CN108921036B - 基于人脸图像识别的随机数产生方法及产生系统 - Google Patents
基于人脸图像识别的随机数产生方法及产生系统 Download PDFInfo
- Publication number
- CN108921036B CN108921036B CN201810573942.7A CN201810573942A CN108921036B CN 108921036 B CN108921036 B CN 108921036B CN 201810573942 A CN201810573942 A CN 201810573942A CN 108921036 B CN108921036 B CN 108921036B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- recognition
- same position
- random number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/58—Random or pseudo-random number generators
- G06F7/588—Random number generators, i.e. based on natural stochastic processes
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸图像识别的随机数产生方法及产生系统,属于信息安全技术领域,要解决的技术问题为如何在保证安全性和方便性的前提下、产生移动设备端随机数;其方法为通过获取移动设备使用者的人脸视频并进行人脸识别确认移动设备使用者为移动设备用户,并通过对移动设备使用者的人脸视频进行误差计算生成随机数。其系统包括用户验证模块、随机数产生模块和存储模块,用户验证模块包括人脸采集单元、视频处理单元和人脸识别单元,随机数产生模块包括图像处理单元和HASH计算单元。本发明可产生随机的不可预测的随机数,并可避免移动设备丢失造成的损失。
Description
技术领域
本发明涉及信息安全技术领域,具体地说是基于人脸图像识别的随机数产生方法及产生系统。
背景技术
移动互联网时代,移动设备越来越普及,安全要求也越来越高,所以需要密码算法的参与保证用户设备的安全性,但是密码算法又依赖于随机数的安全性,而随机数的产生主要依赖于加密机等硬件噪声源设备。现有的随机数产生方案中,鉴于客户端不方便使用大型设备,客户端通过伪随机的方式产生随机数,服务端使用加密机或者随机源硬件。很显然,加密机采集随机数的方式不适用于日益增长的移动安全的需求。
如何在保证安全性和方便性的前提下,产生移动设备端随机数是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足,提供一种基于人脸图像识别的随机数产生方法及产生系统,来解决如何在保证安全性和方便性的前提下、产生移动设备端随机数的问题。
本发明的技术任务是按以下方式实现的:
基于人脸图像识别的随机数产生方法,通过获取移动设备使用者的人脸视频并进行人脸识别确认移动设备使用者为移动设备用户,并通过对移动设备使用者的人脸视频进行误差计算生成随机数,包括如下步骤:
S100、获取移动设备用户的人脸图像作为参照图像,对参照图像进行特征提取并采集移动设备用户的人脸生理特征作为参照特征;
S200、获取移动设备使用者的人脸视频作为即时视频,基于参照图像对即时视频进行人脸识别并判断移动设备使用者是否为移动设备用户,如果移动设备使用者为移动设备用户,则进入步骤S300;
S300、从即时视频中截取多个连续的人脸视频图像作为识别图像,基于上述多个识别图像中在预选位置点处的坐标平均值计算每个识别图像中预选位置点的坐标误差,得到用于表示识别图像中像素点坐标误差的误差数据;
S400、对误差数据进行HASH计算,得到随机数。
该方法中,在产生移动设备随机数之前,对当前的移动设备使用者进行人脸识别,确认当前移动设备使用者是否为移动设备用户,可确保移动设备使用者有效,避免移动设备丢失造成的损失;移动设备用户确认后,对拍摄的当前移动设备使用者的人脸图像进行截取,得到多个连续的人脸图像,通过对多个连续的人脸图像进行数据处理得到误差数据,通过对误差数据进行HASH计算得到随机数,该随机数是根据拍摄的当前移动设备使用者的人脸视频产生的,具有随机性和不可预测性,安全可靠。
进一步的,步骤S100中参照图像为移动设备用户预先拍摄的人脸图像或通过公安部身份认证的头像。
进一步的,步骤S300包括如下步骤:
S310、从即时视频中截取M个连续的人脸视频图像作为识别图像;
S320、在每个识别图像中均选取N个相同位置点,且每个相同位置点在上述M个识别图像中的位置相同;
S320、选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,得到M组坐标误差值;
S330、遍历上述N个相同位置点,循环执行步骤S320,得到N*M组坐标误差值。
进一步的,步骤S320中,选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,包括如下步骤:
S321、将每个识别图像中相同位置点的坐标值相加后除以M,得到相同位置点的坐标平均值,相同位置点的坐标平均值的表达式为:
ΔX=(X(1)+X(2)+......+X(i)+......+X(M))/M
ΔY=(Y(1)+Y(2)+......+Y(i)+......+Y(M))/M
其中,ΔX为相同位置点的X坐标平均值,X(i)为第i个识别图像中相同位置点的X坐标值,ΔY为相同位置点的Y坐标平均值,Y(i)第i个识别图像中相同位置点的Y坐标值,i为整数,且1≤i≤M;
S322、计算每个识别图像中所述相同位置点的坐标值与相同位置点的坐标平均值之间的差值,得到每个识别图像中相同位置点的坐标误差,第i个识别图像中相同位置点的坐标误差表达式为:
ΔX(i)=X(i)-ΔX
ΔY(i)=Y(i)-ΔY
其中,ΔX(i)为第i个识别图像中相同位置点的X坐标误差值,ΔY(i)为第i个识别图像中相同位置点的Y坐标误差值。
进一步的,步骤300中得到N*M组坐标误差值后,对所述N*M组坐标误差值进行排序,得到误差数据。。
基于人脸图像识别的移动设备随机数产生系统,其特征在于能够通过上述任一项所述的基于人脸图像识别的随机数产生方法产生随机数,包括用户验证模块、随机数产生模块和存储模块,用户验证模块包括人脸采集单元、视频处理单元和人脸识别单元,随机数产生模块包括图像处理单元和HASH计算单元,
人脸采集单元能够调用移动设备摄像头,用于采集人脸视频和人脸图像;
视频处理单元与人脸采集单元连接,用于对采集的人脸视频以及人脸图像进行图像处理;
人脸识别单元与视频处理单元连接,人脸识别单元能够对人脸图像进行特征提取得到人脸生理特征,并能够对人脸视频进行人脸识别得到人脸识别结果;
图像处理单元与人脸识别单元连接,为具有如下功能的单元:从即时视频中截取多个连续的人脸视频图像作为识别图像,通过计算上述多个识别图像在相同位置点的坐标误差得到关于识别图像的误差数据;
HASH计算单元与图像处理单元连接,用于通过对误差数据进行HASH计算产生随机数;
存储模块分别与人脸采集单元、视频处理单元、人脸识别单元、图像处理单元和HASH计算单元连接,存储模块能够存储由人脸采集单元采集的人脸视频和人脸图像、由视频处理单元处理后的人脸视频和人脸图像、由人脸识别单元产生的人脸生理特征以及人脸识别结果、由图像处理单元产生的识别图像和误差数据、由HASH计算单元产生的随机数,且存储模块内还能够存储通过公安部身份认证的头像。
本发明的基于人脸图像识别的随机数产生方法及产生系统具有以下优点:
1、本发明随机数的产生需要移动设备使用者参与才可以完成完整的操作,类似于二代KEY技术,避免黑客远程恶意操作;
2、本发明获取移动设备使用者的人脸视频为即时视频,通过对即时视频进行人脸识别确认移动设备使用者为移动设备用户后,再进一步产生移动设备随机数,避免了移动设备丢失造成的损失;
3、本发明从即时视频中截取多个连续的人脸图像为识别图像,通过对识别图像中误差数据进行HASH计算得到随机数,该随机数具有随机性和不可预测性。
附图说明
下面结合附图对本发明进一步说明。
附图1为实施例1基于人脸图像识别的随机数产生方法的流程框图;
附图2为实施例2基于人脸图像识别的移动设备随机数产生系统的结构框图。
具体实施方式
参照说明书附图和具体实施例对本发明的基于人脸图像识别的随机数产生方法及产生系统作以下详细地说明。
实施例1:
如附图1所示,本发明的基于人脸图像识别的随机数产生方法,通过获取移动设备使用者的人脸视频并进行人脸识别确认移动设备使用者为移动设备用户,避免移动设备丢失造成损失,并通过对移动设备使用者的人脸视频进行误差计算生成随机数,使得该随机数具有不可预测性和随机性。具体包括如下步骤:
S100、获取移动设备用户的人脸图像作为参照图像,对参照图像进行特征提取并采集移动设备用户的人脸生理特征作为参照特征;
S200、获取移动设备使用者的人脸视频作为即时视频,基于参照图像对即时视频进行人脸识别并判断移动设备使用者是否为移动设备用户,如果移动设备使用者为移动设备用户,则进入步骤S300;
S300、从即时视频中截取多个连续的人脸视频图像作为识别图像,基于上述多个识别图像中在预选位置点处的坐标平均值计算每个识别图像中预选位置点的坐标误差,得到用于表示识别图像中像素点坐标误差的误差数据;
S400、对误差数据进行HASH计算,得到随机数。
其中,步骤S100中,移动设备用户预先使用移动设备拍摄人脸图像,以人脸图像为参照图像,并对参照图像进行特征提取,采集移动设备用户的人脸生理特征作为参照特征,用于后续对移动设备使用者进行人脸识别。
步骤S200中,需要交易时,提示移动设备使用者进行人脸识别,从而拍摄移动设备使用者的人脸视频作为即时视频,根据参照图像中提取的参照特征对即时视频中的人脸进行人脸识别,以判断移动设备使用者是否为移动设备用户,如果移动设备使用者为移动设备用户,则可进一步产生移动设备随机数。
步骤S300中通过获取的即时视频获取移动设备随机数,具体包括如下分步骤:
S310、从即时视频中截取4个连续的人脸视频图像作为识别图像;
S320、在每个识别图像中均选取4个相同位置点,且每个相同位置点在上述4个识别图像中的位置相同;
S320、选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,得到4组坐标误差值;
S330、遍历上述4个相同位置点,循环执行步骤S320,得到16组坐标误差值。
步骤S320中,选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,具体包括如下分步骤:
S321、将每个识别图像中相同位置点的坐标值相加后除以4,得到相同位置点的坐标平均值,相同位置点的坐标平均值的表达式为:
ΔX=(X(1)+X(2)+X(3)+X(4))/4
ΔY=(Y(1)+Y(2)+Y(3+Y(4))/4
其中,ΔX为相同位置点的X坐标平均值,X(i)为第i个识别图像中相同位置点的X坐标值,ΔY为相同位置点的Y坐标平均值,Y(i)第i个识别图像中相同位置点的Y坐标值,i为整数,且1≤i≤4;
S322、计算每个识别图像中所述相同位置点的坐标值与相同位置点的坐标平均值之间的差值,得到第i个识别图像中相同位置点的坐标误差,第i个识别图像中相同位置点的坐标误差表达式为:
ΔX(i)=X(i)-ΔX
ΔY(i)=Y(i)-ΔY
其中,ΔX(i)为第i个识别图像中相同位置点的X坐标误差值,ΔY(i)为第i个识别图像中相同位置点的Y坐标误差值。
通过上述步骤得到16组坐标误差值后,对所述16组坐标误差值进行排序,合成误差数据,然后对误差数据进行HASH计算,产生随机数。
其中,本实施例中对上述16组坐标误差值排序的排序规则为:以识别图像为优先、相同位置点为辅助,依序对每个识别图像内的各个相同点依次排序,设定其次序为坐标(p,q),1≤p≤M,1≤q≤N,坐标误差的排序如下:
第一识别图像中第一相同位置点,
第一识别图像中第二相同位置点,
第一识别图像中第三相同位置点;
第一识别图像中第四相同位置点;
第二识别图像中第一相同位置点;
……
第四识别图中第四相同位置点;
第四识别图像中第四相同位置点。
在实际应用中,对上述16组坐标误差值排序的排序规则也可为:以相同位置点为优先、识别图像为辅助,依次对每个相同位置点在各个识别图像中的次序排序,设定其次序为坐标(q,p),1≤p≤M,1≤q≤N,坐标误差的排序如下:
第一识别图像中第一相同位置点,
第二识别图像中第一相同位置点,
第三识别图像中第一相同位置点;
第四识别图像中第一相同位置点;
第一识别图像中第二相同位置点,
……
第三识别图中第四相同位置点;
第四识别图像中第四相同位置点。
在实际应用中,从即时视频中截取的连续人脸视频图像的个数不限于4个,从识别图像中选取的相同位置点的个数也不限于4个,均可根据实际需要进行选取。
本实施例中对移动设备使用者进行识别确认移动设备使用者为移动设备用户后,再根据获取的移动设备使用者的人脸图像进行处理获得移动设备随机数。确保了移动设备的安全性以及移动设备随机数的随机性和可靠性。
本实施例中移动设备为手机,在实际应用中也可通过该方法获取pad等其他移动设备端的随机数。
实施例2:
如附图2所示,本发明的基于人脸图像识别的随机数产生系统,可通过实施例1公开的基于人脸图像识别的随机数产生方法产生随机数,包括用户验证模块、随机数产生模块和存储模块,用户验证模块包括人脸采集单元、视频处理单元和人脸识别单元,随机数产生模块包括图像处理单元和HASH计算单元,
人脸采集单元能够调用移动设备摄像头,用于采集人脸视频和人脸图像;
视频处理单元与人脸采集单元连接,用于对采集的人脸视频以及人脸图像进行图像处理;
人脸识别单元与视频处理单元连接,人脸识别单元能够对人脸图像进行特征提取得到人脸生理特征,并能够对人脸视频进行人脸识别得到人脸识别结果;
图像处理单元与人脸识别单元连接,为具有如下功能的单元:从即时视频中截取多个连续的人脸视频图像作为识别图像,基于上述多个识别图像中在预选位置点处的坐标平均值计算每个识别图像中预选位置点的坐标误差,得到用于表示识别图像中像素点坐标误差的误差数据;
HASH计算单元与图像处理单元连接,用于通过对误差数据进行HASH计算产生随机数;
存储模块分别与人脸采集单元、视频处理单元、人脸识别单元、图像处理单元和HASH计算单元连接,存储模块能够存储由人脸采集单元采集的人脸视频和人脸图像、由视频处理单元处理后的人脸视频和人脸图像、由人脸识别单元产生的人脸生理特征以及人脸识别结果、由图像处理单元产生的识别图像和误差数据、由HASH计算单元产生的随机数,且存储模块内还能够存储通过公安部身份认证的头像。
其中,图像处理单元内实现其功能的具体流程为:
(1)、获取移动设备用户的人脸图像作为参照图像,对参照图像进行特征提取并采集移动设备用户的人脸生理特征作为参照特征;
(2)、获取移动设备使用者的人脸视频作为即时视频,基于参照图像对即时视频进行人脸识别并判断移动设备使用者是否为移动设备用户,如果移动设备使用者为移动设备用户,则进入步骤S3;
(3)、从即时视频中截取多个连续的人脸视频图像作为识别图像,基于上述多个识别图像中在预选位置点处的坐标平均值计算每个识别图像中预选位置点的坐标误差,得到用于表示识别图像中像素点坐标误差的误差数据;
(4)、对误差数据进行HASH计算,得到随机数。
本发明的基于人脸图像识别的移动设备随机数产生系统的工作流程为:通过人脸采集单元调用摄像头采集移动设备用户的人脸图像作为参照图像,视频处理单元对参照图像进行图像处理后存储至存储模块,人脸识别单元可从存储模块调用处理后的参照图像以对参照图像进行特征提取得到人脸生理特征,上述提取的人脸生理特征存储在存储模块,用以后续对移动设备使用者进行人脸识别,以确认当前的移动设备使用者是否为移动设备用户;移动设备使用者操作移动设备后,通过人脸采集单元调用摄像头采集移动设备使用者的人脸视频作为即时视频,该即时视频存储在存储模块,视频处理单元对上述即时视频进行图像处理后,处理后的即时视频存储在存储模块,人脸识别单元内基于人脸生理特征对图像处理后的即时视频进行人脸识别,确认当前移动设备使用者是否为移动设备用户,如果为移动设备用户,则图像处理单元对即时视频进行图像处理得到误差数据,该误差数据存储在存储模块,HASH计算单元对误差数据进行HASH计算得到随机数。
本实施例中移动设备为手机,在实际应用也可将该系统配置于PAD等其他移动设备上用于产生随机数。
通过上面具体实施方式,所述技术领域的技术人员可容易的实现本发明。但是应当理解,本发明并不限于上述的具体实施方式。在公开的实施方式的基础上,所述技术领域的技术人员可任意组合不同的技术特征,从而实现不同的技术方案。除说明书所述的技术特征外,均为本专业技术人员的已知技术。
Claims (6)
1.基于人脸图像识别的随机数产生方法,其特征在于通过获取移动设备使用者的人脸视频并进行人脸识别确认移动设备使用者为移动设备用户,并通过对移动设备使用者的人脸视频进行误差计算生成随机数,包括如下步骤:
S100、获取移动设备用户的人脸图像作为参照图像,对参照图像进行特征提取并采集移动设备用户的人脸生理特征作为参照特征;
S200、获取移动设备使用者的人脸视频作为即时视频,基于参照图像对即时视频进行人脸识别并判断移动设备使用者是否为移动设备用户,如果移动设备使用者为移动设备用户,则进入步骤S300;
S300、从即时视频中截取多个连续的人脸视频图像作为识别图像,基于上述多个识别图像中在预选位置点处的坐标平均值计算每个识别图像中预选位置点的坐标误差,得到用于表示识别图像中像素点坐标误差的误差数据;
S400、对误差数据进行HASH计算,得到随机数。
2.根据权利要求1所述的基于人脸图像识别的随机数产生方法,其特征在于步骤S100中参照图像为移动设备用户预先拍摄的人脸图像或通过公安部身份认证的头像。
3.根据权利要求1所述的基于人脸图像识别的随机数产生方法,其特征在于步骤S300包括如下步骤:
S310、从即时视频中截取M个连续的人脸视频图像作为识别图像;
S320、在每个识别图像中均选取N个相同位置点,且每个相同位置点在上述M个识别图像中的位置相同;
S320、选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,得到M组坐标误差值;
S330、遍历上述N个相同位置点,循环执行步骤S320,得到N*M组坐标误差值。
4.根据权利要求3所述的基于人脸图像识别的随机数产生方法,其特征在于步骤S320中,选取一个相同位置点,计算每个识别图像中所述相同位置点的坐标误差,包括如下步骤:
S321、将每个识别图像中相同位置点的坐标值相加后除以M,得到相同位置点的坐标平均值,相同位置点的坐标平均值的表达式为:
ΔX=(X(1)+X(2)+......+X(i)+......+X(M))/M
ΔY=(Y(1)+Y(2)+......+Y(i)+......+Y(M))/M
其中,ΔX为相同位置点的X坐标平均值,X(i)为第i个识别图像中相同位置点的X坐标值,ΔY为相同位置点的Y坐标平均值,Y(i)第i个识别图像中相同位置点的Y坐标值,i为整数,且1≤i≤M;
S322、计算每个识别图像中所述相同位置点的坐标值与相同位置点的坐标平均值之间的差值,得到每个识别图像中相同位置点的坐标误差,第i个识别图像中相同位置点的坐标误差表达式为:
ΔX(i)=X(i)-ΔX
ΔY(i)=Y(i)-ΔY
其中,ΔX(i)为第i个识别图像中相同位置点的X坐标误差值,ΔY(i)为第i个识别图像中相同位置点的Y坐标误差值。
5.根据权利要求4所述的基于人脸图像识别的随机数产生方法,其特征在于步骤300中得到N*M组坐标误差值后,对所述N*M组坐标误差值进行排序,得到误差数据。
6.基于人脸图像识别的随机数产生系统,其特征在于能够通过权利要求1-5任一项所述的基于人脸图像识别的随机数产生方法产生随机数,包括用户验证模块、随机数产生模块和存储模块,用户验证模块包括人脸采集单元、视频处理单元和人脸识别单元,随机数产生模块包括图像处理单元和HASH计算单元,
人脸采集单元能够调用移动设备摄像头,用于采集人脸视频和人脸图像;
视频处理单元与人脸采集单元连接,用于对采集的人脸视频以及人脸图像进行图像处理;
人脸识别单元与视频处理单元连接,人脸识别单元能够对人脸图像进行特征提取得到人脸生理特征,并能够对人脸视频进行人脸识别得到人脸识别结果;
图像处理单元与人脸识别单元连接,为具有如下功能的单元:从即时视频中截取多个连续的人脸视频图像作为识别图像,通过计算上述多个识别图像在相同位置点的坐标误差得到关于识别图像的误差数据;
HASH计算单元与图像处理单元连接,用于通过对误差数据进行HASH计算产生随机数;
存储模块分别与人脸采集单元、视频处理单元、人脸识别单元、图像处理单元和HASH计算单元连接,存储模块能够存储由人脸采集单元采集的人脸视频和人脸图像、由视频处理单元处理后的人脸视频和人脸图像、由人脸识别单元产生的人脸生理特征以及人脸识别结果、由图像处理单元产生的识别图像和误差数据、由HASH计算单元产生的随机数,且存储模块内还能够存储通过公安部身份认证的头像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573942.7A CN108921036B (zh) | 2018-06-06 | 2018-06-06 | 基于人脸图像识别的随机数产生方法及产生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573942.7A CN108921036B (zh) | 2018-06-06 | 2018-06-06 | 基于人脸图像识别的随机数产生方法及产生系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921036A CN108921036A (zh) | 2018-11-30 |
CN108921036B true CN108921036B (zh) | 2022-03-01 |
Family
ID=64420299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573942.7A Active CN108921036B (zh) | 2018-06-06 | 2018-06-06 | 基于人脸图像识别的随机数产生方法及产生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921036B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449274B (zh) * | 2020-03-24 | 2022-10-25 | 浪潮卓数大数据产业发展有限公司 | 一种基于生物特征生成随机数的方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1252198A (zh) * | 1997-12-24 | 2000-05-03 | 皇家菲利浦电子有限公司 | 联网环境中秘密的新随机数的管理与利用 |
US6215874B1 (en) * | 1996-10-09 | 2001-04-10 | Dew Engineering And Development Limited | Random number generator and method for same |
KR20040084422A (ko) * | 2003-03-28 | 2004-10-06 | 박승배 | 디지털 생체 정보를 이용한 난수 생성기 및 방법 |
JP2006309417A (ja) * | 2005-04-27 | 2006-11-09 | Sony Corp | 擬似乱数生成装置、擬似乱数生成方法及びプログラム |
JP2009110400A (ja) * | 2007-10-31 | 2009-05-21 | Toppan Printing Co Ltd | 乱数生成装置及び乱数生成方法並びにそのプログラム |
CN101741843A (zh) * | 2009-12-10 | 2010-06-16 | 北京握奇数据系统有限公司 | 利用公钥基础设施实现用户身份验证的方法、设备及系统 |
CN101741549A (zh) * | 2008-11-27 | 2010-06-16 | 李虹 | 基于生物特征点拓扑结构的随机数发生器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8670557B2 (en) * | 2007-09-10 | 2014-03-11 | Spansion Llc | Cryptographic system with modular randomization of exponentiation |
US8707040B2 (en) * | 2011-10-31 | 2014-04-22 | Neuropace, Inc. | Establishing secure communication between an implantable medical device and an external device |
-
2018
- 2018-06-06 CN CN201810573942.7A patent/CN108921036B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6215874B1 (en) * | 1996-10-09 | 2001-04-10 | Dew Engineering And Development Limited | Random number generator and method for same |
CN1252198A (zh) * | 1997-12-24 | 2000-05-03 | 皇家菲利浦电子有限公司 | 联网环境中秘密的新随机数的管理与利用 |
KR20040084422A (ko) * | 2003-03-28 | 2004-10-06 | 박승배 | 디지털 생체 정보를 이용한 난수 생성기 및 방법 |
JP2006309417A (ja) * | 2005-04-27 | 2006-11-09 | Sony Corp | 擬似乱数生成装置、擬似乱数生成方法及びプログラム |
JP2009110400A (ja) * | 2007-10-31 | 2009-05-21 | Toppan Printing Co Ltd | 乱数生成装置及び乱数生成方法並びにそのプログラム |
CN101741549A (zh) * | 2008-11-27 | 2010-06-16 | 李虹 | 基于生物特征点拓扑结构的随机数发生器 |
CN101741843A (zh) * | 2009-12-10 | 2010-06-16 | 北京握奇数据系统有限公司 | 利用公钥基础设施实现用户身份验证的方法、设备及系统 |
Non-Patent Citations (5)
Title |
---|
Towards a Biometric Random Number Generator—A General Approach For Random Extraction From Biometric Samples;Daniel Hartung,et al;《Proceedings of the Special Interest Group on Biometrics and Electronic Signatures》;20111231;全文 * |
基于人体指纹特征的随机序列发生器;朱和贵,等;《计算机研究与发展》;20091130;全文 * |
基于人像图像的随机序列发生器;谭阳,等;《计算机应用》;20120630;第32卷(第6期);全文 * |
基于生物特征的真随机数发生器的研究与设计;胡月;《中国博士学位论文全文数据库 信息科技辑》;20090615;全文 * |
基于生物特征的随机序列发生器;张祥德,等;《东北大学学报》;20070731;第28卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108921036A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738238B (zh) | 人脸识别方法和装置 | |
Adler | Sample images can be independently restored from face recognition templates | |
US10311291B2 (en) | Face recognition method, device and computer readable storage medium | |
US11790064B2 (en) | Motion-based credentials using magnified motion | |
CA2922342C (en) | Methods and systems for detecting head motion during an authentication transaction | |
EP3655874B1 (en) | Method and electronic device for authenticating a user | |
CN111310512B (zh) | 用户身份鉴权方法及装置 | |
CN113221767B (zh) | 训练活体人脸识别模型、识别活体人脸的方法及相关装置 | |
WO2020062671A1 (zh) | 身份识别方法、计算机可读存储介质、终端设备及装置 | |
CN108921036B (zh) | 基于人脸图像识别的随机数产生方法及产生系统 | |
CN113821780A (zh) | 视频解析方法、装置、电子设备及存储介质 | |
CN110516425B (zh) | 一种秘密共享方法及系统 | |
CN113033243A (zh) | 一种人脸识别方法、装置及设备 | |
CN109063442B (zh) | 业务实现、相机实现的方法和装置 | |
CN111581622A (zh) | 信息处理方法、装置及电子设备 | |
CN111126214A (zh) | 活体检测方法及装置、计算机设备和计算机可读存储介质 | |
CN111507140A (zh) | 人像对比方法、系统、电子设备和可读存储介质 | |
US11036971B2 (en) | Face recognition method and electronic device employing the method | |
CN109684810B (zh) | 一种信息处理方法和系统 | |
CN114140349A (zh) | 干扰图像的生成方法和装置 | |
CN112686199A (zh) | 一种通过加密后的图像进行安全告警的方法及系统 | |
CN116305281B (zh) | 一种基于感官认知的人脸识别系统及人脸识别方法 | |
CN109242489A (zh) | 认证方式选择方法和装置 | |
CN113780122B (zh) | 基于手掌静脉特征加密的识别模板生成方法及装置 | |
CN115134473B (zh) | 图像加密方法和装置 |
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 |