身份验证方法及装置
技术领域
本说明书涉及安全验证领域,尤其涉及一种身份验证方法及装置。
背景技术
随着人工智能及生物识别技术越来越广泛的应用,如何让机器快速准确的识别到用户,决定着用户是否有极致的体验。不论是线下的会员识别还是准确性要求极高的支付环节,都需要机器通过某种方式验证当前使用者的身份。
传统的验证方式是用户首先输入手机号或者邮箱等账号,然后再输入密码,这种验证方式由于安全性很低,已经逐步被生物特征类(如人脸、指纹、虹膜密码等)所替代。然而,生物特征密码虽然具有更高的安全性,但是受限于无法进行快速的大规模检索,如无法通过采集到的人脸直接从数亿已标注了用户身份的人脸图片中找到其是谁,所以目前的主流系统仍然会要求用户先输入其身份识别码(如手机号、QQ号、身份证号等),然后与其在系统留存的生物特征进行比对。显然,这种验证方式仍然需要用户手动输入,很不方便。
现有技术中,将人脸和声纹进行结合做校验的方案在行业内已经非常的普及,但是都需要预先知道用户的身份(如用户的手机号、QQ号等),然后采集人脸并让用户读一串数字以采集声纹进行校验,这种验证方式仍需用户手动输入一个账号告知系统“我是谁”,很不方便,同时,用户的手机号或系统账号与用户强行绑定,无法达到用自我证明“我就是我”的目的。
此外,对于小规模人脸检索(典型场景如门禁系统),现有技术中采用串行的声纹采集进行二次校验,即先在小范围(如一千)内识别出当前采集到的人脸可能是谁,得到几个候选结果后,让用户说话与这几个候选结果的声纹进行比对。这种验证方式的缺陷是规模小,导致每个系统在实施的时候均需初始化,即该系统可以识别出哪些人,并且流程上是串行的,即先用人脸圈出一个更小的用户范围再用声纹进行校验,此时如果因为某些原因如化妆或者周围光照条件较差导致目标用户不在候选用户中,则该用户无法通过校验。
发明内容
本说明书一个或多个实施例的目的是提供一种身份验证方法及装置,用以基于两种生物特征分别进行匹配来验证用户身份,提高用户身份验证的准确度。
为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
一方面,本说明书一个或多个实施例提供一种身份验证方法,包括:
获取待验证用户的第一待验证生物特征和第二待验证生物特征;
确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
在一个实施例中,所述第一生物特征库包括多个第一生物特征子库,各所述第一生物特征子库中包含的所述第一生物特征的特征类别不同;所述第二生物特征库包括多个第二生物特征子库,各所述第二生物特征子库中包含的所述第二生物特征的特征类别不同;
相应的,所述将所述第一待验证生物特征与所述第一生物特征库进行匹配,包括:
确定所述第一待验证生物特征对应的特征类别;从所述第一生物特征库中筛选出与所述第一待验证生物特征对应的特征类别所对应的第一目标生物特征子库;将所述第一待验证生物特征与所述第一目标生物特征子库进行匹配;
所述将所述第二待验证生物特征与所述第二生物特征库进行匹配,包括:
确定所述第二待验证生物特征对应的特征类别;从所述第二生物特征库中筛选出与所述第二待验证生物特征对应的特征类别所对应的第二目标生物特征子库;将所述第二待验证生物特征与所述第二目标生物特征子库进行匹配。
在一个实施例中,所述第一匹配结果包括所述待验证用户与各所述用户之间的第一相似评估值;所述第二匹配结果包括所述待验证用户与各所述用户之间的第二相似评估值;
相应地,所述根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果,包括:
根据所述第一相似评估值与所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值;
根据所述总相似评估值,从所述多个用户中确定所述待验证用户的身份验证结果。
在一个实施例中,所述根据所述第一相似评估值与所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值,包括:
确定所述第一生物特征及所述第二生物特征分别对应的权重;
根据所述第一生物特征及所述第二生物特征分别对应的权重、所述第一相似评估值以及所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值。
在一个实施例中,所述根据所述总相似评估值,从所述多个用户中确定所述待验证用户的身份验证结果,包括:
从所述多个用户中选择所述总相似评估值最大、且大于第一预设阈值的目标用户;
确定所述目标用户为所述待验证用户的身份验证结果。
在一个实施例中,所述方法还包括:
若所述目标用户与所述待验证用户之间的总相似评估值大于第二预设阈值,则根据所述第一待验证生物特征更新所述第一生物特征库中与所述目标用户对应的第一生物特征,以及,根据所述第二待验证生物特征更新所述第二生物特征库中与所述目标用户对应的第二生物特征;
其中,所述第二预设阈值高于所述第一预设阈值。
在一个实施例中,所述第一待验证生物特征为人脸特征,所述第二待验证生物特征为声纹特征;所述第一生物特征库为人脸特征库,所述第二生物特征库为声纹特征库。
另一方面,本说明书一个或多个实施例提供一种身份验证装置,包括:
获取模块,用于获取待验证用户的第一待验证生物特征和第二待验证生物特征;
第一确定模块,用于确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
匹配模块,用于将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
第二确定模块,用于根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
在一个实施例中,所述第一生物特征库包括多个第一生物特征子库,各所述第一生物特征子库中包含的所述第一生物特征的特征类别不同;所述第二生物特征库包括多个第二生物特征子库,各所述第二生物特征子库中包含的所述第二生物特征的特征类别不同;
相应的,所述匹配模块包括:
第一确定单元,用于确定所述第一待验证生物特征对应的特征类别;从所述第一生物特征库中筛选出与所述第一待验证生物特征对应的特征类别所对应的第一目标生物特征子库;将所述第一待验证生物特征与所述第一目标生物特征子库进行匹配;
第二确定单元,用于确定所述第二待验证生物特征对应的特征类别;从所述第二生物特征库中筛选出与所述第二待验证生物特征对应的特征类别所对应的第二目标生物特征子库;将所述第二待验证生物特征与所述第二目标生物特征子库进行匹配。
在一个实施例中,所述第一匹配结果包括所述待验证用户与各所述用户之间的第一相似评估值;所述第二匹配结果包括所述待验证用户与各所述用户之间的第二相似评估值;
相应地,所述第二确定模块包括:
计算单元,用于根据所述第一相似评估值与所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值;
第三确定单元,用于根据所述总相似评估值,从所述多个用户中确定所述待验证用户的身份验证结果。
在一个实施例中,所述计算单元还用于:
确定所述第一生物特征及所述第二生物特征分别对应的权重;
根据所述第一生物特征及所述第二生物特征分别对应的权重、所述第一相似评估值以及所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值。
在一个实施例中,所述第三确定单元还用于:
从所述多个用户中选择所述总相似评估值最大、且大于第一预设阈值的目标用户;
确定所述目标用户为所述待验证用户的身份验证结果。
在一个实施例中,所述装置还包括:
更新模块,用于若所述目标用户与所述待验证用户之间的总相似评估值大于第二预设阈值,则根据所述第一待验证生物特征更新所述第一生物特征库中与所述目标用户对应的第一生物特征,以及,根据所述第二待验证生物特征更新所述第二生物特征库中与所述目标用户对应的第二生物特征;
其中,所述第二预设阈值高于所述第一预设阈值。
在一个实施例中,所述第一待验证生物特征为人脸特征,所述第二待验证生物特征为声纹特征;所述第一生物特征库为人脸特征库,所述第二生物特征库为声纹特征库。
再一方面,本说明书一个或多个实施例提供一种身份验证设备,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所述处理器:
获取待验证用户的第一待验证生物特征和第二待验证生物特征;
确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
再一方面,本说明书一个或多个实施例提供一种存储介质,用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:
获取待验证用户的第一待验证生物特征和第二待验证生物特征;
确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
采用本说明书一个或多个实施例的技术方案,通过获取待验证用户的第一待验证生物特征和第二待验证生物特征,并确定第一待验证生物特征对应的第一生物特征库和第二待验证生物特征对应的第二生物特征库,进而将第一待验证生物特征和第一生物特征库进行匹配、将第二待验证生物特征和第二生物特征库进行匹配,得到的匹配结果来确定待验证用户的身份验证结果。可见,该技术方案通过将两种生物特征进行匹配来验证用户身份,使得身份验证时无需用户手动输入个人信息(如用户的手机号、QQ号等)进行初步验证,从而避免用户间接告知系统“我是谁”、导致验证结果不准确的情况。并且,两种生物特征的匹配在流程上的非串行,使得这两种生物特征的匹配均能够在较大的生物特征库中进行,从而避免两种生物特征在流程上串行匹配时导致匹配范围缩小、进而降低身份验证的准确率的问题,提高了身份验证的准确度。
进一步地,该技术方案通过将人脸特征和声纹特征分别进行匹配来验证用户身份,使得用户只需说一句话并配合人脸识别,即可使设备精准识别到用户的身份,不仅为用户省去手动输入个人信息(如用户的手机号、QQ号等)的繁琐操作,且提高了身份验证的准确度。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书一个或多个实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本说明书一实施例的一种身份验证方法的示意性流程图;
图2是根据本说明书一具体实施例的一种身份验证方法的示意性流程图;
图3是根据本说明书一具体实施例的一种身份验证方法中人脸特征库的示意性结构图;
图4是根据本说明书一具体实施例的一种身份验证方法中声纹特征库的示意性结构图;
图5是根据本说明书一实施例的一种身份验证装置的示意性框图;
图6是根据本说明书一实施例的一种身份验证设备的示意性框图。
具体实施方式
本说明书一个或多个实施例提供一种身份验证方法及装置,用以基于两种生物特征分别进行匹配来验证用户身份,提高用户身份验证的准确度。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本说明书一个或多个实施例保护的范围。
图1是根据本说明书一实施例的一种身份验证方法的示意性流程图,如图1所示,该方法包括:
S102,获取待验证用户的第一待验证生物特征和第二待验证生物特征。
在一个实施例中,为保证身份验证的准确性,可对获取到的第一待验证生物特征和第二待验证生物特征进行质量评估。例如,对于人脸特征,可通过判断人脸是否清晰、五官是否端正等来进行质量评估;对于声纹特征,可通过判断声音是否清晰、连贯、是否存在环境噪音等来进行质量评估。
S104,确定第一待验证生物特征对应的第一生物特征库和第二待验证生物特征对应的第二生物特征库。
其中,第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,第二生物特征库包括多个用户的、携带有用户身份标识的第二生物特征。用户身份标识具有唯一性及确定性,如用户身份证号码。
在一个实施例中,第一待验证生物特征为人脸特征,第二待验证生物特征为声纹特征;第一生物特征库为人脸特征库,第二生物特征库为声纹特征库。
对第一待验证生物特征和第二待验证生物特征的采集可同时进行,也可分先后顺序进行。优选的,可安装一摄像头与一麦克风,便于同时采集出现在设备前的用户的人脸与声纹,以提高用户身份验证的效率。例如,设备对用户进行身份验证,摄像头采集用户人脸的同时,麦克风接收用户输入的语音信息“我是XXX”,然后提取人脸特征及声纹特征。对人脸特征和声纹特征的提取可基于深度学习方案训练得到的模型进行提取,具体的基于深度学习训练以得到模型的方法已是现有技术,在此不再赘述。
S106,将第一待验证生物特征与第一生物特征库进行匹配,得到第一匹配结果;以及,将第二待验证生物特征与第二生物特征库进行匹配,得到第二匹配结果。
S108,根据第一匹配结果及第二匹配结果,从多个用户中确定待验证用户的身份验证结果。
采用本说明书一个或多个实施例的技术方案,通过获取待验证用户的第一待验证生物特征和第二待验证生物特征,并确定第一待验证生物特征对应的第一生物特征库和第二待验证生物特征对应的第二生物特征库,进而将第一待验证生物特征和第一生物特征库进行匹配、将第二待验证生物特征和第二生物特征库进行匹配,得到的匹配结果来确定待验证用户的身份验证结果。可见,该技术方案通过将两种生物特征进行匹配来验证用户身份,使得身份验证时无需用户手动输入个人信息(如用户的手机号、QQ号等)进行初步验证,从而避免用户间接告知系统“我是谁”、导致验证结果不准确的情况。并且,两种生物特征的匹配在流程上的非串行,使得这两种生物特征的匹配均能够在较大的生物特征库中进行,从而避免两种生物特征在流程上串行匹配时导致匹配范围缩小、进而降低身份验证的准确率的问题,提高了身份验证的准确度。
在一个实施例中,第一生物特征库包括多个第一生物特征子库,各第一生物特征子库中包含的第一生物特征的特征类别不同;第二生物特征库包括多个第二生物特征子库,各第二生物特征子库中包含的第二生物特征的特征类别不同。
其中,特征类别与设备所提取的何种生物特征相关。具体的,若第一生物特征为人脸特征,则第一生物特征的特征类别可以是圆脸特征、方脸特征、双眼皮特征、单眼皮特征、厚嘴唇特征、薄嘴唇特征、柳叶眉特征等与人脸相关的特征类别。若第二生物特征为声纹特征,则第二生物特征的特征类别可以是男声特征、女声特征、粗声特征、细声特征等与声纹相关的特征。
基于上述特征类别,第一生物特征子库可对应一种特征类别或多种特征类别,例如,第一生物特征子库A中包含的第一生物特征的特征类别为“圆脸、厚嘴唇”;第一生物特征子库B中包含的第一生物特征的特征类别为“双眼皮特征”。第二生物特征子库可对应一种特征类别或多种特征类别,例如,第二生物特征子库C中包含的第二生物特征的特征类别为“女声”;第二生物特征子库D中包含的第二生物特征的特征类别为“男声、粗声”。
在一个实施例中,可针对不同的特征类别设置类别标识,并将类别标识与特征类别、用户身份标识对应存储。例如,预先为第一生物特征子库A的特征类别“圆脸、厚嘴唇”设置的类别标识为X,且第一生物特征子库A中包含用户a,那么在第一生物特征子库A中,可采用{用户a,“圆脸、厚嘴唇”,类别X}的方式记录用户a的第一生物特征。当然,也可采用其他对应方式进行存储,在此不一一赘述。各第一生物特征子库与各第二生物特征子库中均采用相同的方式进行记录用户的生物特征。
基于上述对特征类别的说明,在将第一待验证生物特征与第一生物特征库进行匹配时,可先确定第一待验证生物特征对应的特征类别,然后从第一生物特征库中筛选出与第一待验证生物特征对应的特征类别所对应的第一目标生物特征子库,进而再将第一待验证生物特征与第一目标生物特征子库进行匹配。
例如,第一待验证生物特征为人脸特征。假设识别到待验证用户的人脸特征为“圆脸、双眼皮”,该人脸特征对应的特征类别为类别X,那么从人脸特征库中筛选出类别X对应的人脸特征子库,然后再将待验证用户的人脸特征与类别X对应的人脸特征子库中的各人脸特征进行匹配。
类似的,在将第二待验证生物特征与第二生物特征库进行匹配时,可先确定第二待验证生物特征对应的特征类别,然后从第二生物特征库中筛选出与第二待验证生物特征对应的特征类别所对应的第二目标生物特征子库,进而再将第二待验证生物特征与第二目标生物特征子库进行匹配。
例如,第二待验证生物特征为声纹特征。假设识别到待验证用户的声纹特征为“男声、粗声”,该声纹特征对应的特征类别为类别Y,那么从声纹特征库中筛选出类别Y对应的声纹特征子库,然后再将待验证用户的声纹特征与类别Y对应的声纹特征子库中的各声纹特征进行匹配。
本实施例中,无需将待验证用户的待验证生物特征(包括第一待验证生物特征和第二待验证生物特征)和生物特征库(包括第一生物特征库和第二生物特征库)中的所有用户的生物特征进行匹配,而只需将待验证生物特征和与其相同特征类别的部分用户的生物特征进行匹配,从而大大减少匹配次数,提高身份验证的效率。
在一个实施例中,第一匹配结果包括待验证用户与各用户之间的第一相似评估值;第二匹配结果包括待验证用户与各用户之间的第二相似评估值。可选的,生物特征的表现形式为高维数学向量,因此,在计算待验证用户与各用户之间的相似评估值(包括第一相似评估值和第二相似评估值)时,可计算所采集的待验证生物特征向量与各用户之间的生物特征向量之间的距离,距离越大,说明相似度越高,反之,距离越小,说明相似度越低。其中,向量之间的距离可以是欧氏距离或角距离等。向量之间的距离的计算方式为现有技术,在此不再赘述。
在一个实施例中,采集到待验证用户的多个第一待验证生物特征,此时可分别计算各第一待验证生物特征与第一生物特征子库中各用户的各第一生物特征之间的相似度,进而将计算出的各相似度进行聚合,得到待验证用户与各用户之间的第一相似评估值。
例如,采集到待验证用户的第一待验证生物特征包括待验证生物特征A、待验证生物特征B,第一生物特征库中与“待验证生物特征A、待验证生物特征B”对应的特征类别相对应的第一生物特征子库为X,那么,在计算待验证用户的第一待验证生物特征与第一生物特征子库X中的用户Y之间的第一相似评估值时,可首先计算待验证生物特征A与用户Y的生物特征A之间的相似度,以及待验证生物特征B与用户Y的生物特征B之间的相似度,然后再将两个相似度值进行聚合,聚合后的值即为待验证用户与用户Y之间的第一相似评估值。
对于多个相似度的聚合,可预先设置各生物特征对应的权重。延用上述举例,待验证生物特征A与用户Y的生物特征A之间的相似度为a%,待验证生物特征B与用户Y的生物特征B之间的相似度为b%,生物特征A对应的权重为c,生物特征B对应的权重为d,那么将这两个相似度进行聚合后得到:a%*c+b%*d,该值即为待验证用户与用户Y之间的第一相似评估值。
此外,第二相似评估值的计算方法与上述第一相似评估值的计算方法类似,因此不再赘述。
基于上述计算出第一相似评估值和第二相似评估值,可根据第一相似评估值与第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值;进而根据总相似评估值,从多个用户中确定待验证用户的身份验证结果。
在一个实施例中,根据第一相似评估值与第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值时,可先确定第一生物特征及第二生物特征分别对应的权重;进而根据第一生物特征及第二生物特征分别对应的权重、第一相似评估值以及第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值。
例如,待验证用户与用户Y之间的第一相似评估值为M,第二相似评估值为N,第一生物特征对应的权重为0.6,第二生物特征对应的权重为0.4。则待验证用户与用户Y之间的总相似评估值为:M*0.6+N*0.4。
在一个实施例中,计算出待验证用户与各用户之间的总相似评估值之后,从多个用户中选择总相似评估值最大、且大于第一预设阈值的目标用户,并确定该目标用户为待验证用户的身份验证结果。
在一个实施例中,若目标用户与待验证用户之间的总相似评估值大于第二预设阈值,则根据第一待验证生物特征更新第一生物特征库中与目标用户对应的第一生物特征,以及,根据第二待验证生物特征更新第二生物特征库中与目标用户对应的第二生物特征;其中,第二预设阈值高于第一预设阈值。
本实施例中,通过将与目标用户之间的总相似评估值达到预设阈值的待验证用户的生物特征更新至第一生物特征库中,包括将第一待验证生物特征更新至第一生物特征库中,以及将第二待验证生物特征更新至第二生物特征库中,使得生物特征库中用户的生物特征更加丰富、准确,从而实现生物特征库的良性循环,提高身份验证的准确度。
图2是根据本说明书一具体实施例的一种身份验证方法的示意性流程图。在该具体实施例中,第一待验证生物特征为人脸特征,第二待验证生物特征为声纹特征;第一生物特征库为人脸特征库,第二生物特征库为声纹特征库。用于验证用户身份的设备安装有摄像头和麦克风。如图2所示,该方法包括:
S201,识别待验证用户的待验证人脸特征,以及,接收待验证用户输入的语音信息,并从语音信息中采集待验证用户的待验证声纹特征。
S202,获取人脸特征库和声纹特征库。
其中,人脸特征库中包括多个用户的、携带有用户身份标识的人脸特征,声纹特征库包括多个用户的、携带有用户身份标识的声纹特征。用户身份标识具有唯一性及确定性,如用户身份证号码。
人脸特征库包括多个人脸特征子库,各人脸特征子库中包含的人脸特征的特征类别不同;声纹特征库包括多个声纹特征子库,各声纹特征子库中包含的声纹特征的特征类别不同。各特征类别分别对应有唯一的类别标识,且类别标识与特征类别、用户身份标识对应存储。
图3示出了一实施例中人脸特征库的记录方式。在图3中,特征类别采用类别1、类别2、……类别n的方式标识,特征类别包括人脸特征1、人脸特征2、……人脸特征n,用户身份标识采用用户1、用户2、……用户n的方式标识。图中的省略号“……”用于表示图中未示出的其他人脸特征、其他用户或其他特征类别。
图4示出了一实施例中声纹特征库的记录方式。在图4中,特征类别采用类别1、类别2、……类别n的方式标识,特征类别包括声纹特征1、声纹特征2、……声纹特征n,用户身份标识采用用户1、用户2、……用户n的方式标识。图中的省略号“……”用于表示图中未示出的其他声纹特征、其他用户或其他特征类别。
需要说明的是,图4中的用户n与图3中的用户n为相同用户。
S203,确定待验证人脸特征的特征类别,以及,确定待验证声纹特征的特征类别。
S204,从人脸特征库中确定与待验证人脸特征的特征类别相对应的目标人脸特征子库,以及,从声纹特征库中确定与待验证声纹特征的特征类别相对应的目标声纹特征子库。
假设待验证人脸特征的特征类别为类别1,那么与待验证人脸特征的特征类别相对应的人脸特征子库即为类别1对应的人脸特征子库。
S205,计算待验证人脸特征与目标人脸特征子库中各用户的各人脸特征之间的第一相似评估值,以及,计算待验证声纹特征与目标声纹特征子库中的各声纹特征之间的第二相似评估值。
该步骤中,计算第一相似评估值时,可分别计算各人脸特征与目标人脸特征子库中各用户的各人脸特征之间的相似度,进而将计算出的各相似度进行聚合,得到待验证用户与各用户之间的第一相似评估值。
计算第二相似评估值时,可分别计算各声纹特征与目标声纹特征子库中各用户的各声纹特征之间的相似度,进而将计算出的各相似度进行聚合,得到待验证用户与各用户之间的第二相似评估值。
对于多个相似度的聚合,可预先设置各生物特征(人脸特征或声纹特征)对应的权重。例如,待验证人脸特征1与用户1的人脸特征1之间的相似度为a%,待验证人脸特征2与用户1的人脸特征2之间的相似度为b%,人脸特征1对应的权重为c,人脸特征2对应的权重为d,那么将这两个相似度进行聚合后得到:a%*c+b%*d,该值即为待验证用户与用户1之间的第一相似评估值。
S206,确定人脸特征及声纹特征分别对应的权重。
S207,根据人脸特征及声纹特征分别对应的权重、第一相似评估值以及第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值。
例如,待验证用户与用户1之间的第一相似评估值为M,第二相似评估值为N,人脸特征对应的权重为0.6,声纹特征对应的权重为0.4。则待验证用户与用户1之间的总相似评估值为:M*0.6+N*0.4。
S208,选择总相似评估值最高、且高于预设阈值的目标用户,该目标用户即为待验证用户的身份验证结果。
可见,该技术方案通过将人脸特征和声纹特征分别进行匹配来验证用户身份,使得用户只需说一句话并配合人脸识别,即可使设备精准识别到用户的身份,不仅为用户省去手动输入个人信息(如用户的手机号、QQ号等)的繁琐操作,且提高了身份验证的准确度。
综上,已经对本主题的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可以按照不同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,以实现期望的结果。在某些实施方式中,多任务处理和并行处理可以是有利的。
以上为本说明书一个或多个实施例提供的身份验证方法,基于同样的思路,本说明书一个或多个实施例还提供一种身份验证装置。
图5是根据本说明书一实施例的一种身份验证装置的示意性框图,如图5所示,装置500包括:
获取模块510,用于获取待验证用户的第一待验证生物特征和第二待验证生物特征;
第一确定模块520,用于确定第一待验证生物特征对应的第一生物特征库和第二待验证生物特征对应的第二生物特征库;其中,第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,第二生物特征库包括多个用户的、携带有用户身份标识的第二生物特征;
匹配模块530,用于将第一待验证生物特征与第一生物特征库进行匹配,得到第一匹配结果;以及,将第二待验证生物特征与第二生物特征库进行匹配,得到第二匹配结果;
第二确定模块540,用于根据第一匹配结果及第二匹配结果,从多个用户中确定待验证用户的身份验证结果。
在一个实施例中,第一生物特征库包括多个第一生物特征子库,各第一生物特征子库中包含的第一生物特征的特征类别不同;第二生物特征库包括多个第二生物特征子库,各第二生物特征子库中包含的第二生物特征的特征类别不同;
相应的,匹配模块530包括:
第一确定单元,用于确定第一待验证生物特征对应的特征类别;从第一生物特征库中筛选出与第一待验证生物特征对应的特征类别所对应的第一目标生物特征子库;将第一待验证生物特征与第一目标生物特征子库进行匹配;
第二确定单元,用于确定第二待验证生物特征对应的特征类别;从第二生物特征库中筛选出与第二待验证生物特征对应的特征类别所对应的第二目标生物特征子库;将第二待验证生物特征与第二目标生物特征子库进行匹配。
在一个实施例中,第一匹配结果包括待验证用户与各用户之间的第一相似评估值;第二匹配结果包括待验证用户与各用户之间的第二相似评估值;
相应地,第二确定模块540包括:
计算单元,用于根据第一相似评估值与第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值;
第三确定单元,用于根据总相似评估值,从多个用户中确定待验证用户的身份验证结果。
在一个实施例中,计算单元还用于:
确定第一生物特征及第二生物特征分别对应的权重;
根据第一生物特征及第二生物特征分别对应的权重、第一相似评估值以及第二相似评估值,分别计算待验证用户与各用户之间的总相似评估值。
在一个实施例中,第三确定单元还用于:
从多个用户中选择总相似评估值最大、且大于第一预设阈值的目标用户;
确定目标用户为待验证用户的身份验证结果。
在一个实施例中,装置500还包括:
更新模块,用于若目标用户与待验证用户之间的总相似评估值大于第二预设阈值,则根据第一待验证生物特征更新第一生物特征库中与目标用户对应的第一生物特征,以及,根据第二待验证生物特征更新第二生物特征库中与目标用户对应的第二生物特征;
其中,第二预设阈值高于第一预设阈值。
在一个实施例中,第一待验证生物特征为人脸特征,第二待验证生物特征为声纹特征;第一生物特征库为人脸特征库,第二生物特征库为声纹特征库。
采用本说明书一个或多个实施例的装置,通过获取待验证用户的第一待验证生物特征和第二待验证生物特征,并确定第一待验证生物特征对应的第一生物特征库和第二待验证生物特征对应的第二生物特征库,进而将第一待验证生物特征和第一生物特征库进行匹配、将第二待验证生物特征和第二生物特征库进行匹配,得到的匹配结果来确定待验证用户的身份验证结果。可见,该技术方案通过将两种生物特征进行匹配来验证用户身份,使得身份验证时无需用户手动输入个人信息(如用户的手机号、QQ号等)进行初步验证,从而避免用户间接告知系统“我是谁”、导致验证结果不准确的情况。并且,两种生物特征的匹配在流程上的非串行,使得这两种生物特征的匹配均能够在较大的生物特征库中进行,从而避免两种生物特征在流程上串行匹配时导致匹配范围缩小、进而降低身份验证的准确率的问题,提高了身份验证的准确度。
进一步地,该装置通过将人脸特征和声纹特征分别进行匹配来验证用户身份,使得用户只需说一句话并配合人脸识别,即可使设备精准识别到用户的身份,不仅为用户省去手动输入个人信息(如用户的手机号、QQ号等)的繁琐操作,且提高了身份验证的准确度。
本领域的技术人员应可理解,图5中的身份验证装置能够用来实现前文所述的身份验证方法,其中的细节描述应与前文方法部分描述类似,为避免繁琐,此处不另赘述。
基于同样的思路,本说明书一个或多个实施例还提供一种身份验证设备,如图6所示。身份验证设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器601和存储器602,存储器602中可以存储有一个或一个以上存储应用程序或数据。其中,存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对身份验证设备中的一系列计算机可执行指令。更进一步地,处理器601可以设置为与存储器602通信,在身份验证设备上执行存储器602中的一系列计算机可执行指令。身份验证设备还可以包括一个或一个以上电源603,一个或一个以上有线或无线网络接口604,一个或一个以上输入输出接口605,一个或一个以上键盘606。
具体在本实施例中,身份验证设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对身份验证设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取待验证用户的第一待验证生物特征和第二待验证生物特征;
确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
可选地,所述第一生物特征库包括多个第一生物特征子库,各所述第一生物特征子库中包含的所述第一生物特征的特征类别不同;所述第二生物特征库包括多个第二生物特征子库,各所述第二生物特征子库中包含的所述第二生物特征的特征类别不同;
相应的,计算机可执行指令在被执行时,还可以使所述处理器:
确定所述第一待验证生物特征对应的特征类别;从所述第一生物特征库中筛选出与所述第一待验证生物特征对应的特征类别所对应的第一目标生物特征子库;将所述第一待验证生物特征与所述第一目标生物特征子库进行匹配;
确定所述第二待验证生物特征对应的特征类别;从所述第二生物特征库中筛选出与所述第二待验证生物特征对应的特征类别所对应的第二目标生物特征子库;将所述第二待验证生物特征与所述第二目标生物特征子库进行匹配。
可选地,所述第一匹配结果包括所述待验证用户与各所述用户之间的第一相似评估值;所述第二匹配结果包括所述待验证用户与各所述用户之间的第二相似评估值;
相应地,计算机可执行指令在被执行时,还可以使所述处理器:
根据所述第一相似评估值与所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值;
根据所述总相似评估值,从所述多个用户中确定所述待验证用户的身份验证结果。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
确定所述第一生物特征及所述第二生物特征分别对应的权重;
根据所述第一生物特征及所述第二生物特征分别对应的权重、所述第一相似评估值以及所述第二相似评估值,分别计算所述待验证用户与各所述用户之间的总相似评估值。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
从所述多个用户中选择所述总相似评估值最大、且大于第一预设阈值的目标用户;
确定所述目标用户为所述待验证用户的身份验证结果。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
若所述目标用户与所述待验证用户之间的总相似评估值大于第二预设阈值,则根据所述第一待验证生物特征更新所述第一生物特征库中与所述目标用户对应的第一生物特征,以及,根据所述第二待验证生物特征更新所述第二生物特征库中与所述目标用户对应的第二生物特征;
其中,所述第二预设阈值高于所述第一预设阈值。
可选地,所述第一待验证生物特征为人脸特征,所述第二待验证生物特征为声纹特征;所述第一生物特征库为人脸特征库,所述第二生物特征库为声纹特征库。
本说明书一个或多个实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行上述身份验证方法,并具体用于执行:
获取待验证用户的第一待验证生物特征和第二待验证生物特征;
确定所述第一待验证生物特征对应的第一生物特征库和所述第二待验证生物特征对应的第二生物特征库;其中,所述第一生物特征库包括多个用户的、携带有用户身份标识的第一生物特征,所述第二生物特征库包括所述多个用户的、携带有所述用户身份标识的第二生物特征;
将所述第一待验证生物特征与所述第一生物特征库进行匹配,得到第一匹配结果;以及,将所述第二待验证生物特征与所述第二生物特征库进行匹配,得到第二匹配结果;
根据所述第一匹配结果及所述第二匹配结果,从所述多个用户中确定所述待验证用户的身份验证结果。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例是参照根据本申请实施例的方法、设备(系统)、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
以上所述仅为本说明书一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的权利要求范围之内。