CN110490026A - 验证对象的方法、装置和*** - Google Patents
验证对象的方法、装置和*** Download PDFInfo
- Publication number
- CN110490026A CN110490026A CN201810458318.2A CN201810458318A CN110490026A CN 110490026 A CN110490026 A CN 110490026A CN 201810458318 A CN201810458318 A CN 201810458318A CN 110490026 A CN110490026 A CN 110490026A
- Authority
- CN
- China
- Prior art keywords
- similarity
- image information
- image
- similarity value
- value
- 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
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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
-
- 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
- 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
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种验证对象的方法、装置和***。其中,该方法包括:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。本申请解决了现有技术中人脸识别的识别效率低的技术问题。
Description
技术领域
本申请涉及图像识别领域,具体而言,涉及一种验证对象的方法、装置和***。
背景技术
由于传统的密码、短信验证等身份验证方式具有安全性低、用户体验差等缺陷,而基于人体不同的生物特征属性的身份验证方式具有安全性高、方便快捷的优势,因此,随着互联网技术的快速发展,基于人体不同的生物特征属性的身份验证方式在日常生活中得到了广泛的应用,其中,人脸识别是基于人体生物特征属性的身份验证方式之一,其在日常生活中支付、上班打卡等方面都得到了推广。
然而,现有的人脸识别技术在对相似度较高的人群(例如,双胞胎)进行人脸识别时,识别率较低,例如,孩子可通过刷脸使用父亲的支付工具付款,双胞胎姐妹之间相互刷脸打卡等。尤其是在支付方便,人脸的误识别增大了财产流失的风险。
针对上述现有技术中人脸识别的识别效率低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种验证对象的方法、装置和***,以至少解决现有技术中人脸识别的识别效率低的技术问题。
根据本发明实施例的一个方面,提供了一种验证对象的方法,包括:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
根据本发明实施例的另一方面,还提供了一种验证对象的装置,包括:采集模块,用于采集第一对象的图像信息;比对模块,用于将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;确定模块,用于基于比对结果,确定第一对象是否验证通过。
根据本发明实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行以下步骤:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
根据本发明实施例的另一方面,还提供了一种移动设备,包括:处理器,处理器用于运行程序,其中,在程序运行时执行以下步骤:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
根据本发明实施例的另一方面,还提供了一种验证对象的***,包括:处理器;以及存储器,与处理器连接,用于为处理器提供处理以下处理步骤的指令:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
根据本发明实施例的另一方面,还提供了一种验证对象的方法,包括:采集第一对象的图像信息;根据第一对象的图像信息确定与第一对象具有相似特征的第二对象;将第一对象的图像信息分别与第一对象的预存图像、第二对象的预存图像进行比对,得到比对结果;基于比对结果,确定第一对象是否验证通过。
在本发明实施例中,采用多组对比的方式,在得到第一对象的图像信息之后,通过将第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,然后根据比对结果确定第一对象是否验证通过,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象,达到了降低人脸识别的误识别率的目的,从而实现了提高信息安全性的技术效果,进而解决了现有技术中人脸识别的识别效率低的技术问题。
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是根据本申请实施例的一种验证对象的方法流程图;
图2是根据本申请实施例的一种可选的基于验证对象的方法的人脸产品的流程图;
图3是根据本申请实施例的一种优选的验证对象的方法流程图;
图4是根据本申请实施例的一种验证对象的方法的装置结构示意图;
图5是根据本申请实施例的一种计算机终端的硬件结构框图;以及
图6是根据本申请实施例的一种验证对象的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释:
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前可通过大量的人脸图像数据,采用深度学习的算法来确定待识别对象的身份。
人脸误识,是指人脸识别技术不能对人脸进行准确无误的识别,即人脸识别的结果可能与实际不符,从而使得人脸识别技术误识别。例如,对人脸图像进行1000次识别,其中10次的识别结果不正确,则人脸识别的误识率为1%。
人脸运营,是指对人脸产品的覆盖率、通过率和安全性进行运营的体系。其中,人脸运营主要包括四部分:①人脸产品的限制条件,主要解决人脸产品的覆盖率的问题;②人脸产品的交互方法,主要解决人脸产品的通过率和体验效果的问题;③人脸产品比对人脸的方法,主要解决人脸产品的通过率的问题;④人脸产品根据比对结果进行的处理步骤,主要解决人脸产品的通过率和安全性的问题。
误识别人群,是指人脸图像的相似度、身份证号的相似度以及姓名相似度都比较高的人群。其中,误识别人群包括高危误识别人群,例如,A与人脸产品中存储的A的图像的人脸相似度为95%,而B与人脸产品中存储的A的图像的人脸相似度也为95%,则A和B为高危误识别人群,其中,高危误识别人群主要包括双胞胎或者多胞胎。
实施例1
根据本申请实施例,提供了一种验证对象的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
另外,本申请所提供的验证对象的方法可减少人脸识别过程中的误识别率,主要是减少具有相似人脸特征的误识别率,例如,具有相似人脸特征的双胞胎兄弟姐妹,以及具有相似人脸特征的父母兄弟姐妹等的人脸误识别率。
此外,还需要说明的是,本申请所提供的验证对象的方法可在支付方面、上班打卡等方面得到推广。以在支付方面的应用为例来简单介绍本申请所提供的验证对象的方法。用户A通过手机在京东商城上购买商品,并点击支付按钮之后,进入到支付界面。此时,手机开启摄像头采集用户A的人脸图像,并通过用户A的人脸图像判断用户A是否为误识别人群。如果确定用户A不属于误识别人群,则采用本领域现有的人脸识别方法对用户A进行人脸识别,并完成支付;如果确定用户A属于误识别人群,则进一步确定用户A是否为高危误识别人群;如果用户A属于高危误识别人群,则提醒用户A无法使用人脸支付的方式,需输入支付密码进行支付;如果用户A不属于高危误识别人群,但属于误识别人群,则将用户A与预存在支付软件中的图像进行比对得到第一比对结果,然后将用户A与用户B在支付软件中的图像进行比对,得到第二比对结果,然后根据第一比对结果和第二比对结果来确定用户A是否可通过人脸支付。
由上述内容可知,本申请所提供的验证对象的方法通过多次比对,不仅可降低人脸误识别率,还提高了信息的安全性。
此外,本申请所提供的验证对象的方法可在具有图像采集功能的设备中运行,例如,移动终端、计算机终端或者类似的运行装置中执行,其中,移动终端可以为但不限于手机、平板等。
具体的,在上述运行环境下,本申请提供了如图1所示的验证对象的方法。其中,图1是根据本申请实施例的验证对象的方法流程图,由图1可知,验证对象的方法可以包括:
步骤S102,采集第一对象的图像信息。
在上述步骤S102中,采集第一对象的图像信息的执行主体为具有图像采集功能的设备,可以为但不限于计算机终端、移动终端以及其他类似的运行装置,其中,上述设备可从云服务器中获取第一对象的预存图像。另外,第一对象的图像信息至少包括第一对象的脸部图像信息,例如,五官之间的相对位置、脸的形状等。其中,第一对象具有一个或多个特征相似的对象,例如,用户A和用户B为双胞胎,则用户A可作为第一对象。
在一种可选的方案中,第一对象为需要通过人脸识别的方式进行支付的用户。当用户通过购物软件下订单,并进入到支付界面之后,或者,用户直接点击支付软件(例如,微信、银行软件)进入到支付界面之后,移动终端开启摄像头,获取到用户的图像信息,并在移动终端的显示界面中显示采集到的图像。此时,移动终端检测采集到的图像中是否包含人脸图像以及人脸图像是否有效。如果移动终端确定图像中不包含人脸图像,则提醒用户重新拍摄,并重新获取用户的图像信息;如果移动终端确定图像中包含人脸图像,但人脸图像无效(例如,只拍到了用户的耳朵),则提醒用户重新拍摄,并重新获取用户的图像信息。
步骤S104,将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象。
需要说明的是,移动终端可通过云服务器来获取第一对象的预存图像和第二对象的预存图像,其中,预设条件至少包括如下之一:第一对象的图像信息与预存图像的相似度大于第一预设相似度;第一对象的对象信息与预存信息的相似度大于第二预设相似度;第一对象的对象信息与预存信息的关联度大于第三相似度。
在一种可选的方案中,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器,云服务器将第一对象的图像信息与预存的多幅图像进行匹配,得到图像相似度。然后云服务器筛选出图像相似度大于第一预设相似度的预存图像,并将预存图像发送至移动终端。
在另一种可选的方案中,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器。云服务器根据第一对象的图像信息确定第一对象的对象信息(例如,姓名、身份证号),然后将第一对象的对象信息与预存的对象信息进行比对,得到对象相似度,并筛选出对象相似度大于第二预设相似度的预存的对象信息,并根据预存的对象信息得到预存图像,最后将预存图像发送至移动终端。需要说明的是,由于双胞胎或多胞胎的姓名或者身份证号的相似度比较大,因此,通过上述方案可有效确定出与第一对象具有双胞胎或多胞胎关系的第二对象的预存图像。
还存在一种可选的方案,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器。云服务器根据第一对象的图像信息确定第一对象的对象信息(例如,姓名、身份证号、户籍信息),然后将第一对象的对象信息与预存的对象信息进行比对,得到对象关联度,并筛选出对象关联度大于第三预设相似度的预存的对象信息,并根据预存的对象信息得到预存图像,最后将预存图像发送至移动终端。需要说明的是,由于兄弟姐妹以及父母的姓名、身份证号以及户籍信息等具有一定的关联性,因此,通过上述方案可有效确定出与第一对象具有关联关系的第二对象的预存图像。
此外,还需要说明的是,上述三种方案可进行任意形式的组合,或者,与其他未提到的可能存在的方案进行组合,在此不再赘述。
步骤S106,基于比对结果,确定第一对象是否验证通过。
在一种可选的方案中,移动终端通过对比,得到第一对象的图像信息与第一对象的预存图像的第一相似度值,以及第一对象的图像信息与第二对象的预存图像的第二相似度值,并根据第一相似度值和第二相似度值的大小来确定第一对象是否验证通过。可选的,如果第一相似度值大于第二相似度值,则确定第一对象验证通过,此时,第一对象可完成支付;如果第一相似度值小于等于第二相似度值,则确定第一对象验证不能通过,此时,移动终端提示用户验证失败,并提示用户可通过输入密码的形式来完成支付。
基于步骤S102至步骤S106所限定的方案,可以获知,在得到第一对象的图像信息之后,通过将第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,然后根据比对结果确定第一对象是否验证通过,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象。
容易注意到的是,本申请的待识别对象为其他对象具有特征相似的对象,而在对比待识别对象的图像信息与预存图像的相似度的过程中,还对待识别对象的图像信息和自身的预存对象进行比对,由于自身对比得到的相似度要高于与其他对象对比得到的相似度,因此,本申请所提出的比对方法可有效将特征相似的对象进行区分,进而降低了人脸识别的误识别率,提高了信息安全性。
由此可见,本申请的上述实施例解决了现有技术中人脸识别的识别效率低的技术问题。
需要说明的是,在采集到第一对象的图像信息之后,移动终端将第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,上述比对方法可以包括如下步骤:
步骤S1040,将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值;
步骤S1042,将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值。
需要说明的是,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
在一种可选的方案中,移动终端在采集到第一对象的图像信息之后,移动终端将终端信息发送至云服务器,云服务器根据终端信息得到第一对象本身的预存图像以及与第一对象具有相似特征的第二对象的预存图像,其中,第二对象可以为多个。然后云服务器将第一对象的预存图像和第二对象的预存图像发送给移动终端。移动终端在得到第一对象的预存图像和第二对象的预存图像之后,计算第一相似度值和第二相似度值。
进一步地,在得到第一相似度值和第二相似度之后,移动终端根据比对结果,确定第一对象是否验证通过。具体的,移动终端比对第一相似度值和第二相似度值,其中,如果第一相似度值大于等于第二相似度值,第一对象验证通过;如果第一相似度值小于第二相似度值,第一对象验证失败。可选的,如果第一对象验证通过,则第一对象可通过移动终端完成支付;如果第一对象验证失败,则移动终端提醒第一对象验证失败,并提示第一对象可再次进行验证。如果连续三次均验证失败,可移动终端提醒第一对象验证失败,并提示第一对象可通过输入密码的形式完成支付;如果第一对象连续三次密码输入错误,则移动终端将锁定支付功能。
在一种可选的方案中,在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,可通过如下任意一种方式将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值。
方式一:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值作为第一相似度值;
方式二:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大值作为第一相似度值;
方式三:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大方差值作为第一相似度值;
方式四:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小值作为第一相似度值;
方式五:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小方差值作为第一相似度值。
可选的,不同时刻采集的多个第一子图像可以为第一对象在不同时刻采集的图像,例如,第一对象在18岁时的身份证照片、第一对象在20岁时的护照照片等。在得到不同时刻的第一子图像之后,移动终端将多个第一子图像存储在本地,或者将其上传至云服务器。当第一对象再次使用移动终端的支付功能或者使用支付软件时,移动终端得到本次采集到的第一对象的图像信息与每个时刻对应的第一子图像分别进行对比的第一子相似度值,然后将多个第一子相似度值的平均值、最大值、最大方差值、最小值或最小方差值最为第一相似度值。
同样的,在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,可通过如下任意一种方式将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值。
方式一:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值的平均值作为第二相似度值;
方式二:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大值作为第二相似度值;
方式三:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大方差值作为第二相似度值;,
方式四:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小值作为第二相似度值;
方式五:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小方差值作为第二相似度值。
需要说明的是,根据第一对象的图像信息与第二对象的预存图像得到第二相似度值的方法,与根据第一对象的图像信息与第一对象的预存图像得到第一相似度值的方法类似,在此不再赘述。
此外,还需要说明的是,如果对所有的第一对象均通过查找具有特征相似的对象的方法来确定第一对象是否验证通过,会增大移动终端或者云服务器的运算负担,因此,为减少***的运算负担,在采集第一对象的图像信息之前,首先确定第一对象是否属于误识别对象。其中,确定第一对象是否属于误识别对象的方法可以包括:
步骤S202,接收验证请求,其中,验证请求用于请求验证第一对象的身份;
步骤S204,判断发出验证请求的第一对象是否属于误识别对象,其中,误识别对象为进行对象识别时识别结果与正确结果存在误差的对象;
步骤S206,如果第一对象属于误识别对象,则触发采集第一对象的图像信息,并执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤;
步骤S208,如果第一对象不属于误识别对象,则触发采集第一对象的图像信息,并通过将第一对象的图像信息与第一对象的预存图像进行比对,来确定第一对象是否通过验证。
在一种可选的方案中,第一对象在购物软件中购买商品,并点击付款按钮之后,购物软件向移动终端的支付软件发出验证请求,其中,验证请求中携带有第一对象的个人信息(例如,姓名、身份证号等信息)。在支付软件接收到验证请求之后,根据第一对象的个人信息确定第一对象是否属于误识别对象,例如,根据第一对象的姓名、身份证号确定第一对象是否具有双胞胎兄弟姐妹,如果第一对象有双胞胎兄弟姐妹,则确定第一对象属于误识别对象,否则,确定第一对象不属于误识别对象。
进一步地,如果第一对象属于误识别对象,则移动终端获取与第一对象特征相似的第二对象的预存图像,并根据第一对象的图像信息与第一对象的预存图像、第二对象的预存图像的比对结果确定第一对象是否通过验证。如果第一对象不属于误识别对象,则移动终端直接获取第一对象的预存图像,并将第一对象的图像信息与第一对象的预存图像进行比对,得到相似度,如果相似度大于相似度阈值,则确定第一对象验证成功,否则,确定第一对象验证失败。
在一种可选的方案中,在第一对象属于误识别对象的情况下,在触发采集第一对象的图像信息之前,需要进一步确定是否执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤,其中,具体方法可包括:
步骤S2060,判断第一对象的误差级别是否超过阀值;
步骤S2062,如果误差级别低于阀值,则中断验证请求;
步骤S2064,如果误差级别超过阀值,则下发多次采集指令,其中,多次采集指令用于发出指示第一对象执行多个动作的指令。
需要说明的是,上述第一对象的误差级别是指第一对象与具有相似特征的第二对象的相似程度,其中,如果第一对象与具有相似特征的第二对象的相似程度越大,则误差级别越低。具体的,如果误差级别低于阈值,则说明第一对象和第二对象很相似,无法对二者进行区分,此时,中断验证请求,例如,对于外形非常相近的双胞胎,无法对二者进行区分。为保证能够正常支付,此时,移动终端提示第一对象可通过密码输入的方式完成支付。如果误差级别超过阈值,则说明第一对象和第二对象具有一定的区分度,此时,移动终端通过文字、语音或视频的方式下发采集指令,以采集不同角度的第一对象的图像。
此外,还需要说明的是,基于多次采集指令触发采集得到第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。其中,如果多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定第一对象验证通过。
进一步的,图2示出了一种基于验证对象的方法的人脸产品的流程图,其中,人脸产品可以为但不限于人脸识别软件。由图2可知,人脸产品主要包括五个层次,即接入评估层、产品可用层、产品使用层、产品比对层以及产品通过层。其中,在业务客户端(例如,移动端的支付客户端)请求人脸识别之后,进入到人脸产品的运营层,即进入上述五个层次。接入评估层用于确定业务的接入情况,例如,确定是否接入业务;产品可用层用于确定人脸产品与设备兼容情况,例如,确定人脸产品能够在Android***上应用;产品使用层用于下发人脸产品的使用参数;产品比对层用于对人脸图像进行比对;产品通过层用于确定进行人脸识别的对象验证通过的方式。
需要说明的是,本申请主要是对产品比对层和产品通过层的内容进行了改进,如图3所示的一种优选的验证对象的方法流程图。具体的,用户在购买商品需要支付时,用户通过移动终端发出人脸请求,其中,人脸请求中包含用户的个人信息。移动终端根据人脸请求中的个人信息确定该用户是否属于误识别对象。其中,在确定该用户不属于误识别对象的情况下,移动终端通过比对该用户的图像与预存图像的相似度,如果相似度大于阈值,则进行相关操作,例如支付操作;否则不进行支付。在确定该用户属于误识别对象的情况下,移动终端进一步确定该用户是否属于高危误识别对象,如果该用户属于高危误识别对象,则移动终端拒绝通过人脸识别的方式进行支付,并提示该用户本次支付失败,需通过输入支付密码的形式完成支付;如果该用户不属于高危误识别对象,则移动终端通过对比该用户的图像信息与该用户的预存图像(例如,个人身份证图像)、与该用户具有相似特征的用户的预存图像,分别得到两组相似度,并通过个性化比对(包括但不限于比对平均值、最大值、最小值、最大方差、最小方差等)的方式来确定是否可完成支付操作。
由上述内容可知,本申请所提供的验证对象的方法通过多次比对,不仅可降低人脸误识别率,还提高了信息的安全性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的验证对象的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
实施例2
根据本申请实施例,还提供了一种用于实施上述验证对象的方法的装置,如图4所示,该装置B包括:采集模块401、比对模块403以及确定模块405。
其中,采集模块401,用于采集第一对象的图像信息;比对模块403,用于将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;确定模块405,用于基于比对结果,确定第一对象是否验证通过。
此处,需要说明的是,上述采集模块401、比对模块403以及确定模块405对应于实施例1中的步骤S102至步骤S106,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的移动终端中。
在一种可选的方案中,比对模块包括:第一处理模块以及第二处理模块。其中,第一处理模块,用于将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值;第二处理模块,用于将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值;其中,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
此处,需要说明的是,上述第一处理模块以及第二处理模块对应于实施例1中的步骤S1040至步骤S1042,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的移动终端中。
在一种可选的方案中,确定模块包括:第一比对模块、第三处理模块以及第四处理模块。其中,第一比对模块,用于比对第一相似度值和第二相似度值;第三处理模块,用于如果第一相似度值大于等于第二相似度值,第一对象验证通过;第四处理模块,用于如果第一相似度值小于第二相似度值,第一对象验证失败。
在一种可选的方案中,在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值,包括:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大方差值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小方差值作为第一相似度值。
在一种可选的方案中,在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值,包括:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值的平均值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大方差值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小方差值作为第二相似度值。
在一种可选的方案中,验证对象的装置还包括:接收模块、第一判断模块、第一触发模块以及第二触发模块。其中,接收模块,用于接收验证请求,其中,验证请求用于请求验证第一对象的身份;第一判断模块,用于判断发出验证请求的第一对象是否属于误识别对象,其中,误识别对象为进行对象识别时识别结果与正确结果存在误差的对象;第一触发模块,用于如果第一对象属于误识别对象,则触发采集第一对象的图像信息,并执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤;第二触发模块,用于如果第一对象不属于误识别对象,则触发采集第一对象的图像信息,并通过将第一对象的图像信息与第一对象的预存图像进行比对,来确定第一对象是否通过验证。
此处,需要说明的是,上述接收模块、第一判断模块、第一触发模块以及第二触发模块对应于实施例1中的步骤S202至步骤S208,四个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的移动终端中。
在一种可选的方案中,验证对象的装置还包括:第二判断模块、第五处理模块以及第六处理模块。其中,第二判断模块,用于判断第一对象的误差级别是否超过阀值;第五处理模块,用于如果误差级别超过阀值,则中断验证请求;第六处理模块,用于如果误差级别低于阀值,则下发多次采集指令,其中,多次采集指令用于发出指示第一对象执行多个动作的指令。
此处,需要说明的是,上述第二判断模块、第五处理模块以及第六处理模块对应于实施例1中的步骤S2060至步骤S2064,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例一提供的移动终端中。
在一种可选的方案中,基于多次采集指令触发采集得到第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。其中,如果多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定第一对象验证通过。
实施例3
本申请的实施例可以提供一种验证对象的***,该***可执行实施例1中的验证对象的方法,具体的,该***包括:处理器和存储器。其中,存储器与处理器连接,用于为处理器提供处理以下处理步骤的指令:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
由上可知,在得到第一对象的图像信息之后,通过将第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,然后根据比对结果确定第一对象是否验证通过,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象。
容易注意到的是,本申请的待识别对象为其他对象具有特征相似的对象,而在对比待识别对象的图像信息与预存图像的相似度的过程中,还对待识别对象的图像信息和自身的预存对象进行比对,由于自身对比得到的相似度要高于与其他对象对比得到的相似度,因此,本申请所提出的比对方法可有效将特征相似的对象进行区分,进而降低了人脸识别的误识别率,提高了信息安全性。
由此可见,本申请的上述实施例解决了现有技术中人脸识别的识别效率低的技术问题。
在一种可选的方案中,处理器将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值,并将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值。然后比对第一相似度值和第二相似度值,如果第一相似度值大于等于第二相似度值,第一对象验证通过;如果第一相似度值小于第二相似度值,第一对象验证失败。其中,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
可选的,在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,可通过如下任意一种方式将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大方差值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小方差值作为第一相似度值。
可选的,在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,可通过如下任意一种方式将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值的平均值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大方差值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小方差值作为第二相似度值。
在一种可选的方案中,在采集第一对象的图像信息之前,处理器接收验证请求,并判断发出验证请求的第一对象是否属于误识别对象,如果第一对象属于误识别对象,则触发采集第一对象的图像信息,并执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤;如果第一对象不属于误识别对象,则触发采集第一对象的图像信息,并通过将第一对象的图像信息与第一对象的预存图像进行比对,来确定第一对象是否通过验证。需要说明的是,验证请求用于请求验证第一对象的身份,误识别对象为进行对象识别时识别结果与正确结果存在误差的对象。
在一种可选的方案中,在第一对象属于误识别对象的情况下,在触发采集第一对象的图像信息之前,处理器还判断第一对象的误差级别是否超过阀值,如果误差级别超过阀值,则中断验证请求;如果误差级别低于阀值,则下发多次采集指令,其中,多次采集指令用于发出指示第一对象执行多个动作的指令。
需要说明的是,处理器可基于多次采集指令触发采集得到第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。其中,如果多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定第一对象验证通过。
实施例4
本申请的实施例可以提供一种移动设备,该移动设备可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算机终端也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
图5示出了一种计算机终端的硬件结构框图。如图5所示,计算机终端A可以包括一个或多个(图中采用502a、502b,……,502n来示出)处理器502(处理器502可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器504、以及用于通信功能的传输装置506。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图5所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端A还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。
应当注意到的是上述一个或多个处理器502和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端A中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
处理器502可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
存储器504可用于存储应用软件的软件程序以及模块,如本申请实施例中的验证对象的方法对应的程序指令/数据存储装置,处理器502通过运行存储在存储器504内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的验证对象的方法。存储器504可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器504可进一步包括相对于处理器502远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端A的通信供应商提供的无线网络。在一个实例中,传输装置506包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置506可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端A的用户界面进行交互。
此处需要说明的是,在一些可选实施例中,上述图5所示的计算机终端A可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图5仅为特定具体实例的一个实例,并且旨在示出可存在于上述计算机终端A中的部件的类型。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值;将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值;其中,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:比对第一相似度值和第二相似度值;如果第一相似度值大于等于第二相似度值,第一对象验证通过;如果第一相似度值小于第二相似度值,第一对象验证失败。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值,包括:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大方差值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小方差值作为第一相似度值。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值,包括:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值的平均值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大方差值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小方差值作为第二相似度值。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:接收验证请求,其中,验证请求用于请求验证第一对象的身份;判断发出验证请求的第一对象是否属于误识别对象,其中,误识别对象为进行对象识别时识别结果与正确结果存在误差的对象;如果第一对象属于误识别对象,则触发采集第一对象的图像信息,并执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤;如果第一对象不属于误识别对象,则触发采集第一对象的图像信息,并通过将第一对象的图像信息与第一对象的预存图像进行比对,来确定第一对象是否通过验证。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:判断第一对象的误差级别是否超过阀值;如果误差级别超过阀值,则中断验证请求;如果误差级别低于阀值,则下发多次采集指令,其中,多次采集指令用于发出指示第一对象执行多个动作的指令。
在本实施例中,上述计算机终端A可以执行应用程序的验证对象的方法中以下步骤的程序代码:基于多次采集指令触发采集得到第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。如果多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定第一对象验证通过。
在本实施例中,上述计算机终端可以执行应用程序的验证对象的方法中以下步骤的程序代码:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
本领域普通技术人员可以理解,图5所示的结构仅为示意,计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternetDevices,MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如,计算机终端A还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图5所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例5
本申请的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述实施例一所提供的验证对象的方法所执行的程序代码。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:采集第一对象的图像信息;将采集到的第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,满足预设条件的图像包括:第一对象的预存图像和第二对象的预存图像,第一对象与第二对象为特征相似的对象;基于比对结果,确定第一对象是否验证通过。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值;将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值;其中,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:比对第一相似度值和第二相似度值;如果第一相似度值大于等于第二相似度值,第一对象验证通过;如果第一相似度值小于第二相似度值,第一对象验证失败。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值,包括:将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最大方差值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小值作为第一相似度值;或者,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值中的最小方差值作为第一相似度值。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值,包括:将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值的平均值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最大方差值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小值作为第二相似度值;或者,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第二子相似度值中的最小方差值作为第二相似度值。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:接收验证请求,其中,验证请求用于请求验证第一对象的身份;判断发出验证请求的第一对象是否属于误识别对象,其中,误识别对象为进行对象识别时识别结果与正确结果存在误差的对象;如果第一对象属于误识别对象,则触发采集第一对象的图像信息,并执行将采集到的第一对象的图像信息与满足预设条件的图像进行比对的步骤;如果第一对象不属于误识别对象,则触发采集第一对象的图像信息,并通过将第一对象的图像信息与第一对象的预存图像进行比对,来确定第一对象是否通过验证。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:判断第一对象的误差级别是否超过阀值;如果误差级别超过阀值,则中断验证请求;如果误差级别低于阀值,则下发多次采集指令,其中,多次采集指令用于发出指示第一对象执行多个动作的指令。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:基于多次采集指令触发采集得到第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。如果多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定第一对象验证通过。
实施例6
根据本申请实施例,还提供了一种验证对象的方法实施例,其中,图6示出了验证对象的方法流程图。如图6所示,该方法包括如下步骤:
步骤S602,采集第一对象的图像信息;
步骤S604,根据第一对象的图像信息确定与第一对象具有相似特征的第二对象;
步骤S606,将第一对象的图像信息分别与第一对象的预存图像、第二对象的预存图像进行比对,得到比对结果;
步骤S608,基于比对结果,确定第一对象是否验证通过。
需要说明的是,在步骤S602至步骤S608中的第一对象为需要进行人脸识别的对象,例如,需要通过人脸识别的方式进行支付的用户。
在一种可选的方案中,在当用户通过购物软件下订单,并进入到支付界面之后,或者,用户直接点击支付软件(例如,微信、银行软件)进入到支付界面之后,移动终端开启摄像头,获取到用户的图像信息,即第一图像信息,然后在移动终端的显示界面中显示采集到的图像。移动终端通过云服务器获取到第一对象的预存图像,以及与第一对象具有相似特征的第二对象的预存图像。在获取第二对象的预存图像之前,移动终端或云服务器通过比对第一对象的图像信息与其他对象的图像信息,得到比对结果,然后再根据比对结果确定第二对象,其中,比对结果可以为相似度,即将相似度大于预设相似度的对象作为第二对象。进一步地,在得到第二对象之后,移动终端将采集到的第一对象的图像信息与第一对象的预存图像进行相似度计算,得到第一相似度值。同时,将采集到的第一对象的图像信息与第二对象的预存图像进行相似度计算,得到第二相似度值。然后,比对第一相似度值和第二相似度值,其中,如果第一相似度值大于等于第二相似度值,第一对象验证通过;如果第一相似度值小于第二相似度值,第一对象验证失败。
需要说明的是,在上述过程中,第一相似度值用于表征验证第一对象本身的相似程度,第二相似度值用于表征验证第一对象与第二对象之间的相似程度。
另外,在第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,将第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将多个第一子相似度值的平均值、最大值、最大方差值、最小值或者最小方差值作为第一相似度值。同样的,在第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,将第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将多个第一子相似度值的平均值、最大值、最大方差值、最小值或者最小方差值作为第二相似度值。
基于步骤S602至步骤S608所限定的方案,可以获知,在得到第一对象的图像信息之后,根据第一对象的图像信息确定与第一对象具有相似特征的第二对象,然后再将第一对象的图像信息分别与第一对象的预存图像、第二对象的预存图像进行比对,得到比对结果,并根据比对结果确定第一对象是否验证通过。
容易注意到的是,本申请的待识别对象为其他对象具有特征相似的对象,而在对比待识别对象的图像信息与预存图像的相似度的过程中,还对待识别对象的图像信息和自身的预存对象进行比对,由于自身对比得到的相似度要高于与其他对象对比得到的相似度,因此,本申请所提出的比对方法可有效将特征相似的对象进行区分,进而降低了人脸识别的误识别率,提高了信息安全性。
由此可见,本申请的上述实施例解决了现有技术中人脸识别的识别效率低的技术问题。
在一种可选的方案中,根据第一对象的图像信息确定与第一对象具有相似特征的第二对象的方法可以包括如下步骤:
步骤S6040,获取预设数据库中的多个对象的图像信息;
步骤S6042,将第一对象的图像信息与多个对象的图像信息分别进行比对,得到相似度;
步骤S6044,根据相似度与预设相似度的大小从多个对象中确定第二对象。
在一种可选的方案中,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器,云服务器将第一对象的图像信息与预存的多幅图像进行匹配,得到图像相似度。然后云服务器筛选出图像相似度大于第一预设相似度的预存图像,并将预存图像发送至移动终端。
在另一种可选的方案中,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器。云服务器根据第一对象的图像信息确定第一对象的对象信息(例如,姓名、身份证号),然后将第一对象的对象信息与预存的对象信息进行比对,得到对象相似度,并筛选出对象相似度大于第二预设相似度的预存的对象信息,并根据预存的对象信息得到预存图像,最后将预存图像发送至移动终端。需要说明的是,由于双胞胎或多胞胎的姓名或者身份证号的相似度比较大,因此,通过上述方案可有效确定出与第一对象具有双胞胎或多胞胎关系的第二对象的预存图像。
还存在一种可选的方案,移动终端在获取到第一对象的图像信息之后,将第一对象的图像信息发送至云服务器。云服务器根据第一对象的图像信息确定第一对象的对象信息(例如,姓名、身份证号、户籍信息),然后将第一对象的对象信息与预存的对象信息进行比对,得到对象关联度,并筛选出对象关联度大于第三预设相似度的预存的对象信息,并根据预存的对象信息得到预存图像,最后将预存图像发送至移动终端。需要说明的是,由于兄弟姐妹以及父母的姓名、身份证号以及户籍信息等具有一定的关联性,因此,通过上述方案可有效确定出与第一对象具有关联关系的第二对象的预存图像。
此外,还需要说明的是,上述三种方案可进行任意形式的组合,或者,与其他未提到的可能存在的方案进行组合,在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (15)
1.一种验证对象的方法,其特征在于,包括:
采集第一对象的图像信息;
将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,所述满足预设条件的图像包括:所述第一对象的预存图像和第二对象的预存图像,所述第一对象与所述第二对象为特征相似的对象;
基于所述比对结果,确定所述第一对象是否验证通过。
2.根据权利要求1所述的方法,其特征在于,将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,包括:
将采集到的所述第一对象的图像信息与所述第一对象的预存图像进行相似度计算,得到第一相似度值;
将采集到的所述第一对象的图像信息与所述第二对象的预存图像进行相似度计算,得到第二相似度值;
其中,所述第一相似度值用于表征验证所述第一对象本身的相似程度,所述第二相似度值用于表征验证所述第一对象与所述第二对象之间的相似程度。
3.根据权利要求2所述的方法,其特征在于,基于所述比对结果,确定所述第一对象是否验证通过,包括:
比对所述第一相似度值和所述第二相似度值;
如果所述第一相似度值大于等于所述第二相似度值,所述第一对象验证通过;
如果所述第一相似度值小于所述第二相似度值,所述第一对象验证失败。
4.根据权利要求2或3所述的方法,其特征在于,在所述第一对象的预存图像包括了不同时刻采集的多个第一子图像的情况下,将采集到的所述第一对象的图像信息与所述第一对象的预存图像进行相似度计算,得到第一相似度值,包括:
将所述第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将所述多个第一子相似度值的平均值作为所述第一相似度值;或者,
将所述第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将所述多个第一子相似度值中的最大值作为所述第一相似度值;或者,
将所述第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将所述多个第一子相似度值中的最大方差值作为所述第一相似度值;或者,
将所述第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将所述多个第一子相似度值中的最小值作为所述第一相似度值;或者,
将所述第一对象的图像信息与每个时刻的第一子图像进行相似度计算,得到多个第一子相似度值,并将所述多个第一子相似度值中的最小方差值作为所述第一相似度值。
5.根据权利要求2或3所述的方法,其特征在于,在所述第二对象的预存图像包括了不同时刻采集的多个第二子图像的情况下,将采集到的所述第一对象的图像信息与所述第二对象的预存图像进行相似度计算,得到第二相似度值,包括:
将所述第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将所述多个第二子相似度值的平均值作为所述第二相似度值;或者,
将所述第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将所述多个第二子相似度值中的最大值作为所述第二相似度值;或者,
将所述第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将所述多个第二子相似度值中的最大方差值作为所述第二相似度值;或者,
将所述第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将所述多个第二子相似度值中的最小值作为所述第二相似度值;或者,
将所述第一对象的图像信息与每个时刻的第二子图像进行相似度计算,得到多个第二子相似度值,并将所述多个第二子相似度值中的最小方差值作为所述第二相似度值。
6.根据权利要求1所述的方法,其特征在于,在采集第一对象的图像信息之前,所述方法还包括:
接收验证请求,其中,所述验证请求用于请求验证所述第一对象的身份;
判断发出所述验证请求的第一对象是否属于误识别对象,其中,所述误识别对象为进行对象识别时识别结果与正确结果存在误差的对象;
如果所述第一对象属于所述误识别对象,则触发采集第一对象的图像信息,并执行将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对的步骤;
如果所述第一对象不属于所述误识别对象,则触发采集第一对象的图像信息,并通过将所述第一对象的图像信息与所述第一对象的预存图像进行比对,来确定所述第一对象是否通过验证。
7.根据权利要求6所述的方法,其特征在于,在所述第一对象属于所述误识别对象的情况下,在触发采集第一对象的图像信息之前,所述方法还包括:
判断所述第一对象的误差级别是否超过阀值;
如果所述误差级别超过所述阀值,则中断所述验证请求;
如果所述误差级别低于所述阀值,则下发多次采集指令,其中,所述多次采集指令用于发出指示所述第一对象执行多个动作的指令。
8.根据权利要求7所述的方法,其特征在于,基于所述多次采集指令触发采集得到所述第一对象的多张第一图像信息,并将每张第一图像信息分别与满足预设条件的图像进行比对,得到多个比对结果。
9.根据权利要求8所述的方法,其特征在于,如果所述多个比对结果中存在相同的比对结果的数量超过预定阀值,则确定所述第一对象验证通过。
10.一种验证对象的装置,其特征在于,包括:
采集模块,用于采集第一对象的图像信息;
比对模块,用于将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,所述满足预设条件的图像包括:所述第一对象的预存图像和第二对象的预存图像,所述第一对象与所述第二对象为特征相似的对象;
确定模块,用于基于所述比对结果,确定所述第一对象是否验证通过。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行以下步骤:
采集第一对象的图像信息;
将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,所述满足预设条件的图像包括:所述第一对象的预存图像和第二对象的预存图像,所述第一对象与所述第二对象为特征相似的对象;
基于所述比对结果,确定所述第一对象是否验证通过。
12.一种移动设备,其特征在于,包括:处理器,所述处理器用于运行程序,其中,在所述程序运行时执行以下步骤:
采集第一对象的图像信息;
将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,所述满足预设条件的图像包括:所述第一对象的预存图像和第二对象的预存图像,所述第一对象与所述第二对象为特征相似的对象;
基于所述比对结果,确定所述第一对象是否验证通过。
13.一种验证对象的***,其特征在于,包括:
处理器;以及
存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:
采集第一对象的图像信息;
将采集到的所述第一对象的图像信息与满足预设条件的图像进行比对,得到比对结果,其中,所述满足预设条件的图像包括:所述第一对象的预存图像和第二对象的预存图像,所述第一对象与所述第二对象为特征相似的对象;
基于所述比对结果,确定所述第一对象是否验证通过。
14.一种验证对象的方法,其特征在于,包括:
采集第一对象的图像信息;
根据所述第一对象的图像信息确定与所述第一对象具有相似特征的第二对象;
将所述第一对象的图像信息分别与所述第一对象的预存图像、所述第二对象的预存图像进行比对,得到比对结果;
基于所述比对结果,确定所述第一对象是否验证通过。
15.根据权利要求14所述的方法,其特征在于,根据所述第一对象的图像信息确定与所述第一对象具有相似特征的第二对象,包括:
获取预设数据库中的多个对象的图像信息;
将所述第一对象的图像信息与所述多个对象的图像信息分别进行比对,得到相似度;
根据所述相似度与预设相似度的大小从所述多个对象中确定所述第二对象。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810458318.2A CN110490026A (zh) | 2018-05-14 | 2018-05-14 | 验证对象的方法、装置和*** |
TW108108019A TW201947440A (zh) | 2018-05-14 | 2019-03-11 | 驗證對象的方法、裝置和系統 |
PCT/CN2019/085938 WO2019218905A1 (zh) | 2018-05-14 | 2019-05-08 | 验证对象的方法、装置和*** |
JP2020564143A JP7089601B2 (ja) | 2018-05-14 | 2019-05-08 | 対象物検証方法、装置、およびシステム |
EP19803498.5A EP3779739B1 (en) | 2018-05-14 | 2019-05-08 | Object verification method, device and system |
US17/096,306 US20210064854A1 (en) | 2018-05-14 | 2020-11-12 | Object verification method, device and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810458318.2A CN110490026A (zh) | 2018-05-14 | 2018-05-14 | 验证对象的方法、装置和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490026A true CN110490026A (zh) | 2019-11-22 |
Family
ID=68539438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810458318.2A Pending CN110490026A (zh) | 2018-05-14 | 2018-05-14 | 验证对象的方法、装置和*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210064854A1 (zh) |
EP (1) | EP3779739B1 (zh) |
JP (1) | JP7089601B2 (zh) |
CN (1) | CN110490026A (zh) |
TW (1) | TW201947440A (zh) |
WO (1) | WO2019218905A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242105A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种用户识别方法、装置及设备 |
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11341682B2 (en) * | 2020-08-13 | 2022-05-24 | Argo AI, LLC | Testing and validation of a camera under electromagnetic interference |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004078686A (ja) * | 2002-08-20 | 2004-03-11 | Toshiba Corp | 個人認証装置、個人認証方法、通行制御装置および通行制御方法 |
CN107103218A (zh) * | 2016-10-24 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 一种业务实现方法和装置 |
CN107491674A (zh) * | 2017-07-27 | 2017-12-19 | 阿里巴巴集团控股有限公司 | 基于特征信息进行用户验证的方法及装置 |
CN107516105A (zh) * | 2017-07-20 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 图像处理方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4153691B2 (ja) * | 2001-11-06 | 2008-09-24 | 株式会社東芝 | 顔画像照合装置及び顔画像照合方法 |
TWI299471B (en) * | 2001-08-24 | 2008-08-01 | Toshiba Kk | Person recognition apparatus |
JP2004078891A (ja) * | 2002-06-19 | 2004-03-11 | Omron Corp | 顔照合装置、顔照合方法および生体情報照合装置 |
US10169646B2 (en) * | 2007-12-31 | 2019-01-01 | Applied Recognition Inc. | Face authentication to mitigate spoofing |
JP4775515B1 (ja) * | 2011-03-14 | 2011-09-21 | オムロン株式会社 | 画像照合装置、画像処理システム、画像照合プログラム、コンピュータ読み取り可能な記録媒体、および画像照合方法 |
JP6132490B2 (ja) * | 2012-08-20 | 2017-05-24 | キヤノン株式会社 | 認証装置、認証方法、およびプログラム |
JP2017028407A (ja) * | 2015-07-17 | 2017-02-02 | 富士通株式会社 | 撮影指示プログラム、撮影指示装置、および撮影指示方法 |
-
2018
- 2018-05-14 CN CN201810458318.2A patent/CN110490026A/zh active Pending
-
2019
- 2019-03-11 TW TW108108019A patent/TW201947440A/zh unknown
- 2019-05-08 JP JP2020564143A patent/JP7089601B2/ja active Active
- 2019-05-08 WO PCT/CN2019/085938 patent/WO2019218905A1/zh unknown
- 2019-05-08 EP EP19803498.5A patent/EP3779739B1/en active Active
-
2020
- 2020-11-12 US US17/096,306 patent/US20210064854A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004078686A (ja) * | 2002-08-20 | 2004-03-11 | Toshiba Corp | 個人認証装置、個人認証方法、通行制御装置および通行制御方法 |
CN107103218A (zh) * | 2016-10-24 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 一种业务实现方法和装置 |
CN107516105A (zh) * | 2017-07-20 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 图像处理方法及装置 |
CN107491674A (zh) * | 2017-07-27 | 2017-12-19 | 阿里巴巴集团控股有限公司 | 基于特征信息进行用户验证的方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111488919B (zh) * | 2020-03-24 | 2023-12-22 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111242105A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种用户识别方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
JP7089601B2 (ja) | 2022-06-22 |
JP2021523481A (ja) | 2021-09-02 |
TW201947440A (zh) | 2019-12-16 |
US20210064854A1 (en) | 2021-03-04 |
EP3779739A4 (en) | 2021-05-05 |
EP3779739B1 (en) | 2022-03-30 |
EP3779739A1 (en) | 2021-02-17 |
WO2019218905A1 (zh) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104205721B (zh) | 情景感知自适应认证方法和装置 | |
CN108197557A (zh) | 人证一致性检验方法、终端设备及计算机可读存储介质 | |
CN107993697A (zh) | 医疗服务平台及*** | |
CN108986245A (zh) | 基于人脸识别的考勤方法及终端 | |
CN103049848B (zh) | 一种基于智能电视的手势支付方法及智能电视 | |
CN110166438A (zh) | 账户信息的登录方法、装置、计算机设备及计算机存储介质 | |
CN110490026A (zh) | 验证对象的方法、装置和*** | |
CN106710017A (zh) | 用于物流签收的身份验证方法、装置及*** | |
CN108022181A (zh) | 酒店快速入住方法及装置和电子设备 | |
CN107491674A (zh) | 基于特征信息进行用户验证的方法及装置 | |
CN107679457A (zh) | 用户身份校验方法及装置 | |
CN111210214A (zh) | 一种虚拟现实支付***及其支付方法 | |
CN109523271A (zh) | 人脸支付***以及方法 | |
CN107688940A (zh) | 生物识别交易处理方法及*** | |
CN111665948A (zh) | 一种非现场业务办理方法及vr*** | |
CN108306886A (zh) | 一种身份验证方法、装置及存储介质 | |
CN108650246A (zh) | 一种第三方账户登录方法、装置及*** | |
CN109255718A (zh) | 保险赔付方法与装置、计算机设备与可读存储介质 | |
US20220375259A1 (en) | Artificial intelligence for passive liveness detection | |
CN109816543A (zh) | 一种图像查找方法及装置 | |
CN110415113A (zh) | 金融数据处理方法、装置、服务器及可读存储介质 | |
CN108596752A (zh) | 密码重置方法、***、自助终端及计算机可读存储介质 | |
CN107464184A (zh) | 一种账户开立方法及其装置 | |
CN109523408A (zh) | 参保人的身份认证方法、保险机构服务器及用户终端 | |
CN108334869A (zh) | 人脸部件的选择、人脸识别方法和装置,以及电子设备 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40016347 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |