CN107679860A - 一种用户认证的方法、装置、设备和计算机存储介质 - Google Patents
一种用户认证的方法、装置、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN107679860A CN107679860A CN201710677137.4A CN201710677137A CN107679860A CN 107679860 A CN107679860 A CN 107679860A CN 201710677137 A CN201710677137 A CN 201710677137A CN 107679860 A CN107679860 A CN 107679860A
- Authority
- CN
- China
- Prior art keywords
- gesture
- user
- feature
- authentication
- registration
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- 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
- G06V40/107—Static hand or arm
- G06V40/113—Recognition of static hand signs
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种用户认证的方法、装置、设备和计算机存储介质,其中所述用户认证的方法包括:获取用户带手势的人脸图像;对所述图像进行人脸识别以及手势特征提取;将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;根据比对结果,确定对用户的认证结果。通过本发明所提供的技术方案,能够简化用户认证的操作,提高用户认证的效率,并提高用户认证的安全性。
Description
【技术领域】
本发明涉及识别技术,尤其涉及一种用户认证的方法、装置、设备和计算机存储介质。
【背景技术】
在例如ATM取钱、远程处理金融业务或者使用手机支付等场景时,需要对用户的身份进行认证。现有技术通常使用数字以及字母组成的密码进行认证的方式。但使用密码进行认证的方式具有一定的局限性,例如输入麻烦、存在被盗用或者被遗忘的风险,而上述风险会给用户带来不便,甚至会给用户造成损失。因此亟需提供一种更加便捷以及安全的方法对用户进行认证。
【发明内容】
有鉴由此,本发明提供了一种用户认证的方法、装置、设备和计算机存储介质,能够简化用户认证的操作,提高用户认证的效率,并提高用户认证的安全性。
本发明为解决技术问题而采用的技术方案是提供一种用户认证的方法,所述方法包括:获取用户带手势的人脸图像;对所述图像进行人脸识别以及手势特征提取;将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;根据比对结果,确定对用户的认证结果。
根据本发明一优选实施例,所述对所述图像进行人脸识别包括:确定所述图像中的人脸区域;对所述人脸区域中的人脸图像进行识别,得到用户标识。
根据本发明一优选实施例,对所述图像进行手势特征提取包括:确定所述图像中的手势区域;将所述手势区域中的手势图像作为特征提取模型的输入,根据特征提取模型的输出结果,得到当前手势的手势特征;其中,特征提取模型是预先训练得到的。
根据本发明一优选实施例,所述特征提取模型是采用如下方式预先训练得到:获取对应已知手势的多个手势图像作为训练样本;将所述手势图像作为输入,将已知手势信息作为输出,训练基于深度神经网络的分类模型;利用训练得到的所述分类模型中的深度神经网络作为所述特征提取模型;所述特征提取模型用于根据所输入的手势图像得到对应的手势特征。
根据本发明一优选实施例,所述手势特征包括手势类型特征,或者进一步包括手势姿态特征。
根据本发明一优选实施例,所述方法还包括:预先获取用户的注册手势;从所述注册手势中提取手势特征;记录所述用户标识对应的注册手势的手势特征。
根据本发明一优选实施例,所述方法还包括:若人脸识别未得到用户标识,则确定对所述用户的认证失败。
根据本发明一优选实施例,所述将所述提取的手势特征与所述注册手势的手势特征比对包括:计算所述提取的手势特征与所述注册手势的手势特征之间的相似度;所述根据比对结果,确定对用户的认证结果包括:若所述相似度达到预设的相似度要求,则确定对所述用户的认证通过,否则认证失败。
根据本发明一优选实施例,所述方法还包括:若所述认证结果为认证失败,则提示重新认证,并转至所述获取用户带手势的人脸图像,直至达到预设认证次数。
本发明为解决技术问题而采用的技术方案是提供一种用户认证的装置,所述装置包括:获取单元,用于获取用户带手势的人脸图像;处理单元,用于对所述图像进行人脸识别以及手势特征提取;比对单元,用于将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;认证单元,用于根据比对结果,确定对用户的认证结果。
根据本发明一优选实施例,所述处理单元在用于对所述图像进行人脸识别时,具体执行:确定所述图像中的人脸区域;对所述人脸区域中的人脸图像进行识别,得到用户标识。
根据本发明一优选实施例,所述处理单元在用于对所述图像进行手势特征提取时,具体执行:确定所述图像中的手势区域;将所述手势区域中的手势图像作为特征提取模型的输入,根据特征提取模型的输出结果,得到当前手势的手势特征;其中,特征提取模型是预先训练得到的。
根据本发明一优选实施例,所述装置还包括训练单元,用于采用如下方式预先训练得到特征提取模型:获取对应已知手势的多个手势图像作为训练样本;将所述手势图像作为输入,将已知手势信息作为输出,训练基于深度神经网络的分类模型;利用训练得到的所述分类模型中的深度神经网络得到所述特征提取模型;所述特征提取模型用于根据所输入的手势图像得到对应的手势特征。
根据本发明一优选实施例,所述手势特征包括手势类型特征,或者进一步包括手势姿态特征。
根据本发明一优选实施例,所述装置还包括记录单元,具体执行:预先获取用户的注册手势;从所述注册手势中提取手势特征;记录所述用户标识对应的注册手势的手势特征。
根据本发明一优选实施例,所述认证单元,还用于若所述处理单元进行人脸识别未得到用户标识,则确定对所述用户的认证失败。
根据本发明一优选实施例,所述比对单元在用于将所述提取的手势特征与所述注册手势的手势特征比对时,具体执行:计算所述提取的手势特征与所述注册手势的手势特征之间的相似度;所述认证单元在用于根据比对结果确定对用户的认证结果时,具体执行:若所述相似度达到预设的相似度要求,则确定对所述用户的认证通过,否则认证失败。
根据本发明一优选实施例,所述认证单元,还用于若所述认证结果为认证失败,则提示重新认证,并触发所述获取单元重新获取用户带手势的人脸图像,直至达到预设认证次数。
由以上技术方案可以看出,利用本发明所提供的技术方案,通过将手势作为密码,利用用户当前手势与注册手势之间进行比对的方式,无需输入繁琐的密码便能实现用户认证,从而简化用户认证的操作,提高用户认证的效率,并提高用户认证的安全性。
【附图说明】
图1为本发明一实施例提供的一种用户认证的方法流程图。
图2为本发明一实施例提供的一种用户认证的装置结构图。
图3为本发明一实施例提供的计算机系统/服务器的框图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在ATM取钱、远程处理金融业务或者移动设备支付等场景时,都需要对用户进行认证。现有的认证方式一般采用数字以及字母组合的密码进行,但使用密码的认证方式时具有一定的局限性,例如密码设置的过于复杂时会容易被遗忘,密码设置简单时会容易被破解,因此会给用户带来不便或者对用户造成损失。因此本发明提供了一种用户认证的方法、装置、设备和计算机存储介质,通过将用户手势作为密码,利用用户当前手势与注册手势进行比对的方式,从而更加便捷、安全地实现用户认证。
图1为本发明一实施例提供的一种用户认证的方法流程图,如图1中所示,所述方法包括:
在101中,获取带用户手势的人脸图像。
在本步骤中,获取实时拍摄的当前用户带手势的人脸图像,即所获取的图像中需包含当前用户的人脸以及当前用户所作出的手势。由于用户可以预设的手势种类较多,并且其他人员无法轻易地获得用户所设置的手势,因此本发明将用户手势作为密码能够进一步提升用户认证的安全性。
而为了能够提高本发明在进行用户认证时的精度,在本步骤中,优先使用高清摄像头对用户进行拍摄,从而获取高清的用户带手势的人脸图像。
在102中,对所述图像进行人脸识别以及手势特征提取。
在本步骤中,对步骤101中所获取的图像进行人脸识别操作以及手势特征提取操作。
具体地,对图像进行人脸识别可以采用以下方式:首先确定所获取图像中的人脸区域,例如可以通过使用基于Haar-like特征或者AdaBoost算法对图像中的人脸进行检测,从而将检测到的人脸所在的区域确定为人脸区域;然后根据所确定的人脸区域,对该区域中的人脸进行识别,即与注册用户的人脸图像进行特征比对,以得到该用户的用户标识。其中,用户标识代表用户的身份信息,可以包括用户的姓名、ID或者UID中的至少一种。在本步骤中,若经过人脸识别无法得到该用户的用户标识,则说明该用户并非注册用户,不需要再执行其他操作,直接确定该用户的认证结果为认证失败。
具体地,对图像进行手势特征提取可以采用如下方式:首先确定所获取图像中的手势区域,例如可以通过使用基于Haar-like特征或者AdaBoost算法对图像中的手势进行定位、检测,从而得到图像中的手势区域;然后将该手势区域所对应的图像作为手势图像,输入到特征提取模型,根据特征提取模型的输出结果,得到当前手势的手势特征。其中,手势特征包括手势类型特征,或者进一步包括手势姿态特征。
在本步骤中,所使用的特征提取模型可以采用以下方式预先训练得到:
首先获取训练样本。获取对应已知手势的多个手势图像。其中,已知手势的多个手势图像为:分别收集被认为是同一手势的多个手势图像,其中同一手势指的是手势类型和手势姿态均相同。对这些手势图像分别标记手势信息,例如将属于同一手势的手势图像标记同一个收集标记。尽可能多的获取不同手势的手势图像,训练样本数量越多最终训练得到的特征提取模型越精确。
然后,将各手势图像作为输入,将各手势图像所对应的手势信息作为输出,对基于深度神经网络的分类模型进行训练。该分类模型包括:神经网络层和Softmax层,其中,神经网络层用于从手势图像中进行手势特征的提取。提取的手势特征经过Softmax层映射至对应的分类即手势信息。对该分类模型的训练目标可以是映射至手势图像对应的已知手势上的概率最大化。训练结束后,可以将分类模型中的神经网络层作为特征提取模型。其中,深度神经网络可以为卷积神经网络,也可以为循环神经网络,本发明对此不进行限定。在通过训练得到特征提取模型后,便能够使用该特征提取模型执行上述操作,以获取手势图像中的手势特征,进而实现对用户进行认证。
在103中,将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对。
在本步骤中,通过计算当前手势特征与注册手势特征之间的相似度,对所提取的手势特征与人脸识别得到的用户标识所对应的注册手势的手势特征进行比对。
其中,用户标识所对应的注册手势的手势特征是采用如下方式获取的:首先,用户需要在注册时预先设置手势;然后,将用户预先设置的该手势作为注册手势,并提取该注册手势的手势特征;最后,将所提取的注册手势的手势特征与该用户的用户标识相对应,并进行记录,从而实现根据用户标识得到与用户标识相对应的注册手势的手势特征。其中,注册手势的手势特征的提取方式与当前手势的手势特征的提取方式相同,在此不进行赘述。
而在步骤102中,通过对图像中的人脸进行识别后,得到用户标识,因此本步骤能够根据所得到的用户标识,获取对应该用户标识的注册手势的手势特征,进而执行对所提取的手势特征与人脸识别得到的用户标识所对应的注册手势的手势特征进行比对的过程。
在本步骤中,通过计算手势特征之间的相似度进行比对,因此可以使用基于向量空间模型的方法,也可以使用深度学习模型的方法。其中,深度学习模型是预先训练得到的,能够根据输入的当前手势特征与注册手势特征,自动判断两者之间的相似度。
具体地,在使用基于向量空间模型的方法得到当前手势与注册手势之间的相似度时,可以使用如下方式:基于向量空间,计算当前手势特征与注册手势特征之间的夹角或者欧式距离等,将计算所得到的夹角或欧氏距离作为当前手势特征与注册手势特征之间的相似度,从而实现手势特征之间的比对。
在104中,根据比对结果,确定对用户的认证结果。
在本步骤中,根据步骤103所得到的手势特征之间的相似度,判断该相似度是否达到预设的相似度要求,进而确定对所述用户的认证结果。
具体地,可以采用如下方式确定用户的认证结果:若当前手势特征与注册手势特征之间的相似度大于或等于预设的相似度阈值,则判断当前手势与注册手势一致,从而确定用户的认证结果为认证通过;若当前手势特征与注册手势特征之间的相似度小于预设的相似度阈值,则判断当前手势与注册手势不一致,从而确定用户的认证结果为认证失败。
由于在进行认证时,可能会因为拍摄问题或者用户自身原因而导致认证失败。因此在本步骤之后,还进一步包括:若认证结果为认证失败,则提示用户重新进行认证,即转至获取用户带手势的人脸图像,重新开始认证;若经过预设次数的认证后,所得到的认证结果仍为认证失败,则用户的认证结果为认证失败。通过这样的方式,能够进一步提升对用户进行认证的精度。
图2为本发明一实施例提供的一种用户认证的装置结构图,如图2中所示,所示装置包括:获取单元21、处理单元22、比对单元23、认证单元24、记录单元25、训练单元26。
获取单元21,用于获取用户带手势的人脸图像。
获取单元21获取实时拍摄的当前用户带手势的人脸图像,即获取单元21所获取的图像中需包含当前用户的人脸以及当前用户所作出的手势。由于用户可以预设的手势种类较多,并且其他人员无法轻易地获得用户所设置的手势,因此将手势作为密码能够进一步提升用户认证的安全性。
而为了能够提高本发明在进行用户认证时的精度,获取单元21优先使用高清摄像头对用户进行拍摄,从而获取高清的用户带手势的人脸图像。
训练单元26,用于训练得到特征提取模型。
训练单元26在训练得到特征提取模型时,可以采用如下方式:
训练单元26首先获取训练样本。训练单元26获取对应已知手势的多个手势图像。其中,已知手势的多个手势图像为:分别收集被认为是同一手势的多个手势图像,其中同一手势指的是手势类型和手势姿态均相同。对这些手势图像分别标记手势信息,例如将属于同一手势的手势图像标记同一个收集标记。尽可能多的获取不同手势的手势图像,训练样本数量越多,最终训练得到的特征提取模型越精确。
然后,训练单元26将各手势图像作为输入,将各手势图像所对应的手势信息作为输出,对基于深度神经网络的分类模型进行训练。该分类模型包括:神经网络层和Softmax层,其中,神经网络层用于从手势图像中进行手势特征的提取。提取的手势特征经过Softmax层映射至对应的分类即手势信息。对该分类模型的训练目标可以是映射至手势图像对应的已知手势上的概率最大化。训练结束后,可以将分类模型中的神经网络层作为特征提取模型。其中,深度神经网络可以为卷积神经网络,也可以为循环神经网络,本发明对此不进行限定。在通过训练单元26训练得到特征提取模型后,便能够使用该特征提取模型执行上述操作,以获取手势图像中的手势特征,进而实现对用户进行认证。
处理单元22,用于对所述图像进行人脸识别以及手势特征提取。
处理单元22对获取单元21中所获取的图像进行人脸识别操作以及手势特征提取操作。
具体地,处理单元22对图像进行人脸识别时,可以采用以下方式:首先处理单元22确定所获取图像中的人脸区域,例如处理单元22可以通过使用基于Haar-like特征或者AdaBoost算法对图像中的人脸进行检测,从而将检测到的人脸所在的区域确定为人脸区域;然后处理单元22根据所确定的人脸区域,对该区域中的人脸进行识别,即与注册用户的人脸图像进行特征比对,以得到该用户的用户标识。其中,用户标识代表用户的身份信息,可以包括用户的姓名、ID或者UID中的至少一种。
具体地,处理单元22对图像进行手势特征提取时,可以采用如下方式:首先处理单元22确定所获取图像中的手势区域,例如可以通过使用基于Haar-like特征或者AdaBoost算法对图像中的手势进行定位、检测,从而得到图像中的手势区域;然后处理单元22将该手势区域所对应的图像作为手势图像,输入到训练单元27训练得到的特征提取模型中,根据特征提取模型的输出结果,得到当前手势的手势特征。其中,手势特征包括手势类型特征,或者进一步包括手势姿态特征。
记录单元25,用于记录与用户标识对应的注册手势的手势特征。
记录单元25记录与用户标识对应的注册手势的手势特征,从而比对单元23能够根据处理单元22所得到的用户标识找到对应该用户标识的注册手势的手势特征,进而进行当前手势特征与注册手势特征的比对。
具体地,记录单元25在用于记录与用户标识对应的注册手势的手势特征时,可以采用如下方式:首先,用户需要在注册时预先设置手势;然后,将用户预先设置的该手势作为注册手势,并提取该注册手势的手势特征;最后,将所提取的注册手势的手势特征与该用户的用户标识相对应,并进行记录,从而得到与用户标识相对应的注册手势的手势特征。
比对单元23,用于将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对。
比对单元23通过计算当前手势特征与注册手势特征之间的相似度,实现对所提取的手势特征与人脸识别得到的用户标识所对应的注册手势的手势特征进行比对。
在处理单元22通过对图像中的人脸进行识别后,能够得到用户标识,因此比对单元23便能够根据所得到的用户标识,获取记录单元25预先记录的对应该用户标识的注册手势的手势特征,进而执行对所提取的手势特征与人脸识别得到的用户标识所对应的注册手势的手势特征进行比对的过程。
比对单元23通过计算手势特征之间的相似度进行比对,因此比对单元23可以使用基于向量空间模型的方法,也可以使用深度学习模型的方法。其中,深度学习模型是预先训练得到的,能够根据输入的当前手势特征与注册手势特征,自动判断两者之间的相似度。
具体地,比对单元23在使用基于向量空间模型的方法得到当前手势特征与注册手势特征之间的相似度时,可以使用如下方式:基于向量空间,比对单元23计算当前手势特征与注册手势特征之间的夹角或者欧式距离等,比对单元23将计算所得到的夹角或欧氏距离作为当前手势特征与注册手势特征之间的相似度,从而完成手势特征之间的比对。
认证单元24,用于根据比对结果,确定对用户的认证结果。
认证单元24根据比对单元23所得到的手势特征之间的相似度,判断该相似度是否达到预设的相似度要求,进而确定对所述用户的认证结果。
具体地,认证单元24在确定用户的认证结果时,可以采用如下方式:若当前手势特征与注册手势特征之间的相似度大于或等于预设的相似度阈值,认证单元24判断当前手势与注册手势一致,从而确定用户的认证结果为认证通过;若当前手势特征与注册手势特征之间的相似度小于预设的相似度阈值,则认证单元24判断当前手势与注册手势不一致,从而确定用户的认证结果为认证失败。
在处理单元22进行人脸识别时,若未能得到该用户的用户标识,即无法根据用户标识找到对应该用户的注册手势的手势特征,则比对单元23的比对过程也无法进行。因此在处理单元22未获得用户标识时,认证单元24直接确定用户的认证失败。
由于在进行认证时,可能会因为拍摄问题或者用户自身原因而导致认证失败。因此在认证单元24得到用户认证失败的认证结果后,认证单元24可以进一步执行:若认证结果为认证失败,则认证单元24提示用户重新进行认证,即触发获取单元21获取用户带手势的人脸图像的步骤,重新开始认证;若经过预设次数的认证后,所得到的认证结果仍为认证失败,则认证单元24确定用户的认证结果为认证失败。通过这样的方式,能够进一步提升对用户进行认证的精准程度。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于:一个或者多个处理器或者处理单元016,系统存储器028,连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040,可以存储在例如存储器028中,这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信,在本发明中,计算机系统/服务器012与外部雷达设备进行通信,还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信,和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且,计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统/服务器012使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序,从而执行各种功能应用以及数据处理,例如实现一种用户认证的方法,可以包括:
获取用户带手势的人脸图像;
对所述图像进行人脸识别以及手势特征提取;
将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;
根据比对结果,确定对用户的认证结果。
上述的计算机程序可以设置于计算机存储介质中,即该计算机存储介质被编码有计算机程序,该程序在被一个或多个计算机执行时,使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如,被上述一个或多个处理器执行的方法流程,可以包括:
获取用户带手势的人脸图像;
对所述图像进行人脸识别以及手势特征提取;
将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;
根据比对结果,确定对用户的认证结果。
随着时间、技术的发展,介质含义越来越广泛,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
通过本发明所提供的技术方案,通过将手势作为密码,利用用户当前手势与注册手势之间进行比对的方式,无需输入繁琐的密码便能够认证用户,从而简化用户认证的操作,提高用户认证的效率,并提高用户认证的安全性。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (20)
1.一种用户认证的方法,其特征在于,所述方法包括:
获取用户带手势的人脸图像;
对所述图像进行人脸识别以及手势特征提取;
将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;
根据比对结果,确定对用户的认证结果。
2.根据权利要求1所述的方法,其特征在于,对所述图像进行人脸识别包括:
确定所述图像中的人脸区域;
对所述人脸区域中的人脸图像进行识别,得到用户标识。
3.根据权利要求1所述的方法,其特征在于,对所述图像进行手势特征提取包括:
确定所述图像中的手势区域;
将所述手势区域中的手势图像作为特征提取模型的输入,根据特征提取模型的输出结果,得到当前手势的手势特征;
其中,特征提取模型是预先训练得到的。
4.根据权利要求3所述的方法,其特征在于,所述特征提取模型是采用如下方式预先训练得到:
获取对应已知手势的多个手势图像作为训练样本;
将所述手势图像作为输入,将已知手势信息作为输出,训练基于深度神经网络的分类模型;
利用训练得到的所述分类模型中的深度神经网络作为所述特征提取模型;
所述特征提取模型用于根据所输入的手势图像得到对应的手势特征。
5.根据权利要求1所述的方法,其特征在于,所述手势特征包括手势类型特征,或者进一步包括手势姿态特征。
6.根据权利要求1所述的方法,其特征在于,该方法还包括:
预先获取用户的注册手势;
从所述注册手势中提取手势特征;
记录所述用户标识对应的注册手势的手势特征。
7.根据权利要求1所述的方法,其特征在于,该方法还包括:
若人脸识别未得到用户标识,则确定对所述用户的认证失败。
8.根据权利要求1所述的方法,其特征在于,将所述提取的手势特征与所述注册手势的手势特征比对包括:计算所述提取的手势特征与所述注册手势的手势特征之间的相似度;
所述根据比对结果,确定对用户的认证结果包括:若所述相似度达到预设的相似度要求,则确定对所述用户的认证通过,否则认证失败。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述认证结果为认证失败,则提示重新认证,并转至所述获取用户带手势的人脸图像,直至达到预设认证次数。
10.一种用户认证的装置,其特征在于,所述装置包括:
获取单元,用于获取用户带手势的人脸图像;
处理单元,用于对所述图像进行人脸识别以及手势特征提取;
比对单元,用于将所述提取的手势特征与人脸识别得到的用户标识对应的注册手势的手势特征比对;
认证单元,用于根据比对结果,确定对用户的认证结果。
11.根据权利要求10所述的装置,其特征在于,所述处理单元在用于对所述图像进行人脸识别时,具体执行:
确定所述图像中的人脸区域;
对所述人脸区域中的人脸图像进行识别,得到用户标识。
12.根据权利要求10所述的装置,其特征在于,所述处理单元在用于对所述图像进行手势特征提取时,具体执行:
确定所述图像中的手势区域;
将所述手势区域中的手势图像作为特征提取模型的输入,根据特征提取模型的输出结果,得到当前手势的手势特征;
其中,特征提取模型是预先训练得到的。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括训练单元,用于采用如下方式预先训练得到特征提取模型:
获取对应已知手势的多个手势图像作为训练样本;
将所述手势图像作为输入,将已知手势信息作为输出,训练基于深度神经网络的分类模型;
利用训练得到的所述分类模型中的深度神经网络得到所述特征提取模型;
所述特征提取模型用于根据所输入的手势图像得到对应的手势特征。
14.根据权利要求10所述的装置,其特征在于,所述手势特征包括手势类型特征,或者进一步包括手势姿态特征。
15.根据权利要求10所述的装置,其特征在于,所述装置还包括记录单元,具体执行:
预先获取用户的注册手势;
从所述注册手势中提取手势特征;
记录所述用户标识对应的注册手势的手势特征。
16.根据权利要求10所述的装置,其特征在于,所述认证单元,还用于若所述处理单元进行人脸识别未得到用户标识,则确定对所述用户的认证失败。
17.根据权利要求10所述的装置,其特征在于,所述比对单元在用于将所述提取的手势特征与所述注册手势的手势特征比对时,具体执行:计算所述提取的手势特征与所述注册手势的手势特征之间的相似度;
所述认证单元在用于根据比对结果确定对用户的认证结果时,具体执行:若所述相似度达到预设的相似度要求,则确定对所述用户的认证通过,否则认证失败。
18.根据权利要求10所述的装置,其特征在于,所述认证单元,还用于若所述认证结果为认证失败,则提示重新认证,并触发所述获取单元重新获取用户带手势的人脸图像,直至达到预设认证次数。
19.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
20.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710677137.4A CN107679860A (zh) | 2017-08-09 | 2017-08-09 | 一种用户认证的方法、装置、设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710677137.4A CN107679860A (zh) | 2017-08-09 | 2017-08-09 | 一种用户认证的方法、装置、设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679860A true CN107679860A (zh) | 2018-02-09 |
Family
ID=61135612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710677137.4A Pending CN107679860A (zh) | 2017-08-09 | 2017-08-09 | 一种用户认证的方法、装置、设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679860A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614953A (zh) * | 2018-12-27 | 2019-04-12 | 华勤通讯技术有限公司 | 一种基于图像识别的控制方法、车载设备及存储介质 |
CN109828660A (zh) * | 2018-12-29 | 2019-05-31 | 深圳云天励飞技术有限公司 | 一种基于增强现实的控制应用操作的方法及装置 |
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 |
CN110457877A (zh) * | 2019-07-31 | 2019-11-15 | 中国工商银行股份有限公司 | 用户认证方法和装置、电子设备、计算机可读存储介质 |
WO2019223056A1 (zh) * | 2018-05-22 | 2019-11-28 | 深圳市鹰硕技术有限公司 | 基于手势识别的教学互动方法以及装置 |
CN111062312A (zh) * | 2019-12-13 | 2020-04-24 | RealMe重庆移动通信有限公司 | 手势识别方法、手势控制方法、装置、介质与终端设备 |
CN111178139A (zh) * | 2019-12-04 | 2020-05-19 | 北京沃东天骏信息技术有限公司 | 一种身份认证的方法以及支付方法和支付设备 |
CN111291671A (zh) * | 2020-01-23 | 2020-06-16 | 深圳市大拿科技有限公司 | 手势控制方法及相关设备 |
CN111368814A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及系统 |
CN111563746A (zh) * | 2020-04-30 | 2020-08-21 | 中国工商银行股份有限公司 | 用户身份认证的方法、装置、电子设备和介质 |
CN111860285A (zh) * | 2020-07-15 | 2020-10-30 | 北京思图场景数据科技服务有限公司 | 用户注册方法、装置、电子设备及存储介质 |
GB2586242A (en) * | 2019-08-13 | 2021-02-17 | Innovative Tech Ltd | A method of enrolling a new member to a facial image database |
CN112380512A (zh) * | 2020-11-02 | 2021-02-19 | 华南理工大学 | 卷积神经网络动态手势认证方法、装置、存储介质及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509053A (zh) * | 2011-11-23 | 2012-06-20 | 唐辉 | 用于验证授权的方法、处理器、设备和移动终端 |
CN104182772A (zh) * | 2014-08-19 | 2014-12-03 | 大连理工大学 | 一种基于深度学习的手势识别方法 |
US20160071111A1 (en) * | 2012-01-13 | 2016-03-10 | Amazon Technologies, Inc. | Image analysis for user authentication |
CN105869235A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种安全门禁方法及系统 |
CN105872685A (zh) * | 2016-03-24 | 2016-08-17 | 深圳市国华识别科技开发有限公司 | 智能终端控制方法和系统、智能终端 |
CN106228133A (zh) * | 2016-07-21 | 2016-12-14 | 北京旷视科技有限公司 | 用户验证方法及装置 |
CN106454071A (zh) * | 2016-09-09 | 2017-02-22 | 捷开通讯(深圳)有限公司 | 终端及其基于手势进行自动拍摄的方法 |
CN106682909A (zh) * | 2017-01-04 | 2017-05-17 | 上海量明科技发展有限公司 | 手势支付方法及系统 |
-
2017
- 2017-08-09 CN CN201710677137.4A patent/CN107679860A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509053A (zh) * | 2011-11-23 | 2012-06-20 | 唐辉 | 用于验证授权的方法、处理器、设备和移动终端 |
US20160071111A1 (en) * | 2012-01-13 | 2016-03-10 | Amazon Technologies, Inc. | Image analysis for user authentication |
CN104182772A (zh) * | 2014-08-19 | 2014-12-03 | 大连理工大学 | 一种基于深度学习的手势识别方法 |
CN105869235A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种安全门禁方法及系统 |
CN105872685A (zh) * | 2016-03-24 | 2016-08-17 | 深圳市国华识别科技开发有限公司 | 智能终端控制方法和系统、智能终端 |
CN106228133A (zh) * | 2016-07-21 | 2016-12-14 | 北京旷视科技有限公司 | 用户验证方法及装置 |
CN106454071A (zh) * | 2016-09-09 | 2017-02-22 | 捷开通讯(深圳)有限公司 | 终端及其基于手势进行自动拍摄的方法 |
CN106682909A (zh) * | 2017-01-04 | 2017-05-17 | 上海量明科技发展有限公司 | 手势支付方法及系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019223056A1 (zh) * | 2018-05-22 | 2019-11-28 | 深圳市鹰硕技术有限公司 | 基于手势识别的教学互动方法以及装置 |
CN109614953A (zh) * | 2018-12-27 | 2019-04-12 | 华勤通讯技术有限公司 | 一种基于图像识别的控制方法、车载设备及存储介质 |
CN109828660A (zh) * | 2018-12-29 | 2019-05-31 | 深圳云天励飞技术有限公司 | 一种基于增强现实的控制应用操作的方法及装置 |
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 |
CN110457877A (zh) * | 2019-07-31 | 2019-11-15 | 中国工商银行股份有限公司 | 用户认证方法和装置、电子设备、计算机可读存储介质 |
GB2586242A (en) * | 2019-08-13 | 2021-02-17 | Innovative Tech Ltd | A method of enrolling a new member to a facial image database |
GB2586242B (en) * | 2019-08-13 | 2022-07-06 | Innovative Tech Ltd | A method of enrolling a new member to a facial image database |
CN111178139A (zh) * | 2019-12-04 | 2020-05-19 | 北京沃东天骏信息技术有限公司 | 一种身份认证的方法以及支付方法和支付设备 |
CN111062312A (zh) * | 2019-12-13 | 2020-04-24 | RealMe重庆移动通信有限公司 | 手势识别方法、手势控制方法、装置、介质与终端设备 |
CN111062312B (zh) * | 2019-12-13 | 2023-10-27 | RealMe重庆移动通信有限公司 | 手势识别方法、手势控制方法、装置、介质与终端设备 |
CN111291671A (zh) * | 2020-01-23 | 2020-06-16 | 深圳市大拿科技有限公司 | 手势控制方法及相关设备 |
CN111291671B (zh) * | 2020-01-23 | 2024-05-14 | 深圳市大拿科技有限公司 | 手势控制方法及相关设备 |
CN111563746A (zh) * | 2020-04-30 | 2020-08-21 | 中国工商银行股份有限公司 | 用户身份认证的方法、装置、电子设备和介质 |
CN111368814A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及系统 |
CN111860285B (zh) * | 2020-07-15 | 2023-10-17 | 北京思图场景数据科技服务有限公司 | 用户注册方法、装置、电子设备及存储介质 |
CN111860285A (zh) * | 2020-07-15 | 2020-10-30 | 北京思图场景数据科技服务有限公司 | 用户注册方法、装置、电子设备及存储介质 |
CN112380512B (zh) * | 2020-11-02 | 2022-06-14 | 广州光达创新科技有限公司 | 卷积神经网络动态手势认证方法、装置、存储介质及设备 |
CN112380512A (zh) * | 2020-11-02 | 2021-02-19 | 华南理工大学 | 卷积神经网络动态手势认证方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679860A (zh) | 一种用户认证的方法、装置、设备和计算机存储介质 | |
US11443559B2 (en) | Facial liveness detection with a mobile device | |
US11610394B2 (en) | Neural network model training method and apparatus, living body detecting method and apparatus, device and storage medium | |
CN109711243B (zh) | 一种基于深度学习的静态三维人脸活体检测方法 | |
US20190034702A1 (en) | Living body detecting method and apparatus, device and storage medium | |
US10509895B2 (en) | Biometric authentication | |
WO2019062080A1 (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
CN112364803B (zh) | 活体识别辅助网络的训练方法、终端、设备及存储介质 | |
CN107609462A (zh) | 待检测信息生成及活体检测方法、装置、设备及存储介质 | |
CN109145680A (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
CN107563283A (zh) | 生成攻击样本的方法、装置、设备及存储介质 | |
CN110175527A (zh) | 行人再识别方法及装置、计算机设备及可读介质 | |
CN107609466A (zh) | 人脸聚类方法、装置、设备及存储介质 | |
CN108875833A (zh) | 神经网络的训练方法、人脸识别方法及装置 | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
US11126827B2 (en) | Method and system for image identification | |
CN105590097A (zh) | 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法 | |
US20200364716A1 (en) | Methods and systems for generating a unique signature based on user device movements in a three-dimensional space | |
CN107563289A (zh) | 一种活体检测的方法、装置、设备和计算机存储介质 | |
CN107609463A (zh) | 活体检测方法、装置、设备及存储介质 | |
US20130114863A1 (en) | Registration program, registration apparatus, and method of registration | |
CN108847941B (zh) | 身份认证方法、装置、终端及存储介质 | |
CN107736874A (zh) | 一种活体检测的方法、装置、设备和计算机存储介质 | |
CN111563746A (zh) | 用户身份认证的方法、装置、电子设备和介质 | |
CN107657454A (zh) | 生物支付方法、装置、设备及存储介质 |
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 |