CN104598795A - 身份验证方法及系统 - Google Patents

Abstract

本发明公开了一种身份验证方法及系统，该方法包括：在接收到用户身份验证请求后，获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。利用本发明，可以提高身份验证的安全性。

Description

身份验证方法及系统

技术领域

本发明涉及身份验证技术领域，具体涉及一种身份验证方法及系统。

背景技术

随着移动互联网技术的迅猛发展，身份验证已经在越来越多的领域中广泛应用，比如移动支付、企业考勤、课堂签到等等。传统考勤或签到系统中，多采用打卡的方式进行身份验证，而一些移动身份验证中，多是采用用户输入其预先注册的账号和密码的方式进行身份验证。

传统的这些身份验证方法，都存在可靠性、安全性低的问题。如采用打卡方式进行身份验证，持卡人和卡所存储的用户信息是否一致难以保证，容易出现代打卡的情况，其可靠性较低，进而可能会出现安全性问题。对于采用输入账号、密码的身份验证方法，经常会出现盗号的风险，可靠性和安全性低，特别是像移动支付这样的应用场景，会给用户带来严重的经济损失。

发明内容

本发明实施例提供一种身份验证方法及系统，以提高身份验证的安全性。

为此，本发明实施例提供如下技术方案：

一种身份验证方法，包括：

在接收到用户身份验证请求后，获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；

将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；

判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；

如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。

优选地，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分包括：

将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分；

基于符合设定条件的第一匹配得分确定待匹配的第二特征模型；

将所述第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分；

将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。

优选地，所述符合设定条件的第一匹配得分为：

所述第一匹配得分大于第一阈值的第一匹配得分；或者

所述第一匹配得分最大的前设定个数的第一匹配得分。

优选地，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分包括：

将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

将所述第二生物特征与各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

优选地，所述第一条件和第二条件分别为：

匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。

优选地，所述第一生物特征为声纹特征，第二生物特征为人脸特征；或者所述第一生物特征为人脸特征，第二生物特征为声纹特征。

优选地，所述方法还包括：

在将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，检查所述用户标识是否为注册用户标识；

如果是，则执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；

否则，确定用户身份验证失败。

一种身份验证系统，包括：

接收模块，用于接收用户身份验证请求；

信息获取模块，用于获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；

融合匹配模块，用于将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；

判断模块，用于判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。

优选地，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述融合匹配模块包括：

第一匹配单元，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分；

确定单元，用于基于符合设定条件的第一匹配得分确定待匹配的第二特征模型；

第二匹配单元，用于将所述第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分；

第一融合单元，用于将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。

优选地，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述融合匹配模块包括：

第一处理单元，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

第二处理单元，将所述第二生物特征与各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

并集单元，用于对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

第二融合单元，用于对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

优选地，所述系统还包括：

检查模块，用于在所述融合匹配模块将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，检查所述用户标识是否为注册用户标识；如果是，则触发所述融合匹配模块执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；否则，确定用户身份验证失败。

本发明实施例提供的身份验证方法及系统，融合了用户的不同生物特征和标识特征，解决了传统身份验证方法存在的可靠性低、安全性低的问题，实现了精准、可靠的身份验证。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例身份验证方法的流程图；

图2是本发明实施例中融合匹配的一种流程图；

图3是本发明实施例中融合匹配的另一种流程图；

图4是本发明实施例身份验证系统的一种结构示意图；

图5是本发明实施例中融合匹配模块的一种结构示意图；；

图6是本发明实施例中融合匹配模块的另一种结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

如图1所示，是本发明实施例提供的身份验证方法的流程图，包括以下步骤：

步骤101，在接收到用户身份验证请求后，获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征。

在实际应用中，用户可以通过点击身份验证系统界面的验证请求按钮，或者通过相关语音、手势等命令进行身份验证请求。

相应地，在接收到该验证请求后，身份验证系统可以启动系统录音、图像采集等功能，以采集用户的生物特征，所述生物特征可以包括：声纹特征和人脸特征，当然还可以包括其它生物特征，比如虹膜特征、指纹特征等。如果用户身份验证请求为语音或手势之类的命令，则身份验证系统无需再次启动录音、图像采集等相应功能。

为了描述方便，下面以声纹特征和人脸特征为例进行说明。

比如，对于声纹特征，可以由身份验证系统向用户提供声纹密码，身份验证系统录入用户朗读所述声纹密码的语音，然后从该语音中提取声纹特征。

所述声纹密码可以是动态密码(如随机数字、汉字、字母、符号等的任意组合)，当然也可以是固定的静态密码，对此本发明实施例不做限定。声纹密码的长度决定着用户输入信息量的大小，从而对身份验证准确性有着重要的影响，其取值可以根据经验或大量实验设定。

上述用户标识可以是用户的账号、用户的ID等；用户的声纹特征可以是语音声纹的MFCC特征、PLP特征、LPCC特征等；用户的人脸特征可以是根据拍照或者摄像获取的一张或多张图像，提取的人脸Gabor特征、HOG特征等，对于多张图像提取人脸特征，可以是对多张图像先做融合再提取特征，也可以是先提取各张图像特征再算平均等做法，对此本发明实施例不做限定。

当然，在提取语音声纹特征和人脸特征之前，对获取的用户语音和人脸图像，可做一些质量检测、筛选，如判断获取的用户语音是否噪声过大、是否有截幅等，判断获取的用户人脸图像是否有遮挡、是否光线不足等。对于不符合质量要求的语音或图像进行剔除，如果剔除的信息过多导致获取的信息量不足，可提示用户采集失败，由用户选择是否进行再一次的身份信息采集。

步骤102，将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型。

比如，对于获取的人脸特征和声纹特征，分别将所述人脸特征与所述身份信息库中的各人脸特征模型、所述声纹特征与所述身份信息库中的各声纹特征模型进行匹配及融合，得到多候选融合得分。

具体的匹配及融合方式可以有多种，将在后面详细说明。

步骤103，判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；如果是，则执行步骤104；否则，执行步骤105。

步骤104，确定用户身份验证成功。

步骤105，确定用户身份验证失败。

需要说明的是，为了进一步提高身份验证效率，在将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，还可以先检查所述用户标识是否为注册用户标识；如果是，则执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；否则，确定用户身份验证失败。

前面提到，在获取的用户身份信息中包括至少两种生物特征，下面以两种生物特征为例，详细说明本发明实施例中进行融合匹配的过程。为了描述方便，将这两种生物特征称为第一生物特征和第二生物特征。相应地，每个注册用户标识对应一组特征模型，即一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型。

如图2所示，是本发明实施例中融合匹配的一种流程图，，包括以下步骤：

步骤201，将获取的用户第一生物特征与身份信息库中各第一特征模型进行匹配，得到多个第一匹配得分。

步骤202，基于符合设定条件的第一匹配得分确定待匹配的第二特征模型。

所述设定条件可以是匹配得分大于第一阈值，或者是匹配得分最大的前N(如N＝10)个匹配得分。

选取符合设定条件的第一匹配得分后，可以得到与该第一匹配得分对应的第一特征模型，而每个第一特征模型对应了一个注册用户标识，该注册用户标识还对应了一个第二特征模型，该第二特征模型即为与符合设定条件的第一匹配得分对应的待匹配的第二特征模型。

步骤203，将获取的用户第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分。

步骤204，将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。

具体融合方法可以是简单的求和或者加权求和，也可以是基于分类器(如SVM)的得分融合等方法，对此本发明实施例不做限定。

上述第一生物特征可以是声纹特征，第二生物特征为人脸特征；或者第一生物特征为人脸特征，第二生物特征为声纹特征。也就是说，可以先进行声纹匹配，再结合相应的人脸匹配得到多候选融合得分，或者先进行人脸匹配，再结合相应的声纹匹配得到多候选融合得分。

当然，上述第一生物特征和第二生物特征还可以是用户的其它生物特征，对此本发明实施例不做限定。

如图3所示，是本发明实施例中融合匹配的另一种流程图，包括以下步骤：

步骤301，将获取的用户第一生物特征与身份信息库中各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分。

步骤302，将获取的用户第二生物特征与身份信息库中各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分。

需要说明的是，上述第一条件和第二条件可以是匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。对于不同的匹配，设定的阈值可以不同。而且，上述第一条件和第二条件可以相同，也可以不同。

步骤303，对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集。

比如，待融合第一得分有5个，分别对应了注册用户1，2，3，4，5，待融合第二得分有8个，分别对应了注册用户1，3，5，6，7，8，9，10。则所述并集中包含了注册用户1～10这10个注册用户的用户标识。

步骤304，对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

具体融合方法可以是简单的求和或者加权求和，也可以是基于分类器(如SVM)的得分融合等方法，对此本发明实施例不做限定。

同样，上述第一生物特征可以是声纹特征，第二生物特征为人脸特征；或者第一生物特征为人脸特征，第二生物特征为声纹特征。也就是说，可以先进行声纹匹配，再结合相应的人脸匹配得到多候选融合得分，或者先进行人脸匹配，再结合相应的声纹匹配得到多候选融合得分。

当然，上述第一生物特征和第二生物特征还可以是用户的其它生物特征，对此本发明实施例不做限定。

需要说明的是，在实际应用中，还可以有其它结合用户不同生物特征的融合匹配方式，对此本发明实施例不做限定。而且，上面的实施例仅以两种生物特征为例对融合匹配的过程做了说明，两种以上的生物特征的融合匹配过程与上述过程类似，在此不再举例说明。

因为无论是人脸还是声纹，如果只是单独进行匹配判断，会出现较多误识或误拒的情况。如多人脸和声纹单独进行匹配，一般需要两者匹配得分都超过一定阈值(该阈值难以准确设定)，或者两者的匹配得分都需要最高，才能判定身份验证成功。但实际情况中，声纹或人脸特征相似的人很多，但是同时两者都相似的可能性较小。因此，基于这种特点，本发明实施例的身份验证方法，融合了用户的不同生物特征和标识特征，解决了传统身份验证方法存在的可靠性低、安全性低的问题，实现了精准、可靠的身份验证。

相应地，本发明实施例还提供一种身份验证系统，如图4所示，是该系统的一种结构示意图。

在该实施例中，所述系统包括：

接收模块401，用于接收用户身份验证请求；

信息获取模块402，用于获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；

融合匹配模块403，用于将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；

判断模块404，用于判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。

为了进一步提高身份验证效率，在本发明实施例的系统中，还可进一步包括：检查模块(未图示)，用于在所述融合匹配模块403将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，，检查所述用户标识是否为注册用户标识；如果是，则触发所述融合匹配模块403执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；否则，确定用户身份验证失败。

需要说明的是，上述接收模块401可以通过多种方式接收用户身份验证请求，比如，感知用户对按钮的操作、语音方式、图像采集方式等。

上述用户身份信息包括：用户标识、以及至少两种生物特征。用户标识可以是用户的账号、用户的ID等，生物特征可以是声纹、人脸、虹膜、指纹等。相应地，信息获取模块402可以通过不同的接收单元接收上述各信息，比如，通过键盘接收用户在系统界面输入的用户标识，通过录音单元及图像采集单元等接收所述生物特征。信息获取模块402可以根据接收模块401的触发开启相应的信息接收单元。

前面提到，信息获取模块402获取的用户身份信息中包括至少两种生物特征，下面以两种生物特征为例，结合上述融合匹配模块403的不同实现方式详细说明本发明实施例中进行融合匹配的过程。为了描述方便，将这两种生物特征称为第一生物特征和第二生物特征。相应地，每个注册用户标识对应一组特征模型，即一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型。

如图5所示，是本发明实施例中融合匹配模块的一种结构示意图。

在该实施例中，所述融合匹配模块包括：

第一匹配单元501，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分；

确定单元502，用于基于符合设定条件的第一匹配得分确定待匹配的第二特征模型；

上述设定条件可以是匹配得分大于第一阈值的第一匹配得分，或者是匹配得分最大的前N(如N＝10)个第一匹配得分。符合设定条件的第一匹配得分对应的第二特征模型即为待匹配的第二特征模型。

第二匹配单元503，用于将所述第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分；

第一融合单元504，用于将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。具体融合方法可以是简单的求和或者加权求和，也可以是基于分类器(如SVM)的得分融合等方法，对此本发明实施例不做限定。

上述第一生物特征可以是声纹特征，第二生物特征为人脸特征；或者第一生物特征为人脸特征，第二生物特征为声纹特征。也就是说，可以先进行声纹匹配，再结合相应的人脸匹配得到多候选融合得分，或者先进行人脸匹配，再结合相应的声纹匹配得到多候选融合得分。

当然，上述第一生物特征和第二生物特征还可以是用户的其它生物特征，对此本发明实施例不做限定。

如图6所示，是本发明实施例中融合匹配模块的另一种结构示意图。

在该实施例中，所述融合匹配模块包括：

第一处理单元601，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

第二处理单元602，将所述第二生物特征与各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

并集单元603，用于对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

第二融合单元604，用于对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

需要说明的是，上述第一条件和第二条件可以是匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。对于不同的匹配，设定的阈值可以不同。而且，上述第一条件和第二条件可以相同，也可以不同。

同样，上述第二融合单元604具体可以采用简单的求和或者加权求和，也可以是基于分类器(如SVM)的得分融合等方法对第一匹配得分及第二匹配得分进行融合，对此本发明实施例不做限定。

同样，上述第一生物特征可以是声纹特征，第二生物特征为人脸特征；或者第一生物特征为人脸特征，第二生物特征为声纹特征。也就是说，可以先进行声纹匹配，再结合相应的人脸匹配得到多候选融合得分，或者先进行人脸匹配，再结合相应的声纹匹配得到多候选融合得分。

当然，上述第一生物特征和第二生物特征还可以是用户的其它生物特征，对此本发明实施例不做限定。

本发明实施例的身份验证系统，融合了用户的不同生物特征和标识特征，解决了传统身份验证方法存在的可靠性低、安全性低的问题，实现了精准、可靠的身份验证。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及设备；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种身份验证方法，其特征在于，包括：

在接收到用户身份验证请求后，获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；

将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；

判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；

如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。

2.根据权利要求1所述的方法，其特征在于，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分包括：

将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分；

基于符合设定条件的第一匹配得分确定待匹配的第二特征模型；

将所述第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分；

将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。

3.根据权利要求2所述的方法，其特征在于，所述符合设定条件的第一匹配得分为：

所述第一匹配得分大于第一阈值的第一匹配得分；或者

所述第一匹配得分最大的前设定个数的第一匹配得分。

4.根据权利要求1所述的方法，其特征在于，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分包括：

将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

将所述第二生物特征与各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

5.根据权利要求4所述的方法，其特征在于，所述第一条件和第二条件分别为：

匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。

6.根据权利要求2至5任一项所述的方法，其特征在于，所述第一生物特征为声纹特征，第二生物特征为人脸特征；或者所述第一生物特征为人脸特征，第二生物特征为声纹特征。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，检查所述用户标识是否为注册用户标识；

如果是，则执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；

否则，确定用户身份验证失败。

8.一种身份验证系统，其特征在于，包括：

接收模块，用于接收用户身份验证请求；

信息获取模块，用于获取用户身份信息，所述用户身份信息包括：用户标识、以及至少两种生物特征；

融合匹配模块，用于将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配，得到多候选融合得分，所述身份信息库中每个注册用户标识对应一组特征模型；

判断模块，用于判断融合得分最高的特征模型对应的注册用户标识与获取的用户标识是否相同；如果是，则确定用户身份验证成功；否则，确定用户身份验证失败。

9.根据权利要求8所述的系统，其特征在于，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述融合匹配模块包括：

第一匹配单元，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分；

确定单元，用于基于符合设定条件的第一匹配得分确定待匹配的第二特征模型；

第二匹配单元，用于将所述第二生物特征与所述待匹配的第二特征模型进行匹配，得到多个第二匹配得分；

第一融合单元，用于将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选融合得分。

10.根据权利要求8所述的系统，其特征在于，所述至少两种生物特征包括：第一生物特征和第二生物特征；每个注册用户标识对应一个与第一生物特征对应的第一特征模型、以及一个与第二生物特征对应的第二特征模型；

所述融合匹配模块包括：

第一处理单元，用于将所述第一生物特征与各第一特征模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

第二处理单元，将所述第二生物特征与各第二特征模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

并集单元，用于对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

第二融合单元，用于对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选融合得分。

11.根据权利要求8至10任一项所述的系统，其特征在于，所述系统还包括：

检查模块，用于在所述融合匹配模块将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配之前，检查所述用户标识是否为注册用户标识；如果是，则触发所述融合匹配模块执行将所述生物特征与预先注册的身份信息库中的各对应特征模型进行融合匹配的步骤；否则，确定用户身份验证失败。