CN106941506A - 基于生物特征的数据处理方法和装置 - Google Patents
基于生物特征的数据处理方法和装置 Download PDFInfo
- Publication number
- CN106941506A CN106941506A CN201710345466.9A CN201710345466A CN106941506A CN 106941506 A CN106941506 A CN 106941506A CN 201710345466 A CN201710345466 A CN 201710345466A CN 106941506 A CN106941506 A CN 106941506A
- Authority
- CN
- China
- Prior art keywords
- user
- cipher
- password
- biological
- instruction
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000001755 vocal effect Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 230000001815 facial effect Effects 0.000 description 21
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000004218 nerve net Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
- H04L9/3231—Biological data, e.g. fingerprint, voice or retina
Abstract
本发明公开了一种基于生物特征的数据处理方法和装置，涉及密码管理领域。其中的方法包括：接收用户指令；若用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。本发明能够使得用户在使用密码过程中，不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
Description
技术领域
本发明涉及密码管理领域，尤其涉及一种基于生物特征的数据处理方法和装置。
背景技术
随着科技的发展，互联网的泛滥，拥有“钥匙”功效的各式登录密码成了我们生活中不可或缺的一部分。用户每次输入密码都需要再次向管理系统输入明文密码，并且需要在规定的网站或APP(Application，应用程序)记录当前密码，即需要用户手动输入，以文本方式记录明文密码。每一个密码在起到保护个人信息作用的同时，也给我们的记忆力出了一道难题，用户可能记混密码，导致密码输入的准确性降低。有些用户为了解决忘记密码的麻烦，用一个密码对应各个系统，但这显然会降低系统的安全性。
发明内容
本发明要解决的一个技术问题是提供一种基于生物特征的数据处理方法和装置能够提高密码输入的准确性。
根据本发明一方面，提出一种基于生物特征的数据处理方法，包括：接收用户指令；若用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。
进一步地，该方法还包括：若用户指令为生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，基于数字证书将用户的生物特征信息生成用户密码。
进一步地，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域包括：确定当前终端界面对应的应用，以便在数据库中查找与生物特征信息对应的当前应用的用户密码，并将用户密码发送至当前终端界面的密码输入文本框区域；其中，数据库中保存有生物特征信息与不同应用的用户密码之间的对应关系。
进一步地，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域包括：获取生物特征信息对应的用户密码，以便通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。
进一步地，基于数字证书将用户的生物特征信息生成用户密码包括：查询数据库中是否保存有用户的生物特征信息对应的校验值；若数据库中保存有用户的生物特征信息对应的校验值，则基于数字证书将用户的生物特征信息生成用户密码。
进一步地，该方法还包括：判断生成的用户密码是否为关键密码；若生成的用户密码为关键密码，则将生成的用户密码在本地存储；若生成的用户密码不是关键密码，则将生成的用户在本地存储或上传到网络进行存储。
进一步地，接收用户指令包括：后台循环监听用户语音信息；若监听到用户语音信息，则对用户语音信息进行消噪处理；将消噪后的用户语音信息进行特征值提取；将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。
进一步地，用户生物特征采集装置为人脸识别装置，调用用户生物特征采集装置采集用户的生物特征信息包括：调用人脸识别装置采集用户的人脸图像信息；采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。
根据本发明的另一方面，还提出一种基于生物特征的数据处理的装置，包括：指令接收单元，用于接收用户指令；装置调用单元，用于若所述用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息；密码获取单元，用于获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。
进一步地，该装置还包括密码生成单元；装置调用单元还用于若用户指令为生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息；密码生成单元用于基于数字证书将用户的生物特征信息生成用户密码。
进一步地，密码获取单元用于确定当前终端界面对应的应用，从而在数据库中查找与生物特征信息对应的当前应用的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域；其中，数据库中保存有生物特征信息与不同应用的用户密码之间的对应关系。
进一步地，密码获取单元用于获取生物特征信息对应的用户密码，以便通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。
进一步地，密码生成单元用于查询数据库中是否保存有用户的生物特征信息对应的校验值，若数据库中保存有用户的生物特征信息对应的校验值，则基于数字证书将用户的生物特征信息生成用户密码。
进一步地，该装置还包括密码存储单元；密码存储单元用于判断生成的用户密码是否为关键密码，若生成的用户密码为关键密码，则将生成的用户密码在本地存储，若生成的用户密码不是关键密码，则将生成的用户在本地存储或上传到网络进行存储。
进一步地，指令接收单元用于循环监听用户语音信息，若监听到用户语音信息，则对用户语音信息进行消噪处理，将消噪后的用户语音信息进行特征值处提取，将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。
进一步地，用户生物特征采集装置为人脸识别装置；装置调用单元用于调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。
根据本发明的另一方面，还提出一种基于生物特征的数据处理的装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上述的方法。
根据本发明的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的方法的步骤。
与现有技术相比，本发明实施例中接收到用户指令后，如果用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。即用户在使用密码过程中，不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1A为本发明基于生物特征的数据处理方法的一个实施例的流程示意图。
图1B为本发明基于生物特征的数据处理方法的一个实施例的流程示意图。
图2为本发明基于生物特征的数据处理方法的另一个实施例的流程示意图。
图3为本发明接收用户指令的一个实施例的流程示意图。
图4为本发明基于生物特征的数据处理方法的再一个实施例的流程示意图。
图5为本发明基于生物特征的数据处理方法的又一个实施例的流程示意图。
图6为本发明基于数字证书生成用户密码的一个实施例。
图7为本发明人脸检测和识别过程的一个实施例。
图8为本发明基于生物特征的数据处理的装置的一个实施例的结构示意图。
图9为本发明基于生物特征的数据处理的装置的再一个实施例的结构示意图。
图10为本发明基于生物特征的数据处理的装置的另一个实施例的结构示意图。
图11为本发明基于生物特征的数据处理的装置的又一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1A为本发明基于生物特征的数据处理方法的一个实施例的流程示意图，该方法由基于生物特征的数据处理的装置执行，该装置具体可以为应用客户端，包括以下步骤：
在步骤110，接收用户指令。其中，用户指令可以为语音信息，也可以为特定滑动、振动、声控等信息。
在步骤120，若用户指令输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息。用户生物特征采集装置可以为人脸识别装置，即摄像头等。
在步骤130，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。例如，若用户打开某聊天工具时，需要输入登陆密码，用于对着终端说出“输入密码”指令，本发明的装置识别出语音信息，并识别出当前终端界面为某聊天工具界面，则在数据库中查找出用户人脸对应的该聊天工具的登陆密码，并将该登陆密码复制至当前界面，从而不用人工输入密码而登陆该聊天工具。
在该实施例中，接收到用户指令后，如果用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域；如果用户指令为生成密码指令，则基于数字证书将用户的生物特征信息生成用户密码。即用户在使用密码过程中，不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
该方法还可以如图1B所示，包括以下步骤：
在步骤140，若用户指令为生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息。
在步骤150，基于数字证书将用户的生物特征信息生成用户密码。其中，装置可以查询数据库中是否保存有用户的生物特征信息对应的校验值，若已保存，则基于数字证书将用户的生物特征信息生成用户密码。例如，在初始生成密码过程中，摄像头采集到用户的人脸图像后，在数据库中查询是否为机主用户，若是，则利用数字证书的加密方式将人脸图像初始化为复杂的密码。
在该实施例中，可以基于用户的生物特征信息生成用户密码，在用户在输入密码时，利用用户生物特征信息即可，用户不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
图2为本发明基于生物特征的数据处理方法的另一个实施例的流程示意图。
在步骤210，应用后台接收用户指令，确定用户指令是否为输入密码指令。其中，应用后台相对于前台而言的，具体是指其本身的运行并不依赖于用户可视的UI界面，应用后台接收用户指令可以如图3所示，在步骤310，可以循环监听用户语音信息。在步骤320，若监听到用户语音信息，则对用户语音信息进行消噪处理。其中，语音信息在示波器中处理后可以进行数模转换，在成像过程中由测量误差和一些不确定的随机因素会形成噪声，因此需要消除、弱化或压制图像中的随机变化干扰，即进行消噪处理。在步骤330，将消噪后的用户语音信息进行特征值提取。在步骤340，将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。其中，将特征值与声纹模型库中的声纹进行匹配时还可以确定用户语音信息的置信度，例如，声纹模型库中保存有“输入密码”、“生成密码”的语音，用户对着终端发出“输入密令”，与声纹模型库中的语音进行比对，确定与声纹模型库中的语音不匹配，则该指令的置信度比较低。
在步骤220，若用户指令为输入密码指令，则调用人脸识别装置采集用户的人脸图像信息。
在步骤230，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。其中，该神经网络模型通过Opencv(Open Source ComputerVision Library，开源计算机视觉库)算法实现。其中，OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
该步骤包括人脸检测和人脸识别，人脸检测可以使用ViolaJones人脸检测方法，利用样本的Haar-like特征进行分类器训练，得到级联boosted分类器，加载训练好的人脸分类器，利用分类器在视频帧中查找人脸区域；然后局部二进制模式直方图进行人脸识别。
在步骤240，确定当前终端界面对应的应用。即确定需要输入密码的当前终端界面，例如，当前终端界面为某聊天工具登陆界面，或者为某支付工具支付界面，或者为某游戏登陆界面等。
在步骤250，在数据库中查找与该人脸图像对应的当前应用的用户密码。其中，数据库中保存有用户人脸图像与不同应用的用户密码之间的对应关系。如A用户人脸图像与某聊天工具登陆密码的对应关系，A用户人脸图像与某支付工具支付密码的对应关系等。
在步骤260，将用户密码发送至当前终端界面的密码输入文本框区域。获取输入密码指令后，可以先获取对应的title，遍历查询数据库，若有结果则返回结果到对应的文本区域。
在该实施例中，通过语音识别调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息，并在数据库中查找与该人脸图像对应的当前应用的用户密码，将该密码复制至当前终端界面的密码输入文本框区域。该过程不需要用户手动输入密码，即用户不用再去记忆大量的繁重的密码，简化使用过程，并且提高了密码输入的准确性。
图4为本发明基于生物特征的数据处理方法的再一个实施例的流程示意图。
在步骤410，应用后台接收用户指令，确定用户指令是否为输入密码指令。其中，可以使用Jni(Java Native Interface，Java本地接口)确定应用后台是否在运行。在客户端新开一个(fork)进程，检测应用后台是否存活，若应用后台已被杀死，则进行重启应用后台。对于检测方式，可以轮询获取子进程Pid，若为1，则说明子进程被初始(Init)进程所领养，已经成为了孤儿进程。但是这种方式比较消耗电量，并且由于不同终端系统定制的改变，当应用被强制停止时，父进程并不一定被真正杀死，因此在一些特定机型上是无法通过此方式进行判断。因此可以使用liunx socket的方式进行类似心跳包的检测，并且当触发检测应用后台是否被杀死之前，需要判断应用是否已经被卸载，如果应用已经被卸载，则不再进行检测应用后台行为，直接调用exit(0)退出子进程，避免浪费系统资源和消耗电量。
在步骤420，调用人脸识别装置采集用户的人脸图像信息。
在步骤430，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。
在步骤440，获取人脸图像对应的用户密码。即获取根据用户的人脸图像生成的复杂密码。
在步骤450，通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。例如，当前终端界面为某聊天工具的登陆界面，本发明的装置与该聊天工具根据一种传输协议，可以将获取的密码发送至该聊天工具的登陆界面的密码输入文本框区域，该聊天工具能够识别该密码为该用户的聊天工具的登陆密码。若当前终端界面为某支付工具的支付界面，本发明的装置与该支付工具根据另一种传输协议，可以将获取的密码发送至该支付工具的支付界面的密码输入文本框区域，该支付工具能够识别该密码为该用户的支付工具的支付密码。
在该实施例中，基于调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息；若用户指令为输入密码指令，则获取人脸图像对应的用户密码，并通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。从而使得用户不用手动输入密码，减少了输入密码错误的概率，同时免去了用户记忆多个应用程序的密码的麻烦，提高了密码的安全性。
图5为本发明基于生物特征的数据处理方法的又一个实施例的流程示意图。
在步骤510，应用后台循环监听用户语音信息。
在步骤520，若该用户语音信息为生成密码指令，则调用人脸识别装置采集用户的人脸图像信息。
在步骤530，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。
在步骤540，查询数据库中是否保存有该用户的人脸图像对应的校验值。例如，判断该人脸图像是否属于机主的人脸图像。
在步骤550，若数据库中保存有用户的生物特征信息对应的校验值，则基于数字证书将用户的生物特征信息生成用户密码。例如，密码生成利用数字证书的加密方式，当初始化复杂密码后，加密解密过程如图6所示。根据用户的公钥、用户的密码、证书机构名称、证书有效期等经过哈希算法，生成信息摘要；同时，利用数字签名经过CA公钥解密得到信息摘要；判断两个摘要是否相同，如果相同，则说明该用户的公钥不是假冒的，可以用于验证该用户的签名或者用于和该用户的加密通信。
在一个实施例中，可以基于当前终端界面，利用数字证书将用户的生物特征信息生成该当前终端界面对应的用户密码。
在另一个实施例，本发明还可以包括步骤560，对生成的用户密码进行备份。
在步骤570，判断生成的用户密码是否为关键密码，若是则执行步骤580，否则，执行步骤590。
在步骤580，将生成的用户密码在本地存储。
在步骤590，将生成的用户在本地存储或上传到网络进行存储。
在上述实施例中，应用后台循环监听识别用户指令，在用户指令为生成密码指令时，调用人脸识别装置采集用户的人脸图像信息，进而基于数字证书生成用户密码，对于安全性较高的密码，则在本地进行存储，进而保证密码的安全性。
在一个具体实施例中，进行人脸检测和识别可以如图7所示。在步骤710，调用摄像头。
在步骤720，加载已经训练好的bpnn(人工神经网络)模型。其中，将已经训练好的bpnn模型变换成二进制文件下载在flash中，从flash中加载合并(combine)文件。利用准备好的数据库进行识别训练可以首先利用Opencv安装文件中的python脚本create_csv.py建立CSV文件，文件中每条记录如：home/admin/2.pgm；12，分号之前是图片所存路径，而分号之后是图片的标签号，每一组图片对应着唯一的标签号；之后利用代码中的train_data和read_csv函数对数据集进行训练。
在步骤730，运用Opencv安装文件中的haarcascade_frontalface_alt.xml文件，使用分类器在视频帧中查找人脸区域。用到的Opencv类和函数有：CascadeClassifier，detectMultiScale。
例如，从sram利用pingpong机制读取摄像头采集的图片(320*256)。把刚开始采集到的图片作为背景，之后通过与采集的图片所有像素和与背景的所有像素和做差来确定是否有运动物体进行，其中，判断条件为平均像素是否小于5。如有运动物体进入，由于运动物体刚开始进入时图像不清楚，因此先舍去第一帧，等待一段时间后再开始采集。从缓存中加载图像，其中：image＝LoadPGMImage(image_buffer)://320*256。抓取第二幅图片放入缓存中SetSecondImage(image_buffer，320，256)。将image长宽同时缩小为原比例的1/1.8，并且将图像进行直方图均衡化，增加对比度利用cascadeFront与cascadeProfile分类器对人脸进行检测：cvHaarDetectObjects。
在步骤740，将人脸区域图像在已训练好的人工神经网络模型中运行，对识别人脸图像。即读取训练好的yaml文件，对每个监测到的区域的图像分类，并在视频帧人脸区域上方显示分类结果，例如分类结果显示为标签和可信度等，也可以在视频某位置显示缩略图。其中，用到的Opencv函数主要有：predict。
例如，如果检测结果为人脸，则将人脸图像部分进行截取，之后将其转换成80*80格式的图片，并将其显示在vga显示器中。将80*80格式图片中各像素的值映射成0-1.0之间的浮点数并且当做bpnn网络的输入神经元，在已经训练好的人工网络模型上进行前馈控制(feedforward)。根据输出层的神经元的值与阈值0.95进行比较，如果有且只有一个输出神经元的值大于0.95则根据索引号将其姓名输出，否则输出陌生人等提示。
在实施例中，基于bpnn与Opencv进行人脸检测和人脸识别。将已经训练好的bpnn神经网络模型变换成二进制文件下载在flash中，对采集的图片只要做相应的调整，然后在这个网络上跑就能得到相应的结果。软件系统还对采集的照片使用了去模糊化，直方图均衡化，平滑处理的操作，提高识别的效率和准确性。
图8为本发明基于生物特征的数据处理的装置的一个实施例的结构示意图。该装置包括指令接收单元810、装置调用单元820、密码获取单元830，其中该装置具体可以为应用客户端。
指令接收单元810用于接收用户指令，确定用户指令是否为输入密码指令或生成密码指令。其中，用户指令可以为语音信息，也可以为特定滑动、振动、声控等信息。
装置调用单元820用于调用用户生物特征采集装置采集用户的生物特征信息。即若用户指令为输入密码指令或生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息。用户生物特征采集装置可以为人脸识别装置，即摄像头等。
密码获取单元830用于若用户指令输入密码指令，则获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域。例如，若用户打开某聊天工具时，需要输入登陆密码，用于对着终端说出“输入密码”指令，本发明的装置识别出语音信息，并识别出当前终端界面为某聊天工具界面，则在数据库中查找出用户人脸对应的该聊天工具的登陆密码，并将该登陆密码复制至当前界面，从而不用人工输入密码而登陆该聊天工具。
在该实施例中，装置接收到用户指令后，调用用户生物特征采集装置采集用户的生物特征信息，如果用户指令为输入密码指令，则获取生物特征信息对应的用户密码，以便将用户密码发送至当前终端界面的密码输入文本框区域；如果用户指令为生成密码指令，则基于数字证书将用户的生物特征信息生成用户密码。即在用户在输入密码时，利用用户生物特征信息即可，用户不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
在本发明的另一个实施例中，指令接收单元810用于循环监听用户语音信息；若监听到用户语音信息，则对用户语音信息进行消噪处理；将消噪后的用户语音信息进行特征值提取；将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。其中，语音信息在示波器中处理后可以进行数模转换，在成像过程中由测量误差和一些不确定的随机因素会形成噪声，因此需要消除、弱化或压制图像中的随机变化干扰，即进行消噪处理。
装置调用单元820用于调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息。
密码获取单元830用于确定当前终端界面对应的应用，在数据库中查找与该人脸图像对应的当前应用的用户密码，将用户密码发送至当前终端界面的密码输入文本框区域。例如，当前终端界面为某聊天工具登陆界面，或者为某支付工具支付界面，或者为某游戏登陆界面等。数据库中保存有用户人脸图像与不同应用的用户密码之间的对应关系。如A用户人脸图像与某聊天工具登陆密码的对应关系，A用户人脸图像与某支付工具支付密码的对应关系等。获取输入密码指令后，可以先获取对应的title，遍历查询数据库，若有结果则返回结果到对应的文本区域。
在该实施例中，通过语音识别调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息，并在数据库中查找与该人脸图像对应的当前应用的用户密码，将该密码复制至当前终端界面的密码输入文本框区域。该过程不需要用户手动输入密码，即用户不用再去记忆大量的繁重的密码，简化使用过程，并且提高了密码输入的准确性。
在本发明的另一个实施例中，密码获取单元830还用于获取人脸图像对应的用户密码，通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。例如，当前终端界面为某聊天工具的登陆界面，本发明的装置与该聊天工具根据一种传输协议，可以将获取的密码发送至该聊天工具的登陆界面的密码输入文本框区域，该聊天工具能够识别该密码为该用户的聊天工具的登陆密码。若当前终端界面为某支付工具的支付界面，本发明的装置与该支付工具根据另一种传输协议，可以将获取的密码发送至该支付工具的支付界面的密码输入文本框区域，该支付工具能够识别该密码为该用户的支付工具的支付密码。
在该实施例中，基于调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别用户的人脸图像信息，确定人脸图像信息的可信度和对应的用户信息；若用户指令为输入密码指令，则获取人脸图像对应的用户密码，并通过与当前终端界面对应的应用的用户协议将用户密码发送至当前终端界面的密码输入文本框区域。从而使得用户不用手动输入密码，减少了输入密码错误的概率，同时免去了用户记忆多个应用程序的密码的麻烦，提高了密码的安全性。
在本发明的另一个实施例中，如图9所示，该装置还包括密码生成单元840，该密码生成单元840用于若用户指令为生成密码指令，则基于数字证书将用户的生物特征信息生成用户密码。其中，装置可以查询数据库中是否保存有用户的生物特征信息对应的校验值，若已保存，则基于数字证书将用户的生物特征信息生成用户密码。例如，在初始生成密码过程中，摄像头采集到用户的人脸图像后，在数据库中查询是否为机主用户，若是，则利用数字证书的加密方式将人脸图像初始化为复杂的密码。
在该实施例中，可以基于用户的生物特征信息生成用户密码，在用户在输入密码时，利用用户生物特征信息即可，用户不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
在本发明的另一个实施例中，密码生成单元840用于查询数据库中是否保存有该用户的人脸图像对应的校验值，若数据库中保存有用户的生物特征信息对应的校验值，则基于数字证书将用户的生物特征信息生成用户密码。例如，密码生成利用数字证书的加密方式，当初始化复杂密码后，加密解密过程如图6所示。根据用户的公钥、用户的密码、证书机构名称、证书有效期等经过哈希算法，生成信息摘要；同时，利用数字签名经过CA公钥解密得到信息摘要；判断两个摘要是否相同，如果相同，则说明该用户的公钥不是假冒的，可以用于验证该用户的签名或者用于和该用户的加密通信。
在本发明的另一个实施例中，如图9所示，该装置还包括密码存储单元850，用于判断生成的用户密码是否为关键密码，若生成的用户密码为关键密码，则将生成的用户密码在本地存储，若生成的用户密码不是关键密码，则将生成的用户在本地存储或上传到网络进行存储。
在上述实施例中，应用后台循环监听识别用户指令，在用户指令为生成密码指令时，调用人脸识别装置采集用户的人脸图像信息，进而基于数字证书生成用户密码，对于安全性较高的密码，则在本地进行存储，进而保证密码的安全性。
图10为本发明基于生物特征的数据处理的装置的另一个实施例的结构示意图。该装置包括存储器1010和处理器1020。
存储器1010可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1-7所对应实施例中的指令。
处理器1020耦接至存储器1010，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器1020用于执行存储器中存储的指令，该装置可以基于用户的生物特征信息生成用户密码，用户在输入密码时，利用用户生物特征信息即可，用户不用手动输入密码，提高了密码输入的准确性，同时提高了密码使用的安全性。
在一个实施例中，还可以如图11所示，该装置包括存储器1110和处理器1120。处理器1120通过BUS总线1130耦合至存储器1110。该装置1100还可以通过存储接口1140连接至外部存储装置1150以便调用外部数据，还可以通过网络接口1160连接至网络或者另外一台计算机系统(未标出)，此处不再进行详细介绍。
在该实施例中，应用后台循环监听识别用户指令，在用户指令为生成密码指令时，调用人脸识别装置采集用户的人脸图像信息，进而基于数字证书生成用户密码，对于安全性较高的密码，则在本地进行存储，进而保证密码的安全性。
在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1-7所对应实施例中的方法的步骤。本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本发明的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (18)
1.一种基于生物特征的数据处理方法，其特征在于，包括：
接收用户指令；
若所述用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，获取所述生物特征信息对应的用户密码，以便将所述用户密码发送至当前终端界面的密码输入文本框区域。
2.根据权利要求1所述的方法，其特征在于，还包括：
若所述用户指令为生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息，基于数字证书将所述用户的生物特征信息生成用户密码。
3.根据权利要求1所述的方法，其特征在于，获取所述生物特征信息对应的用户密码，以便将所述用户密码发送至当前终端界面的密码输入文本框区域包括：
确定当前终端界面对应的应用，以便在数据库中查找与所述生物特征信息对应的当前应用的用户密码，并将所述用户密码发送至当前终端界面的密码输入文本框区域；
其中，所述数据库中保存有所述生物特征信息与不同应用的用户密码之间的对应关系。
4.根据权利要求1所述的方法，其特征在于，获取所述生物特征信息对应的用户密码，以便将所述用户密码发送至当前终端界面的密码输入文本框区域包括：
获取所述生物特征信息对应的用户密码，以便通过与当前终端界面对应的应用的用户协议将所述用户密码发送至当前终端界面的密码输入文本框区域。
5.根据权利要求2所述的方法，其特征在于，基于数字证书将所述用户的生物特征信息生成用户密码包括：
查询数据库中是否保存有所述用户的生物特征信息对应的校验值；
若数据库中保存有所述用户的生物特征信息对应的校验值，则基于数字证书将所述用户的生物特征信息生成用户密码。
6.根据权利要求5所述的方法，其特征在于，还包括：
判断生成的用户密码是否为关键密码；
若所述生成的用户密码为关键密码，则将生成的用户密码在本地存储；
若所述生成的用户密码不是关键密码，则将生成的用户在本地存储或上传到网络进行存储。
7.根据权利要求1-6任一所述的方法，其特征在于，接收用户指令包括：
后台循环监听用户语音信息；
若监听到用户语音信息，则对用户语音信息进行消噪处理；
将消噪后的用户语音信息进行特征值提取；
将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。
8.根据权利要求7所述的方法，其特征在于，所述用户生物特征采集装置为人脸识别装置，调用用户生物特征采集装置采集用户的生物特征信息包括：
调用人脸识别装置采集用户的人脸图像信息；
采用神经网络模型识别所述用户的人脸图像信息，确定所述人脸图像信息的可信度和对应的用户信息。
9.一种基于生物特征的数据处理的装置，其特征在于，包括：
指令接收单元，用于接收用户指令；
装置调用单元，用于若所述用户指令为输入密码指令，则调用用户生物特征采集装置采集用户的生物特征信息；
密码获取单元，用于获取所述生物特征信息对应的用户密码，以便将所述用户密码发送至当前终端界面的密码输入文本框区域。
10.根据权利要求9所述的装置，其特征在于，还包括密码生成单元；
所述装置调用单元还用于若所述用户指令为生成密码指令，则调用用户生物特征采集装置采集用户的生物特征信息；
所述密码生成单元用于基于数字证书将所述用户的生物特征信息生成用户密码。
11.根据权利要求9所述的装置，其特征在于，所述密码获取单元用于确定当前终端界面对应的应用，从而在数据库中查找与所述生物特征信息对应的当前应用的用户密码，以便将所述用户密码发送至当前终端界面的密码输入文本框区域；
其中，所述数据库中保存有所述生物特征信息与不同应用的用户密码之间的对应关系。
12.根据权利要求9所述的装置，其特征在于，所述密码获取单元用于获取所述生物特征信息对应的用户密码，以便通过与当前终端界面对应的应用的用户协议将所述用户密码发送至当前终端界面的密码输入文本框区域。
13.根据权利要求10所述的装置，其特征在于，所述密码生成单元用于查询数据库中是否保存有所述用户的生物特征信息对应的校验值，若数据库中是否有所述用户的生物特征信息对应的校验值，则基于数字证书将所述用户的生物特征信息生成用户密码。
14.根据权利要求13所述的装置，其特征在于，还包括密码存储单元；
所述密码存储单元用于判断生成的用户密码是否为关键密码，若所述生成的用户密码为关键密码，则将生成的用户密码在本地存储，若所述生成的用户密码不是关键密码，则将生成的用户在本地存储或上传到网络进行存储。
15.根据权利要求9-14任一所述的装置，其特征在于，所述指令接收单元用于循环监听用户语音信息，若监听到用户语音信息，则对用户语音信息进行消噪处理，将消噪后的用户语音信息进行特征值处提取，将特征值与声纹模型库中的声纹进行匹配，识别用户指令信息。
16.根据权利要求15所述的装置，其特征在于，所述用户生物特征采集装置为人脸识别装置；
所述装置调用单元用于调用人脸识别装置采集用户的人脸图像信息，采用神经网络模型识别所述用户的人脸图像信息，确定所述人脸图像信息的可信度和对应的用户信息。
17.一种基于生物特征的数据处理的装置，其特征在于，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任一项所述的方法。
18.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至8任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710345466.9A CN106941506A (zh) | 2017-05-17 | 2017-05-17 | 基于生物特征的数据处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710345466.9A CN106941506A (zh) | 2017-05-17 | 2017-05-17 | 基于生物特征的数据处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106941506A true CN106941506A (zh) | 2017-07-11 |
Family
ID=59465034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710345466.9A Pending CN106941506A (zh) | 2017-05-17 | 2017-05-17 | 基于生物特征的数据处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106941506A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109040420A (zh) * | 2018-06-15 | 2018-12-18 | 青岛海信移动通信技术股份有限公司 | 终端设备解锁方法、装置、电子设备及存储介质 |
| CN109309659A (zh) * | 2018-07-19 | 2019-02-05 | 奇酷互联网络科技（深圳）有限公司 | 移动终端及其登录应用的方法和装置 |
| CN109545196A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市科迈爱康科技有限公司 | 语音识别方法、装置及计算机可读存储介质 |
| CN109545195A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市科迈爱康科技有限公司 | 陪伴机器人及其控制方法 |
| WO2019072060A1 (en) * | 2017-10-11 | 2019-04-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | METHOD FOR LOADING CERTIFICATE AND ASSOCIATED PRODUCT |
| CN110826507A (zh) * | 2019-11-11 | 2020-02-21 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383704A (zh) * | 2008-04-23 | 2009-03-11 | 鲁东大学 | 基于指纹识别技术的密码模块 |
| CN102891751A (zh) * | 2011-07-21 | 2013-01-23 | 中国移动通信集团公司 | 从指纹图像生成业务密码的方法和设备 |
| US20130179692A1 (en) * | 2012-01-11 | 2013-07-11 | King Saud University | Systems and methods for three-factor authentication |
| CN103685232A (zh) * | 2013-11-11 | 2014-03-26 | 上海乐今通信技术有限公司 | 移动终端及移动应用登录方法 |
| CN105227302A (zh) * | 2015-10-28 | 2016-01-06 | 广东欧珀移动通信有限公司 | 密码的共享方法及密码的共享系统 |
| CN105389493A (zh) * | 2015-10-28 | 2016-03-09 | 广东欧珀移动通信有限公司 | 密码管理方法及密码管理系统 |
| CN105608356A (zh) * | 2015-07-20 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 密码生成方法及装置、密码验证方法及装置和终端 |
| CN105721510A (zh) * | 2016-04-29 | 2016-06-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种账号登录方法与终端设备 |
-
2017
- 2017-05-17 CN CN201710345466.9A patent/CN106941506A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383704A (zh) * | 2008-04-23 | 2009-03-11 | 鲁东大学 | 基于指纹识别技术的密码模块 |
| CN102891751A (zh) * | 2011-07-21 | 2013-01-23 | 中国移动通信集团公司 | 从指纹图像生成业务密码的方法和设备 |
| US20130179692A1 (en) * | 2012-01-11 | 2013-07-11 | King Saud University | Systems and methods for three-factor authentication |
| CN103685232A (zh) * | 2013-11-11 | 2014-03-26 | 上海乐今通信技术有限公司 | 移动终端及移动应用登录方法 |
| CN105608356A (zh) * | 2015-07-20 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 密码生成方法及装置、密码验证方法及装置和终端 |
| CN105227302A (zh) * | 2015-10-28 | 2016-01-06 | 广东欧珀移动通信有限公司 | 密码的共享方法及密码的共享系统 |
| CN105389493A (zh) * | 2015-10-28 | 2016-03-09 | 广东欧珀移动通信有限公司 | 密码管理方法及密码管理系统 |
| CN105721510A (zh) * | 2016-04-29 | 2016-06-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种账号登录方法与终端设备 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019072060A1 (en) * | 2017-10-11 | 2019-04-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | METHOD FOR LOADING CERTIFICATE AND ASSOCIATED PRODUCT |
| US10419599B2 (en) | 2017-10-11 | 2019-09-17 | Guangdong Oppo Mobile Telecommunications Corp. | Certificate loading method and related product |
| CN110912704A (zh) * | 2017-10-11 | 2020-03-24 | Oppo广东移动通信有限公司 | 证书加载方法及相关产品 |
| CN110912704B (zh) * | 2017-10-11 | 2023-02-28 | Oppo广东移动通信有限公司 | 证书加载方法及相关产品 |
| CN109040420A (zh) * | 2018-06-15 | 2018-12-18 | 青岛海信移动通信技术股份有限公司 | 终端设备解锁方法、装置、电子设备及存储介质 |
| CN109309659A (zh) * | 2018-07-19 | 2019-02-05 | 奇酷互联网络科技（深圳）有限公司 | 移动终端及其登录应用的方法和装置 |
| CN109309659B (zh) * | 2018-07-19 | 2021-11-23 | 奇酷互联网络科技（深圳）有限公司 | 移动终端及其登录应用的方法和装置 |
| CN109545196A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市科迈爱康科技有限公司 | 语音识别方法、装置及计算机可读存储介质 |
| CN109545195A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市科迈爱康科技有限公司 | 陪伴机器人及其控制方法 |
| CN109545195B (zh) * | 2018-12-29 | 2023-02-21 | 深圳市科迈爱康科技有限公司 | 陪伴机器人及其控制方法 |
| CN110826507A (zh) * | 2019-11-11 | 2020-02-21 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、设备及存储介质 |
| CN110826507B (zh) * | 2019-11-11 | 2022-08-23 | 北京百度网讯科技有限公司 | 人脸检测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106941506A (zh) | 基于生物特征的数据处理方法和装置 | |
| US20210117529A1 (en) | Authenticating an identity of a person | |
| JP2022532677A (ja) | 身元検証及び管理システム | |
| US10839238B2 (en) | Remote user identity validation with threshold-based matching | |
| US11489866B2 (en) | Systems and methods for private authentication with helper networks | |
| CN111652290B (zh) | 一种对抗样本的检测方法及装置 | |
| CN106599872A (zh) | 用于验证活体人脸图像的方法和设备 | |
| CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
| US20210217144A1 (en) | Under water image color correction | |
| CN107609463A (zh) | 活体检测方法、装置、设备及存储介质 | |
| US20190147218A1 (en) | User specific classifiers for biometric liveness detection | |
| EP3471060B1 (en) | Apparatus and methods for determining and providing anonymized content within images | |
| CN109784316B (zh) | 一种追溯地铁闸机逃票的方法、装置及存储介质 | |
| CN105659243A (zh) | 被告知的隐式登记和标识 | |
| Al-Dhabi et al. | Deepfake video detection by combining convolutional neural network (cnn) and recurrent neural network (rnn) | |
| US20240048572A1 (en) | Digital media authentication | |
| CN111738199B (zh) | 图像信息验证方法、装置、计算装置和介质 | |
| JP2023539712A (ja) | 取引検証のための難読化された識別テンプレートの生成 | |
| CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
| US11269983B2 (en) | Thermally enriched multi-modal and multi-channel biometric authentication | |
| CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
| Hadi et al. | Fast discrimination of fake video manipulation | |
| AU2022282193A1 (en) | Selective obfuscation of objects in media content | |
| KR102234257B1 (ko) | 무자각 인증을 이용한 금융 서비스를 제공하는 어플리케이션 및 서비스 제공 방법 | |
| Trojahn et al. | Towards coupling user and device locations using biometrical authentication on smartphones |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1238034 Country of ref document: HK |
|
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170711 |
|
| RJ01 | Rejection of invention patent application after publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1238034 Country of ref document: HK |