CN108875514B - 人脸认证方法和系统、以及认证设备和非易失性存储介质 - Google Patents

Abstract

一种人脸认证方法和系统、以及认证设备和非易失性存储介质。该人脸认证方法包括：获取待验证对象的待验证人脸图像；基于第一属性数据，从全量数据库中获取至少一个筛选对象；将所述待验证人脸图像与所述至少一个筛选对象的人脸图像进行比对，在所述比对结果表明所述待验证人脸图像与所述至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定所述待验证对象通过人脸认证。

Description

人脸认证方法和系统、以及认证设备和非易失性存储介质

技术领域

本公开的实施例涉及一种人脸认证方法和系统、以及认证设备和非易失性存储介质。

背景技术

随着刷脸登录、刷脸取款、刷脸开户成为现实，人脸识别认证已成为支付系统、银行类软件常用的身份识别手段，目前有很多社交、支付软件以及企业进出通道也开启“刷脸”验证。

目前的人脸识别认证方式，需要先通过其他手段(如：用户名、卡片等) 确认待认证人员的身份(ID)，而后将提取的待认证人员的人脸图像的特征数据与数据库中存储的该身份人员对应的特征模板进行匹配，以此来作出人脸识别认证是否成功的判断。

然而，该人脸识别认证方式难以避免地都需要先确认待验证人员的身份，然后再进行验证，如果不确认待验证人员的身份，其安全性能将极大的下降。例如，原本进行1对1的人脸识别认证，安全性为99.99％；若不确认待验证人员的身份，进行1对多(如1000)的人脸识别认证，安全性为1-(1-99.99％) *1000＝90％，这大大降低了人脸识别认证的实用性。

发明 内容

本公开实施例提供了一种人脸认证方法和系统、以及认证设备和非易失性存储介质，该人脸认证方法能够在人脸认证过程中摆脱对待验证人员ID 的依赖，可以在不降低人脸认证的安全性的情况下，更轻松容易的使用人脸认证。

根据本公开的一方面，至少一个实施例提供了一种人脸认证方法，包括：获取待验证对象的待验证人脸图像；基于第一属性数据，从全量数据库中获取至少一个筛选对象；将所述待验证人脸图像与所述至少一个筛选对象的人脸图像进行比对，在所述比对结果表明所述待验证人脸图像与所述至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定所述待验证对象通过人脸认证。

根据本公开的另一方面，至少一个实施例还提供了一种认证设备，包括：处理器，适于实现各指令；以及存储器，适于存储多条指令，所述指令适于由处理器加载并执行：上述人脸认证方法。

根据本公开的另一方面，至少一个实施例还提供了一种人脸认证系统，包括：上述认证设备以及全量数据库，其中，所述全量数据库包括第一属性数据、第二属性数据和第三属性数据。

根据本公开的另一方面，至少一个实施例还提供了一种计算机可读的非易失性存储介质，存储计算机程序指令，当所述计算机执行所述程序指令时，执行上述人脸认证方法。

通过本公开上述实施例，利用第一属性数据可以有效缩小与待验证对象进行人脸图像比对的对象的数量，由此较容易直接获得唯一与待验证对象的人脸图像匹配的一个对象。倘若在待验证人脸图像与缩小范围后的对象集合中的多个对象的人脸图像匹配的情况下，利用第二属性数据和第三属性数据的结合，以人脸强化认证合理的认证流程，来进一步进行人脸认证，较好的保证了人脸认证的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

在附图中：

图1是根据本公开实施例的一种人脸认证方法的流程图；

图2A是根据本公开实施例的一种卷积神经网络的构型示意图；

图2B是根据本公开实施例的一种卷积神经网络的构型示意图；

图3是根据本公开实施例的一种认证设备示意图；

图4是根据本公开实施例的一种人脸认证系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本公开的至少一个实施例，提供了一种人脸认证方法，该方法可以应用于认证设备，例如用于进行人脸认证。需要说明的是，认证设备可以包括多种认证方式，如人脸认证、指纹认证、密码认证、虹膜认证、视网膜认证、声纹认证和手势认证中的一种或多种。对应的，该认证设备可以包括图像采集装置，如摄像头，用于采集图像数据，如人脸图像和/或手势图像；还可以包括指纹采集装置，用于采集用户指纹；或可以包括声波采集装置，用于采集用户声波；或可以包括输入装置(例如键盘、触摸屏等)，用于获取输入的密码；或可以包括虹膜采集装置，例如摄像头(如红外摄像头)，用于采集用户虹膜数据；或可以包括视网膜采集装置，例如摄像头，用于采集用户视网膜数据。该认证设备可以将多种认证方式进行综合应用，使得在一种认证方式不通过的情况下，还可以采用其他认证方式来进行认证，用户体验更好，安全性更高。

该认证设备可以是各种固定终端或移动终端，固定终端如固定在ATM 机、门禁等上的终端；移动终端例如移动电话机、平板计算机和笔记本计算机，还可以是便携式、手持式或者车载的移动装置等，例如可以应用于银行业务办理、机场或机场进站门禁、大厦进楼门禁等场景。

该认证设备可以进行至少一种认证方式，在进行人脸认证的情况下，该实施例中认证设备的认证方法如图1所示，可以包括如下步骤：

步骤S101，获取待验证对象的待验证人脸图像；

步骤S103，基于第一属性数据，从全量数据库中获取至少一个筛选对象；

步骤S105，将待验证人脸图像与至少一个筛选对象的人脸图像进行比对，在比对结果表明待验证人脸图像与至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定待验证对象通过人脸认证。

需要说明的是，在附图的流程图示出的步骤可以通过运行诸如一组计算机可执行指令在计算机系统中执行，并且，虽然在流程图中以一定的顺序出各个步骤，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在进行人脸认证的情况下，可以通过图像采集装置，如摄像头来采集待验证对象的人脸图像，该待验证对象可以为需要鉴定身份的人员。在步骤 S101中，获取待验证对象的待验证人脸图像。上述待验证人脸图像可以是认证设备指令待验证对象作出的无面部表情、或含有面部表情或表情动作的人脸的图像。

与此同时，或在步骤S101获取待验证对象的待验证人脸图像前后，在步骤S103中，可以基于第一属性数据，从全量数据库中获取至少一个筛选对象。

本公开中，“全量数据库”指代包括全部待对比验证对象相关数据的数据库。该全量数据库中存储着所有对象的对象信息，该对象为人(如用户)，则存储着全量用户的用户信息。并且，该全量用户是相对而言的，可以为针对一系统的所有用户，该系统包括但不局限于公司、银行、企业、机构、或组织。例如，当人脸认证方法应用于某一银行取款的情况下，该全量用户可以是该银行的所有客户；当人脸认证方法应用于A公司的考勤登记的情况下，该全量用户可以是A公司的所有员工；当人脸认证方法应用于追逃时，该全量用户可以是某个省市或全国所有被通缉犯罪嫌疑人。该数据库根据需要可以为各种类型，包括关系型数据库或非关系型数据库等，其中存储的用户信息可以是结构化数据或非结构化数据等。

上述用户信息包括但不局限于用户的预存人脸图像、第一属性数据、第二属性数据和第三属性数据。上述第一属性数据、第二属性数据和第三属性数据可以预先获取或设置。

在第一属性数据包括位置数据的情况下，基于第一属性数据，从全量数据库中获取至少一个筛选对象可以包括：基于至少一种位置数据从全量数据库中获取至少一个筛选对象，其中，该至少一个筛选对象为在地理位置具有相关性从而可进行人脸认证行为的对象，该至少一种位置数据可以为全量用户的至少一种位置数据。

例如，用户B选择在C市的某一营业厅使用人脸认证服务进行银行取款，那么可以对该银行的全量用户的位置数据进行分析，筛选出该银行的全量用户中目前在C市中的人员，以将其作为在地理位置具有相关性从而可进行该人脸认证行为的筛选对象，以用于后续处理。

在第一属性数据包括行为数据的情况下，基于第一属性数据，从全量数据库中获取至少一个筛选对象可以包括：基于至少一种行为数据，从全量数据库中获取至少一个筛选对象，其中，至少一个筛选对象为在行为习惯具有相关性从而可进行人脸认证行为的对象，该至少一种行为数据可以为全量用户的至少一种行为数据。

例如，用户B选择在晚上对某个特定的商品D进行消费，需要使用人脸认证服务进行支付，那么可以根据对全量用户的消费行为进行分析得到的数据，筛选出在行为习惯可能对商品D进行消费的筛选对象。对该消费行为进行分析得到的数据例如可以是基于机器学习的方式以分析至少在预定时间段内用户的消费行为得到的。

在一个可选的实施例中，基于至少一种行为数据，从全量数据库中获取至少一个筛选对象可以包括：获取进行人脸认证行为的时间段；基于至少一种行为数据获取在该时间段进行了与至少一种行为数据对应的认证行为的至少一个筛选对象。

例如，在该人脸认证行为用于交易支付的情况下，行为数据可以包括支付数据，基于至少一种行为数据，从全量数据库中获取至少一个筛选对象包括：获取进行交易行为的消费时间段，并且基于支付数据获取在消费时间段进行交易行为的至少一个筛选对象；或者，获取进行交易行为的消费金额，并且基于支付数据获取在消费金额范围内进行交易行为的至少一个筛选对象。

需要说明的是，本申请基于第一属性数据从全量数据库中获取至少一个筛选对象，可以有效地缩小与待验证对象进行人脸图像比对的对象的数量。与待验证对象进行人脸图像比对的对象的数量减少，如在进行1对1000(如的人脸识别认证，可直接将1000降至如100，由此可以极大提升人脸认证的安全性能。

在从全量数据库中获取到至少一个筛选对象的情况下，在步骤S105中，可以将待验证人脸图像与至少一个筛选对象的人脸图像进行比对，在比对结果表明待验证人脸图像与至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定待验证对象通过人脸认证。

可选的，基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法中的至少一种，对待验证人脸图像和至少一个筛选对象的人脸图像的范本进行比对。

以利用神经网络进行识别的算法为例，可以使用各种适用的神经网络并经相应的数据集进行训练后进行人脸识别。该神经网络例如可以为卷积神经网络(CNN)。图2A和图2B示出了卷积神经网络的一种典型构型。

待验证人脸图像通过输入层输入到卷积神经网络后，依次经过若干个处理过程(如图2A中的每个层级)后输出识别结果。每个层级的处理过程可包括：卷积(convolution)以及下采样(down-sampling)。每个层级的处理过程根据需要还可以包括归一化处理(例如，LCN，即local constant normalization)等。图2B抽象地示出了的卷积神经网络中一个神经元的输入与输出，如图所示，C1、C2到Cn指代不同的信号通道，针对某一个局部感受域(该局部感受域包含多个通道)，使用不同的滤波器对该局部感受域的 C1到Cn信号通道上的数据进行卷积，卷积结果被输入刺激节点，该刺激节点根据相应的函数进行计算以得到特征信息。例如，卷积神经网络通常最主要的组成部分包括：多个卷积层、多个下采样层(又称为池化层)、全连接层。一个完整的卷积神经网络由这三种层叠加组成。

卷积层是卷积神经网络的核心层，对待验证人脸图像应用若干个滤波器，该待验证人脸图像被用来进行多种类型的特征提取。对于待验证人脸图像应用一个滤波器之后得到的结果被称为特征图(feature map)，特征图的数目与滤波器的数目相等。一个卷积层输出的特征图可以被输入到下一个层级的卷积层再次处理以得到新的特征图。下采样层是夹在连续的卷积层之间的中间层，用于缩减输入数据的规模，也在一定程度上减小过拟合的现象。例如，输入一个12×12的图像，通过6×6的下采样，那么可以得到2×2的输出图像，这意味着原图像上的36个像素合并为输出图像中的1个像素。实现下采样的方法由很多种，这些方法包括但不限于：最大值合并(max-pooling)、平均值合并(avg-pooling)、随机合并、欠采样(decimation，例如选择固定的像素)、解复用输出(demuxout，将输入图像拆分为多个更小的图像)等。通常最后一个下采样层或卷积层连接到一个或多个全连接层，全连接层的输出作为最终输出，可得到一个一维矩阵，也就是向量。

由此，可将经由卷积神经网络检测的待验证人脸图像的特征向量与至少一个筛选对象的人脸图像的特征向量进行比对，在比对结果表明待验证人脸图像与至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定待验证对象通过人脸认证。

所适用的卷积神经网络不限于图中示出的情形，还可以包括更多卷积核以提取更多的特征，或者包括更多的卷积层或池化层以提取更多层次的特征。例如，可以使用局部卷积神经网络(Region-based CNN，R-CNN)或快速局部卷积神经网络(Fast R-CNN)等模型进行人脸识别。

在步骤S105中，若在比对结果表明待验证人脸图像与至少一个筛选对象中的多个对象的多个人脸图像匹配的情况下，该方法还包括：获取该匹配的多个对象的多个第二属性数据；基于至少一个第二属性数据，从匹配的多个对象中查找与待验证对象一致的一个对象，在查找表明待验证对象与匹配的多个对象中的一个对象匹配的情况下，确定待验证对象通过人脸验证。

根据本公开的至少一个实施例，第二属性数据可以包括手机号码、QQ 号码或微信号码、身份证数据、驾驶证数据、社保数据、银行卡数据、社交网络身份数据(例如虚拟社交属性数据)和网络数据中的至少一个。

可选的，基于至少一个第二属性数据，从匹配的多个对象中查找与待验证对象一致的一个对象可以包括：向待验证对象输出提示信息，该提示信息用于提示待验证对象回答至少一个问题；根据待验证对象响应提示信息的响应信息，查找匹配的多个对象的至少一个第二属性数据中与响应信息一致的一个对象。

可以基于匹配的多个对象的多个第二属性数据向待验证对象输出提示信息。例如，在第二属性数据包括手机号码的情况下，向待验证对象输出多个问题包括：向待验证对象输出确认手机号码的归属地和/或用户号码的全部或部分中的一个或多个；或者，在第二属性数据包括身份证数据的情况下，向待验证对象输出多个问题包括：向待验证对象输出确认身份证数据中姓名、身份证号码的全部或部分和/或地址信息中的一个或多个；或者，在第二属性数据包括手机号码的情况下，向待验证对象输出多个问题包括：向待验证对象输出确认社交网络身份数据中账号、用户名和/或密码中的一个或多个；在第二属性数据包括社交网络身份数据的情况下，向待验证对象输出多个问题包括：向待验证对象输出确认网络数据中该待验证对象使用的WiFi和/或 SSID。

也就是说，可以基于手机号码、QQ号码或微信号码、身份证数据、驾驶证数据、社保数据、银行卡数据、社交网络身份数据和网络数据中的至少一个，向待验证对象输出至少一个问题，根据待验证对象回答上述问题的答案，以从与待验证中人脸图像匹配的多个对象所对应的用户信息中，查找与待验证对象答案一致的一个对象。

在一个可选的实施例中，向待验证对象输出提示信息可以包括：获取匹配的多个对象的多个安全等级；基于匹配的多个对象的多个安全等级和多个第二属性数据，向待验证对象输出多个问题。

例如，安全等级系数为1至j(j>1)的整数，安全等级越高，其安全等级系数i越小，如1；安全等级越低，其安全等级系数i越大，如7。可选的，全量用户中的每个用户都有自己的安全等级，若在匹配的多个对象的多个安全等级中最低的安全等级为i的情况下，i为大于等于1的整数，基于匹配的多个对象的多个安全等级和多个第二属性数据，向待验证对象输出多个问题可以包括：基于多个第二属性数据向待验证对象输出i个问题。可选的，该i个问题的正确回答不存在重复。

可选的，获取匹配的多个对象的多个安全等级可以包括：基于至少一个第三属性数据获取与匹配的多个对象相似的多个相似对象；根据多个对象的相似对象的数量和相似度，确定匹配的多个对象的安全等级。

例如，第三属性数据包括血缘数据和其他社交属性数据(真实社交属性数据)，基于至少一个第三属性数据获取与匹配的多个对象相似的多个相似对象可以包括：根据血缘数据和社交数据获取与匹配的多个对象相关的多个相关对象，如亲属的亲属、朋友的朋友；将匹配的每个对象的人脸图像与该对象对应的多个相关对象的人脸图像作比对，得到匹配的多个对象的相似的多个相似对象。进而根据多个对象的相似对象的数量和相似度，确定匹配的多个对象的安全等级。需要说明的是，一个对象的相似对象数量越多、越相似则该对象的安全等级越低，此时该对象对应的安全等级系数越大，例如可以设置为7。

在另一个可选的实施例中，向待验证对象输出提示信息还可以包括：获取待验证对象的安全等级；基于待验证对象的安全等级和匹配的多个对象的多个第二属性数据，向待验证对象输出多个问题。

可选的，获取待验证对象的安全等级包括：根据匹配的多个对象的数量和相似度，确定待验证对象的安全等级。也就是说，与待验证对象的人脸图像匹配的对象越多、越相似，待验证对象的安全等级越低，此时该待验证对象对应的安全等级系数越大，如7。

通过上述方式，利用第一属性数据缩小了与待验证对象进行人脸图像比对的对象的数量，由此较容易直接获得唯一与待验证对象的人脸图像匹配的一个对象。倘若在待验证人脸图像与缩小范围后的对象集合中的多个对象的人脸图像匹配的情况下，进一步利用第二属性数据来进行人脸认证，来获得唯一与待验证对象一致的一个对象，并再进一步通过第三属性数据来适当的增加或者减少利用第二属性数据来进行人脸认证的流程，如增加待验证对象回答问题的数量，或减少待验证对象回答问题的数量，不仅可以合理的控制人脸强化认证的流程，而且还确保了人脸认证的安全性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本公开实施例的方法。

本公开的至少一个实施例还提供了一种认证设备，如图3所示，该认证设备包括处理器301以及存储器303，该存储器303配置为存储计算机程序指令，计算机程序指令适于由处理器301加载并执行如下方法：获取待验证对象的待验证人脸图像；基于第一属性数据，从全量数据库中获取至少一个筛选对象；将待验证人脸图像与至少一个筛选对象的人脸图像进行比对，在比对结果表明待验证人脸图像与至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定待验证对象通过人脸认证。

该处理器301可以为各种适用的处理器，例如实现为中央处理器、微处理器、嵌入处理器等形式，可以采用X86、ARM等架构；存储器303 可以为各种适用的存储装置，例如非易失性存储装置，包括但不限于磁存储装置、半导体存储装置、光存储装置等，并且可以布置为单个存储装置、存储装置阵列或分布式存储装置，本公开的实施例对这些不作限制。

此外，根据本公开的一个实施例，其中，第一属性数据包括位置数据，处理器301还加载相应的指令并执行：基于至少一种位置数据获取至少一个筛选对象，其中，至少一个筛选对象为在地理位置具有相关性从而可进行人脸认证行为的对象。

此外，根据本公开的一个实施例，其中，第一属性数据包括行为数据，处理器301还加载相应的指令并执行：基于至少一种行为数据获取至少一个筛选对象，其中，至少一个筛选对象为在行为习惯具有相关性从而可进行人脸认证行为的对象。

此外，根据本公开的一个实施例，处理器301还加载相应的指令并执行：获取进行人脸认证行为的时间段；基于至少一种行为数据获取在时间段进行了与至少一种行为数据对应的认证行为的至少一个筛选对象。

可选的，在认证行为交易支付情况下，行为数据包括支付数据，处理器 301还加载相应的指令并执行：获取进行交易行为的消费时间段；基于支付数据获取在消费时间段进行交易行为的至少一个筛选对象。

此外，根据本公开的一个实施例，其中，在比对结果表明待验证人脸图像与至少一个筛选对象中的多个对象的多个人脸图像匹配的情况下，处理器 301还加载相应的指令并执行：获取匹配的多个对象的多个第二属性数据；基于至少一个第二属性数据，从匹配的多个对象中查找与待验证对象一致的一个对象，在查找表明待验证对象与匹配的多个对象中的一个对象匹配的情况下，确定待验证对象通过人脸验证。

此外，根据本公开的一个实施例，处理器301还加载相应的指令并执行：向待验证对象输出提示信息，该提示信息用于提示待验证对象回答至少一个问题；根据待验证对象响应提示信息的响应信息，查找匹配的多个对象的至少一个第二属性数据中与响应信息一致的一个对象。

例如，第二属性数据包括手机号码、QQ号码或微信号码、身份证数据、驾驶证数据、社保数据、银行卡数据、社交网络身份数据和网络数据中的至少一个。

在一个可选的实施例中，处理器301还加载相应的指令并执行：获取匹配的多个对象的多个安全等级；基于匹配的多个对象的多个安全等级和多个第二属性数据，向待验证对象输出多个问题。在匹配的多个对象的多个安全等级中最低的安全等级为i的情况下，i为大于等于1的整数，基于多个第二属性数据向待验证对象输出i个问题。

此外，根据本公开的一个实施例，处理器301还加载相应的指令并执行：基于至少一个第三属性数据获取与匹配的多个对象相似的多个相似对象；根据多个对象的相似对象的数量和相似度，确定匹配的多个对象的安全等级。

例如，第三属性数据包括血缘数据和社交数据，处理器301还加载相应的指令并执行：根据血缘数据和社交数据获取与匹配的多个对象相关的多个相关对象；将匹配的每个对象的人脸图像与该对象对应的多个相关对象的人脸图像作比对，得到匹配的多个对象的相似的多个相似对象。

在另一个可选的实施例中，处理器301还加载相应的指令并执行：获取待验证对象的安全等级；基于待验证对象的安全等级和匹配的多个对象的多个第二属性数据，向待验证对象输出多个问题。

此外，根据本公开的一个实施例，处理器301还加载相应的指令并执行：根据匹配的多个对象的数量和相似度，确定待验证对象的安全等级。

例如，在第二属性数据包括手机号码的情况下，处理器301加载相应的指令并执行：向待验证对象输出确认手机号码的归属地和/或用户号码中的一个或多个；在第二属性数据包括身份证数据的情况下，处理器301加载相应的指令并执行：向待验证对象输出确认身份证数据中姓名、身份证号码和/ 或地址信息中的一个或多个；在第二属性数据包括手机号码的情况下，处理器301加载相应的指令并执行：向待验证对象输出确认社交网络身份数据中账号、用户名和/或密码中的一个或多个；在第二属性数据包括网络数据的情况下，处理器301加载相应的指令并执行：向待验证对象输出确认网络数据中该待验证对象使用的WiFi和/或SSID。

通过本申请上述实施方式，利用第一属性数据缩小了与待验证对象进行人脸图像比对的对象的数量，由此较容易直接获得唯一与待验证对象的人脸图像匹配的一个对象。倘若在待验证人脸图像与缩小范围后的对象集合中的多个对象的人脸图像匹配的情况下，进一步利用第二属性数据来进行人脸认证，来获得唯一与待验证对象一致的一个对象，并再进一步通过第三属性数据来适当的增加或者减少利用第二属性数据来进行人脸认证的流程，如增加待验证对象回答问题的数量，或减少待验证对象回答问题的数量，不仅可以合理的控制人脸强化认证的流程，而且还确保了人脸认证的安全性。

本公开的至少一个实施例还提供了一种人脸认证系统，其包括认证设备 402以及全量数据库，其中，全量数据库包括第一属性数据、第二属性数据和第三属性数据。该人脸认证系统可以有多种实现方式，例如可以通过单个计算机实现，也可以通过多个计算机实现，还可以部署在云端等来实现，或者这些方式的任意组合。

可选的，该人脸认证系统可以包括如图4所示环境，该环境可以包括硬件环境和网络环境。上述硬件环境包括认证设备402和服务器404，该认证设备402可以通过相应的指令操作该数据库，从而可以读取、改变、添加数据等。本公开的另一个实施例并不包括服务器，例如全量数据库设置在认证设备402内，即设置在本机之中。应当注意，图4示的硬件环境和结构只是示例性的，而非限制性的；根据需要，硬件环境也可以具有其他组件和结构，并且例如可以包括网关等。

该认证设备402可以为一个或多个，该认证设备402中可以包括多个处理节点，用于处理待验证人脸图像与至少一个筛选对象的人脸图像比对，以及基于第一属性数据对至少一个筛选对象的获取、与基于第二属性数据和第三属性数据对人脸认证的强化认证，该多个处理节点对外可以作为一个整体。可选的，该认证设备402也可将处理的数据发送至服务器404，以使服务器404处理认证设备402所发送的数据。可选的，认证设备402可以通过网络与服务器404连接。

上述网络包括有线网络和无线网络。该无线网络包括但不限于：广域网、城域网、局域网或移动数据网络。典型地，该移动数据网络包括但不局限于：全球移动通信(GSM)网络、码分多址(CDMA)网络、宽带码分多址(WCDMA) 网络、5G移动通信网络、长期演进(LTE)通信网络、WIFI网络、ZigBee 网络、基于蓝牙技术的网络等。不同类型的通信网络可能由不同的运营商运营。通信网络的类型不构成对本公开实施例的限制。

本公开的至少一个实施例还提供了一种计算机可读的非易失性存储介质，存储计算机程序指令，当计算机执行程序指令时，执行以下步骤：获取待验证对象的待验证人脸图像；基于第一属性数据，从全量数据库中获取至少一个筛选对象；将待验证人脸图像与至少一个筛选对象的人脸图像进行比对，在比对结果表明待验证人脸图像与至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定待验证对象通过人脸认证。

需要说明的是，对于上述的系统、方法、认证设备和存储介质的实施例，为了简单描述，故将其都表述为一系列的动作或模块组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序或模块连接的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行，某些模块可以采用其他连接方式。

本领域技术人员也应该知悉，说明书中所描述的实施例均属于一种实施例，上述实施例序号仅仅为了描述，所涉及的动作和模块并不一定是本公开所必须的。

在本公开的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本公开所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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，在本公开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，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括易失性存储介质或非易失性存储介质，例如U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本公开的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本公开原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本公开的保护范围。

Claims (17)

1.一种人脸认证方法，包括：

获取待验证对象的待验证人脸图像；

基于第一属性数据，从全量数据库中获取至少一个筛选对象；

将所述待验证人脸图像与所述至少一个筛选对象的人脸图像进行比对，在比对结果表明所述待验证人脸图像与所述至少一个筛选对象中的一个对象的人脸图像匹配的情况下，确定所述待验证对象通过人脸认证，

其中，所述第一属性数据包括行为数据，所述基于第一属性数据，从全量数据库中获取至少一个筛选对象包括：

基于至少一种行为数据获取至少一个筛选对象，其中，所述至少一个筛选对象为在行为习惯具有相关性从而可进行人脸认证行为的对象，

其中，在所述人脸认证行为是交易支付情况下，所述行为数据包括支付数据。

2.根据权利要求1所述的人脸认证方法，其中，所述第一属性数据包括位置数据，所述基于第一属性数据，从全量数据库中获取至少一个筛选对象还包括：

基于至少一种位置数据获取至少一个筛选对象，其中，所述至少一个筛选对象为在地理位置具有相关性从而可进行所述人脸认证行为的对象。

3.根据权利要求1所述的人脸认证方法，其中，基于至少一种行为数据获取至少一个筛选对象包括：

获取进行所述人脸认证行为的时间段；

基于所述至少一种行为数据获取在所述时间段进行了与所述至少一种行为数据对应的人脸认证行为的至少一个筛选对象。

4.根据权利要求3所述的人脸认证方法，其中，所述基于至少一种行为数据获取至少一个筛选对象包括：

获取进行所述交易支付的消费时间段；

基于所述支付数据获取在所述消费时间段进行所述交易支付的至少一个筛选对象。

5.根据权利要求1所述的人脸认证方法，其中，在所述比对结果表明所述待验证人脸图像与所述至少一个筛选对象中的多个对象的多个人脸图像匹配的情况下，所述方法还包括：

获取所述匹配的多个对象的多个第二属性数据；

基于至少一个第二属性数据，从所述匹配的多个对象中查找与所述待验证对象一致的一个对象，在所述查找表明所述待验证对象与所述匹配的多个对象中的一个对象匹配的情况下，确定所述待验证对象通过所述人脸认证。

6.根据权利要求5所述的人脸认证方法，其中，基于所述至少一个第二属性数据，从所述匹配的多个对象中查找与所述待验证对象一致的一个对象包括：

向所述待验证对象输出提示信息，该提示信息用于提示所述待验证对象回答至少一个问题；

根据所述待验证对象响应所述提示信息的响应信息，查找所述匹配的多个对象的至少一个第二属性数据中与所述响应信息一致的一个对象。

7.根据权利要求6所述的人脸认证方法，其中，所述第二属性数据包括手机号码、身份证数据、驾驶证数据、社保数据、银行卡数据、社交网络身份数据和网络数据中的至少一个。

8.根据权利要求7所述的人脸认证方法，其中，向所述待验证对象输出提示信息包括：

获取所述匹配的多个对象的多个安全等级；

基于所述匹配的多个对象的多个安全等级和多个第二属性数据，向所述待验证对象输出多个问题。

9.根据权利要求8所述的人脸认证方法，其中，在所述匹配的多个对象的多个安全等级中最低的安全等级为i的情况下，i为大于等于1的整数，所述基于所述匹配的多个对象的多个安全等级和多个第二属性数据，向所述待验证对象输出多个问题包括：

基于所述多个第二属性数据向所述待验证对象输出i个问题。

10.根据权利要求8所述的人脸认证方法，其中，获取所述匹配的多个对象的多个安全等级包括：

基于至少一个第三属性数据获取与所述匹配的多个对象相似的多个相似对象；

根据所述多个对象的相似对象的数量和相似度，确定所述匹配的多个对象的安全等级。

11.根据权利要求9所述的人脸认证方法，其中，第三属性数据包括血缘数据和社交数据，所述基于至少一个第三属性数据获取与所述匹配的多个对象相似的多个相似对象包括：

根据血缘数据和社交数据获取与所述匹配的多个对象相关的多个相关对象；

将所述匹配的每个对象的人脸图像与该对象对应的多个相关对象的人脸图像作比对，得到所述匹配的多个对象的相似的多个相似对象。

12.根据权利要求7所述的人脸认证方法，其中，向所述待验证对象输出提示信息包括：

获取所述待验证对象的安全等级；

基于所述待验证对象的安全等级和所述匹配的多个对象的多个第二属性数据，向所述待验证对象输出多个问题。

13.根据权利要求12所述的人脸认证方法，其中，获取所述待验证对象的安全等级包括：

根据所述匹配的多个对象的数量和相似度，确定所述待验证对象的安全等级。

14.根据权利要求8所述的人脸认证方法，其中，

在所述第二属性数据包括手机号码的情况下，所述向所述待验证对象输出多个问题包括：向所述待验证对象输出确认所述手机号码的归属地和/或用户号码中的一个或多个；

在所述第二属性数据包括身份证数据的情况下，所述向所述待验证对象输出多个问题包括：向所述待验证对象输出确认所述身份证数据中姓名、身份证号码和/或地址信息中的一个或多个；

在所述第二属性数据包括社交网络身份数据的情况下，所述向所述待验证对象输出多个问题包括：向所述待验证对象输出确认所述社交网络身份数据中账号、用户名和/或密码中的一个或多个；

在所述第二属性数据包括网络数据的情况下，所述向所述待验证对象输出多个问题包括：向所述待验证对象输出确认所述网络数据中该待验证对象使用的WiFi和/或SSID。

15.一种认证设备，包括：

处理器；以及

存储器，适于存储多条可执行指令，所述可执行指令适于由所述处理器加载并执行如权利要求1-14任一所述的人脸认证方法。

16.一种人脸认证系统，包括：至少一个如权利要求15所述的认证设备以及全量数据库，

其中，所述全量数据库包括第一属性数据、第二属性数据和第三属性数据。

17.一种计算机可读的非易失性存储介质，存储计算机程序指令，当计算机执行所述计算机程序指令时，执行如权利要求1-14任一所述的人脸认证方法。

Images