CN108319930A - 身份认证方法、系统、终端和计算机可读存储介质 - Google Patents

身份认证方法、系统、终端和计算机可读存储介质 Download PDF

Info

Publication number
CN108319930A
CN108319930A CN201810193228.5A CN201810193228A CN108319930A CN 108319930 A CN108319930 A CN 108319930A CN 201810193228 A CN201810193228 A CN 201810193228A CN 108319930 A CN108319930 A CN 108319930A
Authority
CN
China
Prior art keywords
people
certified
personage
doubtful
face
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.)
Granted
Application number
CN201810193228.5A
Other languages
English (en)
Other versions
CN108319930B (zh
Inventor
谢文斌
赫卫卿
刘凡平
陈相礼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810193228.5A priority Critical patent/CN108319930B/zh
Publication of CN108319930A publication Critical patent/CN108319930A/zh
Priority to US16/153,021 priority patent/US10740636B2/en
Application granted granted Critical
Publication of CN108319930B publication Critical patent/CN108319930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提出一种身份认证方法、系统、终端和计算机可读存储介质，身份认证方法包括：采集待认证人的面部图像，获取待认证人的面部特征信息；根据待认证人的面部特征信息，利用人脸认证平台获取并输出疑似人物；采集待认证人的人体图像，根据人体图像获取待认证人的多个骨骼关键点；将各骨骼关键点转换为若干特征数据；将待认证人的特征数据与疑似人物的信息结合，识别待认证人的身份。本发明通过将面部认证和形体认证两种技术结合，为用户提供更高安全级别的多因子身份认证，有效对抗面部识别活体攻击，可以通过形体认证进行阻拦，有效弥补单因子认证的不足，提高认证准确率。

Description

身份认证方法、系统、终端和计算机可读存储介质
技术领域
本发明涉及图像处理识别技术领域，特别涉及一种基于面部和形体的多因子身份认证方法、系统、终端和计算机可读存储介质。
背景技术
现有技术中人在通过闸极、门禁等设备时需要进行身份认证，而通常只采用一种方式进行认证，例如指纹识别或面部识别。但是随着技术发展，单一的身份认证方式不够安全可靠，系统容易遭受攻击，从而无法准确拦截或错误识别待认证人的身份。另一方面，身份认证的设备受外界环境因素影响较大，当分辨率低、周围光线差或妆容改变时，均无法准确识别确认身份，从而使得最终的认证结果出现偏差，造成误识或识别不出等情况，大大降低了识别效率和准确度。
在背景技术中公开的上述信息仅用于加强对本发明的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。
发明内容
本发明实施例提供一种身份认证方法、系统、终端和计算机可读存储介质，以解决现有技术中的一个或更多个技术问题。
第一方面，本发明实施例提供了一种身份认证方法，包括：
采集待认证人的面部图像，获取所述待认证人的面部特征信息；
根据所述待认证人的所述面部特征信息，利用人脸认证平台获取并输出疑似人物；
采集所述待认证人的人体图像，根据所述人体图像获取所述待认证人的多个骨骼关键点；
将各所述骨骼关键点转换为若干特征数据；
将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份。
结合第一方面，本发明在第一方面的第一种实施方式中，当输出的所述疑似人物为一个人时，将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份，包括：
将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
获取所述疑似人物的第二形体特征信息；
将所述第一形体特征信息和所述第二形体特征信息输入到第一形体特征模型中进行处理；
根据所述第一形体特征模型的处理结果，识别所述待认证人的身份是否是所述疑似人物的概率。
结合第一方面，本发明在第一方面的第二种实施方式中，利用人脸认证平台获取并输出疑似人物，包括：
所述人脸认证平台根据所述待认证人的所述面部特征信息，输出多个所述疑似人物，并对各所述疑似人物的面部进行打分。
结合第一方面的第二种实施方式，本发明在第一方面的第三种实施方式中，将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份，包括：
将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
将所述第一形体特征信息输入到第二形体特征模型中进行处理，输出多个备选人物，并对每一个备选人物的形体进行打分；
将各所述备选人物的形体分数与各所述疑似人物的面部分数进行计算；
根据计算结果确认所述待认证人的身份。
结合第一方面的第三种实施方式，本发明在第一方面的第四中实施方式中，将各所述备选人物的分数与各所述疑似人物的分数进行计算，包括：
获取所述备选人物和所述疑似人物中均包括的人物作为对象；
根据所述对象的所述形体分数和所述面部分数进行加权求和；
选取所述加权求和得分最高的所述对象作为所述待认证人的身份。
结合第一方面，本发明在第一方面的第五种实施方式中，根据所述人体图像获取所述待认证人的多个所述骨骼关键点，包括：
根据所述待认证人的所述人体图像，基于卷积神经网络构建的骨骼识别模型提取出所述待认证人的多个所述骨骼关键点。
结合第一方面，本发明在第一方面的第六种实施方式中，将各所述骨骼关键点转换为若干个特征数据之前，还包括：
对各所述骨骼关键点进行纠正处理，将所述待认证人在非标准姿态时获取的各所述骨骼关键点，纠正为在标准姿态时的多个标准骨骼关键点。
结合第一方面，本发明在第一方面的第七种实施方式中，至少采用一个图像采集设备获取所述待认证人的所述面部图像和所述人体图像。
第二方面，本发明实施例提供了一种身份认证系统，包括：
面部识别模块，用于采集待认证人的面部图像，获取所述待认证人的面部特征信息；
匹配模块，用于根据所述待认证人的所述面部特征信息，利用人脸认证平台获取并输出疑似人物；
人体识别模块，用于采集所述待认证人的人体图像，根据所述人体图像获取所述待认证人的多个骨骼关键点；
转换模块，用于将各所述骨骼关键点转换为若干特征数据；
认证模块，用于根据所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份。
在一个可能的设计中，所述认证模块包括：
第一形体特征子模块，用于将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
第二形体特征子模块，用于获取所述疑似人物的第二形体特征信息；
第一处理子模块，用于将所述第一形体特征信息和所述第二形体特征信息输入到第一形体特征模型中进行处理；
认证子模块，用于根据所述第一形体特征模型的处理结果，识别所述待认证人的身份是否是所述疑似人物的概率。
在一个可能的设计中，所述匹配模块包括：
第二处理子模块，用于所述人脸认证平台根据所述待认证人的所述面部特征信息，输出多个所述疑似人物，并对各所述疑似人物的面部进行打分。
在一个可能的设计中，所述认证模块包括：
第一形体特征子模块，用于将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
第三处理子模块，用于将所述第一形体特征信息输入到第二形体特征模型中进行处理，输出多个备选人物，并对每一个备选人物的形体进行打分；
计算子模块，用于将各所述备选人物的形体分数与各所述疑似人物的面部分数进行计算；
认证子模块，用于根据计算结果确认所述待认证人的身份。
第三方面，本发明实施例提供了一种身份认证终端，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；
摄像头，用于采集图像；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面包括的任一所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现如第一方面包括的任一所述的方法。
上述技术方案中的一个技术方案具有如下优点或有益效果：1、通过将面部认证和形体认证两种技术结合，为用户提供更高安全级别的多因子身份认证，有效对抗面部识别活体攻击，攻击者在用照片或视频攻击人脸识别系统时，可以通过形体认证进行阻拦，有效弥补单因子认证的不足，提高认证准确率。2、形体认证是一种基于骨骼关键点的无感知身份认证技术，利用普通图像采集设备即可在中远距离条件下采集到人体骨骼信息，对人脸和环境光变化有较强的鲁棒性。并且对环境和人本身的依赖较小，可以作为人脸识别一个强有力的补充。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明实施方式提供的一种身份认证方法流程示意图；
图2为本发明实施方式提供的一种身份认证方法的具体流程示意图；
图3为本发明实施方式提供的另一种身份认证方法的具体流程示意图；
图4为本发明实施方式提供的非标准姿态纠正为标准姿态的示意图；
图5为本发明实施方式提供的一种身份认证系统结构示意图；
图6为本发明实施方式提供的一种身份认证终端结构示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
实施例一
本发明实施例提供了一种身份认证方法，如图1所示，该方法主要包括以下步骤：
步骤S100：采集待认证人的面部图像，获取待认证人的面部特征信息。
采集待认证人的面部图像可以通过摄像头或其他现有图像采集设备完成待认证人的面部图像采集动作。为了提高采集的面部图像准确度，优选的采用高清图像采集设备，高清图像采集设备也可以应用于中远距离的面部图像采集。当待认证人处于近距离时也可以应用普通摄像头进行面部图像采集。
步骤S200：根据待认证人的面部特征信息，利用人脸认证平台获取并输出疑似人物。
在一个实施例中，人脸认证平台采用现有技术中的任意认证系统均可，认证方式也可采用现有技术中的任意方式。例如，采用人脸特征模型进行打分的方式，也可采用数据库进行人脸特征数据比对的方式。人脸认证平台输出的意思人物可以为一个人，也可以是多个人。当输出为一个人时，则该人物为人脸认证平台中根据待认证人的面部图像给出的人脸得分最高的疑似人物。当输出为多个人时，则该多人为人脸认证平台中根据待认证人的面部图像给出的人脸得分大于阈值的前N个人物作为疑似人物。其中，N和阈值均为预设值。
步骤S300：采集待认证人的人体图像，根据人体图像获取待认证人的多个骨骼关键点。
采集待认证人的人体图像可以通过摄像头或其他现有图像采集设备完成待认证人的人体图像采集动作。由于获取人物人体图像对环境和人本身的依赖较小，因此可以采用低分辨率的图像采集设备完成人体图像的采集。
在一个实施例中，采集待认证人的面部图像和人体图像的图像采集设备可以采用同一个或分别采用不同的图像采集设备。
步骤S400：将各所述骨骼关键点转换为若干特征数据。
步骤S500：根据待认证人的特征数据与疑似人物的信息结合，识别待认证人的身份。
待认证人的特征数据与疑似人物的信息结合后通过打分方式体现，当得分不满足得分阈值时，则认定待认证人不是合法身份人物，待认证人无法通过闸机或门禁等设备。当得分超过阈值时，即认定待认证人是某一合法身份人物，待认证人可以通过闸机或门禁等设备。
在第一种实施方式的基础上，在采集到面部图像和/或人体图像后，为了提高后续提取的面部特征信息和骨骼关键点准确度，可以对面部图像和人体图像做预处理，改善面部图像和人体图像质量后在进行后续操作。
预处理的方式包括对采集的面部图像和/或人体图像进行光线调整、降噪处理、对比度调节等任意现有技术中的图像处理方式。需要说明的是，具体的图像预处理方式可采用现有技术中的任意方式，只要能够实现对采集的图像起到优化处理的作用即可，并不限于本实施例中举例说明的预处理方式。
在第一种实施方式的基础上，根据人体图像获取待认证人的多个骨骼关键点，包括：根据待认证人的人体图像，基于卷积神经网络构建的骨骼识别模型提取出待认证人的多个骨骼关键点。
需要说明的是，具体的骨骼关键点可根据需要进行选择，只要能够表现待认证人的形体姿态的身体位置均可。具体提取的骨骼关键点的个数也可以根据需要进行选择。选择的骨骼关键点数量越多识别出的待认证人的形体特征越准确。
在一个实施例中，骨骼关键点可以包括以下任意多种，例如：右脚踝、右膝盖、右臀、左髋、左膝盖、左脚踝、骨盆、胸部、上颈部、头顶、右手腕、右手肘、右肩、左肩、左肘、左手腕等的位置信息。需要说明的是，骨骼关键点并不限于上述举例，可根据需要进行调整。
在第一种实施方式的基础上，本发明方法至少可以应用于强安全认证场景和高效认证场景。
当应用于强安全认证场景时，采用人脸强因子认证和形体辅助因子认证相结合的方式，如图2所示，在第一种实施方式的基础上，当人脸认证平台输出的疑似人物为一个人时(人脸认证平台得出的人脸得分最高的人物)，根据待认证人的特征数据，与疑似人物的信息结合，识别待认证人的身份，包括：
将各特征数据组合形成表征待认证人的第一形体特征信息；
获取疑似人物的信息中含有的第二形体特征信息；
将第一形体特征信息和第二形体特征信息一起输入到第一形体特征模型中进行处理；
根据第一形体特征模型的处理结果，识别待认证人的身份是否是疑似人物的概率。
需要说明的是，第一形体特征模型处理的过程包括：第一形体特征模型对第一形体特征信息和第二形体特征信息进行对比分析，并对第一形体特征信息和第二形体特征信息的比对结果进行打分。
采用人脸强因子认证和形体辅助因子认证相结合的方式，能够实现更安全可靠的身份认证，增加形体认证能有效对抗人脸认证活体攻击，攻击者在用照片或视频攻击人脸认证系统时，可以通过形体认证进行阻拦。
当应用于高效认证场景时，采用人脸和形体双强因子认证，如图3所示，在第一种实施方式的基础上，利用人脸认证平台获取并输出疑似人物(各疑似人物为人脸认证平台得出的人脸得分大于阈值的前N个人，N为人数)，包括：人脸认证平台根据待认证人的面部特征信息，输出多个疑似人物，并对各疑似人物的面部进行打分；
根据待认证人的特征数据，与疑似人物的信息结合，识别待认证人的身份，包括：将各特征数据组合形成表征待认证人的第一形体特征信息；
将第一形体特征信息输入到第二形体特征模型中进行处理，第二形体特征模型输出多个备选人物(输出的备选人物为形体得分大于阈值的前M个人，M为人数)，并对每一个备选人物的形体进行打分；
将各备选人物的形体分数与各疑似人物的面部分数进行计算；
根据计算结果确认待认证人的身份。
采用人脸和形体双强因子认证方式，能够更高效的进行身份认证，当人脸本身的改变(妆容、发型变化)或拍摄环境不佳(环境光照、相机分辨率)时，人脸认证分数较低，此时结合形体认证，能提升身份认证准确度，降低误识率。
在一个实施例中，将各备选人物的分数与各疑似人物的分数进行计算，包括：
获取备选人物和疑似人物中均包括的人物作为对象；
根据对象的形体分数和面部分数进行加权求和；
选取加权求和得分最高的对象作为待认证人的身份。
在一个具体实施方式中，加权求和公式为：
w人脸*Score人脸+w形体*Score形体＝ScoreFinal
其中，w人脸为预设的人脸权值，w形体为预设的形体权值，Score人脸为某一疑似人物的人脸得分，Score形体为某一备选人物的形体得分，ScoreFinal为基于人脸和形体的综合得分。
基于上述公式需要说明的是，当人脸疑似人物未出现在M个形体备选人物中时，则该人脸疑似人物的形体得分记为0。同理，当形体备选人物未出现在N个人脸疑似人物中时，则该形体备选人物的人脸得分记为0。
在上述各实施方式中，特征数据可以理解为任意一个特征点与所有骨骼关键点的距离之和。例如，所有骨骼关键点到人体重心的距离之和作为一个特征数据、或所有骨骼关键点到人体重心的角度之和作为一个特征数据。
特征点可以理解为人体上的任意点。例如，人体的头部、人体的重心等有形或无形的各种特征点。
特征点的数量大于骨骼关键点的数量。例如，当骨骼关键点提取的数量是16个的时候，基于16个骨骼关键点转换为的特征点数量可以是512个。具体的骨骼关键点和特征点的数量根据需要和认证精准度进行调整，并不限于本实施例中限定的数量，上述参数仅用于解释说明。
在第一种实施方式的基础上，如图4所示，将各骨骼关键点转换为若干个特征数据之前，包括：
对从人体图像中提取出的各骨骼关键点进行纠正处理，将待认证人非标准姿态时获取的各骨骼关键点纠正为标准姿态时的多个标准骨骼关键点。将各标准骨骼关键点转换为若干个特征点。优选的，纠正方式可以采用仿射变换方式实现。
需要说明的是，采集待认证人的人体图像可以是在人静止状态下采集的，也可以是在人行走状态下采集的，因此采集到的人体图像并非是标准站立姿态下的人体图像，而是处于动态姿势下的非标准姿态时的人体图像。为了保证提取骨骼关键点的准确度，以便后续不影响获取的形体特征信息，因此需要将非标准姿态200下的人体图像纠正为标准姿态300下的人体图像，从而实现对标准姿态下的人体图像的骨骼关键点进行提取。
在第一种实施方式的基础上，还包括构建骨骼识别模型的步骤：
对多个样本人体图像的样本骨骼关键点进行标注，并根据各样本人体图像的样本骨骼关键点构建基本模型。其中，标注的方式可以采用人工对样本人体图像进行样本骨骼关键点的标注。通过标注后的各个样本人体图像的数据综合构建一基本模型，用于识别获取到的人体图像的骨骼关键点。
通过多个训练样本对基本模型进行训练，生成能够识别骨骼关键点的骨骼识别模型。由于初期的基本模型是根据少量样本人体图像构建的，因此基本模型的识别骨骼关键点的能力不一定能够适应所有人体图像，需要通过更多的训练样本对基本模型进行反复训练，更新基本模型直至基本模型收敛，即识别不同人体图像骨骼关键点的能力能够达到标准时，则认为基本模型能够作为骨骼识别模型使用。
在一个优选的实施方式中，骨骼识别模型是基于深度卷积神经网络构建的。
在第一种实施方式的基础上，还包括构建形体特征模型的步骤：
将样本人体图像的样本骨骼关键点转换为若干个样本特征点，基于样本特征点，全连接网络和/或残差网络构建形体特征模型。样本骨骼关键点为标准姿态时的标准样本骨骼关键点。
在第一种实施方式的基础上，预存的人物的标准形体特征信息可通过主动上传或被动采集两种方式。
主动上传的方式为：将人物的全身照图像上传至系统中，通过骨骼识别模型和形体特征模型提取出标准面形体特征信息。当该人物再次通过身份认证系统时，则可以直接认证通过。
被动采集方式为：当人物第一次通过闸机或门禁等设备时，通过图像采集设备采集人物的一个行走周期的人体图像，通过骨骼识别模型和形体特征模型提取出标准形体特征信息。当该人物再次通过身份认证系统时，则可以直接认证通过。
实施例二
本发明实施例提供了一种身份认证系统，如图5所示，包括：
面部识别模块10，用于采集待认证人的面部图像，获取待认证人的面部特征信息；
匹配模块20，用于根据待认证人的面部特征信息，利用人脸认证平台获取并输出疑似人物；
人体识别模块30，用于采集待认证人的人体图像，根据人体图像获取待认证人的多个骨骼关键点；
转换模块40，用于将各骨骼关键点转换为若干特征数据；
认证模块50，用于根据待认证人的特征数据与疑似人物的信息结合，识别待认证人的身份。
在一个可能的设计中，认证模块50包括：
第一形体特征子模块，用于将各特征数据组合形成表征待认证人的第一形体特征信息；
第二形体特征子模块，用于获取疑似人物的第二形体特征信息；
第一处理子模块，用于将第一形体特征信息和第二形体特征信息输入到第一形体特征模型中进行处理；
认证子模块，用于根据第一形体特征模型的处理结果，识别待认证人的身份是否是疑似人物的概率。
在一个可能的设计中，匹配模块20包括：
第二处理子模块，用于人脸认证平台根据待认证人的面部特征信息，输出多个疑似人物，并对各疑似人物的面部进行打分。
在一个可能的设计中，认证模块50包括：
第一形体特征子模块，用于将各特征数据组合形成表征待认证人的第一形体特征信息；
第三处理子模块，用于将第一形体特征信息输入到第二形体特征模型中进行处理，输出多个备选人物，并对每一个备选人物的形体进行打分；
计算子模块，用于将各备选人物的形体分数与各疑似人物的面部分数进行计算；
认证子模块，用于根据计算结果确认待认证人的身份。
在一个可能的设计中，转换模块40包括：
纠正子模块，用于对各骨骼关键点进行纠正处理，将待认证人在非标准姿态时获取的各骨骼关键点，纠正为在标准姿态时的多个标准骨骼关键点。
实施例三
本发明实施例提供了一种身份认证终端，包括：
存储器101和处理器102，存储器101内存储有可在处理器102上运行的计算机程序。处理器102执行计算机程序时实现上述实施例中的身份认证方法。存储器101和处理器102的数量可以为一个或多个。
摄像头103，用于拍摄图像，生成图像；
通信接口104，用于存储器101和处理器102与外部进行通信。
存储器101可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器101、处理器102、摄像头103以及通信接口104独立实现，则存储器101、处理器102、摄像头103以及通信接口104可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended IndustryStandard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器101、处理器102、摄像头103以及通信接口104集成在一块芯片上，则存储器101、处理器102、摄像头103及通信接口104可以通过内部接口完成相互间的通信。
实施例四
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现如实施例一包括的任一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
本发明实施例所述的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或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
在本发明实施例中，计算机可读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、传播或者传输用于指令执行系统、输入法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、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能执行单元可以集成在一个处理模块中，也可以是各个执行单元单独物理存在，也可以两个或两个以上执行单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但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，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种身份认证方法，其特征在于，包括：
采集待认证人的面部图像，获取所述待认证人的面部特征信息；
根据所述待认证人的所述面部特征信息，利用人脸认证平台获取并输出疑似人物；
采集所述待认证人的人体图像，根据所述人体图像获取所述待认证人的多个骨骼关键点；
将各所述骨骼关键点转换为若干特征数据；
将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份。
2.如权利要求1所述的身份认证方法，其特征在于，当输出的所述疑似人物为一个人时，将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份，包括：
将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
获取所述疑似人物的第二形体特征信息；
将所述第一形体特征信息和所述第二形体特征信息输入到第一形体特征模型中进行处理；
根据所述第一形体特征模型的处理结果，识别所述待认证人的身份是否是所述疑似人物的概率。
3.如权利要求1所述的身份认证方法，其特征在于，利用人脸认证平台获取并输出疑似人物，包括：
所述人脸认证平台根据所述待认证人的所述面部特征信息，输出多个所述疑似人物，并对各所述疑似人物的面部进行打分。
4.如权利要求3所述的身份认证方法，其特征在于，将所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份，包括：
将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
将所述第一形体特征信息输入到第二形体特征模型中进行处理，输出多个备选人物，并对每一个备选人物的形体进行打分；
将各所述备选人物的形体分数与各所述疑似人物的面部分数进行计算；
根据计算结果确认所述待认证人的身份。
5.如权利要求4所述的身份认证方法，其特征在于，将各所述备选人物的分数与各所述疑似人物的分数进行计算，包括：
获取所述备选人物和所述疑似人物中均包括的人物作为对象；
根据所述对象的所述形体分数和所述面部分数进行加权求和；
选取所述加权求和得分最高的所述对象作为所述待认证人的身份。
6.如权利要求1所述的身份认证方法，其特征在于，根据所述人体图像获取所述待认证人的多个所述骨骼关键点，包括：
根据所述待认证人的所述人体图像，基于卷积神经网络构建的骨骼识别模型提取出所述待认证人的多个所述骨骼关键点。
7.如权利要求1所述的身份认证方法，其特征在于，将各所述骨骼关键点转换为若干个特征数据之前，还包括：
对各所述骨骼关键点进行纠正处理，将所述待认证人在非标准姿态时获取的各所述骨骼关键点，纠正为在标准姿态时的多个标准骨骼关键点。
8.如权利要求1所述的身份认证方法，其特征在于，至少采用一个图像采集设备获取所述待认证人的所述面部图像和所述人体图像。
9.一种身份认证系统，其特征在于，包括：
面部识别模块，用于采集待认证人的面部图像，获取所述待认证人的面部特征信息；
匹配模块，用于根据所述待认证人的所述面部特征信息，利用人脸认证平台获取并输出疑似人物；
人体识别模块，用于采集所述待认证人的人体图像，根据所述人体图像获取所述待认证人的多个骨骼关键点；
转换模块，用于将各所述骨骼关键点转换为若干特征数据；
认证模块，用于根据所述待认证人的所述特征数据与所述疑似人物的信息结合，识别所述待认证人的身份。
10.如权利要求9所述的身份认证系统，其特征在于，所述认证模块包括：
第一形体特征子模块，用于将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
第二形体特征子模块，用于获取所述疑似人物的第二形体特征信息；
第一处理子模块，用于将所述第一形体特征信息和所述第二形体特征信息输入到第一形体特征模型中进行处理；
认证子模块，用于根据所述第一形体特征模型的处理结果，识别所述待认证人的身份是否是所述疑似人物的概率。
11.如权利要求9所述的身份认证系统，其特征在于，所述匹配模块包括：
第二处理子模块，用于所述人脸认证平台根据所述待认证人的所述面部特征信息，输出多个所述疑似人物，并对各所述疑似人物的面部进行打分。
12.如权利要求11所述的身份认证系统，其特征在于，所述认证模块包括：
第一形体特征子模块，用于将各所述特征数据组合形成表征所述待认证人的第一形体特征信息；
第三处理子模块，用于将所述第一形体特征信息输入到第二形体特征模型中进行处理，输出多个备选人物，并对每一个备选人物的形体进行打分；
计算子模块，用于将各所述备选人物的形体分数与各所述疑似人物的面部分数进行计算；
认证子模块，用于根据计算结果确认所述待认证人的身份。
13.一种身份认证终端，其特征在于，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；
摄像头，用于采集图像；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
14.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201810193228.5A 2018-03-09 2018-03-09 身份认证方法、系统、终端和计算机可读存储介质 Active CN108319930B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810193228.5A CN108319930B (zh) 2018-03-09 2018-03-09 身份认证方法、系统、终端和计算机可读存储介质
US16/153,021 US10740636B2 (en) 2018-03-09 2018-10-05 Method, system and terminal for identity authentication, and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810193228.5A CN108319930B (zh) 2018-03-09 2018-03-09 身份认证方法、系统、终端和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108319930A true CN108319930A (zh) 2018-07-24
CN108319930B CN108319930B (zh) 2021-04-06

Family

ID=62902331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810193228.5A Active CN108319930B (zh) 2018-03-09 2018-03-09 身份认证方法、系统、终端和计算机可读存储介质

Country Status (2)

Country Link
US (1) US10740636B2 (zh)
CN (1) CN108319930B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377628A (zh) * 2018-12-17 2019-02-22 深圳市恩钛控股有限公司 一种智能门禁系统和方法
CN109472289A (zh) * 2018-10-09 2019-03-15 北京陌上花科技有限公司 关键点检测方法和设备
CN109583387A (zh) * 2018-11-30 2019-04-05 龙马智芯（珠海横琴）科技有限公司 身份认证方法及装置
CN110705469A (zh) * 2019-09-30 2020-01-17 重庆紫光华山智安科技有限公司 一种人脸匹配方法、装置及服务器
CN110929711A (zh) * 2019-11-15 2020-03-27 智慧视通(杭州)科技发展有限公司 运用于固定场景关于身份信息和形体信息自动关联的方法
CN112070954A (zh) * 2020-09-14 2020-12-11 上海商汤智能科技有限公司 活体识别方法、装置、设备及存储介质
CN113011348A (zh) * 2019-12-12 2021-06-22 天目爱视（北京）科技有限公司 一种基于3d信息识别的智能业务处理设备
CN114743254A (zh) * 2022-06-13 2022-07-12 泽景(西安)汽车电子有限责任公司 脸部认证方法、装置、终端设备及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2020264431A1 (en) * 2019-04-29 2021-11-11 Active Witness Corp. Security systems and processes involving biometric authentication
US20210144297A1 (en) * 2019-11-12 2021-05-13 Shawn Glidden Methods System and Device for Safe-Selfie
US11587329B2 (en) * 2019-12-27 2023-02-21 Valeo Schalter Und Sensoren Gmbh Method and apparatus for predicting intent of vulnerable road users
CN111444815B (zh) * 2020-03-24 2024-05-14 中国南方电网有限责任公司 变电站身份认证方法、系统、装置和计算机设备
CN113553888B (zh) * 2020-04-26 2024-03-08 浙江宇视科技有限公司 人员身份验证方法、装置、设备及存储介质
CN111563245A (zh) * 2020-05-15 2020-08-21 支付宝(杭州)信息技术有限公司 用户身份识别方法、装置、设备及介质
CN112257487A (zh) * 2020-05-29 2021-01-22 北京沃东天骏信息技术有限公司 识别方法、设备、安防系统及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000016247A1 (en) * 1998-09-11 2000-03-23 Pro Technologies Llc Method and system for biometric recognition using sensors with unique characteristics
CN105184280A (zh) * 2015-10-10 2015-12-23 东方网力科技股份有限公司 一种人体身份识别方法及装置
CN105825176A (zh) * 2016-03-11 2016-08-03 东华大学 基于多模态非接触身份特征的识别方法
CN106327495A (zh) * 2016-08-26 2017-01-11 穆达文 一种生物骨骼识别方法、装置及系统
CN106650699A (zh) * 2016-12-30 2017-05-10 中国科学院深圳先进技术研究院 一种基于卷积神经网络的人脸检测方法及装置
CN106778556A (zh) * 2016-12-01 2017-05-31 大连因特视智能传感科技有限公司 基于动态人脸识别和步态识别融合的智能身份识别系统
CN106780864A (zh) * 2016-11-28 2017-05-31 徐海恩 基于人体骨骼识别技术的门禁系统
CN106778546A (zh) * 2016-11-29 2017-05-31 聚鑫智能科技（武汉）股份有限公司 一种基于可见光和非可见光的视觉识别方法及系统
CN107133608A (zh) * 2017-05-31 2017-09-05 天津中科智能识别产业技术研究院有限公司 基于活体检测和人脸验证的身份认证系统
CN107767419A (zh) * 2017-11-07 2018-03-06 广州深域信息科技有限公司 一种人体骨骼关键点检测方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060274070A1 (en) * 2005-04-19 2006-12-07 Herman Daniel L Techniques and workflows for computer graphics animation system
KR100745981B1 (ko) * 2006-01-13 2007-08-06 삼성전자주식회사 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치
US9754154B2 (en) * 2013-02-15 2017-09-05 Microsoft Technology Licensing, Llc Identification using depth-based head-detection data
US20160063335A1 (en) * 2013-05-03 2016-03-03 Nokia Technologies Oy A method and technical equipment for people identification
US10198694B2 (en) * 2014-01-03 2019-02-05 Tata Consultancy Services Limited Static posture based person identification
WO2015109170A2 (en) * 2014-01-16 2015-07-23 Automaton, Inc. Systems and methods for rfid-based retail management
US20160189149A1 (en) * 2014-12-30 2016-06-30 Ebay Inc. Biometric systems and methods for authentication and determination of group characteristics
US10599950B2 (en) * 2017-05-30 2020-03-24 Google Llc Systems and methods for person recognition data management

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000016247A1 (en) * 1998-09-11 2000-03-23 Pro Technologies Llc Method and system for biometric recognition using sensors with unique characteristics
CN105184280A (zh) * 2015-10-10 2015-12-23 东方网力科技股份有限公司 一种人体身份识别方法及装置
CN105825176A (zh) * 2016-03-11 2016-08-03 东华大学 基于多模态非接触身份特征的识别方法
CN106327495A (zh) * 2016-08-26 2017-01-11 穆达文 一种生物骨骼识别方法、装置及系统
CN106780864A (zh) * 2016-11-28 2017-05-31 徐海恩 基于人体骨骼识别技术的门禁系统
CN106778546A (zh) * 2016-11-29 2017-05-31 聚鑫智能科技（武汉）股份有限公司 一种基于可见光和非可见光的视觉识别方法及系统
CN106778556A (zh) * 2016-12-01 2017-05-31 大连因特视智能传感科技有限公司 基于动态人脸识别和步态识别融合的智能身份识别系统
CN106650699A (zh) * 2016-12-30 2017-05-10 中国科学院深圳先进技术研究院 一种基于卷积神经网络的人脸检测方法及装置
CN107133608A (zh) * 2017-05-31 2017-09-05 天津中科智能识别产业技术研究院有限公司 基于活体检测和人脸验证的身份认证系统
CN107767419A (zh) * 2017-11-07 2018-03-06 广州深域信息科技有限公司 一种人体骨骼关键点检测方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472289A (zh) * 2018-10-09 2019-03-15 北京陌上花科技有限公司 关键点检测方法和设备
CN109472289B (zh) * 2018-10-09 2022-03-29 北京陌上花科技有限公司 关键点检测方法和设备
CN109583387A (zh) * 2018-11-30 2019-04-05 龙马智芯（珠海横琴）科技有限公司 身份认证方法及装置
CN109377628A (zh) * 2018-12-17 2019-02-22 深圳市恩钛控股有限公司 一种智能门禁系统和方法
CN110705469A (zh) * 2019-09-30 2020-01-17 重庆紫光华山智安科技有限公司 一种人脸匹配方法、装置及服务器
CN110929711A (zh) * 2019-11-15 2020-03-27 智慧视通(杭州)科技发展有限公司 运用于固定场景关于身份信息和形体信息自动关联的方法
CN113011348A (zh) * 2019-12-12 2021-06-22 天目爱视（北京）科技有限公司 一种基于3d信息识别的智能业务处理设备
CN113011348B (zh) * 2019-12-12 2024-05-14 天目爱视（北京）科技有限公司 一种基于3d信息识别的智能业务处理设备
CN112070954A (zh) * 2020-09-14 2020-12-11 上海商汤智能科技有限公司 活体识别方法、装置、设备及存储介质
CN114743254A (zh) * 2022-06-13 2022-07-12 泽景(西安)汽车电子有限责任公司 脸部认证方法、装置、终端设备及存储介质
CN114743254B (zh) * 2022-06-13 2022-11-04 泽景(西安)汽车电子有限责任公司 脸部认证方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN108319930B (zh) 2021-04-06
US10740636B2 (en) 2020-08-11
US20190279010A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
CN108319930A (zh) 身份认证方法、系统、终端和计算机可读存储介质
CN108334863A (zh) 身份认证方法、系统、终端和计算机可读存储介质
Lin et al. A CNN-based framework for comparison of contactless to contact-based fingerprints
CN105138993B (zh) 建立人脸识别模型的方法及装置
CN102844766B (zh) 基于人眼图像的多特征融合身份识别方法
KR101901591B1 (ko) 얼굴 인식 장치 및 그 제어방법
CN107045744A (zh) 一种智能别墅门禁认证方法及系统
Kashem et al. Face recognition system based on principal component analysis (PCA) with back propagation neural networks (BPNN)
JP2018508888A (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、系统及介质
CN103839042B (zh) 人脸识别方法和人脸识别系统
JP4351982B2 (ja) 個人認証方法、装置及びプログラム
Paulino et al. Latent fingerprint matching: Fusion of manually marked and derived minutiae
US20160373438A1 (en) User authentication apparatus
CN111178130A (zh) 一种基于深度学习的人脸识别方法、系统和可读存储介质
CN110443146A (zh) 基于生物识别的身份验证方法、装置、设备及可读介质
CN110287918A (zh) 活体识别方法及相关产品
CN108960103A (zh) 一种人脸和唇语相融合的身份认证方法及系统
CN110472498A (zh) 基于手部特征的身份认证方法、系统、存储介质及设备
CN110472495A (zh) 一种基于图形推理全局特征的深度学习人脸识别方法
CN114218543A (zh) 一种基于多场景表情识别的加密解锁系统及方法
CN108960003A (zh) 基于Gabor和混沌映射的掌纹特征生成及认证方法
CN111126250A (zh) 一种基于ptgan的行人重识别方法及装置
CN109598235A (zh) 一种指静脉图像认证方法及装置
CN112800819B (zh) 一种人脸识别方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant