CN105429969A - 一种用户身份验证方法与设备 - Google Patents

Abstract

为了提高身份验证的稳定性、安全性和用户体验，本发明提供一种多重身份验证方法及实现此方法的设备，在一个实施例中，提供了一种用户身份验证方法，包括：结合至少两种非接触身份验证方式对用户特征进行识别；以及根据上述识别验证所述用户。在另一实施例中，提供实现这种身份验证方法的设备装置。

Description

一种用户身份验证方法与设备

技术领域

本发明多个实施例涉及一种用户的身份验证方法与设备，尤其是智能家居领域的用户身份验证技术。

背景技术

随着计算机等方面技术的迅速发展以及人们生活水平的提高，家居服务机器人已逐步进入大众的生活。为了实现家居服务机器人恰当合法以及方便的使用，家居服务机器人需要具备用户身份验证的功能。比如，用户通过语音命令家居服务机器人去打开或关闭某一家用电器，如果没有身份验证功能，那就是任何人都可以去命令去做类似的事情，这显然是不合理的。

生物认证现在已经成为身份验证的研究热点，逐渐成为身份验证的主流方法。生物认证相对于传统的身份验证方法具有更好的安全性，同时更为便捷。生物认证主要包括接触式与非接触式两大类，其中接触式的生物认证包括指纹认证、掌纹认证等，非接触式的生物认证包括面部、声纹、虹膜等认证方式。

单一生物特征的生物认证是目前通常采用的方法，但是，单一的生物特征具有一定的不稳定性，比如，声音会随着音量、速度和音质的变化(如人感冒时)而影响声纹特征。在面部结构相似(如双胞胎)的这种情况下，现有技术水平下的面部认证基本失效；外部遮挡物，如眼镜、胡须、头发等的遮挡可能导致面部特征的变化。而且，单一生物特征的生物认证方式还存在一定的漏洞，例如，非合法使用者可以用录音去破解声纹识别系统，用照片或视频去破解面部识别系统。

发明内容

因此，为了提高身份验证的稳定性、安全性，同时考虑到用户体验，本发明提供一种多重身份验证方法及实现此方法的设备，其安全程度高，稳定性强，用户体验好，适用于各类人群。本发明的方法和设备例如可应用于家居服务机器人或其他计算设备，诸如移动电话或便携式计算机。

本发明的用户身份验证方法和设备的实现主要是采用多重身份验证的融合方式，避免上述单一验证缺陷和问题，它可由若干种单一的生物认证方式组成：例如面部识别和声纹、虹膜、掌纹、指纹识别等。作为本发明的技术方案之一，前一次身份验证步骤是作为后一次/多次身份验证步骤的逻辑基础。例如，前一次身份验证的评分值会作为后一次验证方式的逻辑引用值，或者，前一次的身份验证的特征矢量是作为后一次验证方式的激励信号。在本技术方案效果中，即使前一次的验证被处理器或计算机判定为例如“非合法用户”，后一次验证操作仍可以继续进行，最终的判定是基于多次验证的耦合来实现(例如，评分赋值、矢量和)。

为实现上述目的和效果，在一个实施例中，提供了一种用户身份验证方法，包括：结合至少两种非接触身份验证方式对用户特征进行识别；以及根据上述识别验证所述用户。

在另一实施例中，提供了一种用户身份验证设备，包括：接收装置，用于接收至少两种身份验证方式的用户特征；以及连接至所述接收装置的处理器，被配置为：结合所述至少两种身份验证方式对所述用户特征进行识别；以及根据上述识别验证所述用户。

在上述实施例中，所述“结合”步骤是通过特定设计的融合逻辑加以实施，所述融合逻辑的方式是通过以下结合附图的具体实例加以详尽描述。

附图说明

图1为本发明的用户身份验证方法的第一实施例的流程图；

图2为图1所示实施例的步骤300的详细流程图；

图3为本发明实现上述方法的设备原理图。

具体实施方式

下文将描述一个或多个特定实施例。为了提供对这些实施例的简要描述，说明书中未描述实际实施方案的所有特征。应当理解的是，下述实施方案的实现步骤可在次序之间有所不同。此外，相同或相似的特征可指示相同功能的部件或实现方式。

基于机器人的用户身份验证

在一个实施例中，执行用户身份验证的主体是机器人。本实施例中所指的“机器人”，是泛指具备大型运算功能的移动机械装置或者嵌入在数据计算设备(例如移动电话、PC机)的运算载体内，这种载体可以是搭载的处理器或者相同类型的集成电路板或软件命令模块，机器人能够按照其上位设备，或用户本身口述的指令通过大型计算的方式完成相应的动作，在数据运算方面，机器人的计算效率或存储量可能是有限的，从而可通过例如远程获取所需完成的指令以及相关的数据集。

此外，在本发明所示实施例中，机器人是指按照仿生结构制造出的人型机械结构，特定使用在室内用户家居环境下服务于居民的机器人装置，机器人在执行用户的指令时，出于安全方面的考虑，需要对用户进行多次身份验证操作。在本实施例中，非接触式身份验证方式包括了用户语音、面部或步态方式。

参照图1，图1为本发明的用户身份验证方法的第一实施例的流程图。根据本发明的一个实施例，通过上述机器人进行用户身份验证的方法可包括：

在步骤100中，用户可通过语音方式呼唤机器人，机器人通过麦克风或者类似扬声器等传感器设备收集这段用户语音片段内容，以通过声纹识别的方式被唤醒。用户呼唤机器人时，不限于指定的语句，但是可以包括机器人的名字或特定编码(这是为了防止操作对象的误解)。进一步地，在该步骤中用户呼唤机器人时，机器人提取语音信息中的声纹特征，通过内置的声纹识别算法判断是否为用户模型库中的用户，如果是，进行后续操作；否则不进行任何响应；

在步骤200中，在呼唤机器人后如果接收到用户声纹识别验证信息(信息包含了验证矢量)，机器人使用其本体上装设的摄像头进行360°扫描，寻找声源以确定用户的位置，例如机器人可根据声源方向移动到用户面前。机器人通过摄像头扫描用户的面部，提取面部特征来进行面部识别；

在步骤300中，使用与上述两种非接触身份验证方式相关联的融合逻辑对用户特征进行识别；以及

在步骤400中，根据上述识别验证用户。

在上述实施例的步骤100，即上述用户身份验证步骤之前，可进一步包括：在机器人内置的计算机或处理器中，或者单独设计的存储器中搭建一个用户特征模型库，每个用户模型库可包括声纹模型库和面部模型库，在一个较佳例子里，又包括用户的特定标识符识别库，例如用户的用户名和账户信息；例如，为了安全性考虑，声纹模型和面部模型的录入只能通过本地录入，而不能远程操作。声纹模型库或面部模型库在逻辑上可关联于用户的所述特定标识符识别库，在身份识别完成后，机器人自动生成与所述特定标识符对应的提取信号来完成对用户信息的触发。在另一个较佳例子里，用户特征识别库被搭建为矢量空间或矩阵形式，基于本发明各个实施例的主要精神，可不另外再单独区别声纹模型库和面部模型库，这两种模型库可以被合并入上述矢量空间，所述的处理器在每一次需要验证时，基于该矢量空间形成评判矢量(例如，下文所述的预设评判矢量G’)，将评判矢量作为验证是否通过的一个基础。

参照图2，图2为图1所示实施例的步骤300的详细流程图。在一个较佳例子中，上述用户身份验证方法中的步骤300可进一步包括步骤：

在步骤301中，获取通过语音身份验证方式的用户特征得到的第一标识矢量V，根据第一标识矢量V来获取通过面部身份验证方式的用户特征得到的第二标识矢量F。例如，通过获取来自步骤100中的语音声纹特征信号，设定取样区间[0，k]，从而根据这些取样样本点信号组成表征声纹样本的第一标识矢量V＝{v1，v2，…，vm}T(m<k)。并且，通过机器人计算机响应于声纹特征信号的特定频谱获取来自步骤200中的面部特征信号，设定特征区间[0，p]，从而根据这些取样样本点信号组成表征面部特征的第二标识矢量F＝{f1，f2，…，fn}T(n<p)。

其中，对特定频谱的测算可通过例如全通翘曲函数，从而在不增加样本点数目的前提下抽取声纹样本中一定幅值频谱(例如，使用测定能量值的方式)。对一段声纹样本信号的重要频段提高分析精度，对该信号的不重要频段降低分析精度，而不同于以往单纯为了提高取样精度而增加样本点数量值。对声纹特征的提取包括了用户寻找和用户验证确认两种方式。其中，机器人存储器内存储的声纹特征库可为多个室内用户，为了响应每一用户的口令，需要首先进行用户寻找步骤，然后对该用户进行身份验证确认。

在步骤302中，为了实现第一标识矢量V与第二标识矢量F的完全耦合性，将第一标识矢量V进行加权归一化得出矢量V’＝V·ω，其中ω表示对矢量V的加权；

在步骤303中，使用归一化后的第一标识矢量V’作为对第二标识矢量F的激励源，则可通过所述融合逻辑将所述第一、第二标识矢量相互卷积耦合得出验证矢量G。其中在与所述的第二标识矢量F相关的[0，n]矢量区间内任一样本点τ，使用上述融合逻辑，该融合逻辑是使用机器人内置计算机实现的逻辑，该逻辑满足下述关系式：

$G\left(n\right)=\underset{\mathrm{\&tau;}=0}{\overset{N}{\&Sigma;}}{V}^{\&prime;}\left(\mathrm{\&tau;}\right)F(n-\mathrm{\&tau;})---\left(1\right)$

其中，验证矢量G是表示用户特征与用户特征样本之间的关系函数，计算机可通过这个逻辑关系将其与预设评判矢量G’加以比较以得出是否判断用户为合法用户。例如，比较可使用测算两矢量间相角θ的方式，满足关系式：

$\mathrm{\&theta;}=\arccos \frac{G^{\&prime;}G}{\left|\right|G^{\&prime;}\left|\right|\left|\right|G\left|\right|}---\left(2\right)$

其中所述相角极限越趋近于零，则表示用户特征越符合于预存的用户特征模型。较佳地，对上述用户面部特征的识别选择为图像区域算法识别，在本发明系统中可采用区域特征建模的方式，或者通过图像比对判定灰度值的方式。而采用灰度值测算获得的向量为特征向量。

在步骤304中，将所述验证矢量G与一个用户特征模型库(或者，至少一个用户身份标识码)进行匹配。按照前述，用户身份标识码是来自所建立的用户特征模型库，用户特征模型可被计算机转译为用户的姓名、账户或序列代码。

作为改进，为了上述方法能够以高级验证的方式来驱动机器人执行更为复杂的指令或者是这种验证方式的一种变形，上述方法中的得出验证矢量G又可包括步骤：

在步骤305中，根据第一标识矢量V、第二标识矢量F中或者是矢量G获取通过步态或掌纹身份验证方式得到的第三标识矢量W；以及

在步骤306中，通过所述融合逻辑将所述第一、第二和第三标识矢量相耦合得出验证矢量H。例如，验证矢量H是使用与前述融合逻辑的相同算法得出，对[0，δ]特征区间满足卷积关系式：

H(δ)＝G(n)*W(δ-n)(3)

在上述实施例中，所述验证矢量是在第一、第二或第三标识矢量中至少两者满足所述融合逻辑中的评判矢量后获得的。在一个较佳例子里，评判矢量可以是上述卷积后的矢量(例如对于验证矢量H，可以在第三标识矢量满足G(n)后允许进行运算)，也可以是计算机设定的预设评判矢量G’，评判矢量G’的关系式满足：

$G^{\&prime;}=\frac{w_{1}V+w_{2}F}{\left|\right|V\left|\right|\&times;\left|\right|F\left|\right|}---\left(4\right)$

其中ω1和ω2为将矢量V、F进行归一化的加权。

基于移动终端设备的用户身份验证

在本实施例中，用户的移动终端包括了所述的特定标识符识别库、声纹模型库和面部模型库，用户可先在上述移动终端生成特定标识符识别库，然后移动终端使用载波信号，例如WI-FI、蓝牙、4G网络方式发送标识符给机器人，机器人触发对声纹模型库或面部模型库的提取。

类似地，通过上述移动终端进行用户身份验证的方法可包括：

在步骤100’中，用户可通过移动终端来进行语音输入验证，生成第一标识矢量A。其中可在移动终端内建立一个用户特征模型库，每个用户模型库可包括声纹特征模型矢量库A’和面部特征模型矢量库B’。在一个较佳例子里，又包括用户的特定标识符识别库，例如用户的用户名和账户信息；

在步骤200’中，在移动终端接收到用户的声纹识别验证信息后，使用移动终端装设的摄像头进行面部扫描，提取面部特征来进行面部识别，生成第二标识矢量B；

在步骤300’中，使用与上述两种非接触身份验证方式相关联的融合逻辑对用户进行识别。声纹特征模型库A’和面部特征模型矢量库B’在逻辑上可关联于用户的特定标识符识别库，在身份识别完成后，移动终端自动生成与所述特定标识符对应的提取信号来完成对用户信息的触发。移动终端获取了语音信息和提取声纹特征，利用内部声纹识别算法，得到当前声纹与数据库中的各声纹模型的相似度评价矢量A(例如||A||>0.7)；同时，移动终端获取了面部信息，提取面部特征，利用内部面部识别算法，得到当前面部与数据库中的各面部模型的相似度评价矢量B(例如||B||>0.8)；将获取的评价矢量A、B进行逻辑耦合(例如，移动终端处理器按照前述归一化关系式4的逻辑)，得到耦合后的一个得分C(耦合的方式也可包括和的形式、积的形式等，例如||A||×||B||＝0.56仍大于一个阈值0.5)。如果所述耦合之后的值大于或者等于机器人内部设置的阈值，就接受用户的合法身份；如果耦合之后的得分小于移动终端内部设置的阈值，则认为用户不具有合法身份。其中，需要A、B或C大于设定阈值方可通过验证。

其中，A和B各具有若干取值区间，例如A具有三个相似度评价区间[0，a1]，[a1，a2]和[a2，a3]，在区间[0，a1]的相似度评价矢量被机器人判定为“你不是xx1”，或者“你是xx2”,即不可能进行下一步非接触验证步骤，而处于区间[a1，a2]则使得机器人内处理器产生随机矢量，该/该等随机数可作为下一步验证的评分值的权重，如果最终||A||×||B||的值满足阈值，则即使此步骤下的评分值存在非直接确定性，仍可使用户通过验证，而在此基础上，处于[a2，a3]下的评分值则直接可判定为有效验证。

在其他实施例中，实现上述身份验证方法实施例的主体可以不单纯限定于机器人或类似替代结构，也可以是其他计算设备，例如便携式计算设备，包括个人电脑、移动电话或数字交换机等。而且，身份验证方式可不单独限定为非接触式(例如，上述的声纹或面部识别方式)，凡是可通过传感器设备采集的用户特征信息，皆可使用上述各个实施例的验证方法。

另外，上述各个验证步骤，例如声纹识别方式和面部识别方式可在次序上进行替换，也可以增加另外的识别方式，并且也可以是接触式身份验证方式与非接触式身份验证方式的替代或组合。

参照图3，在一个实施例中，本发明的用户身份验证设备包括：接收装置100，用于接收至少两种身份验证方式的用户特征；以及连接至所述接收装置100的处理器200，被配置为：结合所述至少两种身份验证方式对所述用户特征进行识别；以及根据上述识别验证所述用户。其中接收装置100可包括接收用户语音的受话装置101(例如麦克风或扬声器)和捕获用户面部图形的图形获取装置102(例如摄像头或红外摄像头)。

作为改进，处理器200还可被配置为：获取通过第一种身份验证方式(例如上述声纹验证)的用户特征得到的第一标识矢量；根据所述的第一标识矢量获取通过第二种身份验证方式(例如上述面部验证)得到的第二标识矢量；将所述第一、第二标识矢量相结合得出验证矢量；以及将所述验证矢量与一个用户特征模型库进行匹配。

进一步地，处理器200还可被配置为：根据所述第一、第二标识矢量至少获取通过第三种身份验证方式的用户特征得到的第三标识矢量；以及将所述第一、第二和第三标识矢量相结合得出验证矢量。

其中，所述处理器200还可被配置为在所述第一、第二和第三标识矢量中至少两者满足所述结合的评判矢量后获得验证矢量。

作为另一改进，所述处理器200还可被配置为：获取通过第一种身份验证方式的用户特征得到的第一相似度评价矢量；在仅基于第一相似度评价矢量不足以进行肯定验证或否定验证的情况下，获取通过第二种身份验证方式的用户特征得到的第二相似度评价矢量；以及把将第一相似度评价矢量和第二相似度评价矢量耦合得到的得分与一阈值进行比较来验证所述用户。

在前述各实施例中，所述至少两种身份验证方式是选自由以下身份验证方式组成的组：面部识别、声纹识别、掌纹识别、虹膜识别、指纹识别和步态识别。例如，在上述各个实施例中，其中第一种身份验证方式选用了声纹识别，而第二种身份验证方式选用面部识别。

Claims (14)

1.一种用户身份验证方法，其特征在于包括：

结合至少两种身份验证方式对用户特征进行识别；以及

根据上述识别验证所述用户。

2.根据权利要求1所述的用户身份验证方法，其特征在于所述识别包括：

获取通过第一种身份验证方式的用户特征得到的第一标识矢量，根据所述的第一标识矢量获取通过第二种身份验证方式的用户特征得到的第二标识矢量；

将所述第一、第二标识矢量相结合得出验证矢量；以及

将所述验证矢量与一个用户特征模型库进行匹配。

3.根据权利要求2所述的用户身份验证方法，其特征在于所述得出验证矢量进一步包括：

根据所述第一、第二标识矢量至少获取通过第三种身份验证方式的用户特征得到的第三标识矢量；以及

将所述第一、第二和第三标识矢量相结合得出验证矢量。

4.根据权利要求3所述的用户身份验证方法，其特征在于：所述验证矢量是在第一、第二和第三标识矢量中至少两者满足所述结合的评判矢量后获得的。

5.根据权利要求1所述的用户身份验证方法，其特征在于，

所述识别包括：

获取通过第一种身份验证方式的用户特征得到的第一相似度评价矢量；以及

在仅基于第一相似度评价矢量不足以进行肯定验证或否定验证的情况下，获取通过第二种身份验证方式的用户特征得到的第二相似度评价矢量；

所述验证包括：

把将第一相似度评价矢量和第二相似度评价矢量结合得到的得分与一阈值进行比较来验证所述用户。

6.根据权利要求1至5之任一项所述的用户身份验证方法，其特征在于，所述结合包括矢量形式的积或和。

7.根据权利要求1所述的用户身份验证方法，其特征在于，所述至少两种身份验证方式是选自由以下身份验证方式组成的组：面部识别、声纹识别、掌纹识别、虹膜识别、指纹识别和步态识别。

8.一种用户身份验证设备，其特征在于包括：

接收装置，用于接收至少两种身份验证方式的用户特征；以及

连接至所述接收装置的处理器，该处理器被配置为：

结合所述至少两种身份验证方式对所述用户特征进行识别；以及

根据上述识别验证所述用户。

9.根据权利要求8所述的用户身份验证设备，其特征在于所述处理器还被配置为：

获取通过第一种身份验证方式的用户特征得到的第一标识矢量；

根据所述的第一标识矢量获取通过第二种身份验证方式得到的第二标识矢量；

将所述第一、第二标识矢量相结合得出验证矢量；以及

将所述验证矢量与一个用户特征模型库进行匹配。

10.根据权利要求9所述的用户身份验证设备，其特征在于所述处理器还被配置为：

根据所述第一、第二标识矢量至少获取通过第三种身份验证方式的用户特征得到的第三标识矢量；以及

将所述第一、第二和第三标识矢量相结合得出验证矢量。

11.根据权利要求10所述的用户身份验证设备，其特征在于所述处理器还被配置为在所述第一、第二和第三标识矢量中至少两者满足所述结合的评判矢量后获得验证矢量。

12.根据权利要求8所述的用户身份验证设备，其特征在于，

所述处理器还被配置为：

获取通过第一种身份验证方式的用户特征得到的第一相似度评价矢量；

在仅基于第一相似度评价矢量不足以进行肯定验证或否定验证的情况下，获取通过第二种身份验证方式的用户特征得到的第二相似度评价矢量；以及

把将第一相似度评价矢量和第二相似度评价矢量耦合得到的得分与一阈值进行比较来验证所述用户。

13.根据权利要求8至12之任一项所述的用户身份验证设备，其特征在于，所述结合包括矢量形式的积或和。

14.根据权利要求8所述的用户身份验证设备，其特征在于，所述至少两种身份验证方式是选自由以下身份验证方式组成的组：面部识别、声纹识别、掌纹识别、虹膜识别、指纹识别和步态识别。