CN109190509B - 一种身份识别方法、装置和计算机可读存储介质 - Google Patents

一种身份识别方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN109190509B
CN109190509B CN201810917915.7A CN201810917915A CN109190509B CN 109190509 B CN109190509 B CN 109190509B CN 201810917915 A CN201810917915 A CN 201810917915A CN 109190509 B CN109190509 B CN 109190509B
Authority
CN
China
Prior art keywords
eye
images
face
image
target object
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
Application number
CN201810917915.7A
Other languages
English (en)
Other versions
CN109190509A (zh
Inventor
李亮
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies 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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201810917915.7A priority Critical patent/CN109190509B/zh
Publication of CN109190509A publication Critical patent/CN109190509A/zh
Priority to TW108119113A priority patent/TWI706270B/zh
Priority to US16/537,026 priority patent/US11126878B2/en
Priority to PCT/US2019/045891 priority patent/WO2020036821A1/en
Priority to SG11202011153TA priority patent/SG11202011153TA/en
Priority to US16/774,076 priority patent/US10776646B2/en
Application granted granted Critical
Publication of CN109190509B publication Critical patent/CN109190509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • 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
    • 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
    • G06V40/16—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
    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

提供了一种身份识别方法、装置和计算机可读介质。所述身份识别方法包括：通过摄像头采集用户的的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；然后基于采集的脸部图像和采集的眼部图像中的虹膜特征和/或眼纹特征，对所述目标对象进行身份识别。

Description

一种身份识别方法、装置和计算机可读存储介质
技术领域
本说明书实施例涉及一种身份识别方法、装置和计算机可读存储介质。
背景技术
随着通信技术的发展和电子支付的普及，人们已越来越多地使用电子支付的方式(例如，支付宝支付)来取代现金进行交易。
当前，普遍是利用手机等终端来完成电子支付。然而，手机等终端在进行电子支付时一般用到支付密码来进行身份识别或验证，一旦用户的手机和支付密码同时被盗取，则用户就会遭受经济损失。因而，在用户用电子支付的方式进行交易时，如何更好地对用户身份进行识别是一个需要解决的技术问题。
发明内容
本说明书实施例提供一种身份识别方法、装置和计算机可读存储介质，以更好地对用户进行身份识别。
第一方面，提供一种身份识别方法，包括：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
第二方面，提供一种身份识别装置，包括：
采集模块，通过至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
身份识别模块，基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
第三方面，提供一种身份识别设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储一个或多个程序，所述一个或多个程序当被执行时，执行以下操作：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书实施例中，通过采集目标对象的脸部图像和眼部图像，并基于眼部图像中的虹膜特征和/或眼纹特征对目标对象进行身份识别，由于脸部和眼部图像中的虹膜特征和/或眼纹特征组合在一起对目标对象进行了多重验证，因而能够更好地对用户进行身份识别。
附图说明
图1是本说明书实施例提供的一种身份识别方法的流程图；
图2是本说明书实施例提供的另一种身份识别方法的流程图；
图3是本说明书实施例提供的身份识别装置的结构框图；
图4是本说明书实施例提供的一种终端的示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为更好地理解本申请的技术方案，下面先对本申请中涉及的一些概念进行解释。
人脸识别：基于人的脸部特征信息进行身份识别的一种生物识别技术，通常也叫做人像识别、面部识别。
虹膜：虹膜是眼睛上位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。
眼纹：眼纹是指眼白区域(巩膜)的血管、条纹和其他微细特征，研究表明这些细节特征在较长的时间内是不变的，同时每个人的眼纹特征又是独一无二的，即便是同卵多胞胎，眼纹也不一样。
活体检测：是指检测传感器获取的生物特征信号是否来自于真实的活体人体，对于人脸活体检测来说，活体检测技术主要用来确保摄像头采集的人脸图像来自活体人脸，而不是照片、视频、面具人脸等。
以下结合附图，详细说明本发明各实施例提供的技术方案。
本说明书实施例提供的身份识别方法可广泛地应用于各种场景，例如支付场景、医疗场景以及乘车场景等。
图1是本说明书实施例提供的身份识别方法的流程图。参照图1，本说明书实施例提供的身份识别方法可包括：
步骤110，控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征。
其中，所述目标对象为进行身份识别的对象，其可以为人、动物等。举例而言，当用户A需要进行身份识别时，其可以站在机器前等待摄像头采集用户A的脸部图像和眼部图像。此时，用户A即为目标对象。
步骤120，基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
在一个实施例中，可基于所述脸部图像以及眼部图像中的虹膜特征对目标对象进行身份识别。可选地，在另一个实施例中，可基于所述脸部图像以及眼部图像中的眼纹特征对目标对象进行身份识别。
当然，在另一个实施例中，可基于所述脸部图像以及眼部图像中的虹膜特征和眼纹特征对目标对象进行身份识别。
在本说明书实施例中，通过采集目标对象的脸部图像和眼部图像，并基于眼部图像中的虹膜特征和/或眼纹特征对目标对象进行身份识别，由于脸部和眼部图像中的虹膜特征和/或眼纹特征组合在一起对目标对象进行了多重验证，因而能够更好地对用户进行身份识别。
在本说明书实施例中，采集脸部图像和眼部图像的摄像头可以为一个，也可以为两个。也就是说，在一个摄像头的情况下，可以用同一个摄像头采集目标对象的脸部图像和眼部图像。在两个摄像头的情况下，也可以用一个摄像头采集目标对象的脸部图像，另一个摄像头采集目标对象的眼部图像。
在本说明书实施例中，控制至少一个摄像头采集目标对象的脸部图像和眼部图像的方式可以是各种各样的。下面举例进行说明。
一种图像采集理念是借助于矩形框来采集脸部图像和眼部图像。其中，采集脸部图像时可以利用脸部矩形框，采集眼部图像时可以利用两眼矩形框。脸部矩形框为框出目标对象的脸部的矩形框，两眼矩形框为框出目标对象的两眼的矩形框，即左眼矩形框和右眼矩形框。由于矩形框可对身体各部位发挥对准的作用，因而，借助矩形框来采集图像，可以获得比较清晰的脸部图像和眼部图像，进而有助于后续的身份识别。
在一种情形中，可以将脸部图像和眼部图像分开采集。例如，先采集目标对象的脸部图像，再采集目标对象的眼部图像。在此情况下，采集目标对象的脸部图像和眼部图像可具体为：调节所述至少一个摄像头以采集所述目标对象的脸部图像；基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像。此种方式可以在目标对象不配合的情况下通过使用脸部矩形框而快速地采集目标对象的脸部图像和眼部图像。
在本文中，调节摄像头可以具体为调节摄像头的焦距、朝向、曝光时间等成像参数。调节摄像头的目的可以为获取分辨率更大更清晰的脸部图像或者眼部图像。
在摄像头的数目为一个摄像头的情况下，上面所提及的调节所述至少一个摄像头以采集所述目标对象的脸部图像可包括：调节所述摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像。相应地，上面所提及的基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像可包括：基于所述脸部图像的脸部矩形框的位置，调节所述摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
也就是说，在一个摄像头的情况下，会通过调节这个摄像头来先后获得目标对象的脸部图像和眼部图像。由于在此过程中，是基于脸部矩形框和两眼矩形框来采集脸部图像和眼部图像，因而能够保障采集图像的质量较高。同时，在目标对象不配合图像采集的情况下，通过调节摄像头和利用矩形框(包括脸部矩形框和两眼矩形框)也能够快速获取脸部图像和眼部图像。
在摄像头的数目为两个摄像头的情况下，即，所述至少一个摄像头中的一个摄像头可以为拍摄脸部的第一摄像头，另一个摄像头可以为拍摄眼部的第二摄像头。在此情况下，上面所提及的调节所述至少一个摄像头以采集所述目标对象的脸部图像可包括：调节所述第一摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像。相应地，上面所提及的基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像可以包括：基于所述脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
在两个摄像头的情况下，可以通过调节两个摄像头来获得目标对象的脸部图像和眼部图像。由于在此过程中，脸部图像和眼部图像都有专门的摄像头来采集，因而相较于一个摄像头而言，能够获得更高质量的图像。图像采集过程中是基于脸部矩形框和两眼矩形框来采集脸部图像和眼部图像，因而能够保障采集图像的质量较高。同时，在目标对象不配合图像采集的情况下，通过调节摄像头和利用矩形框(包括脸部矩形框和两眼矩形框)也能够快速获取脸部图像和眼部图像。
在另一种情形中，可以同时采集脸部图像和眼部图像。在此情形下，采集目标对象的脸部图像和眼部图像可包括：调节所述至少一个摄像头以获取所述目标对象的初始脸部矩形框的位置；基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像。也就是说，在这种情形下，在出现初始脸部矩形框的时候并不会采集脸部图像，而是会进一步调节摄像头，保证眼部图像和脸部图像都足够清晰的情况下才会同时采集脸部图像和眼部图像。
在摄像头的数目为一个的情况下，上文所提及的基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像可包括：基于所述初始脸部矩形框的位置，调整所述摄像头，以获取所述目标对象的目标脸部矩形框的位置和所述目标对象的两眼矩形框的位置；基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像，以及基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
在摄像头的数目为一个的情况下，通过不断地调节摄像头，只有在脸部矩形框和眼部矩形框同时出现的情况下，才会采集脸部图像和眼部图像。这样，可以保证采集的脸部图像和眼部图像在同一时刻相关联。
在摄像头的数目为两个的情况下，即，所述至少一个摄像头包括拍摄脸部的第一摄像头和拍摄眼部的第二摄像头，上文提及的调节所述至少一个摄像头以获取所述目标对象的初始脸部矩形框的位置可包括：调节所述第一摄像头以获取所述目标对象的初始脸部矩形框的位置。相应地，上文提及的基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像可包括：基于所述初始脸部矩形框的位置，调节所述第一摄像头以获取所述目标对象的目标脸部矩形框的位置，并基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像；以及，基于所述目标脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
在两个摄像头的情况下，可以通过调节两个摄像头来获得目标对象的脸部图像和眼部图像。由于在此过程中，脸部图像和眼部图像都有专门的摄像头来采集，因而相较于一个摄像头而言，能够获得更高质量的图像。图像采集过程中是基于脸部矩形框和两眼矩形框来采集脸部图像和眼部图像，因而能够保障采集图像的质量较高。同时，在目标对象不配合图像采集的情况下，通过调节摄像头和利用矩形框(包括脸部矩形框和两眼矩形框)也能够快速获取脸部图像和眼部图像。
在本说明书实施例中，另一种图像采集理念是不借助矩形框来采集脸部图像和眼部图像。在此种情形下，可以通过不断地调节摄像头来保证眼部图像和脸部图像足够清晰。在调节摄像头时，类似于上面的情形，既可以分别采集脸部图像和眼部图像，也可以同时采集脸部图像和眼部图像。在同时采集脸部图像和眼部图像时，一般要求图像质量较高。
需了解的是，以上只是图像采集方式的举例，并不意为限制。
同时需了解的是，在本说明书实施例中，在确定脸部矩形框的位置的过程中可先检测脸部。本文中的脸部检测方法，既可以使用基于哈尔(Haar)特征和推进(boost)分类器的传统方法，也可以使用基于暂态混沌神经网络(MTCNN)的深度学习方法。本文中提到的脸部矩形框的位置可以为脸部矩形框的成像坐标位置，本文中提到的两眼矩形框的位置可以为两眼矩形框的成像坐标的位置。
图2是本说明书实施例提供的身份识别方法的流程图。参照图2，本说明书实施例提供的身份识别方法可包括：
步骤210，采集目标对象的脸部图像，以及采集目标对象的眼部图像中的虹膜特征和/或眼纹特征。
步骤220，基于所述脸部图像，以及所述眼部图像中的虹膜特征和/或眼纹特征，确定所述目标对象是否为活体。
其中，所述脸部图像可以为单帧脸部图像也可以为多帧脸部图像。所述眼部图像可以为单帧眼部图像，也可以为多帧眼部图像。
如果所述脸部图像为单帧脸部图像，所述眼部图像为单帧眼部图像，步骤220中所述基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体可包括：基于所述单帧脸部图像在活体和非活体方面的差异，以及所述单帧眼部图像所包含的所述虹膜特征和/或所述眼纹特征在活体和非活体方面的差异，确定所述目标对象是否为活体。
在单帧脸部图像的情况下，非活体的脸部可能存在变形、瑕疵等，因而通过确定单帧脸部图像上显示的脸部是否存在变形、瑕疵等即可确定出目标对象是否为活体。例如，若单帧脸部图像上存在变形、瑕疵等现象，则可直接确定出目标对象为非活体(例如，视频中的脸部)；若单帧脸部图像上显示的脸部完好，并存在变形、瑕疵等现象，则可确定为活体，或者结合虹膜特征和/或眼纹特征进行进一步检测。
在单帧眼部图像的情况下，可以通过检测虹膜上的细微特征(例如，斑点、细丝、冠状、条纹、隐窝等)或者眼纹上的细微特征(例如，血管、条纹等)来确定目标对象是否为活体。具体地，若眼部图像中包含虹膜上的细微特征或眼纹上的细微特征，则可确定目标对象为活体；若眼部图像中不包含虹膜上的细微特征或眼纹上的细微特征，则可确定目标对象为非活体。
在本说明书实施例中，脸部图像和眼部图像可以结合使用，通过这两者进行判断来确定目标对象是否为活体。
如果所述脸部图像为多帧脸部图像，所述眼部图像为多帧眼部图像，步骤220中所述基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体包括：如果所述多帧脸部图像之间存在差异，则确定所述目标对象为活体；如果所述多帧眼部图像在虹膜特征或眼纹特征方面存在差异，则确定所述目标对象为活体；如果所述多帧眼部图像在虹膜特征或眼纹特征方面不存在差异，则确定所述目标对象为非活体。
在脸部图像和眼部图像为多帧的情况下，可以对这多帧脸部图像进行比对来确定目标对象是否为活体，同时也可以对这多帧眼部图像进行比对来确定目标对象是否为活体。若多帧眼部图像不存在差异，则可确定目标对象为非活体。当然，为保证严谨性，可以在多帧脸部图像不存在差异，同时多帧眼部图像也不存在差异的情况下，将目标对象确定为非活体。若多帧脸部图像之间或多帧眼部图像之间存在差异，则可确定目标对象为活体。
步骤230，如果所述目标对象为活体，对所述目标对象进行身份识别。
在本说明书实施例中，通过采集目标对象的脸部图像和眼部图像，并基于眼部图像中的虹膜特征和/或眼纹特征对目标对象进行身份识别，由于脸部和眼部图像中的虹膜特征和/或眼纹特征组合在一起对目标对象进行了多重验证，因而能够更好地对用户进行身份识别。同时，在对目标对象进行身份识别之前，先确定目标对象是否为活体，只有在目标对象为活体的情况下，才进行身份识别，如此可以保证身份识别的有效性，避免他人盗用视频或图片而通过身份识别的情形。
下面对本说明书实施例中的身份识别方式进行具体阐释。在本说明书实施例中，可以采用多种方式来进行身份识别。具体地，可以采用脸部图像、眼部图像中的虹膜特征以及眼部图像中的眼纹特征中的至少一种进行身份识别。也就是说，在进行身份识别时，可以采用脸部图像结合眼部图像中的虹膜特征进行身份识别，可以采用脸部图像结合眼部图像中的眼纹特征进行身份识别，可以采用脸部图像、眼部图像中的虹膜特征以及眼部图像中的眼纹特征这三者进行身份识别。当然，还可以采用眼部图像中的虹膜特征结合眼部图像中的眼纹特征进行身份识别。
下面对各种不同的身份识别方式进行具体说明。
第一种身份识别方式：基于脸部图像和眼部图像的虹膜特征进行身份识别。
在本说明书的一个实施例中，所述眼部图像可包含虹膜特征，此时，步骤120或步骤230中所述对所述目标对象进行身份识别可包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功。
此种基于脸部图像和眼部图像的虹膜特征进行身份识别的方式能够保障身份识别的精确度较高，且身份识别速度较快。
第二种身份识别方式：基于脸部图像和眼部图像的眼纹特征进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别可包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
如果所述眼部图像库中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
此种基于脸部图像和眼部图像的眼纹特征进行身份识别的方式能够保障身份识别的精确度较高，且身份识别速度较快。
第三种身份识别方式：基于脸部图像、眼部图像的虹膜特征以及眼部图像的眼纹特征进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含虹膜特征和眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；
将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；
如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
此种基于脸部图像、眼部图像的虹膜特征以及眼部图像的眼纹特征进行身份识别的方式能够保障身份识别的精确度很高，有效避免误识别现象发生。
第四种身份识别方式：基于脸部图像、眼部图像的眼纹特征以及眼部图像的虹膜特征进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含虹膜特征和眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
从所述指定眼部图像中选出第二组眼部图像，所述第二组眼部图像为所述指定眼部图像中那些眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值的眼部图像；
将采集的所述眼部图像的虹膜特征与所述第二组眼部图像中的眼部图像的虹膜特征进行比对；
如果所述第二组眼部图像中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功。
此种基于脸部图像、眼部图像的眼纹特征以及眼部图像的虹膜特征进行身份识别进行身份识别的方式能够保障身份识别的精确度很高，有效避免误识别现象发生。
第五种身份识别方式：基于眼部图像的虹膜特征和脸部图像进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含虹膜特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；
从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第三组眼部图像中的眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
此种基于眼部图像的虹膜特征和脸部图像进行身份识别的方式精确度较高。
第六种身份识别方式：基于眼部图像的眼纹特征以及脸部图像进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；
从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第四组眼部图像中的眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
此种基于眼部图像的眼纹特征以及脸部图像进行身份识别的方式精确度较高。
第七种身份识别方式：基于眼部图像的虹膜特征、眼部图像的眼纹特征以及脸部图像进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含虹膜特征和眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；
从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；
将采集的所述眼部图像的眼纹特征与所述第三组眼部图像中的眼部图像的眼纹特征进行比对；
从所述第三组眼部图像中选出第五组眼部图像，所述第五组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第五组眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
此种基于眼部图像的虹膜特征、眼部图像的眼纹特征以及脸部图像进行身份识别能够保障身份识别的方式精确度很高，有效避免误识别现象发生。
第八种身份识别方式：基于眼部图像的眼纹特征、眼部图像的虹膜特征以及脸部图像进行身份识别。
在本说明书的一个实施例中，所述眼部图像包含虹膜特征和眼纹特征，步骤120或步骤230中所述对所述目标对象进行身份识别包括：
将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；
从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的脸部图像；
将采集的所述眼部图像的虹膜特征与所述第四组眼部图像中的眼部图像的虹膜特征进行比对；
从所述第四组眼部图像中选出第六组眼部图像，所述第六组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第六组眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
此种基于眼部图像的眼纹特征、眼部图像的虹膜特征以及脸部图像进行身份识别的方式能够保障身份识别的精确度很高，有效避免误识别现象发生。
需要说明的是，在上面各种身份识别方式中，眼部图像库和脸部图像库可以从本地或其他存储装置获取。眼部图像库中的眼部图像可以通过各种方式预先获取，脸部图像库中的脸部图像也可以通过各种方式预先获取。具体获取方式本申请并不限定。
同时需要说明的是，在上面各种身份识别方式中，第一阈值、第二阈值和第三阈值可以根据需要来设定。第一阈值可以设定为例如70分(以一百分计)或70％，第一阈值可以设定为例如72分或72％；第三阈值可以设定为例如75分或75％等等。第一阈值、第二阈值以及第三阈值之间的取值并无关联。
本申请提供的身份识别方法可将人脸、眼纹和虹膜技术相结合，并将之用于刷脸支付场景用户非配合式的身份识别，既融合了基于人脸和眼纹的活体检测技术，也将人脸、虹膜和眼纹用于大规模用户检索，并可以以级联的方式实现，兼顾了效率和精度的平衡，可实现百万级别人脸库在较快(例如1秒)时间内的快速检索。
图3是本说明书实施例提供的一种身份识别装置的结构框图。参照图3，本说明书实施例提供的身份识别装置300可包括采集模块310和身份识别模块320。其中：
采集模块310，通过至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
身份识别模块320，基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别。
可选地，在本说明书的一个实施例中，所述身份识别模块320具体用于：
基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体；
如果所述目标对象为活体，对所述目标对象进行身份识别。
可选地，在本说明书的一个实施例中，所述采集模块310具体用于：调节所述至少一个摄像头以采集所述目标对象的脸部图像；基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像。
可选地，在本说明书的一个实施例中，所述至少一个摄像头为一个摄像头，所述采集模块310具体用于：调节所述摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像；基于所述脸部图像的脸部矩形框的位置，调节所述摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
可选地，在本说明书的一个实施例中，所述至少一个摄像头包括拍摄脸部的第一摄像头和拍摄眼部的第二摄像头，所述采集模块310具体用于：调节所述第一摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像；基于所述脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
可选地，在本说明书的另一个实施例中，所述采集模块310具体用于：调节所述至少一个摄像头以获取所述目标对象的初始脸部矩形框的位置；基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像。
可选地，所述至少一个摄像头为一个摄像头，所述采集模块310具体用于：基于所述初始脸部矩形框的位置，调整所述摄像头，以获取所述目标对象的目标脸部矩形框的位置和所述目标对象的两眼矩形框的位置；基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像，以及基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
可选地，所述至少一个摄像头包括拍摄脸部的第一摄像头和拍摄眼部的第二摄像头，
所述采集模块310具体用于：调节所述第一摄像头以获取所述目标对象的初始脸部矩形框的位置；基于所述初始脸部矩形框的位置，调节所述第一摄像头以获取所述目标对象的目标脸部矩形框的位置，并基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像；以及，基于所述目标脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
可选地，在本说明书的另一个实施例中，所述脸部图像为单帧脸部图像，所述眼部图像为单帧眼部图像，所述身份识别模块320具体用于：基于所述单帧脸部图像在活体和非活体方面的差异，以及所述单帧眼部图像所包含的所述虹膜特征和/或所述眼纹特征在活体和非活体方面的差异，确定所述目标对象是否为活体。
可选地，在本说明书的另一个实施例中，所述脸部图像为多帧脸部图像，所述眼部图像为多帧眼部图像，所述身份识别模块320具体用于：如果所述多帧脸部图像之间存在差异，则确定所述目标对象为活体；如果所述多帧眼部图像在虹膜特征或眼纹特征方面存在差异，则确定所述目标对象为活体；如果所述多帧眼部图像在虹膜特征或眼纹特征方面不存在差异，则确定所述目标对象为非活体。
可选地，所述眼部图像包含虹膜特征，所述身份识别模块320具体用于：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含眼纹特征，所述身份识别模块320具体用于：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含虹膜特征和眼纹特征，所述身份识别模块320具体用于：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含虹膜特征和眼纹特征，所述身份识别模块320具体用于：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第二组眼部图像，所述第二组眼部图像为所述指定眼部图像中那些眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值的眼部图像；将采集的所述眼部图像的虹膜特征与所述第二组眼部图像中的眼部图像的虹膜特征进行比对；如果所述第二组眼部图像中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含虹膜特征，所述身份识别模块320具体用于：将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第三组眼部图像中的眼部图像相关联；如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含眼纹特征，所述身份识别模块320具体用于：将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第四组眼部图像中的眼部图像相关联；如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含虹膜特征和眼纹特征，所述身份识别模块320具体用于：将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第三组眼部图像中的眼部图像的眼纹特征进行比对；从所述第三组眼部图像中选出第五组眼部图像，所述第五组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第五组眼部图像相关联；如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
可选地，所述眼部图像包含虹膜特征和眼纹特征，所述身份识别模块320具体用于：将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的脸部图像；将采集的所述眼部图像的虹膜特征与所述第四组眼部图像中的眼部图像的虹膜特征进行比对；从所述第四组眼部图像中选出第六组眼部图像，所述第六组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第六组眼部图像相关联；如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
在本说明书实施例中，通过采集目标对象的脸部图像和眼部图像，并基于眼部图像中的虹膜特征和/或眼纹特征对目标对象进行身份识别，由于脸部和眼部图像中的虹膜特征和/或眼纹特征组合在一起对目标对象进行了多重验证，因而能够更好地对用户进行身份识别。
图4是实现本发明各个实施例的一种终端的硬件结构示意图。其中，该终端可以是一种移动终端。
该终端400包括但不限于：射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、处理器410、以及电源411等部件。本领域技术人员可以理解，图4中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本说明书实施例中，移动终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中，处理器410，用于产生提示信息，其中所述提示信息包括发送地点位置、金额大小和提示信息内容；根据所述发送地点位置，搜寻所述发送地点位置的预设范围内的另一移动终端；向所述另一移动终端发送所述提示信息。
根据本说明书实施例的终端，通过，能够实现产生提示信息，其中提示信息包括发送地点位置、金额大小和提示信息内容；根据发送地点位置，搜寻发送地点位置的预设范围内的另一移动终端；向另一移动终端发送提示信息，能够实现匿名的方式发送提示信息，可以避免面对面交流而产生冲突的问题并起到告知的作用，提高安全性，且提示信息中附加少许金额，也可以吸引受众的注意力，有较大的概率达成信息传递的目的。
应理解的是，本说明书实施例中，射频单元401可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器410处理；另外，将上行的数据发送给基站。通常，射频单元401包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元401还可以通过无线通信系统与网络和其他设备通信。
移动终端通过网络模块402为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元403可以将射频单元401或网络模块402接收的或者在存储器409中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元403还可以提供与移动终端400执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元403包括扬声器、蜂鸣器以及受话器等。
输入单元404用于接收音频或视频信号。输入单元404可以包括图形处理器(Graphics Processing Unit，GPU)4041和麦克风4042，图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元406上。经图形处理器4041处理后的图像帧可以存储在存储器409(或其它存储介质)中或者经由射频单元401或网络模块402进行发送。麦克风4042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元401发送到移动通信基站的格式输出。
移动终端400还包括至少一种传感器405，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板4061的亮度，接近传感器可在移动终端400移动到耳边时，关闭显示面板4061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器405还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
显示单元406用于显示由用户输入的信息或提供给用户的信息。显示单元406可包括显示面板4061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板4061。
用户输入单元407可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板4071上或在触控面板4071附近的操作)。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器410，接收处理器410发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板4071。除了触控面板4071，用户输入单元407还可以包括其他输入设备4072。具体地，其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板4071可覆盖在显示面板4061上，当触控面板4071检测到在其上或附近的触摸操作后，传送给处理器410以确定触摸事件的类型，随后处理器410根据触摸事件的类型在显示面板4061上提供相应的视觉输出。虽然在图4中，触控面板4071与显示面板4061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板4071与显示面板4061集成而实现移动终端的输入和输出功能，具体此处不做限定。
接口单元408为外部装置与移动终端400连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元405可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端400内的一个或多个组件或者可以用于在移动终端400和外部装置之间传输数据。
存储器409可用于存储软件程序以及各种数据。存储器409可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器409可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器410是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器409内的软件程序和/或模块，以及调用存储在存储器409内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器410可包括一个或多个处理单元；优选的，处理器410可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器410中。
移动终端400还可以包括给各个部件供电的电源411(比如电池)，优选的，电源411可以通过电源管理系统与处理器410逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，移动终端400包括一些未示出的功能模块，在此不再赘述。
优选的，本说明书实施例还提供一种移动终端，包括处理器410，存储器409，存储在存储器409上并可在所述处理器410上运行的计算机程序，该计算机程序被处理器410执行时实现上述身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书实施例还提供一种非临时性计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述任一身份识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁盘或者光盘等。
本申请提供的身份识别装置和终端可将人脸、眼纹和虹膜技术相结合，并将之用于刷脸支付场景用户非配合式的身份识别，既融合了基于人脸和眼纹的活体检测技术，也将人脸、虹膜和眼纹用于大规模用户检索，并可以以级联的方式实现，兼顾了效率和精度的平衡，可实现百万级别人脸库在较快(例如1秒)时间内的快速检索。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例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，本发明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、磁盘、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (19)

1.一种身份识别方法，包括：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别；
其中，若所述眼部图像包含虹膜特征，所述对所述目标对象进行身份识别包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功；
其中，若所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
2.根据权利要求1所述的方法，所述基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别包括：
基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体；
如果所述目标对象为活体，对所述目标对象进行身份识别。
3.根据权利要求1所述的方法，所述控制至少一个摄像头采集目标对象的脸部图像和眼部图像包括：
调节所述至少一个摄像头以采集所述目标对象的脸部图像；
基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像。
4.根据权利要求3所述的方法，所述至少一个摄像头为一个摄像头，
所述调节所述至少一个摄像头以采集所述目标对象的脸部图像包括：调节所述摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像；
所述基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像包括：基于所述脸部图像的脸部矩形框的位置，调节所述摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
5.根据权利要求3所述的方法，所述至少一个摄像头包括拍摄脸部的第一摄像头和拍摄眼部的第二摄像头，
所述调节所述至少一个摄像头以采集所述目标对象的脸部图像包括：调节所述第一摄像头，以获取所述目标对象的脸部矩形框的位置；基于所述脸部矩形框的位置，采集所述目标对象的脸部图像；
所述基于所述脸部图像的脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的眼部图像包括：基于所述脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
6.根据权利要求1所述的方法，所述控制至少一个摄像头采集目标对象的脸部图像和眼部图像包括：
调节所述至少一个摄像头以获取所述目标对象的初始脸部矩形框的位置；
基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像。
7.根据权利要求6所述的方法，所述至少一个摄像头为一个摄像头，所述基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像包括：
基于所述初始脸部矩形框的位置，调整所述摄像头，以获取所述目标对象的目标脸部矩形框的位置和所述目标对象的两眼矩形框的位置；
基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像，以及基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
8.根据权利要求6所述的方法，所述至少一个摄像头包括拍摄脸部的第一摄像头和拍摄眼部的第二摄像头，
所述调节所述至少一个摄像头以获取所述目标对象的初始脸部矩形框的位置包括：调节所述第一摄像头以获取所述目标对象的初始脸部矩形框的位置；
所述基于所述初始脸部矩形框的位置，调节所述至少一个摄像头以采集所述目标对象的脸部图像和眼部图像包括：基于所述初始脸部矩形框的位置，调节所述第一摄像头以获取所述目标对象的目标脸部矩形框的位置，并基于所述目标脸部矩形框的位置，采集所述目标对象的脸部图像；以及，基于所述目标脸部矩形框的位置，调节所述第二摄像头，以获取所述目标对象的两眼矩形框的位置；基于所述两眼矩形框的位置，采集所述目标对象的眼部图像。
9.根据权利要求2所述的方法，所述脸部图像为单帧脸部图像，所述眼部图像为单帧眼部图像，所述基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体包括：
基于所述单帧脸部图像在活体和非活体方面的差异，以及所述单帧眼部图像所包含的所述虹膜特征和/或所述眼纹特征在活体和非活体方面的差异，确定所述目标对象是否为活体。
10.根据权利要求2所述的方法，所述脸部图像为多帧脸部图像，所述眼部图像为多帧眼部图像，
所述基于所述眼部图像以及所述脸部图像，确定所述目标对象是否为活体包括：
如果所述多帧脸部图像之间存在差异，则确定所述目标对象为活体；
如果所述多帧眼部图像在虹膜特征或眼纹特征方面存在差异，则确定所述目标对象为活体；
如果所述多帧眼部图像在虹膜特征或眼纹特征方面不存在差异，则确定所述目标对象为非活体。
11.根据权利要求1所述的方法，所述眼部图像包含眼纹特征，所述对所述目标对象进行身份识别还包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
如果所述眼部图像库中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
12.根据权利要求1所述的方法，所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：
将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；
从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；
将采集的所述眼部图像的眼纹特征与眼部图像库中的指定眼部图像的眼纹特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；
从所述指定眼部图像中选出第二组眼部图像，所述第二组眼部图像为所述指定眼部图像中那些眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值的眼部图像；
将采集的所述眼部图像的虹膜特征与所述第二组眼部图像中的眼部图像的虹膜特征进行比对；
如果所述第二组眼部图像中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功。
13.根据权利要求1所述的方法，所述眼部图像包含虹膜特征，所述对所述目标对象进行身份识别还包括：
将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；
从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第三组眼部图像中的眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
14.根据权利要求1所述的方法，所述眼部图像包含眼纹特征，所述对所述目标对象进行身份识别还包括：
将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；
从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第四组眼部图像中的眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
15.根据权利要求1所述的方法，所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：
将采集的所述眼部图像的虹膜特征与眼部图像库中的眼部图像的虹膜特征进行比对；
从所述眼部图像库中选出第三组眼部图像，所述第三组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；
将采集的所述眼部图像的眼纹特征与所述第三组眼部图像中的眼部图像的眼纹特征进行比对；
从所述第三组眼部图像中选出第五组眼部图像，所述第五组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第五组眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
16.根据权利要求1所述的方法，所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：
将采集的所述眼部图像的眼纹特征与眼部图像库中的眼部图像的眼纹特征进行比对；
从所述眼部图像库中选出第四组眼部图像，所述第四组眼部图像为那些眼纹特征与采集的所述眼部图像的眼纹特征的相似度大于第三阈值的脸部图像；
将采集的所述眼部图像的虹膜特征与所述第四组眼部图像中的眼部图像的虹膜特征进行比对；
从所述第四组眼部图像中选出第六组眼部图像，所述第六组眼部图像为那些虹膜特征与采集的所述眼部图像的虹膜特征的相似度大于第二阈值的眼部图像；
将采集的所述脸部图像与脸部图像库中的指定脸部图像进行比对，其中，所述指定脸部图像与所述第六组眼部图像相关联；
如果所述指定脸部图像中存在一脸部图像与采集的所述脸部图像之间的相似度大于第一阈值，则所述目标对象识别成功。
17.一种身份识别装置，包括：
采集模块，通过至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
身份识别模块，基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别；其中，若所述眼部图像包含虹膜特征，所述对所述目标对象进行身份识别包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功；
其中，若所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
18.一种身份识别设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别；
其中，若所述眼部图像包含虹膜特征，所述对所述目标对象进行身份识别包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功；
其中，若所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
19.一种计算机可读存储介质，所述计算机可读存储介质上存储一个或多个程序，所述一个或多个程序当被执行时，执行以下操作：
控制至少一个摄像头采集目标对象的脸部图像和眼部图像，其中，所述眼部图像包含虹膜特征和/或眼纹特征；
基于所述脸部图像和所述眼部图像，对所述目标对象进行身份识别；其中，若所述眼部图像包含虹膜特征，所述对所述目标对象进行身份识别包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；如果所述眼部图像库中存在一眼部图像的虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值，则所述目标对象识别成功；
其中，若所述眼部图像包含虹膜特征和眼纹特征，所述对所述目标对象进行身份识别还包括：将采集的所述脸部图像与脸部图像库中的脸部图像进行比对；从所述脸部图像库中选出第一组脸部图像，所述第一组脸部图像为与采集的所述脸部图像的相似度大于第一阈值的脸部图像；将采集的所述眼部图像的虹膜特征与眼部图像库中的指定眼部图像的虹膜特征进步比对，其中，所述指定眼部图像与所述第一组脸部图像中的脸部图像相关联；从所述指定眼部图像中选出第一组眼部图像，所述第一组眼部图像为所述指定眼部图像中那些虹膜特征与采集的所述眼部图像的虹膜特征之间的相似度大于第二阈值的眼部图像；将采集的所述眼部图像的眼纹特征与所述第一组眼部图像中的眼部图像的眼纹特征进行比对；如果所述第一组眼部图像中存在一眼部图像的眼纹特征与采集的所述眼部图像的眼纹特征之间的相似度大于第三阈值，则所述目标对象识别成功。
CN201810917915.7A 2018-08-13 2018-08-13 一种身份识别方法、装置和计算机可读存储介质 Active CN109190509B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810917915.7A CN109190509B (zh) 2018-08-13 2018-08-13 一种身份识别方法、装置和计算机可读存储介质
TW108119113A TWI706270B (zh) 2018-08-13 2019-06-03 身分識別方法、裝置和電腦可讀儲存媒體
US16/537,026 US11126878B2 (en) 2018-08-13 2019-08-09 Identification method and apparatus and computer-readable storage medium
PCT/US2019/045891 WO2020036821A1 (en) 2018-08-13 2019-08-09 Identification method and apparatus and computer-readable storage medium
SG11202011153TA SG11202011153TA (en) 2018-08-13 2019-08-09 Identification method and apparatus and computer-readable storage medium
US16/774,076 US10776646B2 (en) 2018-08-13 2020-01-28 Identification method and apparatus and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810917915.7A CN109190509B (zh) 2018-08-13 2018-08-13 一种身份识别方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109190509A CN109190509A (zh) 2019-01-11
CN109190509B true CN109190509B (zh) 2023-04-25

Family

ID=64921165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810917915.7A Active CN109190509B (zh) 2018-08-13 2018-08-13 一种身份识别方法、装置和计算机可读存储介质

Country Status (5)

Country Link
US (2) US11126878B2 (zh)
CN (1) CN109190509B (zh)
SG (1) SG11202011153TA (zh)
TW (1) TWI706270B (zh)
WO (1) WO2020036821A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190509B (zh) * 2018-08-13 2023-04-25 创新先进技术有限公司 一种身份识别方法、装置和计算机可读存储介质
CN109871796A (zh) * 2019-01-31 2019-06-11 杭州创匠信息科技有限公司 基于活体虹膜的防伪方法和装置
CN109787775B (zh) * 2019-03-06 2021-10-22 杭州电子科技大学 一种基于陈氏混沌系统与指静脉辅助数据的安全认证方法
CN111860056B (zh) * 2019-04-29 2023-10-20 北京眼神智能科技有限公司 基于眨眼的活体检测方法、装置、可读存储介质及设备
CN115439129A (zh) * 2020-05-08 2022-12-06 蚂蚁胜信(上海)信息技术有限公司 身份核验方法以及装置
CN113657231B (zh) * 2021-08-09 2024-05-07 广州中科智云科技有限公司 一种基于多旋翼无人机的图像识别方法及装置
CN114067408A (zh) * 2021-11-22 2022-02-18 杭州世拓创意智能科技有限公司 用于银行自助设备的人脸识别身份认证方法及系统
CN115270093A (zh) * 2022-07-28 2022-11-01 上海闻泰电子科技有限公司 身份校验方法、装置、电子设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1916936A (zh) * 2006-09-07 2007-02-21 北京理工大学 一种侧面轮廓和人耳特征相结合的身份识别装置
CN1932840A (zh) * 2005-09-16 2007-03-21 中国科学技术大学 基于虹膜和人脸的多模态生物特征身份识别系统
WO2017059570A1 (zh) * 2015-10-08 2017-04-13 华为技术有限公司 一种保护隐私信息的方法和终端设备
CN106570469A (zh) * 2016-11-01 2017-04-19 北京无线电计量测试研究所 自助式双目虹膜注册方法及利用该方法的虹膜注册装置
CN107330699A (zh) * 2017-06-27 2017-11-07 王田 基于图像处理算法的移动终端支付系统
CN107346419A (zh) * 2017-06-14 2017-11-14 广东欧珀移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6181805B1 (en) * 1993-08-11 2001-01-30 Nippon Telegraph & Telephone Corporation Object image detecting method and system
US7050835B2 (en) * 2001-12-12 2006-05-23 Universal Display Corporation Intelligent multi-media display communication system
WO2003060814A1 (en) * 2002-01-16 2003-07-24 Iritech, Inc. System and method for iris identification using stereoscopic face recognition
TWI224287B (en) * 2003-01-23 2004-11-21 Ind Tech Res Inst Iris extraction method
US8064647B2 (en) * 2006-03-03 2011-11-22 Honeywell International Inc. System for iris detection tracking and recognition at a distance
US7817826B2 (en) * 2005-08-12 2010-10-19 Intelitrac Inc. Apparatus and method for partial component facial recognition
US8280120B2 (en) * 2006-10-02 2012-10-02 Eyelock Inc. Fraud resistant biometric financial transaction system and method
JP4941124B2 (ja) * 2007-06-25 2012-05-30 オムロン株式会社 監視システムおよび方法、情報処理装置、並びにプログラム
KR100840021B1 (ko) * 2007-11-05 2008-06-20 (주)올라웍스 특성 데이터를 이용하여 디지털 데이터에 포함된 인물의얼굴에 대해 인식하는 방법 및 시스템
US8306279B2 (en) * 2008-09-15 2012-11-06 Eyelock, Inc. Operator interface for face and iris recognition devices
CN101833646B (zh) * 2009-03-11 2012-05-02 北京中科虹霸科技有限公司 一种虹膜活体检测方法
US8385685B2 (en) * 2011-06-08 2013-02-26 Honeywell International Inc. System and method for ocular recognition
US9025830B2 (en) * 2012-01-20 2015-05-05 Cyberlink Corp. Liveness detection system based on face behavior
CN103679125B (zh) * 2012-09-24 2016-12-21 致伸科技股份有限公司 人脸追踪的方法
CN104239857A (zh) * 2014-09-05 2014-12-24 深圳市中控生物识别技术有限公司 一种身份识别信息采集方法、装置及系统
CN104834908B (zh) * 2015-05-07 2018-09-07 惠州Tcl移动通信有限公司 一种移动终端基于眼纹识别的图像曝光方法及曝光系统
US9940575B2 (en) * 2015-06-04 2018-04-10 Yahoo Holdings, Inc. Image searching
CN104992163B (zh) * 2015-07-22 2019-01-08 江苏天诚智能集团有限公司 一种人脸图像与虹膜图像同时采集光学装置及其身份认证方法
US10671837B2 (en) * 2015-09-08 2020-06-02 Nec Corporation Face recognition system, face recognition method, display control apparatus, display control method, and display control program
CN105184277B (zh) * 2015-09-29 2020-02-21 杨晴虹 活体人脸识别方法以及装置
CN105320941A (zh) * 2015-10-21 2016-02-10 北京无线电计量测试研究所 一种基于虹膜和人脸融合的生物识别装置及利用该装置进行生物识别的方法
CN105262758B (zh) * 2015-10-28 2017-09-12 广东欧珀移动通信有限公司 一种身份验证方法和装置
US9747494B2 (en) * 2015-11-16 2017-08-29 MorphoTrak, LLC Facial matching system
TW201718997A (zh) * 2015-11-25 2017-06-01 qi-wei Qiu 生物辨識門鎖系統
CN105760820A (zh) * 2016-01-25 2016-07-13 湖南人文科技学院 一种基于虹膜和人脸识别的多生物特征复合鉴证的身份识别装置
CN105912987A (zh) * 2016-04-01 2016-08-31 王涛 一种基于虹膜辅助身份认证的面部支付平台的使用方法
CN105913019A (zh) * 2016-04-11 2016-08-31 北京奇虎科技有限公司 虹膜识别方法及终端
CN106096585A (zh) * 2016-06-29 2016-11-09 深圳市金立通信设备有限公司 一种身份验证方法以及终端
CN110705507B (zh) * 2016-06-30 2022-07-08 北京七鑫易维信息技术有限公司 一种身份识别方法及装置
CN106203375A (zh) * 2016-07-20 2016-12-07 济南大学 一种基于人脸图像中人脸和人眼检测的瞳孔定位方法
CN106250851B (zh) * 2016-08-01 2020-03-17 徐鹤菲 一种身份认证方法、设备及移动终端
CN106899567B (zh) * 2016-08-24 2019-12-13 阿里巴巴集团控股有限公司 用户核身方法、装置及系统
CN106548132A (zh) 2016-10-16 2017-03-29 北海益生源农贸有限责任公司 融合眼睛状态和心率检测的疲劳驾驶检测方法
CN106529436B (zh) * 2016-10-25 2020-03-17 徐鹤菲 一种身份一致性认证方法、装置和移动终端
KR20180071589A (ko) * 2016-12-20 2018-06-28 삼성전자주식회사 홍채 인식 기능 운용 방법 및 이를 지원하는 전자 장치
US10599912B2 (en) * 2016-12-23 2020-03-24 Aware, Inc. Analysis of reflections of projected light in varying colors, brightness, patterns, and sequences for liveness detection in biometric systems
CN107239735A (zh) * 2017-04-24 2017-10-10 复旦大学 一种基于视频分析的活体检测方法和系统
CN107273812B (zh) * 2017-05-22 2019-02-05 西安交通大学 一种用于身份认证的活体虹膜防伪方法
CN107368725B (zh) * 2017-06-16 2020-04-10 Oppo广东移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质
CN107292290B (zh) * 2017-07-17 2021-02-19 Oppo广东移动通信有限公司 人脸活体识别方法及相关产品
CN107403149A (zh) * 2017-07-17 2017-11-28 广东欧珀移动通信有限公司 虹膜识别方法及相关产品
CN111339822B (zh) * 2017-07-17 2023-06-30 Oppo广东移动通信有限公司 活体检测方法及相关产品
CN107463883A (zh) * 2017-07-18 2017-12-12 广东欧珀移动通信有限公司 生物识别方法及相关产品
CN107506697B (zh) * 2017-07-29 2019-12-20 Oppo广东移动通信有限公司 防伪处理方法及相关产品
CN107451455A (zh) * 2017-07-29 2017-12-08 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN107506696A (zh) * 2017-07-29 2017-12-22 广东欧珀移动通信有限公司 防伪处理方法及相关产品
CN107580114B (zh) * 2017-08-24 2020-07-28 Oppo广东移动通信有限公司 生物识别方法、移动终端以及计算机可读存储介质
CN107590463A (zh) * 2017-09-12 2018-01-16 广东欧珀移动通信有限公司 人脸识别方法及相关产品
CN107392192A (zh) * 2017-09-19 2017-11-24 信利光电股份有限公司 一种身份识别方法、装置及多摄像头模组
US11023757B2 (en) * 2018-02-14 2021-06-01 Samsung Electronics Co., Ltd. Method and apparatus with liveness verification
CN109190509B (zh) * 2018-08-13 2023-04-25 创新先进技术有限公司 一种身份识别方法、装置和计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1932840A (zh) * 2005-09-16 2007-03-21 中国科学技术大学 基于虹膜和人脸的多模态生物特征身份识别系统
CN1916936A (zh) * 2006-09-07 2007-02-21 北京理工大学 一种侧面轮廓和人耳特征相结合的身份识别装置
WO2017059570A1 (zh) * 2015-10-08 2017-04-13 华为技术有限公司 一种保护隐私信息的方法和终端设备
CN106570469A (zh) * 2016-11-01 2017-04-19 北京无线电计量测试研究所 自助式双目虹膜注册方法及利用该方法的虹膜注册装置
CN107346419A (zh) * 2017-06-14 2017-11-14 广东欧珀移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质
CN107330699A (zh) * 2017-06-27 2017-11-07 王田 基于图像处理算法的移动终端支付系统

Also Published As

Publication number Publication date
CN109190509A (zh) 2019-01-11
US20200160078A1 (en) 2020-05-21
US10776646B2 (en) 2020-09-15
US11126878B2 (en) 2021-09-21
TW202009761A (zh) 2020-03-01
WO2020036821A1 (en) 2020-02-20
US20200050877A1 (en) 2020-02-13
TWI706270B (zh) 2020-10-01
SG11202011153TA (en) 2020-12-30
WO2020036821A8 (en) 2020-04-02

Similar Documents

Publication Publication Date Title
CN109190509B (zh) 一种身份识别方法、装置和计算机可读存储介质
CN110706179B (zh) 一种图像处理方法及电子设备
CN108345845B (zh) 图像传感器、镜头模组、移动终端、人脸识别方法及装置
CN105956518A (zh) 一种人脸识别方法、装置和系统
CN107623778B (zh) 来电接听方法及移动终端
CN108427873B (zh) 一种生物特征识别方法及移动终端
US20240005695A1 (en) Fingerprint Recognition Method and Electronic Device
CN107730460B (zh) 一种图像处理方法及移动终端
JP7467667B2 (ja) 検出結果出力方法、電子機器及び媒体
CN109525837B (zh) 图像的生成方法和移动终端
CN108769410B (zh) 一种信息发送方法及移动终端
CN110855897B (zh) 图像拍摄方法、装置、电子设备及存储介质
CN110929540A (zh) 扫描码识别方法及装置
CN108446665B (zh) 一种人脸识别方法和移动终端
CN107895108B (zh) 一种操作管理方法和移动终端
CN111402157B (zh) 一种图像处理方法及电子设备
CN110399780B (zh) 一种人脸检测方法、装置及计算机可读存储介质
CN110443752B (zh) 一种图像处理方法和移动终端
CN108960097B (zh) 一种获取人脸深度信息的方法及装置
CN111401283A (zh) 面部识别方法及装置、电子设备及存储介质
CN108282611B (zh) 一种图像处理方法及移动终端
CN114973347B (zh) 一种活体检测方法、装置及设备
CN111444491B (zh) 一种信息处理方法和电子设备
WO2021218823A1 (zh) 指纹活体检测方法、设备及存储介质
CN109978757B (zh) 一种图像处理方法及终端设备

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40002646

Country of ref document: HK

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant