CN109255299A - 身份认证方法和装置、电子设备和存储介质 - Google Patents
身份认证方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN109255299A CN109255299A CN201810918697.9A CN201810918697A CN109255299A CN 109255299 A CN109255299 A CN 109255299A CN 201810918697 A CN201810918697 A CN 201810918697A CN 109255299 A CN109255299 A CN 109255299A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- certificate
- identity authentication
- detection result
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 130
- 238000001514 detection method Methods 0.000 claims abstract description 377
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 abstract description 4
- 210000005036 nerve Anatomy 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 19
- 238000003384 imaging method Methods 0.000 description 18
- 238000000605 extraction Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229940040145 liniment Drugs 0.000 description 1
- 239000000865 liniment Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开实施例公开了一种身份认证方法和装置、电子设备和存储介质，其中，身份认证方法包括：通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果，并通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
Description
技术领域
本公开涉及人工智能技术，尤其是一种身份认证方法和装置、电子设备和存储介质。
背景技术
目前，在保险、证券、金融等多个领域，都需要对用户进行身份验证。目前常用的做法是，用户向服务器上传手持身份证的照片，在服务器后台进行人工审核，由人工挑选出有效的照片进行身份验证，需要耗费大量的人力资源，成本较高，效率低下，且人工处理可能出现错误，准确率较低，无法满足业务需求。
发明内容
本公开实施例提供一种进行身份认证的技术方案。
根据本公开实施例的一个方面，提供的一种身份认证方法，包括：通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果，并通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
可选地，在本公开上述各实施例的身份认证方法中，所述有效的身份认证图像包括：手持证件图像。
在本公开实施例的某些方面，通过第一机器学习方法对采集图像进行人脸检测，得到人脸检测结果，并通过第二机器学习方法对所述采集图像进行证件检测，得到证件检测结果。
在一种可能的实现方式中，手持证件图像为手持身份证图像。
可选地，在本公开上述各实施例的身份认证方法中，所述人脸检测结果包括下列中的至少一项：所述采集图像中包括的人脸的数量和所述人脸在所述采集图像中的位置信息。
例如，人脸检测结果可以包括图像中的人脸的数量和每个人脸在图像中的位置信息。
在一个例子中，人脸在图像中的位置信息可以包括人脸框的位置信息。
在一种可能的实现方式中，所述证件检测结果包括下列中的至少一项：所述采集图像中包括的证件的数量和所述证件在所述采集图像中的位置信息。
在另一种可能的实现方式中，所述证件检测结果还包括：所述证件中包括的人脸的数量和/或位置信息。
在一个例子中，所述证件检测结果包括从以下组合中选取的至少一项：图像中包含的证件的数量、每个证件的位置信息以及每个证件中包含的人脸的检测信息。
在一个例子中，证件在图像中的位置信息可以包括证件框的位置信息。
可选地，在本公开上述各实施例的身份认证方法中，所述人脸在所述采集图像中的位置信息包括：所述人脸的第一检测框在所述采集图像中的顶点坐标；或者，所述人脸的第一检测框的中心在所述采集图像中的坐标、所述第一检测框的长度和宽度。
可选地，在本公开上述各实施例的身份认证方法中，所述证件在所述采集图像中的位置信息包括：所述证件的第二检测框在所述采集图像中的顶点坐标；或者，所述证件的第二检测框的中心在所述采集图像中的坐标，所述第二检测框的长度和宽度。
可选地，在本公开上述各实施例的身份认证方法中，所述根据所述人脸检测结果和所述证件检测结果确定所述采集图像是否为有效的身份认证图像，包括：在所述证件检测结果中证件的数量满足第一预设要求、所述人脸检测结果中人脸的数量满足第二预设要求、且所述证件中人脸的数量满足第三预设要求的情况下，确定所述采集图像为有效的身份认证图像。
在一种可能的实现方式中，确定图像是否有效可以包括确定图像是否满足以下三个判断条件：所述图像中包含的证件数量满足第一预设要求、所述图像中包含的人脸数量满足第二预设要求、且所述图像中包含的证件中的人脸数量满足第三预设要求。
可选地，证件检测结果可以包括图像中包含的证件中的人脸检测信息，例如人脸的数量和/或位置信息。
可选地，在本公开上述各实施例的身份认证方法中，在确定检测到的所述证件中人脸的数量是否满足第三预设要求之前，还包括：根据所述人脸检测结果中包括的人脸在所述采集图像中的位置信息和所述证件检测结果中包括的证件在所述采集图像中的位置信息，确定所述证件中包括的人脸的数量。
在一个例子中，可以基于图像中每个人脸的位置信息以及图像中证件的位置信息，确定位于所述证件中的人脸的数量。例如，将位置处于证件所处位置区域内的人脸确定为位于所述证件中的人脸。
可选地，在本公开上述各实施例的身份认证方法中，所述第一预设要求包括：所述证件检测结果中包括的证件的数量为1。
可选地，在本公开上述各实施例的身份认证方法中，所述第二预设要求包括：所述人脸检测结果中包括的人脸的数量大于或等于2。
可选地，在本公开上述各实施例的身份认证方法中，所述第三预设要求包括：检测到的所述证件中包含的人脸数量为1。
可选地，在本公开上述各实施例的身份认证方法中，所述根据所述人脸检测结果和所述证件检测结果进行身份认证，包括：基于所述人脸检测结果和所述证件检测结果，确定所述证件中包括的第一人脸和所述采集图像中位于所述证件之外的第二人脸之间的相似度；根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果。
可选地，可以基于所述人脸检测结果和所述证件检测结果，确定位于所述证件内的第一人脸的位置信息以及确定证件之外的第二人脸的位置信息。
可选地，可以基于第一人脸的位置信息从采集图像中获取第一人脸的图像，基于第二人脸的位置信息从采集图像中获取第二人脸的图像。
可选地，在本公开上述各实施例的身份认证方法中，所述基于所述人脸检测结果和所述证件检测结果，确定所述证件中包括的第一人脸和所述采集图像中位于所述证件之外的第二人脸之间的相似度，包括：基于所述人脸检测结果和所述证件检测结果，从所述采集图像中获取所述第一人脸的图像和所述第二人脸的图像；对所述第一人脸的图像进行特征提取，得到第一特征，并对所述第二人脸的图像进行特征提取，得到第二特征；基于所述第一特征与所述第二特征，确定所述第一人脸与所述第二人脸之间的相似度。
可选地，如果基于人脸检测结果和证件检测结果确定位于证件之外的人脸数量等于1，即人脸检测结果中包括的人脸数量等于2，则将位于证件之外的人脸确定为第二人脸。
可选地，如果基于人脸检测结果和证件检测结果确定位于证件之外的人脸数量大于或等于2，即人脸检测结果中包括的人脸数量大于2，则从位于证件之外的至少两个人脸中选取第二人脸。
可选地，在本公开上述各实施例的身份认证方法中，所述根据所述人脸检测结果和所述证件检测结果进行身份认证之前，还包括：在所述采集图像中包括的人脸的数量大于2的情况下，将所述采集图像中位于所述证件之外的至少两个人脸中的最大人脸确定为所述第二人脸。
在一种可能的实现方式中，根据所述人脸检测结果中包括的人脸在所述采集图像中的位置信息和所述证件检测结果中包括的证件在所述采集图像中的位置信息，确定位于证件之外的至少两个人脸的位置信息，并基于位于证件之外的至少两个人脸的位置信息，例如至少两个人脸中每个人脸的检测框位置，确定至少两个人脸中的最大人脸。
可选地，在本公开上述各实施例的身份认证方法中，将所述采集图像中位于所述证件之外的至少两个人脸中深度最小的人脸确定为所述第二人脸。
可选地，在本公开上述各实施例的身份认证方法中，响应于确定所述第一人脸和所述第二人脸之间的相似度小于或等于预设阈值，确定身份认证的结果为未通过认证。
可选地，在本公开上述各实施例的身份认证方法中，响应于确定所述第一人脸和所述第二人脸之间的相似度大于预设阈值，确定身份认证的结果为通过认证。
可选地，在本公开上述各实施例的身份认证方法中，所述根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果，还包括：响应于确定所述第一人脸和所述第二人脸之间的相似度大于预设阈值，对所述证件进行文本识别，得到所述证件的文本信息，所述文本信息包括姓名和证件号码中的至少一项；基于用户信息数据库对所述文本信息进行认证，得到身份认证的结果。
可选地，在本公开上述各实施例的身份认证方法中，响应于接收到身份认证请求、账号登陆请求或交易请求，获取采集图像。
可选地，在本公开上述各实施例的身份认证方法中，响应于接收到注册请求，获取采集图像。
可选地，在本公开上述各实施例的身份认证方法中，还包括：响应于确定所述身份认证的结果为通过身份认证，在业务数据库中存储用户信息，所述用户信息包括以下任意一项或多项：所述证件的文本信息、所述采集图像、所述第二人脸的图像、所述第二人脸的特征信息。
可选地，在本公开上述各实施例的身份认证方法中，还包括：响应于接收到身份认证请求，获取包括待认证人脸的图像；查询所述业务数据库中是否存在与所述待认证人脸的图像匹配的用户信息；根据所述查询的结果，确定所述待认证人脸的认证结果。
在一种可能的实现方式中，所述身份认证请求中包含所述待认证人脸的账号信息或证件信息。
在一种可能的实现方式中，响应于在所述业务数据库中查询到与所述待认证人脸的图像匹配的用户信息，确定所述待认证人脸的认证结果为通过认证。
在另一种可能的实现方式中，响应于在所述业务数据库中未查询到与所述待认证人脸的图像匹配的用户信息，确定所述待认证人脸的认证结果为未通过认证。
可选地，在本公开上述各实施例的身份认证方法中，还包括：对所述采集图像进行防伪检测，得到所述采集图像的防伪检测结果；所述根据所述人脸检测结果和所述证件检测结果进行身份认证，包括：响应于所述防伪检测结果为通过防伪检测，执行所述根据所述人脸检测结果和所述证件检测结果进行身份认证的操作。
可选地，在本公开上述各实施例的身份认证方法中，还包括：对所述采集图像进行伪造检测，得到所述采集图像的防伪检测结果；所述根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果，包括：基于所述采集图像的防伪检测结果和所述身份认证的结果，确定所述采集图像的身份认证结果。
可选地，在本公开上述各实施例的身份认证方法中，所述对所述采集图像进行伪造检测，得到所述采集图像的防伪检测结果，包括：从所述采集图像中获取人脸区域图像和证件区域图像；分别对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测；基于所述伪造线索检测的结果，得到所述采集图像的防伪检测结果。
可选地，在本公开上述各实施例的身份认证方法中，所述人脸区域图像中包括的人脸在所述人脸区域图像中所占的比例满足第四预设要求。
可选地，在本公开上述各实施例的身份认证方法中，所述证件区域图像中包括的证件在所述证件区域图像中所占的比例满足所述第四预设要求。
可选地，在本公开上述各实施例的身份认证方法中，所述第四预设要求包括：所述比例大于或等于1/4且小于或等于9/10。
可选地，在本公开上述各实施例的身份认证方法中，所述对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测，包括：分别对所述采集图像、所述人脸区域图像和所述证件区域图像进行特征提取，得到所述采集图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征；检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证方法中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本公开上述各实施例的身份认证方法中，所述伪造线索信息具有可见光条件下的人眼可观测性。
可选地，在本公开上述各实施例的身份认证方法中，所述伪造线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本公开上述各实施例的身份认证方法中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本公开上述各实施例的身份认证方法中，所述检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息，包括：对所述采集图像的特征进行检测，确定所述采集图像的特征中是否包含伪造线索信息；对所述人脸区域图像的特征进行检测，确定所述人脸区域图像的特征中是否包含伪造线索信息；对所述证件区域图像的特征进行检测，确定所述证件区域图像的特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证方法中，所述检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息，包括：将所述采集图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征进行连接，得到连接特征；确定所述连接特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证方法中，所述对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测，包括：通过第三神经网络对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测。
根据本公开实施例的另一个方面，提供的一种身份认证装置，包括：第一检测模块，用于通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果；第二检测模块，用于通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；第一确定模块，用于根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；认证模块，用于响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
可选地，在本公开上述各实施例的身份认证装置中，所述有效的身份认证图像包括：手持证件图像。
可选地，在本公开上述各实施例的身份认证装置中，所述人脸检测结果包括下列中的至少一项：所述采集图像中包括的人脸的数量和所述人脸在所述采集图像中的位置信息；和/或，所述证件检测结果包括下列中的至少一项：所述采集图像中包括的证件的数量和所述证件在所述采集图像中的位置信息。
可选地，在本公开上述各实施例的身份认证装置中，所述人脸在所述采集图像中的位置信息包括：所述人脸的第一检测框在所述采集图像中的顶点坐标；或者，所述人脸的第一检测框的中心在所述采集图像中的坐标、所述第一检测框的长度和宽度。
可选地，在本公开上述各实施例的身份认证装置中，所述证件在所述采集图像中的位置信息包括：所述证件的第二检测框在所述采集图像中的顶点坐标；或者，所述证件的第二检测框的中心在所述采集图像中的坐标，所述第二检测框的长度和宽度。
可选地，在本公开上述各实施例的身份认证装置中，所述第一确定模块，用于在所述证件检测结果中证件的数量满足第一预设要求、所述人脸检测结果中人脸的数量满足第二预设要求、且检测到的所述证件中人脸的数量满足第三预设要求的情况下，确定所述采集图像为有效的身份认证图像。
可选地，在本公开上述各实施例的身份认证装置中，所述证件检测结果包括下列中的至少一项：所述采集图像中检测到的所述证件中包括的人脸的数量、所述证件中包括的人脸的位置信息。
可选地，在本公开上述各实施例的身份认证装置中，所述第一确定模块，还用于在确定检测到的所述证件中人脸的数量是否满足第三预设要求之前，根据所述人脸检测结果中人脸的数量、所述人脸检测结果中包括的人脸在所述采集图像中的位置信息和所述证件检测结果中包括的证件在所述采集图像中的位置信息，确定所述证件中包括的人脸的数量。
可选地，在本公开上述各实施例的身份认证装置中，下列中的至少一项成立：第一预设要求包括：所述证件检测结果中包括的证件的数量为1；第二预设要求包括：所述人脸检测结果中包括的人脸的数量大于或等于2；第三预设要求包括：所述证件中人脸的数量为1。
可选地，在本公开上述各实施例的身份认证装置中，所述认证模块，用于：基于所述人脸检测结果和所述证件检测结果，确定所述证件中包括的第一人脸和所述采集图像中位于所述证件之外的第二人脸之间的相似度；根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果。
可选地，在本公开上述各实施例的身份认证装置中，所述认证模块包括：第一获取单元，用于基于所述人脸检测结果和所述证件检测结果，从所述采集图像中获取所述第一人脸的图像和所述第二人脸的图像；特征提取单元，用于对所述第一人脸的图像进行特征提取，得到第一特征，并对所述第二人脸的图像进行特征提取，得到第二特征；第一确定单元，用于基于所述第一特征与所述第二特征，确定所述第一人脸与所述第二人脸之间的相似度；认证单元，用于根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果。
可选地，在本公开上述各实施例的身份认证装置中，还包括：第二确定模块，用于在所述采集图像中包括的人脸的数量大于2的情况下，将所述采集图像中位于所述证件之外的至少两个人脸中的最大人脸确定为所述第二人脸。
可选地，在本公开上述各实施例的身份认证装置中，所述认证模块还包括：文本识别单元，用于响应于确定所述第一人脸和所述第二人脸之间的相似度大于预设阈值，对所述证件进行文本识别，得到所述证件的文本信息，所述文本信息包括姓名和证件号码中的至少一项；所述认证单元，还用于基于用户信息数据库对所述文本信息进行认证，得到身份认证的结果。
可选地，在本公开上述各实施例的身份认证装置中，所述认证模块还包括：存储处理单元，用于响应于确定所述身份认证结果为通过身份认证，在业务数据库中存储用户信息，所述用户信息包括以下任意一项或多项：所述文本信息、所述采集图像、所述第二人脸的图像、所述第二人脸的特征信息。
可选地，在本公开上述各实施例的身份认证装置中，所述认证模块，还包括查询单元；所述第一获取单元，还用于响应于接收到身份认证请求，获取包括待认证人脸的图像；所述查询单元，用于查询所述业务数据库中是否存在与所述待认证人脸的图像匹配的用户信息；所述第一确定单元，还用于根据所述查询的结果，确定所述待认证人脸的认证结果。
可选地，在本公开上述各实施例的身份认证装置中，还包括：防伪检测模块，用于对所述采集图像进行防伪检测，得到所述采集图像的防伪检测结果；所述认证模块用于响应于所述防伪检测结果为通过防伪检测，执行所述根据所述人脸检测结果和所述证件检测结果进行身份认证的操作。
可选地，在本公开上述各实施例的身份认证装置中，还包括：防伪检测模块，用于对所述采集图像进行伪造检测，得到所述采集图像的防伪检测结果；所述认证模块用于基于所述采集图像的防伪检测结果和所述身份认证的结果，确定所述采集图像的身份认证结果。
可选地，在本公开上述各实施例的身份认证装置中，所述防伪检测模块，包括：第二获取单元，用于从所述采集图像中获取人脸区域图像和证件区域图像；伪造线索检测单元，用于分别对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测；第二确定单元，用于基于所述伪造线索检测的结果，得到所述采集图像的防伪检测结果。
可选地，在本公开上述各实施例的身份认证装置中，所述人脸区域图像中包括的人脸在所述人脸区域图像中所占的比例满足第四预设要求；和/或，所述证件区域图像中包括的证件在所述证件区域图像中所占的比例满足所述第四预设要求。
可选地，在本公开上述各实施例的身份认证装置中，所述第四预设要求包括：所述比例大于或等于1/4且小于或等于9/10。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索检测单元用于：分别对所述采集图像、所述人脸区域图像和所述证件区域图像进行特征提取，得到所述采集图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征；以及检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证装置中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索信息具有可见光条件下的人眼可观测性。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本公开上述各实施例的身份认证装置中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索检测单元用于检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息，包括：所述伪造线索检测单元用于对所述采集图像的特征进行检测，确定所述采集图像的特征中是否包含伪造线索信息；对所述人脸区域图像的特征进行检测，确定所述人脸区域图像的特征中是否包含伪造线索信息；以及对所述证件区域图像的特征进行检测，确定所述证件区域图像的特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索检测单元用于检测所述采集图像的特征、所述人脸区域的特征和所述证件区域的特征中是否包含伪造线索信息，包括：所述伪造线索检测单元用于将所述采集图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征进行连接，得到连接特征；以及确定所述连接特征中是否包含伪造线索信息。
可选地，在本公开上述各实施例的身份认证装置中，所述伪造线索检测单元用于对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测，包括：所述伪造线索检测单元用于通过第三神经网络对所述采集图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测。
根据本公开实施例的又一个方面，提供的一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述本公开上述任一实施例所述的身份认证方法。
根据本公开实施例的再一个方面，提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述本公开上述任一实施例所述的身份认证方法。
根据本公开实施例的再一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现上述本公开上述任一实施例所述的身份认证方法中各步骤的指令。
在一个可选实施方式中，所述计算机程序产品具体为计算机存储介质，在另一个可选实施方式中，所述计算机程序产品具体为软件产品，例如软件开发包(SoftwareDevelopment Kit，SDK)，等等。
基于本公开上述实施例提供的身份认证方法和装置、电子设备和介质，通过第一神经网络对采集图像进行人脸检测，通过第二神经网络对采集图像进行证件检测；根据得到的人脸检测结果和证件检测结果，确定采集图像是否为有效的身份认证图像；响应于确定采集图像为有效的身份认证图像，根据人脸检测结果和证件检测结果进行身份认证。本公开实施例利用神经网络，通过深度学习的方式识别采集图像是否为有效的身份认证图像，可以快速的筛选出合格的用于用户身份认证的图像，提供了工作效率；基于有效的身份认证图像对用户进行身份认证，无需人工审核，节省了成本，提高了工作效率和处理速度，并且避免了人工审核处理可能出现的错误，提高了认证结果的准确率。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开一个实施例身份认证方法的流程图。
图2为本公开另一个实施例身份认证方法的流程图。
图3为本公开又一个实施例身份认证方法的流程图。
图4为本公开再一个实施例身份认证方法的流程图。
图5为本公开一个实施例身份认证装置的结构示意图。
图6为本公开另一个实施例身份认证装置的结构示意图。
图7为本公开电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开一个实施例身份认证方法的流程图。如图1所示，该实施例的身份认证方法包括：
102，通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果；并第二神经网络对该采集图像进行证件检测，得到证件检测结果。
本公开实施例中的采集图像，是通过摄像头采集的图像，可以是一张静态图像(即：单独采集的图像)，也可以是一张视频中图像(即从采集的视频中按照预设标准或随机选取的一张图像)，均可用于本公开实施例进行身份认证，本公开实施例对于图像的来源、性质、大小等等所有属性均无限制。
本领域技术人员基于本公开实施例的记载可以知悉，除了第一神经网络外，在本公开实施例还可以利用例如但不限于：基于图像处理的人脸检测算法(例如，基于直方图粗分割和奇异值特征的人脸检测算法，基于二进小波变换的人脸检测算法，等等)，等等，对采集图像进行人脸检测。另外，除了第二神经网络外，在本公开实施例也可以利用例如但不限于：基于图像处理的证件检测算法(例如，边缘检测法，数学形态学法，基于纹理分析的定位方法，行检测和边缘统计法，遗传算法，霍夫(Hough)变换和轮廓线法，基于小波变换的方法，等等)，等等，对采集图像进行证件检测。
本公开实施例中，通过第一神经网络对采集图像进行人脸检测时，可以预先利用样本图像对第一神经网络进行训练，使得训练好的第一神经网络能够实现对图像中人脸的有效检测。本公开实施例中，通过第二神经网络对采集图像进行证件检测时，可以预先利用样本图像对第二神经网络进行训练，使得训练好的第二神经网络能够实现对图像中证件的有效检测。
在其中一些实施方式中，上述人脸检测结果例如可以包括但不限于下列中的至少一项：采集图像中包括的人脸的数量和各人脸在采集图像中的位置信息。证件检测结果例如可以包括但不限于下列中的至少一项：采集图像中包括的证件的数量和各证件在采集图像中的位置信息。
其中，人脸在采集图像中的位置信息，例如可以表示为：人脸的人脸检测框(可以称为：第一检测框)在采集图像中四个定点的顶点坐标。基于该人脸检测框在采集图像中四个顶点的顶点坐标，便可以确定人脸检测框在采集图像中的位置，从而确定人脸在采集图像中的位置。
另外，人脸在采集图像中的位置信息，也可以表示为：人脸的人脸检测框(即：第一检测框)在采集图像中的中心点坐标，以及该人脸检测框的长度和宽度。基于该人脸检测框在采集图像中的中心点坐标、以及该人脸检测框的长度和宽度，便可以确定人脸检测框在擦剂图像中的位置，从而确定人脸在采集图像中的位置。
本公开实施例中的证件是指用于证明用户身份的物品，例如身份证、护照、学生证、员工卡等等。类似地，证件在采集图像中的位置信息，例如可以表示为：证件的物体检测框(可以称为：第二检测框)在采集图像中四个顶点的顶点坐标。基于该物体检测框在采集图像中四个顶点的顶点坐标，便可以确定证件的物体检测框在采集图像中的位置，从而确定证件在采集图像中的位置。
另外，证件在图像中的位置信息，也可以表示为：证件的物体检测框(即：第二检测框)在采集图像中的中心点坐标，以及该物体检测框的长度和宽度。基于该物体检测框在采集图像中的中心点坐标、以及该物体检测框的长度和宽度，便可以确定证件的物体检测框在采集图像中的位置，从而确定证件在采集图像中的位置。
104，根据上述人脸检测结果和证件检测结果，确定该采集图像是否为有效的身份认证图像，例如有效的手持身份证图像。
其中，有效的身份认证图像，是指满足预设要求的图像，例如采集图像中包括的人脸和证件在位置、数量等方面满足预设要求的采集图像。例如，在本公开的一些实施方式中，需要的身份认证图像为用户手持身份证的照片时，有效的身份认证图像中应当包括一个身份证、身份证中包括一个人脸，身份证外包括不少于一个人脸。
若采集图像是有效的身份认证图像，执行操作106。否则，若采集图像不是有效的身份认证图像，不执行本实施例的后续流程，或者输出采集图像无效的提示消息。
106，根据上述人脸检测结果和证件检测结果进行身份认证，得到采集图像的身份认证结果。
在本公开实施例的一些实施方式中，例如可以采用但不限于：基于几何特征的方法，局部特征分析方法(Local Face Analysis)，特征脸方法(Eigenface或PCA)，基于弹性模型的方法，神经网络方法(Neural Networks)，等等，根据该采集图像的人脸检测结果和证件检测结果进行用户身份认证。
基于本公开上述实施例提供的身份认证方法，通过第一神经网络对采集图像进行人脸检测，通过第二神经网络对采集图像进行证件检测；根据得到的人脸检测结果和证件检测结果，确定采集图像是否为有效的身份认证图像；响应于确定采集图像为有效的身份认证图像，根据人脸检测结果和证件检测结果进行身份认证。本公开实施例利用神经网络，通过深度学习的方式识别采集图像是否为有效的身份认证图像，可以快速的筛选出合格的用于用户身份认证的图像，提供了工作效率；基于有效的身份认证图像对用户进行身份认证，无需人工审核，节省了成本，提高了工作效率和处理速度，并且避免了人工审核处理可能出现的错误，提高了认证结果的准确率。
可选地，在上述实施例中，上述证件检测结果可以包括下列中的至少一项：采集图像中检测到的证件中包括的人脸的数量、证件中包括的人脸的位置信息，等等。
或者，在上述实施例中，还可以包括：根据上述人脸检测结果中包括的人脸在采集图像中的位置信息和证件检测结果中包括的证件在采集图像中的位置信息，确定证件中包括的人脸的数量。
在其中一些实施方式中，操作104中，可以确定上述证件检测结果中证件的数量是否满足第一预设要求、上述人脸检测结果中人脸的数量是否满足第二预设要求、以及检测到的证件中人脸的数量是否满足第三预设要求，可以在上述证件检测结果中证件的数量满足第一预设要求、上述人脸检测结果中人脸的数量满足第二预设要求、且证件中人脸的数量满足第三预设要求的情况下，确定采集图像为有效的身份认证图像。
其中，在上述各实施例中，证件检测结果中证件的数量满足第一预设要求、人脸检测结果中人脸的数量满足第二预设要求、证件中人脸的数量满足第三预设要求，例如可以包括：证件检测结果中证件的数量为1，人脸检测结果中人脸的数量大于或等于2，证件中人脸的数量为1。
其中，人脸检测结果中人脸的数量大于2时，说明采集图像中证件区域之外包括的人脸的数量可能大于1个，此时，可能是由于采集图像中除了被认证用户的人脸，还包括了围观用户的人脸。
基于上述实施例，如果人脸检测结果中人脸的数量小于2个、证件数量不唯一、或者人脸和证件的位置关系不正确(人脸和证件的位置关系正确的标准是，证件区域内的人脸数量唯一，且证件区域之外至少有1张人脸)，认为采集图像不是有效性的身份认证图像。
在上述各实施例的其中一些实施方式中，操作106中，根据人脸检测结果和证件检测结果进行身份认证，可以包括：
基于上述人脸检测结果和证件检测结果，确定证件中包括的人脸(称为：第一人脸)和采集图像中位于证件之外的人脸(称为：第二人脸)之间的相似度；
根据第一人脸和第二人脸之间的相似度，得到身份认证的结果。
例如，在其中一些可选示例中，可以基于上述人脸检测结果和证件检测结果，从采集图像中获取第一人脸的图像和第二人脸的图像；
对第一人脸的图像进行特征提取，得到第一特征；对第二人脸的图像进行特征提取，得到第二特征。其中，第二人脸为采集图像中位于证件之外的、最大的人脸。在其中一种可选示例中，可以通过神经网络进行特征提取；
基于上述第一特征与第二特征，确定第一人脸与第二人脸之间的相似度。
例如，可以比较第一特征与第二特征之间的相似度。在其中一种可选示例中，可以通过神经网络比较第一特征与第二特征之间的相似度；根据第一特征与第二特征之间的相似度是否大于预设阈值，得到身份认证的结果。
其中的预设阈值可以根据实际需求，例如当前业务对用户身份认证的严谨性、第一神经网络和第二神经网络的性能、图像采集环境等等，进行设定，并可以根据实际需求的变化进行调整。例如，针对安全性要求较高的金融业务等，要求的第一神经网络和第二神经网络的性能较高，可以设置该预设阈值较高(例如98％)，即要求上述第一特征与第二特征之间的相似度达到98％以上，该采集图像才可以通过身份认证，以便保证金融业务的安全性；针对安全性要求不太高、图像采集环境较差的业务，可以设置该预设阈值较低(例如80％)，即上述第一特征与第二特征之间的相似度达到80％以上，该采集图像即可通过身份认证，以便同时实现该业务的安全性、以及基于采集图像进行用户身份认证在该业务中的可行性。
本实施例通过神经网络对证件中人脸的图像和该证件之外人脸的图像进行特征提取、以及比较提取到的第一特征与第二特征之间的相似度时，可以预先对神经网络进行训练，使得训练好的神经网络可以有效的对证件中人脸的图像和该证件之外人脸的图像进行特征提取、并准确的进行相似度比较，从而可以正确识别证件中的人脸和该证件之外的人脸是否为同一个人的人脸。
在上述各实施例的其中一些实施方式中，在确定证件中包括的第一人脸和采集图像中位于证件之外的第二人脸之间的相似度之前，可以通过如下方式获取上述第二人脸：
在采集图像中包括的人脸的数量大于2的情况下，根据人脸检测结果包括的人脸在在采集图像中的位置信息和证件检测结果中包括的证件在采集图像中的位置信息，将采集图像包括的至少两个人脸中位于证件之外的最大人脸确定为上述第二人脸。
在采集图像中包括的人脸的数量等于2的情况下，直接将采集图像包括的两个人脸中位于证件之外的人脸确定为上述第二人脸。
在采集图像中包括的人脸的数量大于2的情况下，可能是由于采集图像中除了被认证用户的人脸，还包括了围观用户的人脸。可以认为被认证用户距离图像的采集设备距离最近，因此人脸最大，其他围观用户距离图像的采集设备距离最远，人脸相对被认证用户的人脸较小，本公开实施例利用神经网络对证件中人脸的图像和该证件之外最大人脸的图像进行特征提取和相似度比对，可以有效识别二者是否为同一个用户，从而快速、准确的判断这两个人脸是否为同一个人的人脸，响应时间短，准确率高，可以有效提高工作效率和用户体验，避免肉眼识别错误。
图2为本公开另一个实施例身份认证方法的流程图。如图2所示，该实施例的身份认证方法包括：
202，通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果；并第二神经网络对该采集图像进行证件检测，得到证件检测结果。
204，根据上述人脸检测结果和证件检测结果，确定该采集图像是否为有效的身份认证图像，例如有效的手持身份证图像。
若采集图像是有效的身份认证图像，执行操作206。否则，若采集图像不是有效的身份认证图像，不执行本实施例的后续流程，或者输出采集图像无效的提示消息。
206，基于上述人脸检测结果和证件检测结果，确定证件中包括的第一人脸和采集图像中位于证件之外的第二人脸之间的相似度。
208，确定上述第一人脸和第二人脸之间的相似度是否大于预设阈值。
若上述第一人脸和第二人脸之间的相似度大于预设阈值，执行操作210。否则，若上述第一人脸和第二人脸之间的相似度不大于预设阈值，不执行本实施例的后续流程，或者输出该采集图像未通过身份认证的提示消息。
在本实施例的其中一些实施方式中，上述操作206-208中，可以利用神经网络，对证件中的第一人脸和证件外的第二人脸进行特征提取和相似度比较，以确认上述第一人脸和证件外的第二人脸是否为同一个用户的人脸。
210，利用文字识别(OCR)算法，对证件进行文本识别，得到该证件的文本信息，该文本信息例如可以包括但不限于以下任意一项或多项：姓名，证件号码，地址，有效期等等。
参见图3，为本公开实施例中一个有效的身份认证图像的示例。
本实施例，利用OCR算法对证件进行文本识别，可以快速的读取到证件上的文本信息，并可以基于该文本信息自动填写工单，可以极大的提高客服人员的工作效率，节省人工成本。采用人脸识别和证件OCR识别技术，可以有效解决传统行业使用手持身份证进行身份认证存在的问题，实时完成手持身份证照片的筛选、手持身份证照片上的两个人脸比对及身份证信息提取等工作。
另外，再参见图2，在得到证件的文本信息之后，还可以选择性地包括：
212，基于用户信息数据库上述证件的文本信息进行认证，得到身份认证的结果。
其中，用户信息数据库可以是例如公安部或其他权威认证结构提供的用户信息数据库，其中存储有用户信息，以确保用户信息来源的权威性和用户信息的正确性。
若上述证件的文本信息与用户信息数据库存储的用户信息一致，则身份认证的结果为通过身份认证；否则，若上述证件的文本信息与用户信息数据库存储的用户信息不一致，则身份认证的结果为未通过身份认证。
进一步地，再参见图2，根据上述身份认证的结果，若上述证件的文本信息通过身份认证，还可以选择性地包括：
214，在业务数据库中存储用户信息，以作为用户使用相应业务的注册信息，该用户信息可以包括以下任意一项或多项：上述证件的文本信息，身份认证图像(即通过身份认证的采集图像)，上述第二人脸的图像、上述第二人脸的特征信息。
基于上述实施例，用户的注册信息存储成功后，用户在相应业务注册成功，之后用户便可以使用该项业务。本公开实施例可以应用于任意需要实名认证的业务，例如，交易业务，应用(APP)的使用业务，门禁业务，等等。在使用业务的过程中，需要基于业务数据库中存储的用户信息对用户进行身份认证，在用户通过身份认证后，才可以继续使用该项业务。
另外，在基于本公开上述各实施例身份认证方法的又一实施例中，还可以包括以下操作：对采集图像进行防伪检测，得到采集图像的防伪检测结果。相应地，在该实施例中，根据人脸检测结果和证件检测结果进行身份认证，可以包括：响应于该防伪检测结果为通过防伪检测，执行根据人脸检测结果和证件检测结果进行身份认证的操作。否则，若该防伪检测结果为未通过防伪检测，则不执行根据人脸检测结果和证件检测结果进行身份认证的操作。
或者，在基于本公开上述各实施例身份认证方法的又一实施例中，还可以包括以下操作：对采集图像进行伪造检测，得到采集图像的防伪检测结果。相应地，在该实施例中，根据人脸检测结果和证件检测结果进行身份认证，得到采集图像的身份认证结果，可以包括：基于采集图像的防伪检测结果和身份认证的结果，确定采集图像的身份认证结果。具体地，若采集图像的防伪检测结果为通过防伪检测、且身份认证的结果为通过身份认证，则确定采集图像通过身份认证。否则，若采集图像的防伪检测结果为未通过防伪检测、和/或身份认证的结果为未通过身份认证，则确定采集图像未通过身份认证。
在其中一个可选示例中，对采集图像进行伪造检测，得到采集图像的防伪检测结果，可以通过如下方式实现：从采集图像中获取人脸区域图像和证件区域图像；分别对采集图像、人脸区域图像和证件区域图像进行伪造线索检测；基于伪造线索检测的结果，得到采集图像的防伪检测结果。
其中，分别对采集图像、人脸区域图像和证件区域图像进行伪造线索检测时，可以分别对上述采集图像、人脸区域图像和证件区域图像进行特征提取，得到采集图像的特征、人脸区域图像的特征和证件区域图像的特征；检测采集图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息。从采集图像的特征、人脸区域图像的特征和证件区域图像的特征中的任一特征中检测到伪造线索信息，则采集图像的防伪检测结果为未通过防伪检测，只有在采集图像的特征、人脸区域图像的特征和证件区域图像的特征中均未检测到伪造线索信息时，采集图像的防伪检测结果才为通过防伪检测。
在其中一些可选示例中，可以通过如下方式检测采集图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息：对采集图像的特征进行检测，确定采集图像的特征中是否包含伪造线索信息；对人脸区域图像的特征进行检测，确定人脸区域图像的特征中是否包含伪造线索信息；对证件区域图像的特征进行检测，确定证件区域图像的特征中是否包含伪造线索信息。
在另一些可选示例中，也可以通过如下方式检测采集图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息：将采集图像的特征、人脸区域图像的特征和证件区域图像的特征进行连接，得到连接特征；确定该连接特征中是否包含伪造线索信息。
示例性地，可以通过第三神经网络执行上述分别对采集图像、人脸区域图像和证件区域图像进行伪造线索检测的操作。此时，该第三神经网络基于包括有伪造线索信息的训练用图像集预先训练完成。该第三神经网络可以是一个深度神经网络，所述深度神经网络是指多层神经网络，例如多层的卷积神经网络。示例性地，在本公开各实施例中提取的各项特征中包含的伪造线索信息，可以预先通过训练第三神经网络，被该第三神经网络学习到，之后任何包含这些伪造线索信息的图像输入该第三神经网络后均会被检测出来，就可以判断为伪造图像、无法通过防伪检测，否则为真实图像、可以通过防伪检测。
其中，上述训练用图像集可以包括：可作为训练用正样本的多张图像和可作为训练用负样本的多张图像。其中的正样本的图像即为不包括伪造线索信息的真实图像，可以包括整张图像，以及从整张图像中提取出来的人脸区域图像的特征和证件区域图像；负样本图像为包括伪造线索信息的伪造图像。
在其中一个可选示例中，可以按照如下要求从采集图像中获取人脸区域图像和证件区域图像：人脸区域图像中包括的人脸在人脸区域图像中所占的比例满足第四预设要求；和/或，证件区域图像中包括的证件在证件区域图像中所占的比例满足第四预设要求。其中的第四预设要求例如可以包括：人脸区域图像中包括的人脸在人脸区域图像中所占的比例、证件区域图像中包括的证件在证件区域图像中所占的比例大于或等于1/4且小于或等于9/10，例如，该比例的取值范围可以为1/2-3/4。在一些可选的实现方式中，人脸区域图像中包括的人脸在人脸区域图像中所占的比例、证件区域图像中包括的证件在证件区域图像中所占的比例的取值范围为1/2-3/4，可以在保证对人脸区域图像的特征和证件区域图像的防伪检测效果的情况下、提高防伪检测的效率。
在一个可选示例中，可以通过如下方法获取包括有伪造线索信息的训练用图像集：
获取可作为训练用正样本的多张图像；
对获取的正样本中的至少一张图像的至少局部进行用于模拟伪造线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
基于上述实施例提供，通过对采集图像进行防伪检测，可用于避免伪造人脸或者证件进行用户身份认证，提高了用户身份认证的安全性。
在上述各实施例的流程之前，还可以包括：例如经终端设备的可见光摄像头，经终端设备的可见光摄像头采集包括人脸和证件的图像序列或者视频序列；基于预设选帧条件，从该图像序列或者视频序列中选取采集图像。
其中的预设选帧条件，例如可以包括但不限于以下任意一项或者多项：人脸和证件是否位于图像的中心区域，人脸的边缘是否完整的包含在图像中，证件的边缘是否完整的包含在图像中，人脸在图像中所占的比例，证件在图像中所占的比例，人脸角度(即人脸是否正面)，图像清晰度，图像曝光度，等等。依据上述选帧条件可以选取综合质量较高的图像进行防伪检测和/或身份认证，可以提高防伪检测和/或身份认证结果的准确性。
示例性地，可以基于上述选帧条件从视频序列中选取综合质量较高的图像作为上述采集图像，其中，综合质量较高的图像的标准例如可以是满足以下任意一项或多项指标的图像：人脸及证件位于图像中心区域，人脸和证件的边缘被完整的包含在图像中，人脸在图像中所占的比例约1/2-3/4、证件在图像中所占的比例约1/2-3/4、人脸为正面，图像清晰度较高、曝光度较高。以上选择可以通过设定好的算法，自动检测人脸图像的朝向、清晰度、光线亮度等指标，根据预设好的准则，从整段视频序列中，选取出指标最好的一张或几张图像。
在其中一些可选实施方式中，还可以对选取的、不符合预设标准的采集图像进行预处理，得到预处理后的采集图像。相应地，该实施例中，针对预处理后的采集图像进行防伪检测和/或身份认证。
示例性地，上述预设标准例如可以包括但不限于任意一项或者多项：预设尺寸，正态(z-score)分布标准，预设图像亮度，等等。相应地，对不符合预设标准的采集图像进行预处理，可以是：对不符合预设标准的采集图像进行与不符合的预设标准相应的以下任意一项或者多项操作：尺寸调整或者裁剪，正态(z-score)标准化，亮度调整(例如基于直方图均衡化的暗光改善)，等等。
基于上述预处理操作，可以统一用于进行后续处理的采集图像的尺寸，以及使经过处理的图像数据符合标准正态分布，亮度符合预设要求。其中，正态(z-score)标准化，是一种统计学的数据处理方法，对指图像中的像素值进行处理、使其满足标准正态分布，以消除图像中像素分布不均匀影响图像的识别效果。基于直方图均衡化的暗光改善预处理操作，主要针对实际的人脸手持证件防伪检测场景下，人脸脸部及证件部分可能处于暗光条件下，在这种情况下很容易影响人脸防伪及证件防伪的准确性，经过暗光改善的图像能够重新调整图像亮度分布，使得原本在暗光下拍摄的图像能够满足防伪检测和/或身份认证对于图像质量的要求，从而得到更加准确的防伪检测结果和/或身份认证结果。
如图4所示，基于再一个实施例身份认证方法，在上述各实施例的流程之后，还可以包括：
302，响应于接收到认证请求，获取包括待认证人脸的图像。
304，查询业务数据库中是否存在与待认证人脸的图像匹配的用户信息。
在其中一些实施方式中，该操作304中，可以利用神经网络对该待认证人脸的图像进行特征提取，查询业务数据库中是否存在与待认证人脸的特征信息匹配的用户信息。
306，根据业务数据库中是否存在与待认证人脸的图像匹配的查询结果，确定上述待认证人脸的认证结果。
具体地，根据查询结果，若业务数据库中存在与上述待认证人脸的特征信息匹配的用户信息，确定待认证人脸的认证结果为通过认证；否则，若业务数据库中不存在与待认证人脸的特征信息匹配的用户信息，确定待认证人脸的认证结果为未通过认证。
基于上述实施例，用户在相应业务注册成功后、使用该业务时，可以基于用户的注册信息对请求使用业务的用户进行认证，只有在用户通过认证后才可以继续使用该业务，从而提高了业务的安全性。
另外，可选地，在上述图4所示的实施例中，通过操作302获取包括待认证人脸的图像之后，还可以包括：对包括待认证人脸的图像进行伪造检测，得到该包括待认证人脸的图像的防伪检测结果。相应地，该实施例的操作306中，根据业务数据库中是否存在与待认证人脸的特征信息匹配的查询结果、以及包括待认证人脸的图像是否通过防伪检测的防伪检测结果，确定上述待认证人脸的认证结果。具体来说，若业务数据库中存在与上述待认证人脸的特征信息匹配的用户信息、且包括待认证人脸的图像通过防伪检测，确定待认证人脸的认证结果为通过认证；否则，若业务数据库中不存在与待认证人脸的特征信息匹配的用户信息、和/或包括待认证人脸的图像未通过防伪检测，确定待认证人脸的认证结果为未通过认证。
在其中一些实施方式中，可以采用与对包括待认证人脸的图像进行伪造检测类似的方式，对包括待认证人脸的图像进行伪造检测，例如，可以从包括待认证人脸的图像中获取人脸区域图像和证件区域图像；分别对该包括待认证人脸的图像、人脸区域图像和证件区域图像进行伪造线索检测；基于伪造线索检测的结果，得到包括待认证人脸的图像的防伪检测结果。
其中，分别对该包括待认证人脸的图像、人脸区域图像和证件区域图像进行伪造线索检测时，可以采用与对包括待认证人脸的图像进行伪造检测类似的方式，分别对该包括待认证人脸的图像、人脸区域图像和证件区域图像进行特征提取，得到包括该待认证人脸的图像的特征、人脸区域图像的特征和证件区域图像的特征；检测该包括待认证人脸的图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息。
本实施例对包括待认证人脸的图像进行伪造检测的具体实现细节，可以参考上述实施例对包括待认证人脸的图像进行伪造检测的相关记载，此处不再赘述。
基于上述实施例提供，通过对包括该待认证人脸的图像进行防伪检测，结合包括该待认证人脸的图像的防伪检测结果确定待认证人脸的认证结果，可避免伪造人脸或者证件进行用户身份认证，提高了业务使用的安全性。
在本公开上述各实施例的一些实施方式中，上述从采集图像或包括待认证人脸的图像、人脸区域图像和证件区域图像提取的特征，例如可以包括但不限于以下任意多项：局部二值模式(LBP)特征、稀疏编码的柱状图(HSC)特征、全景图(LARGE)特征、人脸图(SMALL)特征、人脸细节图(TINY)特征。具体应用中，可以根据可能出现的伪造线索信息对该提取的特征包括的特征项进行更新。
其中，通过LBP特征，可以突出图像中的边缘信息；通过HSC特征，可以更明显的反映图像中的0反光与模糊信息；LARGE特征是全图特征，基于LARGE特征，可以提取到图像中最明显的伪造线索(hack)；人脸图(SMALL)是图像中人脸框若干倍大小(例如1.5倍大小)的区域切图，其包含人脸、人脸与背景切合的部分，基于SMALL特征，可以提取到反光、翻拍设备屏幕摩尔纹与模特或者面具的边缘等伪造线索；人脸细节图(TINY)是取人脸框大小的区域切图，包含人脸，基于TINY特征，可以提取到图像PS(基于图像编辑软件photoshop编辑)、翻拍屏幕摩尔纹与模特或者面具的纹理等伪造线索。
在本公开各实施例的一个可选示例中，上述伪造线索信息具有可见光条件下的人眼可观测性，也即，人眼在可见光条件下是可以观测到这些伪造线索信息的。基于伪造线索信息具有的该特性，使得在采用可见光摄像头(如RGB摄像头)采集的静态图像或动态视频实现防伪检测成为可能，避免额外引入特定摄像头，降低硬件成本。伪造线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息也称为2D类伪造线索信息，成像媒介的伪造线索信息可以称为2.5D类伪造线索信息，真实存在的伪造人脸的线索信息可以称为3D类伪造线索信息，具体可以根据可能出现的伪造人脸方式对需要检测的伪造线索信息进行相应更新。通过对这些线索信息的检测，使得电子设备可以“发现”各式各样的真实人脸和伪造人脸之间的边界，在可见光摄像头这样通用的硬件设备条件下实现各种不同类型的防伪检测，抵御伪造人脸攻击，提高安全性。
其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
本公开实施例中的伪造线索信息在可见光条件下能被人眼观测到。伪造线索信息从维度上可以划分为2D类、2.5D类和3D类伪造人脸。其中，2D类伪造人脸指的是纸质类材料打印出的人脸图像，该2D类伪造线索信息例如可以包含纸质人脸的边缘、纸张材质、纸面反光、纸张边缘等伪造线索信息。2.5D类伪造人脸指的是视频翻拍设备等载体设备承载的人脸图像，该2.5D类伪造线索信息例如可以包含视频翻拍设备等载体设备的屏幕摩尔纹、屏幕反光、屏幕边缘等伪造线索信息。3D类伪造人脸指的是真实存在的伪造人脸，例如面具、模特、雕塑、3D打印等，该3D类伪造人脸同样具备相应的伪造线索信息，例如面具的缝合处、模特的较为抽象或过于光滑的皮肤等伪造线索信息。
本公开实施例无需依赖于特殊的多光谱设备，便可以实现在可见光条件下的有效防伪检测，且无需借助于特殊的硬件设备，降低了由此导致的硬件成本，可方便应用于各种人脸检测场景，尤其适用于通用的移动端应用。
本公开实施例提供的任一种身份认证方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种份认证方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种份认证方法。下文不再赘述。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图5为本公开一个实施例身份认证装置的结构示意图。该实施例的身份认证装置可用于实现本公开上述各身份认证方法实施例。如图5所示，该实施例的身份认证装置包括：第一检测模块，第二检测模块，第一确定模块和认证模块。其中：
第一检测模块，用于通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果。可选地，该人脸检测结果例如可以包括但不限于下列中的至少一项：采集图像中包括的人脸的数量和人脸在采集图像中的位置信息。其中，人脸在采集图像中的位置信息，例如可以表示为：人脸的第一检测框在采集图像中四个定点的顶点坐标，或者人脸的第一检测框在采集图像中的中心点坐标，以及该人脸检测框的长度和宽度。
第二检测模块，用于通过第二神经网络对采集图像进行证件检测，得到证件检测结果。可选地，该证件检测结果例如可以包括但不限于下列中的至少一项：采集图像中包括的证件的数量和证件在采集图像中的位置信息。其中，证件在采集图像中的位置信息，例如可以表示为：证件的第二检测框在采集图像中的顶点坐标；或者，证件的第二检测框的中心在采集图像中的坐标，第二检测框的长度和宽度。
第一确定模块，用于根据人脸检测结果和证件检测结果，确定采集图像是否为有效的身份认证图像，例如手持证件图像。
认证模块，用于响应于确定采集图像为有效的身份认证图像，根据人脸检测结果和证件检测结果进行身份认证，得到采集图像的身份认证结果。
基于本公开上述实施例提供的身份认证装置，通过第一神经网络对采集图像进行人脸检测，通过第二神经网络对采集图像进行证件检测；根据得到的人脸检测结果和证件检测结果，确定采集图像是否为有效的身份认证图像；响应于确定采集图像为有效的身份认证图像，根据人脸检测结果和证件检测结果进行身份认证。本公开实施例利用神经网络，通过深度学习的方式识别采集图像是否为有效的身份认证图像，可以快速的筛选出合格的用于用户身份认证的图像，提供了工作效率；基于有效的身份认证图像对用户进行身份认证，无需人工审核，节省了成本，提高了工作效率和处理速度，并且避免了人工审核处理可能出现的错误，提高了认证结果的准确率。
在其中一些实施方式中，上述证件检测结果还可以包括下列中的至少一项：采集图像中检测到的证件中包括的人脸的数量、证件中包括的人脸的位置信息，等等。
在另一些实施方式中，第一确定模块，还可用于根据人脸检测结果中人脸的数量、人脸检测结果中包括的人脸在采集图像中的位置信息和证件检测结果中包括的证件在采集图像中的位置信息，确定证件中包括的人脸的数量。
在其中一些实施方式中，第一确定模块，用于在证件检测结果中证件的数量满足第一预设要求、人脸检测结果中人脸的数量满足第二预设要求、且证件中人脸的数量满足第三预设要求的情况下，确定采集图像为有效的身份认证图像。
其中，上述证件检测结果中证件的数量满足第一预设要求、人脸检测结果中人脸的数量满足第二预设要求、证件中人脸的数量满足第三预设要求，例如可以是：证件检测结果中证件的数量为1，人脸检测结果中人脸的数量大于或等于2，检测到的证件中人脸的数量为1。
在其中一些实施方式中，认证模块用于：基于人脸检测结果和证件检测结果，确定证件中包括的第一人脸和采集图像中位于证件之外的第二人脸之间的相似度；根据第一人脸和第二人脸之间的相似度，得到身份认证的结果。
图6为本公开另一个实施例身份认证装置的结构示意图。如图6所示，与图5所示的实施例相比，该实施例中，认证模块包括：第一获取单元，用于基于人脸检测结果和证件检测结果，从采集图像中获取第一人脸的图像和第二人脸的图像；特征提取单元，用于对第一人脸的图像进行特征提取，得到第一特征，并对第二人脸的图像进行特征提取，得到第二特征；第一确定单元，用于基于第一特征与第二特征，确定第一人脸与第二人脸之间的相似度；认证单元，用于根据第一人脸和第二人脸之间的相似度，得到身份认证的结果。
另外，再参见图6，上述各实施例的身份认证装置还可以包括：第二确定模块，用于在采集图像中包括的人脸的数量大于2的情况下，根据人脸检测结果中包括的人脸在采集图像中的位置信息和证件检测结果中包括的证件在采集图像中的位置信息，将采集图像包括的至少两个人脸中位于证件之外的最大人脸确定为第二人脸。
另外，再参见图6，上述实施例的身份认证装置中，认证模块还可以包括：文本识别单元，用于响应于确定第一人脸和第二人脸之间的相似度大于预设阈值，对证件进行文本识别，得到证件的文本信息，文本信息包括姓名和证件号码中的至少一项。相应地，认证单元还用于基于用户信息数据库对文本信息进行认证，得到身份认证的结果。
另外，再参见图6，上述实施例的身份认证装置中，认证模块还可以包括：存储处理单元，用于响应于确定身份认证结果为通过身份认证，在业务数据库中存储用户信息，该用户信息例如可以包括但不限于以下任意一项或多项：文本信息、采集图像、第二人脸的图像、第二人脸的特征信息，等等。
另外，再参见图6，上述实施例的身份认证装置中，认证模块还包括查询单元。该实施例中，第一获取单元，还用于响应于接收到身份认证请求，获取包括待认证人脸的图像。查询单元，用于查询业务数据库中是否存在与待认证人脸的图像匹配的用户信息。第一确定单元，还用于根据查询的结果，确定待认证人脸的认证结果。
另外，再参见图6，上述各实施例的身份认证装置中，还可以包括：防伪检测模块，用于对采集图像进行防伪检测，得到采集图像的防伪检测结果。
在其中一些实施方式中，认证模块，用于响应于防伪检测结果为通过防伪检测，执行根据人脸检测结果和证件检测结果进行身份认证的操作。
在其中一些实施方式中，认证模块，用于基于采集图像的防伪检测结果和身份认证的结果，确定采集图像的身份认证结果。
另外，再参见图6，在其中一些实施方式中，防伪检测模块包括：第二获取单元，用于从采集图像中获取人脸区域图像和证件区域图像；伪造线索检测单元，用于分别对采集图像、人脸区域图像和证件区域图像进行伪造线索检测；第二确定单元，用于基于伪造线索检测的结果，得到采集图像的防伪检测结果。
其中，人脸区域图像中包括的人脸在人脸区域图像中所占的比例满足第四预设要求；和/或，证件区域图像中包括的证件在证件区域图像中所占的比例满足第四预设要求。其中的第四预设要求例如可以是：比例大于或等于1/4且小于或等于9/10。
在其中一些实施方式中，伪造线索检测单元用于：分别对采集图像、人脸区域图像和证件区域图像进行特征提取，得到采集图像的特征、人脸区域图像的特征和证件区域图像的特征；检测采集图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息。
在其中一些实施方式中，提取的特征例如可以包括但不限于以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征，等等。
在其中一些实施方式中，伪造线索信息具有可见光条件下的人眼可观测性。
在其中一些实施方式中，伪造线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息，等等。
在其中一些实施方式中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息；和/或，成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
在其中一些实施方式中，伪造线索检测单元用于检测采集图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息，包括：伪造线索检测单元用于对采集图像的特征进行检测，确定采集图像的特征中是否包含伪造线索信息；对人脸区域图像的特征进行检测，确定人脸区域图像的特征中是否包含伪造线索信息；对证件区域图像的特征进行检测，确定证件区域图像的特征中是否包含伪造线索信息。
在其中一些实施方式中，伪造线索检测单元用于检测采集图像的特征、人脸区域的特征和证件区域的特征中是否包含伪造线索信息，包括：伪造线索检测单元用于将采集图像的特征、人脸区域图像的特征和证件区域图像的特征进行连接，得到连接特征；确定连接特征中是否包含伪造线索信息。
在其中一些实施方式中，伪造线索检测单元对采集图像、人脸区域图像和证件区域图像进行伪造线索检测，包括：伪造线索检测单元用于通过第三神经网络对采集图像、人脸区域图像和证件区域图像进行伪造线索检测。
另外，本公开实施例提供的一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行存储器中存储的计算机程序，且计算机程序被执行时，实现本公开上述任一实施例的身份认证方法。
图8为本公开电子设备一个应用实施例的结构示意图。下面参考图8，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。如图8所示，该电子设备包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)，和/或一个或多个图像处理器(GPU)等，处理器可以根据存储在只读存储器(ROM)中的可执行指令或者从存储部分加载到随机访问存储器(RAM)中的可执行指令而执行各种适当的动作和处理。通信部可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，处理器可与只读存储器和/或随机访问存储器中通信以执行可执行指令，通过总线与通信部相连、并经通信部与其他目标设备通信，从而完成本申请实施例提供的任一身份认证方法对应的操作，例如，通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果，并通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
此外，在RAM中，还可存储有装置操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。在有RAM的情况下，ROM为可选模块。RAM存储可执行指令，或在运行时向ROM中写入可执行指令，可执行指令使处理器执行本公开上述任一身份认证方法对应的操作。输入/输出(I/O)接口也连接至总线。通信部可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
需要说明的，如图8所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图8的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本公开公开的保护范围。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请任一实施例提供的身份认证方法步骤对应的指令。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被CPU执行时，执行本申请的方法中限定的上述功能。
另外，本公开实施例还提供了一种计算机程序，包括计算机指令，当计算机指令在设备的处理器中运行时，实现本公开上述任一实施例的身份认证方法。
在一个可选实施方式中，所述计算机程序具体为软件产品，例如软件开发包(Software Development Kit，SDK)，等等。
在一个或多个可选实施方式中，本公开实施例还提供了一种计算机程序程序产品，用于存储计算机可读指令，所述指令被执行时使得计算机执行上述任一可能的实现方式中所述的身份认证方法。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选例子中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选例子中，所述计算机程序产品具体体现为软件产品，例如SDK等等。
在一个或多个可选实施方式中，本公开实施例还提供了一种身份认证方法及其对应的装置和电子设备、计算机存储介质、计算机程序以及计算机程序产品，其中，该方法包括：第一装置向第二装置发送身份认证指示，该指示使得第二装置执行上述任一可能的实施例中的身份认证方法；第一装置接收第二装置发送的身份认证结果。
在一些实施例中，该图像处理指示可以具体为调用指令，第一装置可以通过调用的方式指示第二装置执行身份认证方法，相应地，响应于接收到调用指令，第二装置可以执行上述身份认证方法中的任意实施例中的步骤和/或流程。
另外，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例的身份认证方法。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本公开的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置、设备。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种身份认证方法，其特征在于，包括：
通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果，并通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；
根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；
响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
2.根据权利要求1所述的方法，其特征在于，所述有效的身份认证图像包括：手持证件图像。
3.根据权利要求1或2所述的方法，其特征在于，所述人脸检测结果包括下列中的至少一项：所述采集图像中包括的人脸的数量和所述人脸在所述采集图像中的位置信息；和/或，
所述证件检测结果包括下列中的至少一项：所述采集图像中包括的证件的数量和所述证件在所述采集图像中的位置信息。
4.根据权利要求3所述的方法，其特征在于，所述人脸在所述采集图像中的位置信息包括：
所述人脸的第一检测框在所述采集图像中的顶点坐标；或者，
所述人脸的第一检测框的中心在所述采集图像中的坐标、所述第一检测框的长度和宽度。
5.根据权利要求3或4所述的方法，其特征在于，所述证件在所述采集图像中的位置信息包括：
所述证件的第二检测框在所述采集图像中的顶点坐标；或者，
所述证件的第二检测框的中心在所述采集图像中的坐标，所述第二检测框的长度和宽度。
6.根据权利要求1-5任一所述的方法，其特征在于，所述根据所述人脸检测结果和所述证件检测结果确定所述采集图像是否为有效的身份认证图像，包括：
在所述证件检测结果中证件的数量满足第一预设要求、所述人脸检测结果中人脸的数量满足第二预设要求、且所述证件中人脸的数量满足第三预设要求的情况下，确定所述采集图像为有效的身份认证图像。
7.根据权利要求6所述的方法，其特征在于，所述证件检测结果包括下列中的至少一项：所述采集图像中检测到的所述证件中包括的人脸的数量、所述证件中包括的人脸的位置信息。
8.一种身份认证装置，其特征在于，包括：
第一检测模块，用于通过第一神经网络对采集图像进行人脸检测，得到人脸检测结果；
第二检测模块，用于通过第二神经网络对所述采集图像进行证件检测，得到证件检测结果；
第一确定模块，用于根据所述人脸检测结果和所述证件检测结果，确定所述采集图像是否为有效的身份认证图像；
认证模块，用于响应于确定所述采集图像为有效的身份认证图像，根据所述人脸检测结果和所述证件检测结果进行身份认证，得到所述采集图像的身份认证结果。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现权利要求1-7任一所述的身份认证方法。
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，该计算机程序被处理器执行时，实现权利要求1-7任一所述的身份认证方法。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810918697.9A CN109255299A (zh) | 2018-08-13 | 2018-08-13 | 身份认证方法和装置、电子设备和存储介质 |
| JP2020550841A JP7165746B2 (ja) | 2018-08-13 | 2019-06-04 | Ｉｄ認証方法および装置、電子機器並びに記憶媒体 |
| SG11202008549SA SG11202008549SA (en) | 2018-08-13 | 2019-06-04 | Identity authentication method and apparatus, electronic device, and storage medium |
| KR1020207025865A KR102406432B1 (ko) | 2018-08-13 | 2019-06-04 | 신원 인증 방법 및 장치, 전자 기기 및 저장 매체 |
| PCT/CN2019/090034 WO2020034733A1 (zh) | 2018-08-13 | 2019-06-04 | 身份认证方法和装置、电子设备和存储介质 |
| US17/015,509 US20200410074A1 (en) | 2018-08-13 | 2020-09-09 | Identity authentication method and apparatus, electronic device, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810918697.9A CN109255299A (zh) | 2018-08-13 | 2018-08-13 | 身份认证方法和装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109255299A true CN109255299A (zh) | 2019-01-22 |
Family
ID=65050149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810918697.9A Pending CN109255299A (zh) | 2018-08-13 | 2018-08-13 | 身份认证方法和装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109255299A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110164007A (zh) * | 2019-05-21 | 2019-08-23 | 一石数字技术成都有限公司 | 一种基于身份证据和人脸图像关联关系的门禁系统 |
| CN110414454A (zh) * | 2019-07-31 | 2019-11-05 | 南充折衍智能光电科技有限公司 | 一种基于机器视觉的人证合一识别系统 |
| CN110443237A (zh) * | 2019-08-06 | 2019-11-12 | 北京旷视科技有限公司 | 证件识别方法、装置、电子设备及计算机可读存储介质 |
| CN110766033A (zh) * | 2019-05-21 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| WO2020034733A1 (zh) * | 2018-08-13 | 2020-02-20 | 北京市商汤科技开发有限公司 | 身份认证方法和装置、电子设备和存储介质 |
| CN110827261A (zh) * | 2019-11-05 | 2020-02-21 | 泰康保险集团股份有限公司 | 图像质量检测方法及装置、存储介质及电子设备 |
| CN111553208A (zh) * | 2020-04-15 | 2020-08-18 | 上海携程国际旅行社有限公司 | 基于人证合一的图像的身份识别方法、系统、设备和介质 |
| CN111898548A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技（深圳）有限公司 | 基于机器学习的访客身份认证方法、装置及计算机设备 |
| CN112560775A (zh) * | 2020-12-25 | 2021-03-26 | 深圳市商汤科技有限公司 | 一种开关控制方法、装置、计算机设备及存储介质 |
| CN113283359A (zh) * | 2021-06-02 | 2021-08-20 | 万达信息股份有限公司 | 一种手持证件照的认证方法、系统和电子设备 |
| CN113886792A (zh) * | 2021-12-06 | 2022-01-04 | 北京惠朗时代科技有限公司 | 一种声纹识别和人脸识别相结合的印控仪应用方法和系统 |
| CN115100726A (zh) * | 2022-08-25 | 2022-09-23 | 中国中金财富证券有限公司 | 智能单向视频见证方法及相关产品 |
| WO2022205063A1 (en) * | 2021-03-31 | 2022-10-06 | Paypal, Inc. | Image forgery detection via headpose estimation |
| CN116959064A (zh) * | 2023-06-25 | 2023-10-27 | 上海腾桥信息技术有限公司 | 一种证件验证方法、装置、计算机设备和存储介质 |
| TWI825371B (zh) * | 2020-10-20 | 2023-12-11 | 普匯金融科技股份有限公司 | 法人實名認證裝置和方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504321A (zh) * | 2015-01-05 | 2015-04-08 | 湖北微模式科技发展有限公司 | 一种基于摄像头实现远程用户身份验证的方法与系统 |
| CN105844206A (zh) * | 2015-01-15 | 2016-08-10 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
| CN107844748A (zh) * | 2017-10-17 | 2018-03-27 | 平安科技（深圳）有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
| CN108229120A (zh) * | 2017-09-07 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸解锁及其信息注册方法和装置、设备、程序、介质 |
| CN108229499A (zh) * | 2017-10-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 证件识别方法及装置、电子设备和存储介质 |
-
2018
- 2018-08-13 CN CN201810918697.9A patent/CN109255299A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504321A (zh) * | 2015-01-05 | 2015-04-08 | 湖北微模式科技发展有限公司 | 一种基于摄像头实现远程用户身份验证的方法与系统 |
| CN105844206A (zh) * | 2015-01-15 | 2016-08-10 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
| CN108229120A (zh) * | 2017-09-07 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸解锁及其信息注册方法和装置、设备、程序、介质 |
| CN107844748A (zh) * | 2017-10-17 | 2018-03-27 | 平安科技（深圳）有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
| CN108229499A (zh) * | 2017-10-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 证件识别方法及装置、电子设备和存储介质 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020034733A1 (zh) * | 2018-08-13 | 2020-02-20 | 北京市商汤科技开发有限公司 | 身份认证方法和装置、电子设备和存储介质 |
| CN110164007B (zh) * | 2019-05-21 | 2022-02-01 | 一石数字技术成都有限公司 | 一种基于身份证据和人脸图像关联关系的门禁系统 |
| CN110766033A (zh) * | 2019-05-21 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN110164007A (zh) * | 2019-05-21 | 2019-08-23 | 一石数字技术成都有限公司 | 一种基于身份证据和人脸图像关联关系的门禁系统 |
| CN110414454A (zh) * | 2019-07-31 | 2019-11-05 | 南充折衍智能光电科技有限公司 | 一种基于机器视觉的人证合一识别系统 |
| CN110443237A (zh) * | 2019-08-06 | 2019-11-12 | 北京旷视科技有限公司 | 证件识别方法、装置、电子设备及计算机可读存储介质 |
| CN110827261A (zh) * | 2019-11-05 | 2020-02-21 | 泰康保险集团股份有限公司 | 图像质量检测方法及装置、存储介质及电子设备 |
| CN111553208A (zh) * | 2020-04-15 | 2020-08-18 | 上海携程国际旅行社有限公司 | 基于人证合一的图像的身份识别方法、系统、设备和介质 |
| CN111898548B (zh) * | 2020-07-31 | 2023-07-28 | 平安科技（深圳）有限公司 | 基于机器学习的访客身份认证方法、装置及计算机设备 |
| WO2021139493A1 (zh) * | 2020-07-31 | 2021-07-15 | 平安科技（深圳）有限公司 | 基于机器学习的访客身份认证方法、装置及计算机设备 |
| CN111898548A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技（深圳）有限公司 | 基于机器学习的访客身份认证方法、装置及计算机设备 |
| TWI825371B (zh) * | 2020-10-20 | 2023-12-11 | 普匯金融科技股份有限公司 | 法人實名認證裝置和方法 |
| CN112560775A (zh) * | 2020-12-25 | 2021-03-26 | 深圳市商汤科技有限公司 | 一种开关控制方法、装置、计算机设备及存储介质 |
| WO2022205063A1 (en) * | 2021-03-31 | 2022-10-06 | Paypal, Inc. | Image forgery detection via headpose estimation |
| US12067475B2 (en) | 2021-03-31 | 2024-08-20 | Paypal, Inc. | Image forgery detection via headpose estimation |
| CN113283359A (zh) * | 2021-06-02 | 2021-08-20 | 万达信息股份有限公司 | 一种手持证件照的认证方法、系统和电子设备 |
| CN113886792A (zh) * | 2021-12-06 | 2022-01-04 | 北京惠朗时代科技有限公司 | 一种声纹识别和人脸识别相结合的印控仪应用方法和系统 |
| CN115100726A (zh) * | 2022-08-25 | 2022-09-23 | 中国中金财富证券有限公司 | 智能单向视频见证方法及相关产品 |
| CN116959064A (zh) * | 2023-06-25 | 2023-10-27 | 上海腾桥信息技术有限公司 | 一种证件验证方法、装置、计算机设备和存储介质 |
| CN116959064B (zh) * | 2023-06-25 | 2024-04-26 | 上海腾桥信息技术有限公司 | 一种证件验证方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109255299A (zh) | 身份认证方法和装置、电子设备和存储介质 | |
| JP7165746B2 (ja) | Ｉｄ認証方法および装置、電子機器並びに記憶媒体 | |
| KR102324706B1 (ko) | 얼굴인식 잠금해제 방법 및 장치, 기기, 매체 | |
| Kraetzer et al. | Modeling attacks on photo-ID documents and applying media forensics for the detection of facial morphing | |
| CN108229329B (zh) | 人脸防伪检测方法和系统、电子设备、程序和介质 | |
| CN108291876B (zh) | 用于检测产品的真实性的系统及方法 | |
| Debiasi et al. | PRNU-based detection of morphed face images | |
| US11354917B2 (en) | Detection of fraudulently generated and photocopied credential documents | |
| US11023708B2 (en) | Within document face verification | |
| US10248954B2 (en) | Method and system for verifying user identity using card features | |
| CN108229499A (zh) | 证件识别方法及装置、电子设备和存储介质 | |
| CN109359502A (zh) | 防伪检测方法和装置、电子设备、存储介质 | |
| WO2016131083A1 (en) | Identity verification. method and system for online users | |
| Boulkenafet et al. | Scale space texture analysis for face anti-spoofing | |
| US20080025555A1 (en) | Method and apparatus for comparing document features using pattern recognition | |
| WO2019200872A1 (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
| Liu et al. | Detect image splicing with artificial blurred boundary | |
| Abramova et al. | Detecting copy–move forgeries in scanned text documents | |
| Kim et al. | Face spoofing detection with highlight removal effect and distortions | |
| Nandanwar et al. | A new method for detecting altered text in document images | |
| US20240005691A1 (en) | Validating identification documents | |
| Tapia et al. | First Competition on Presentation Attack Detection on ID Card | |
| EP4383208A2 (en) | Automatic system and method for document authentication using portrait fraud detection | |
| US11798305B1 (en) | Methods and systems for determining the authenticity of an identity document | |
| GB2576521A (en) | Systems and methods for remotely verifying user identities |
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: 20190122 |