CN112016071A - 基于验证者状态和环境的解锁方法、设备及可读存储介质 - Google Patents
基于验证者状态和环境的解锁方法、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112016071A CN112016071A CN202010707067.4A CN202010707067A CN112016071A CN 112016071 A CN112016071 A CN 112016071A CN 202010707067 A CN202010707067 A CN 202010707067A CN 112016071 A CN112016071 A CN 112016071A
- Authority
- CN
- China
- Prior art keywords
- pupil
- user
- model
- state
- stored
- 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 62
- 210000001747 pupil Anatomy 0.000 claims abstract description 368
- 208000003443 Unconsciousness Diseases 0.000 claims abstract description 22
- 206010042772 syncope Diseases 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 60
- 238000005286 illumination Methods 0.000 claims description 59
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 29
- 238000010586 diagram Methods 0.000 description 24
- 238000004891 communication Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 18
- 230000000875 corresponding effect Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000010295 mobile communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000012795 verification Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000005021 gait Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 210000000554 iris Anatomy 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 101000941170 Homo sapiens U6 snRNA phosphodiesterase 1 Proteins 0.000 description 1
- 102100031314 U6 snRNA phosphodiesterase 1 Human genes 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Telephone Function (AREA)
Abstract
本申请提供一种基于验证者状态和环境的解锁方法、设备及可读存储介质,方法应用于配置有摄像头的电子设备,电子设备解锁时,响应于接收的第一指令,验证用户的身份;响应于接收的第二指令,通过摄像头采集该验证后的用户的瞳孔信息;电子设备判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,当确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,当确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。本申请通过用户身份和瞳孔的双重认证可以有效的避免用户在睡眠、晕厥、死亡等无意识的状态下,其电子设备被恶意的解锁。从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
Description
技术领域
本申请涉及电子解锁技术领域,尤其涉及基于验证者状态和环境的解锁方法、设备及可读存储介质。
背景技术
人脸解锁是通过人脸识别或人脸验证技术进行权限管理的一种手段。终端***或门禁设备可以利用人脸这一生物特征作为权限保护的密码,用于特定设施、区域的鉴权和解锁。随着人脸识别技术在手机、平板电脑和笔记本电脑等终端上越来越普及的应用,人脸解锁进一步被应用于更多的领域,如智能手机解锁、APP账户登录、手机银行等等。
现有的人脸解锁技术通过检测人脸的深度信息,并且结合检测人的眼睛、嘴巴的动作识别算法,来确定用户的脸部特征。进而提高解锁的安全性。然而,用户无意识状态下,如睡眠、晕厥或死亡状态下,如有人恶意控制用户完成脸部特征的识别,仍然能够实现解锁,使得用户的个人财产、私密信息等将得不到安全的保护,存在一定的安全隐患。
发明内容
有鉴于此,本申请提供一种基于验证者状态和环境的解锁方法、设备及可读存储介质,用以解决现有技术的人脸解锁技术不能够在用户无意识状态下保护用户的个人财产、隐私信息等问题。
本申请的一些实施方式提供了一种基于验证者状态和环境的解锁方法。以下从多个方面介绍本申请,以下多个方面的实施方式和有益效果可互相参考。
第一方面,本申请提供一种基于验证者状态和环境的解锁方法,应用于配置有摄像头的电子设备,包括:电子设备响应于接收的第一指令,验证用户的身份;电子设备响应于接收的第二指令,通过摄像头采集该经过验证后的用户的瞳孔信息;电子设备判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,当电子设备确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,用户在苏醒状态下的瞳孔模型为用户按照电子设备的预设指示完成的瞳孔信息的采集;当电子设备确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。本申请的实施例在用户的身份确认后,进一步对瞳孔直径与用户在苏醒状态下的瞳孔模型进行匹配,并在匹配成功时,进行解锁,可以有效的避免用户在睡眠、晕厥、死亡等无意识的状态下,其电子设备被恶意的解锁。从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
在上述第一方面的一种可能的实现中,瞳孔信息包括瞳孔的直径大小,电子设备确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,包括:电子设备计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当差值的绝对值小于等于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。
在上述第一方面的一种可能的实现中,瞳孔信息包括瞳孔的直径大小,电子设备确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:电子设备计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当差值的绝对值大于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
在上述第一方面的一种可能的实现中,电子设备确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:
电子设备确定瞳孔的直径大小与已存有的用户在无意识状态下的瞳孔模型的瞳孔的直径大小的差值的绝对值小于等于设定阈值,则判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
在上述第一方面的一种可能的实现中,用户的无意识状态包括用户的睡眠状态、晕厥状态和死亡状态。
在上述第一方面的一种可能的实现中,已存的用户在苏醒状态下的瞳孔模型,包括:对应于第一光照强度范围的第一瞳孔模型,第一光照强度范围中光照强度大于等于预设强度;对应于第二光照强度范围的第二瞳孔模型,第二光照强度范围中光照强度大于等于预设强度;基于检测到的光照强度,使用对应的第一瞳孔模型或第二瞳孔模型。由于白天和晚上瞳孔的直径会不同,因而本申请的电子设备根据光线强度判断调用适合光照下的瞳孔模型,在算匹配度时,可以提高匹配度的准确性。
在上述第一方面的一种可能的实现中,电子设备通过人脸识别技术确定用户的身份。该方法可以快速的识别用户的身份,且用户操作更加方便。
在上述第一方面的一种可能的实现中,摄像头通过3D结构光图像传感器采集用户的瞳孔信息。能够获取更加清晰的图像,提高模型匹配的准确定。
第二方面,本申请还公开了一种电子设备,包括:包含一个或多个存储器,与存储器耦合的一个或多个处理器,与处理器连接的一个或多个摄像头,以及一个或多个程序,其中一个或多个程序被存储在存储器中,处理器调用一个或多个程序以使得电子设备执行:
响应于接收的第一指令,验证用户的身份;
响应于接收的第二指令,通过摄像头采集该经过验证后的用户的瞳孔信息;
判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,
当处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,用户在苏醒状态下的瞳孔模型为用户按照电子设备的预设指示完成的瞳孔图像的采集;
当处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。
本申请的实施例在用户的身份确认后,进一步对瞳孔直径与用户在苏醒状态下的瞳孔模型进行匹配,并在匹配成功时,进行解锁,可以有效的避免用户在睡眠、晕厥、死亡等无意识的状态下,其电子设备被恶意的解锁。从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
在上述第二方面的一种可能的实现中,瞳孔信息包括瞳孔的直径大小,处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,包括:处理器计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当差值的绝对值小于等于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。
在上述第二方面的一种可能的实现中,瞳孔信息包括瞳孔的直径大小,处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:处理器计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当差值的绝对值大于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
在上述第二方面的一种可能的实现中,处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,具体包括:处理器确定瞳孔的直径大小与用户在无意识状态下的瞳孔模型的瞳孔的直径大小的差值的绝对值小于等于设定阈值,则判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
在上述第二方面的一种可能的实现中,用户的无意识状态包括用户的睡眠状态、晕厥状态和死亡状态。
在上述第二方面的一种可能的实现中,已存的用户在苏醒状态下的瞳孔模型,包括:对应于第一光照强度范围的第一瞳孔模型,第一光照强度范围中光照强度大于等于预设强度;对应于第二光照强度范围的第二瞳孔模型,第二光照强度范围中光照强度大于等于预设强度;基于检测到的光照强度,使用对应的第一瞳孔模型或第二瞳孔模型。由于白天和晚上瞳孔的直径会不同,因而本申请的电子设备根据光线强度判断调用适合光照下的瞳孔模型,在算匹配度时,可以提高匹配度的准确性。
在上述第二方面的一种可能的实现中,处理器通过人脸识别技术确定用户的身份。该方法可以快速的识别用户的身份,且用户操作更加方便。
在上述第二方面的一种可能的实现中,摄像头通过3D结构光图像传感器采集用户的瞳孔信息。能够获取更加清晰的图像,提高模型匹配的准确定。
第三方面,本申请的公开了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面中任一方面公开的方法。
第四方面,本申请的公开了一种设备,包括处理器、存储器和通信模块。处理器、存储器和通信模块之间通过内部链接通路互相通信,传递控制和/或数据信号,使得该设备执行上述第一方面中任一方面公开的方法。
第五方面,本申请的公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行上述第一方面任一项所述的方法。
附图说明
图1为本申请一个实施例的利用人脸识别技术解锁的场景图;
图2为本申请一个实施例的电子设备的结构示意图;
图3为本申请一个实施例的电子设备的软件结构框图;
图4为本申请一个实施例的手机基于验证者状态和环境的解锁方法的流程图;
图5a为本申请一个实施例的人脸录入的用户界面示意图;
图5b为本申请一个实施例的手机界面示意图;
图5c为本申请一个实施例的手机界面示意图;
图5d为本申请一个实施例的手机确认用户身份后的用户界面示意图;
图5e为本申请一个实施例的瞳孔的录入的界面结构示意图;
图5f为本申请一个实施例的手机界面示意图;
图5g为本申请一个实施例的手机界面示意图;
图5h为本申请一个实施例的手机界面示意图;
图6为本申请一个实施例的人在不同的环境和验证者状态下的瞳孔结构示意图;
图7为本申请一个实施例的在白天和晚上两种不同光照强度下的用户的瞳孔模型示意图;
图8为本申请一个实施例的电子设备的结构示意图;
图9为本申请一个实施例的设备的框图;
图10为本申请一个实施例的SoC的框图。
具体实施方式
可以理解的是,如本文所使用的,术语“模块””可以指代或者包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用、或群组)和/或存储器、组合逻辑电路、和/或提供所描述的功能的其他适当硬件组件,或者可以作为这些硬件组件的一部分。
可以理解的是,在本申请各实施例中,处理器可以是微处理器、数字信号处理器、微控制器等,和/或其任何组合。根据另一个方面,所述处理器可以是单核处理器,多核处理器等,和/或其任何组合。
可以理解的是,本申请的各实施例中,用户在苏醒状态下的瞳孔模型是指,用户按照电子设备中预设的指令完成一系列的动作后,获取的用户的瞳孔信息,其中,瞳孔信息包括,瞳孔的直径大小。本申请中的电子设备可以是用户个人的终端设备、家庭的门禁、或者是公共场所的银行、小区、监狱的门禁等,其中,用户个人的终端设备可以是手机、笔记本电脑、平板电脑、桌上型电脑、膝上型电脑、超级移动个人计算机(Ultra-mobile PersonalComputer,UMPC)、手持计算机、上网本、个人数字助理(Personal Digital Assistant,PDA)、可穿戴电子设备、虚拟现实设备等具有图像采集功能的设备。
下面以手机解锁为例,结合具体的场景对本申请实施例进行说明。
图1示出了利用人脸识别技术解锁的场景图,参考图1,用户通过手机10拍摄自己人脸图像,手机10可以获取用户的人脸图像,并提取该图像中的脸部特征,与用户预先存储的脸部模型进行匹配度计算以用于对用户身份的确认。当手机10判断用户的人脸图像特征与预先存储的脸部模型匹配,即初步确认身份后,则进一步获取用户的瞳孔信息,并与预先存储的用户在苏醒状态下的瞳孔模型进行匹配,当匹配成功,则手机10执行解锁操作。当身份验证失败,或者瞳孔匹配失败后,手机10禁止解锁操作。
需要说明的是,本申请中的利用人脸识别技术对用户身份的确认仅是示例性的说明,本申请也可以采用用户的其他生理特征或行为特征进行身份的识别,例如,指纹识别、掌纹识别、虹膜识别、皮肤芯片、脸像识别、多模态(即多生物特征融合)识别等生理特征的识别,以及步态识别、声音识别、笔记识别等行为特征的识别,由于这些特征可以表明个体的唯一性,且为可以测量的生物特征,进而可以通过这些特征确认用户的身份。
根据本申请实施例,考虑到人的瞳孔的直径大小在不同光线强度、以及不同验证者状态(苏醒状态、睡眠状态、晕厥状态、死亡状态)时的瞳孔直径的大小不同,因而将瞳孔的直径大小应用于解锁技术中,通过两次验证,即可以在用户的身份确认后,进一步对瞳孔直径与用户在苏醒状态下的瞳孔模型进行匹配,在两次验证都成功时,进行解锁,可以有效的避免用户在睡眠、晕厥、死亡等无意识的状态下,其电子设备被恶意的解锁。从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
下面将结合附图介绍本申请以下实施例中提供的示例性电子设备。
图2示出了电子设备的结构示意图。该电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接头130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriberidentification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
处理器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了***的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口。
可以理解的是,本申请实施例示意的各模块间的接口,只是示意性说明,并不构成对电子设备100的结构限定。在本申请另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
USB接头130是一种符合USB标准规范的连接器,可以用来连接电子设备100和***设备,具体可以是标准USB接头(例如Type C接头),Mini USB接头,Micro USB接头等。USB接头130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与***设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接头还可以用于连接其他电子设备,例如AR设备等。在一些实施方案中,处理器110可以支持通用串行总线(UniversalSerial Bus),通用串行总线的标准规范可以为USB1.x,USB2.0,USB3.x,USB4。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接头130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星***(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位***(global positioning system,GPS),全球导航卫星***(global navigation satellite system,GLONASS),北斗卫星导航***(beidounavigation satellite system,BDS),准天顶卫星***(quasi-zenith satellitesystem,QZSS)和/或星基增强***(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
在一个实施例中,显示屏194可以用于显示用户的图像或视频,或者显示文字信息以提醒用户当前需要进行的动作,以使用户按照指示的文字信息面对摄像头作出对应的动作,使得处理器110根据摄像头获取的影像判断用户处于苏醒状态下,并将该状态下的用户的瞳孔信息保存,作为在电子设备100解锁的过程中用于比对的用户的瞳孔模型,其中,瞳孔信息可以是瞳孔的深度信息(如,3D图像数据),瞳孔模型可以是瞳孔深度模型(人脸3D模型)。也可以在处理器110响应于接收的用户的解锁指令时,显示未解锁时的界面,界面中可以包括人脸输入框,或提示用户解锁的文字信息等。也可以在处理器110在执行解锁操作后,显示用户可以直接操作的界面,或者处理器110在执行禁止解锁操作时,显示解锁失败的界面等。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
在一个实施例中,摄像头193为深度摄像头,该深度摄像头可以包括3D结构光图像传感器,摄像头193通过3D结构光图像传感器采集用户的人脸、动作姿态等用于识别用身份的信息,以及用户的瞳孔信息(深度信息),以使电子设备100能够获得图像更加清晰的图像或视频流,有利于提高处理器110提高用户身份准确性,例如,获得清晰的用户的人脸图像或视频,可以有效提高人脸识别的准确性。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
在一个实施例中,NPU可以实现电子设备100对瞳孔信息的识别、指纹的识别、步态识别或者声音识别等生物特征的识别,以使得电子设备100能够通过各种基于生物特征的识别技术实现对自身进行解锁或禁止解锁。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作***,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。处理器110通过运行存储在内部存储器121的指令,和/或存储在设置于处理器中的存储器的指令,执行电子设备100的各种功能应用以及数据处理。
在一些实施例中,处理器110可以调用内部存储器121中的指令以使得所述电子设备100依次执行根据本申请的实施例的基于验证者状态和环境的解锁方法。该方法具备包括:识别并确定用户的身份,并进一步通过摄像头采集该确定后的用户的瞳孔信息。处理器110判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,当处理器110确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,用户在苏醒状态下的瞳孔模型为用户按照电子设备的预设指示完成的瞳孔信息的采集;当处理器110确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。
上述的内部和/或外部存储区域内可以存储用户的人脸的深度模型、指纹的深度模型、用户在苏醒状态下的瞳孔的深度模型和用户在无意识状态下的瞳孔深度模型,其中,无意识状态下的瞳孔深度模型可以通过用户在苏醒状态下的瞳孔深度模型推算得出,具体可以包括用户的睡眠状态下的瞳孔深度模型、晕厥状态下的瞳孔深度模型和死亡状态下的瞳孔深度模型。当处理器110执行模型比对的指令时,可以从存储区域调取这些模型,并将通过摄像头193采集的用户的人脸和瞳孔信息与这些对应的模型进行比较,或者将通过指纹采集器采集的用户的指纹的深度图像与指纹深度模型对比,处理器110根据比较结果进一步确定是否执行解锁操作。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
在一个实施例中,扬声器170A可以播放语音信息以告知用户需要做出的动作或电子设备100当前的状态,以使得用户可以不用观看界面的文字,通过听取的方式得到电子设备100对自己的动作的要求或者知道电子设备是否已经解锁、或解锁失败等。例如,在设置人脸解锁功能时,用户首次需要输入自身的苏醒状态下的人脸和瞳孔模型,通过扬声器170A的语音提示用户做出相应的眨眼、张嘴,脸部放入输入框的信息,以便于用户的人脸和瞳孔信息的输入。在电子设备100解锁成功后可以语音提示用户解锁成功,或者解锁失败等。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
在一些实施例中,当有物体(人脸或者手指等)靠近电子设备100时,接近光传感器180G感应到有物体靠近电子设备30,从而向电子设备30的处理器110发出有物体靠近的信号。处理器110接收该有物体靠近的信号,并控制显示屏194亮起,或者直接通过摄像头193采集物体的图像,当处理器110判断图像为人脸时,进一步判断人脸图像与已存的用户的人脸模型是否匹配,若匹配,进一步将采集的瞳孔信息与已存的用户的苏醒状态下的瞳孔模型做匹配度比较,若匹配,则处理器110控制解锁模块解锁,若不匹配,则拒绝解锁。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
在一些实施例中,环境光传感器180L用于检测光照强度,在用户首次输入瞳孔的深度信息时,处理器110根据环境光传感器180L检测光照强度不同,建立基于光照强度的苏醒状态下的瞳孔模型,例如,在夜晚时,光照强度一般小于30勒克斯,在白天光照强度大于30勒克斯,用户的瞳孔直径在夜晚时大于白天时的瞳孔直径,因而,处理器110在将用户的瞳孔的直径与已有的用户在苏醒状态下的瞳孔模型比较时,结合环境光传感器180L检测的光照强度调取合适的瞳孔模型,可以有效的提高匹配度,提高处理器110判断结果的可靠性。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,以实现用户身份识别,并获得相应权限,例如访问应用锁,指纹拍照,指纹接听来电等。
电子设备100的软件***可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android***为例,示例性说明电子设备100的软件结构。
图3是本申请实施例的电子设备100的软件结构框图。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android***分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和***库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图3所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图3所示,应用程序框架层可以包括窗口管理器,内容提供器,视图***,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图***包括可视控件,例如显示文字的控件,显示图片的控件等。视图***可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在***顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓***的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
***库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子***进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
下面结合在电子设备100中进行人脸识别的解锁场景,以及图1-图3的图示,示例性说明电子设备100软件以及硬件的工作流程。
该电子设备100具有摄像头193,当触摸传感器180K接收到触控操作,相应的硬件中断被发给内核层。内核层将触控操作加工成原始输入事件(包括触摸坐标,触控操作的时间戳等信息)。原始输入事件被存储在内核层。应用程序框架层从内核层获取原始输入事件,识别该原始输入事件所对应的控件,以该触控操作是触摸单击操作,该单击操作所对应的控件为解锁应用图标的控件为例,解锁应用调用应用框架层的接口,启动解锁应用,进而通过调用内核层启动摄像头驱动,通过摄像头193捕获静态用户的人脸深度图像或视频,以及瞳孔深度信息。在由***库通过接口调用应用程序框架层的内容提供器,以调取已存的用户的人脸深度模型和瞳孔深度模型,在应用程序框架层进行人脸和瞳孔的深度信息和已存的用户的人脸和瞳孔的深度模型的匹配度计算,当人脸和瞳孔的深度信息与已存的用户在苏醒状态下的人脸的深度模型和瞳孔模型匹配后,进而由***库调用内核层启动解锁驱动和显示驱动,对电子设备进行解锁,同时显示屏显示解锁后的界面。
下面以具体的实施例来介绍基于验证者状态和环境的解锁过程,该方法应用于电子设备中,以下将手机作为电子设备,对本申请的基于验证者状态和环境的解锁方法进行详细描述。图4示出了手机基于验证者状态和环境的解锁方法的流程图。如图4所示,该方法包括以下步骤:步骤S410,通过摄像头采集用户的脸部图像。其中,脸部图像可以是动态图像,也可以是静态图像。
脸部图像是用户的生物特征的具体示例。该生物特征是指用于表明每个个体的具有唯一的可以测量或可自动识别和验证的生理特性或行为方式,本申请的方法中,用于验证用户的身份所依据的不限于脸部的图像,例如,生理性特征还可以包括指纹、面像、虹膜、掌纹等,行为特征可以包括如步态、声音、笔迹等。通过这些生物特征可以确认用户的身份。以下的说明中皆以脸部图像为例进行说明。
步骤S420,处理器基于采集用户的脸部图像,确认用户的身份。该步骤中,可以采用人脸识别技术确定用户的脸部特征,并将脸部特征与用户预先存储的脸部模型进行匹配度比对,当匹配成功时,则执行步骤S430。本申请中采用的人脸识别技术可以是现有的常用人脸识别技术,在此不再详细介绍。
步骤S430,响应于用户的操作,通过摄像头采集用户的瞳孔信息。
在本申的另一个实施例中,在采用人脸识别进行身份验证时,也可以在人脸识别的过程中采集瞳孔信息,并保存在内部存储器中,当身份验证成功后,处理器从内部存储器中调取该瞳孔信息,以用于步骤S440的瞳孔的验证。
步骤S440,由处理器判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,若匹配,执行步骤S450解锁操作,手机的显示屏显示可直接操作的手机界面。若不匹配,执行S412禁止解锁操作,手机的显示屏显示解锁失败的界面。
本申请的实施例,通过在身份验证后,进一步验证瞳孔信息与已存的该用于苏醒状态下的瞳孔模型是否匹配,进而可以判断用户是否在苏醒的状态下进行解锁,避免用户在睡眠等无意识状态下,其电子设备或门锁等被恶意解锁,从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
下面结合附图和具体实施例对步骤S410-S450进行详细的说明。
参考图4,在步骤410,通过摄像头采集用户的脸部图像。
参考图5a,以人脸识别技术为例,图5a示出了人脸录入的用户界面示意图,该用户界面510可以包括:人脸录入提示区511,导航键512。其中,当用户的脸部对准手机的摄像头时,提示区511可以显示用户的脸部图像,且该区域可以显示提示用户的文字信息,如,请将头部摆正、请张开嘴巴、请眨眼等信息,当用户按照提示步骤作出相应的动作后,则完成人脸录入。此外,手机根据环境光传感器检测光照强度可以给予人脸适当的补光,以使得在光照强度较低的晚上也可以获取清晰的人脸图像,如图5b所示的手机界面520和图5c所示的手机界面530,其中,界面520中为补光后的用户的人脸图像,界面530为未补光的用户的人脸图像。当用户不需要当前页面的操作时,可以利用导航键512退出当前界面。本申请的摄像头可以通过深度摄像头进行录拍,该深度摄像头可以3D结构光图像传感器采集用户的人脸图像或视频,以获取更加清晰的人脸图像,提高人脸识别的准确性。在人脸输入完成后,手机执行步骤420。
在步骤S420,处理器确认用户的身份。进一步,在确认之前还可以包括步骤S411,手机通过基于在步骤410获取的人脸图像提取的图像特征判断其与预先存储的用户的人脸模型是否匹配,当匹配成功后,则确认用户的身份,以使手机执行步骤430。当匹配失败后,执行步骤412解锁结束。其中,生物特征模型可以是用户预先按照提示录入的人脸模型,录入方式可参考图5a,在此不在赘述。
参考图5d,图5d示出了手机确认用户身份后的用户界面示意图,该界面540包括验证结果的提示区541,操作区542和导航键512。其中,在手机确认用户的身份后,验证结果的提示区541可显示验证成功,或者在身份确认失败后,显示验证失败。在操作区522包括上一步、下一步选项,当验证失败后,选择上一步则退出当前界面540,进入图5a示出的界面510,选择下一步则退出人脸识别界面,进入手机锁屏的界面。当验证成功后,用户选择上一步,则退出当前界面520,进入图5a示出的界面510,当用户选择下一步时,则使得手机执行步骤430。
在步骤430,通过摄像头采集用户的瞳孔信息。瞳孔信息可以包括瞳孔的直径大小。摄像头可以为深度摄像头,该深度摄像头可以通过3D结构光图像传感器采集用户的瞳孔深度图像,以获取清晰、精准的瞳孔直径,提高瞳孔识别的准确性。本申请的其他实施例中,在采用人脸识别技术作为身份的确认时,也可以在步骤410中,直接获得通孔信息,以便于提高人脸解锁的速度。
参考图5e,图5e示出了瞳孔的录入的界面结构示意图,该用户界面550可以包括:瞳孔录入提示区551,环境光提示区552,导航键512。其中,瞳孔录入提示区551可以提示瞳孔录入的文字信息,用户的眼睛可以对准摄像头,并通过移动头部使其瞳孔的图像位于瞳孔录入提示区内,如图5f所示的手机界面560。当手机采集用户的瞳孔信息完成后,进一步执行步骤440。环境光提示区552可以将当前处于白天或晚上的状态告知用户,且提示用户开启夜间或白天模式,当确定用户在夜间开锁时,可以调取夜间的瞳孔模型与采集的瞳孔信息比对,以提高验证的准确性。
在步骤440,处理器判断所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配。其中,已存的用户在苏醒状态下的瞳孔模型为用户预先存储与手机内存或与手机连接的外存中,当处理器需要进一步判断瞳孔信息时,从内存或外存中调取该用户在苏醒状态下的瞳孔模型,并进行瞳孔信息与用户在苏醒状态下的瞳孔模型匹配度判断,当匹配时,则由处理器执行步骤441,手机的显示屏显示可直接操作的手机界面,如图5g所示的手机界面570。当不匹配时,则由处理器执行步骤412,手机的显示屏显示解锁失败的界面,如图5h所示的手机界面。
为了更好的便于对本申请实施例的理解,下面对人在不同的验证者状态下的瞳孔的直径进行说明。
参考图6,图6示出了人在不同的环境和验证者状态下的瞳孔结构示意图。该示意图中包括在不同光照强度下的苏醒状态和睡眠状态的瞳孔直径,以及死亡状态下的瞳孔直径大小,如图所示,亮光时苏醒状态下的瞳孔610,暗光时苏醒状态下的瞳孔620,亮光睡眠状态下的瞳孔630、暗光睡眠状态下的瞳孔640以及死亡状态下的瞳孔650。图中可以看出,亮光与暗光相比(亮光的光照强度大于暗光的光照强度),在苏醒状态下,亮光时的瞳孔610小于暗光时的瞳孔,在睡眠状态下,亮光与暗光下的瞳孔630和瞳孔640大小相同,而苏醒状态下的瞳孔直径大于睡眠状态下的瞳孔直径,苏醒状态下的瞳孔直径远小于死亡状态的瞳孔直径。通常,人在苏醒状态下的瞳孔直径大小在2-8mm之间。而在白天瞳孔的直径在2-5mm之间,而在夜晚由于光照强度较弱,瞳孔会散大,而可能达到8mm,而在睡眠状态下、晕厥状态下,瞳孔会小于2mm以下,且在睡眠状态下的瞳孔,睡眠越深,瞳孔缩小越多。因而本申请通过根据瞳孔直径的大小可以判断出用户的状态,进而判断是否解锁。
基于上面瞳孔结构的描述,下面具体描述如何实现步骤S440。
本申请的一个实施例中,判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,可以通过计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值与设定阈值进行比较。当差值的绝对值小于等于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。当差值的绝对值大于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。例如,用户在苏醒状态下的瞳孔模型中的瞳孔直径为5mm,设定阈值为3,当采集到的该用户的瞳孔直径为4,用户在苏醒状态下的瞳孔模型中的瞳孔直径与采集的瞳孔直径的差值的绝对值为1,1小于设定阈值3,因而确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。若采集到的用户的瞳孔直径为1,则用户在苏醒状态下的瞳孔模型中的瞳孔直径与采集的瞳孔直径的差值的绝对值为4,4大于设定阈值3,确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
此外,本申请的一个实施例,还可以通过将瞳孔信息与已存的用户在睡眠状态、晕厥状态、死亡状态下的瞳孔模型等无意识状态下的瞳孔模型进行匹配度判断,当瞳孔信息与无意识状态下任一瞳孔模型匹配,则由处理器执行步骤412,手机的显示屏显示解锁失败的界面,如图5h所示的手机界面。
在本申请的另一个实施例中,为了提高采集的瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配的准确性,进一步可以将已存的用户在苏醒状态下的瞳孔模型根据光照强度进行划分为两个瞳孔模型,例如,光照强度小于等于30xl时(晚上),设定为夜间瞳孔模型,在光照强度大于30xl时(白天),设定为昼间瞳孔模型,其中,两种模型可以是用户在两种光照强度下分别录入瞳孔信息而获得,也可以是用户录入其中一种光照强度下的瞳孔信息,而由处理器根据计算推算出另一种在光照强度下的瞳孔模型。如图7所示的在白天和晚上两种不同光照强度下的用户的瞳孔模型示意图,其中,瞳孔模型710为白天用户在苏醒状态下的瞳孔模型,瞳孔模型720为夜晚用户在苏醒状态下的瞳孔模型。
本申请中的一个实施例,光照强度可以由环境光传感器获得。当摄像头采集用户的瞳孔信息时,环境光传感器检测此时的光照强度,并根据该光照强度调取与该光照强度对应的用户在苏醒状态下的瞳孔模型。区分昼间和夜间的不同来设置瞳孔模型,可有效提高瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配度的准确性。
基于上面的描述,下面对本申请公开的一种电子设备及工作过程进行描述。
参考图8,图8示出了一种电子设备的结构示意图,该电子设备包含一个或多个存储器810,与存储器810耦合的一个或多个处理器820,与处理器连接的一个或多个摄像头830,以及一个或多个程序,其中一个或多个程序被存储在存储器810中,处理器820调用一个或多个程序以使得电子设备执行:
响应于接收的第一指令,验证用户的身份;
响应于接收的第二指令,通过摄像头采集该经过验证后的用户的瞳孔信息;
判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,
当处理器820确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,用户在苏醒状态下的瞳孔模型为用户按照电子设备的预设指示完成的瞳孔信息的采集;当处理器确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。
本申请的实施例的电子设备,在用户的身份确认后,进一步对瞳孔直径与用户在苏醒状态下的瞳孔模型进行匹配,并在匹配成功时,进行解锁。采用两次验证,可以有效的避免用户在睡眠、晕厥、死亡等无意识的状态下,其电子设备被恶意的解锁。从而提高人脸解锁的安全性,更好的保护用户的个人财产和隐私等。
在本申请的一个实施例中,瞳孔信息包括瞳孔的直径大小,处理器820确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,包括:
处理器820计算瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当差值的绝对值小于等于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。当差值的绝对值大于设定阈值,则确定瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
在本申请的一个实施例中,处理器820还可以用于确定瞳孔的直径大小与已存有的用户在无意识状态下的瞳孔模型的瞳孔的直径大小的差值的绝对值小于等于设定阈值,则判断瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。其中,用户的无意识状态包括用户的睡眠状态、晕厥状态和死亡状态。
在本申请的一个实施例中,已存的用户在苏醒状态下的瞳孔模型,包括:
对应于第一光照强度范围的第一瞳孔模型,第一光照强度范围中光照强度大于等于预设强度;对应于第二光照强度范围的第二瞳孔模型,第二光照强度范围中光照强度大于等于预设强度;基于环境光传感器检测到的光照强度,使用对应的第一瞳孔模型或第二瞳孔模型。
在本申请的一个实施例中,处理器820通过人脸识别技术确定用户的身份。
在本申请的一个实施例中,摄像头830通过3D结构光图像传感器采集用户的瞳孔信息。
本申请还公开一种包含指令的计算机程序产品,当该计算机程序产品在电子设备上运行时,使得处理器执行图4所示的基于验证者状态和环境的解锁方法。
现在参考图9,所示为根据本申请的一个实施例的设备1200的框图。设备1200可以包括耦合到控制器中枢1203的一个或多个处理器1201。对于至少一个实施例,控制器中枢1203经由诸如前端总线(Front Side Bus,FSB)之类的多分支总线、诸如快速通道互连(Quick Path Interconnect,QPI)之类的点对点接口、或者类似的连接1206与处理器1201进行通信。处理器1201执行控制一般类型的数据处理操作的指令。在一实施例中,控制器中枢1203包括,但不局限于,图形存储器控制器中枢(Graphics Memory Controller Hub,GMCH)(未示出)和输入/输出中枢(Input Output Hub,IOH)(其可以在分开的芯片上)(未示出),其中GMCH包括存储器和图形控制器并与IOH耦合。
设备1200还可包括耦合到控制器中枢1203的协处理器1202和存储器1204。或者,存储器和GMCH中的一个或两者可以被集成在处理器内(如本申请中所描述的),存储器1204和协处理器1202直接耦合到处理器1201以及控制器中枢1203,控制器中枢1203与IOH处于单个芯片中。存储器1204可以是例如动态随机存取存储器(Dynamic Random AccessMemory,DRAM)、相变存储器(Phase Change Memory,PCM)或这两者的组合。在一个实施例中,协处理器1202是专用处理器,诸如例如高吞吐量MIC处理器(Many Integerated Core,MIC)、网络或通信处理器、压缩引擎、图形处理器、通用图形处理器(General PurposeComputing on GPU,GPGPU)、或嵌入式处理器等等。协处理器1202的任选性质用虚线表示在图9中。
存储器1204作为计算机可读存储介质,可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性计算机可读介质。例如,存储器1204可以包括闪存等任何合适的非易失性存储器和/或任何合适的非易失性存储设备,例如一个或多个硬盘驱动器(Hard-Disk Drive,HDD(s)),一个或多个光盘(Compact Disc,CD)驱动器,和/或一个或多个数字通用光盘(Digital Versatile Disc,DVD)驱动器。
在一个实施例中,存储器1204存储指令,该指令被处理器1201运行时,使得处理器1201执行本申请中图4所述的基于验证者状态和环境的解锁方法。在此不再赘述。在一个实施例中,设备1200可以进一步包括网络接口(Network Interface Controller,NIC)1206。网络接口1206可以包括收发器,用于为设备1200提供无线电接口,进而与任何其他合适的设备(如前端模块,天线等)进行通信。在各种实施例中,网络接口1206可以与设备1200的其他组件集成。网络接口1206可以实现上述实施例中的通信单元的功能。
设备1200可以进一步包括输入/输出(Input/Output,I/O)设备1205。I/O 1205可以包括:用户界面,该设计使得用户能够与设备1200进行交互;***组件接口的设计使得***组件也能够与设备1200交互;和/或传感器设计用于确定与设备1200相关的环境条件和/或位置信息。
值得注意的是,图9仅是示例性的。即虽然图9中示出了设备1200包括处理器1201、控制器中枢1203、存储器1204等多个器件,但是,在实际的应用中,使用本申请各方法的设备,可以仅包括设备1200各器件中的一部分器件,例如,可以仅包含处理器1201和NIC1206。图9中可选器件的性质用虚线示出。
现在参考图10,所示为根据本申请的一实施例的SoC(System on Chip,片上***)1300的框图。在图10中,相似的部件具有同样的附图标记。另外,虚线框是更先进的SoC的可选特征。在图10中,SoC1300包括:互连单元1350,其被耦合至应用处理器1310;***代理单元1380;总线控制器单元1390;集成存储器控制器单元1340;一组或一个或多个协处理器1320,其可包括集成图形逻辑、图像处理器、音频处理器和视频处理器;静态随机存取存储器(Static Random Access Memory,SRAM)单元1330;直接存储器存取(DMA)单元1360。在一个实施例中,协处理器1320包括专用处理器,诸如例如网络或通信处理器、压缩引擎、GPGPU、高吞吐量MIC处理器、或嵌入式处理器等。
静态随机存取存储器(SRAM)单元1330中可以包括用于存储数据和/或指令的一个或多个计算机可读介质。计算机可读存储介质中可以存储有指令,具体而言,存储有该指令的暂时和永久副本。该指令可以包括:由处理器中的至少一个单元执行时使Soc1300执行根据上述实施例中的图4中方法,具体可参照上述实施例的方法,在此不再赘述。
本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程***上执行的计算机程序或程序代码,该可编程***包括至少一个处理器、存储***(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。
可将程序代码应用于输入指令,以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的,处理***包括具有诸如例如数字信号处理器(Digital Signal Processor,DSP)、微控制器、专用集成电路(Application Specific Integrated Circuit,ASIC)或微处理器之类的处理器的任何***。
程序代码可以用高级程序化语言或面向对象的编程语言来实现,以便与处理***通信。在需要时,也可用汇编语言或机器语言来实现程序代码。事实上,本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下,该语言可以是编译语言或解释语言。
在一些情况下,所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如,计算机可读)存储介质承载或存储在其上的指令,其可以由一个或多个处理器读取和执行。例如,指令可以通过网络或通过其他计算机可读介质分发。因此,机器可读介质可以包括用于以机器(例如,计算机)可读的形式存储或传输信息的任何机制,包括但不限于,软盘、光盘、光碟、光盘只读存储器(Compact Disc Read Only Memory,CD-ROMs)、磁光盘、只读存储器(Read OnlyMemory,ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically ErasableProgrammable Read Only Memory,EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如,载波、红外信号数字信号等)的有形的机器可读存储器。因此,机器可读介质包括适合于以机器(例如,计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中,可以以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可能不需要这样的特定布置和/或排序。而是,在一些实施例中,这些特征可以以不同于说明书附图中所示的方式和/或顺序来布置。另外,在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
需要说明的是,本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块,在物理上,一个逻辑单元/模块可以是一个物理单元/模块,也可以是一个物理单元/模块的一部分,还可以以多个物理单元/模块的组合实现,这些逻辑单元/模块本身的物理实现方式并不是最重要的,这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外,为了突出本申请的创新部分,本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入,这并不表明上述设备实施例并不存在其它的单元/模块。
需要说明的是,在本专利的示例和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本申请的某些优选实施例,已经对本申请进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (18)
1.一种基于验证者状态和环境的解锁方法,应用于配置有摄像头的电子设备,其特征在于,包括:
所述电子设备响应于接收的第一指令,验证用户的身份;
所述电子设备响应于接收的第二指令,通过所述摄像头采集该经验证后的用户的瞳孔信息;
所述电子设备判断所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,
当所述电子设备确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,所述用户在苏醒状态下的瞳孔模型为用户按照所述电子设备的预设指示完成的瞳孔信息的采集;当所述电子设备确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。
2.根据权利要求1所述的方法,其特征在于,
所述瞳孔信息包括瞳孔的直径大小,
所述电子设备确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,包括:
所述电子设备计算所述瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当所述差值的绝对值小于等于设定阈值,则确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。
3.根据权利要求1所述的方法,其特征在于,
所述瞳孔信息包括瞳孔的直径大小,
所述电子设备确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:
所述电子设备计算所述瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当所述差值的绝对值大于设定阈值,则确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
4.根据权利要求3所述的方法,其特征在于,所述电子设备确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:
所述电子设备确定所述瞳孔的直径大小与已存有的用户在无意识状态下的瞳孔模型的瞳孔的直径大小的差值的绝对值小于等于所述设定阈值,则判断所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
5.根据权利要求4所述的方法,其特征在于,所述用户的无意识状态包括用户的睡眠状态、晕厥状态和死亡状态。
6.根据权利要求1所述的方法,其特征在于,所述已存的用户在苏醒状态下的瞳孔模型,包括:
对应于第一光照强度范围的第一瞳孔模型,所述第一光照强度范围中光照强度大于等于预设强度;
对应于第二光照强度范围的第二瞳孔模型,所述第二光照强度范围中光照强度大于等于预设强度;
基于检测到的光照强度,使用对应的第一瞳孔模型或第二瞳孔模型。
7.根据权利要求1所述的方法,其特征在于,
所述电子设备通过人脸识别技术确定用户的身份。
8.根据权利要求1所述的方法,其特征在于,所述摄像头通过3D结构光图像传感器采集用户的瞳孔信息。
9.一种电子设备,其特征在于,包括:包含一个或多个存储器,与所述存储器耦合的一个或多个处理器,与处理器连接的一个或多个摄像头,以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,所述处理器调用一个或多个程序以使得所述电子设备执行:
响应于接收的第一指令,验证用户的身份;
响应于接收的第二指令,通过所述摄像头采集该经验证后的用户的瞳孔信息;
判断所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型是否匹配,
当所述处理器确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,则执行解锁操作,所述用户在苏醒状态下的瞳孔模型为用户按照所述电子设备的预设指示完成的瞳孔图像的采集;
当所述处理器确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,则执行禁止解锁操作。
10.根据权利要求9所述的电子设备,其特征在于,
所述瞳孔信息包括瞳孔的直径大小,
所述处理器确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配,包括:
所述处理器计算所述瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当所述差值的绝对值小于等于设定阈值,则确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型匹配。
11.根据权利要求9所述的电子设备,其特征在于,
所述瞳孔信息包括瞳孔的直径大小,
所述处理器确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,包括:
所述处理器计算所述瞳孔的直径大小与已存的用户在苏醒状态下的瞳孔模型的瞳孔直径大小的差值的绝对值,当所述差值的绝对值大于设定阈值,则确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
12.根据权利要求11所述的电子设备,其特征在于,所述处理器确定所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配,具体包括:
所述处理器确定所述瞳孔的直径大小与用户在无意识状态下的瞳孔模型的瞳孔的直径大小的差值的绝对值小于等于所述设定阈值,则判断所述瞳孔信息与已存的用户在苏醒状态下的瞳孔模型不匹配。
13.根据权利要求12所述的电子设备,其特征在于,所述用户的无意识状态包括用户的睡眠状态、晕厥状态和死亡状态。
14.根据权利要求9所述的电子设备,其特征在于,所述已存的用户在苏醒状态下的瞳孔模型,包括:
对应于第一光照强度范围的第一瞳孔模型,所述第一光照强度范围中光照强度大于等于预设强度;
对应于第二光照强度范围的第二瞳孔模型,所述第二光照强度范围中光照强度大于等于预设强度;
基于检测到的光照强度,使用对应的第一瞳孔模型或第二瞳孔模型。
15.根据权利要求9所述的电子设备,其特征在于,
所述处理器通过人脸识别技术确定用户的身份。
16.根据权利要求9所述的电子设备,其特征在于,所述摄像头通过3D结构光图像传感器采集用户的瞳孔信息。
17.一种包含指令的计算机程序产品,其特征在于,当该计算机程序产品在电子设备上运行时,使得处理器执行权利要求1-8任一项的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010707067.4A CN112016071A (zh) | 2020-07-21 | 2020-07-21 | 基于验证者状态和环境的解锁方法、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010707067.4A CN112016071A (zh) | 2020-07-21 | 2020-07-21 | 基于验证者状态和环境的解锁方法、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016071A true CN112016071A (zh) | 2020-12-01 |
Family
ID=73498807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010707067.4A Pending CN112016071A (zh) | 2020-07-21 | 2020-07-21 | 基于验证者状态和环境的解锁方法、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016071A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
CN107577930A (zh) * | 2017-08-22 | 2018-01-12 | 广东小天才科技有限公司 | 一种触屏终端的解锁检测方法及触屏终端 |
US20180204058A1 (en) * | 2017-01-17 | 2018-07-19 | Samsung Electronics Co., Ltd. | Electronic device for iris recognition and operating method thereof |
KR20180133181A (ko) * | 2017-06-05 | 2018-12-13 | 김인환 | 이동 단말기 |
CN109858337A (zh) * | 2018-12-21 | 2019-06-07 | 普联技术有限公司 | 一种基于瞳孔信息的人脸识别方法、***和设备 |
CN111310150A (zh) * | 2020-01-19 | 2020-06-19 | 湖北工程学院新技术学院 | 一种基于安全计算机的安全认证*** |
-
2020
- 2020-07-21 CN CN202010707067.4A patent/CN112016071A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
US20180204058A1 (en) * | 2017-01-17 | 2018-07-19 | Samsung Electronics Co., Ltd. | Electronic device for iris recognition and operating method thereof |
KR20180133181A (ko) * | 2017-06-05 | 2018-12-13 | 김인환 | 이동 단말기 |
CN107577930A (zh) * | 2017-08-22 | 2018-01-12 | 广东小天才科技有限公司 | 一种触屏终端的解锁检测方法及触屏终端 |
CN109858337A (zh) * | 2018-12-21 | 2019-06-07 | 普联技术有限公司 | 一种基于瞳孔信息的人脸识别方法、***和设备 |
CN111310150A (zh) * | 2020-01-19 | 2020-06-19 | 湖北工程学院新技术学院 | 一种基于安全计算机的安全认证*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110058777B (zh) | 快捷功能启动的方法及电子设备 | |
CN113704014B (zh) | 日志获取***、方法、电子设备及存储介质 | |
CN113325941B (zh) | 屏下指纹显示方法及电子设备 | |
CN110543287A (zh) | 一种屏幕显示方法及电子设备 | |
CN113015161B (zh) | 认证方法及其介质和电子设备 | |
CN112352239A (zh) | 一种应用权限的管理方法及电子设备 | |
CN114095599B (zh) | 消息显示方法和电子设备 | |
WO2021218429A1 (zh) | 应用窗口的管理方法、终端设备及计算机可读存储介质 | |
CN112740152A (zh) | 手写笔检测方法、***及相关装置 | |
CN112699971A (zh) | 一种身份认证方法和装置 | |
CN113452945A (zh) | 分享应用界面的方法、装置、电子设备及可读存储介质 | |
CN113196732B (zh) | 一种跨设备认证方法及相关装置 | |
CN116048831A (zh) | 一种目标信号处理方法和电子设备 | |
CN112016071A (zh) | 基于验证者状态和环境的解锁方法、设备及可读存储介质 | |
CN115206308A (zh) | 一种人机交互的方法及电子设备 | |
CN114254334A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114690924A (zh) | 防误触锁定方法、终端设备及计算机可读存储介质 | |
CN113918003A (zh) | 检测皮肤接触屏幕时长的方法、装置及电子设备 | |
CN114077323B (zh) | 电子设备的触摸屏防误触方法、电子设备及芯片*** | |
WO2023071415A1 (zh) | 一种应用的显示方法、电子设备和存储介质 | |
CN115495716B (zh) | 一种本地鉴权方法和电子设备 | |
CN113204308B (zh) | 一种基于扭曲指纹的触控方法与电子设备 | |
CN113704209B (zh) | 数据共享方法、电子设备及存储介质 | |
US20240126897A1 (en) | Access control method and related apparatus | |
CN117711032A (zh) | 指纹识别方法及电子设备 |
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 |