CN106228133B - 用户验证方法及装置 - Google Patents
用户验证方法及装置 Download PDFInfo
- Publication number
- CN106228133B CN106228133B CN201610581186.3A CN201610581186A CN106228133B CN 106228133 B CN106228133 B CN 106228133B CN 201610581186 A CN201610581186 A CN 201610581186A CN 106228133 B CN106228133 B CN 106228133B
- Authority
- CN
- China
- Prior art keywords
- user
- personalized attribute
- personalized
- preset
- verification
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种用户验证方法及装置,该用户验证方法包括:接收待验证用户的人脸图像;对人脸图像进行个性化属性检测以得到用户的待验证个性化属性向量,并将待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证;将从人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;基于个性化属性验证的结果与人脸识别验证的结果,确定用户验证结果。通过对待验证用户进行人脸识别验证和用户个性化属性验证,当确定人脸识别验证结果和个性化属性验证的特征向量比较结果均为匹配成功时,确定用户通过验证,可以提高用户验证的精度。
Description
技术领域
本发明涉及人脸识别技术领域,更具体地涉及一种用户验证方法及装置。
背景技术
当前,用户验证系统一般通过将用户提交的自身人脸图片与已存的该用户的注册人脸图片相比较来判断是否为同一个人而得出验证结果。
然而,这样的系统存在被冒名的风险。冒名人员可以通过提交已注册用户的人脸图片进行验证,如果系统没有活体检验机制,或者活体检验机制被攻破的情况下,系统容易被这类冒名攻击通过识别验证。
因此,由于人脸信息的可复制可盗用等因素,以单纯的人脸作为用户验证系统的依据存在隐患。尤其是随着用户验证系统越来越多地应用于安防、金融领域等需要身份验证的场景,如银行远程开户、门禁系统、远程交易操作验证等,在这些高安全级别的应用领域,仅确保被验证用户的人脸相似度符合数据库中存储的底库是不够的。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种用户验证方法及装置,其在确定待验证用户的人脸图像中的人脸和用户个性化属性与已存的注册人脸图像中的人脸和用户预设个性化属性两者均匹配时,才确定用户通过验证,可以提高用户验证的精度。
根据本发明一方面,提供了一种用户验证方法,所述用户验证方法包括:接收待验证用户的人脸图像;对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证;将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
在本发明的一个实施例中,在所述用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,不再进行所述人脸识别验证。
在本发明的一个实施例中,所述对所述人脸图像进行个性化属性检测以得到用户的待验证个性化属性向量包括:将所述人脸图像输入到至少一个分类器,其中,每个分类器对应一类个性化属性;经由每个分类器输出对应的每类个性化属性的特征值;以及将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量。
在本发明的一个实施例中,所述分类器包括神经网络,其中,所述经由每个分类器输出对应的每类个性化属性的特征值包括:对于每个神经网络,通过对应的预定阈值对所述每个神经网络的输出进行判决,以获得每类个性化属性的特征值。
在本发明的一个实施例中,所述特征值为0或1。
在本发明的一个实施例中,所述注册信息包括注册人脸图像,所述预设个性化属性向量通过对所述注册人脸图像进行个性化属性检测得到。
在本发明的一个实施例中,在对所述人脸图像进行个性化属性检测之前,对所述人脸图像进行人脸特征提取以进行人脸识别验证。
在本发明的一个实施例中,所述个性化属性验证包括确定用户是否做了预定的表情和/或动作,并且,预设个性化属性包括用户做出的预设的表情和/或动作。
在本发明的一个实施例中,所述用户验证方法还包括:更改所述预设个性化属性向量。
在本发明的一个实施例中,所述更改所述预设个性化属性向量的步骤包括:接收用于更改预设个性化属性向量的更新图像;对所述更新图像进行个性化属性检测,以得到更改后的个性化属性向量;以及将获得的所述更改后的个性化属性向量设置为预设个性化属性向量。
在本发明的一个实施例中,所述基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证的结果包括:当所述人脸识别验证结果和所述个性化属性验证的结果均为匹配成功时,确定所述用户通过验证。
根据本发明另一方面,提供了一种用户验证装置,所述用户验证装置包括:接收模块,用于接收待验证用户的人脸图像;个性化属性验证模块,用于对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证;人脸识别验证模块,用于将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及验证结果确定模块,用于基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
在本发明的一个实施例中,在所述用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,所述人脸识别验证模块不再进行所述人脸识别验证。
在本发明的一个实施例中,所述个性化属性验证模块包括至少一个分类器和向量形成单元,其中,每个分类器对应于一类个性化属性,所述每个分类器用于接收所述图像并输出对应的每类个性化属性的特征值,所述向量形成单元将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量。
在本发明的一个实施例中,所述分类器包括神经网络,其中,对于每个神经网络,所述分类器通过对应的预定阈值对所述每个神经网络的输出进行判决,以获得每类个性化属性的特征值。
在本发明的一个实施例中,所述特征值为0或1。
在本发明的一个实施例中,所述注册信息包括注册人脸图像,所述预设个性化属性向量通过对所述注册人脸图像进行个性化属性检测得到。
在本发明的一个实施例中,在所述个性化属性验证模块对所述人脸图像进行个性化属性检测之前,所述人脸识别验证模块对所述人脸图像进行人脸特征提取以进行人脸识别验证。
在本发明的一个实施例中,所述个性化属性验证包括确定用户是否做了预定的表情和/或动作,并且,预设个性化属性包括用户做出的预设的表情和/或动作。
在本发明的一个实施例中,所述用户验证装置还包括更新模块,用于更改所述预设个性化属性向量。
在本发明的一个实施例中,在更改所述预设个性化属性向量时,所述接收模块用于接收用于更改预设个性化属性向量的更新图片;所述个性化属性验证模块对所述更新图片进行个性化属性检测,以得到更改后的个性化属性向量;所述更新模块将获得的所述更改后的个性化属性向量设置为预设个性化属性向量。
在本发明的一个实施例中,所述验证结果确定模块在所述人脸识别验证结果和所述个性化属性验证的结果均为匹配成功时,确定所述用户通过验证。
根据本发明实施例的用户验证方法及装置对待验证用户的人脸图像进行人脸识别和用户的个性化属性验证,当确定待验证用户的人脸图像中的人脸和用户个性化属性与已存的注册人脸图像中的人脸识别信息和用户预设个性化属性两者均分别匹配时,才确定用户通过验证,可以提高用户验证的精度,有效防止冒名人员通过提交被冒名的已注册用户的人脸照片对用户验证系统进行攻击。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是用于实现根据本发明实施例的用户验证方法和装置的示例电子设备的示意性框图;
图2是根据本发明实施例的用户验证方法的示意性流程图;
图3是根据本发明实施例的个性化属性检测的示意性流程图;
图4是根据本发明实施例的生成注册信息的示意性流程图;
图5是根据本发明实施例的更改预设个性化属性向量的示意性流程图;
图6是根据本发明实施例的用户验证装置的示意性框图;以及
图7是根据本发明实施例的用户验证系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参照图1来描述用于实现本发明实施例的用户验证方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像传感器110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的用户验证方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑、门禁系统的图像采集端等。
下面,将参考图2描述根据本发明实施例的用户验证方法200。
在步骤S210,接收待验证用户的人脸图像。
其中,待验证用户的人脸图像可以为图片,也可以为视频中的至少一帧。待验证用户的人脸图像除包括待验证用户的人脸外,还可以包括待验证用户的其他部位(例如身体和四肢等),具体包括哪些部位可以根据实际方案需要进行设定。
在步骤S220,对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证。
在本发明实施例中,用户个性化属性是指用户的表情、动作和/或着装。例如,用户可以将有别于自己通常状态的表情、动作和/或着装设置为个性化属性。用户个性化属性是使用用户验证系统的用户注册时自行设定的个性化属性,其可以作为用户验证的“生物密码”。在一个实施例中,当待验证个性化属性向量与注册信息中的预设个性化属性向量不一致时直接判定用户验证不通过,而不管人脸识别验证的结果如何,甚至此时可以不再进行人脸识别验证。
示例性地,用户个性化属性可以包括个性化的人脸属性或其他部位的属性。在一个示例中,用户个性化属性可以包括但不限于用户的表情和/或动作。相应地,用户个性化属性检测可以包括确定用户是否做了预定表情和/或预定动作。示例性地,所述预定表情包括但不限于皱眉、闭眼、瞪眼、张嘴、嘟嘴、伸舌等表情;所述预定动作包括但不限于用手托腮、摆V字手势、捂嘴、踢腿等动作。用户个性化属性的检测可以包括确定用户是否做了这些表情和/或动作中的一个或多个。在本示例中,如果待验证人脸图像为图片,则用户个性化属性中的动作指动作状态(如左手托腮);如果待验证人脸图像为视频,则用户个性化属性中的动作可以为动作状态,也可为动作过程(如双臂从身体两侧慢慢移动至胸前交叉),还可以为动作状态与动作过程的组合,在此并不进行限定。
在另一个示例中,用户个性化属性还可以包括用户的着装,例如用户所佩戴的用品(诸如眼镜等)、饰品(诸如耳环等)或穿着的衣服(诸如民族特色礼服等),诸如此类。相应地,在该示例中,用户个性化属性检测可以包括确定用户是否满足预定着装,例如用户是否佩戴了用品或饰品以及是否穿戴某种特色衣服等中的一个或多个。
应当理解,上述用户个性化属性仅是示例性的,用户个性化属性还可以包括其他个性化的属性。
在一个实施例中,通过注册,可以预先设置预设的至少一类个性化属性C1,C2,…,Cn(n为大于等于1的正整数),并获得预设的个性化属性向量t’(a1,a2,…,an)。预设的个性化属性向量t’的维数n取决于预设的个性化属性的类别数n,并且,预设的个性化属性向量t’中的每个向量ai顺序地对应预设的每类个性化属性Ci,即,向量a1对应预设的个性化属性C1,向量a2对应预设的个性化属性C2,……,向量an对应预设的个性化属性Cn。在一个实施例中,每类个性化属性可以用0或1的特征值来表示。示例性地,将用户做出某种预设的表情或动作的特征值设置为1,将用户没有做出某种预设的表情或动作的特征值设置为0。例如,张嘴对应的特征值为1,不张嘴对应的特征值为0;闭眼对应的特征值为1,不闭眼对应的特征值为0;用手托腮对应的特征值为1,不用手托腮对应的特征值为0;以及摆出V字手势对应的特征值为1,不摆出V字手势对应的特征值为0。以用户注册时候的预设的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势为例,其对应的个性化属性种类为张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或不摆出V字手势这四类,对应的预设个性化属性向量即为四维向量t’(0,1,0,1)。在这种情况下,需要检测的预设个性化属性为:张嘴(对应的特征值为1)或不张嘴(对应的特征值为0)、闭眼(对应的特征值为1)或不闭眼(对应的特征值为0)、用手托腮(对应的特征值为1)或不用手托腮(对应的特征值为0)以及摆出V字手势(对应的特征值为1)或不摆出V字手势(对应的特征值为0)这四类。应该理解的是,用户可以根据实际需求设置不同类型的以及不同数目的个性化属性。
用户个性化属性检测可以包括确定用户是否做了预定表情和/或预定动作。在一个实施例中,可以根据预设的个性化属性的类别和类别数目对用户的个性化属性顺序地检测,即,按照预设的个性化属性的顺序进行个性化属性检测,以得到用户的待验证个性化属性向量t(b1,b2,…,bn),其中,向量b1对应预设的个性化属性C1,向量b2对应预设的个性化属性C2,……,向量bn对应预设的个性化属性Cn。将所述待验证个性化属性向量t与注册信息中的预设个性化属性向量t’进行比对以判断二者是否一致,从而进行个性化属性验证。在所述待验证个性化属性向量t与所述预设个性化属性向量t’均为多维向量的情况下,将所述待验证个性化属性向量t与所述预设个性化属性向量t’中对应的向量分别进行比较,即ai与bi进行比较,以判断所述待验证个性化属性向量t与所述预设个性化属性向量t’是否一致,从而获得个性化属性验证结果R1。
在一个实施例中,可以通过将所述待验证用户的人脸图像输入至训练好的分类器进行个性化属性检测并得到个性化属性向量t。下文中,将结合图3对个性化属性检测进行详细描述。
在步骤S230,将从所述人脸图像中提取的用户的待验证人脸识别信息s与注册信息中的人脸识别信息s’进行比对,以进行判断二者是否一致的人脸识别验证。
在一个实施例中,可以提取待验证用户的人脸图像中的人脸特征作为待验证人脸识别信息s,基于所提取的人脸识别信息对所述用户进行人脸识别,也就是将待验证用户的人脸图像中提取的人脸识别信息s与数据库中已存的注册用户的注册信息中的人脸识别信息s’进行比对以判断二者是否一致,从而确定是否为同一个人,并以此作为人脸识别验证结果R2。
最后,在步骤S240,基于所述个性化属性验证的结果R1与所述人脸识别验证的结果R2,确定用户验证结果。当人脸识别验证结果和个性化属性验证的结果均为匹配成功时,确定所述用户通过验证。所述人脸图像中提取的用户的待验证人脸识别信息s与注册信息中的人脸识别信息s’一致,表示人脸识别验证结果匹配成功;所述待验证个性化属性向量t与注册信息中的预设个性化属性向量t’一致,表示个性化属性验证的结果匹配成功。
基于步骤S230的人脸识别验证结果R2(确定是否为同一个人)和步骤S220的用户个性化属性验证的结果R1(确定用户是否包括相同的个性化属性)这两层识别认证,来确定最终的用户验证结果。当人脸识别验证结果确定是同一个人,并且用户个性化属性验证的结果确定人脸的个性化属性相同时,确定所述用户通过验证。
应当理解的是,本发明中不对步骤S220和步骤S230的执行顺序进行限制。根据实际应用需求,可以先对所述待验证人脸图像进行人脸特征提取以进行人脸识别验证获得结果R2,再进行个性化属性验证获得结果R1;或者先进行个性化属性验证获得结果R1,再对所述待验证人脸图像进行人脸特征提取以进行人脸识别验证获得结果R2。
在一个示例中,可以先进行人脸识别验证,再进行用户个性化属性验证。例如,经过人脸识别验证,确定数据库中存在相匹配的人脸,则再确定该匹配的人脸中的预设个性化属性向量是否与所检测到的待验证个性化属性向量一致,如果个性化属性向量一致,则确定待验证用户通过验证;反之,如果个性化属性向量不相匹配,则可提示用户重新提交人脸图像用于再次验证,如果在预定验证次数内均不能成功匹配,则可能是冒名人员提交已注册用户的人脸图像进行的冒名攻击,此时可以发出警报,提示预定时间内不可再次进行验证。如果经过人脸识别验证,确定数据库中不存在相匹配的人脸,则可以不再进行用户个性化属性验证,直接确定待验证用户验证失败。
在另一个示例中,可以先进行用户个性化属性验证,再进行人脸识别验证。例如,经过用户个性化属性验证,确定数据库中存在相匹配的预设个性化属性向量,则再进行人脸识别验证确定该匹配的预设个性化属性向量中的人脸是否与待验证用户的人脸图像中的人脸相匹配,总之,二者均匹配成功才可确定待验证用户通过验证。如果经过个性化属性验证,确定数据库中不存在相匹配的预设个性化属性向量或者用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,可以不再进行所述人脸识别验证,直接确定待验证用户验证失败。
基于上面的描述,根据本发明实施例的用户验证方法对待验证用户的人脸图像进行人脸识别验证和用户个性化属性验证,当确定待验证用户的人脸图像中的人脸和用户个性化属性与已存的注册人脸图片中的人脸和预设用户个性化属性两者均匹配时,才确定用户通过验证,两层验证可以提高用户验证的精度,有效防止冒名人员通过提交被冒名的已注册用户的人脸照片对用户验证系统进行攻击。
示例性地,根据本发明实施例的用户验证方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的用户验证方法可以部署在人脸图像采集端处,例如,在安防应用领域,可以部署在门禁系统的图像采集端;在金融应用领域,可以部署在个人终端处,诸如智能电话、平板电脑、个人计算机等。
替代地,根据本发明实施例的用户验证方法还可以分布地部署在服务器端(或云端)和个人终端处。例如,在金融应用领域,可以在个人终端处进行人脸特征提取和用户个性化属性检测,在服务器端(或云端)进行人脸识别验证和用户个性化属性验证并确定验证结果。
图3是根据本发明实施例的个性化属性检测的示意性流程图。
根据本发明的实施例,用户的待验证个性化属性检测可以包括确定用户是否做了预定表情和/或动作。
在一个实施例中,可以预先设置所要检测的表情和/或动作,以用于用户个性化属性检测。虽然本发明以用户的动作和/或表情为例进行说明,应该理解的是,根据应用的实际需要,也可以将用户所佩戴的用品或饰品和/或用户的着装预设为要检测的用户个性化属性。
如上面已示例的,所述预设的表情诸如皱眉、闭眼、瞪眼、张嘴、嘟嘴、伸舌等,所述预设的动作诸如用手托腮、摆V字手势、捂嘴等,这些表情和/或动作中的每一类可以定义为一种人脸属性。
在一个实施例中,通过注册,用户可以预先设置预设的至少一类个性化属性C1,C2,…,Cn(n为大于等于1的正整数),并获得预设个性化属性向量t’(a1,a2,…,an)。其中,预设个性化属性向量t’中的每个向量ai顺序地对应预设的每类个性化属性Ci,即,向量a1对应预设的个性化属性C1,向量a2对应预设的个性化属性C2,……,向量an对应预设的个性化属性Cn。示例性地,每类个性化属性可以用0或1的特征值来表示。
在一个实施例中,可以根据预设的个性化属性的类别和数目对用户的个性化属性顺序地检测,即,按照预设的个性化属性的顺序进行检测,以得到用户的待验证个性化属性向量t(b1,b2,…,bn),其中,向量b1对应预设的个性化属性C1,向量b2对应预设的个性化属性C2,……,向量bn对应预设的个性化属性Cn。
在一个实施例中,可以通过分类器对待验证用户的人脸图像进行个性化属性检测,以得到待验证个性化属性向量。
步骤S310中,将所述待验证用户的所述人脸图像输入到至少一个分类器,其中,每个分类器对应一类个性化属性。
在一个实施例中,所述每个分类器分别包括神经网络,例如,深度神经网络。神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。神经网络依靠模型的复杂程度,通过调整神经网络内部大量节点之间相互连接的关系,从而达到处理信息的目的。神经网络适于处理复杂的、无法简单地用函数处理的计算。通过采用深度神经网络,可以针对所述人脸图像输出每类个性化属性的特征值,以用于个性化属性验证。
在一个实施例中,每个分类器对应一类个性化属性。如上文所述,每个分类器可以检测的个性化属性对应于用户在注册的时候预设的每类个性化属性。例如,通过注册,用户可以预先设置预设的至少一类个性化属性C1,C2,…,Cn(n为大于等于1的正整数)。则分类器的数目取决于预设的个性化属性的类别数目,且每个分类器分别用于检测一类对应的预设个性化属性,并按照预设的个性化属性的顺序进行个性化属性检测。例如分类器Si用于检测预设个性化属性Ci,其中,1≤i≤n。
以用户注册时候的预设的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势为例,可以将所述人脸图像输入至四个分类器S1-S4,其中,分类器S1对应不张嘴/张嘴这一类个性化属性,分类器S2对应不闭眼/闭眼这一类个性化属性,分类器S3对应不用手托腮/用手托腮这一类个性化属性,以及分类器S4对应不摆出V字手势/摆出V字手势这一类个性化属性。从而由多个分类器按照预设的个性化属性的顺序对待验证用户的人脸图像进行个性化属性检测。
步骤S320中,经由每个分类器输出对应的每类个性化属性的特征值。
在一个实施例中,每类个性化属性可以用0或1的特征值来表示。每个分类器均接收到所述人脸图像,对所述人脸图像进行检测,并根据所对应的个性化属性的类别,输出相应的特征值。例如,如果每个分类器检测到待验证用户的人脸图像中的用户具有对应的个性化属性,例如,做出某种预设的表情或动作,则该分类器输出的特征值1;反之,如果检测到所述人脸图像中的用户不具有对应的个性化属性,例如,所述用户未做该表情/动作,则该分类器输出的特征值为0。
在分类器包括神经网络的情况下,对于每个神经网络,通过对应的预定阈值对所述每个神经网络的输出进行判决,以获得每类个性化属性的特征值。具体地,每个分类器的输入均是所述待验证用户的人脸图像,输出是一个0~1的实数,表示该用户具有该分类器对应的个性化属性的置信度。然后通过一个预先设定的阈值(例如0.5)进行判决,如果置信度大于阈值,则判断用户具有该分类器对应的个性化属性,分类器输出为1;否则为用户不具有该个性化属性,分类器输出为0。
以用户注册时候的预设的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势为例。在这种情况下,需要检测的预设个性化属性为:张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或不摆出V字手势这四类。因此,分类器S1对应不张嘴/张嘴这一类个性化属性,分类器S2对应不闭眼/闭眼这一类个性化属性,分类器S3对应不用手托腮/用手托腮这一类个性化属性,以及分类器S4对应不摆出V字手势/摆出V字手势这一类个性化属性。分类器S1-S4接收待验证用户的人脸图像,分类器S1检测图像中不张嘴/张嘴这一类个性化属性,分类器S2检测图像中不闭眼/闭眼这一类个性化属性,分类器S3检测图像中不用手托腮/用手托腮这一类个性化属性,以及分类器S4检测图像中不摆出V字手势/摆出V字手势这一类个性化属性。以分类器S1检测图像中不张嘴/张嘴这一类个性化属性为例,分类器S1的输入是所述待验证用户的人脸图像,输出是一个0~1的实数,表示该用户张嘴的置信度。然后通过一个预先设定的阈值(例如0.5)进行判决,如果置信度大于阈值,则判断用户张嘴,分类器输出为1;否则为用户不张嘴,分类器输出为0。以输入的所述待验证用户的人脸图像中的用户是不张嘴、闭眼、不用手托腮以及摆出V字手势的情况为例,分类器S1的输出为0,分类器S2的输出为1,分类器S3的输出为0,分类器S4的输出为1。
步骤S330中,将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量。
在一个实施例中,可以将全部所述分类器输出的特征值按照预定顺序(例如,预设的个性化属性的顺序)排列组合输出,形成由0/1组成的数字串作为待验证人性化属性向量t,该待验证人性化属性向量即为用户个性化属性的检测结果,其可作为用户验证的“生物密码”。以该方式所得到的用户个性化属性检测结果更为简洁明了,可以相应地简化后续的验证过程。
以步骤S320中的分类器S1的输出为0、分类器S2的输出为1、分类器S3的输出为0、分类器S4的输出为1为例,将全部分类器S1-S4输出的特征值组合,从而得到待验证个性化属性向量t(0,1,0,1)。
根据本发明的实施例,所述用户个性化属性验证包括确定所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对以判断二者是否一致。具体地,在获得所述待验证个性化属性向量t(b1,b2,…,bn)之后,将所述待验证个性化属性向量t(b1,b2,…,bn)与所述预设个性化属性向量t’(a1,a2,…,an)中对应的向量分别进行比较,即ai与bi进行比较,以判断所述待验证个性化属性向量t与所述预设个性化属性向量t’是否一致,从而获得个性化属性验证结果R1。以预设的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势为例,预设个性化属性向量为t’(0,1,0,1)。当待验证用户的人脸图像中用户不张嘴、闭眼、不用手托腮以及摆出V字手势时,相应地,检测得到的待验证人性化属性向量t为(0,1,0,1)。将待验证人性化属性向量t(0,1,0,1)与预设个性化属性向量t’(0,1,0,1)进行比对,二者一致,则个性化属性验证的结果为匹配成功。如果待验证用户的人脸图像中用户张嘴、闭眼、不用手托腮以及不摆出V字手势,相应地,检测得到的待验证人性化属性向量t为(1,1,0,0)。将待验证人性化属性向量t(1,1,0,0)与预设个性化属性向量t’(0,1,0,1)进行比对,二者不一致,则个性化属性验证的结果为匹配不成功。在这种情况下,可以不进行进一步的人脸识别验证,从而直接确定用户验证不通过,以提高验证的效率。
根据本发明的实施例,所述数据库中已存的注册信息包括注册人脸图像,所述预设个性化属性向量通过对所述注册人脸图像进行个性化属性检测得到,也就是说,用户预设个性化属性信息和人脸识别信息由已注册用户提供。此外,所述注册信息中的预设个性化属性向量能够随时被所述已注册用户更改。下文中将结合图4对生成注册信息进行详细说明。
图4是根据本发明实施例的生成注册信息的示意性流程图。
步骤S410中,接收用户提交的注册图像。所述注册图像可以为图片,也可以为视频中的至少一帧。注册图像除包括待验证用户的人脸外,还可以包括待验证用户的其他部位(例如身体和四肢等)。
步骤S420中,提取注册图像中的人脸特征作为注册信息中的人脸识别信息。提取注册图像中的人脸,并进一步对所述提取的人脸进行人脸特征提取,以得到人脸特征作为注册信息中的人脸识别信息s’。可以采用任何合适的人脸特征提取技术提取注册图像中的人脸特征。
步骤S430中,根据注册图像,进行预设个性化属性检测以得到预设个性化属性向量t’。经检测后的预设个性化属性向量可以作为用户的“生物密码”,以进一步提高用户验证的精度。在一个实施例中,可以将注册图像输入至步骤S310中的分类器,其中,每个分类器对应一类预设个性化属性。经由每个分类器输出对应的每类预设个性化属性的特征值。将全部所述分类器输出的特征值组合,以得到所述预设个性化属性向量t’。例如,将一张用户注册照片A输入所述多个分类器,预设的个性化属性种类为张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或不摆出V字手势这四类,训练4个分类器,使得训练好的分类器分别对应一类个性化属性。例如,分类器S1对应不张嘴/张嘴这一类个性化属性,分类器S2对应不闭眼/闭眼这一类个性化属性,分类器S3对应不用手托腮/用手托腮这一类个性化属性,以及分类器S4对应不摆出V字手势/摆出V字手势这一类个性化属性。当注册照片A中用户不张嘴、闭眼、不用手托腮以及摆出V字手势时,所述多个分类器输出形成的预设个性化属性向量t’为(0,1,0,1)。
步骤S440中,将提取的人脸特征以及预设个性化属性向量t’作为注册信息存储在数据库中,以用于在进行用户验证的时候进行人脸识别验证和个性化属性验证。此外,注册信息中还可以包括用户信息,例如,用户的姓名、性别、年龄、身份证件号码、身份信息等中的一种或几种。
应该理解的是,本发明中不对步骤S420和步骤S430的执行顺序进行限制。步骤S420和步骤S430以不同顺序执行不改变本发明的原理。
总之,本发明的实施例在注册信息中包含预设个性化属性在用户验证中起到了一个用户密码的作用,因此,在人脸本身的生物特征识别的基础上外加了一个用户可预设的生物密码以提高验证的精度和准确性。冒名人员仅能得到被冒名人员的人脸照片,但无法得知被冒名人员注册时的个性化属性,所以无法通过照片通过用户验证。
在一个实施例中,所述预设个性化属性向量还可以被更改。图5是根据本发明实施例的更改预设个性化属性向量的示意性流程图。应该理解的是,所述更改预设个性化属性向量这一步骤可以在图2中所示的用户验证方法中的任一步骤S210-S240之前执行。
步骤S510中,接收用于更改预设个性化属性向量的更新图像B。所述更新图像B可以为图片,也可以为视频中的至少一帧。
步骤S520中,对所述更新图像B进行个性化属性检测,以得到更改后的个性化属性向量。
在一个实施例中,可以保持预设的个性化属性的种类,改变至少一类个性化属性的特征值,从而更改预设个性化属性向量。可以将更新图像B输入至步骤S310中的训练好的分类器进行更改后的个性化属性检测并得到更改后的个性化属性向量。例如,原来的预设的个性化属性的种类为张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或不摆出V字手势,注册图像A中检测的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势,则原来的预设个性化属性向量t’为(0,1,0,1)。在保持原来的预设的个性化属性的种类的情况下,接收到的用于更改预设个性化属性向量的更新图像B中的个性化属性为张嘴、闭眼、不用手托腮以及摆出V字手势,则更改后的个性化属性向量为(1,1,0,1)。
在另外一个实施例中,可以改变预设的个性化属性的种类以更改个性化属性向量。例如,可以在原来预设的个性化属性的种类基础上增加或者减少至少一种个性化属性的种类和/或将原来预设的个性化种类中的一种或者多种对应地替换成其它种类的个性化属性。相应地,可以进一步训练新的分类器,以用于分别检测每一类检测新增种类的个性化属性和/或替换后的种类的个性化属性。例如,原来的预设的个性化属性的种类为张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或摆出V字手势,注册图像A中检测的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势,则原来的预设个性化属性向量t’为(0,1,0,1)。在新增一种个性化属性“皱眉”的情况下,可以再训练一个新的分类器对应新增的个性化属性的种类。结合步骤S310中的训练好的分类器和训练好的新的分类器,可以对接收到的更新图像B进行个性化属性检测以得到更改后的个性化属性向量。如果更新图像B中的个性化属性为张嘴、闭眼、不用手托腮、摆出V字手势以及皱眉,则更改后的个性化属性向量为(1,1,0,1,1)。
步骤S530中,将得到的所述更改后的个性化属性向量设置为预设个性化属性向量t’。将得到的更改后的个性化属性向量设置为新的预设个性化属性向量t’作为更新后的注册信息。用户再进行验证时,需要根据更新后的预设个性化属性向量t’进行个性化属性验证。对预设的个性化属性向量随时进行更新,可以便于用户根据实际需求进行“生物密码”的更新和修改,从而能够进一步提高用户验证系统和方法的精确性和安全性。
图6示出了根据本发明实施例的用户验证装置600的示意性框图。如图6所示,根据本发明实施例的用户验证装置600包括接收模块610、个性化属性验证模块620、人脸识别验证模块630、以及验证结果确定模块640。所述各个模块可分别执行上文中结合图2至图5描述的用户验证方法的各个步骤/功能。以下仅对用户验证装置600的各单元的主要功能进行描述,而省略以上已经描述过的细节内容。
接收模块610用于接收待验证用户的人脸图像。其中,待验证用户的人脸图像可以为图片,也可以为视频中的至少一帧。待验证用户的人脸图像除包括待验证用户的人脸外,还可以包括待验证用户的其他部位(例如身体和四肢等),具体包括哪些部位可以根据实际方案需要进行设定。
个性化属性验证模块620用于对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证。
在本发明实施例中,用户个性化属性是指用户的状态的表情、动作和/或着装。用户个性化属性是使用用户验证系统的用户注册时自行设定的个性化属性,其可以作为用户验证的“生物密码”。
在一个示例中,用户个性化属性可以包括但不限于用户的表情和/或动作。相应地,用户个性化属性检测可以包括确定用户是否做了预定表情和/或预定动作。
在一个实施例中,通过注册,可以预先设置预设的至少一类个性化属性C1,C2,…,Cn(n为大于等于1的正整数),并获得预设的个性化属性向量t’(a1,a2,…,an)。预设的个性化属性向量t’的维数n取决于预设的个性化属性的类别数n,并且,预设的个性化属性向量t’中的每个向量ai顺序地对应预设的每类个性化属性Ci,即,向量a1对应预设的个性化属性C1,向量a2对应预设的个性化属性C2,……,向量an对应预设的个性化属性Cn。在一个实施例中,每类个性化属性可以用0或1的特征值来表示。示例性地,将用户做出某种预设的表情或动作的特征值设置为1,将用户没有做出某种预设的表情或动作的特征值设置为0。例如,张嘴对应的特征值为1,不张嘴对应的特征值为0;闭眼对应的特征值为1,不闭眼对应的特征值为0;用手托腮对应的特征值为1,不用手托腮对应的特征值为0;以及摆出V字手势对应的特征值为1,不摆出V字手势对应的特征值为0。
用户个性化属性检测可以包括确定用户是否做了预定表情和/或预定动作。在一个实施例中,个性化属性验证模块620可以根据预设的个性化属性的类别和类别数目对用户的个性化属性顺序地检测,即,按照预设的个性化属性的顺序进行个性化属性检测,以得到用户的待验证个性化属性向量t(b1,b2,…,bn),其中,向量b1对应预设的个性化属性C1,向量b2对应预设的个性化属性C2,……,向量bn对应预设的个性化属性Cn。将所述待验证个性化属性向量t与注册信息中的预设个性化属性向量t’进行比对以判断二者是否一致。在所述待验证个性化属性向量t与所述预设个性化属性向量t’均为多维向量的情况下,个性化属性验证模块620可以将所述待验证个性化属性向量t与所述预设个性化属性向量t’中对应的向量分别进行比较,即ai与bi进行比较,以判断所述待验证个性化属性向量t与所述预设个性化属性向量t’是否一致,从而获得个性化属性验证结果R1。
在一个实施例中,所述个性化属性验证模块620包括至少一个分类器和向量形成单元,其中,每个分类器对应于一类个性化属性,所述每个分类器用于接收所述人脸图像并输出对应的每类个性化属性的特征值,所述向量形成单元将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量。
具体地,每个分类器分别包括神经网络,例如,深度神经网络。每个分类器对应一类个性化属性。如上文所述,分类器可以检测的个性化属性对应于用户在注册的时候预设的个性化属性。例如,通过注册,用户可以预先设置预设的至少一类个性化属性C1,C2,…,Cn(n为大于等于1的正整数)。则分类器的数目取决于预设的个性化属性的类别数目,且每个分类器分别用于检测一类对应的预设个性化属性,以按照预设的个性化属性的顺序进行个性化属性检测。例如分类器Si用于检测预设个性化属性Ci,其中,1≤i≤n。在一个实施例中,每类个性化属性可以用0或1的特征值来表示。每个分类器均接收到所述人脸图像,对所述人脸图像进行检测,并根据所对应的个性化属性的类别,输出相应的特征值。例如,如果每个分类器检测到待验证用户的人脸图像中的用户具有对应的个性化属性,例如,做出某种预设的表情或动作,则该分类器输出的特征值1;反之,如果检测到所述人脸图像中的用户不具有对应的个性化属性,例如,所述用户未做该表情/动作,则该分类器输出的特征值为0。
示例性地,每个分类器的输入均是所述待验证用户的人脸图像,输出是一个0~1的实数,表示该用户具有该分类器对应的个性化属性的置信度。然后通过一个预先设定的阈值(例如0.5)进行判决,如果置信度大于阈值,则判断用户具有该分类器对应的个性化属性,分类器输出为1;否则为用户不具有该个性化属性,分类器输出为0。
向量形成单元可以将全部所述分类器输出的特征值按照预定顺序排列组合输出,形成由0/1组成的数字串作为待验证人性化属性向量t,该待验证人性化属性向量即为用户个性化属性的检测结果,其可作为用户验证的“生物密码”。
以用户注册时候的预设的个性化属性为不张嘴、闭眼、不用手托腮以及摆出V字手势为例,预设个性化属性向量为t’(0,1,0,1)。在这种情况下,需要检测的预设个性化属性为:张嘴或不张嘴、闭眼或不闭眼、用手托腮或不用手托腮以及摆出V字手势或不摆出V字手势这四类。可以将所述人脸图像分别输入至四个分类器S1-S4,其中,分类器S1对应不张嘴/张嘴这一类个性化属性,分类器S2对应不闭眼/闭眼这一类个性化属性,分类器S3对应不用手托腮/用手托腮这一类个性化属性,以及分类器S4对应不摆出V字手势/摆出V字手势这一类个性化属性。从而由多个分类器按照预设的个性化属性的顺序对待验证用户的人脸图像进行个性化属性检测。以输入的所述待验证用户的人脸图像中的用户是不张嘴、闭眼、不用手托腮以及摆出V字手势的情况为例,分类器S1的输出为0,分类器S2的输出为1,分类器S3的输出为0,分类器S4的输出为1。向量形成单元将分类器输出的特征值按照预定顺序排列组合输出,形成待验证人性化属性向量t(0,1,0,1)。个性化属性验证模块620将待验证人性化属性向量t(0,1,0,1)与预设个性化属性向量为t’(0,1,0,1)进行比对,二者一致,从而得到个性化属性验证结果R1为匹配成功。
人脸识别验证模块630用于提取待验证用户的人脸图像中的人脸特征作为待验证人脸识别信息s,基于所提取的人脸识别信息对所述用户进行人脸识别,也就是将待验证用户的人脸图片中提取的人脸识别信息s与数据库中已存的注册用户的注册信息中的人脸识别信息s’进行比对,以进行判断二者是否一致的人脸识别验证,从而确定是否为同一个人,并以此作为人脸识别验证结果R2。
验证结果确定模块640用于基于所述个性化属性验证的结果R1与所述人脸识别验证的结果R2,确定用户验证结果。当人脸识别验证结果R1和个性化属性验证的结果R2均为匹配成功时,确定所述用户通过验证。
应当理解的是,本发明中不对个性化属性验证模块620和人脸识别验证模块630的执行顺序进行限制。根据实际应用需求,人脸识别验证模块630可以先对所述待验证人脸图像进行人脸特征提取以进行人脸识别验证获得结果R2,再由所述个性化属性验证模块620进行个性化属性验证获得结果R1;或者先由个性化属性验证模块620进行个性化属性验证获得结果R1,再由人脸识别验证模块630对所述待验证人脸图像进行人脸特征提取以进行人脸识别验证获得结果R2。
在一个示例中,可以先由人脸识别验证模块630进行人脸识别验证,再由个性化属性验证模块620进行用户个性化属性验证。例如,经过人脸识别验证,人脸识别验证模块630确定数据库中存在相匹配的人脸,则再由个性化属性验证模块620确定该匹配的人脸中的预设个性化属性向量是否与所检测到的个性化属性向量一致,如果个性化属性向量一致,则验证结果确定模块640确定待验证用户通过验证;反之,如果个性化属性向量不相匹配,则验证结果确定模块640可提示用户重新提交人脸图像用于再次验证,如果在预定验证次数内均不能成功匹配,则可能是冒名人员提交已注册用户的人脸图片进行的冒名攻击,此时验证结果确定模块640可以发出警报,提示预定时间内不可再次进行验证。如果经过人脸识别验证,确定数据库中不存在相匹配的人脸,则个性化属性验证模块620可以不再进行用户个性化属性验证,验证结果确定模块640直接确定待验证用户验证失败。
在另一个示例中,个性化属性验证模块620可以先进行用户个性化属性验证,再由人脸识别验证模块630进行人脸识别验证。例如,个性化属性验证模块620经过用户个性化属性验证,确定数据库中存在相匹配的预设个性化属性,则再由人脸识别验证模块630进行人脸识别验证确定该匹配的预设个性化属性中的人脸是否与待验证用户的人脸图像中的人脸相匹配,总之,二者均匹配成功才可确定待验证用户通过验证。如果个性化属性验证模块620经过个性化属性验证,确定数据库中不存在相匹配的预设个性化属性向量或者用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,所述人脸识别验证模块630不再进行所述人脸识别验证,验证结果确定模块640直接确定待验证用户验证失败。
接收模块610、个性化属性验证模块620、人脸识别验证模块630以及验证模块640均可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
根据本发明实施例,所述数据库中已存的注册信息包括注册人脸图像,所述预设个性化属性向量通过对所述注册人脸图像进行个性化属性检测得到,也就是说,用户个性化属性信息由已注册用户提供。此外,所述注册信息中的预设个性化属性向量能够随时被所述已注册用户更改。
根据本发明实施例的用户验证装置600还可以包括注册模块(未示出)用于生成注册信息。
在一个实施例中,所述注册模块接收用户提交的注册图像,提取注册图像中的人脸特征作为注册信息中的人脸识别信息。例如,所述注册模块可以提取注册图像中的人脸,并进一步对所述提取的人脸进行人脸特征提取,以得到人脸特征作为注册信息中的人脸识别信息s’。注册模块可以采用任何合适的人脸特征提取技术提取注册图像中的人脸特征。根据注册图像,所述注册模块进行预设个性化属性检测以得到预设个性化属性向量t’。示例性地,所述注册模块可以将注册图像输入至个性化属性验证模块620中的分类器,其中,每个分类器对应一类预设个性化属性,每个分类器输出对应的每类预设个性化属性的特征值,并且所述向量形成单元将全部所述分类器输出的特征值组合,以得到所述预设个性化属性向量t’。所述注册模块可以将提取的人脸特征以及预设个性化属性向量t’作为注册信息存储在数据库中,以用于在进行用户验证的时候进行人脸识别验证和个性化属性验证。此外,注册信息中还可以包括用户信息,例如,用户的姓名、性别、年龄、身份证件号码、身份信息等中的一种或几种。
在本发明的实施例中,数据库中存储已注册用户的用户信息、人脸识别信息以及预设个性化属性信息(预设个性化属性向量)。用户在注册时提交个性化的人脸图像,其中所包含的用户个性化属性被检测并输出相应的检测结果,该结果经用户确认检测正确后则存储在数据库中,以为后续的验证提供依据。
总之,用户个性化属性在用户验证中起到了一个用户“生物密码”的作用,在人脸本身的生物特征的基础上外加了一个用户可预设的生物密码。冒名人员仅能得到被冒名人员的人脸图像,但无法得知被冒名人员注册时的个性化属性的特征,所以无法通过照片通过系统验证。
在一个实施例中,所述预设个性化属性向量还可以被更改。根据本发明实施例的用户验证装置600还可以包括更新模块(未示出)用于更改预设个性化属性向量。
示例性地,所述更新模块接收用于更改预设个性化属性向量的更新图像B。所述更新图像可以为图片,也可以为视频中的至少一帧。。所述更新模块对所述更新图像进行个性化属性检测,以得到更改后的个性化属性向量。在一个实施例中,所述更新模块将更新图像B输入至所述个性化属性验证模块620,所述个性化属性验证模块620对所述更新图像B进行个性化属性检测,以得到更改后的个性化属性向量。在一个实施例中,可以保持预设的个性化属性的种类,改变至少一类个性化属性的特征值,从而更改预设个性化属性向量。在这种情况下,所述更新模块可以将更新图像B输入至所述个性化属性验证模块620中的训练好的分类器进行更改后的个性化属性检测并得到更改后的个性化属性向量。在另外一个实施例中,可以改变预设的个性化属性的种类以更改个性化属性向量。例如,可以在原来预设的个性化属性的种类基础上增加或者减少至少一种个性化属性的种类和/或将原来预设的个性化种类中的一种或者多种对应地替换成其它种类的个性化属性。相应地,所述个性化属性验证模块620可以进一步训练新的分类器,以用于分别检测每一类检测新增种类的个性化属性和/或替换后的种类的个性化属性。在这种情况下,所述更新模块可以将更新图像B输入至所述个性化属性验证模块620中的训练好的分类器(包括为了更改预设个性化属性向量而训练的新的分类器)进行更改后的个性化属性检测并得到更改后的个性化属性向量。
所述更新模块将得到的所述更改后的个性化属性向量设置为预设个性化属性向量t’。进一步地,所述更新模块将得到的更改后的个性化属性向量设置为新的预设个性化属性向量t’,以作为更新后的注册信息。用户再进行验证时,需要根据更新后的预设个性化属性向量t’进行个性化属性验证。
对预设个性化属性向量随时进行更新,可以便于用户根据实际需求进行“生物密码”的更新和修改,从而能够进一步提高用户验证系统和方法的精确性和安全性。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图7示出了根据本发明实施例的用户验证系统700的示意性框图。用户验证系统700包括图像传感器710、存储装置720、以及处理器730。
其中,图像传感器710用于采集待验证用户的人脸图像。存储装置720存储用于实现根据本发明实施例的用户验证方法中的相应步骤的程序代码。处理器730用于运行存储装置720中存储的程序代码,以执行根据本发明实施例的用户验证方法的相应步骤,并且用于实现根据本发明实施例的用户验证装置中的接收模块610、个性化属性验证模块620、人脸识别验证模块630以及验证结果确定模块640。
在一个实施例中,在所述程序代码被处理器730运行时使得所述用户验证系统700执行以下步骤:接收待验证用户的人脸图像;对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证;将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的用户验证方法的相应步骤,并且用于实现根据本发明实施例的用户验证装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于执行个性化属性验证以及人脸识别验证的程序代码,另一个计算机可读存储介质包含用于基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果的计算机可读的程序代码。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的用户验证装置的各个功能模块,并且/或者可以执行根据本发明实施例的用户验证方法。
在一个实施例中,所述计算机程序指令在被计算机运行时使得所述计算机或处理器执行以下步骤:接收待验证用户的人脸图像;对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对以判断二者是否一致;将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
根据本发明实施例的用户验证装置中的各模块可以通过根据本发明实施例的用户验证的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的用户验证方法及装置、用户验证系统以及存储介质对待验证用户的人脸图像进行人脸识别验证和用户个性化属性验证,当确定待验证用户的人脸图像中的人脸识别信息和用户的待验证的个性化属性与已存的注册人脸图片中的人脸识别信息和用户的预设个性化属性两者均匹配时,才确定用户通过验证,可以提高用户验证的精度和安全性,有效防止冒名人员通过提交被冒名的已注册用户的人脸照片对用户验证系统进行攻击。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种用户验证方法,其特征在于,所述用户验证方法包括:
接收待验证用户的人脸图像;
对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证,所述个性化属性是指用户的表情、动作和/或着装,所述预设个性化属性向量通过对所述注册信息中包括的注册人脸图像进行个性化属性检测得到;所述个性化属性的验证用于确定用户是否做了预定的表情和/或动作,和/或用户是否满足预定着装,其中,所述预设个性化属性向量包括至少四维向量,所述对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量包括:
将所述人脸图像输入到至少四个分类器,其中,每个分类器对应一类个性化属性;
经由每个分类器输出对应的每类个性化属性的特征值;以及
将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量;
将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及
基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
2.根据权利要求1所述的用户验证方法,其特征在于,在所述用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,不再进行所述人脸识别验证。
3.根据权利要求1所述的用户验证方法,其特征在于,所述分类器包括神经网络,其中,所述经由每个分类器输出对应的每类个性化属性的特征值包括:
对于每个神经网络,通过对应的预定阈值对所述每个神经网络的输出进行判决,以获得每类个性化属性的特征值。
4.根据权利要求1所述的用户验证方法,其特征在于,所述特征值为0或1。
5.根据权利要求1所述的用户验证方法,其特征在于,在对所述人脸图像进行个性化属性检测之前,对所述人脸图像进行人脸特征提取以进行人脸识别验证。
6.根据权利要求1或2所述的用户验证方法,其特征在于,所述个性化属性验证包括确定用户是否做了预定的表情和/或动作,并且,预设个性化属性包括用户做出的预设的表情和/或动作。
7.根据权利要求1或2所述的用户验证方法,其特征在于,所述用户验证方法还包括:
更改所述预设个性化属性向量。
8.根据权利要求7所述的用户验证方法,其特征在于,所述更改所述预设个性化属性向量的步骤包括:
接收用于更改预设个性化属性向量的更新图像;
对所述更新图像进行个性化属性检测,以得到更改后的个性化属性向量;以及
将获得的所述更改后的个性化属性向量设置为预设个性化属性向量。
9.根据权利要求1所述的用户验证方法,其特征在于,所述基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证的结果包括:当所述人脸识别验证的结果和所述个性化属性验证的结果均为匹配成功时,确定所述用户通过验证。
10.一种用户验证装置,其特征在于,所述用户验证装置包括:
接收模块,用于接收待验证用户的人脸图像;
个性化属性验证模块,用于对所述人脸图像进行个性化属性检测以得到所述用户的待验证个性化属性向量,并将所述待验证个性化属性向量与注册信息中的预设个性化属性向量进行比对,以进行判断二者是否一致的个性化属性验证,所述个性化属性是指用户的表情、动作和/或着装,所述预设个性化属性向量通过对所述注册信息中包括的注册人脸图像进行个性化属性检测得到;所述个性化属性的验证用于确定用户是否做了预定的表情和/或动作,和/或用户是否满足预定着装,其中,所述预设个性化属性向量包括至少四维向量,所述个性化属性验证模块包括至少四个分类器和向量形成单元,其中,每个分类器对应于一类个性化属性,所述每个分类器用于接收所述人脸图像并输出对应的每类个性化属性的特征值,所述向量形成单元将全部所述分类器输出的特征值组合,以得到所述待验证个性化属性向量;
人脸识别验证模块,用于将从所述人脸图像中提取的用户的待验证人脸识别信息与注册信息中的人脸识别信息进行比对,以进行判断二者是否一致的人脸识别验证;以及
验证结果确定模块,用于基于所述个性化属性验证的结果与所述人脸识别验证的结果,确定用户验证结果。
11.根据权利要求10所述的用户验证装置,其特征在于,在所述用户的待验证个性化属性向量与所述预设个性化属性向量不一致时,所述人脸识别验证模块不再进行所述人脸识别验证。
12.根据权利要求10所述的用户验证装置,其特征在于,所述分类器包括神经网络,其中,对于每个神经网络,所述分类器通过对应的预定阈值对所述每个神经网络的输出进行判决,以获得每类个性化属性的特征值。
13.根据权利要求10所述的用户验证装置,其特征在于,所述特征值为0或1。
14.根据权利要求10所述的用户验证装置,其特征在于,在所述个性化属性验证模块对所述人脸图像进行个性化属性检测之前,所述人脸识别验证模块对所述人脸图像进行人脸特征提取以进行人脸识别验证。
15.根据权利要求10或11所述的用户验证装置,其特征在于,所述个性化属性验证包括确定用户是否做了预定的表情和/或动作,并且预设个性化属性包括用户做出的预设的表情和/或动作。
16.根据权利要求10或11所述的用户验证装置,其特征在于,所述用户验证装置还包括更新模块,用于更改所述预设个性化属性向量。
17.根据权利要求16所述的用户验证装置,其特征在于,在更改所述预设个性化属性向量时,所述接收模块用于接收用于更改预设个性化属性向量的更新图像;所述个性化属性验证模块对所述更新图像进行个性化属性检测,以得到更改后的个性化属性向量;所述更新模块将获得的所述更改后的个性化属性向量设置为预设个性化属性向量。
18.根据权利要求10所述的用户验证装置,其特征在于,所述验证结果确定模块在所述人脸识别验证的结果和所述个性化属性验证的结果均为匹配成功时,确定所述用户通过验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610581186.3A CN106228133B (zh) | 2016-07-21 | 2016-07-21 | 用户验证方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610581186.3A CN106228133B (zh) | 2016-07-21 | 2016-07-21 | 用户验证方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106228133A CN106228133A (zh) | 2016-12-14 |
CN106228133B true CN106228133B (zh) | 2020-04-10 |
Family
ID=57532180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610581186.3A Active CN106228133B (zh) | 2016-07-21 | 2016-07-21 | 用户验证方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106228133B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875474A (zh) * | 2017-07-18 | 2018-11-23 | 北京旷视科技有限公司 | 评估人脸识别算法的方法、装置及计算机存储介质 |
CN108875331B (zh) * | 2017-08-01 | 2022-08-19 | 北京旷视科技有限公司 | 人脸解锁方法、装置和系统及存储介质 |
CN107679860A (zh) * | 2017-08-09 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 一种用户认证的方法、装置、设备和计算机存储介质 |
CN107992833A (zh) * | 2017-12-08 | 2018-05-04 | 北京小米移动软件有限公司 | 图像识别方法、装置及存储介质 |
CN109934201A (zh) * | 2019-03-22 | 2019-06-25 | 浪潮商用机器有限公司 | 一种用户识别方法及装置 |
CN111611572B (zh) * | 2020-06-28 | 2022-11-22 | 支付宝(杭州)信息技术有限公司 | 一种基于人脸认证的实名认证方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710383A (zh) * | 2009-10-26 | 2010-05-19 | 北京中星微电子有限公司 | 一种身份认证的方法及认证装置 |
CN102385703A (zh) * | 2010-08-27 | 2012-03-21 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法及系统 |
CN104270253A (zh) * | 2014-10-21 | 2015-01-07 | 中国建设银行股份有限公司 | 一种用户身份认证的方法、装置及系统 |
CN104463237A (zh) * | 2014-12-18 | 2015-03-25 | 中科创达软件股份有限公司 | 一种基于多姿态识别的人脸验证方法及装置 |
CN104504365A (zh) * | 2014-11-24 | 2015-04-08 | 闻泰通讯股份有限公司 | 视频序列中的笑脸识别系统及方法 |
CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
GB2530385A (en) * | 2014-08-11 | 2016-03-23 | Ford Global Tech Llc | Vehicle driver identification |
CN105468950A (zh) * | 2014-09-03 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 身份认证方法、装置、终端及服务器 |
-
2016
- 2016-07-21 CN CN201610581186.3A patent/CN106228133B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710383A (zh) * | 2009-10-26 | 2010-05-19 | 北京中星微电子有限公司 | 一种身份认证的方法及认证装置 |
CN102385703A (zh) * | 2010-08-27 | 2012-03-21 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法及系统 |
GB2530385A (en) * | 2014-08-11 | 2016-03-23 | Ford Global Tech Llc | Vehicle driver identification |
CN105468950A (zh) * | 2014-09-03 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 身份认证方法、装置、终端及服务器 |
CN104270253A (zh) * | 2014-10-21 | 2015-01-07 | 中国建设银行股份有限公司 | 一种用户身份认证的方法、装置及系统 |
CN104504365A (zh) * | 2014-11-24 | 2015-04-08 | 闻泰通讯股份有限公司 | 视频序列中的笑脸识别系统及方法 |
CN104463237A (zh) * | 2014-12-18 | 2015-03-25 | 中科创达软件股份有限公司 | 一种基于多姿态识别的人脸验证方法及装置 |
CN105005779A (zh) * | 2015-08-25 | 2015-10-28 | 湖北文理学院 | 基于交互式动作的人脸验证防伪识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106228133A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106228133B (zh) | 用户验证方法及装置 | |
Gao et al. | Discriminative multiple canonical correlation analysis for information fusion | |
US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
CN107169454B (zh) | 一种人脸图像年龄估算方法、装置及其终端设备 | |
Ghayoumi | A review of multimodal biometric systems: Fusion methods and their applications | |
CN107844748A (zh) | 身份验证方法、装置、存储介质和计算机设备 | |
US20060158307A1 (en) | System and method for face recognition | |
KR102401170B1 (ko) | 복합 인증 장치 및 방법 | |
EP2091021A1 (en) | Face authentication device | |
CN111898108A (zh) | 身份认证方法、装置、终端及服务器 | |
CN112395979B (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
US10977355B2 (en) | Authentication method and device through face recognition | |
KR102401194B1 (ko) | 심전도 신호를 사용한 사용자의 신분 인증 방법 및 신분 인증 장치. | |
CN111382666A (zh) | 具有用户验证的设备和方法 | |
TW201944294A (zh) | 身份驗證方法和裝置、電子裝置、電腦程式和儲存介質 | |
Buriro et al. | Evaluation of motion-based touch-typing biometrics for online banking | |
Smith-Creasey et al. | A continuous user authentication scheme for mobile devices | |
CN108875549B (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
Zhao et al. | Hand gesture authentication using depth camera | |
WO2019223339A1 (zh) | 用于面部匹配的方法、设备、装置和存储介质 | |
Ríos-Sánchez et al. | gb2sμMOD: A MUltiMODal biometric video database using visible and IR light | |
KR102476619B1 (ko) | 전자 장치 및 이의 제어 방법 | |
Yin et al. | Fusion of face recognition and facial expression detection for authentication: a proposed model | |
Smith-Creasey et al. | Context awareness for improved continuous face authentication on mobile devices | |
Ezz et al. | Challenge-response emotion authentication algorithm using modified horizontal deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |