CN108595927B - 身份认证、解锁及支付方法、装置、存储介质、产品和设备 - Google Patents
身份认证、解锁及支付方法、装置、存储介质、产品和设备 Download PDFInfo
- Publication number
- CN108595927B CN108595927B CN201810301607.1A CN201810301607A CN108595927B CN 108595927 B CN108595927 B CN 108595927B CN 201810301607 A CN201810301607 A CN 201810301607A CN 108595927 B CN108595927 B CN 108595927B
- Authority
- CN
- China
- Prior art keywords
- data
- feature data
- characteristic data
- conversion
- sample
- 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.)
- Active
Links
Classifications
-
- 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
-
- 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
- G06F21/36—User authentication by graphic or iconic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- 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
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例提供一种身份认证、解锁及支付方法、装置、存储介质、产品和设备,涉及数据处理领域。其中,身份认证方法包括:确定第一用户图像的第一特征数据;对所述第一特征数据进行量化处理,获得第二特征数据;基于所述第二特征数据,得到身份认证结果。通过本发明实施例,在身份认证的过程中无需对特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了设备计算资源并提升了身份认证的效率,从而优化了用户体验。
Description
技术领域
本发明实施例涉及数据处理领域,尤其涉及一种身份认证方法、终端设备的解锁方法、支付方法、装置、存储介质、程序产品和电子设备。
背景技术
随着公共安全问题受到社会越来越多的关注,人脸识别技术的研究受到了学术界、企业界和政府的高度重视。在人脸识别技术中,一般使用深度学习的方法从人脸图像中提取人脸特征。
然而,为了保证用户私密信息的安全性,电子设备中进行信息传递时需要对人脸特征进行加密和解密的操作,因而会消耗大量的时间和资源,影响用户体验。
发明内容
本发明实施例的目的在于,提供一种身份认证的技术方案、终端设备解锁的技术方案以及支付的技术方案。
根据本发明实施例的第一方面,提供了一种身份认证方法。所述方法包括:确定第一用户图像的第一特征数据;对所述第一特征数据进行量化处理,获得第二特征数据;基于所述第二特征数据,得到身份认证结果。
可选地,所述对所述第一特征数据进行量化处理,获得第二特征数据,包括:利用符号函数对所述第一特征数据进行量化处理,获得所述第二特征数据。
可选地,在所述对所述第一特征数据进行量化处理之前,所述方法还包括:利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据;所述对所述第一特征数据进行量化处理,获得第二特征数据,包括:对所述转换数据进行量化处理,获得所述第二特征数据。
可选地,所述利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据,包括:将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。
可选地,所述利用转换参数,对所述第一特征数据进行升维转换处理之前,所述方法还包括:对所述转换参数进行初始化;基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止。
可选地,所述对所述转换参数进行初始化,包括:通过高斯随机函数,对所述转换参数进行初始化。
可选地,所述基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,包括:基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
可选地,所述至少一个样本特征数据具体为第一样本特征矩阵,所述至少一个量化后的样本特征数据具体为第二样本特征矩阵;所述基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数,包括:对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。
可选地,所述基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵,包括:对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
可选地,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。
可选地,所述转换参数包括转换矩阵,所述转换矩阵的列数为行数的整数倍。
可选地,所述基于所述第二特征数据,得到身份认证结果,包括:基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果。
可选地,在所述基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果之前,所述方法还包括:从存储器中获取所述预设的特征数据,所述预设的特征数据为二进制数值序列。
可选地,所述方法还包括:若所述身份认证结果为通过,解除对终端设备的锁定。
可选地,所述方法还包括:若所述身份认证结果为通过,向服务器发送支付请求或响应支付请求。
可选地,所述基于所述第二特征数据,得到身份认证结果,包括:获取第二用户图像的第三特征数据;基于所述第三特征数据与所述第二特征数据的匹配结果,得到所述第二用户图像的身份认证结果。
可选地,所述方法还包括:将所述第二特征数据存储到特征模板库。
可选地,所述确定第一用户图像的第一特征数据,包括:获取所述第一用户图像;对所述第一用户图像进行特征提取处理,获得所述第一用户图像的第一特征数据。
可选地,所述第二特征数据包含二进制数值序列。
可选地,所述第二特征数据的维度大于所述第一特征数据的维度。
可选地,所述第一用户图像具体为用户的人脸图像。
根据本发明实施例的第二方面,提供了一种终端设备的解锁方法。所述方法包括:获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。
可选地,所述获取人脸图像,包括:响应于用户的解锁指示,获取人脸图像。
可选地,所述对所述人脸图像进行处理,获得整型人脸特征数据,包括:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述对所述人脸图像进行处理,获得整型人脸特征数据之前,还包括:确定所述人脸图像是否满足预设图像要求;所述对所述人脸图像进行处理,获得整型人脸特征数据,包括:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
可选地,所述基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定,包括:基于所述整型人脸特征数据与预设人脸特征数据是否匹配,确定是否解除对所述终端设备的锁定,其中,所述预设人脸特征数据为整型数据。
根据本发明实施例的第三方面,提供了一种支付方法。所述方法包括:获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求。
可选地,所述对所述人脸图像进行处理,获得整型人脸特征数据,包括:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述对所述人脸图像进行处理,获得整型人脸特征数据之前,还包括:确定所述人脸图像是否满足预设图像要求;所述对所述人脸图像进行处理,获得整型人脸特征数据,包括:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
根据本发明实施例的第四方面,提供了一种身份认证装置。所述装置包括:第一确定模块,用于确定第一用户图像的第一特征数据;量化模块,用于对所述第一特征数据进行量化处理,获得第二特征数据;身份认证模块,用于基于所述第二特征数据,得到身份认证结果。
可选地,所述量化模块,具体用于:利用符号函数对所述第一特征数据进行量化处理,获得所述第二特征数据。
可选地,在所述量化模块之前,所述装置还包括:转换模块,用于利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据;所述量化模块,具体用于:对所述转换数据进行量化处理,获得所述第二特征数据。
可选地,所述转换模块,具体用于:将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。
可选地,在所述转换模块之前,所述装置还包括:初始化模块,用于对所述转换参数进行初始化;迭代更新模块,用于基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止。
可选地,所述初始化模块,具体用于:通过高斯随机函数,对所述转换参数进行初始化。
可选地,所述迭代更新模块,包括:转换子模块,用于基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;量化子模块,用于对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;更新子模块,用于基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
可选地,所述至少一个样本特征数据具体为第一样本特征矩阵,所述至少一个量化后的样本特征数据具体为第二样本特征矩阵;所述更新子模块,包括:转置单元,用于对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;相乘单元,用于将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;分解单元,用于对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;更新单元,用于基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。
可选地,所述更新单元,具体用于:对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
可选地,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。
可选地,所述转换参数包括转换矩阵,所述转换矩阵的列数为行数的整数倍。
可选地,所述身份认证模块,具体用于:基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果。
可选地,在所述身份认证模块之前,所述装置还包括:第一获取模块,用于从存储器中获取所述预设的特征数据,所述预设的特征数据为二进制数值序列。
可选地,所述装置还包括:第一解除模块,用于若所述身份认证结果为通过,解除对终端设备的锁定。
可选地,所述装置还包括:第一支付模块,用于若所述身份认证结果为通过,向服务器发送支付请求或响应支付请求。
可选地,所述身份认证模块,具体用于:获取第二用户图像的第三特征数据;基于所述第三特征数据与所述第二特征数据的匹配结果,得到所述第二用户图像的身份认证结果。
可选地,所述装置还包括:存储模块,用于将所述第二特征数据存储到特征模板库。
可选地,所述第一确定模块,具体用于:获取所述第一用户图像;对所述第一用户图像进行特征提取处理,获得所述第一用户图像的第一特征数据。
可选地,所述第二特征数据包含二进制数值序列。
可选地,所述第二特征数据的维度大于所述第一特征数据的维度。
可选地,所述第一用户图像具体为用户的人脸图像。
根据本发明实施例的第五方面,提供了一种终端设备的解锁装置。所述装置包括:第二获取模块,用于获取人脸图像;第一处理模块,用于对所述人脸图像进行处理,获得整型人脸特征数据;第二解除模块,用于基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。
可选地,所述第二获取模块,具体用于:响应于用户的解锁指示,获取人脸图像。
可选地,所述第一处理模块,具体用于:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述第一处理模块之前,所述装置还包括:第二确定模块,用于确定所述人脸图像是否满足预设图像要求;所述第一处理模块,具体用于:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
可选地,所述第二解除模块,具体用于:基于所述整型人脸特征数据与预设人脸特征数据是否匹配,确定是否解除对所述终端设备的锁定,其中,所述预设人脸特征数据为整型数据。
根据本发明实施例的第六方面,提供了一种支付装置。所述装置包括:第三获取模块,用于获取人脸图像;第二处理模块,用于对所述人脸图像进行处理,获得整型人脸特征数据;第二支付模块,用于基于所述整型人脸特征数据确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求。
可选地,所述第二处理模块,具体用于:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述第二处理模块之前,所述装置还包括:第三确定模块,用于确定所述人脸图像是否满足预设图像要求;所述第二处理模块,具体用于:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
根据本发明实施例的第七方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第一方面所述的身份认证方法的步骤。
根据本发明实施例的第八方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第二方面所述的终端设备的解锁方法的步骤。
根据本发明实施例的第九方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第三方面所述的支付方法的步骤。
根据本发明实施例的第十方面,提供了一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第一方面所述的身份认证方法的步骤。
根据本发明实施例的第十一方面,提供了一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第二方面所述的终端设备的解锁方法的步骤。
根据本发明实施例的第十二方面,提供了一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第三方面所述的支付方法的步骤。
根据本发明实施例的第十三方面,提供了一种电子设备,包括:第一处理器、第一存储器、第一通信元件和第一通信总线,所述第一处理器、所述第一存储器和所述第一通信元件通过所述第一通信总线完成相互间的通信;所述第一存储器用于存放至少一可执行指令,所述可执行指令使所述第一处理器执行如本发明实施例的第一方面所述的身份认证方法的步骤。
根据本发明实施例的第十四方面,提供了一种电子设备,包括:第二处理器、第二存储器、第二通信元件和第二通信总线,所述第二处理器、所述第二存储器和所述第二通信元件通过所述第二通信总线完成相互间的通信;所述第二存储器用于存放至少一可执行指令,所述可执行指令使所述第二处理器执行如本发明实施例的第二方面所述的终端设备的解锁方法的步骤。
根据本发明实施例的第十五方面,提供了一种电子设备,包括:第三处理器、第三存储器、第三通信元件和第三通信总线,所述第三处理器、所述第三存储器和所述第三通信元件通过所述第三通信总线完成相互间的通信;所述第三存储器用于存放至少一可执行指令,所述可执行指令使所述第三处理器执行如本发明实施例的第三方面所述的支付方法的步骤。
根据本发明实施例提供的技术方案,确定图像的第一特征数据,对图像的第一特征数据进行量化处理,获得图像的第二特征数据,并基于图像的第二特征数据,得到身份认证结果,与其他方式相比,在身份认证的过程中无需对特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了设备计算资源并提升了身份认证的效率,从而优化了用户体验。
附图说明
图1是根据本发明一些实施例的一种身份认证方法的流程图;
图2是根据本发明另一些实施例的一种身份认证方法的流程图;
图3是根据本发明一些实施例的一种终端设备的解锁方法的流程图;
图4是根据本发明一些实施例的一种支付方法的流程图;
图5是根据本发明一些实施例的一种身份认证装置的结构框图;
图6是根据本发明另一些实施例的一种身份认证装置的结构框图;
图7是根据本发明一些实施例的一种终端设备的解锁装置的结构框图;
图8是根据本发明一些实施例的一种支付装置的结构框图;
图9是根据本发明一些实施例的一种电子设备的结构框图;
图10是根据本发明一些实施例的一种电子设备的结构框图;
图11是根据本发明一些实施例的一种电子设备的结构框图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例,对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
图1是根据本发明一些实施例的一种身份认证方法的流程图。
在步骤S101中,确定第一用户图像的第一特征数据。
在本公开实施例中,从图像包含的内容来讲,所述第一用户图像可包括用户的人脸图像或者头部图像,例如,用户的正脸图像,用户的正面头部图像,用户的正面半身图像,用户的正面全身图像等。从图像的类别来讲,所述第一用户图像可为静态图像,或者为视频序列中的视频帧图像,也可以是合成图像等。本公开实施例对第一用户图像的具体实现不作限定。
所述第一特征数据可包括人脸特征数据或头部特征数据或上半身特征数据或人体特征数据等。在一些可选实施例中,第一特征数据可以具体为特征向量,例如所述第一特征数据为从第一用户图像中获取的原始的特征向量或经过处理的特征向量(以下称为第一特征向量),并且该第一特征向量中每一个维度的数值的数据类型为浮点型。可选地,该第一特征向量的维度可为128维或256维或其他数值,本公开实施例对该第一特征数据的具体实现不做限定。
在一些可选实施例中,可以首先获取第一用户图像,然后再对获取的第一用户图像进行特征提取处理,获得第一用户图像的第一特征数据。具体地,可通过用于特征提取的神经网络,从第一用户图像中提取得到第一用户图像的第一特征数据。可以理解的是,本实施例不限于此,任何从第一用户图像中获取第一特征数据的实施方式均可适用于此,此外,还可以通过其他方式获取第一特征数据,例如从其他设备处接收该第一特征数据,在一个具体例子中,服务器可以从终端设备接收该第一特征数据,等等,本实施例对此不作任何限制。
在步骤S102中,对所述第一特征数据进行量化处理,获得第二特征数据。
在本公开实施例中,所述第二特征数据可包括整型的特征数据。在一些可选实施例中,所述第二特征数据为对第一特征向量进行量化后获得的特征向量(以下称为第二特征向量),并且第二特征向量中每一个维度的数值的数据类型为整型。可选地,第二特征向量的维度可为1024维或其他数值,本公开实施例对此不做限定。
在一些可选实施例中,该量化处理可以具体为二值量化处理,此时,可以将第一特征数据量化为由0和/或1组成的二进制数值序列,即第二特征数据包含二进制数值序列。可选地,可以利用符号函数对第一特征向量中的每个元素进行二值量化处理。例如,当第一特征向量中的元素的值大于零时,可将其量化为1;当第一特征向量中的元素的值小于或等于零时,可将其量化为零。或者,也可以利用其他方式进行二值量化处理。
在另一些可选实施例中,也可以对第一特征数据进行其他方式的量化处理,本公开实施例对此不做限定。
在一些可选实施例中,在第一特征数据具体为第一特征向量的情况下,可以针对第一特征向量中的元素分别进行量化,例如,可将第一特征向量中的元素量化为0或1,或者将第一特征向量中的元素量化为1或2或其他数值。在本发明一可选实施方式中,可针对第一特征向量中的每个元素进行量化,例如,可将第一特征向量中的元素量化为0、1或2,或者将第一特征向量中的元素量化为1、2、3或4,等等,本公开实施例对此不做限定。
此外,第二特征数据的维度可以与第一特征数据的维度相同,或者,第二特征数据的维度可以大于第一特征数据的维度,有利于提高身份识别的准确性。
在步骤S103中,基于所述第二特征数据,得到身份认证结果。
其中,所述身份认证结果包括身份认证通过或身份认证不通过。
在具体的实施方式中,该第一用户图像可以为在对用户进行身份认证过程中采集到的图像。此时,可基于所述第二特征数据与预设的特征数据的匹配结果,获得第一用户图像的身份认证结果。其中,可选地,所述预设的特征数据可为经过与第一特征数据相同方式的量化处理后获得的量化特征数据,例如可以包括一个或多个整型特征向量,本公开实施例对此不做限定。可选地,所述预设的特征数据为二进制数值序列。由于电子设备识别和执行的机器指令是采用二进制数表示的,使用具体为二进制数值序列的预设特征数据能够提高身份认证的速度。具体地,当所述第二特征数据与预设的特征数据匹配时,可获得所述第一用户图像的身份认证结果为身份认证通过;当所述第二特征数据与预设的特征数据不匹配时,可获得所述第一用户图像的身份认证结果为身份认证不通过。其中,可选地,在基于所述第二特征数据与预设的特征数据的匹配结果,得到第一用户图像的身份认证结果之前,从存储器中获取所述预设的特征数据。可选地,当所述第二特征数据为整型的人脸特征向量,且所述预设的特征数据为整型的人脸特征向量时,确定两个人脸特征向量的相似度,并根据所述相似度与预设的相似度阈值的比较结果确定两个人脸特征向量的匹配结果。当所述相似度大于预设的相似度阈值时,确定两个人脸特征向量匹配。当所述相似度小于或等于预设的相似度阈值时,确定两个人脸特征向量不匹配。其中,所述预设的相似度阈值可由本领域技术人员根据实际需要进行设定或者默认值,本公开实施例对此不作任何限制。本公开实施例也可以通过其他方式确定是否匹配,本公开实施例对此不做限定。
在终端设备解锁的应用场景中,第一用户图像可为用户的人脸图像。相应地,所述第一特征数据可为用户的浮点型人脸特征数据,所述第二特征数据可为用户的整型人脸特征数据。当用户的整型人脸特征数据与终端设备中预设的整型人脸特征数据匹配时,用户通过身份认证,便可自动解除对终端设备的锁定。在终端设备解锁的过程中,无需再对整型人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了终端设备的计算资源并提升了身份认证的效率,从而优化了用户体验。
在消费支付的应用场景中,第一用户图像可为用户的人脸图像。相应地,所述第一特征数据可为用户的浮点型人脸特征数据,所述第二特征数据可为用户的整型人脸特征数据。当用户的整型人脸特征数据与服务器中预设的整型人脸特征数据匹配时,用户通过身份认证,终端设备向服务器发送支付请求或服务器响应终端设备的支付请求。在消费支付的过程中,无需再对整型人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了服务器的计算资源并提升了身份认证的效率,从而优化了用户体验。
在本发明一可选实施方式中,该第一用户图像可以为用户注册过程中采集到的图像。此时,还可以获取第二用户图像的第三特征数据,并基于所述第三特征数据与所述第二特征数据的匹配结果,获得第二用户图像的身份认证结果。其中,可选地,所述第三特征数据可为第二用户图像的特征数据经过量化处理后得到的特征数据。此时,可选地,可以将该第二特征数据存储为特征模板库,每次在进行身份验证时可以从特征模板库获取该第二特征数据,但本公开实施例不限于此。
根据本实施例提供的身份认证方法,确定图像的第一特征数据,对图像的第一特征数据进行量化处理,获得图像的第二特征数据,并基于图像的第二特征数据,得到身份认证结果,与其他方式相比,在身份认证的过程中无需对特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了设备计算资源并提升了身份认证的效率,从而优化了用户体验。
本实施例的身份认证方法可以由任意适当的具有图像或数据处理能力的终端设备或服务器执行,其中,该终端设备包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、OculusRift、Hololens、Gear VR)等,本发明实施例对此不做限定。
图2是根据本发明另一些实施例的一种身份认证方法的流程图。
在步骤S201中,确定第一用户图像的第一特征数据。
在本实施例中,所述第一用户图像具体为用户的人脸图像。相应地,所述第一特征数据具体包含浮点型的人脸特征向量。由于不同人物的人脸特征差异比较明显,因此,通过人脸特征数据来进行身份认证能够保证身份认证的准确度。
在步骤S202中,利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据。
在一些可选实施例中,在利用转换参数,对所述第一特征数据进行升维转换处理时,可将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。具体地,当所述第一特征数据为第一特征向量,并且所述转换参数为转换矩阵时,将第一特征向量与转换矩阵相乘,可获得特征转换向量,此时,转换数据即为该特征转换向量。应理解,以上描述仅为示例性地,可选地,还可以通过其他方式对第一特征数据进行升维处理,本公开实施例对此不做限定。
在本发明一可选实施例中,所述转换参数是预先确定的,也就是说,在利用转换参数,对所述第一特征数据进行升维转换处理之前,需要确定所述转换参数。具体地,转换参数可以人为定义,通过一定计算规则确定,或者也可以通过训练得到,等等。例如,可以对所述转换参数进行初始化,再基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止。可选地,该至少一个样本特征数据可以是从其他设备获取的,或者可以对至少一个样本图像中的每个样本图像分别进行特征提取处理,获得至少一个样本特征数据。其中,获取样本特征数据和初始化可以并行执行或者以任意前后顺序执行,本发明实施例对此不作限定。
在一些可选实施例中,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。或者,迭代终止条件也可以包括:迭代次数达到预设阈值,或者也可以为两者的组合,等等,其中,所述预设差异值和预设阈值可由本领域技术人员根据实际需要进行设定或者为默认值,本公开实施例对此不作任何限制。
在一个具体的例子中,在转换参数为转换矩阵的情况下,所述迭代终止条件包括:更新后的所述转换矩阵和更新前的所述转换矩阵之间的汉明距离值小于或等于预设的汉明距离值。具体地,将更新后的所述转换矩阵和更新前的所述转换矩阵的相应位置处的元素进行对比,如果相同,则该相应位置处的汉明距离为0,如果不相同,则该相应位置处的汉明距离为1,将矩阵中所有位置处的汉明距离值进行累加,获得更新后的转换矩阵和更新前的转换矩阵之间的汉明距离值。可以理解的是,本公开实施例不限于此,任何从迭代更新中获得转换矩阵的迭代终止条件均可适用于此,本实施例对此不作任何限制。例如,当迭代次数达到迭代终止次数时,可将最后一次迭代中更新得到的转换矩阵作为迭代更新中获得的转换矩阵。
在一些可选实施例中,在对所述转换参数进行初始化时,可通过高斯随机函数,对所述转换参数进行初始化。具体地,当所述转换参数包括转换矩阵时,可将所述转换矩阵的行数和列数作为高斯随机函数的输入参数,然后高斯随机函数根据所述转换矩阵的行数和列数对所述转换矩阵进行初始化。可选地,初始化的转换矩阵的行数和列数可以相等,并且该行数和列数均大于第一转换参数的维度,但本公开实施例不限于此。初始化获得的转换矩阵中的元素的数据类型为浮点型。
在本发明一可选实施例中,所述转换矩阵的行数为所述第一特征数据的维度,所述转换矩阵的列数为所述第二特征数据的维度,并且所述第二特征数据的维度为所述第一特征数据的维度的整数倍,也就是说,所述转换矩阵的列数为行数的整数倍。例如,当所述第一特征数据为256维的特征向量,并且所述转换数据为1024维的特征转换向量时,所述转换矩阵的行数和列数分别为256和1024,并且所述转换矩阵的列数为行数的4倍,但本公开实施例对此不做限定。
在一些可选实施例中,在对至少一个样本图像中的每个样本图像分别进行特征提取处理时,可通过用于特征提取的神经网络,对至少一个样本图像中的每个样本图像分别进行特征提取处理,获得至少一个样本特征数据。其中,可选地,样本特征数据可包括样本特征向量,样本特征向量中的元素的数据类型可为浮点型,样本特征向量的维数可根据转换矩阵的具体使用来确定。具体地,当转换矩阵用于将128维的人脸特征向量转换为512维的人脸特征向量时,用于转换矩阵迭代更新的人脸样本特征向量的维度为128维。当转换矩阵用于将256维的人脸特征向量转换为1024维的人脸特征向量时,用于转换矩阵迭代更新的人脸样本特征向量的维度为256维。也就是说,用于转换矩阵迭代更新的样本特征数据的维度要与第一特征数据的维度相同。可以理解的是,本实施例不限于此,任何从样本图像中获取样本特征数据的实施方式均可适用于此,本实施例对此不作任何限制。
在一些可选实施例中,在基于所述至少一个样本特征数据,对初始化的所述转换参数进行迭代更新时,每次更新以以下方式进行:基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
在具体的实施方式中,可先根据至少一个样本特征向量构建第一样本特征矩阵,然后基于第一样本特征矩阵,对初始化的转换矩阵进行迭代更新。可选地,基于当前的所述转换矩阵,对所述第一样本特征矩阵中的每个样本特征向量分别进行升维转换处理,获得样本特征转换向量构建得到的样本特征转换矩阵,再对样本特征转换矩阵中的每个样本特征转换向量分别进行量化处理,获得量化后的样本特征向量构建得到的第二样本特征矩阵,再基于所述第一样本特征矩阵和所述第二样本特征矩阵,更新当前的所述转换矩阵。在一个具体例子中,可根据以下公式一对所述第一样本特征矩阵中的每个样本特征向量分别进行升维转换处理和量化处理:
B=sign(XR) 公式一
其中,X表示第一样本特征矩阵,R表示转换矩阵,sign(*)表示符号函数,B表示第二样本特征矩阵。由于矩阵X中的每个元素的数据类型为浮点型,并且矩阵R中的每个元素的数据类型为浮点型,可以利用符号函数对相乘之后获得的矩阵中的每个元素进行量化处理。例如,当该矩阵中的元素的数值大于零时,可将该元素的数值量化为1,否则可将该元素的数值量化为0,但本公开实施例不限于此。
在一些可选实施例中,在基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数时,对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。其中,所述第一样本特征矩阵包括至少一个样本特征数据,所述第二样本特征矩阵包括至少一个量化后的样本特征数据。
在一些可选实施例中,第一正交矩阵的行数或列数可以等于第二特征数据的维度,第二正交矩阵的列数或行数等于第一特征数据的维度。此时,可选地,在基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵时,对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;然后,将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
在一个具体例子中,假如第一样本特征矩阵为n×256,第二样本特征矩阵为n×1024的矩阵,那么转置后的第二样本特征矩阵与第一样本特征矩阵相乘后得到的矩阵为1024×256的矩阵,对该相乘后的矩阵做奇异值分解,可获得1024×1024的第一正交矩阵和256×256的第二正交矩阵以及256×1024的对角矩阵。然后,可根据1024×1024的第一正交矩阵和256×256的第二正交矩阵,更新所述转换矩阵。具体地,可以先对1024×1024的第一正交矩阵进行横向截断,获得256×1024的截取后的第一正交矩阵,然后将256×256的第二正交矩阵与256×1024的截取后的第一正交矩阵相乘,获得该转换矩阵的更新结果。
在步骤S203中,对所述转换数据进行量化处理,获得所述第二特征数据。
在本公开实施例中,可以直接对第一特征数据进行量化处理,或者,也可以对第一特征数据进行一种或多种处理,并对处理后的第一特征数据进行量化处理。在本实施例中,所述转换数据是利用转换参数,对所述第一特征数据进行升维转换处理获得的。对所述转换数据再进行量化处理可获得所述第二特征数据。籍此,能够保证第二特征数据尽可能完整地表征第一特征数据所表征的图像特征,提高数据处理的准确度。
在步骤S204中,基于所述第二特征数据,得到身份认证结果。
由于该步骤S204与上述步骤S103相同,在此不再赘述。
根据本发明实施例提供的技术方案,确定图像的第一特征数据,对图像的第一特征数据进行升维转换处理,获得图像的转换数据,并对图像的转换数据进行量化处理,获得图像的第二特征数据,再基于图像的第二特征数据,得到身份认证结果,与其他方式相比,在身份认证的过程中无需对特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了设备计算资源并提升了身份认证的效率,从而优化了用户体验。此外,还能够提高身份认证的准确度。
本实施例的身份认证方法可以由任意适当的具有图像或数据处理能力的终端设备或服务器执行,其中,该终端设备包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、OculusRift、Hololens、Gear VR)等,本发明实施例对此不做限定。
图3是根据本发明一些实施例的一种终端设备的解锁方法的流程图。
在步骤S301中,获取人脸图像。
在本公开实施例中,可以在终端设备锁定的情况下获取人脸图像。可选地,可以响应于用户对终端设备的解锁指示,终端设备的摄像头获取用户的人脸图像,或者服务器接收终端设备发送的人脸图像。其中,终端设备的摄像头获取用户的正脸图像或其他姿态的人脸图像,本公开实施例对此不做限定。或者,也可以在其他确定需要对终端设备进行解锁流程的情况下获取人脸图像,本公开实施例对此不做限定。
在步骤S302中,对所述人脸图像进行处理,获得整型人脸特征数据。
在本发明一可选实施例中,首先对所述人脸图像进行特征提取处理,获得浮点型人脸特征数据,再对浮点型人脸特征数据进行量化处理,获得整型人脸特征数据(也可以称为第一整型人脸特征数据)。
在本发明另一可选实施例中,首先对所述人脸图像进行特征提取处理,获得浮点型人脸特征数据,对浮点型人脸特征数据进行升维转换处理,获得浮点型人脸特征转换数据,最后,对浮点型人脸特征转换数据进行量化处理,获得整型人脸特征数据。
可选地,还可以通过其他方式获得整型人脸特征数据,本公开实施例不限于此。
在步骤S303中,基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。
可选地,可以确定整型人脸特征数据与预设人脸特征数据是否匹配,并且在确定所述整型人脸特征数据与所述预设人脸特征数据匹配时,解除终端设备的锁定。
可选地,如果该方法由服务器执行并在S303中确定解除对终端设备的锁定,则可以向终端设备发送解锁指令,但本公开实施例不限于此。
可选地,在解除对终端设备的锁定之后,终端设备的显示屏可以由锁定界面变换为用户解锁界面,例如呈现应用程序列表或用户设置或默认的解锁界面图像,并可选地可以使得用户具有使用终端设备的部分或所有应用程序的权限,等等,本公开实施例对此不做限定。
在本公开实施例中,可选地,该预设人脸特征数据为终端设备或服务器中存储的特征向量,并且该预设人脸特征数据可以为整型特征向量。在一个具体例子中,可以确定整型人脸特征数据与预设人脸特征数据的相似度,并将所述相似度与预设阈值进行比较,在所述相似度大于或等于预设阈值的情况下,确定整型人脸特征数据与预设人脸特征数据匹配,但本公开实施例也可以通过其他方式确定是否匹配,本公开实施例对此不做限定。
可选地,在S301之前,所述方法还包括:获取第二人脸图像,并对所述第二人脸图像进行处理,获得第二整型人脸特征数据,将所述第二整型人脸特征数据存储至特征模板库。
可选地,终端设备或服务器可以在获取到人脸图像之后,直接进行特征提取处理,或者,也可以在进行特征提取处理之前,确定获取的人脸图像是否满足预设图像条件,其中,预设图像条件包括下列中的任意一种或多种:图像质量达到预设质量条件、处于睁眼状态、人脸姿态满足预设姿态条件、处于闭嘴状态、脸部区域的大小达到预设大小条件、脸部区域中被遮挡部分满足预设遮挡条件、图像光照条件是否满足预设光照条件等。例如,可以对该人脸图像进行睁闭眼检测,以确定两个眼睛中的至少一个眼睛的状态,此时,可选地,如果确定两个眼睛均处于闭眼状态,则可以确定人脸图像不满足预设图像条件,以防止用户在睡眠状态下被他人未经允许地进行身份认证,相应地,可以在确定两个眼睛均处于睁眼状态或者至少一个眼睛处于睁眼状态时,才确定人脸图像满足预设图像条件;又例如,可以对人脸图像进行张闭嘴检测,并且只有在闭嘴状态下才确定人脸图像满足预设图像条件;又例如,可以在人脸图像中的人脸姿态为正脸或者与正脸在三个方向中的任意一个或多个方向的偏向角度处于预设范围之内的情况下,才确定人脸图像满足预设图像条件,其中,该三个方向可以为滚转角-俯仰角-偏航角(Roll-Pitch-Yaw)或其他类型的坐标系对应方向;又例如,可以确定人脸图像中的脸部区域的大小(例如人脸框的大小),其中,该大小可以为像素大小或比例大小,并且只有在该脸部区域大小超过预设大小阈值时,才确定满足预设图像条件,作为一个具体例子,如果人脸区域占人脸图像的60%,高于预设的50%,则可以确定人脸图像满足预设图像条件;又例如,可以确定人脸图像中的人脸区域是否被遮挡以及被遮挡的比例或特定部位或区域是否被遮挡,并据此判定人脸图像是否满足预设图像条件;又例如,可以确定人脸图像的光照条件是否满足预设光照条件,并且在光照太暗的情况下确定人脸图像不满足预设图像条件;又例如,可以确定人脸图像的图像质量,例如是否清晰等,或者还可以包含其他条件,但本发明实施例对此不做限定。此时,可选地,可以在确定人脸图像满足预设图像条件时,才对人脸图像进行处理,获得整型人脸特征数据,但本发明实施例对此不做限定。
可选地,可以对所述第二人脸图像进行与所述S301中获取到的人脸图像(也可以称为第一人脸图像)类似的处理,得到第二整型人脸特征数据。籍此,可以使得特征模板库中存储的预设人脸特征数据为整型人脸特征数据,实现用户的人脸注册,为后续的人脸解锁流程提供认证依据。
根据本实施例提供的终端设备的解锁方法,获取人脸图像,再对所述人脸图像进行处理,获得整型人脸特征数据;再基于所述整型人脸特征数据,确定是否解除对终端设备的锁定,与其他方式相比,在终端设备解锁的过程中,无需再对人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了计算资源并提升了身份认证的效率,从而优化了用户体验。
图4是根据本发明一些实施例的一种支付方法的流程图。
在步骤S401中,获取人脸图像。
在本公开实施例中,可选地,可以响应于用户的支付指示,终端设备的摄像头获取人脸图像,或者服务器接收终端设备发送的人脸图像,或者,也可以在其他确定需要进行支付操作的情况下获取人脸图像,本公开实施例对此不做限定。
在步骤S402中,对所述人脸图像进行处理,获得整型人脸特征数据。
在本发明一可选实施例中,首先对所述人脸图像进行特征提取处理,获得浮点型人脸特征数据,再对浮点型人脸特征数据进行量化处理,获得整型人脸特征数据。
在本发明另一可选实施例中,首先对所述人脸图像进行特征提取处理,获得用户的浮点型人脸特征数据,对浮点型人脸特征数据进行升维转换处理,获得人脸特征转换数据,再对人脸特征转换数据进行量化处理,获得整型人脸特征数据。
在步骤S403中,向服务器发送包括所述整型人脸特征数据的支付请求,或者,基于整型人脸特征数据,确定是否允许支付。
在本公开实施例中,终端设备向服务器发送包括整型人脸特征数据的支付请求,可选地,该支付请求还可以进一步包含支付金额和/或用户标识信息等,本公开实施例对此不做限定。通俗地讲,终端设备将整型人脸特征数据当作密码发送给服务器,以使服务器根据该整型人脸特征数据对当前交易进行认证。或者,终端设备基于整型人脸特征数据,确定是否允许支付。在一些可选实施例中,上述方法也可以由服务器执行,此时,服务器在获取到整型人脸特征数据之后,可以基于该整型人脸特征数据,确定是否允许支付。例如,在确定该整型人脸特征数据与预设人脸特征数据(例如本地存储的整型人脸特征数据)匹配时,服务器或终端设备可以允许支付,并可选地从与预设人脸特征数据关联的账户中扣除交易金额。
可选地,终端设备或服务器可以在获取到人脸图像之后,直接进行特征提取处理,或者,也可以在进行特征提取处理之前,确定获取的人脸图像是否满足预设图像条件,其中,预设图像条件可以包括下列中的至少一种:图像质量达到预设质量条件、图像中的人脸处于睁眼状态、人脸姿态满足预设姿态条件、图像中的人脸处于闭嘴状态、脸部区域的大小达到预设大小条件、脸部区域中被遮挡部分满足预设遮挡条件、图像光照条件满足预设光照条件等。例如,如果获取到的人脸图像中的人脸姿态与正向之间的偏差不处于预设范围内,例如大于20度,则确定人脸图像不满足预设图像条件;又例如,如果人脸图像的图像分辨率低于预设分辨率1024×720,则确定人脸图像不满足预设图像条件;又例如,如果人脸图像中的人物的两支眼睛均处于闭眼状态,则可以确定人脸图像不满足预设图像条件,等等。此时,可选地,可以在确定人脸图像满足预设图像条件时,才对人脸图像进行处理,获得整型人脸特征数据,但本发明实施例对此不做限定。
可选地,在S401之前,所述方法还包括:获取第二人脸图像,并对所述第二人脸图像进行处理,得到第二整型人脸特征数据;将该第二整型人脸特征数据存储到特征模板库,或者向服务器发送包括该第二整型人脸特征数据的人脸支付注册请求。
可选地,可以对所述第二人脸图像进行与S401中获取到的人脸图像(也可以称为第一人脸图像)类似的处理,得到第二整型人脸特征数据。
服务器在接收到终端设备发送的人脸支付注册请求之后,可以存储该第二整型人脸特征数据,并据此作为交易支付的认证依据。可选地,服务器还可以向终端设备发送人脸支付注册响应,以指示此次人脸支付注册是否成功。
可选地,还可以包括步骤S404,在步骤S404中,终端设备接收服务器响应于所述支付请求的支付响应。
在本公开实施例中,终端设备从服务器接收与所述支付请求相对应的支付响应,以通知该支付请求是否得到允许。
根据本实施例提供的支付方法,获取人脸图像;对人脸图像进行处理,获得整型人脸特征数据;并向服务器发送包括整型人脸特征数据的支付请求或者基于整型人脸特征数据确定是否允许支付,与其他方式相比,在消费支付的过程中,无需再对人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省计算资源并提升了身份认证的效率,从而优化了用户体验。
本文对各个实施例的描述着重于强调其不同之处,其相同或相似之处可以相互参考,例如,图1和图2对应实施例的描述也可以适用于图3和图4对应实施例,为了简洁,这里不再赘述。
基于相同的技术构思,图5是根据本发明一些实施例的一种身份认证装置的结构框图。可用以执行以上实施例所述的身份认证方法流程。
参照图5,该身份认证装置包括第一确定模块501、量化模块505和身份认证模块507。
第一确定模块501,用于确定第一用户图像的第一特征数据;
量化模块505,用于对所述第一特征数据进行量化处理,获得第二特征数据;
身份认证模块507,用于基于所述第二特征数据,得到身份认证结果。
通过本实施例提供的身份认证装置,确定图像的第一特征数据,对图像的第一特征数据进行量化处理,获得图像的第二特征数据,并基于图像的第二特征数据,得到身份认证结果,与其他方式相比,在身份认证的过程中无需对特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了设备计算资源并提升了身份认证的效率,从而优化了用户体验。
可选地,所述量化模块505,具体用于:利用符号函数对所述第一特征数据进行量化处理,获得所述第二特征数据。
可选地,在所述量化模块505之前,所述装置还包括:转换模块504,用于利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据;所述量化模块505,具体用于:对所述转换数据进行量化处理,获得所述第二特征数据。
可选地,所述转换模块504,具体用于:将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。
可选地,在所述转换模块504之前,所述装置还包括:初始化模块502,用于对所述转换参数进行初始化;迭代更新模块503,用于基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止。
可选地,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。
可选地,所述转换参数包括转换矩阵,所述转换矩阵的列数为行数的整数倍。
可选地,所述身份认证模块507,具体用于:基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果。
可选地,在所述身份认证模块507之前,所述装置还包括:第一获取模块506,用于从存储器中获取所述预设的特征数据,所述预设的特征数据为二进制数值序列。
可选地,所述装置还包括:第一解除模块508,用于若所述身份认证结果为通过,解除对终端设备的锁定。
可选地,所述装置还包括:第一支付模块509,用于若所述身份认证结果为通过,向服务器发送支付请求或响应支付请求。
可选地,所述第一确定模块501,具体用于:获取所述第一用户图像;对所述第一用户图像进行特征提取处理,获得所述第一用户图像的第一特征数据。
可选地,所述第二特征数据包含二进制数值序列。
可选地,所述第二特征数据的维度大于所述第一特征数据的维度。
可选地,所述第一用户图像具体为用户的人脸图像。
基于相同的技术构思,图6是根据本发明另一些实施例的一种身份认证装置的结构框图。可用以执行以上实施例所述的身份认证方法流程。
参照图6,该身份认证装置包括第一确定模块601、量化模块605和身份认证模块606。其中,第一确定模块601,用于确定第一用户图像的第一特征数据;量化模块605,用于对所述第一特征数据进行量化处理,获得第二特征数据;身份认证模块606,用于基于所述第二特征数据,得到身份认证结果。
可选地,在所述量化模块605之前,所述装置还包括:转换模块604,用于利用转换参数,对所述第一特征数据进行升维转换处理,获得转换数据;所述量化模块605,具体用于:对所述转换数据进行量化处理,获得所述第二特征数据。
可选地,所述转换模块604,具体用于:将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。
可选地,在所述转换模块604之前,所述装置还包括:初始化模块602,用于对所述转换参数进行初始化;迭代更新模块603,用于基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止。
可选地,所述初始化模块602,具体用于:通过高斯随机函数,对所述转换参数进行初始化。
可选地,所述迭代更新模块603,包括:转换子模块6031,用于基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;量化子模块6032,用于对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;更新子模块6033,用于基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
可选地,所述至少一个样本特征数据具体为第一样本特征矩阵,所述至少一个量化后的样本特征数据具体为第二样本特征矩阵;所述更新子模块6033,包括:转置单元6034,用于对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;相乘单元6035,用于将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;分解单元6036,用于对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;更新单元6037,用于基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。
可选地,所述更新单元6037,具体用于:对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
可选地,所述身份认证模块606,具体用于:获取第二用户图像的第三特征数据;基于所述第三特征数据与所述第二特征数据的匹配结果,得到所述第二用户图像的身份认证结果。
可选地,所述装置还包括:存储模块607,用于将所述第二特征数据存储到特征模板库。
基于相同的技术构思,图7是根据本发明一些实施例的一种终端设备的解锁装置的结构框图。可用以执行以上实施例所述的终端设备的解锁方法流程。
参照图7,该终端设备的解锁装置包括第二获取模块701、第一处理模块703和第二解除模块704。
第二获取模块701,用于获取人脸图像;
第一处理模块703,用于对所述人脸图像进行处理,获得整型人脸特征数据;
第二解除模块704,用于基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。
通过本实施例提供的终端设备的解锁装置,获取人脸图像,再对所述人脸图像进行处理,获得整型人脸特征数据;再基于所述整型人脸特征数据,确定是否解除对终端设备的锁定,与其他方式相比,在终端设备解锁的过程中,无需再对人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省了计算资源并提升了身份认证的效率,从而优化了用户体验。
可选地,所述第二获取模块701,具体用于:响应于用户的解锁指示,获取人脸图像。
可选地,所述第一处理模块703,具体用于:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述第一处理模块703之前,所述装置还包括:第二确定模块702,用于确定所述人脸图像是否满足预设图像要求;所述第一处理模块703,具体用于:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
可选地,所述第二解除模块704,具体用于:基于所述整型人脸特征数据与预设人脸特征数据是否匹配,确定是否解除对所述终端设备的锁定,其中,所述预设人脸特征数据为整型数据。
基于相同的技术构思,图8是根据本发明一些实施例的一种支付装置的结构框图。可用以执行以上实施例所述的支付方法流程。
参照图8,该支付装置包括第三获取模块801、第二处理模块803和第二支付模块804。
第三获取模块801,用于获取人脸图像;
第二处理模块803,用于对所述人脸图像进行处理,获得整型人脸特征数据;
第二支付模块804,用于基于所述整型人脸特征数据确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求。
通过本实施例提供的支付装置,获取人脸图像;对人脸图像进行处理,获得整型人脸特征数据;并向服务器发送包括整型人脸特征数据的支付请求或者基于整型人脸特征数据确定是否允许支付,与其他方式相比,在消费支付的过程中,无需再对人脸特征数据进行加密和解密操作,在保证用户信息安全性的同时,节省计算资源并提升了身份认证的效率,从而优化了用户体验。
可选地,所述第二处理模块803,具体用于:对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对所述浮点型人脸特征数据进行量化处理,得到所述整型人脸特征数据。
可选地,所述整型人脸特征数据包含二进制数值序列。
可选地,在所述第二处理模块803之前,所述装置还包括:第三确定模块802,用于确定所述人脸图像是否满足预设图像要求;所述第二处理模块803,具体用于:在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行处理,获得整型人脸特征数据。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图9,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备900的结构示意图。如图9所示,电子设备900包括一个或多个第一处理器、第一通信元件等,所述一个或多个第一处理器例如:一个或多个中央处理单元(CPU)901,和/或一个或多个图像处理器(GPU)913等,第一处理器可以根据存储在只读存储器(ROM)902中的可执行指令或者从存储部分908加载到随机访问存储器(RAM)903中的可执行指令而执行各种适当的动作和处理。本实施例中,第一只读存储器902和随机访问存储器903统称为第一存储器。第一通信元件包括通信组件912和/或通信接口909。其中,通信组件912可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口909包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口909经由诸如因特网的网络执行通信处理。
第一处理器可与只读存储器902和/或随机访问存储器903中通信以执行可执行指令,通过第一通信总线904与通信组件912相连、并经通信组件912与其他目标设备通信,从而完成本发明实施例提供的任一项身份认证方法对应的操作,例如,确定第一用户图像的第一特征数据;对所述第一特征数据进行量化处理,获得第二特征数据;基于所述第二特征数据,得到身份认证结果。
此外,在RAM 903中,还可存储有装置操作所需的各种程序和数据。CPU901或GPU913、ROM902以及RAM903通过第一通信总线904彼此相连。在有RAM903的情况下,ROM902为可选模块。RAM903存储可执行指令,或在运行时向ROM902中写入可执行指令,可执行指令使第一处理器执行上述通信方法对应的操作。输入/输出(I/O)接口905也连接至第一通信总线904。通信组件912可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口909。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
需要说明的,如图9所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图9的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,确定第一用户图像的第一特征数据;对所述第一特征数据进行量化处理,获得第二特征数据;基于所述第二特征数据,得到身份认证结果。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被第一处理器执行时,执行本发明实施例的方法中限定的上述功能。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图10,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备1000的结构示意图。如图10所示,电子设备1000包括一个或多个第二处理器、第二通信元件等,所述一个或多个第二处理器例如:一个或多个中央处理单元(CPU)1001,和/或一个或多个图像处理器(GPU)1013等,第二处理器可以根据存储在只读存储器(ROM)1002中的可执行指令或者从存储部分1008加载到随机访问存储器(RAM)1003中的可执行指令而执行各种适当的动作和处理。本实施例中,第二只读存储器1002和随机访问存储器1003统称为第二存储器。第二通信元件包括通信组件1012和/或通信接口1009。其中,通信组件1012可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口1009包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口1009经由诸如因特网的网络执行通信处理。
第二处理器可与只读存储器1002和/或随机访问存储器1003中通信以执行可执行指令,通过第二通信总线1004与通信组件1012相连、并经通信组件1012与其他目标设备通信,从而完成本发明实施例提供的任一项终端设备的解锁方法对应的操作,例如,获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。
此外,在RAM 1003中,还可存储有装置操作所需的各种程序和数据。CPU1001或GPU1013、ROM1002以及RAM1003通过第二通信总线1004彼此相连。在有RAM1003的情况下,ROM1002为可选模块。RAM1003存储可执行指令,或在运行时向ROM1002中写入可执行指令,可执行指令使第二处理器执行上述通信方法对应的操作。输入/输出(I/O)接口1005也连接至第二通信总线1004。通信组件1012可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口1009。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
需要说明的,如图10所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图10的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据,确定是否解除对所述终端设备的锁定。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被第二处理器执行时,执行本发明实施例的方法中限定的上述功能。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图11,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备1100的结构示意图。如图11所示,电子设备1100包括一个或多个第三处理器、第三通信元件等,所述一个或多个第三处理器例如:一个或多个中央处理单元(CPU)1101,和/或一个或多个图像处理器(GPU)1113等,第三处理器可以根据存储在只读存储器(ROM)1102中的可执行指令或者从存储部分1108加载到随机访问存储器(RAM)1103中的可执行指令而执行各种适当的动作和处理。本实施例中,第三只读存储器1102和随机访问存储器1103统称为第三存储器。第三通信元件包括通信组件1112和/或通信接口1109。其中,通信组件1112可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口1109包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口1109经由诸如因特网的网络执行通信处理。
第三处理器可与只读存储器1102和/或随机访问存储器1103中通信以执行可执行指令,通过第三通信总线1104与通信组件1112相连、并经通信组件1112与其他目标设备通信,从而完成本发明实施例提供的任一项支付方法对应的操作,例如,获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求。
此外,在RAM 1103中,还可存储有装置操作所需的各种程序和数据。CPU1101或GPU1113、ROM1102以及RAM1103通过第三通信总线1104彼此相连。在有RAM1103的情况下,ROM1102为可选模块。RAM1103存储可执行指令,或在运行时向ROM1102中写入可执行指令,可执行指令使第三处理器执行上述通信方法对应的操作。输入/输出(I/O)接口1105也连接至第三通信总线1104。通信组件1112可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口1109。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
需要说明的,如图11所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图11的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,获取人脸图像;对所述人脸图像进行处理,获得整型人脸特征数据;基于所述整型人脸特征数据确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被第一处理器执行时,执行本发明实施例的方法中限定的上述功能。
需要指出,根据实施的需要,可将本申请中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明实施例的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明实施例的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明实施例的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明实施例的方法的程序的记录介质。
本发明实施例的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式,很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (51)
1.一种身份认证方法,其特征在于,所述方法包括:
确定第一用户图像的第一特征数据,所述第一特征数据的各个元素为浮点型数据;
对转换参数进行初始化;
基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;
基于所述第一特征数据和所述转换参数,确定转换数据;其中所述转换数据的维度大于所述第一特征数据的维度;
对所述转换数据进行量化处理,获得第二特征数据,所述第二特征数据的各个元素为整型数据;
基于所述第二特征数据,得到身份认证结果;
所述基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,包括:
基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;
对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;
基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
2.根据权利要求1所述的方法,其特征在于,所述对所述转换参数进行初始化,包括:
通过高斯随机函数,对所述转换参数进行初始化。
3.根据权利要求1所述的方法,其特征在于,所述至少一个样本特征数据具体为第一样本特征矩阵,所述至少一个量化后的样本特征数据具体为第二样本特征矩阵;
所述基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数,包括:
对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;
将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;
对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;
基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵,包括:
对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;
将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
5.根据权利要求1至4中任意一项权利要求所述的方法,其特征在于,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。
6.根据权利要求1至5中任意一项权利要求所述的方法,其特征在于,所述转换参数包括转换矩阵,所述转换矩阵的列数为行数的整数倍。
7.根据权利要求1至6中任意一项权利要求所述的方法,其特征在于,所述基于所述第二特征数据,得到身份认证结果,包括:
基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果。
8.根据权利要求7所述的方法,其特征在于,在所述基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果之前,所述方法还包括:
从存储器中获取所述预设的特征数据,所述预设的特征数据为二进制数值序列。
9.根据权利要求1至8中任意一项权利要求所述的方法,其特征在于,所述方法还包括:
若所述身份认证结果为通过,解除对终端设备的锁定。
10.根据权利要求1至8中任意一项权利要求所述的方法,其特征在于,所述方法还包括:
若所述身份认证结果为通过,向服务器发送支付请求或响应支付请求。
11.根据权利要求1至6中任意一项权利要求所述的方法,其特征在于,所述基于所述第二特征数据,得到身份认证结果,包括:
获取第二用户图像的第三特征数据;
基于所述第三特征数据与所述第二特征数据的匹配结果,得到所述第二用户图像的身份认证结果。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
将所述第二特征数据存储到特征模板库。
13.根据权利要求1至12中任意一项权利要求所述的方法,其特征在于,所述确定第一用户图像的第一特征数据,包括:
获取所述第一用户图像;
对所述第一用户图像进行特征提取处理,获得所述第一用户图像的第一特征数据。
14.根据权利要求1至13中任意一项权利要求所述的方法,其特征在于,所述第二特征数据包含二进制数值序列。
15.根据权利要求1至14中任意一项权利要求所述的方法,其特征在于,所述第二特征数据的维度大于所述第一特征数据的维度。
16.根据权利要求1至15中任意一项权利要求所述的方法,其特征在于,所述第一用户图像具体为用户的人脸图像。
17.一种终端设备的解锁方法,其特征在于,所述方法包括:
获取人脸图像;
确定所述人脸图像是否满足预设图像要求;
在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;
对转换参数进行初始化;
基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;
基于所述浮点型人脸特征数据和所述转换参数,确定转换数据;其中所述转换数据的维度大于所述浮点型人脸特征数据的维度;
对所述转换数据进行量化处理,获得所述人脸图像的整型人脸特征数据,其中,所述整型人脸特征数据中的各个元素为整型数据;
基于所述人脸图像的整型人脸特征数据与所述终端设备中预设的整型人脸特征数据是否匹配,确定是否解除对所述终端设备的锁定;
所述基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,包括:
基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;
对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;
基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
18.根据权利要求17权利要求所述的方法,其特征在于,所述获取人脸图像,包括:
响应于用户的解锁指示,获取人脸图像。
19.根据权利要求17或18所述的方法,其特征在于,所述整型人脸特征数据包含二进制数值序列。
20.一种支付方法,其特征在于,所述方法包括:
获取人脸图像;
确定所述人脸图像是否满足预设图像要求;
在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;
对转换参数进行初始化;
基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;
基于所述浮点型人脸特征数据和所述转换参数,确定转换数据;其中所述转换数据的维度大于所述浮点型人脸特征数据的维度;
对所述转换数据进行量化处理,获得所述人脸图像的整型人脸特征数据,其中,所述整型人脸特征数据中的各个元素为整型数据;
基于所述人脸图像的整型人脸特征数据与终端设备中预设的整型人脸特征数据是否匹配,确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求;
所述基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,包括:
基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;
对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;
基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
21.根据权利要求20所述的方法,其特征在于,所述整型人脸特征数据包含二进制数值序列。
22.一种身份认证装置,其特征在于,所述装置包括:
第一确定模块,用于确定第一用户图像的第一特征数据,所述第一特征数据的各个元素为浮点型数据;
初始化模块,用于对转换参数进行初始化;
迭代更新模块,用于基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;
量化模块,用于基于所述第一特征数据和转换参数,确定转换数据;其中所述转换数据的维度大于所述第一特征数据的维度;对所述转换数据进行量化处理,获得第二特征数据;
身份认证模块,用于基于所述第二特征数据,得到身份认证结果;
所述迭代更新模块,包括:
转换子模块,用于基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;
量化子模块,用于对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;
更新子模块,用于基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
23.根据权利要求22所述的装置,其特征在于,所述初始化模块,具体用于:
通过高斯随机函数,对所述转换参数进行初始化。
24.根据权利要求22所述的装置,其特征在于,所述至少一个样本特征数据具体为第一样本特征矩阵,所述至少一个量化后的样本特征数据具体为第二样本特征矩阵;
所述更新子模块,包括:
转置单元,用于对所述第二样本特征矩阵进行转置操作,获得转置后的所述第二样本特征矩阵;
相乘单元,用于将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘,获得相乘后的矩阵;
分解单元,用于对所述相乘后的矩阵进行奇异值分解处理,获得第一正交矩阵和第二正交矩阵;
更新单元,用于基于所述第一正交矩阵和所述第二正交矩阵,更新转换矩阵。
25.根据权利要求24所述的装置,其特征在于,所述更新单元,具体用于:
对所述第一正交矩阵进行截取操作,获得截取后的所述第一正交矩阵;
将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘,获得更新后的所述转换矩阵。
26.根据权利要求22至25中任意一项权利要求所述的装置,其特征在于,所述迭代终止条件包括:更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。
27.根据权利要求22至26中任意一项权利要求所述的装置,其特征在于,所述转换参数包括转换矩阵,所述转换矩阵的列数为行数的整数倍。
28.根据权利要求22至27中任意一项权利要求所述的装置,其特征在于,所述身份认证模块,具体用于:
基于所述第二特征数据与预设的特征数据的匹配结果,得到所述第一用户图像的身份认证结果。
29.根据权利要求28所述的装置,其特征在于,在所述身份认证模块之前,所述装置还包括:
第一获取模块,用于从存储器中获取所述预设的特征数据,所述预设的特征数据为二进制数值序列。
30.根据权利要求22至29中任意一项权利要求所述的装置,其特征在于,所述装置还包括:
第一解除模块,用于若所述身份认证结果为通过,解除对终端设备的锁定。
31.根据权利要求22至29中任意一项权利要求所述的装置,其特征在于,所述装置还包括:
第一支付模块,用于若所述身份认证结果为通过,向服务器发送支付请求或响应支付请求。
32.根据权利要求22至27中任意一项权利要求所述的装置,其特征在于,所述身份认证模块,具体用于:
获取第二用户图像的第三特征数据;
基于所述第三特征数据与所述第二特征数据的匹配结果,得到所述第二用户图像的身份认证结果。
33.根据权利要求32所述的装置,其特征在于,所述装置还包括:
存储模块,用于将所述第二特征数据存储到特征模板库。
34.根据权利要求22至33中任意一项权利要求所述的装置,其特征在于,所述第一确定模块,具体用于:
获取所述第一用户图像;
对所述第一用户图像进行特征提取处理,获得所述第一用户图像的第一特征数据。
35.根据权利要22至34中任意一项权利要求所述的装置,其特征在于,所述第二特征数据包含二进制数值序列。
36.根据权利要求22至35中任意一项权利要求所述的装置,其特征在于,所述第二特征数据的维度大于所述第一特征数据的维度。
37.根据权利要求22至36中任意一项权利要求所述的装置,其特征在于,所述第一用户图像具体为用户的人脸图像。
38.一种终端设备的解锁装置,其特征在于,所述装置包括:
第二获取模块,用于获取人脸图像;
第一处理模块,用于确定所述人脸图像是否满足预设图像要求;在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对转换参数进行初始化;基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;基于所述浮点型人脸特征数据和所述转换参数,确定转换数据;其中所述转换数据的维度大于所述浮点型人脸特征数据的维度;对所述转换数据进行量化处理,获得所述人脸图像的整型人脸特征数据,其中,所述整型人脸特征数据中的各个元素为整型数据;
第二解除模块,用于基于所述人脸图像的整型人脸特征数据与所述终端设备中预设的整型人脸特征数据是否匹配,确定是否解除对所述终端设备的锁定;
所述第一处理模块,用于基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
39.根据权利要求38所述的装置,其特征在于,所述第二获取模块,具体用于:
响应于用户的解锁指示,获取人脸图像。
40.根据权利要求38或39所述的装置,其特征在于,所述整型人脸特征数据包含二进制数值序列。
41.一种支付装置,其特征在于,所述装置包括:
第三获取模块,用于获取人脸图像;
第二处理模块,用于确定所述人脸图像是否满足预设图像要求;在所述人脸图像满足预设图像要求的情况下,对所述人脸图像进行特征提取处理,得到浮点型人脸特征数据;对转换参数进行初始化;基于至少一个样本特征数据,对初始化的所述转换参数进行迭代更新,直到满足迭代终止条件为止;基于所述浮点型人脸特征数据和所述转换参数,确定转换数据;其中所述转换数据的维度大于所述浮点型人脸特征数据的维度;对所述转换数据进行量化处理,获得所述人脸图像的整型人脸特征数据,其中,所述整型人脸特征数据中的各个元素为整型数据;
第二支付模块,用于基于所述人脸图像的整型人脸特征数据与终端设备中预设的整型人脸特征数据是否匹配,确定是否允许支付,或者,向服务器发送包括所述整型人脸特征数据的支付请求;
所述第二处理模块,用于基于当前的所述转换参数,对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理,获得至少一个转换后的样本特征数据;对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理,获得至少一个量化后的样本特征数据;基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据,更新当前的所述转换参数。
42.根据权利要求41所述的装置,其特征在于,所述整型人脸特征数据包含二进制数值序列。
43.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1至16中任意一项权利要求所述的身份认证方法的步骤。
44.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求17至19中任意一项权利要求所述的终端设备的解锁方法的步骤。
45.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求20或21所述的支付方法的步骤。
46.一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1至16中任意一项权利要求所述的身份认证方法的步骤。
47.一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求17至19中任意一项权利要求所述的终端设备的解锁方法的步骤。
48.一种计算机程序产品,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求20或21所述的支付方法的步骤。
49.一种电子设备,包括:第一处理器、第一存储器、第一通信元件和第一通信总线,所述第一处理器、所述第一存储器和所述第一通信元件通过所述第一通信总线完成相互间的通信;
所述第一存储器用于存放至少一可执行指令,所述可执行指令使所述第一处理器执行如权利要求1至16中任意一项权利要求所述的身份认证方法的步骤。
50.一种电子设备,包括:第二处理器、第二存储器、第二通信元件和第二通信总线,所述第二处理器、所述第二存储器和所述第二通信元件通过所述第二通信总线完成相互间的通信;
所述第二存储器用于存放至少一可执行指令,所述可执行指令使所述第二处理器执行如权利要求17至19中任意一项权利要求所述的终端设备的解锁方法的步骤。
51.一种电子设备,包括:第三处理器、第三存储器、第三通信元件和第三通信总线,所述第三处理器、所述第三存储器和所述第三通信元件通过所述第三通信总线完成相互间的通信;
所述第三存储器用于存放至少一可执行指令,所述可执行指令使所述第三处理器执行如权利要求20或21所述的支付方法的步骤。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301607.1A CN108595927B (zh) | 2018-04-04 | 2018-04-04 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
JP2020517576A JP7114698B2 (ja) | 2018-04-04 | 2018-12-24 | 本人認証方法、ロック解除方法及び支払方法、装置、記憶媒体、製品並びに機器 |
PCT/CN2018/123259 WO2019192217A1 (zh) | 2018-04-04 | 2018-12-24 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
SG11202002219SA SG11202002219SA (en) | 2018-04-04 | 2018-12-24 | Identity authentication, unlocking, and payment methods and apparatuses, storage media, products, and devices |
US16/828,251 US20200218794A1 (en) | 2018-04-04 | 2020-03-24 | Identity authentication, unlocking, and payment methods and apparatuses, storage media, products, and devices |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301607.1A CN108595927B (zh) | 2018-04-04 | 2018-04-04 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108595927A CN108595927A (zh) | 2018-09-28 |
CN108595927B true CN108595927B (zh) | 2023-09-19 |
Family
ID=63624535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810301607.1A Active CN108595927B (zh) | 2018-04-04 | 2018-04-04 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200218794A1 (zh) |
JP (1) | JP7114698B2 (zh) |
CN (1) | CN108595927B (zh) |
SG (1) | SG11202002219SA (zh) |
WO (1) | WO2019192217A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11328152B2 (en) * | 2019-06-17 | 2022-05-10 | Pixart Imaging Inc. | Recognition system employing thermal sensor |
CN108595927B (zh) * | 2018-04-04 | 2023-09-19 | 北京市商汤科技开发有限公司 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
CN109523271A (zh) * | 2018-12-28 | 2019-03-26 | 上海汇付数据服务有限公司 | 人脸支付***以及方法 |
CN109872154A (zh) * | 2019-01-31 | 2019-06-11 | 中国—东盟信息港股份有限公司 | 一种基于区块链交易数据的身份实名认证*** |
US10817595B2 (en) * | 2019-02-14 | 2020-10-27 | Nanning Fugui Precision Industrial Co., Ltd. | Method of device unlocking and device utilizing the same |
CN112308101B (zh) * | 2019-07-30 | 2023-08-22 | 杭州海康威视数字技术股份有限公司 | 进行对象识别的方法和装置 |
CN111539022B (zh) * | 2020-04-27 | 2022-04-22 | 支付宝(杭州)信息技术有限公司 | 一种特征匹配方法、目标对象的识别方法及相关硬件 |
CN112767303B (zh) * | 2020-08-12 | 2023-11-28 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、设备及计算机可读存储介质 |
CN112000940B (zh) * | 2020-09-11 | 2022-07-12 | 支付宝(杭州)信息技术有限公司 | 一种隐私保护下的用户识别方法、装置以及设备 |
CN112733645B (zh) * | 2020-12-30 | 2023-08-01 | 平安科技(深圳)有限公司 | 手写签名校验方法、装置、计算机设备及存储介质 |
CN113409055A (zh) * | 2021-06-30 | 2021-09-17 | 深圳市商汤科技有限公司 | 支付方法、***、电子设备及存储介质 |
CN114581879A (zh) * | 2022-02-08 | 2022-06-03 | 广州小鹏自动驾驶科技有限公司 | 图像识别方法、装置、电子设备以及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508910A (zh) * | 2011-11-11 | 2012-06-20 | 大连理工大学 | 基于多哈希表映射误差最小化的图像检索方法 |
CN102982165A (zh) * | 2012-12-10 | 2013-03-20 | 南京大学 | 一种大规模人脸图像检索方法 |
CN102982805A (zh) * | 2012-12-27 | 2013-03-20 | 北京理工大学 | 一种基于张量分解的多声道音频信号压缩方法 |
CN104281834A (zh) * | 2014-05-16 | 2015-01-14 | 华为技术有限公司 | 一种人脸识别的方法及设备 |
CN104680158A (zh) * | 2015-03-31 | 2015-06-03 | 盐城工学院 | 一种基于对尺度块局部多值模式的人脸识别方法 |
CN104734852A (zh) * | 2013-12-24 | 2015-06-24 | ***通信集团湖南有限公司 | 一种身份认证方法及装置 |
CN105022945A (zh) * | 2015-07-15 | 2015-11-04 | 广东欧珀移动通信有限公司 | 一种基于人脸生物信息的解锁屏方法及移动设备 |
CN105590089A (zh) * | 2015-10-22 | 2016-05-18 | 广州视源电子科技股份有限公司 | 一种人脸识别方法及装置 |
CN105844460A (zh) * | 2015-01-13 | 2016-08-10 | 顾泽苍 | 一种手机刷脸支付***的构成 |
CN106156702A (zh) * | 2015-04-01 | 2016-11-23 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
CN106875326A (zh) * | 2017-02-21 | 2017-06-20 | 湖南工业大学 | 一种在印刷图像中隐藏和提取音频防伪信号的方法 |
CN106886739A (zh) * | 2015-12-16 | 2017-06-23 | 苏州工业园区洛加大先进技术研究院 | 一种基于人脸识别的视频监控方法 |
CN106981292A (zh) * | 2017-05-16 | 2017-07-25 | 北京理工大学 | 一种基于张量建模的多路空间音频信号压缩和恢复方法 |
CN107733973A (zh) * | 2017-08-28 | 2018-02-23 | 深圳市金立通信设备有限公司 | 安全控制方法、终端、服务器及计算机可读介质 |
CN107818251A (zh) * | 2017-09-27 | 2018-03-20 | 维沃移动通信有限公司 | 一种人脸识别方法及移动终端 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4543455B2 (ja) | 1999-10-18 | 2010-09-15 | パナソニック株式会社 | パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 |
GB2414328A (en) * | 2004-05-17 | 2005-11-23 | Mitsubishi Electric Inf Tech | Discrimination transforms applied to frequency domain derived feature vectors |
CN101278518B (zh) * | 2005-09-29 | 2014-10-29 | 皇家飞利浦电子股份有限公司 | 生物特征模板的安全保护 |
US8331632B1 (en) * | 2007-08-06 | 2012-12-11 | University Of South Florida | Indexing face templates using linear models |
US8384515B2 (en) * | 2008-09-15 | 2013-02-26 | Accenture Global Services Limited | Biometric processing using random projection transforms |
US8213691B2 (en) | 2008-12-30 | 2012-07-03 | Mitsubishi Electric Research Laboratories, Inc. | Method for identifying faces in images with improved accuracy using compressed feature vectors |
US8712109B2 (en) * | 2009-05-08 | 2014-04-29 | Microsoft Corporation | Pose-variant face recognition using multiscale local descriptors |
US8194938B2 (en) * | 2009-06-02 | 2012-06-05 | George Mason Intellectual Properties, Inc. | Face authentication using recognition-by-parts, boosting, and transduction |
US8972742B2 (en) * | 2009-09-04 | 2015-03-03 | Gradiant | System for secure image recognition |
CN101976339B (zh) * | 2010-11-12 | 2015-07-15 | 北京邮电大学 | 一种用于人脸识别的局部特征提取方法 |
CN102184384A (zh) * | 2011-04-18 | 2011-09-14 | 苏州市慧视通讯科技有限公司 | 一种基于多尺度局部相位量化特征的人脸识别方法 |
US10374863B2 (en) * | 2012-12-05 | 2019-08-06 | Origin Wireless, Inc. | Apparatus, systems and methods for event recognition based on a wireless signal |
EP2717510B1 (en) * | 2012-10-08 | 2015-05-13 | Université de Genève | Method for active content fingerprinting |
JP6090286B2 (ja) | 2014-10-31 | 2017-03-08 | カシオ計算機株式会社 | 機械学習装置、機械学習方法、分類装置、分類方法、プログラム |
CN105787416A (zh) * | 2014-12-23 | 2016-07-20 | Tcl集团股份有限公司 | 一种基于移动终端的人脸识别方法及*** |
EP3251352A1 (en) * | 2015-01-29 | 2017-12-06 | VID SCALE, Inc. | Escape color coding for palette coding mode |
DE102016005636A1 (de) * | 2015-06-08 | 2016-12-22 | Cross Match Technologies, Inc. | Transformierte Repräsentation für Fingerabdruckdaten mit hoher Erkennungsgenauigkeit |
US10733415B1 (en) * | 2015-06-08 | 2020-08-04 | Cross Match Technologies, Inc. | Transformed representation for fingerprint data with high recognition accuracy |
US10255040B2 (en) * | 2017-05-11 | 2019-04-09 | Veridium Ip Limited | System and method for biometric identification |
US11502841B2 (en) * | 2018-03-07 | 2022-11-15 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11392802B2 (en) * | 2018-03-07 | 2022-07-19 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
CN108595927B (zh) * | 2018-04-04 | 2023-09-19 | 北京市商汤科技开发有限公司 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
US11444774B2 (en) * | 2020-01-08 | 2022-09-13 | Tata Consultancy Services Limited | Method and system for biometric verification |
-
2018
- 2018-04-04 CN CN201810301607.1A patent/CN108595927B/zh active Active
- 2018-12-24 SG SG11202002219SA patent/SG11202002219SA/en unknown
- 2018-12-24 JP JP2020517576A patent/JP7114698B2/ja active Active
- 2018-12-24 WO PCT/CN2018/123259 patent/WO2019192217A1/zh active Application Filing
-
2020
- 2020-03-24 US US16/828,251 patent/US20200218794A1/en not_active Abandoned
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508910A (zh) * | 2011-11-11 | 2012-06-20 | 大连理工大学 | 基于多哈希表映射误差最小化的图像检索方法 |
CN102982165A (zh) * | 2012-12-10 | 2013-03-20 | 南京大学 | 一种大规模人脸图像检索方法 |
CN102982805A (zh) * | 2012-12-27 | 2013-03-20 | 北京理工大学 | 一种基于张量分解的多声道音频信号压缩方法 |
CN104734852A (zh) * | 2013-12-24 | 2015-06-24 | ***通信集团湖南有限公司 | 一种身份认证方法及装置 |
CN104281834A (zh) * | 2014-05-16 | 2015-01-14 | 华为技术有限公司 | 一种人脸识别的方法及设备 |
CN105844460A (zh) * | 2015-01-13 | 2016-08-10 | 顾泽苍 | 一种手机刷脸支付***的构成 |
CN104680158A (zh) * | 2015-03-31 | 2015-06-03 | 盐城工学院 | 一种基于对尺度块局部多值模式的人脸识别方法 |
CN106156702A (zh) * | 2015-04-01 | 2016-11-23 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
CN105022945A (zh) * | 2015-07-15 | 2015-11-04 | 广东欧珀移动通信有限公司 | 一种基于人脸生物信息的解锁屏方法及移动设备 |
CN105590089A (zh) * | 2015-10-22 | 2016-05-18 | 广州视源电子科技股份有限公司 | 一种人脸识别方法及装置 |
CN106886739A (zh) * | 2015-12-16 | 2017-06-23 | 苏州工业园区洛加大先进技术研究院 | 一种基于人脸识别的视频监控方法 |
CN106875326A (zh) * | 2017-02-21 | 2017-06-20 | 湖南工业大学 | 一种在印刷图像中隐藏和提取音频防伪信号的方法 |
CN106981292A (zh) * | 2017-05-16 | 2017-07-25 | 北京理工大学 | 一种基于张量建模的多路空间音频信号压缩和恢复方法 |
CN107733973A (zh) * | 2017-08-28 | 2018-02-23 | 深圳市金立通信设备有限公司 | 安全控制方法、终端、服务器及计算机可读介质 |
CN107818251A (zh) * | 2017-09-27 | 2018-03-20 | 维沃移动通信有限公司 | 一种人脸识别方法及移动终端 |
Non-Patent Citations (1)
Title |
---|
二维人脸识别算法研究;胡光选;《中国优秀硕士学位论文全文数据库信息科技辑》;20091215(第12期);正文第12-13、16、21-24、39-41页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019192217A1 (zh) | 2019-10-10 |
JP2020535537A (ja) | 2020-12-03 |
JP7114698B2 (ja) | 2022-08-08 |
CN108595927A (zh) | 2018-09-28 |
SG11202002219SA (en) | 2020-04-29 |
US20200218794A1 (en) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595927B (zh) | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 | |
EP3308312B1 (en) | Secure biometric data capture, processing and management | |
US11270142B2 (en) | Methods and apparatuses for processing image and identity verification, electronic devices, and storage media | |
Wang et al. | A scalable and privacy-aware IoT service for live video analytics | |
KR102294574B1 (ko) | 딥러닝 기반의 얼굴인식모델을 이용하여 실물이미지를 판단할 수 있는 안면인식시스템 | |
CN110048832B (zh) | 生物特征模板安全性及密钥产生的方法和*** | |
CN106096582B (zh) | 区分真人面部与平坦表面 | |
US10455259B2 (en) | Enhanced text rendering and readability in images | |
CN108491872B (zh) | 目标再识别方法和装置、电子设备、程序和存储介质 | |
CN111814194A (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
CN113486377A (zh) | 图像加密方法、装置、电子设备和可读存储介质 | |
CN110069907A (zh) | 基于数字水印的大数据溯源方法及*** | |
US8904508B2 (en) | System and method for real time secure image based key generation using partial polygons assembled into a master composite image | |
US9916511B2 (en) | Systems and methods for authentication based on human teeth pattern | |
US10438061B2 (en) | Adaptive quantization method for iris image encoding | |
FR2974923A1 (fr) | Transmission sure d'image sur terminal non sur | |
CN116055651B (zh) | 多中心能源经济数据的共享访问方法、装置、设备及介质 | |
Al-Rubaie | Towards privacy-aware mobile-based continuous authentication systems | |
CN117290858A (zh) | 一种增强现实ar数据的处理方法、装置及相关设备 | |
Tao et al. | Privacy-preserving outsourcing scheme of face recognition based on locally linear embedding | |
Lut | Proof-of-Concept (PoC) Biometric-Based Decentralized Digital Identifiers | |
Jin et al. | Random base image representation for efficient blind vision | |
CN116704566A (zh) | 人脸识别、用于人脸识别的模型训练方法、装置及设备 | |
CN118230066A (zh) | 图像分类方法、图像认证方法、装置、介质、设备及产品 | |
CN116453197A (zh) | 人脸识别方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |