CN109063664A - 用户身份确认方法、装置、计算机设备和存储介质 - Google Patents

用户身份确认方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109063664A
CN109063664A CN201810910813.2A CN201810910813A CN109063664A CN 109063664 A CN109063664 A CN 109063664A CN 201810910813 A CN201810910813 A CN 201810910813A CN 109063664 A CN109063664 A CN 109063664A
Authority
CN
China
Prior art keywords
certificate
subject
pictures
live
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.)
Pending
Application number
CN201810910813.2A
Other languages
English (en)
Inventor
欧阳冬生
陈舟
陈维明
曹晖
陈�全
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.)
Changsha He Tong Intelligent Technology Co Ltd
Original Assignee
Changsha He Tong Intelligent 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 Changsha He Tong Intelligent Technology Co Ltd filed Critical Changsha He Tong Intelligent Technology Co Ltd
Priority to CN201810910813.2A priority Critical patent/CN109063664A/zh
Publication of CN109063664A publication Critical patent/CN109063664A/zh
Pending legal-status Critical Current

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
    • G06V40/10—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及一种用户身份确认方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。采用本申请的实施例能够通过两次筛选确认受试者身份的真实性，这样可以有效提高用户身份确认信息的准确性，且自动验证受试者身份真实性，无需人工参与用户身份确认过程，还可以节约人力资源，提高确认效率。

Description

用户身份确认方法、装置、计算机设备和存储介质
技术领域
本申请涉及受试者管理技术领域，特别是涉及一种用户身份确认方法、装置、计算机设备和存储介质。
背景技术
药物临床试验是指为了评价药物的疗效和安全性，在受试者进行的药物的系统性研究，以证实和揭示试验药物的作用和不良反应等。受试者(接受试验的人)是科研的重要组成部分，他们不仅是被动承担研究的载体，也是创新和互动式的研究中的合作者。
传统的药物临床研究管理采用纸质记录人工管理的方式，监察员将受试者的药物临床试验数据和相关记录通过纸质方式管理和保存。这样的人工管理方式使得监管方无法对受试者药物临床试验进行有效监控，可能出现冒用或顶替他人身份等问题。即传统的管理方式存在受试者身份信息确认准确性低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高信息确认准确性的用户身份确认方法、装置、计算机设备和存储介质。
一种用户身份确认方法，所述方法包括：
获取当前受试者的证件信息，证件信息携带证件标识和证件照片；
当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；
当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者之后还包括：
获取合格的初选受试者的实时照片；
当实时照片与预设受试者数据库中的照片不匹配时，得到当前受试者为合格的首次受试者。
在一个实施例中，获取合格的初选受试者的实时照片之后还包括：
当实时照片与预设受试者数据库中的照片匹配时，得到当前受试者为合格的非首次受试者。
在一个实施例中，获取当前受试者的证件信息，证件信息携带证件标识和证件照片之后还包括：
当证件标识与预设证件信息数据库中的证件标识不匹配时，得到当前受试者证件比对失败的结果。
在一个实施例中，当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片之后还包括：
当实时照片与证件照片不匹配时，得到当前受试者人证比对失败的结果。
在一个实施例中，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者之前包括：
基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；
分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征；
当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者，包括：
当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征，包括：
通过PCA算法分别对实时人脸图像和证件人脸图像进行处理，得到实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征；
对实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征通过ICA算法进行处理，得到实时人脸图像的人脸特征以及证件人脸图像的人脸特征。
一种用户身份确认装置，所述装置包括：
信息获取模块，用于获取当前受试者的证件信息，证件信息携带证件标识和证件照片；
第一确认模块，用于当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；
第二确认模块，用于当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取当前受试者的证件信息，证件信息携带证件标识和证件照片；
当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；
当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取当前受试者的证件信息，证件信息携带证件标识和证件照片；
当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；
当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
上述用户身份确认方法、装置、计算机设备和存储介质，通过获取当前受试者的证件信息，证件信息携带证件标识和证件照片，将证件标识与预设证件信息数据库中的证件标识进行匹配，为确认受试者身份的真实性提供第一次筛选；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片，将实时照片与证件照片进行匹配，为确认受试者身份的真实性提供第二次筛选；通过两次筛选确认受试者身份的真实性，这样可以有效提高用户身份确认信息的准确性，且自动验证受试者身份真实性，无需人工参与用户身份确认过程，还可以节约人力资源，提高确认效率。
附图说明
图1为一个实施例中用户身份确认方法的应用环境图；
图2为一个实施例中用户身份确认方法的流程示意图；
图3为另一个实施例中用户身份确认方法的流程示意图；
图4为又一个实施例中用户身份确认方法的流程示意图；
图5为再一个实施例中用户身份确认方法的流程示意图；
图6为一个实施例中用户身份确认装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的用户身份确认方法，可以应用于如图1所示的应用环境中。其中，上位机与信息采集设备可通过网络进行通信。信息采集设备采集受试者的证件信息，证件信息携带证件标识和证件照片，并将证件信息发送给上位机。上位机获取当前受试者的证件标识和证件照片，以及预设证件信息数据库中的证件标识，将当前受试者的证件标识与预设证件信息数据库中的证件标识进行匹配；当当前受试者的证件标识与预设证件信息数据库中的证件标识匹配时，控制信息采集设备采集当前受试者的实时照片。上位机获取信息采集设备发送的当前受试者的实时照片，并将当前受试者的实时照片与当前受试者的证件照片进行匹配，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，如图2所示，提供了一种用户身份确认方法，以该方法应用于图1中的上位机为例进行说明，包括以下步骤：
步骤100，获取当前受试者的证件信息，证件信息携带证件标识和证件照片。
证件是指受试者出示的用于表征受试者身份的凭证，证件标识是指证件信息中用于表征不同对象的标识，证件照片是指证件信息中用于表征不同对象的照片。证件可以是身份证、社保卡、医保卡等，以身份证作为证件信息为例，证件标识可以是身份证号码，证件照片可以是身份证上的照片。
步骤300，当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片。
预设证件信息数据库中存储有不同对象的证件标识，比如身份证数据库中存储有不同对象的身份证信息。将受试者的证件标识与预设证件信息数据库中的证件标识进行匹配，比如将受试者提供的身份证号码与身份证数据库中的身份证号码进行比对，当受试者提供的身份证号码与身份证数据库中的身份证号码匹配时，表明受试者提供的身份证真实，此时，现场采集受试者的实时照片。
步骤500，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
将实时照片与证件照片进行匹配，比如将现场采集的受试者的照片与受试者提供的证件信息中的证件照片进行匹配。当实时照片与证件照片匹配时，表明受试者提供的证件信息与受试者本人吻合，即人证比对成功，合格的初选受试者是指受试者人证比对一致。
上述用户身份确认方法，通过获取当前受试者的证件信息，证件信息携带证件标识和证件照片，将证件标识与预设证件信息数据库中的证件标识进行匹配，为确认受试者身份的真实性提供第一次筛选；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片，将实时照片与证件照片进行匹配，为确认受试者身份的真实性提供第二次筛选；通过两次筛选确认受试者身份的真实性，这样可以有效提高用户身份确认信息的准确性，且自动验证受试者身份真实性，无需人工参与用户身份确认过程，还可以节约人力资源，提高确认效率。
在一个实施例中，如图3所示，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者之后还包括：步骤600，获取合格的初选受试者的实时照片；步骤720，当实时照片与预设受试者数据库中的照片不匹配时，得到当前受试者为合格的首次受试者。预设受试者数据库中存储有不同受试者的照片，存储的照片为参加过药物临床试验的受试者的照片。将合格的初选受试者的实时照片与预设受试者数据库中的照片进行匹配，当合格的初选受试者的照片与预设受试者数据库中的照片不匹配时，表明合格的初选受试者没有参加过药物临床试验，即该受试者为合格的首次受试者。
在一个实施例中，如图3所示，获取合格的初选受试者的实时照片之后还包括：步骤740，当实时照片与预设受试者数据库中的照片匹配时，得到当前受试者为合格的非首次受试者。预设受试者数据库中存储有不同受试者的照片，存储的人脸图像为参加过药物临床试验的受试者的照片。将合格的初选受试者的实时照片与预设受试者数据库中的照片进行匹配，当合格的初选受试者的照片与预设受试者数据库中的照片匹配时，表明合格的初选受试者参加过药物临床试验，即该受试者为合格的非首次受试者。
在一个实施例中，如图4所示，获取当前受试者的证件信息，证件信息携带证件标识和证件照片之后还包括：步骤200，当证件标识与预设证件信息数据库中的证件标识不匹配时，得到当前受试者证件比对失败的结果。预设证件信息数据库中存储有不同对象的证件标识，比如身份证数据库中存储有不同对象的身份证信息。将受试者的证件标识与预设证件信息数据库中的证件标识进行匹配，比如将受试者提供的身份证号码与身份证数据库中的身份证号码进行比对，当受试者提供的身份证号码与身份证数据库中的身份证号码不匹配时，表明受试者提供的身份证不真实。
在一个实施例中，如图5所示，当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片之后还包括：步骤400，当实时照片与证件照片不匹配时，得到当前受试者人证比对失败的结果。将实时照片与证件照片进行匹配，比如将现场采集的受试者的照片与受试者提供的身份证中的照片进行匹配。当实时照片与证件照片不匹配时，表明受试者提供的证件信息与受试者本人不吻合，即人证比对失败。
在一个实施例中，当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者之前包括：基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者，包括：当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。不变特征的方法基于不随光线、表情、视角等变化的结构特征，比如肤色、边缘、纹理等，通过寻找人脸的不变特征来进行人脸检测。可以通过边缘检测器提取面部特征，比如眉毛、眼睛、鼻子、嘴和头发，根据提取的特征建立统计模型描述特征之间的关系，从而判断是否存在人脸。
在一个实施例中，分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征，包括：通过PCA算法分别对实时人脸图像和证件人脸图像进行处理，得到实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征；对实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征通过ICA算法进行处理，得到实时人脸图像的人脸特征以及证件人脸图像的人脸特征。为了降低人脸图像的维数，需要进行人脸特征提取。PCA(PrincipalComponents Analysis，主成分分析)算法是一种基于人脸全局特征的识别方法，在最大程度保持信息量的前提下，从高维数据空间中提取出低维数据的特征分量。ICA(IndependentComponent Correlation Algorithm，独立成分分析)算法是一种基于人脸局部特征的识别方法，目的是获取数据的独立分量。先通过PCA算法对人脸图像进行去二阶相关和降维处理，再通过ICA算法获取人脸特征，这样可以消除噪声、减少计算量。
在一个实施例中，证件标识包括身份证号码和指纹特征，当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片，包括：当身份证号码与预设证件信息数据库中的身份证号码匹配，且指纹特征与预设证件信息数据库中的指纹特征匹配时，获取当前受试者的实时照片。当受试者的身份证号码与身份证数据库中的身份证号码匹配，且受试者的指纹特征与身份证数据库中的指纹特征匹配时，表明受试者提供的身份证真实，此时，获取当前受试者的实时照片。
在一个实施例中，在对受试者进行身份确认时，需要上位机与识别仪配合进行。首先上位机连接识别仪，连接成功之后识别仪读取身份证信息，将读取的身份证信息发送给上位机保存。上位机根据获取到的身份证信息确认是否为受试者本人，包括人证比对和指纹比对，人证比对是指将获取到的身份证人脸图像与实时人脸图像进行比对，指纹比对是指将获取到的实时指纹与身份证系统中的指纹比对。若办理身份证时未录入指纹，则只需进行人证比对。通过识别仪采集人脸数据，通过将采集到的人脸数据与受试者数据库中的人脸数据进行比对，判断受试者是否是一个新受试者。
对经上述身份确认的受试者进行试验筛选，筛选不合格则结束试验，筛选合格进入入组环节。在入组环节有可能因为受试者的主动或被动原因退出试验，此时受试者状态为未入组，完成入组后则为试验给药过程。试验给药过程可能会进行多次的入院、出院，如果因为受试者的主动或被动原因退出试验，受试者状态则为脱落，如果正常参加完所有试验过程则完成试验出组。
上述用户身份确认方法采用基于人工智能的生物识别技术，基于指纹认证、图像识别、人脸特征识别等生物识别技术，认证受试者身份的真实性。采集受试者的指纹与身份证系统中的指纹进行比对，为认证受试者的真实身份提供第一道安全保障；采集受试者参加试验时的人脸照片，并将受试者参加试验时的人脸照片与身份证照片进行图像识别，为认证受试者真实身份提供第二道安全保障；通过近红外人脸识别技术，实时采集受试者的人脸特征数据，用于判断受试者是否伪造多个身份信息及是否其他人顶替受试者进行试验，为认证受试者身份提供更高的准确性与安全性。这样建立全网数据库，可实现受试者的联网筛查，各研究机构试验信息孤岛化，是导致药物临床试验行业存在“专业受试者”的重要原因，将使用上述用户身份确认方法的所有研究机构进行联合，在保证各研究机构试验信息保密的前提下，实现受试者试验资格的联网筛查，堵住“专业受试者”的行业漏洞。此外，上述用户身份确认方法采用信息技术与网络技术，方便进行信息溯源，可以帮助研究机构、监管机构管理试验信息，从试验和受试者两个维度对信息进行溯源。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种用户身份确认装置，包括：信息获取模块602、第一确认模块604和第二确认模块606。其中，信息获取模块，用于获取当前受试者的证件信息，证件信息携带证件标识和证件照片；第一确认模块，用于当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；第二确认模块，用于当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，第二确认模块之后还包括：特征获取模块，用于获取合格的初选受试者的实时照片；第一比对模块，用于当实时照片与预设受试者数据库中的照片不匹配时，得到当前受试者为合格的首次受试者。
在一个实施例中，特征获取模块之后还包括：第二比对模块，用于当实时照片与预设受试者数据库中的照片匹配时，得到当前受试者为合格的非首次受试者。
在一个实施例中，信息获取模块之后还包括：证件比对失败模块，用于当证件标识与预设证件信息数据库中的证件标识不匹配时，得到当前受试者证件比对失败的结果。
在一个实施例中，第一确认模块之后还包括：人证比对失败模块，用于当实时照片与证件照片不匹配时，得到当前受试者人证比对失败的结果。
在一个实施例中，第二确认模块之前还包括人脸检测模块，用于基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；特征提取模块，用于分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征；第二确认模块用于当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，特征提取模块包括：全局特征提取单元，用于通过PCA算法分别对实时人脸图像和证件人脸图像进行处理，得到实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征；特征提取单元，用于对实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征通过ICA算法进行处理，得到实时人脸图像的人脸特征以及证件人脸图像的人脸特征。
关于用户身份确认装置的具体限定可以参见上文中对于用户身份确认方法的限定，在此不再赘述。上述用户身份确认装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是上位机，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储证件信息和受试者数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户身份确认方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者；获取合格的初选受试者的实时照片；当实时照片与预设受试者数据库中的照片不匹配时，得到当前受试者为合格的首次受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者；获取合格的初选受试者的实时照片；当实时照片与预设受试者数据库中的照片匹配时，得到当前受试者为合格的非首次受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识不匹配时，得到当前受试者证件比对失败的结果；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片不匹配时，得到当前受试者人证比对失败的结果；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征；当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；通过PCA算法分别对实时人脸图像和证件人脸图像进行处理，得到实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征；对实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征通过ICA算法进行处理，得到实时人脸图像的人脸特征以及证件人脸图像的人脸特征；当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者；获取合格的初选受试者的实时照片；当实时照片与预设受试者数据库中的照片不匹配时，得到当前受试者为合格的首次受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者；获取合格的初选受试者的实时照片；当实时照片与预设受试者数据库中的照片匹配时，得到当前受试者为合格的非首次受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识不匹配时，得到当前受试者证件比对失败的结果；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；当实时照片与证件照片不匹配时，得到当前受试者人证比对失败的结果；当实时照片与证件照片匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；分别提取实时人脸图像的人脸特征以及证件人脸图像的人脸特征；当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前受试者的证件信息，证件信息携带证件标识和证件照片；当证件标识与预设证件信息数据库中的证件标识匹配时，获取当前受试者的实时照片；基于不变特征的方法分别对实时照片以及证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；通过PCA算法分别对实时人脸图像和证件人脸图像进行处理，得到实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征；对实时人脸图像的人脸全局特征和证件人脸图像的人脸全局特征通过ICA算法进行处理，得到实时人脸图像的人脸特征以及证件人脸图像的人脸特征；当实时人脸图像的人脸特征以及证件人脸图像的人脸特征匹配时，得到当前受试者为合格的初选受试者。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用户身份确认方法，其特征在于，所述方法包括：
获取当前用户的证件信息，所述证件信息携带证件标识和证件照片；
当所述证件标识与预设证件信息数据库中的证件标识匹配时，获取所述当前受试者的实时照片；
当所述实时照片与所述证件照片匹配时，得到所述当前受试者为合格的初选受试者。
2.根据权利要求1所述的方法，其特征在于，所述当所述实时照片与所述证件照片匹配时，得到所述当前受试者为合格的初选受试者之后还包括：
获取所述合格的初选受试者的实时照片；
当所述实时照片与预设受试者数据库中的照片不匹配时，得到所述当前受试者为合格的首次受试者。
3.根据权利要求2所述的方法，其特征在于，所述获取所述合格的初选受试者的实时照片之后还包括：
当所述实时照片与预设受试者数据库中的照片匹配时，得到所述当前受试者为合格的非首次受试者。
4.根据权利要求1所述的方法，其特征在于，所述获取当前受试者的证件信息，所述证件信息携带证件标识和证件照片之后还包括：
当所述证件标识与预设证件信息数据库中的证件标识不匹配时，得到所述当前受试者证件比对失败的结果。
5.根据权利要求1所述的方法，其特征在于，所述当所述证件标识与预设证件信息数据库中的证件标识匹配时，获取所述当前受试者的实时照片之后还包括：
当所述实时照片与所述证件照片不匹配时，得到所述当前受试者人证比对失败的结果。
6.根据权利要求1所述的方法，其特征在于，所述当所述实时照片与所述证件照片匹配时，得到所述当前受试者为合格的初选受试者之前包括：
基于不变特征的方法分别对所述实时照片以及所述证件照片进行人脸检测，得到实时人脸图像和证件人脸图像；
分别提取所述实时人脸图像的人脸特征以及所述证件人脸图像的人脸特征；
所述当所述实时照片与所述证件照片匹配时，得到所述当前受试者为合格的初选受试者，包括：
当所述实时人脸图像的人脸特征以及所述证件人脸图像的人脸特征匹配时，得到所述当前受试者为合格的初选受试者。
7.根据权利要求6所述的方法，其特征在于，所述分别提取所述实时人脸图像的人脸特征以及所述证件人脸图像的人脸特征，包括：
通过PCA算法分别对所述实时人脸图像和所述证件人脸图像进行处理，得到所述实时人脸图像的人脸全局特征和所述证件人脸图像的人脸全局特征；
对所述实时人脸图像的人脸全局特征和所述证件人脸图像的人脸全局特征通过ICA算法进行处理，得到所述实时人脸图像的人脸特征以及所述证件人脸图像的人脸特征。
8.一种用户身份确认装置，其特征在于，所述装置包括：
信息获取模块，用于获取当前受试者的证件信息，所述证件信息携带证件标识和证件照片；
第一确认模块，用于当所述证件标识与预设证件信息数据库中的证件标识匹配时，获取所述当前受试者的实时照片；
第二确认模块，用于当所述实时照片与所述证件照片匹配时，得到所述当前受试者为合格的初选受试者。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201810910813.2A 2018-08-10 2018-08-10 用户身份确认方法、装置、计算机设备和存储介质 Pending CN109063664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910813.2A CN109063664A (zh) 2018-08-10 2018-08-10 用户身份确认方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810910813.2A CN109063664A (zh) 2018-08-10 2018-08-10 用户身份确认方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN109063664A true CN109063664A (zh) 2018-12-21

Family

ID=64683462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910813.2A Pending CN109063664A (zh) 2018-08-10 2018-08-10 用户身份确认方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109063664A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795711A (zh) * 2019-11-12 2020-02-14 上海德启信息科技有限公司 身份信息识别方法、装置和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104935438A (zh) * 2015-05-28 2015-09-23 北京旷视科技有限公司 用于身份验证的方法和装置
CN106815360A (zh) * 2017-01-22 2017-06-09 嘉兴太美医疗科技有限公司 临床研究受试者招募条件排查方法
CN107292620A (zh) * 2017-06-14 2017-10-24 浪潮金融信息技术有限公司 身份识别方法及装置、计算机可读存储介质、终端
CN107808118A (zh) * 2017-09-28 2018-03-16 平安科技（深圳）有限公司 身份识别方法、电子装置及计算机可读存储介质
CN108171032A (zh) * 2017-12-01 2018-06-15 平安科技（深圳）有限公司 一种身份鉴定方法、电子装置及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104935438A (zh) * 2015-05-28 2015-09-23 北京旷视科技有限公司 用于身份验证的方法和装置
CN106815360A (zh) * 2017-01-22 2017-06-09 嘉兴太美医疗科技有限公司 临床研究受试者招募条件排查方法
CN107292620A (zh) * 2017-06-14 2017-10-24 浪潮金融信息技术有限公司 身份识别方法及装置、计算机可读存储介质、终端
CN107808118A (zh) * 2017-09-28 2018-03-16 平安科技（深圳）有限公司 身份识别方法、电子装置及计算机可读存储介质
CN108171032A (zh) * 2017-12-01 2018-06-15 平安科技（深圳）有限公司 一种身份鉴定方法、电子装置及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795711A (zh) * 2019-11-12 2020-02-14 上海德启信息科技有限公司 身份信息识别方法、装置和设备

Similar Documents

Publication Publication Date Title
Ferrara et al. Face demorphing
Raja et al. Morphing attack detection-database, evaluation platform, and benchmarking
CN106295482B (zh) 一种人脸数据库的更新方法及装置
CN109241868A (zh) 人脸识别方法、装置、计算机设备及存储介质
CN109726663A (zh) 在线考试监控方法、装置、计算机设备及存储介质
US20050286745A1 (en) Registration method for biometrics authentication system, biometrics authentication system, and program for same
WO2022001097A1 (zh) 一种用于人证核验设备性能检测的算法测评系统及检测方法
WO2020238552A1 (zh) 基于微表情识别的审批指令生成方法、装置和计算机设备
EP2148303A1 (en) Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure
EP2148295A1 (en) Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure
CN109074482A (zh) 用于生物活性检测的用户特定分类器
Labati et al. Advanced design of automated border control gates: biometric system techniques and research trends
CN109360652A (zh) 一种体检行业的防替检方法、系统、装置及存储介质
JP5812505B2 (ja) マルチモーダル情報に基づく人口学的分析方法及びシステム
Mohammed et al. Machine learning algorithm for developing classroom attendance management system based on haar cascade frontal face
US11144773B2 (en) System for characterizing biometric station metrics with genericized biometric information
CN109063664A (zh) 用户身份确认方法、装置、计算机设备和存储介质
Castillo et al. Class attendance generation through multiple facial detection and recognition using artificial neural network
CN111241945A (zh) 人脸识别性能的测试方法、装置、计算机设备及存储介质
Garris et al. NIST fingerprint evaluations and developments
CN113627335A (zh) 考生行为的监控方法、装置、存储介质和电子装置
Arca et al. Improving automatic face recognition with user interaction
CN115439909A (zh) 一种经颅磁刺激设备用户身份验证方法及系统
Singh et al. Attendance monitoring and management using QR code based sensing with cloud based Processing
Charishma et al. Smart Attendance System with and Without Mask using Face Recognition

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221