CN103516682A - 一种基于人脸追踪的身份认证方法、系统及电视机 - Google Patents
一种基于人脸追踪的身份认证方法、系统及电视机 Download PDFInfo
- Publication number
- CN103516682A CN103516682A CN201210212887.1A CN201210212887A CN103516682A CN 103516682 A CN103516682 A CN 103516682A CN 201210212887 A CN201210212887 A CN 201210212887A CN 103516682 A CN103516682 A CN 103516682A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- human face
- registration
- face action
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种基于人脸追踪的身份认证方法、系统及电视机,由于采用了人脸追踪获取人脸动态信息,并提取特定图像帧中的特征点,得到用于认证的用户注册特征模板,完成用户注册;在身份认证时,通过人脸动作运动主特征和人脸图像的特征匹配进行认证,有效的解决一般识别时所用的静态图像易获得、易破解等明显缺点,提高了身份认证的安全性,具有很好的市场应用前景。
Description
技术领域
本发明涉及身份加密技术领域,尤其涉及的是一种基于人脸追踪的身份认证方法、系统及电视机。
背景技术
人脸认证登录系统是基于终端摄像头的一种身份加密技术,其核心为人脸识别技术:通过摄像头拍摄扫描来确认使用者的身份。用户在进入登录界面时,终端将自动通过摄像头将用户图像传入人脸识别系统,系统对人脸特征进行分析鉴定后,确定用户是否合法。认证系统主要包含注册和认证两个阶段。
现有技术中,注册阶段主要完成用户正面拍照及特征提取工作:采集用户的正脸图像,对其进行数字化处理,经特征提取算子提取其特征信息后,存储到数据库中。验证阶段则主要负责用户认证,解决待识特征信息与数据库中的样本特征信息是否匹配的问题,从而判断访问者是否具有合法的身份。验证后返回结果很简单,即身份验证通过或未通过。然而,由于现有技术主要根据单张图片进行识别,因此只要入侵者能够获得注册用户的人脸图像就能较为容易的破解登陆,安全性较低。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于现有技术的人脸认证登录系统,根据单张图片进行识别,导致安全性较低的问题。针对现有技术的上述缺陷,提供一种基于人脸追踪的身份认证方法、系统及电视机。
本发明解决技术问题所采用的技术方案如下:
一种基于人脸追踪的身份认证方法,其中,包括步骤:
STA、预先采集用户的人脸动态信息,形成若干帧人脸动作图像,选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册;
STB、在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征是否一致,如一致则进行步骤STC;
STC、对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配则视为通过认证。
所述的基于人脸追踪的身份认证方法,其中,所述步骤STA中提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板的步骤具体包括:
提取特定图像帧中的特征点,对特征点的邻域点通过变换函数进行扭曲变换,将扭曲变换后的图像作为用于认证的用户注册特征模板;
所述的变换函数为包括采集人脸动作图像时间和方向信息作为系数的多项式函数。
所述的基于人脸追踪的身份认证方法,其中,所述步骤STA中提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板的步骤具体包括:
提取特定图像帧中的特征点,根据所述特征点得到加速度信息、速度信息及相应的位置信息,将上述信息进行二进制化,并选择二进制化后的特定位段作为用户加密信息;
将用户加密信息与稳定的特征人脸图像经过绑定变换后生成用户签名特征向量;
服务器生成一个与用户签名特征向量位数相同的加密密钥,将此密钥与用户签名特征向量进行异或操作,形成密文,并且所述的加密密钥与密文由服务器端保存;
采用模糊承诺方案,将上述加密密钥映射为待匹配的密钥值。
所述的基于人脸追踪的身份认证方法,其中,所述STC、具体包括:
根据经特征提取并配准后的认证图像与注册阶段用户保存的用户加密信息,通过所述的绑定变换得到用户签名特征向量;
将此用户签名特征向量与注册阶段服务器端保存的密文进行异或操作得到认证加密信息;
采用模糊承诺方案,将解密得到的认证加密信息映射成为匹配的密钥值;
根据所述的待匹配的密钥值与匹配的密钥值的匹配程度,判断认证是否通过。
所述的基于人脸追踪的身份认证方法,其中,所述的绑定变换具体包括步骤:
对图像进行PCA特征提取得到特征向量;
将加密信息与所述的特征向量进行绑定;
将绑定后的信息二进制化生成用户签名特征向量。
所述的基于人脸追踪的身份认证方法,其中,还所述步骤STD,所述认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征不一致,或者在所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,并保存所述非法访问的信息。
一种身份认证系统,其中,所述系统包括:
注册模块,用于预先采集用户的人脸动态信息,形成若干帧人脸动作图像,再利用服务器存储的规则选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册;
初步认证模块,用于在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致;
特征认证模块,用于当初步认证模块确定认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征一致后,对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配达到阀值,则视为通过认证。
所述的基于人脸追踪的身份认证系统,其中,还包括:
信息记录模块,用于所述认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征不一致或所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,保存所述非法访问的信息。
一种电视机,其中,包括一身份认证系统,所述身份认证系统采用上述的基于人脸追踪的身份认证方法进行身份认证。
本发明所提供的基于人脸追踪的身份认证方法、系统及电视机,由于采用了人脸追踪获取人脸动态信息,并提取特定图像帧中的特征点,得到用于认证的用户注册特征模板,完成用户注册;在身份认证时,通过人脸动作运动主特征和人脸图像的特征匹配进行认证,有效的解决静态图像的易获得、易破解等明显缺点,提高了身份认证的安全性,具有很好的市场应用前景。
附图说明
图1是本发明中的基于人脸追踪的身份认证方法的流程图。
图2是本发明中的基于人脸追踪的身份认证系统的结构框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,其为本发明的基于人脸追踪的身份认证方法的流程图。如图所示,所述基于人脸追踪的身份认证方法包括以下步骤:
A、预先采集用户的人脸动态信息,形成若干帧人脸动作图像,选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册;
B、在对认证者进行身份认证时,采集认证者的人脸动作图像,如果认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致,则进行步骤C;
C、对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配则视为通过认证。
需要说明的是,本发明所述的人脸动作运动主特征主要指的是人脸运动图像的矢量特征,如点头或摇头的运动方向,速度等特征。
概括来说,上述方法包括两步:注册和认证。其中,所述步骤A为注册,步骤B、C为认证。下面分别进行详细描述:
首先为注册阶段,在进行注册时,首先检测图像输入是否有人脸,若没有则继续等待捕捉人脸图像,还可以进一步设定:若超过系统预设时间则结束退出,返回注册失败。如果已经检测到人脸,则采集追踪所得的用户人脸运动图像的动态信息,形成若干帧人脸动作图像,其中,所述人脸动态信息包括:点头、摇头、随意摆动、摄像头前平行移动以及表情等等用户自定义动作。需要注意地是,当判断用户自定义动作结束后,则会保存记录用户自定义的人脸动作运动主特征。
然后,按照一定的选取规则选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点。其中,该规则包括一选择因子,该选择因子是由随机种子产生的一系列伪随机数,并由服务器进行保存。该选择因子用于随机选择人脸动作图像序号和特征点序号信息。即由选择因子选取特定图像帧,然后再提取特定图像帧中的特征点。一般来说,一幅人脸动作图像中包括88个特征点。提取特征点后,再根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册。在本方案中,提供两种方式由所述特征点按照预定规则得到用户注册特征模板。
第一种方式:提取特定图像帧中的特征点,对特征点的邻域点通过变换函数进行扭曲变换,将扭曲变换后的图像作为用于认证的用户注册特征模板。具体来说,在由选取规则选取的特定图像帧中的随机特征点中,可以选取特征点周围的k(k为自然数)个邻域点做扭曲变换。对于二维图像而言,需要进行扭曲变换的特征点可以用集合形式表示:
χ={(xi,yi),i∈1,...,k},其中xi,yi分别对应于图像的横纵坐标。需要注意地是,本方案的扭曲变换是不可逆的,变换函数是采集人脸动作图像时间和方向信息做系数组成的多项式函数。例如,对于某特征点所选邻域的横坐标x,可以有变换函数此函数表示为某特征点周围邻域的横坐标x经由高次非齐次函数映射为新的横坐标φ。其中,所述ti表示时间信息,对应于在此特征点时的速度或者加速度的横坐标分量,方向信息用正负号表示,i为正整数。对应于用户自定义动作特定帧在此特征点时的速度或者加速度的横坐标分量,方向信息用正负号反映,特定帧对应的时间信息ti作为此变换函数的非齐次项。变换函数的次数可由系统随机提供。
相应的,对于特征点的纵坐标y,也可以有类似的变换函数形式其中,所述ti表示时间信息,对应于在此特征点时的速度或者加速度的纵坐标分量,方向信息用正负号表示,i为正整数。在变换函数的作用下,用户图像完成了扭曲变换,由数学知识可以知道该变换是不可逆的,变量x或y在函数H(x)和V(y)的作用下映射为唯一的值φ或原用户图像坐标与变换后图像坐标属于一一映射的关系。然而由于变换函数是高次函数,因此变换后的值φ或可对应于多个不同的自变量。另外,用户注册的追踪验证时间和方向信息不可重构性(同一用户虽然做相同的动作,动作幅度、速度变换、时间信息等却千差万别,几乎很难获得相同的信息)保证了变换函数的唯一性。
第二种方式:提取特定图像帧中的特征点,根据所述特征点得到加速度信息、速度信息及相应的位置信息,并将上述信息二进制化,并选择特定位段作为用户加密信息与由特征提取后的特征向量进行绑定变换,生成用户签名特征向量,利用模糊承诺方案,采用哈希函数将其映射得出待匹配值,并将所述待匹配值作为用于认证的用户注册特征模板。
绑定变换的步骤具体为:首先将由特征点得到加速度信息、速度信息及相应的位置信息,选择特定位段作为用户加密信息ri,维度为n,如果选择了m个特征点,那么i=m。然后对向量ri进行施密特正交化变换,把变换后的向量分别与特征向量做内积,大于一定阈值的二值化为一,小于一定阈值的二值化为零。最终生成的即是用户签名特征向量。
具体来说,将注册时追踪得到的加速度、速度以及相应的位置信息二进制化后随机选择其特定位段作为用户密钥,与经由特征提取后的特征向量进行绑定生成用户签名特征向量。之后,服务器随机产生一个与用户签名特征向量位数相同的加密密钥,此加密密钥将通过哈希函数映射为待匹配的值,进一步用此密钥与用户签名特征向量进行异或操作,形成密文,由服务器端保存。认证阶段将经特征提取并配准后的认证图像与注册阶段用户存储的用户加密信息绑定,将绑定后的用户签名特征向量与注册阶段存储的密文进行异或操作生成最终的认证用户加密信息,相对于注册阶段的密钥绑定操作这一过程可以看作是密钥释放的过程。
配准就是将不同时间、或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。配准的流程如下:首先对两幅图像进行特征提取得到特征点;通过进行相似性度量找到匹配的特征点对;然后通过匹配的特征点对得到图像空间坐标变换参数:最后由坐标变换参数进行图像配准,配准是现有图像处理中的常用手段,对于配准的具体细节,在此不在赘述。
紧接着就是将已经释放过密钥的认证加密信息利用模糊承诺方案,采用哈希函数映射成为待匹配值。并将所述待匹配值作为用于认证的用户注册特征模板。
例如,在注册阶段,与用户加密信息绑定后的用户签名特征向量为10100011101010101,服务器随机产生一个与用户签名特征向量位数相同的加密密钥,01010000011101010异或后得到密文11110011110111111(服务器保存);在认证阶段,同一个用户经特征提取后追踪到的特征点的加速度、速度以及相应的位置信息经二进制化后与注册阶段用户存储的用户加密信息绑定生成用户签名特征向量10100011101010101,与服务器保存的密文11110011110111111异或,得到密钥的认证加密信息01010000011101010,而非法用户以及没有用户加密信息的共同使用就根本无法得到上述相同的值,所以即使知道这种加密方法,没有用户加密信息的共同配合加密解密,根本无法得到相同的待匹配值。与第一种方案相同,用户密钥是唯一的(原因同上),从而可以通过加密对其进一步加以保护。
本发明对加密信息使用模糊承诺方案,是由于同一用户在不同光照或者角度等差异条件下使用传统的哈希函数会将图像加密信息映射为不同的值,因此模糊承诺方案对加密信息进行哈希映射。系统会选取合适的阈值使得同一用户的加密信息经过映射后所得的值相同,不同用户映射为不同的值。
模糊承诺方案包含两个步骤:承诺和解承诺。在承诺步骤中,首先选择一个用户签名特征向量ω以及长度与用户签名特征向量位数相同的加密密钥c,定义偏差δ=ω-c,用于消除同一个用户信息的差异性,则承诺:{hash(c),δ},其中hash()是哈希函数。在解承诺步骤中,用户输入一个用户签名特征向量ω′,从承诺中解出一个加密密钥c′,计算公式是:c′=ω′-δ=ω′-ω+c,如果ω和ω′在某种距离测度(比如汉明距离)下足够接近,即dist(ω-ω′)<thr其中thr是一定的距离阈值(系统实验选取),经过某种纠错码的处理,则可认为c′与c一致,并可以通过比较哈希值hash(c′)与hash(c)是否相等来判断认证是否成功。
下面是认证阶段,认证阶段分为两步,首先是步骤B、在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致。具体来说,当捕捉到人脸图像后,在认证者完成了自定义动作时,需要计算分解认证者动作运动主特征及变换信息。例如,对摇头动作而言,若认证阶段的动作经计算后主方向变化了三次且变换方向基本与注册阶段一致时,则认为与用户注册特征模板中的人脸动作运动主特征一致。当一致时,再进行下一步认证,即步骤C。
所述步骤C为对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配则视为通过认证。其采用与前述注册阶段相同的预定规则对特征进行处理,得到待匹配信息,其具体细节可以参见前述的注册阶段描述。需要说明地是,对于第一种方式来说,是匹配经由扭曲变换后的注册图像是否与认证图像属于同一个人的人脸信息。对于第二种方式来说,则是比较注册和认证阶段经过哈希函数映射成的待匹配值是否相等。
若匹配成功说明认证成功,用户可以通过多种终端(笔记本、移动设备或是智能电视本身)登陆云终端。
进一步地,当所述认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征不一致或所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,并保存所述非法访问的信息。还可以进一步强制其结束认证程序。
另外,本发明还提供了一种基于人脸追踪的身份认证系统,如图2所示,所述系统包括:注册模块100、初步认证模块200和特征认证模块300。
其中,所述注册模块100用于预先采集用户的人脸动态信息,形成若干帧人脸动作图像,再按照特定规则选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册,特定规则指的是设定的规则,如按特定频率采集帧图像等。所述初步认证模块200用于在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致。所述特征认证模块300用于当初步认证模块确定认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征一致后,对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配则视为通过认证。
进一步地,所述的基于人脸追踪的身份认证系统,还包括:信息记录模块400,其用于所述认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征不一致或所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,保存所述非法访问的信息。
关于基于人脸追踪的身份认证系统的技术细节,可以参见上述基于人脸追踪的身份认证方法的描述,这里不再赘述了。
另外,在应用阶段,还可以讲所述基于人脸追踪的身份认证方法应用在多种终端登陆云终端时进行身份认证方面。比如,对智能电视机来说,可被家庭成员所共享,今后其作为云终端,包括一身份系统,所述身份认证系统采用上述的基于人脸追踪的身份认证方法进行身份认证。从而提供了更加安全的认证登陆机制。特别是利用追踪所得的动态人脸信息可以有效的解决静态图像的易获得、易破解等明显缺点。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于人脸追踪的身份认证方法,其特征在于,包括步骤:
STA、预先采集用户的人脸动态信息,形成若干帧人脸动作图像,选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册;
STB、在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致,如一致则进行步骤STC;
STC、对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配则视为通过认证。
2.根据权利要求1所述的基于人脸追踪的身份认证方法,其特征在于,所述步骤STA中提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板的步骤具体包括:
提取特定图像帧中的特征点,对特征点的邻域点通过变换函数进行扭曲变换,将扭曲变换后的图像作为用于认证的用户注册特征模板;
所述的变换函数为包括采集人脸动作图像时间和方向信息作为系数的多项式函数。
4.根据权利要求1所述的基于人脸追踪的身份认证方法,其特征在于,所述步骤STA中提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板的步骤具体包括:
提取特定图像帧中的特征点,根据所述特征点得到加速度信息、速度信息及相应的位置信息,将上述信息进行二进制化,并选择二进制化后的特定位段作为用户加密信息;
将用户加密信息与稳定的特征人脸图像经过绑定变换后生成用户签名特征向量;
服务器生成一个与用户签名特征向量位数相同的加密密钥,将此密钥与用户签名特征向量进行异或操作,形成密文,并且服务器端保存所述加密密钥、用户加密信息与密文;
采用模糊承诺方案,将上述加密密钥映射为待匹配的密钥值。
5.根据权利要求4所述的基于人脸追踪的身份认证方法,其特征在于,所述STC、具体包括:
根据经特征提取并配准后的认证图像与注册阶段用户保存的用户加密信息,通过所述的绑定变换得到用户签名特征向量;
将此用户签名特征向量与注册阶段服务器端保存的密文进行异或操作得到认证加密信息;
采用模糊承诺方案,将得到的认证加密信息映射成为匹配的密钥值;
根据所述的待匹配的密钥值与匹配的密钥值的匹配程度,判断认证是否通过。
6.根据权利要求4或5所述的基于人脸追踪的身份认证方法,其特征在于,所述的绑定变换具体包括步骤:
对图像进行PCA特征提取得到特征向量;
将加密信息与所述的特征向量进行绑定;
将绑定后的信息二进制化生成用户签名特征向量。
7.根据权利要求1所述的基于人脸追踪的身份认证方法,其特征在于,还包括步骤STD,在所述认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征不一致时,或者在所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,并保存所述非法访问的信息。
8.一种采用权利要求1所述方法的身份认证系统,其特征在于,所述系统包括:
注册模块,用于预先采集用户的人脸动态信息,形成若干帧人脸动作图像,再利用服务器存储的规则选定人脸动作图像中的特定图像帧,并提取特定图像帧中的特征点,根据所述特征点按照预定规则得到用于认证的用户注册特征模板,完成用户注册;
初步认证模块,用于在对认证者进行身份认证时,采集认证者的人脸动作图像,判断认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征一致;
特征认证模块,用于当初步认证模块确定认证者的人脸动作运动主特征与用户注册特征模板中的人脸动作运动主特征一致后,对认证者的人脸动作图像进行特征提取,采用与用户注册时相同的预定规则进行处理,得到待匹配信息,并将所述待匹配信息与用户注册特征模板进行匹配,若匹配达到阀值,则视为通过认证。
9.根据权利要求8所述的基于人脸追踪的身份认证系统,其特征在于,还包括:
信息记录模块,用于所述认证者的人脸动作运动主特征是否与用户注册特征模板中的人脸动作运动主特征不一致或所述待匹配信息与用户注册特征模板不匹配时,视为非法访问,保存所述非法访问的信息。
10.一种电视机,其特征在于,包括一身份认证系统,所述身份认证系统采用权利要求1-7任一所述的基于人脸追踪的身份认证方法进行身份认证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212887.1A CN103516682B (zh) | 2012-06-19 | 2012-06-19 | 一种基于人脸追踪的身份认证方法、系统及电视机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212887.1A CN103516682B (zh) | 2012-06-19 | 2012-06-19 | 一种基于人脸追踪的身份认证方法、系统及电视机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103516682A true CN103516682A (zh) | 2014-01-15 |
CN103516682B CN103516682B (zh) | 2016-12-21 |
Family
ID=49898731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210212887.1A Expired - Fee Related CN103516682B (zh) | 2012-06-19 | 2012-06-19 | 一种基于人脸追踪的身份认证方法、系统及电视机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103516682B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794458A (zh) * | 2015-05-07 | 2015-07-22 | 北京丰华联合科技有限公司 | 一种从模糊视频中识别人员的方法 |
WO2016019792A1 (zh) * | 2014-08-07 | 2016-02-11 | 阿里巴巴集团控股有限公司 | 一种身份认证方法及装置 |
WO2016169432A1 (zh) * | 2015-04-22 | 2016-10-27 | 腾讯科技(深圳)有限公司 | 身份验证方法、装置及终端 |
CN106303599A (zh) * | 2016-08-11 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、系统及服务器 |
CN108830217A (zh) * | 2018-06-15 | 2018-11-16 | 辽宁工程技术大学 | 一种基于模糊均值哈希学习的签名自动判别方法 |
CN110378414A (zh) * | 2019-07-19 | 2019-10-25 | 中国计量大学 | 基于进化策略的多模态生物特征融合的身份识别方法 |
WO2020108324A1 (zh) * | 2018-11-26 | 2020-06-04 | 阿里巴巴集团控股有限公司 | 订单货物提取方法、订单处理方法及装置、设备和介质 |
CN112084948A (zh) * | 2020-09-10 | 2020-12-15 | 深圳市迈航信息技术有限公司 | 采用人脸数据的方式来提高安检安全的方法以及系统 |
CN112614187A (zh) * | 2020-12-31 | 2021-04-06 | 深圳市优必选科技股份有限公司 | 回环检测方法、装置、终端设备和可读存储介质 |
CN115565354A (zh) * | 2022-11-18 | 2023-01-03 | 深圳智者行天下科技有限公司 | 一种基于人工智能的商用车驾驶员安全监测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100862526B1 (ko) * | 2007-04-12 | 2008-10-09 | 에스케이 텔레콤주식회사 | 얼굴동영상 데이터베이스 구축 방법 및 시스템과 이를이용한 얼굴 인식 방법 및 시스템. |
JP2011215942A (ja) * | 2010-03-31 | 2011-10-27 | Nec Personal Products Co Ltd | ユーザ認証装置、ユーザ認証システム、ユーザ認証方法及びプログラム |
-
2012
- 2012-06-19 CN CN201210212887.1A patent/CN103516682B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100862526B1 (ko) * | 2007-04-12 | 2008-10-09 | 에스케이 텔레콤주식회사 | 얼굴동영상 데이터베이스 구축 방법 및 시스템과 이를이용한 얼굴 인식 방법 및 시스템. |
JP2011215942A (ja) * | 2010-03-31 | 2011-10-27 | Nec Personal Products Co Ltd | ユーザ認証装置、ユーザ認証システム、ユーザ認証方法及びプログラム |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10614201B2 (en) | 2014-08-07 | 2020-04-07 | Alibaba Group Holding Limited | Method and device for identity authentication |
WO2016019792A1 (zh) * | 2014-08-07 | 2016-02-11 | 阿里巴巴集团控股有限公司 | 一种身份认证方法及装置 |
US10795978B2 (en) | 2014-08-07 | 2020-10-06 | Alibaba Group Holding Limited | Method and device for identity authentication |
WO2016169432A1 (zh) * | 2015-04-22 | 2016-10-27 | 腾讯科技(深圳)有限公司 | 身份验证方法、装置及终端 |
US10445482B2 (en) | 2015-04-22 | 2019-10-15 | Tencent Technology (Shenzhen) Company Limited | Identity authentication method, identity authentication device, and terminal |
CN104794458A (zh) * | 2015-05-07 | 2015-07-22 | 北京丰华联合科技有限公司 | 一种从模糊视频中识别人员的方法 |
CN106303599A (zh) * | 2016-08-11 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、系统及服务器 |
CN108830217B (zh) * | 2018-06-15 | 2021-10-26 | 辽宁工程技术大学 | 一种基于模糊均值哈希学习的签名自动判别方法 |
CN108830217A (zh) * | 2018-06-15 | 2018-11-16 | 辽宁工程技术大学 | 一种基于模糊均值哈希学习的签名自动判别方法 |
WO2020108324A1 (zh) * | 2018-11-26 | 2020-06-04 | 阿里巴巴集团控股有限公司 | 订单货物提取方法、订单处理方法及装置、设备和介质 |
CN110378414A (zh) * | 2019-07-19 | 2019-10-25 | 中国计量大学 | 基于进化策略的多模态生物特征融合的身份识别方法 |
CN110378414B (zh) * | 2019-07-19 | 2021-11-09 | 中国计量大学 | 基于进化策略的多模态生物特征融合的身份识别方法 |
CN112084948A (zh) * | 2020-09-10 | 2020-12-15 | 深圳市迈航信息技术有限公司 | 采用人脸数据的方式来提高安检安全的方法以及系统 |
CN112614187A (zh) * | 2020-12-31 | 2021-04-06 | 深圳市优必选科技股份有限公司 | 回环检测方法、装置、终端设备和可读存储介质 |
CN112614187B (zh) * | 2020-12-31 | 2024-03-26 | 深圳市优必选科技股份有限公司 | 回环检测方法、装置、终端设备和可读存储介质 |
CN115565354A (zh) * | 2022-11-18 | 2023-01-03 | 深圳智者行天下科技有限公司 | 一种基于人工智能的商用车驾驶员安全监测系统 |
CN115565354B (zh) * | 2022-11-18 | 2023-03-10 | 深圳智者行天下科技有限公司 | 一种基于人工智能的商用车驾驶员安全监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103516682B (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103516682A (zh) | 一种基于人脸追踪的身份认证方法、系统及电视机 | |
Alarifi et al. | Optical PTFT asymmetric cryptosystem-based secure and efficient cancelable biometric recognition system | |
Rathgeb et al. | Deep face fuzzy vault: Implementation and performance | |
CN101420301A (zh) | 人脸识别身份认证系统 | |
CN102111418A (zh) | 一种基于人脸特征密钥生成的网上身份认证方法 | |
CN101674299A (zh) | 基于加密域多特征融合的密钥生成方法 | |
CN114170658B (zh) | 一种结合水印和深度学习的人脸识别加密认证方法及系统 | |
Rassan et al. | Securing mobile cloud computing using biometric authentication (SMCBA) | |
US9129142B2 (en) | Method and system for generating a representation of a finger print minutiae information | |
CN108959891A (zh) | 基于秘密共享的脑电身份认证方法 | |
CN103873253B (zh) | 一种人类指纹生物密钥生成方法 | |
Biswas et al. | Password security system with 2-way authentication | |
CN104715537A (zh) | 一种基于数字标签的加密和解密方法 | |
CN104835039A (zh) | 一种数据标签生成方法 | |
Saraswathi et al. | Retinal biometrics based authentication and key exchange system | |
Conti et al. | Fingerprint traits and RSA algorithm fusion technique | |
CN114996727A (zh) | 基于掌纹掌静脉识别的生物特征隐私加密方法及系统 | |
Priya et al. | Mixed random 128 bit key using finger print features and binding key for AES algorithm | |
Chand et al. | Biometric Authentication using SaaS in Cloud Computing | |
CN109194469B (zh) | 基于连续变量量子密钥分发的指纹认证方法 | |
CN103761509B (zh) | 基于加密电路的免对齐指纹匹配方法及计算电路 | |
Tallapragada et al. | Multilevel Network Security Based on Iris Biometric | |
Xi et al. | FE-SViT: A SViT-based fuzzy extractor framework | |
Subha et al. | A study on authenticated admittance of atm clients using biometrics based cryptosystem | |
Yang et al. | Non-invertible geometrical transformation for fingerprint minutiae template protection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161221 |