个等级，比如分为1-5五个等级等，为了使得本领域的技术人员能够更加清楚的了解，如何根据预设的与所安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配，下面以安全等级分为低安全等级和高安全等级两个等级进行举例。
具体而言，在本发明的一个实施例中，如图2所示，该步骤102包括：
步骤201，根据与低安全级别对应的粗粒度采集策略获取当前用户的部分关键面部特征。
可以理解，如果当前应用场景对应的安全等级是低安全等级，则仅仅需要对用户的人脸面部特征进行一些部分关键面部特征的识别即可，此时既能保证基本确保用户的合法性，又保证了识别效率。
步骤202，将部分关键面部特征与粗粒度采集策略对应的关键面部特征模板进行匹配。
具体地，将部分关键面部特征与粗粒度采集策略对应的关键面部特征模板进行匹配，如果根据匹配结果确定其匹配成功，则允许用户进行相关操作。
在本发明的一个实施例中，如图3所示，该步骤102包括：
步骤301，根据与低安全级别对应的粗粒度采集策略获取当前用户的部分面部图像。
可以理解，如果当前应用场景对应的安全等级是低安全等级，则仅仅需要对用户的人脸面部特征进行一些用户的部分面部图像的识别即可，此时既能保证基本确保用户的合法性，又保证了识别效率。
步骤302，对部分面部图像进行图像处理提取图像特征值。
举例而言，可以采用图像处理相关算法，对部分面部图像进行图像处理提取图像特征值。
步骤303，将图像特征值与粗粒度采集策略对应的部分面部图像特征模板进行匹配。
具体地，将图像特征值与粗粒度采集策略对应的关键面部特征模板进行匹配，如果根据匹配结果确定其匹配成功，则允许用户进行相关操作。
在本发明的一个实施例中，根据预设的与低安全级别对应的细粒度采集策略获取当前用户的全部面部特征，并将全部面部特征与细粒度采集策略对应的全部面部特征模板进行匹配，进而判断匹配度是否满足与细度采集策略和低安全级别对应的第一目标匹配值。
以及，
根据预设的与高安全级别对应的细粒度采集策略获取当前用户的全部面部特征，并将全部面部特征与细粒度采集策略对应的全部面部特征模板进行匹配，进而判断匹配度是否满足与细度采集策略和高安全级别对应的第二目标匹配值，其中，第二目标匹配值大于第一目标匹配值。
其中，用户的面部特征包含用户面部的像素颜色、像素坐标、像素深度信息等。
可以理解，在本实施例中，无论与应用场景对应的安全级别是低还是高，为了减少计算的难度，均提取用户的全部面部特征，仅仅通过匹配值的需求的高低来识别用户是否合法，针对安全等级较高的应用场景，设置的匹配值为较高的第二目标匹配值，比如是95％，此时由于设置的匹配值较高，保证了用户的面部细节，甚至是用户面部的虹膜部位都需要匹配成功，针对安全等级较低的应用场景，设置的匹配值为较低的第一目标匹配值，比如是80％。
在本发明的一个实施例中，根据预设的与低安全级别对应的细粒度采集策略获取当前用户的全部面部图像，并对全部面部图像进行图像处理提取图像特征值，将图像特征值与细粒度采集策略对应的全部面部图像特征模板进行匹配，进而判断匹配度是否满足与细度采集策略和低安全级别对应的第三目标匹配值。
以及，
根据预设的与高安全级别对应的细粒度采集策略获取当前用户的全部面部图像，并对全部面部图像进行图像处理提取图像特征值，将图像特征值与细粒度采集策略对应的全部面部图像特征模板进行匹配，进而判断匹配度是否满足与细度采集策略和高安全级别对应的第四目标匹配值，其中，第四目标匹配值大于第三目标匹配值。
可以理解，在本实施例中，无论与应用场景对应的安全级别是低还是高，为了减少计算的难度，均提取用户的全部面部图像，仅仅通过匹配值的需求的高低来识别用户是否合法，针对安全等级较高的应用场景，设置的匹配值为较高的第四目标匹配值，比如是95％，此时由于设置的匹配值较高，保证了用户的面部细节，甚至是用户面部的虹膜部位都需要匹配成功，针对安全等级较低的应用场景，设置的匹配值为较低的第三目标匹配值，比如是80％。
步骤103，判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，若判断获知匹配度满足目标匹配值，则确定用户验证通过。
具体地，在本发明的实施例中，针对粒度采集策略和安全级别设置对应的目标匹配值，其中，安全级别较低的应用场景，设置的目标匹配值较低，安全级别较高的应用场景，设置的目标匹配值较高，当然了，目标匹配值的高低与粒度采集策略也有关，这是由于不同的采集策略的精度和误差不同，精度越高误差越小的采集策略，所设置的目标匹配值越高。
进而，如果判断匹配度满足目标匹配值，则确定用户验证通过，允许用户进行相关操作，比如解锁屏幕，开启应用程序的相关功能等。
当然，在实际应用中，在进行支付验证、私密信息查看等场景中，为了提高安全性，还可以结合采用虹膜细特征进行验证，从而采用更多的虹膜特征点进行匹配，或者提高虹膜匹配的匹配率，进一步保证了用户合法性验证的准确度。
综上所述，本发明实施例的人脸识别验证方法，当获知用户对当前应用场景的操作满足验证触发条件，则获取与应用场景对应的安全级别，根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配，判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，若判断获知匹配度满足目标匹配值，则确定用户验证通过。由此，根据应用场景的安全级别确定人脸识别的验证粒度，提高了在安全级别较低的应用场景中的验证效率。
为了实现上述实施例，本发明还提出了一种人脸识别验证装置，图4是根据本发明一个实施例的人脸识别验证装置的结构示意图，如图4所示，该人脸识别验证装置包括：获取模块100、匹配模块200和验证模块300。
其中，获取模块100，用于在获知用户对当前应用场景的操作满足验证触发条件时，获取与应用场景对应的安全级别；
匹配模块200，用于根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配；
验证模块300，用于判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，在判断获知匹配度满足目标匹配值时，确定用户验证通过。
其中，在本发明的一个实施例中，如图5所示，匹配模块100包括第一获取单元110和第一匹配单元120。其中，第一获取单元110，用于根据与低安全级别对应的粗粒度采集策略获取当前用户的部分关键面部特征。
第一匹配单元120，用于将部分关键面部特征与粗粒度采集策略对应的关键面部特征模板进行匹配。
在本发明的一个实施例中，如图6所示，匹配模块100包括第二获取单元130、提取单元140和第二匹配单元150。
其中，第二获取单元130，用于根据与低安全级别对应的粗粒度采集策略获取当前用户的部分面部图像；
提取单元140，用于对部分面部图像进行图像处理提取图像特征值。
第二匹配单150元，用于将图像特征值与粗粒度采集策略对应的部分面部图像特征模板进行匹配。
需要说明的是，前述对人脸识别验证方法的解释说明，也适用于本发明实施例的人脸识别验证装置，本发明实施例中未公布的细节，在此不再赘述。
上述人脸识别验证装置中各个模块的划分仅用于举例说明，在其他实施例中，可将人脸识别验证装置按照需要划分为不同的模块，以完成上述人脸识别验证装置的全部或部分功能。
综上所述，本发明实施例的人脸识别验证装置，当获知用户对当前应用场景的操作满足验证触发条件，则获取与应用场景对应的安全级别，根据预设的与安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将面部特征信息与粒度采集策略对应的面部特征模板进行匹配，判断匹配度是否满足与粒度采集策略和安全级别对应的目标匹配值，若判断获知匹配度满足目标匹配值，则确定用户验证通过。由此，根据应用场景的安全级别确定人脸识别的验证粒度，提高了在安全级别较低的应用场景中的验证效率。
为了实现上述实施例，本发明还提出了一种计算机设备，图7是本发明一个实施例的终端设备的结构示意图。
如图7所示，终端设备包括：
存储器71、处理器72、及存储在存储器71上并可在处理器72上运行的计算机程序。
处理器72执行所述程序时实现上述实施例中提供的人脸识别验证方法。
进一步地，人脸识别验证装置还包括：
通信接口73，用于存储器71和处理器72之间的通信。
存储器71，用于存放可在处理器72上运行的计算机程序。
存储器71可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
处理器72，用于执行所述程序时实现上述实施例所述的人脸识别验证方法。
如果存储器71、处理器72和通信接口73独立实现，则通信接口73、存储器71和处理器72可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称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7中仅以一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选地，在具体实现时，如果存储器71、处理器72及通信接口73，集成在一块芯片上实现，则存储器71、处理器72及通信接口73可以通过内部接口完成相互间的通信。
处理器72可以是一个中央处理器(Central Processing Unit，简称CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
为了实现上述实施例，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所述的人脸识别验证方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种人脸识别验证方法，其特征在于，包括以下步骤：
当获知用户对当前应用场景的操作满足验证触发条件，则获取与所述应用场景对应的安全级别；
根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配；
判断匹配度是否满足与所述粒度采集策略和所述安全级别对应的目标匹配值，若判断获知匹配度满足所述目标匹配值，则确定所述用户验证通过。
2.如权利要求1所述的方法，其特征在于，所述根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配，包括：
根据与低安全级别对应的粗粒度采集策略获取当前用户的部分关键面部特征；
将所述部分关键面部特征与所述粗粒度采集策略对应的关键面部特征模板进行匹配。
3.如权利要求1所述的方法，其特征在于，所述根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配，包括：
根据与低安全级别对应的粗粒度采集策略获取当前用户的部分面部图像；
对所述部分面部图像进行图像处理提取图像特征值；
将所述图像特征值与所述粗粒度采集策略对应的部分面部图像特征模板进行匹配。
4.如权利要求1所述的方法，其特征在于，所述根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配，包括：
根据预设的与低安全级别对应的细粒度采集策略获取当前用户的全部面部特征，并将所述全部面部特征与所述细粒度采集策略对应的全部面部特征模板进行匹配，进而判断匹配度是否满足与所述细度采集策略和所述低安全级别对应的第一目标匹配值；
以及，
根据预设的与高安全级别对应的细粒度采集策略获取当前用户的全部面部特征，并将所述全部面部特征与所述细粒度采集策略对应的全部面部特征模板进行匹配，进而判断匹配度是否满足与所述细度采集策略和所述高安全级别对应的第二目标匹配值，其中，所述第二目标匹配值大于所述第一目标匹配值。
5.如权利要求1所述的方法，其特征在于，所述根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配，包括：
根据预设的与低安全级别对应的细粒度采集策略获取当前用户的全部面部图像，并对所述全部面部图像进行图像处理提取图像特征值，将所述图像特征值与所述细粒度采集策略对应的全部面部图像特征模板进行匹配，进而判断匹配度是否满足与所述细度采集策略和所述低安全级别对应的第三目标匹配值；
以及，
根据预设的与高安全级别对应的细粒度采集策略获取当前用户的全部面部图像，并对所述全部面部图像进行图像处理提取图像特征值，将所述图像特征值与所述细粒度采集策略对应的全部面部图像特征模板进行匹配，进而判断匹配度是否满足与所述细度采集策略和所述高安全级别对应的第四目标匹配值，其中，所述第四目标匹配值大于所述第三目标匹配值。
6.一种人脸识别验证装置，其特征在于，包括：
获取模块，用于在获知用户对当前应用场景的操作满足验证触发条件时，获取与所述应用场景对应的安全级别；
匹配模块，用于根据预设的与所述安全级别对应的粒度采集策略获取当前用户的面部特征信息，并将所述面部特征信息与所述粒度采集策略对应的面部特征模板进行匹配；
验证模块，用于判断匹配度是否满足与所述粒度采集策略和所述安全级别对应的目标匹配值，在判断获知匹配度满足所述目标匹配值时，确定所述用户验证通过。
7.如权利要求6所述的装置，其特征在于，所述匹配模块包括：
第一获取单元，用于根据与低安全级别对应的粗粒度采集策略获取当前用户的部分关键面部特征；
第一匹配单元，用于将所述部分关键面部特征与所述粗粒度采集策略对应的关键面部特征模板进行匹配。
8.如权利要求6所述的装置，其特征在于，所述匹配模块包括：
第二获取单元，用于根据与低安全级别对应的粗粒度采集策略获取当前用户的部分面部图像；
提取单元，用于对所述部分面部图像进行图像处理提取图像特征值；
第二匹配单元，用于将所述图像特征值与所述粗粒度采集策略对应的部分面部图像特征模板进行匹配。
9.一种终端设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如权利要求1-5任一项所述的人脸识别验证方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5任一项所述的人脸识别验证方法。
CN201710750315.1A 2017-08-28 2017-08-28 人脸识别验证方法和装置 Pending CN107392184A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710750315.1A CN107392184A (zh) 2017-08-28 2017-08-28 人脸识别验证方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710750315.1A CN107392184A (zh) 2017-08-28 2017-08-28 人脸识别验证方法和装置

Publications (1)

Publication Number Publication Date
CN107392184A true CN107392184A (zh) 2017-11-24

Family

ID=60347085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710750315.1A Pending CN107392184A (zh) 2017-08-28 2017-08-28 人脸识别验证方法和装置

Country Status (1)

Country Link
CN (1) CN107392184A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229420A (zh) * 2018-01-22 2018-06-29 维沃移动通信有限公司 一种人脸识别方法、移动终端
CN109147125A (zh) * 2018-06-26 2019-01-04 胡渐佳 智能门锁防盗方法和防盗智能门锁
CN109815853A (zh) * 2019-01-04 2019-05-28 深圳壹账通智能科技有限公司 活体检测方法、装置、计算机设备和存储介质
CN109993187A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种用于识别物体类别的建模方法、机器人及存储装置
CN110298667A (zh) * 2019-06-25 2019-10-01 北京百度网讯科技有限公司 基于人脸识别的支付处理方法、装置及存储介质
CN111104835A (zh) * 2019-01-07 2020-05-05 邓继红 基于人脸识别的数据验证方法
CN113744440A (zh) * 2021-09-03 2021-12-03 建信金融科技有限责任公司 一种基于场景的门禁准入方法、装置、介质和设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102801851A (zh) * 2011-05-27 2012-11-28 Lg电子株式会社 移动终端及其模式控制方法
CN103856636A (zh) * 2014-03-21 2014-06-11 中国联合网络通信集团有限公司 屏幕解锁方法、装置和移动终端
CN104036176A (zh) * 2014-07-03 2014-09-10 南昌欧菲生物识别技术有限公司 基于安全级别注册指纹特征点的方法、认证方法及终端设备
CN104077576A (zh) * 2014-07-03 2014-10-01 南昌欧菲生物识别技术有限公司 指纹识别方法及具有指纹识别功能的终端设备
CN105224924A (zh) * 2015-09-29 2016-01-06 小米科技有限责任公司 活体人脸识别方法和装置
CN105956431A (zh) * 2016-04-25 2016-09-21 维沃移动通信有限公司 一种应用保护处理方法和移动终端
CN106485118A (zh) * 2016-09-19 2017-03-08 信利光电股份有限公司 电子设备及其识别***、解密方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102801851A (zh) * 2011-05-27 2012-11-28 Lg电子株式会社 移动终端及其模式控制方法
CN103856636A (zh) * 2014-03-21 2014-06-11 中国联合网络通信集团有限公司 屏幕解锁方法、装置和移动终端
CN104036176A (zh) * 2014-07-03 2014-09-10 南昌欧菲生物识别技术有限公司 基于安全级别注册指纹特征点的方法、认证方法及终端设备
CN104077576A (zh) * 2014-07-03 2014-10-01 南昌欧菲生物识别技术有限公司 指纹识别方法及具有指纹识别功能的终端设备
CN105224924A (zh) * 2015-09-29 2016-01-06 小米科技有限责任公司 活体人脸识别方法和装置
CN105956431A (zh) * 2016-04-25 2016-09-21 维沃移动通信有限公司 一种应用保护处理方法和移动终端
CN106485118A (zh) * 2016-09-19 2017-03-08 信利光电股份有限公司 电子设备及其识别***、解密方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993187A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种用于识别物体类别的建模方法、机器人及存储装置
CN108229420A (zh) * 2018-01-22 2018-06-29 维沃移动通信有限公司 一种人脸识别方法、移动终端
CN109147125A (zh) * 2018-06-26 2019-01-04 胡渐佳 智能门锁防盗方法和防盗智能门锁
CN109815853A (zh) * 2019-01-04 2019-05-28 深圳壹账通智能科技有限公司 活体检测方法、装置、计算机设备和存储介质
CN111104835A (zh) * 2019-01-07 2020-05-05 邓继红 基于人脸识别的数据验证方法
CN110298667A (zh) * 2019-06-25 2019-10-01 北京百度网讯科技有限公司 基于人脸识别的支付处理方法、装置及存储介质
CN113744440A (zh) * 2021-09-03 2021-12-03 建信金融科技有限责任公司 一种基于场景的门禁准入方法、装置、介质和设备

Similar Documents

Publication Publication Date Title
CN107392184A (zh) 人脸识别验证方法和装置
CN109886697B (zh) 基于表情组别的操作确定方法、装置及电子设备
US7457442B2 (en) Authentication system by fingerprint
CN105447454B (zh) 指纹模板完善方法、装置和终端设备
CN106096539B (zh) 一种进行生物识别的方法及终端
CN108062673A (zh) 支付方法、终端设备及计算机可读存储介质
CN107657525A (zh) 一种贷款审批方法及服务器
CN108229419A (zh) 用于聚类图像的方法和装置
CN107145212A (zh) 终端解锁方法、装置及终端
CN106504104A (zh) 一种基于面部识别交友社交的方法
CN109871845A (zh) 证件图像提取方法及终端设备
CN113614731A (zh) 使用软生物特征的认证验证
CN107920070A (zh) 身份认证方法、服务器和***
CN112383554B (zh) 接口流量异常检测方法、装置、终端设备及存储介质
CN110135389A (zh) 人脸属性识别方法及装置
CN106940802A (zh) 用于使用生物测量学信息的认证的方法和设备
CN114090985A (zh) 区块链中用户操作权限的设置方法、装置和电子设备
CN110415113A (zh) 金融数据处理方法、装置、服务器及可读存储介质
CN108154070A (zh) 人脸识别方法及装置
CN110162950A (zh) 电子设备及其控制方法
CN111192150B (zh) 车辆出险代理业务的处理方法、装置、设备及存储介质
CN107742073A (zh) 信息展示方法、装置、计算机装置及计算机可读存储介质
CN110489434A (zh) 一种信息处理方法及相关设备
CN109508699A (zh) 老人座椅占用提醒***以及相应终端
CN108765691A (zh) 检测脱墨纸币的方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: OPPO Guangdong Mobile Communications Co., Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: Guangdong OPPO Mobile Communications Co., Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20171124

RJ01 Rejection of invention patent application after publication