CN111444490A - 身份识别方法、装置、计算机设备和存储介质 - Google Patents
身份识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111444490A CN111444490A CN202010212665.4A CN202010212665A CN111444490A CN 111444490 A CN111444490 A CN 111444490A CN 202010212665 A CN202010212665 A CN 202010212665A CN 111444490 A CN111444490 A CN 111444490A
- Authority
- CN
- China
- Prior art keywords
- face
- information
- power system
- person
- recognition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000003042 antagnostic effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及一种身份识别方法、装置、计算机设备和存储介质。通过获取包括待识别人员的人脸信息图像,利用人脸识别模型识别图像中的人脸信息,还可以获取人脸识别模型对人脸信息的识别准确率,并输出对应的提示词,通过获取待识别人员根据提示词输入的语音信息,识别待识别人员的身份信息。相较于传统的通过动态口令等方式进行电力***的安全防护,本方案通过人脸识别模型识别待识别人员的人脸信息,通过人脸信息的识别准确率,再进行相应的语音识别,可以对需要对电力***进行操作的工作人员进行更加严格的认证,保证操作人员的合法性,从而降低了电力***被入侵的风险,实现提高电力***安全性的效果。
Description
技术领域
本申请涉及信息安全技术领域,特别是涉及一种身份识别方法、装置、计算机设备和存储介质。
背景技术
电力是人们日常生活中必不可少的一种能源,如今几乎小到个体,打到国家,都需要使用电力。而电能通常是通过电力***产生且管理的,因此电力***在日常生活中扮演着重要的角色,并且随着电力资源的需求越来越多,电力***的应用也越来越多,电力***的安全性越来越成为重要的课题,电力***的安全保障着国家的正常生活和秩序,一旦电力***出现安全问题,将会对国家和社会造成重大伤害。而保障电力***的安全性的一个重要的手段是电力***的安全认证。
传统的电力***安全认证通常是采用动态口令等方法实现对工作人员的操作许可认证,然而,采用动态口令的认证方法,容易遭到不法分子破解,不能很好地保证电力***的安全性。
因此,传统的电力***的身份识别方法存在安全性不高的缺陷。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电力***的安全性的身份识别方法、装置、计算机设备和存储介质。
一种身份识别方法,所述方法包括:
获取包括待识别人员的人脸信息的图像;
通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
获取所述人脸识别模型对所述人脸信息的识别准确率;
输出与所述识别准确率对应的提示词;
获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
在一个实施例中,所述获取包括待识别人员的人脸信息的图像之前,包括:
获取所述电力***的工作人员的真实人脸样本;
获取模拟所述电力***的工作人员的人脸的模拟人脸样本;
将目标工作人员的所述真实人脸样本作为正样本、所述目标工作人员的模拟人脸样本以及其他工作人员的真实人脸样本作为负样本;所述目标工作人员属于所述电力***的工作人员中的一员;
将正样本和负样本输入到待训练的识别模型中,将所述识别模型的输出结果分别与所述正样本和负样本对应的身份信息进行比较,得到识别误差;所述输出结果包括所述识别模型根据所述正样本和/或所述负样本识别的身份信息;
判断所述识别误差是否大于预设数值;
若是,则根据所述输出结果调整所述识别模型,得到新的待训练的识别模型,返回将当前的正样本和负样本输入到待训练的识别模型中的步骤;
若否,结束训练所述识别模型,根据训练结束时的识别模型得到所述人脸识别模型。
在一个实施例中,所述方法还包括:
当所述识别准确率大于预设准确率时,将所述人脸信息作为所述电力***的工作人员的真实人脸样本,增加到所述电力***的工作人员的人脸样本数据库,以根据增加所述人脸信息后的人脸样本数据库更新所述人脸识别模型。
在一个实施例中,所述输出与所述识别准确率对应的提示词,包括:
当所述识别准确率大于预设阈值时,生成第一难度的提示词;
当所述识别准确率小于或等于预设阈值时,生成第二难度的提示词;
其中,所述第一难度小于所述第二难度。
在一个实施例中,所述根据所述语音信息识别所述待识别人员的身份信息,包括:
将所述第一难度对应的语音信息输入第一神经网络,得到所述语音信息的第一识别结果;
将所述第二难度对应的语音信息输入第二神经网络,得到所述语音信息的第二识别结果;
其中,所述第一神经网络的判断阈值为第一数值;第二神经网络的判断阈值为第二数值;所述第一数值小于所述第二数值;
根据所述第一识别结果或者所述第二识别结果,确定所述待识别人员的身份信息。
在一个实施例中,所述根据所述语音信息识别所述待识别人员的身份信息之后,还包括:
将所述待识别人员的所述身份信息和所述身份信息对应的权限信息进行加密;
将加密后的所述身份信息和权限信息上传至所述电力***云平台,以使所述电力***云平台对所述加密后的所述身份信息和权限信息进行解密,基于解密后的所述身份信息和权限信息,向所述待识别人员开放所述电力***相应的操作权限。
在一个实施例中,所述将所述待识别人员的所述身份信息和所述身份信息对应的权限信息进行加密,并将加密后的所述身份信息和权限信息上传至所述电力***云平台,包括:
基于随机数生成随机密匙;
根据所述随机密匙,对所述身份信息和权限信息进行加密;
将加密后的所述身份信息和权限信息发送至所述电力***云平台;所述电力***云平台保存有所述随机密匙对应的解密密匙。
一种身份识别装置,应用于电力***的终端,所述装置包括:
获取模块,用于获取包括待识别人员的人脸信息的图像;
第一识别模块,用于通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
输出模块,用于获取所述人脸识别模型对所述人脸信息的识别准确率;输出与所述识别准确率对应的提示词;
第二识别模块,用于获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取包括待识别人员的人脸信息的图像;
通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
获取所述人脸识别模型对所述人脸信息的识别准确率;
输出与所述识别准确率对应的提示词;
获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取包括待识别人员的人脸信息的图像;
通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
获取所述人脸识别模型对所述人脸信息的识别准确率;
输出与所述识别准确率对应的提示词;
获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
上述身份识别方法、装置、计算机设备和存储介质,通过获取包括待识别人员的人脸信息图像,利用人脸识别模型识别图像中的人脸信息,其中人脸识别模型根据电力***的工作人员的真实人脸样本以及模拟电力***工作人员的人脸的模拟人脸样本训练得到,还可以获取人脸识别模型对人脸信息的识别准确率,并输出对应的提示词,通过获取待识别人员根据提示词输入的语音信息,识别待识别人员的身份信息。相较于传统的通过动态口令等方式进行电力***的安全防护,本方案通过人脸识别模型识别待识别人员的人脸信息,通过人脸信息的识别准确率,再进行相应的语音识别,可以对需要对电力***进行操作的工作人员进行更加严格的认证,保证操作人员的合法性,从而降低了电力***被入侵的风险,实现提高电力***安全性的效果。
附图说明
图1为一个实施例中身份识别方法的应用环境图;
图2为一个实施例中身份识别方法的流程示意图;
图3为一个实施例中训练人脸识别模型步骤的流程示意图;
图4为另一个实施例中身份识别方法的流程示意图;
图5为一个实施例中身份识别装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的身份识别方法,可以应用于如图1所示的应用环境中。电力***的终端102可以获取包括待识别人员的人脸信息图像,并通过人脸识别模型识别图像中的人脸信息,其中人脸识别模型可以根据电力***的工作人员的真实人脸样本以及模拟电力***的工作人员的人脸的模拟人脸样本训练得到,终端102还可以获取人脸识别模型的上述人脸信息的识别准确率,并输出相应的提示字段,获取待识别人员根据提示字段输入的语音信息,根据语音信息识别待识别人员的身份信息,在一个实施例中,还可以包括电力***云平台104。其中,电力***的终端102通过网络与电力***云平台104进行通信。终端102可以将识别到的身份信息以及身份信息对应的权限信息加密发送至电力***云平台104,电力***云平台104可以根据该身份信息和权限信息赋予对应的权限,从而实现对待识别人员的身份识别。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑,电力***云平台104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种身份识别方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤S202,获取包括待识别人员的人脸信息的图像。
其中,上述待识别人员可以是需要对电力***进行操作的人员,由于需要保障电力***的安全性,因此需要对电力***进行操作的人员进行识别。上述图像可以是包括待识别人员的人脸信息的图像,该图像可以包括待识别人员的多种信息,例如可以是待识别人员的全身图像,也可以是待识别人员的包括人脸的半身图像,还可以是待识别人员的人脸图像等;终端102可以获取单独的上述包括待识别人员的人脸信息的图像,也可以获取多张上述包括待识别人员的人脸信息的图像,其中多张上述待识别人员的人脸信息的图像可以是多个角度的图像。终端102可以通过图像获取设备获取上述包括待识别人员的人脸信息的图像,其中图像获取设备可以是摄像设备,例如相机和摄像头等,也可以是录像设备,例如视频监控摄像头等。其中图像获取设备可以有是一个,也可以是多个,终端102可以从摄像设备拍摄的照片中获取包括上述待识别人员人脸信息的图像,也可以从录像设备记录的视频信息中提取包括上述待识别人员人脸信息的图像。当上述图像获取设备有多个时,终端102可以从多个图像获取设备拍摄的图像中筛选出包括上述待识别人员的人脸信息的最优图像。
步骤S204,通过人脸识别模型识别图像中的人脸信息;人脸识别模型根据电力***的工作人员的真实人脸样本以及模拟电力***的工作人员的人脸的模拟人脸样本训练得到。
其中,人脸识别模型可以是用于识别上述包括待识别人员的人脸信息的图像的识别模型,该人脸识别模型可以是基于Faster RCNN算法的人脸识别模型,Faster RCNN算法可以是一种目标检测算法,在Fast RCNN的基础上提出了RPN候选框生成算法,使得目标检测速度大大提高。终端102可以在上述人脸识别模型中利用FasterRCNN算法识别上述包括待识别人员的人脸信息的图像中的人脸信息。上述人脸识别模型可以识别上述图像中的人脸信息,具体地,可以通过FasterRCNN算法设置预设形状的识别框,例如椭圆形的识别框,采集上述图像中的人脸信息的区域。上述人脸识别模型可以根据电力***的工作人员的真实人脸样本和模拟电力***的工作人员的人脸的模拟人脸样本训练得到。其中,电力***的工作人员可以是已经通过身份识别的工作人员,该工作人员可以拥有上述电力***相应的操作权限,上述电力***的工作人员的真实人脸样本可以是已通过识别的工作人员的人脸样本,由于该人脸样本对应的工作人员是真实存在且通过身份识别,因此该人脸样本可以作为真实人脸样本;上述模拟人脸样本可以是模仿上述电力***中的工作人员的真实人脸样本生成的模拟人脸样本,该模拟人脸样本可以用于对上述人脸识别模型进行欺骗性训练,使得人脸识别模型可以更准确地识别待识别人员的身份信息。
步骤S206,获取人脸识别模型对人脸信息的识别准确率;输出与识别准确率对应的提示词。
其中,识别准确率可以是上述人脸识别模型识别上述待识别人员的人脸信息与得到的身份信息的识别准确率,例如,当上述人脸识别模型识别上述待识别人员的人脸信息,得到相应的身份信息时,可以输出待识别人员与该身份信息的准确率,从而终端102可以根据准确率的不同,进行相应的二次识别。具体地,终端102可以获取上述人脸识别模输出的识别准确率,根据该识别准确率,生成不同的提示字段。其中,终端102可以根据识别准确率大小生成不同的提示字段,例如,当识别准确率越高时,终端102可以生成越简单的提示字段;当识别准确率越时,终端102可以生成越困难的提示字段。提示字段可以是用于对待识别人员进行进一步识别的字段,上述待识别人员可以根据终端102生成的提示字段,输入相关信息,从而使得终端102可以根据待识别人员输入的信息进行再次识别,该提示字段可以是用于对上述待识别人员进行语音识别的提示字段,例如语音提示词汇等。
步骤S208,获取待识别人员根据提示词输入的语音信息,根据语音信息识别待识别人员的身份信息
其中,提示词可以是上述终端102根据待识别人员的人脸信息识别准确率得到的提示词,该提示词可以是用于使待识别人员进行语音输入的提示词,终端102可以输出上述提示词,并且可以获取上述待识别人员的语音信息,待识别人员可以根据提示词,通过语音方式录入提示词,终端102可以通过录音设备获取待识别人员录入的提示词,具体地,终端102可以通过麦克风获取待识别人员根据提示词录入的语音信息;上述提示词可以包括多种形式,例如可以是需要待识别人员重复提示词的形式,也可以是需要待识别人员根据提示词回答相应答案的形式。终端102可以根据待识别人员输入的语音信息,识别待识别人员的身份信息,例如,当提示词为需要待识别人员进行重复输入的词时,终端102可以根据待识别人员的语音匹配率对待识别人员进行身份识别;当提示词为需要待识别人员针对提示词进行相应回答时,终端102可以根据待识别人员的回答准确率以及待识别人员的语音匹配率对待识别人员进行身份识别。
上述身份识别方法中,通过获取包括待识别人员的人脸信息图像,利用人脸识别模型识别图像中的人脸信息,其中人脸识别模型根据电力***的工作人员的真实人脸样本以及模拟电力***工作人员的人脸的模拟人脸样本训练得到,还可以获取人脸识别模型对人脸信息的识别准确率,并输出对应的提示词,通过获取待识别人员根据提示词输入的语音信息,识别待识别人员的身份信息。相较于传统的通过动态口令等方式进行电力***的安全防护,本方案通过人脸识别模型识别待识别人员的人脸信息,通过人脸信息的识别准确率,再进行相应的语音识别,可以对需要对电力***进行操作的工作人员进行更加严格的认证,保证操作人员的合法性,从而降低了电力***被入侵的风险,实现提高电力***安全性的效果。
在一个实施例中,如图3所示,图3为一个实施例中训练人脸识别模型步骤的流程示意图。获取包括待识别人员的人脸信息的图像之前,包括:
步骤S302,获取电力***的工作人员的真实人脸样本。
其中,电力***的工作人员可以是电力***中已经通过身份识别的工作人员,真实人脸样本可以是上述电力***的工作人员的人脸样本,终端102可以通过图像采集设备采集上述电力***的工作人员的真实人脸,形成电力***工作人员的真实人脸数据库。
步骤S304,获取模拟电力***的工作人员的人脸的模拟人脸样本。
其中,上述工作人员可以是电力***中已经通过身份识别的工作人员,终端102可以通过图像采集设备采集电力***中的工作人员的真实人脸样本,形成真实人脸样本数据库,模拟人脸样本可以是模拟上述电力***工作人员的真实人脸样本而生成的人脸样本,模拟人脸样本可以是用于训练人脸识别模型的负样本。上述模拟人脸样本可以通过对抗神经网络基于上述电力***的工作人员的真实人脸样本生成,对抗神经网络可以是基于正样本和负样本对模型进行训练的神经网络,上述对抗神经网络还可以生成上述电力***的工作人员的真实人脸数据库,上述真实人脸数据库可以包括多个电力***工作人员的真实人脸样本数据。
步骤S306,将目标工作人员的真实人脸样本作为正样本、目标工作人员的模拟人脸样本以及其他工作人员的真实人脸样本作为负样本;目标工作人员属于电力***的工作人员中的一员。
其中,正样本可以是上述待训练识别模型期望识别出的真实人脸样本,负样本可以是用于对上述待训练的识别模型进行欺骗性对抗训练的人脸样本,上述待训练的识别模型需要在正样本和负样本中正确识别出目标工作人员对应的人脸图像,其中目标工作人员可以是电力***工作人员之一。
步骤S308,将正样本和负样本输入到待训练的识别模型中,将识别模型的输出结果分别与正样本和负样本对应的身份信息进行比较,得到识别误差;输出结果包括识别模型根据正样本和/或负样本识别的身份信息。
其中,正样本可以是上述电力***中的目标工作人员的真实人脸样本数据,负样本可以是上述电力***中其他工作人员的真实人脸样本数据和模拟上述目标工作人员的真实人脸样本数据生成的模拟人脸样本。终端102可以将上述正样本和负样本输入到上述待训练的识别模型中,使得待训练的识别模型对正样本和负样本进行识别,输出相应样本对应的身份信息,终端102可以获取待训练的识别模型输出的身份信息与正样本和负样本实际的身份信息的识别误差。
步骤S310,判断识别误差是否大于预设数值。
其中,识别误差可以是上述待训练的识别模型根据正样本和负样本输出的身份信息与实际身份信息之间的识别误差,终端102可以判断该误差是否大于预设数值,该预设数值可以根据实际情况设定。
步骤S312,若是,则根据输出结果调整所述识别模型,得到新的待训练的识别模型,返回将当前的正样本和负样本输入到待训练的识别模型中的步骤。
其中,终端102可以根据待识别模型的输出结果的识别误差,确定是否需要调整上述识别模型,当识别误差大于预设数值时,终端102可以根据待训练的识别模型的输出结果,对识别模型进行相应的调整,例如可以对识别模型的识别阈值作出调整,使得识别模型对于人脸样本的识别更加严格或更宽松,也可以对识别模型的其他部分作出调整,例如还可以调整识别模型的识别区域等。
步骤S314,若否,结束训练识别模型,根据训练结束时的识别模型得到人脸识别模型。
其中,当上述识别误差在预设范围内时,终端102可以停止训练上述识别模型,并可以根据上述训练结束时的识别模型得到上述人脸识别模型,该人脸识别模型可以用于对上述待识别人员进行身份识别。
本实施例中,通过利用电力***的目标工作人员的真实人脸样本作为正样本,利用目标工作人员的模拟人脸样本以及其他工作人员的人脸样本作为负样本,对识别模型进行训练,得到可以用于识别上述待识别人员的人脸识别模型,能够提高上述人脸识别模型的识别准确度。
在一个实施例中,还包括:当识别准确率大于预设准确率时,将人脸信息作为电力***的工作人员的真实人脸样本,增加到电力***的工作人员的人脸样本数据库,以根据增加人脸信息后的人脸样本数据库更新人脸识别模型。
本实施例中,识别准确率可以是上述人脸识别模型对上述待识别人员的识别准确率,上述人脸识别模型可以对上述待识别人员的人脸信息进行识别,得到上述人脸信息的身份信息以及本次识别的识别准确率,人脸识别模型识别到的身份信息中可以包括识别到的人脸图像,上述人脸识别模型可以输出待识别人员的人脸信息对应的身份信息中的人脸图像的识别准确率,上述人脸识别模型可以获取上述待识别人员的人脸信息中使用预设形状采集兴趣区域,例如可以是椭圆形的识别框,从而可以更准确地采集兴趣区域,当上述识别准确率大于预设准确率时,终端102可以将人脸信息作为电力***的工作人员的真实人脸样本,增加到电力***的工作人员的人脸样本数据库中,从而终端102可以将该人脸信息作为训练上述识别模型的人脸样本,实现更新人脸识别模型。其中,预设识别准确率可以是95%。
通过本实施例,终端102可以将识别准确率大于预设准确率的人脸信息作为真实人脸样本信息,存储到人脸样本数据库中,对人脸样本数据库进行更新,并可以根据更新后的人脸样本数据库训练识别模型,从而更新人脸识别模型,实现了通过利用大于识别准确率的人脸信息,不断训练更新人脸识别模型,增加人脸识别模型的识别精度的效果。
在一个实施例中,输出与识别准确率对应的提示词,包括:当识别准确率大于预设阈值时,生成第一难度的提示词;当识别准确率小于或等于预设阈值时,生成第二难度的提示词;其中,第一难度小于所述第二难度。
本实施例中,识别准确率可以是上述人脸识别模型输出的对待识别人员的身份信息的识别准确率。预设阈值可以是上述识别准确率的阈值,该阈值可以根据实际情况设定。终端102可以根据上述人脸识别模型的识别准确率,输出对应的提示词,该提示词可以用于令待识别人员根据提示词进行相应的语音输入,具体地,当识别准确率大于预设阈值,终端102可以生成第一难度的提示词,当识别准确率小于预设阈值,终端102可以生成第二难度的提示词,其中第一难度可以小于第二难度,即终端102可以根据识别准确率的大小,确定需要输出的提示词的难度,当识别准确率越高时,输出的提示词较为简单;当识别准确率越高时,输出的提示词较长较难。在一个实施例中,上述预设阈值可以设置多个,上述难度也可以根据阈值设置多级难度,终端102可以根据识别准确率所在的阈值范围,确定需要输出的提示词的难度。
通过本实施例,终端102可以根据上述人脸识别模型的识别准确率的大小,输出对应难度的提示词,增加识别准确率较低的待识别人员的识别门槛,从而提高了电力***的身份识别的安全性。
在一个实施例中,根据语音信息识别待识别人员的身份信息,包括:将第一难度对应的语音信息输入第一神经网络,得到语音信息的第一识别结果;将第二难度对应的语音信息输入第二神经网络,得到语音信息的第二识别结果;其中,第一神经网络的判断阈值为第一数值;第二神经网络的判断阈值为第二数值;第一数值小于第二数值;根据第一识别结果或者第二识别结果,确定待识别人员的身份信息。
本实施例中,语音信息可以是上述待识别人员根据上述提示词输入的语音信息,该语音信息可以是对提示词的重复,可以是其他形式,例如根据问题类型的提示词输出的答案等。终端102可以通过语音采集设备,采集待识别人员输入的语音信号,并且还可以将采集到的语音信号,根据输出的提示词的难度,进行不同程度的识别。具体地,当上述提示词为第一难度时,终端102可以将待识别人员输入的语音信息,通过第一神经网络进行识别,得到语音信息的第一识别结果,其中第一难度可以是较为简单的难度;当上述提示词为第二难度时,终端102可将待识别人员输入的语音信息,通过第二神经网络进行识别,得到语音信息的第二识别结果,其中第二难度可以是较为困难的难度。上述第一和第二神经网络可以是循环神经网络,循环神经网络可以是一类以序列数据为输入,在序列的演进方向进行递归且所有节点按链式连接的递归神经网络。终端102可以在上述第一神经网络中利用第一数值作为判断阈值,识别上述根据第一难度的提示词输入的语音信息的身份信息,可以在上述第二神经网络中利用第二数值作为判断阈值,识别上述根据第二难度的提示词输入的语音信息的身份信息,其中第一数值可以小于第二数值,即当上述提示词为第一难度时,可以使用较小的判断阈值对待识别人员输入的语音信息进行识别,当上述提示词为第二难度时,可以使用较大的判断阈值对待识别人员输入的语音信息进行识别。
通过本实施例,终端102可以通过循环神经网络对语音进行识别,在识别过程中对较高难度的提示词采用较高的判断阈值,进一步增加识别准确率,实现提高电力***身份识别的安全性的效果。
在一个实施例中,根据语音信息识别待识别人员的身份信息之后,还包括:将待识别人员的身份信息和身份信息对应的权限信息进行加密;将加密后的身份信息和权限信息上传至电力***云平台104,以使电力***云平台104对加密后的身份信息和权限信息进行解密,基于解密后的身份信息和权限信息,向待识别人员开放电力***相应的操作权限。
本实施例中,终端102在通过待识别人员的语音信息识别待识别人员的身份信息后,还可以获取该身份信息对应的权限信息,终端102还可以对身份信息及其对应的权限信息进行加密,将加密后的身份信息和权限信息加密上传至电力***云平台104,其中权限信息可以包括对电力***的操作权限,终端102可以通过基于随机数的加密算法对身份信息和权限信息进行加密。电力***云平台104可以接收终端102发送的身份信息和权限信息,并通过预设算法进行解密,得到解密后的身份信息和权限信息,电力***云平台104再基于解密后的身份信息和权限信息,赋予通过识别的工作人员相应的操作权限,例如可以通过向终端102发送权限开放请求,终端102接收到该请求后,可以开放相应的权限。通过本实施例,终端102可以将识别到的身份信息和权限信息进行加密后,上传至电力***云平台104,电力***云平台104可以根据解密后的身份信息和权限信息开放相应的电力***操作权限,保证了数据传输的安全性,从而提高了身份识别的安全性。
在一个实施例中,将待识别人员的身份信息和权限信息进行加密,并将加密后的身份信息和权限信息上传至电力***云平台,包括:基于随机数生成随机密匙;根据随机密匙,对身份信息和权限信息进行加密;将加密后的身份信息和权限信息发送至电力***云平台;电力***云平台保存有随机密匙对应的解密密匙。
本实施例中,随机密匙可以是用于对上述身份信息和权限信息进行加密的密匙;解密密匙可以是用于对加密后的身份信息和权限信息进行解密的密匙。终端102可以通过随机数生成随机密匙的方式对识别出的身份信息和权限信息进行加密,具体地,可以选取一个随机数啊,使其满足0<a≤2n2,再选取随机数b和σ,其中b是一个较大的正整数,且满足|2σ|<b/2;通过C=ab+2σ+m对上述信息进行加密,并发送至电力***云平台104;电力***云平台104可以通过自身保存的解密密匙对上述终端102发送的加密的身份信息和权限信息进行解密,具体地,可以通过[C-a(C/a)]mod 2对上述加密的信息进行解密,从而得到解密后的身份信息和权限信息。通过本实施例,终端102可以通过基于随机数的加密算法对身份信息和权限信息进行加密并上传至电力***云平台104,电力***云平台104可以根据自身保存的解密密匙对加密的身份信息和权限信息进行解密,提高了信息传输的安全性,从而提高了身份识别的安全性。
在一个实施例中,如图4所示,图4为另一个实施例中身份识别方法的流程示意图。本实施例中,终端102首先采集电力***工作人员的真实人脸数据库,通过基于对抗神经网络的人脸数据库,以真实采集的人脸数据库样本作为正样本,以对抗神经网络生成的人脸数据库和其他工作人员的人脸数据库作为负样本,对识别模型进行训练,得到训练后的人脸识别模型。
在识别阶段,通过获取待识别人员的人脸图像,利用faster RCNN算法对人脸进行识别,终端102可以将识别准确率大于预设数值,例如大于95%的人脸信息作为工作人员的真实人脸样本,存储至人脸图像真实样本数据库,使得终端102可以根据新的真实人脸样本对人脸识别模型进行更新,同时终端102可以根据识别准确率,生成不同难度的提示词,使待识别人员根据提示词输入相应的语音信息,终端102采集待识别人员的语音信息,通过RNN语音识别算法,对待识别人员进行身份识别以及权限识别,还可以将识别出的身份信息和身份信息对应的权限信息加密上传至电力***云平台104,电力***云平台104通过自身存储的解密密匙,对数据进行解密,并根据解密后的身份信息和权限信息赋予相应的权限。
通过本实施例,终端102通过对待识别人员进行人脸识别以及语音识别,保证识别的准确率,同时还可以将识别后的数据进行加密上传至电力***云平台104,通过电力***云平台104进行权限赋予,提高了电力***身份识别的安全性。
应该理解的是,虽然图2-图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种身份识别装置,可以应用于终端102,包括:获取模块502、第一识别模块504、输出模块506和第二识别模块508,其中:
获取模块502,用于获取包括待识别人员的人脸信息的图像。
第一识别模块504,用于通过人脸识别模型识别图像中的人脸信息;人脸识别模型根据电力***的工作人员的真实人脸样本以及模拟电力***的工作人员的人脸的模拟人脸样本训练得到。
输出模块506,用于获取人脸识别模型对人脸信息的识别准确率;输出与识别准确率对应的提示词。
第二识别模块508,用于获取待识别人员根据提示词输入的语音信息,根据语音信息识别待识别人员的身份信息。
在一个实施例中,上述装置还包括:
训练模块,用于获取电力***的工作人员的真实人脸样本;获取模拟电力***的工作人员的人脸的模拟人脸样本;将目标工作人员的真实人脸样本作为正样本、目标工作人员的模拟人脸样本以及其他工作人员的真实人脸样本作为负样本;目标工作人员属于电力***的工作人员中的一员;将正样本和负样本输入到待训练的识别模型中,将识别模型的输出结果分别与正样本和负样本对应的身份信息进行比较,得到识别误差;输出结果包括识别模型根据正样本和/或负样本识别的身份信息;判断识别误差是否大于预设数值;若是,则根据输出结果调整识别模型,得到新的待训练的识别模型,返回将当前的正样本和负样本输入到待训练的识别模型中的步骤;若否,结束训练识别模型,根据训练结束时的识别模型得到人脸识别模型。
在一个实施例中,上述装置还包括:
更新模块,用于当识别准确率大于预设准确率时,将人脸信息作为电力***的工作人员的真实人脸样本,增加到电力***的工作人员的人脸样本数据库,以根据增加人脸信息后的人脸样本数据库更新人脸识别模型。
在一个实施例中,上述输出模块,具体用于当识别准确率大于预设阈值时,生成第一难度的提示词;当识别准确率小于或等于预设阈值时,生成第二难度的提示词;其中,第一难度小于所述第二难度。
在一个实施例中,上述第二识别模块,具体用于将第一难度对应的语音信息输入第一神经网络,得到语音信息的第一识别结果;将第二难度对应的语音信息输入第二神经网络,得到语音信息的第二识别结果;其中,第一神经网络的判断阈值为第一数值;第二神经网络的判断阈值为第二数值;第一数值小于第二数值;根据第一识别结果或者第二识别结果,确定待识别人员的身份信息。
在一个实施例中,上述装置还包括:
上传模块,用于将待识别人员的身份信息和身份信息对应的权限信息进行加密;将加密后的身份信息和权限信息上传至电力***云平台,以使电力***云平台对加密后的身份信息和权限信息进行解密,基于解密后的身份信息和权限信息,向待识别人员开放电力***相应的操作权限。
在一个实施例中,上述装置还包括:加密模块,用于基于随机数生成随机密匙;根据随机密匙,对身份信息和权限信息进行加密;将加密后的身份信息和权限信息发送至电力***云平台;电力***云平台保存有随机密匙对应的解密密匙。
关于身份识别装置的具体限定可以参见上文中对于身份识别方法的限定,在此不再赘述。上述身份识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种身份识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层或者麦克风,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现如上所述的身份识别方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上所述的身份识别方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种身份识别方法,其特征在于,应用于电力***的终端,所述方法包括:
获取包括待识别人员的人脸信息的图像;
通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
获取所述人脸识别模型对所述人脸信息的识别准确率;
输出与所述识别准确率对应的提示词;
获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
2.根据权利要求1所述的方法,其特征在于,所述获取包括待识别人员的人脸信息的图像之前,包括:
获取所述电力***的工作人员的真实人脸样本;
获取模拟所述电力***的工作人员的人脸的模拟人脸样本;
将目标工作人员的所述真实人脸样本作为正样本、所述目标工作人员的模拟人脸样本以及其他工作人员的真实人脸样本作为负样本;所述目标工作人员属于所述电力***的工作人员中的一员;
将正样本和负样本输入到待训练的识别模型中,将所述识别模型的输出结果分别与所述正样本和负样本对应的身份信息进行比较,得到识别误差;所述输出结果包括所述识别模型根据所述正样本和/或所述负样本识别的身份信息;
判断所述识别误差是否大于预设数值;
若是,则根据所述输出结果调整所述识别模型,得到新的待训练的识别模型,返回将当前的正样本和负样本输入到待训练的识别模型中的步骤;
若否,结束训练所述识别模型,根据训练结束时的识别模型得到所述人脸识别模型。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述识别准确率大于预设准确率时,将所述人脸信息作为所述电力***的工作人员的真实人脸样本,增加到所述电力***的工作人员的人脸样本数据库,以根据增加所述人脸信息后的人脸样本数据库更新所述人脸识别模型。
4.根据权利要求1所述的方法,其特征在于,所述输出与所述识别准确率对应的提示词,包括:
当所述识别准确率大于预设阈值时,生成第一难度的提示词;
当所述识别准确率小于或等于预设阈值时,生成第二难度的提示词;
其中,所述第一难度小于所述第二难度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述语音信息识别所述待识别人员的身份信息,包括:
将所述第一难度对应的语音信息输入第一神经网络,得到所述语音信息的第一识别结果;
将所述第二难度对应的语音信息输入第二神经网络,得到所述语音信息的第二识别结果;
其中,所述第一神经网络的判断阈值为第一数值;第二神经网络的判断阈值为第二数值;所述第一数值小于所述第二数值;
根据所述第一识别结果或者所述第二识别结果,确定所述待识别人员的身份信息。
6.根据权利要求1所述的方法,其特征在于,所述根据所述语音信息识别所述待识别人员的身份信息之后,还包括:
将所述待识别人员的所述身份信息和所述身份信息对应的权限信息进行加密;
将加密后的所述身份信息和权限信息上传至所述电力***云平台,以使所述电力***云平台对所述加密后的所述身份信息和权限信息进行解密,基于解密后的所述身份信息和权限信息,向所述待识别人员开放所述电力***相应的操作权限。
7.根据权利要求6所述的方法,其特征在于,所述将所述待识别人员的所述身份信息和所述身份信息对应的权限信息进行加密,并将加密后的所述身份信息和权限信息上传至所述电力***云平台,包括:
基于随机数生成随机密匙;
根据所述随机密匙,对所述身份信息和权限信息进行加密;
将加密后的所述身份信息和权限信息发送至所述电力***云平台;所述电力***云平台保存有所述随机密匙对应的解密密匙。
8.一种身份识别装置,其特征在于,应用于电力***的终端,所述装置包括:
获取模块,用于获取包括待识别人员的人脸信息的图像;
第一识别模块,用于通过人脸识别模型识别所述图像中的所述人脸信息;所述人脸识别模型根据所述电力***的工作人员的真实人脸样本以及模拟所述电力***的工作人员的人脸的模拟人脸样本训练得到;
输出模块,用于获取所述人脸识别模型对所述人脸信息的识别准确率;输出与所述识别准确率对应的提示词;
第二识别模块,用于获取所述待识别人员根据所述提示词输入的语音信息,根据所述语音信息识别所述待识别人员的身份信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212665.4A CN111444490A (zh) | 2020-03-24 | 2020-03-24 | 身份识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212665.4A CN111444490A (zh) | 2020-03-24 | 2020-03-24 | 身份识别方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111444490A true CN111444490A (zh) | 2020-07-24 |
Family
ID=71650621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010212665.4A Pending CN111444490A (zh) | 2020-03-24 | 2020-03-24 | 身份识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444490A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597861A (zh) * | 2020-12-16 | 2021-04-02 | 南京甄视智能科技有限公司 | 支持高频使用缓冲机制的混合模式人脸识别方法与*** |
CN112686129A (zh) * | 2020-12-28 | 2021-04-20 | 湖北亿咖通科技有限公司 | 一种人脸识别***及方法 |
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 |
CN117633748A (zh) * | 2023-12-05 | 2024-03-01 | 国网四川省电力公司 | 一种基于区块链的财务***权限管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006252225A (ja) * | 2005-03-11 | 2006-09-21 | Fujitsu Ltd | 生体認証プログラム、装置及び方法 |
CN109446778A (zh) * | 2018-10-30 | 2019-03-08 | 珠海市时杰信息科技有限公司 | 基于人脸识别的不动产登记信息获取方法、计算机装置及计算机可读存储介质 |
CN110163053A (zh) * | 2018-08-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 生成人脸识别的负样本的方法、装置及计算机设备 |
US20200001826A1 (en) * | 2019-08-14 | 2020-01-02 | Lg Electronics Inc. | User authentication device and method using authentication score |
-
2020
- 2020-03-24 CN CN202010212665.4A patent/CN111444490A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006252225A (ja) * | 2005-03-11 | 2006-09-21 | Fujitsu Ltd | 生体認証プログラム、装置及び方法 |
CN110163053A (zh) * | 2018-08-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 生成人脸识别的负样本的方法、装置及计算机设备 |
CN109446778A (zh) * | 2018-10-30 | 2019-03-08 | 珠海市时杰信息科技有限公司 | 基于人脸识别的不动产登记信息获取方法、计算机装置及计算机可读存储介质 |
US20200001826A1 (en) * | 2019-08-14 | 2020-01-02 | Lg Electronics Inc. | User authentication device and method using authentication score |
Non-Patent Citations (1)
Title |
---|
徐宗本 等编: "《数据智能研究前沿》", 31 December 2019, 上海交通大学出版社, pages: 252 - 256 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597861A (zh) * | 2020-12-16 | 2021-04-02 | 南京甄视智能科技有限公司 | 支持高频使用缓冲机制的混合模式人脸识别方法与*** |
CN112597861B (zh) * | 2020-12-16 | 2022-03-18 | 南京甄视智能科技有限公司 | 支持高频使用缓冲机制的混合模式人脸识别方法与*** |
CN112686129A (zh) * | 2020-12-28 | 2021-04-20 | 湖北亿咖通科技有限公司 | 一种人脸识别***及方法 |
CN112686129B (zh) * | 2020-12-28 | 2022-05-13 | 亿咖通(湖北)技术有限公司 | 一种人脸识别***及方法 |
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 |
CN117633748A (zh) * | 2023-12-05 | 2024-03-01 | 国网四川省电力公司 | 一种基于区块链的财务***权限管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10681025B2 (en) | Systems and methods for securely managing biometric data | |
CN111444490A (zh) | 身份识别方法、装置、计算机设备和存储介质 | |
Ali et al. | Edge-centric multimodal authentication system using encrypted biometric templates | |
US9189612B2 (en) | Biometric verification with improved privacy and network performance in client-server networks | |
KR101755995B1 (ko) | 동형 암호를 이용한 특성벡터 기반 원격 바이오 인증 방법 및 시스템 | |
US9218473B2 (en) | Creation and authentication of biometric information | |
Al-Naji et al. | CAB-IoT: Continuous authentication architecture based on Blockchain for internet of things | |
Im et al. | Practical privacy-preserving face authentication for smartphones secure against malicious clients | |
EP3037998B1 (en) | Method and system for providing secure and standalone-operable biometric authentication | |
EP4105821A1 (en) | Face liveness detection method, system and apparatus, computer device, and storage medium | |
KR20130009356A (ko) | 생체이미지 정보를 포함하는 일회용 비밀번호를 이용한 인증방법 및 장치 | |
Alberto Torres et al. | Privacy-preserving biometrics authentication systems using fully homomorphic encryption | |
CN105117622A (zh) | 使用视频签名的认证 | |
CN112084476A (zh) | 生物识别身份验证方法、客户端、服务器、设备及*** | |
CN114117386A (zh) | 会议管理方法及装置、计算机可读存储介质、电子设备 | |
Zhu et al. | Secure Online Examination with Biometric Authentication and Blockchain‐Based Framework | |
CN117527265B (zh) | 基于分布式数字身份的物联网数据采集***及方法 | |
Quintal et al. | Contextual, behavioral, and biometric signatures for continuous authentication | |
WO2022095694A1 (zh) | 一种基于数字证书的区块链节点共享方法及其相关产品 | |
CN116110159B (zh) | 基于cfca认证标准的用户认证方法、设备和介质 | |
CN116401718A (zh) | 基于区块链的数据保护方法及装置、电子设备和存储介质 | |
CN116108412A (zh) | 人脸身份认证方法、装置、设备、存储介质及程序产品 | |
CN113032755B (zh) | 核电设备的操作人员验证方法、装置、设备和存储介质 | |
CN113518061B (zh) | 人脸识别中的数据传输方法、设备、装置、***及介质 | |
CN114006735A (zh) | 一种数据保护方法、装置、计算机设备和存储介质 |
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 |