CN109910818A - 一种基于人体多特征融合身份识别的车辆防盗*** - Google Patents
一种基于人体多特征融合身份识别的车辆防盗*** Download PDFInfo
- Publication number
- CN109910818A CN109910818A CN201910116114.5A CN201910116114A CN109910818A CN 109910818 A CN109910818 A CN 109910818A CN 201910116114 A CN201910116114 A CN 201910116114A CN 109910818 A CN109910818 A CN 109910818A
- Authority
- CN
- China
- Prior art keywords
- feature
- identification
- vocal print
- vehicle
- matching
- 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.)
- Granted
Links
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种基于人体多特征融合身份识别的车辆防盗***，包括：图像采集装置，用于采集使用者的人脸图像，并传输到SOC片上***中；声音采集装置，用于采集使用者的声音信号，并传输到SOC片上***中；SOC片上***，用于接收所述人脸图像和声音信号并进行处理，对使用者的面部变化特征和声纹特征同时进行识别匹配，然后利用嘴部唇动特征以及声纹特征融合来进行身份验证，以判别出是否为合法用户。本发明首先实现面部变化特征和声纹特征同时进行识别匹配，然后再利用嘴部唇动特征以及声纹特征融合来进行身份验证，可以快速判别出是否为合法用户，不仅提高了设别速率，还能够增高车主识别的准确性，从而减小车辆被盗事件的发生。
Description
技术领域
本发明涉及一种基于人体多特征融合身份识别的车辆防盗***，属于车辆防盗技术领域。
背景技术
随着社会经济的迅速发展，人们的生活水平也越来越有所提高，大部分的人都拥有私家车，汽车已经成为人类生活中必不可少的交通工具。
然而，随着汽车的增多，汽车盗窃案也是频繁发生。虽然现在为了防止车辆被盗，也存在着一系列的防盗措施，但是并不能很好地解决车辆盗窃问题。生活中仍存在不法分子利用照片和虚假录音进行欺骗认证的现象。
因此，如何提高车辆防盗***车主识别的准确性，从而减小车辆被盗事件的发生，是本领域技术人员致力于解决的难题。
发明内容
本发明要解决的技术问题是：如何提高车辆防盗***车主识别的准确性，从而减小车辆被盗事件的发生。
为了解决上述技术问题，本发明的技术方案是提供一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：包括
图像采集装置，用于接收到启动信号后，采集使用者的人脸图像，并传输到SOC片上***中；
声音采集装置，用于接收到启动信号后，采集使用者的声音信号，并传输到SOC片上***中；
SOC片上***，用于接收所述人脸图像和声音信号并进行处理，对使用者的面部变化特征和声纹特征同时进行识别匹配，然后利用嘴部唇动特征以及声纹特征融合来进行身份验证，以判别出是否为合法用户。
优选地，所述SOC片上***包括：
微处理器，用于接收到信号后识别信号代码，给所述图像采集装置和声音采集装置发送启动信号，并且启动身份识别IP核，与通讯模块进行交互控制车辆的开启和关闭；
DRAM动态随机存取存储器，用于存取采集到的人脸图片和声音信号，并与所述身份识别IP核相连；
EEPROM电可擦可编程只读存储器，用于存储预先录入的合法用户的眼睛和鼻子的纹理特征、嘴部唇动特征和声纹特征各自的以及嘴部唇动和声纹特征融合的特征模板，并与所述微处理器和身份识别IP核相连；
所述身份识别IP核，由面部特征变化识别模块、声纹识别模块、特征匹配模块组成，并与微处理器相连；
所述面部特征变化识别模块，用于将采集到的使用者的人脸图像进行降噪处理和特征提取，利用硬件的并行性同时计算出每个区域分块的纹理特征及嘴部唇动特征；
所述声纹识别模块，用于将采集到的声音信号进行降噪处理和声纹特征提取；
所述特征匹配模块，用于将嘴部唇动特征以及声纹特征进行融合，与EEPROM预先存储的相关特征模板进行匹配；
所述通讯模块，用于车辆和移动终端的通讯。
优选地，所述SOC插在车载ECU的插槽内与其连接，从钥匙内发出电波信号，由汽车天线接收所述电波信号后经控制发动机的车载ECU识别信号代码，然后驱动SOC***开始工作，所述微处理器开启图像采集装置和声音采集装置，并且启动身份识别IP核中的面部特征变化识别模块、声纹识别模块、特征匹配模块，验证之后验证结果由微处理器反馈给控制发动机的车载ECU，由车载ECU来控制车辆的开启和关闭或者进行报警。
优选地，所述特征匹配模块首先实现人脸图像和声纹特征的同时匹配，在匹配时如果有任意一种特征匹配不成功就退出身份识别，利用移动终端进行信息的验证。
优选地，通过所述移动终端来进行车辆的授权，并且及时进行车辆状态的查看。
更优选地，所述移动终端为手机、IPAD或者电脑。
优选地，所述SOC片上***的用户身份识别方法具体包括以下步骤：
步骤A1：获取预先录入的合法用户的面部纹理特征、嘴部唇动特征和声纹特征以及嘴部唇动特征和声纹特征融合的相关模板，并存储在存储器中；
步骤A2：采集到使用者的人脸图像和声音信号之后，对所述采集的人脸图像和声音信号进行预处理，得到面部纹理特征和声纹特征；
步骤A3：同时对所采集到的面部纹理特征和声纹特征与所述存储器中的信息进行识别匹配；
步骤A4：若面部纹理特征和声纹特征有一种匹配不成功，将结果反馈给微处理器，微处理器通过通讯模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；
步骤A5：若都匹配成功，则将唇部动态、声纹特征进行融合，然后再进行匹配，若匹配不成功，将结果反馈给微处理器，微处理器通过通讯模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；若匹配成功，微处理器将结果反馈给车载ECU开启车辆。
更优选地，所述步骤A3中，针对人脸图像进行识别匹配的具体过程为：首先尽量保持脸部不动，说出密码口令；将采集到的图像划分成多个等面积区域块，分别选取两个不同的位置算子计算每个区域分块的灰度共生矩阵，再计算得到灰度共生矩阵的特征值作为描述图像纹理的特征；利用硬件的并行性同时计算出每个区域分块的纹理特征；根据纹理特征确定眼睛和鼻子的位置，鼻子的纹理特征以获取第一幅有效图像的纹理即可，眼睛的纹理从多帧图像中获取；通过眼睛、鼻子和嘴巴具有的倒三角几何结构，确定嘴巴的位置，并分割出嘴部感兴趣区域ROI；比较前后几帧的ROI图像，分析出嘴部区域的变化，提取嘴部唇动特征；与预先存储的用户的眼睛和鼻子的纹理特征和嘴部唇动特征模板进行多特征融合匹配；在匹配时，预先设定一个阈值T，只有当被识别者提取出的特征与预先存储的合法用户的特征模板信息匹配超过所述阈值T时，说明此特征匹配成功。
更优选地，所述步骤A3中，针对声音信号进行识别匹配的具体过程为：获取每个短时分析窗的频谱，然后通过Mel滤波器组得到Mel频谱，在Mel频谱上面进行倒谱分析，获取MFCC作为特征参数来进行声纹的特征提取，若车主名字是“LL”，那么用户在进行身份验证时应当以“你好，我请求使用LL的车辆”的语音形式进行验证，判别是否为合法用户。
更优选地，所述步骤A5具体包括：将唇部的动态特征、声纹的MFCC特征进行特征融合为：式中，为唇部的动态特征的权重，为声纹的MFCC特征的权重，di表示第i个特征的相似性，i为正整数；α＝(a1,a2,……ak)为提取的唇部动态特征向量，α’＝(a′1,a′2,……a′k)为预先存储的唇部动态特征向量，维数为k；β＝(b1,b2,……bj)为提取的声纹特征向量，β’＝(b′1,b′2,……b′j)为预先存储的声纹特征向量，维数为j；为权重的衰减函数，其中a为设定系数，Ti为权重ωi的判定阈值，为噪声系数的倒数，η’为融合后的特征；融合特征提取之后，与预先存储的融合特征模板进行匹配，同样在匹配时，预先设定一个阈值T，只有当被识别者的提取出的特征与预先存储的合法用户的特征模板信息的匹配超过所述阈值T时，说明此特征匹配成功。
本发明提供的方法克服了现有技术的不足，采用SOC片上***设计出车辆防盗***，首先实现面部变化特征和声纹特征同时进行识别匹配，然后再利用嘴部唇动特征以及声纹特征融合来进行身份验证。此方法采用图像和声纹并行的识别方式以及融合人体多种特征进行身份验证应用在车辆防盗***上，可以快速判别出是否为合法用户，不仅提高了识别速率，还能够增高车主识别的准确性，从而减小车辆被盗事件的发生。
附图说明
图1为本实施例提供的基于人体多特征融合身份识别的车辆防盗***结构图；
图2为身份识别方法流程图；
图3为手机APP服务内容示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。
如图1所示，为本实施例提供的一种基于人体多特征融合身份识别的车辆防盗***，包括：
图像采集装置，接收到信号后，采集使用者的人脸图像，传输到微处理器中，通过I2C总线与微处理器连接；本实施例中采用摄像头；
声音采集装置，接收到信号后，采集使用者的声音信号，传输到微处理器中，通过I2C总线与微处理器连接；本实施例中采用麦克风；
车载ECU，为控制发动机的车载ECU，SOC片上***插在车载ECU的插槽与其连接。SOC包括微处理器、DRAM、EEPRAM、身份识别IP核和通信模块。
微处理器，接收到信号后识别信号代码，开启图像采集装置和声音采集装置，并且启动面部特征变化识别匹配模块、声纹识别匹配模块、特征匹配模块，能够与通讯模块进行交互，控制车辆的开启和关闭。
DRAM(动态随机存取存储器)，用于存取采集到的图片和声音信号，并与身份识别IP核相连；
EEPROM(电可擦可编程只读存储器)，用于存储预先录入的合法用户的眼睛和鼻子的纹理特征、嘴部唇动特征和声纹特征各自的以及嘴部唇动和声纹特征融合的特征模板，并与微处理器和身份识别IP核相连；
身份识别IP核，由面部特征变化识别模块、声纹识别模块、特征匹配模块组成，通过AXI接口与微处理器相连；
面部特征变化识别模块，用于将采集到的用户的人脸图像进行降噪处理和特征提取，利用硬件的并行性同时计算出每个区域分块的纹理特征；
声纹识别模块，用于将采集到的声音信号进行降噪处理和特征提取；
特征匹配模块，将唇动特征以及提取到的声纹特征进行融合，与存储器预先存储的相关特征模板进行匹配；
通讯模块，用于车辆和移动终端的通讯。
如图2所示，为本实施例提供的一种用户身份识别方法，具体包括以下步骤：
步骤A1：获取预先录入合法用户的眼睛和鼻子等的纹理特征、嘴部唇动特征和声纹特征以及嘴部唇动特征和声纹特征融合的相关模板，将其存储在存储器中；
步骤A2：采集到人脸图像和声音信号之后，对获取的图像和声纹进行预处理；
步骤A3:同时对面部变化特征和声纹特征进行识别匹配；
步骤A4：若面部变化特征和声纹特征有一种匹配不成功，将结果反馈给微处理器，微处理器通过通信模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；
步骤A5：若都匹配成功，则将唇部动态、声纹特征进行融合，然后再进行匹配，若匹配不成功，将结果反馈给微处理器，微处理器通过通信模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；若匹配成功，微处理器将结果反馈给车载ECU开启车辆；
针对人脸图像，步骤A2进一步包括：对采集到的人脸图像先进行中值滤波然后进行直方图均衡化，滤除图像中的噪声，提高信噪比；针对声音信号，步骤A2进一步包括：若车主名字是小强，那么采集的声音形式为“你好，我请求使用小强的车辆”，预处理主要包括去噪、预加重、分帧和加窗。这一方法提高了识别的准确性，避免了一些不法分子利用照片和虚假录音进行验证而导致车辆被盗的缺陷。
针对人脸图像，步骤A3进一步包括：首先尽量保持脸部不动，说出密码口令。将采集到的图像划分成多个等面积区域块，分别选取两个不同的位置算子计算每个区域分块的灰度共生矩阵，再计算得到灰度共生矩阵的特征值作为描述图像纹理的特征。利用硬件的并行性可以同时计算出每个区域分块的纹理特征。根据纹理特征确定眼睛和鼻子的位置，鼻子的纹理特征以获取第一幅有效图像的纹理即可，眼睛的纹理从多帧图像中获取。通过眼睛、鼻子和嘴巴具有的倒三角几何结构，确定嘴巴的位置，并分割出嘴部感兴趣区域(ROI)。比较前后五帧的ROI图像，分析出嘴部区域的变化，提取嘴部唇动特征。与预先存储的用户的眼睛和鼻子的纹理特征和嘴部唇动特征模板进行多特征融合匹配。在匹配时，预先设定一个阈值T，只有当被识别者提取出的特征与预先存储的合法用户的特征模板信息匹配超过阈值T时，说明此特征匹配成功。
针对声音信号，步骤3进一步包括获取每个短时分析窗的频谱，然后通过Mel滤波器组得到Mel频谱，在Mel频谱上面进行倒谱分析，获取MFCC作为特征参数来进行声纹的特征提取，若车主名字是小强，那么用户在进行身份验证时应当以“你好，我请求使用小强的车辆”的语音形式进行验证，判别是否为合法用户。
步骤A5进一步包括，将唇部的动态特征，声纹的MFCC特征进行特征融合为：式中，为唇部的动态特征的权重，为声纹的MFCC特征的权重，di表示第i个特征的相似性α＝(a1,a2,……ak)为提取的唇部动态特征向量，α’＝(a′1,a′2,……a′k)为预先存储的唇部动态特征向量，维数为k；β＝(b1,b2,……bj)为提取的声纹特征向量，β’＝(b′1,b′2,……b′j)为预先存储的声纹特征向量，维数为j；为权重的衰减函数，它能够保证当某一特征匹配效果受影响较大时使其权重变得很小，其中a设为10，Ti为权重ωi的判定阈值，为噪声系数的倒数，式中可以看出δ越大声音所占权重就越小，η’为融合后的特征。融合特征提取之后，与预先存储的融合特征模板进行匹配，同样在匹配时，预先设定一个阈值T，只有当被识别者的提取出的特征与预先存储的合法用户的特征模板信息的匹配超过阈值T时，说明此特征匹配成功。
识别匹配时，预先设定一个阈值T，只有当被识别者的提取出的特征与预先存储的合法用户的特征模板信息的匹配超过阈值T时，说明此特征匹配成功。若匹配不成功，那么此结果反馈到微处理器中，微处理器根据结果通过通讯模块向移动终端传输信息，询问是否授权。若匹配成功，那么结果反馈到微处理器后，它将结果反馈给控制发动机的车载ECU，开启车辆。
优选地，所述移动终端为手机或者IPAD设备或者电脑，利用移动终端上的APP经由通讯模块进行数据传输，实现APP对用户相关数据的增删改查功能，使用者综合验证结果信息以及授权情况对其车辆进行控制(发出启动指令或者拒绝车辆启动并反锁车门车窗进行报警)。
如图3所示，为本发明***的手机APP服务内容。当进行身份识别任何一个方面不能匹配时，车主在手机APP中收到结果信息时就可以决定是否对使用者进行授权，并且也能通过APP查看车辆当前的状态。利用APP操作的步骤如下：
B1：车主在手机应用软件中下载安装APP软件；
B2：利用账号以及密码进行登录；
B3：登录成功以后，首先如实的填写车辆和个人信息，然后通过填写车辆***的ID码与车辆进行绑定。
B4：B3完成之后，可以查看此时车辆的状态。
车主利用手机APP来查看车辆的使用状态，以及在身份匹配不成功的情况下决定对车辆进行开启、关闭、还是门窗锁死并进行报警操作，十分简单便捷。
以上所述，仅为本发明的较佳实施例，并非对本发明任何形式上和实质上的限制，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还将可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员，在不脱离本发明的精神和范围的情况下，当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变，均仍属于本发明的技术方案的范围内。
Claims (10)
1.一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：包括
图像采集装置，用于接收到启动信号后，采集使用者的人脸图像，并传输到SOC片上***中；
声音采集装置，用于接收到启动信号后，采集使用者的声音信号，并传输到SOC片上***中；
SOC片上***，用于接收所述人脸图像和声音信号并进行处理，对使用者的面部变化特征和声纹特征同时进行识别匹配，然后利用嘴部唇动特征以及声纹特征融合来进行身份验证，以判别出是否为合法用户。
2.如权利要求1所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述SOC片上***包括：
微处理器，用于接收到信号后识别信号代码，给所述图像采集装置和声音采集装置发送启动信号，并且启动身份识别IP核，与通讯模块进行交互控制车辆的开启和关闭；
DRAM动态随机存取存储器，用于存取采集到的人脸图片和声音信号，并与所述身份识别IP核相连；
EEPROM电可擦可编程只读存储器，用于存储预先录入的合法用户的眼睛和鼻子的纹理特征、嘴部唇动特征和声纹特征各自的以及嘴部唇动和声纹特征融合的特征模板，并与所述微处理器和身份识别IP核相连；
所述身份识别IP核，由面部特征变化识别模块、声纹识别模块、特征匹配模块组成，并与微处理器相连；
所述面部特征变化识别模块，用于将采集到的使用者的人脸图像进行降噪处理和特征提取，利用硬件的并行性同时计算出每个区域分块的纹理特征及嘴部唇动特征；
所述声纹识别模块，用于将采集到的声音信号进行降噪处理和声纹特征提取；
所述特征匹配模块，用于将嘴部唇动特征以及声纹特征进行融合，与EEPROM预先存储的相关特征模板进行匹配；
所述通讯模块，用于车辆和移动终端的通讯。
3.如权利要求2所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述SOC插在车载ECU的插槽内与其连接，从钥匙内发出电波信号，由汽车天线接收所述电波信号后经控制发动机的车载ECU识别信号代码，然后驱动SOC***开始工作，所述微处理器开启图像采集装置和声音采集装置，并且启动身份识别IP核中的面部特征变化识别模块、声纹识别模块、特征匹配模块，验证之后验证结果由微处理器反馈给控制发动机的车载ECU，由车载ECU来控制车辆的开启和关闭或者进行报警。
4.如权利要求2所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述特征匹配模块首先实现人脸图像和声纹特征的同时匹配，在匹配时如果有任意一种特征匹配不成功就退出身份识别，利用移动终端进行信息的验证。
5.如权利要求2所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：通过所述移动终端来进行车辆的授权，并且及时进行车辆状态的查看。
6.如权利要求5所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述移动终端为手机、IPAD或者电脑。
7.如权利要求1或2所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述SOC片上***的用户身份识别方法具体包括以下步骤：
步骤A1：获取预先录入的合法用户的面部纹理特征、嘴部唇动特征和声纹特征以及嘴部唇动特征和声纹特征融合的相关模板，并存储在存储器中；
步骤A2：采集到使用者的人脸图像和声音信号之后，对所述采集的人脸图像和声音信号进行预处理，得到面部纹理特征和声纹特征；
步骤A3：同时对所采集到的面部纹理特征和声纹特征与所述存储器中的信息进行识别匹配；
步骤A4：若面部纹理特征和声纹特征有一种匹配不成功，将结果反馈给微处理器，微处理器通过通讯模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；
步骤A5：若都匹配成功，则将唇部动态、声纹特征进行融合，然后再进行匹配，若匹配不成功，将结果反馈给微处理器，微处理器通过通讯模块将信息传输给移动终端，由车主根据人脸图像和声音信息来决定是否开启车辆；若匹配成功，微处理器将结果反馈给车载ECU开启车辆。
8.如权利要求7所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述步骤A3中，针对人脸图像进行识别匹配的具体过程为：首先尽量保持脸部不动，说出密码口令；将采集到的图像划分成多个等面积区域块，分别选取两个不同的位置算子计算每个区域分块的灰度共生矩阵，再计算得到灰度共生矩阵的特征值作为描述图像纹理的特征；利用硬件的并行性同时计算出每个区域分块的纹理特征；根据纹理特征确定眼睛和鼻子的位置，鼻子的纹理特征以获取第一幅有效图像的纹理即可，眼睛的纹理从多帧图像中获取；通过眼睛、鼻子和嘴巴具有的倒三角几何结构，确定嘴巴的位置，并分割出嘴部感兴趣区域ROI；比较前后几帧的ROI图像，分析出嘴部区域的变化，提取嘴部唇动特征；与预先存储的用户的眼睛和鼻子的纹理特征和嘴部唇动特征模板进行多特征融合匹配；在匹配时，预先设定一个阈值T，只有当被识别者提取出的特征与预先存储的合法用户的特征模板信息匹配超过所述阈值T时，说明此特征匹配成功。
9.如权利要求7所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述步骤A3中，针对声音信号进行识别匹配的具体过程为：获取每个短时分析窗的频谱，然后通过Mel滤波器组得到Mel频谱，在Mel频谱上面进行倒谱分析，获取MFCC作为特征参数来进行声纹的特征提取，若车主名字是“LL”，那么用户在进行身份验证时应当以“你好，我请求使用LL的车辆”的语音形式进行验证，判别是否为合法用户。
10.如权利要求7所述的一种基于人体多特征融合身份识别的车辆防盗***，其特征在于：所述步骤A5具体包括：将唇部的动态特征、声纹的MFCC特征进行特征融合为：式中，为唇部的动态特征的权重，为声纹的MFCC特征的权重，di表示第i个特征的相似性，i为正整数；为提取的唇部动态特征向量，α’＝(a′1,a′2,……a′k)为预先存储的唇部动态特征向量，维数为k；β＝(b1,b2,……bj)为提取的声纹特征向量，β’＝(b′1,b′2,……b′j)为预先存储的声纹特征向量，维数为j；为权重的衰减函数，其中a为设定系数，Ti为权重ωi的判定阈值，为噪声系数的倒数，η’为融合后的特征；融合特征提取之后，与预先存储的融合特征模板进行匹配，同样在匹配时，预先设定一个阈值T，只有当被识别者的提取出的特征与预先存储的合法用户的特征模板信息的匹配超过所述阈值T时，说明此特征匹配成功。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910116114.5A CN109910818B (zh) | 2019-02-15 | 2019-02-15 | 一种基于人体多特征融合身份识别的车辆防盗*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910116114.5A CN109910818B (zh) | 2019-02-15 | 2019-02-15 | 一种基于人体多特征融合身份识别的车辆防盗*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109910818A true CN109910818A (zh) | 2019-06-21 |
| CN109910818B CN109910818B (zh) | 2021-10-08 |
Family
ID=66961599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910116114.5A Active CN109910818B (zh) | 2019-02-15 | 2019-02-15 | 一种基于人体多特征融合身份识别的车辆防盗*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109910818B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110364163A (zh) * | 2019-07-05 | 2019-10-22 | 西安交通大学 | 一种语音和唇语相融合的身份认证方法 |
| CN110363148A (zh) * | 2019-07-16 | 2019-10-22 | 中用科技有限公司 | 一种人脸声纹特征融合验证的方法 |
| CN111862990A (zh) * | 2020-07-21 | 2020-10-30 | 苏州思必驰信息科技有限公司 | 说话者身份验证方法及*** |
| CN112491844A (zh) * | 2020-11-18 | 2021-03-12 | 西北大学 | 一种基于可信执行环境的声纹及面部识别验证***及方法 |
| CN113271587A (zh) * | 2021-06-11 | 2021-08-17 | 焦作大学 | 一种用于车辆的物联网可信认证*** |
| CN113347608A (zh) * | 2021-06-11 | 2021-09-03 | 焦作大学 | 一种用于车辆的物联网可信认证方法 |
| CN114241459A (zh) * | 2022-02-24 | 2022-03-25 | 深圳壹账通科技服务有限公司 | 一种驾驶员身份验证方法、装置、计算机设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376250A (zh) * | 2014-12-03 | 2015-02-25 | 优化科技（苏州）有限公司 | 基于音型像特征的真人活体身份验证方法 |
| CN109145791A (zh) * | 2018-08-09 | 2019-01-04 | 深圳大学 | 一种基于移动端非接触式指掌识别方法及*** |
-
2019
- 2019-02-15 CN CN201910116114.5A patent/CN109910818B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376250A (zh) * | 2014-12-03 | 2015-02-25 | 优化科技（苏州）有限公司 | 基于音型像特征的真人活体身份验证方法 |
| CN109145791A (zh) * | 2018-08-09 | 2019-01-04 | 深圳大学 | 一种基于移动端非接触式指掌识别方法及*** |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110364163A (zh) * | 2019-07-05 | 2019-10-22 | 西安交通大学 | 一种语音和唇语相融合的身份认证方法 |
| CN110363148A (zh) * | 2019-07-16 | 2019-10-22 | 中用科技有限公司 | 一种人脸声纹特征融合验证的方法 |
| CN111862990A (zh) * | 2020-07-21 | 2020-10-30 | 苏州思必驰信息科技有限公司 | 说话者身份验证方法及*** |
| CN112491844A (zh) * | 2020-11-18 | 2021-03-12 | 西北大学 | 一种基于可信执行环境的声纹及面部识别验证***及方法 |
| CN113271587A (zh) * | 2021-06-11 | 2021-08-17 | 焦作大学 | 一种用于车辆的物联网可信认证*** |
| CN113347608A (zh) * | 2021-06-11 | 2021-09-03 | 焦作大学 | 一种用于车辆的物联网可信认证方法 |
| CN113347608B (zh) * | 2021-06-11 | 2023-05-12 | 焦作大学 | 一种用于车辆的物联网可信认证方法 |
| CN113271587B (zh) * | 2021-06-11 | 2023-12-26 | 北京白龙马云行科技有限公司 | 一种用于车辆的物联网可信认证*** |
| CN114241459A (zh) * | 2022-02-24 | 2022-03-25 | 深圳壹账通科技服务有限公司 | 一种驾驶员身份验证方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109910818B (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109910818A (zh) | 一种基于人体多特征融合身份识别的车辆防盗*** | |
| CN110217196B (zh) | 车门控制***与方法 | |
| CN107122641B (zh) | 基于使用习惯的智能设备机主识别方法及机主识别装置 | |
| CN106599660A (zh) | 终端安全验证方法及装置 | |
| CN107472195A (zh) | 一种基于人脸图像追踪识别的车门自动开启***及方法 | |
| CN107909040B (zh) | 一种租车验证方法及装置 | |
| CN110392082B (zh) | 车辆控制方法和*** | |
| CN106627486A (zh) | 一种租赁汽车的身份识别钥匙***及控制方法 | |
| DE102012217728A1 (de) | Verfahren und vorrichtungen für benutzerauthentifizierung und sicherheit | |
| CN109670436A (zh) | 车辆驾驶人员身份验证方法、装置及电子设备 | |
| CN1972186A (zh) | 一种移动式身份认证***及其认证方法 | |
| CN105721460A (zh) | 声纹密码控车***及方法 | |
| Pawar et al. | IoT based embedded system for vehicle security and driver surveillance | |
| CN112819997A (zh) | 创建车辆钥匙的方法、装置和计算机可读存储介质 | |
| CN110077361B (zh) | 一种车辆控制方法及装置 | |
| CN113643489B (zh) | 一种基于人脸识别的公交pos机 | |
| CN108583508B (zh) | 车门无钥匙开关方法及装置 | |
| CN106599843A (zh) | 一种指纹认证方法及装置 | |
| CN109285260A (zh) | 一种闸机控制方法及装置 | |
| CN109872428A (zh) | 一种高安全度智能门锁及开锁方式 | |
| CN110217194B (zh) | 共享汽车控制方法、装置及电子设备 | |
| CN107491759B (zh) | 一种混合模式登记方法及装置 | |
| CN215006766U (zh) | 一种基于多重生物识别技术门禁和点火*** | |
| CN108508862A (zh) | 一种用于车辆的身份验证***及车辆 | |
| CN115862200A (zh) | 共享汽车管理方法及装置 |
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 |