CN109272429A - 基于物联网校园管理的信息推送方法及系统 - Google Patents
基于物联网校园管理的信息推送方法及系统 Download PDFInfo
- Publication number
- CN109272429A CN109272429A CN201811071669.4A CN201811071669A CN109272429A CN 109272429 A CN109272429 A CN 109272429A CN 201811071669 A CN201811071669 A CN 201811071669A CN 109272429 A CN109272429 A CN 109272429A
- Authority
- CN
- China
- Prior art keywords
- identity information
- information
- type identity
- type
- matching degree
- 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 81
- 230000009467 reduction Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 22
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000001815 facial effect Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000976 ink Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00309—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated with bidirectional data transmission between data carrier and locks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00571—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated by interacting with a central unit
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及互联网信息技术领域,尤其涉及一种基于物联网校园管理的信息推送方法及系统,其中,所述方法先通过先验证第一类型身份信息,当第一类型身份信息识别成功,才启动第二类型身份信息的大数据分析、识别过程,这样当第一类型身份信息识别失败时,无需通知学生家长,以免造成不必要的打扰;只有当第一、二类型身份信息均识别成功,才通知学生家长,并且不只是让家长获取学生个人信息,而是还要通过学生即时的、动态的人脸或语音的客观信息来确定学生的真实身份。因而,通过二次的身份识别,增强了身份识别的可靠性,提高了识别的成功率。
Description
技术领域
本发明涉及互联网信息技术领域,尤其涉及一种基于物联网校园管理的信息推送方法及系统。
背景技术
当今社会,家长们对学生的教育越来越重视,对学校的要求也越来越高,希望学校有完善的管理系统。而有效的运营和管理学校也不简单,需要照顾到各个方面。随着电子技术的普及,各种各样的基于电脑的管理系统层出不穷,也不乏少数可以应用于校园管理中的某些方面。
现有技术中,学校老师在教室点名、宿舍点名、拍照给家长这样的模式,效率低下,且对于老师来说,任务更加的沉重。比如为了防止寄宿学生在放学时夹杂在日校学生中走出校门,以防寄宿学生的在校安全管理中产生漏洞,学校增加了教职工的数量并加强了进出学校学生和其它人员的管理,或是通过学生打卡考勤、指纹考勤;或为学生派发一个唯一RFID识别卡,在早上上学时,学生在校园安全管理装置上近场刷写RFID接送卡,继而记录学生到达学校。在晚上下课时,学生同样需要在校园安全管理装置上近场刷写RFID接送卡,继而记录学生离开学校,通过上述方式对学生的接送安全问题进行管理,但仍然不能杜绝学生的安全隐患问题。
对于校园来说,由于学生打卡考勤、指纹考勤的人数众多,极易造成排队打卡,打卡效率低,占用学生时间,导致学生的打卡积极性低下,打卡率低,无法满足校园考勤的需求,完全失去考勤的意义。虽然,有的学校的采用消息通知方式将考勤信息推送至家长,但由于存在一些学生冒充打卡考勤的情况,所以对于家长来说,也只能看到冷冰冰的考勤记录,并不能了解到孩子在学校的真实生活情况,什么时候进出学校,什么时候在教室上课,什么时候回宿舍休息,有没有按时吃饭等等。
发明内容
针对现有技术的不足,本发明提供了一种基于物联网校园管理的信息推送方法及系统,解决了现有技术中存在的耗时、繁琐,需要处理的信息量比较大等问题,从而了增强身份识别的可靠性,提高了识别的成功率目的,其具体方案如下:
第一方面,本发明提供了一种基于物联网校园管理的信息推送方法,包括:
接收第一类型身份信息;
判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息;
将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
优选地,所述第一类型身份信息是指纹信息,所述第二类型身份信息包括人脸信息或语音信息的其中一种。
优选地,所述判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,包括:
判断所述第一类型身份信息的指纹中心部分是否在传感器中心检测区域内,若是,则通过计算欧氏距离匹配度遍历搜索指纹特征库;
当所述匹配度大于指纹匹配的预设阈值时,确定所述第一类型身份信息为相应的第一类型身份特征标识数据。
优选地,判断所述第一类型身份信息的指纹中心部分是否在传感器中心检测区域内的同时,还包括:判断所述第一类型身份信息的指纹边缘部分是否至少半数被所述传感器边缘检测区域覆盖。
优选地,所述方法还包括:
所述用户终端将私钥反馈至服务器;
所述服务器根据所述私钥与存储的密钥的匹配度的比较结果执行门禁或放行。
优选地,当所述第二类型身份信息为语音信息时,所述将所述第二类型身份信息转换为结构化数字序列,包括:
将所述第二类型身份信息转换为文本数据;
将所述文本数据进行语义解析,得到结构化数字序列;
对所述结构化数字序列进行数据降维,得到降维的阵列式结构化数字序列。
优选地,当所述第二类型身份信息为语音信息时,所述根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,包括:
通过计算欧氏距离匹配度遍历搜索语音特征库;
当所述匹配度大于语音匹配的预设阈值时,确定所述第二类型身份信息为相应的第二类型身份特征标识数据。
优选地,当所述第二类型身份信息为人脸信息时,所述将所述第二类型身份信息转换为结构化数字序列,包括:
将所述第二类型身份信息转换为文本数据;
将所述文本数据进行数据块划分,得到多个数据块;
对每个数据块进行信息降维,得到每个数据块中对应的降维信息内容;
对多个数据块中对应的降维信息内容进行整合,生成阵列式结构化数字序列。
优选地,当所述第二类型身份信息为人脸信息时,所述根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,包括:
通过计算欧氏距离匹配度遍历搜索人脸特征库;
当所述匹配度大于人脸匹配的预设阈值时,确定所述第二类型身份信息为相应的第二类型身份特征标识数据。
第二方面,本发明提供了一种基于物联网校园管理的信息推送系统,包括:
接收模块,用于接收第一类型身份信息、第二类型身份信息;
转换模块,用于将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
分析模块,用于判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,还用于判断所述第二类型身份特征标识数据的匹配度是否符合推送条件;
发送模块,用于当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
第三方面,本发明提供了一种基于物联网校园管理的信息推送设备,包括:
通信总线,用于实现处理器与存储器间的连接通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如下步骤:
接收第一类型身份信息;
判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息;
将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
第四方面,本发明提供了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上述第一方面的方法。
有益效果:本发明的基于物联网校园管理的信息推送方法及系统,由于第二类型身份信息的识别过程比较耗时、繁琐,需要处理的信息量比较大,而第一类型身份信息识别过程比较省时、简便,需要处理的信息量比较少,所以先通过先验证第一类型身份信息,当第一类型身份信息识别成功,才启动第二类型身份信息的识别操作,这样节省了识别时间。这样,通过二次的身份识别,增强了身份识别的可靠性,提高了识别的成功率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,附图中的实施例不构成对本发明的任何限制,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于物联网校园管理的信息推送方法实施例一流程示意图。
图2是本发明基于物联网校园管理的信息推送方法实施例二流程示意图。
图3是本发明基于物联网校园管理的信息推送系统一实施例结构示意图。
图4是本发明基于物联网校园管理的信息推送设备一实施例结构示意图。
具体实施方式
下面结合附图与实施例对本发明技术方案作进一步详细的说明,这是本发明的较佳实施例。应当理解,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例;需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明一实施例提供了一种基于物联网校园管理的信息推送方法,如图1所示,以下方法实施例中各步骤的执行主体具体可以为具有生物识别功能的各种设备,例如:手机、个人电脑,PAD,门禁设备等,该信息推送方法具体可以包括如下步骤:
步骤S101,接收第一类型身份信息,其中,所述第一类型身份信息是指纹信息。
本实施例中,上述待识别的指纹信息可通过有线连接方式或无线连接方式,利用校园进行身份验证的固定设备或利用用户进行身份验证的移动设备获得待检测的指纹信息。
步骤S102,判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息。
在本实施例中,当获取到指纹信息后,首先判断所述指纹信息的指纹中心部分是否在传感器中心检测区域内,当指纹信息的指纹中心部分在传感器中心检测区域内,则通过计算欧氏距离匹配度遍历搜索指纹特征库;当搜索至所述匹配度大于指纹匹配的预设阈值时,比如0.98,即确定所述第一类型身份信息为相应的第一类型身份特征标识数据;最后触发请求并接收第二类型身份信息。
具体地,逐个匹配上述指纹信息与预存的指纹样本,当匹配系数大于指纹匹配的预设阈值时则识别成功,否则当匹配系数小于指纹匹配的预设阈值时则识别失败。更具体地,搜索与待识别的指纹信息的距离最小的预存的指纹样本,判断待识别的指纹信息和所有预存的指纹样本距离的最小值是否大于设定阈值,若为是,则待识别的指纹信息的识别结果为匹配对象。
需要说明的是,遍历搜索的欧氏距离越大,则表明待识别的指纹信息和所有预存的指纹样本之间的相似性越小,距离越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越大;另外,待识别的指纹信息和所有预存的指纹样本的距离还可以通过余弦相似度来表征,余弦相似度越大,待识别的指纹信息和所有预存的指纹样本之间的相似性越大,余弦相似度越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越小。
步骤S103,将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,其中,所述第二类型身份信息为人脸信息。
具体地,首先将所述人脸信息转换为文本数据,其次将所述文本数据进行数据块划分,得到多个数据块,然后对每个数据块进行信息降维,得到每个数据块中对应的降维信息内容,最后对多个数据块中对应的降维信息内容进行整合,生成阵列式结构化数字序列。
进一步,通过计算欧氏距离匹配度遍历搜索人脸特征库,当利用大数据分析所述匹配度大于人脸匹配的预设阈值时,确定所述人脸信息为相应的第二类型身份特征标识数据。
具体地,逐个匹配降维的上述人脸信息与预存的样本图像,当匹配系数大于人脸匹配的预设阈值时则识别成功,否则当匹配系数小于人脸匹配的预设阈值时则识别失败。更具体地,搜索与待识别的人脸图像的距离最小的预存的样本图像,判断待识别的人脸图像和所有预存的样本图像距离的最小值是否大于设定阈值,若为是,则待识别的人脸图像的识别结果为匹配对象。
计算待识别的人脸图像和所有预存的样本图像的距离,可以是先分别提取待识别的人脸图像和所有预存的样本图像的比如gabor特征或LBP(Local binary patterns,局部二值模式)等纹理特征,再计算待识别的人脸图像和所有预存的样本图像的距离,比如欧式距离。距离越大,待识别的人脸图像和所有预存的样本图像之间的相似性越小,距离越小,待识别的人脸图像和所有预存的样本图像之间的相似性越大;另外,待识别的人脸图像和所有预存的样本图像的距离还可以通过余弦相似度来表征,余弦相似度越大,待识别的人脸图像和所有预存的样本图像之间的相似性越大,余弦相似度越小,待识别的人脸图像和所有预存的样本图像之间的相似性越小。
步骤S104,当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
具体地,当上述人脸图像与预存的样本图像匹配度大于设定阈值即符合推送条件时,管理员通过校园管理系统向用户终端推送信息。其中,被推送的信息包括了学校、专业、班级等学生的个人信息及人脸图形。
需要说明的是,与传统的基于物联网校园管理的信息推送技术不同的是,在本实施例中,由于第二类型身份信息的识别过程比较耗时、繁琐,需要处理的信息量比较大,而第一类型身份信息识别过程比较省时、简便,需要处理的信息量比较少,所以先通过先验证第一类型身份信息,当第一类型身份信息识别成功,才启动第二类型身份信息的识别操作,这样节省了识别时间。同时,识别过程是两种类型身份信息的验证过程,减低了错误识别率。
实施例二
本发明一实施例提供了一种基于物联网校园管理的信息推送方法,如图2所示,以下方法实施例中各步骤的执行主体具体可以为具有生物识别功能的各种设备,例如:手机、个人电脑,PAD,门禁设备等,该信息推送方法具体可以包括如下步骤:
步骤S101,接收第一类型身份信息,其中,所述第一类型身份信息是指纹信息。
本实施例中,上述待识别的指纹信息可通过有线连接方式或无线连接方式,利用校园进行身份验证的固定设备或利用用户进行身份验证的移动设备获得待检测的指纹信息。
步骤S102,判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息。
与实施例一不同的是,在本实施例中,在判断所述指纹信息的指纹中心部分是否在传感器中心检测区域内的同时,还判断所述指纹信息的指纹边缘部分是否至少半数被所述传感器边缘检测区域覆盖,只有上述两个条件符合的情况下才遍历搜索指纹特征库通过计算欧氏距离匹配度确定所述指纹信息为相应的第一类型身份特征标识数据;当搜索至所述匹配度大于指纹匹配的预设阈值时,比如0.98,即确定所述指纹信息为相应的第一类型身份特征标识数据;最后触发请求并接收第二类型身份信息。
具体地,逐个匹配上述指纹信息与预存的指纹样本,当匹配系数大于指纹匹配的预设阈值时则识别成功,否则当匹配系数小于指纹匹配的预设阈值时则识别失败。更具体地,搜索与待识别的指纹信息的距离最小的预存的指纹样本,判断待识别的指纹信息和所有预存的指纹样本距离的最小值是否大于设定阈值,若为是,则待识别的指纹信息的识别结果为匹配对象。
需要说明的是,遍历搜索的欧氏距离越大,则表明待识别的指纹信息和所有预存的指纹样本之间的相似性越小,距离越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越大;另外,待识别的指纹信息和所有预存的指纹样本的距离还可以通过余弦相似度来表征,余弦相似度越大,待识别的指纹信息和所有预存的指纹样本之间的相似性越大,余弦相似度越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越小。
步骤S103,将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,其中,所述第二类型身份信息为语音信息。
具体地,首先将所述语音信息转换为文本数据,然后将所述文本数据进行语义解析,得到结构化数字序列,最后对所述结构化数字序列进行数据降维,得到降维的阵列式结构化数字序列。
进一步,通过计算欧氏距离匹配度遍历搜索语音特征库,当利用大数据分析所述匹配度大于语音匹配的预设阈值时,确定所述语音信息为相应的第二类型身份特征标识数据。
具体地,逐个匹配将语音序列中每一帧的特征值与预存的语音特征样本,当匹配系数大于语音匹配的预设阈值时则识别成功,否则当匹配系数小于语音匹配的预设阈值时则识别失败。更具体地,搜索与待识别的语音序列中每一帧的特征值的距离最小的预存的语音特征样本,判断待识别的语音序列中每一帧的特征值和所有预存的语音特征样本距离的最小值是否大于设定阈值,若为是,则待识别的语音信息的识别结果为匹配对象,确定所述语音信息为相应的第二类型身份特征标识数据。
步骤S104,当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
具体地,当上述语音序列中每一帧的特征值与预存的语音特征样本匹配度大于设定阈值即符合推送条件时,管理员通过校园管理系统向用户终端推送信息。其中,被推送的信息包括了学校、专业、班级等学生的个人信息及语音信息。
步骤S105,当用户终端确认当事人的身份后,所述用户终端将私钥反馈至校园管理服务器;
当第一类型身份信息识别失败时,无需通知学生家长,以免造成不必要的打扰;只有当第一、二类型身份信息均识别成功,才通知学生家长,并且不只是让家长获取学生个人信息,而是还要通过学生即时的、动态的人脸或语音的客观信息来确定学生的真实身份。
步骤S106,所述服务器根据所述私钥与存储的密钥的匹配度的比较结果来决定执行门禁或放行。
需要说明的是,与传统的基于物联网校园管理的信息推送技术不同的是,在本实施例中,由于第二类型身份信息的识别过程比较耗时、繁琐,需要处理的信息量比较大,而第一类型身份信息识别过程比较省时、简便,需要处理的信息量比较少,所以先通过先验证第一类型身份信息,当第一类型身份信息识别成功,才启动第二类型身份信息的识别操作,这样当第一类型身份信息识别失败时,无需通知学生家长,以免造成不必要的打扰;只有当第一、二类型身份信息均识别成功,才通知学生家长,并且不只是让家长获取学生个人信息,而是还要通过学生即时的、动态的人脸或语音的客观信息来确定学生的真实身份。同时,识别过程是两种类型身份信息的验证过程,减低了错误识别率;另外,在判断指纹信息的指纹中心部分是否在传感器中心检测区域内的同时,还判断所述指纹信息的指纹边缘部分是否至少半数被所述传感器边缘检测区域覆盖,只有上述两个条件符合的情况下才遍历搜索指纹特征库通过计算欧氏距离匹配度,这样提高了第一类型身份信息的可靠性,增强了识别的成功率。
实施例三
本发明一实施例提供了一种基于物联网校园管理的信息推送系统,在本发明实施例中,本实施例中的信息推送系统为执行上述基于物联网校园管理的信息推送方法的特定主体,如图3所示,该信息推送系统具体可以包括如下模块:
接收模块,用于接收第一类型身份信息、第二类型身份信息;
转换模块,用于将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
分析模块,用于判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,还用于判断所述第二类型身份特征标识数据的匹配度是否符合推送条件;
发送模块,用于当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
实施例四
本发明一实施例提供了一种基于物联网校园管理的信息推送设备,如图4所示,该信息推送设备具体可以包括如下模块:
通信总线,用于实现处理器与存储器间的连接通信;
存储器,用于存储计算机程序;存储器可能包含高速RAM存储器,也可能还包含非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器可选的可以包含至少一个存储装置。
处理器,用于执行上述计算机程序以实现如下步骤:
步骤S101,接收第一类型身份信息,其中,所述第一类型身份信息是指纹信息。
本实施例中,上述待识别的指纹信息可通过有线连接方式或无线连接方式,利用校园进行身份验证的固定设备或利用用户进行身份验证的移动设备获得待检测的指纹信息。
步骤S102,判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息。
在本实施例中,在判断所述指纹信息的指纹中心部分是否在传感器中心检测区域内的同时,还判断所述指纹信息的指纹边缘部分是否至少半数被所述传感器边缘检测区域覆盖,只有上述两个条件符合的情况下才遍历搜索指纹特征库通过计算欧氏距离匹配度确定所述指纹信息为相应的第一类型身份特征标识数据;当搜索至所述匹配度大于指纹匹配的预设阈值时,比如0.98,即确定所述指纹信息为相应的第一类型身份特征标识数据;最后触发请求并接收第二类型身份信息。
具体地,逐个匹配上述指纹信息与预存的指纹样本,当匹配系数大于指纹匹配的预设阈值时则识别成功,否则当匹配系数小于指纹匹配的预设阈值时则识别失败。更具体地,搜索与待识别的指纹信息的距离最小的预存的指纹样本,判断待识别的指纹信息和所有预存的指纹样本距离的最小值是否大于设定阈值,若为是,则待识别的指纹信息的识别结果为匹配对象。
需要说明的是,遍历搜索的欧氏距离越大,则表明待识别的指纹信息和所有预存的指纹样本之间的相似性越小,距离越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越大;另外,待识别的指纹信息和所有预存的指纹样本的距离还可以通过余弦相似度来表征,余弦相似度越大,待识别的指纹信息和所有预存的指纹样本之间的相似性越大,余弦相似度越小,待识别的指纹信息和所有预存的指纹样本之间的相似性越小。
步骤S103,将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,其中,所述第二类型身份信息为人脸信息或语音信息。
在一个可选的实施例中,当所述第二类型身份信息为人脸信息时,首先将所述人脸信息转换为文本数据,其次将所述文本数据进行数据块划分,得到多个数据块,然后对每个数据块进行信息降维,得到每个数据块中对应的降维信息内容,最后对多个数据块中对应的降维信息内容进行整合,生成阵列式结构化数字序列。
进一步,通过计算欧氏距离匹配度遍历搜索人脸特征库,当所述匹配度大于人脸匹配的预设阈值时,确定所述人脸信息为相应的第二类型身份特征标识数据。
具体地,逐个匹配降维的上述人脸信息与预存的样本图像,当匹配系数大于人脸匹配的预设阈值时则识别成功,否则当匹配系数小于人脸匹配的预设阈值时则识别失败。更具体地,搜索与待识别的人脸图像的距离最小的预存的样本图像,判断待识别的人脸图像和所有预存的样本图像距离的最小值是否大于设定阈值,若为是,则待识别的人脸图像的识别结果为匹配对象。
计算待识别的人脸图像和所有预存的样本图像的距离,可以是先分别提取待识别的人脸图像和所有预存的样本图像的比如gabor特征或LBP(Local binary patterns,局部二值模式)等纹理特征,再计算待识别的人脸图像和所有预存的样本图像的距离,比如欧式距离。距离越大,待识别的人脸图像和所有预存的样本图像之间的相似性越小,距离越小,待识别的人脸图像和所有预存的样本图像之间的相似性越大;另外,待识别的人脸图像和所有预存的样本图像的距离还可以通过余弦相似度来表征,余弦相似度越大,待识别的人脸图像和所有预存的样本图像之间的相似性越大,余弦相似度越小,待识别的人脸图像和所有预存的样本图像之间的相似性越小。
在另一可选的实施例中,当所述第二类型身份信息为语音信息时,首先将所述语音信息转换为文本数据,然后将所述文本数据进行语义解析,得到结构化数字序列,最后对所述结构化数字序列进行数据降维,得到降维的阵列式结构化数字序列。
进一步,通过计算欧氏距离匹配度遍历搜索语音特征库,当所述匹配度大于语音匹配的预设阈值时,确定所述语音信息为相应的第二类型身份特征标识数据。
具体地,逐个匹配将语音序列中每一帧的特征值与预存的语音特征样本,当匹配系数大于语音匹配的预设阈值时则识别成功,否则当匹配系数小于语音匹配的预设阈值时则识别失败。更具体地,搜索与待识别的语音序列中每一帧的特征值的距离最小的预存的语音特征样本,判断待识别的语音序列中每一帧的特征值和所有预存的语音特征样本距离的最小值是否大于设定阈值,若为是,则待识别的语音信息的识别结果为匹配对象,确定所述语音信息为相应的第二类型身份特征标识数据。
步骤S104,当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
在一个可选的实施例中,当所述第二类型身份信息为人脸信息时,当上述人脸图像与预存的样本图像匹配度大于设定阈值即符合推送条件时,管理员通过校园管理系统向用户终端推送信息。其中,被推送的信息包括了学校、专业、班级等学生的个人信息及人脸图形。
在另一可选的实施例中,当所述第二类型身份信息为语音信息时,当上述语音序列中每一帧的特征值与预存的语音特征样本匹配度大于设定阈值即符合推送条件时,管理员通过校园管理系统向用户终端推送信息。其中,被推送的信息包括了学校、专业、班级等学生的个人信息及语音信息。
步骤S105,当用户终端确认当事人的身份后,所述用户终端将私钥反馈至校园管理服务器;
步骤S106,所述服务器根据所述私钥与存储的密钥的匹配度的比较结果来决定执行门禁或放行。
本实施例中的处理器可能是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。上述处理器可以是微处理器或者上述处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
实施例五
本发明一实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现上述基于物联网校园管理的信息推送方法。
综上上述,本发明实施例提供的一种基于物联网校园管理的信息推送方法及系统,由于第二类型身份信息的识别过程比较耗时、繁琐,需要处理的信息量比较大,而第一类型身份信息识别过程比较省时、简便,需要处理的信息量比较少,所以先通过先验证第一类型身份信息,当第一类型身份信息识别成功,才启动第二类型身份信息的识别操作,这样节省了识别时间。所以,本发明实施例达到了以下技术效果:解决了现有技术中存在的耗时、繁琐,需要处理的信息量比较大等问题,通过二次的身份识别,增强了身份识别的可靠性,提高了识别的成功率。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种基于物联网校园管理的信息推送方法,其特征在于,包括:
接收第一类型身份信息;
判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息;
将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
2.根据权利要求1所述的方法,其特征在于,所述第一类型身份信息是指纹信息,所述第二类型身份信息包括人脸信息或语音信息的其中一种。
3.根据权利要求2所述的方法,其特征在于,所述判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,包括:
判断所述第一类型身份信息的指纹中心部分是否在传感器中心检测区域内,若是,则通过计算欧氏距离匹配度遍历搜索指纹特征库;
当所述匹配度大于指纹匹配的预设阈值时,确定所述第一类型身份信息为相应的第一类型身份特征标识数据。
4.根据权利要求3所述的方法,其特征在于,判断所述第一类型身份信息的指纹中心部分是否在传感器中心检测区域内的同时,还包括:判断所述第一类型身份信息的指纹边缘部分是否至少半数被所述传感器边缘检测区域覆盖。
5.根据权利要求1所述的方法,其特征在于,还包括:
所述用户终端将私钥反馈至服务器;
所述服务器根据所述私钥与存储的密钥的匹配度的比较结果执行门禁或放行。
6.根据权利要求1-5任一项所述的方法,其特征在于,当所述第二类型身份信息为语音信息时,所述将所述第二类型身份信息转换为结构化数字序列,包括:
将所述第二类型身份信息转换为文本数据;
将所述文本数据进行语义解析,得到结构化数字序列;
对所述结构化数字序列进行数据降维,得到降维的阵列式结构化数字序列。
7.根据权利要求6所述的方法,其特征在于,当所述第二类型身份信息为语音信息时,所述根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,包括:
通过计算欧氏距离匹配度遍历搜索语音特征库;
当所述匹配度大于语音匹配的预设阈值时,确定所述第二类型身份信息为相应的第二类型身份特征标识数据。
8.根据权利要求1-5任一项所述的方法,其特征在于,当所述第二类型身份信息为人脸信息时,所述将所述第二类型身份信息转换为结构化数字序列,包括:
将所述第二类型身份信息转换为文本数据;
将所述文本数据进行数据块划分,得到多个数据块;
对每个数据块进行信息降维,得到每个数据块中对应的降维信息内容;
对多个数据块中对应的降维信息内容进行整合,生成阵列式结构化数字序列。
9.根据权利要求8所述的方法,其特征在于,当所述第二类型身份信息为人脸信息时,所述根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据,包括:
通过计算欧氏距离匹配度遍历搜索人脸特征库;
当所述匹配度大于人脸匹配的预设阈值时,确定所述第二类型身份信息为相应的第二类型身份特征标识数据。
10.一种基于物联网校园管理的信息推送系统,其特征在于,包括:
接收模块,用于接收第一类型身份信息、第二类型身份信息;
转换模块,用于将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
分析模块,用于判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,还用于判断所述第二类型身份特征标识数据的匹配度是否符合推送条件;
发送模块,用于当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
11.一种基于物联网校园管理的信息推送设备,其特征在于,包括:
通信总线,用于实现处理器与存储器间的连接通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如下步骤:
接收第一类型身份信息;
判断所述第一类型身份信息是否符合接收第二类型身份信息的条件,若是,则接收第二类型身份信息;
将所述第二类型身份信息转换为结构化数字序列,根据所述结构化数字序列提取第二类型身份信息相应的第二类型身份特征标识数据;
当所述第二类型身份特征标识数据的匹配度符合推送条件时,向用户终端推送信息。
12.一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如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071669.4A CN109272429A (zh) | 2018-09-14 | 2018-09-14 | 基于物联网校园管理的信息推送方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071669.4A CN109272429A (zh) | 2018-09-14 | 2018-09-14 | 基于物联网校园管理的信息推送方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272429A true CN109272429A (zh) | 2019-01-25 |
Family
ID=65188680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811071669.4A Pending CN109272429A (zh) | 2018-09-14 | 2018-09-14 | 基于物联网校园管理的信息推送方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272429A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399709A (zh) * | 2019-07-26 | 2019-11-01 | 苏州颢裕智能科技有限公司 | 一种采用人脸识别技术实现教育机构人人互证的系统及方法 |
CN112863032A (zh) * | 2019-11-28 | 2021-05-28 | 比亚迪汽车工业有限公司 | 闸机控制方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201207195Y (zh) * | 2008-05-23 | 2009-03-11 | 汉王科技股份有限公司 | 红外人脸识别和指纹识别的双重身份认证设备 |
CN101452526A (zh) * | 2008-10-31 | 2009-06-10 | 电子科技大学 | 基于指纹和人脸的二维条码式身份认证方法 |
CN102045162A (zh) * | 2009-10-16 | 2011-05-04 | 电子科技大学 | 一种三模态生物特征持证人身份鉴别系统及其控制方法 |
CN103177494A (zh) * | 2013-03-26 | 2013-06-26 | 姬志刚 | 非正常状态下的开门者不能开启的门禁系统 |
CN105447931A (zh) * | 2015-03-09 | 2016-03-30 | 北京天诚盛业科技有限公司 | 门禁远程授权的方法、装置和系统 |
CN107293011A (zh) * | 2017-06-15 | 2017-10-24 | 深圳源广安智能科技有限公司 | 一种智能家居的门禁系统 |
-
2018
- 2018-09-14 CN CN201811071669.4A patent/CN109272429A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201207195Y (zh) * | 2008-05-23 | 2009-03-11 | 汉王科技股份有限公司 | 红外人脸识别和指纹识别的双重身份认证设备 |
CN101452526A (zh) * | 2008-10-31 | 2009-06-10 | 电子科技大学 | 基于指纹和人脸的二维条码式身份认证方法 |
CN102045162A (zh) * | 2009-10-16 | 2011-05-04 | 电子科技大学 | 一种三模态生物特征持证人身份鉴别系统及其控制方法 |
CN103177494A (zh) * | 2013-03-26 | 2013-06-26 | 姬志刚 | 非正常状态下的开门者不能开启的门禁系统 |
CN105447931A (zh) * | 2015-03-09 | 2016-03-30 | 北京天诚盛业科技有限公司 | 门禁远程授权的方法、装置和系统 |
CN107293011A (zh) * | 2017-06-15 | 2017-10-24 | 深圳源广安智能科技有限公司 | 一种智能家居的门禁系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399709A (zh) * | 2019-07-26 | 2019-11-01 | 苏州颢裕智能科技有限公司 | 一种采用人脸识别技术实现教育机构人人互证的系统及方法 |
CN112863032A (zh) * | 2019-11-28 | 2021-05-28 | 比亚迪汽车工业有限公司 | 闸机控制方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216546B2 (en) | Method for fingerprint authentication using force value | |
KR102506826B1 (ko) | 모바일 장치와 관련된 전자 키 지급 및 액세스 관리를 위한 시스템 및 방법 | |
Blanco‐Gonzalo et al. | Performance evaluation of handwritten signature recognition in mobile environments | |
US20050220326A1 (en) | Mobile identification system and method | |
CN108833359A (zh) | 身份验证方法、装置、设备、存储介质及程序 | |
CN105980973A (zh) | 用户认证手势 | |
CN104050406A (zh) | 利用指纹组合进行鉴权的方法及终端设备 | |
US9202035B1 (en) | User authentication based on biometric handwriting aspects of a handwritten code | |
US10546106B2 (en) | Biometric verification | |
CN105893813A (zh) | 生物信息登记装置和生物信息登记方法 | |
CN111931548B (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
KR20190122206A (ko) | 신분 인증 방법 및 장치, 전자 기기, 컴퓨터 프로그램 및 저장 매체 | |
CN107679457A (zh) | 用户身份校验方法及装置 | |
CN107195045B (zh) | 门禁门铃系统及安防系统 | |
CN107851186A (zh) | 使用并行处理的指纹认证 | |
CN109409245A (zh) | 身份核验方法、系统、电子设备和存储介质 | |
CN108875484A (zh) | 用于移动终端的人脸解锁方法、装置和系统及存储介质 | |
CN108875582A (zh) | 身份验证方法、装置、设备、存储介质及程序 | |
CN108734003A (zh) | 身份验证方法、装置、设备、存储介质及程序 | |
CN109272429A (zh) | 基于物联网校园管理的信息推送方法及系统 | |
CN106940802A (zh) | 用于使用生物测量学信息的认证的方法和设备 | |
CN109192286A (zh) | 一种自动化分诊方法、装置及电子设备 | |
KR20010031613A (ko) | 전자서명 조합방법 및 시스템 | |
WO2021244471A1 (zh) | 一种实名认证方法及装置 | |
CN107615299A (zh) | 用于评估指纹模板的方法和系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 350000 Fuzhou Software Park, 89 Software Avenue, Gulou District, Fuzhou City, Fujian Province Applicant after: Zheng Chengde Address before: 430000 Guanggu Software Park No. 1 Guanshan Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province Applicant before: Zheng Chengde |