CN109472208A - 基于人脸识别的办证方法、装置、计算机设备及存储介质 - Google Patents
基于人脸识别的办证方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109472208A CN109472208A CN201811187255.8A CN201811187255A CN109472208A CN 109472208 A CN109472208 A CN 109472208A CN 201811187255 A CN201811187255 A CN 201811187255A CN 109472208 A CN109472208 A CN 109472208A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- accreditation
- image
- certificate
- 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 55
- 230000001815 facial effect Effects 0.000 claims abstract description 180
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 238000001727 in vivo Methods 0.000 claims abstract description 83
- 238000012795 verification Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 15
- 238000009432 framing Methods 0.000 claims description 7
- 230000036760 body temperature Effects 0.000 claims description 6
- 238000003331 infrared imaging Methods 0.000 claims description 5
- 210000003128 head Anatomy 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 15
- 238000000605 extraction Methods 0.000 description 10
- 210000001508 eye Anatomy 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001574 biopsy Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000288673 Chiroptera Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation 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
- G06V40/168—Feature extraction; Face representation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明属于人脸识别领域,公开了一种基于人脸识别的办证方法、装置、设备及介质,包括:获取制证请求,根据制证请求获取证件图像;根据证件图像获取证件人像特征;获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;若活体检测的结果为通过,则获取第二人脸图像;将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征;将证件人像特征与制证人特征进行相似度计算,得到特征相似度;若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。本发明可以由移动端发起制证的请求,简化办证流程,提高办证效率。
Description
技术领域
本发明属于人脸识别领域,更具体地说,是涉及一种基于人脸识别的办证方法、装置、计算机设备及存储介质。
背景技术
目前,人们在办理证件时,首先需要到照相馆照相并打印照片回执,再去办证中心;办证中心的工作人员需要根据用户提供的照片回执进行审核,若审核通过再进行制证。这样的办证流程用户需要来回奔波,而且办证中心排队的人数通常会较多,用户排队时间较长,办证的效率较低。另外,用户的照片需要办证中心的工作人员进行人工复核,需要投入人力和时间。
发明内容
本发明实施例提供一种基于人脸识别的办证方法、装置、计算机设备及存储介质,以解决办证的效率较低的问题。
一种基于人脸识别的办证方法,包括:
获取制证请求,根据所述制证请求获取证件图像;
根据所述证件图像获取证件人像特征;
获取第一人脸图像,将所述第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
若所述活体检测的结果为通过,则获取第二人脸图像;
将所述第二人脸图像输入到预设人脸识别模型中获取所述第二人脸图像的人脸特征,将所述第二人脸图像的人脸特征作为制证人特征;
将所述证件人像特征与所述制证人特征进行相似度计算,得到特征相似度;
若所述特征相似度达到预设的第一阈值,则所述制证请求验证通过并将所述第二人脸图像发送至制证中心。
一种基于人脸识别的办证装置,包括:
证件图像获取模块,用于获取制证请求,根据所述制证请求获取证件图像;
证件人像特征获取模块,用于根据所述证件图像获取证件人像特征;
活体检测结果获取模块,用于获取第一人脸图像,将所述第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
第二人脸图像获取模块,用于若所述活体检测的结果为通过,则获取第二人脸图像;
制证人特征获取模块,用于将所述第二人脸图像输入到预设人脸识别模型中获取所述第二人脸图像的人脸特征,将所述第二人脸图像的人脸特征作为制证人特征;
特征相似度获取模块,用于将所述证件人像特征与所述制证人特征进行相似度计算,得到特征相似度;
验证结果获取模块,用于若所述特征相似度达到预设的第一阈值,则所述制证请求验证通过并将所述第二人脸图像发送至制证中心。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于人脸识别的办证方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于人脸识别的办证方法的步骤。
上述基于人脸识别的办证方法、装置、计算机设备及存储介质,通过获取制证请求,根据制证请求获取证件图像,然后根据证件图像获取证件人像特征;接着获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;若活体检测的结果为通过,则获取第二人脸图像,并将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征;最后将证件人像特征与制证人特征进行相似度计算,得到特征相似度,若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。通过活体检测和人证对比,可以保证制证图像(第二人脸图像)符合制证的要求,从而使用户可以通过客户端(移动端)就可以发起制证的请求,不用到照相馆拍照和拿照片回执,不用到制证大厅排队,减少了办证过程的奔波和等待时间,也减少了办证中心的人力投入,提高了办证的效率。
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发明的一些实施例,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是本发明一实施例中基于人脸识别的办证方法的一应用环境示意图;
图2是本发明一实施例中基于人脸识别的办证方法的一流程图;
图3是本发明一实施例中基于人脸识别的办证方法的另一流程图;
图4是本发明一实施例中基于人脸识别的办证方法的另一流程图;
图5是本发明一实施例中基于人脸识别的办证方法的另一流程图;
图6是本发明一实施例中基于人脸识别的办证方法的另一流程图;
图7是本发明一实施例中基于人脸识别的办证装置的一原理框图;
图8是本发明一实施例中基于人脸识别的办证装置中第二人脸图像获取模块的一原理框图;
图9是本发明一实施例中基于人脸识别的办证装置中活体检测结果获取模块的一原理框图;
图10是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
本申请提供的基于人脸识别的办证方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务端进行通信,服务端通过客户端获取制证请求,根据制证请求获取证件图像,然后根据证件图像获取证件人像特征;接着服务端通过客户端获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果,若活体检测的结果为通过,则通过客户端获取第二人脸图像,将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,并将第二人脸图像的人脸特征作为制证人特征;再将证件人像特征与制证人特征进行相似度计算,得到特征相似度;最后若特征相似度达到预设的第一阈值,则制证请求验证通过,并将验证通过的结果返回客户端,同时将第二人脸图像发送至制证中心。其中,客户端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
可选地,本申请提供的基于人脸识别的办证方法,也可以单独应用在客户端中,其中,客户端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,即该基于人脸识别的办证方法应用在单独的客户端中。
在一实施例中,如图2所示,提供一种基于人脸识别的办证方法,以该方法单独应用在客户端为例进行说明,包括如下步骤:
S10:获取制证请求,根据制证请求获取证件图像。
其中,制证请求是指制证人在客户端发起的制取证件的请求,例如,制证人可以通过制证中心的微信公众号(客户端)发起制证请求,又或者,制证人可以通过在办证处的终端设备(客户端)发起制证请求。本实施例中,制证是指制取除身份证外的其它证件,证件图像是指身份证上的人脸图像。可选地,证件图像可以通过客户端的拍摄工具采集得到,例如通过手机的相机拍摄身份证上的人脸图像进行证件图像的获取;也可以先获取身份证图像,客户端再通过选取身份证上的人脸图像区域进行证件图像的获取。
具体地,客户端获取制证人的制证请求;若客户端接收到制证请求,则获取客户端的拍摄工具的权限,再打开拍摄工具采集证件图像。
在一实施例中,如图3所示,步骤S10具体可以包括以下步骤:
S11:根据制证请求获取身份证信息。
其中,身份证信息是指身份证号码信息。可选地,身份证信息可以是客户端通过制证人的输入获得,也可以是客户端通过采集身份证图像,再通过选取身份证上的身份证号码区域进行提取得到。
具体地,当客户端获取到制证人的制证请求时,客户端发送输入身份证号码的指令,使制证人输入相应的身份证号码,从而获取到制证人的身份证信息。可选地,当客户端获取到制证人的制证请求时,客户端打开拍摄工具对制证人的身份证进行拍摄,再对拍摄得到的身份证图像提取身份证的号码从而获取制证人的身份证信息。可选地,客户端也可以通过获取制证人事先拍摄好的证件图像,即当获取到制证人的制证请求时,客户端获取制证人上传的证件图像。
S12:基于身份证信息从全国公民身份信息系统中查找对应的用户人脸图像。
具体地,客户端连接全国公民身份信息系统,根据获取的身份证信息在全国公民身份信息系统查找是否存在与身份证信息对应的身份证号码。若存在与身份证信息对应的身份证号码,则获取全国公民身份信息系统中与该身份证号码对应的图像,即用户人脸图像。
S13:获取用户人脸图像作为证件图像。
具体地,若全国公民身份信息系统中存在与身份证信息对应的身份证号码,则客户端从全国公民身份信息系统中获取该身份证号码对应的用户人脸图像,将该用户人脸图像作为证件图像。
在图3对应的实施例中,根据制证请求获取身份证信息,基于身份证信息从全国公民身份信息系统中查找对应的用户人脸图像;再获取用户人脸图像作为证件图像。从全国公民身份信息系统中获取用户人脸图像作为证件图像,获取的过程比较简便,提高了获取证件图像的效率。同时,获取的证件图像的图像质量比较高,可以提高后续进行人证对比的准确性。
S20:根据证件图像获取证件人像特征。
其中,证件人像特征是指证件图像中的人脸图像特征。
具体地,当获取到证件图像后,客户端通过提取图像特征的算法提取证件图像中的特征向量作为证件人像特征。可选地,提取证件人像特征的算法可以是尺度不变特征变换(SIFT)特征提取算法、加速稳健特征(SURF)特征提取算法、ORB((Oriented FAST andRotated BRIEF)特征提取算法、HOG(Histogram of Oriented Gridients)特征提取算法、局部二值模式(LBP,Local Binary Patterns)特征提取算法、Harr特征提取算法、小波特征提取算法或者边缘模板提取算法,也可以是其他的特征提取算法。
可选地,提取证件人像特征可以由预设人脸识别模型来获取。具体地,当获取到证件图像后,客户端将证件图像输入到预设人脸识别模型中,获取证件图像的人脸特征作为证件人像特征。其中,预设人脸识别模型可采用的提取特征的算法与上述提取证件人像特征的算法相同。
S30:获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果。
其中,第一人脸图像是指用于进行活体检测的用户人脸图像,可以通过客户端的拍摄工具采集得到。
具体地,客户端获取第一人脸图像,当获取到第一人脸图像后,将第一人脸图像输入到预设活体检测模型中;通过预设活体检测模型判断第一人脸图像相应的对象是否为活体。若判断第一人脸图像相应的对象为活体,则客户端输出活体检测通过的结果;若判断第一人脸图像相应的对象为非活体,则客户端输出活体检测不通过的结果。
可选地,预设活体检测模型的获得过程可以为:通过预先获取人脸活体样本图像,然后对人脸活体样本图像中的人脸活体特征进行批注,将批注后的人脸活体样本图像输入到训练模型中进行训练,从而得到预设活体检测模型。其中,训练模型为采用深度学习算法进行训练的模型。人脸活体特征是指表示输入的人脸图像为活体的特征,其中,人脸活体特征可以根据实际需要进行具体设置。可选地,可以根据输入图像的摩尔纹的识别结果来作为人脸活体特征,应理解,若有其他用户想假冒用户时,通过用户的相片或者视频来假冒,此时客户端获取第一人脸图像相当于进行图像的翻拍,而翻拍的图像会出现大量摩尔纹。因此,预设活体检测模型可以通过翻拍的样本图像作为人脸活体特征的负样本,通过正常的样本图像作为人脸活体特征的正样本进行训练,从而使预设活体检测模型可以根据摩尔纹的识别结果来判断输入的第一人脸图像是否为活体。可选地,也可以将完成按照随机提示的动作作为人脸活体特征,例如,随机提示的动作为左眼闭眼,则可以设置检测区域为左眼闭眼的图像为正样本图像,左眼睁开眼的图像为负样本图像输入到训练模型进行训练,从而可以使预设活体检测模型根据用户完成的动作来识别输入的第一人脸图像是否为活体。
S40:若活体检测的结果为通过,则获取第二人脸图像。
其中,第二人脸图像是指用于进行人证对比和制作证件的人脸图像,可选地,第二人脸图像也可以通过客户端的拍摄工具进行采集获取。
可选地,当采集第二人脸图像时,客户端获取拍摄的角度、采光和清晰度等拍摄条件,判断是否满足预设制证条件。若拍摄的角度、采光和清晰度等拍摄条件无法达到采集人脸图像的预设制证条件时,则发送提示消息,使制证人调整后进行人脸图像的采集。其中,不满足的情形例如是拍摄时制证人的头部角度过低或过高、环境光线太亮或太暗、拍摄工具的像素过低等等。当拍摄的角度、采光和清晰度等拍摄条件都满足预设制证条件时,再进行人脸图像的采集,使采集的人脸图像可以满足制证的要求。其中,预设制证条件可以根据需要进行具体设定,这里不做限定。
具体地,若客户端判定活体检测的结果为通过,则继续打开客户端的拍摄工具,再次获取制证人的人脸图像,作为第二人脸图像。
S50:将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征。
具体地,客户端将获取的第二人脸图像输入到预设人脸识别模型中,提取第二人脸图像的特征向量作为制证人特征,作为与证件人像特征比较的对象。其中,预设人脸识别模型采用的特征提取算法与提取证件人像特征的算法相同。
S60:将证件人像特征与制证人特征进行相似度计算,得到特征相似度。
可选地,可以采用欧几里得距离算法、曼哈顿距离算法、明可夫斯基距离算法或者余弦相似度算法等特征相似度计算算法进行相似度计算。例如,可以通过欧几里得距离算法获取证件人像特征与制证人特征的特征相似度:
其中,U为制证人特征,V为证件人像特征,sim(U,V)EDG为U和V之间的特征相似度。
S70:若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。
其中,预设的第一阈值可以根据大数据统计的结果来设定,例如经过大数据的统计,只有特征相似度在85%以上才能确保制证者为证件者本人,则可以设定85%为预设的第一阈值。可选地,可以将通过人证对比的人脸图像作为预设人脸识别模型的训练样本,获取训练样本的特征相似度,最后将经过大量的样本训练获得的特征相似度作为预设的第一阈值。
具体地,将步骤S60获取的特征相似度与预设的第一阈值进行比较,若得到的特征相似度大于或者等于第一阈值,则输出制证请求验证通过的结果,并将获取的第二人脸图像发送至制证中心进行制证。其中,制证中心是指制证部门用于存储和处理证件相关图像的数据处理中心。
可以理解,根据获取的第二人脸图像进行制证可能存在三种情况:(1)第二人脸图像置信度高,即对应的特征相似度大于预设的第一阈值,可以直接采用作为制证的图像;(2)第二人脸图像置信度一般,即对应的特征相似度接近第一阈值但未达到预设的第一阈值,可以使制证人到现场进行人工复审,复审通过后再进行制证;(3)第二人脸图像置信度低,即对应的特征相似度远小于预设的第一阈值,则输出验证不通过的结果,可以使制证人再次采集第二人脸图像提交验证或结束制证流程。可选地,这里可以再预置一个阈值,当对应的特征相似度小于该阈值时,判定第二人脸图像置信度低;当对应的特征相似度大于该阈值小于预设的第一阈值时,判定第二人脸图像置信度一般。
在图2对应的实施例中,通过获取制证请求,根据制证请求获取证件图像,然后根据证件图像获取证件人像特征;接着获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;若活体检测的结果为通过,则获取第二人脸图像,并将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征;最后将证件人像特征与制证人特征进行相似度计算,得到特征相似度,若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。通过活体检测和人证对比,可以保证制证图像(第二人脸图像)符合制证的要求,从而使用户可以通过客户端(移动端)就可以发起制证的请求,不用到照相馆拍照和拿照片回执,不用到制证大厅排队,减少了办证过程的奔波和等待时间,也减少了办证中心的人力投入,提高了办证的效率。
在一实施例中,在步骤S40中,即获取第二人脸图像,如图4所示,具体可以包括:
S41:获取待识别视频。
其中,待识别视频是指对制证人进行录制用于从中获取第二人脸图像的视频,即第二人脸图像可以通过输入动态图像来获取。
具体地,客户端通过客户端的拍摄工具对制证人的头部进行视频采集。可选地,当经过预设录制时间后,或制证人点击完成录制后,客户端获取到待识别视频。
S42:将待识别视频进行分帧和归一化处理,获得待识别图像。
其中,分帧处理是指按照预设时间对待识别视频进行划分,以获取至少一帧的待处理图像。可选地,可以获取待识别视频的总帧数和总体时间,再根据总帧数除以总体时间得到预设时间,最后根据预设时间对待识别视频进行划分,从而得到每一帧的待处理图像。归一化处理是指通过一系列变换,将待处理图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。对得到的待处理图像进行归一化处理是因为需要将图像进行归一化后才能提取待处理图像的特征,因此需要将分帧后的待处理图像的像素归一化到统一的像素,从而得到待识别图像。可选地,归一化处理的过程为:首先创建归一化的图像,例如260*260像素的图像;然后获取归一化的图像的高度和宽度信息;接着计算待处理图像按照归一化的图像进行归一化的结果,并将归一化的结果替换待处理图像的原像素值,最后返回归一化后的图像,即为待识别图像。
具体地,客户端将录制的待识别视频进行分帧和归一化处理,将经过处理后获得的图像作为待识别图像。
S43:将待识别图像输入至头部姿态角的检测模型,根据预设头部角度值获取第二人脸图像。
其中,头部姿态角是指制证人头部的俯仰角(pitch)、偏航角(yaw)以及翻滚角(roll)的角度值。可选地,头部姿态角的检测模型为通过深度学习算法训练出的检测模型,可以用于通过输入的待识别图像识别出制证人的头部姿态的姿态角的角度值的模型。预设头部角度值是指符合预设制证条件的头部姿态角。
具体地,客户端将待识别图像输入到头部姿态角的检测模型中,若输入到的待识别图像符合预设头部角度值,则获取该待识别图像作为第二人脸图像。可选地,若符合预设头部角度值的待识别图像为两个以上时,可以将第一个获取到的待识别图像作为第二人脸图像。
进一步地,在步骤S41的获取待识别视频的过程中,客户端发出头部角度的纠正信息,例如文字提示信息或语音提示信息,使制证人的头部按照预设头部角度值进行调整,当头部姿态角符合预设头部角度值时,结束待识别视频的录制。
可以理解,在获取第一人脸图像的过程中,也可以采用本实施例提供的方法和步骤进行获取。
在图4对应的实施例中,通过获取待识别视频,将待识别视频进行分帧和归一化处理,获得待识别图像,最后将待识别图像输入至头部姿态角的检测模型,根据预设头部角度值获取第二人脸图像。使用户可以通过录制视频的形式来获取第二人脸图像,拓展了获取第二人脸图像的形式;用户在录制视频的过程只需有一个符合预设头部角度值,就可以获得第二人脸图像,不用多次拍摄进行采集,提高了第二人脸图像的获取效率。
在一实施例中,在步骤S30中,即将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果,如图5所示,具体可以包括以下步骤:
S31:将第一人脸图像输入到预设活体检测模型中,获取人脸活体特征。
具体地,客户端将第一人脸图像输入到预设活体检测模型中,根据预设活体检测模型获取第一人脸图像的人脸活体特征。其中,预设活体检测模型的获得过程与图2对应的实施例相同,这里不再赘述。人脸活体特征是指表示输入的第一人脸图像对应的对象为活体的特征。
S32:若人脸活体特征符合预设条件,则活体检测的结果为通过,其中,预设条件为完成预设的脸部动作、具有至少一个固有活体特征或红外成像符合预设的体温分布范围三个条件中的至少一个条件。
其中,完成预设的脸部动作是指客户端发送相应的脸部动作指示,指示制证人作出相应的脸部动作,然后通过预设活体检测模型来判断根据制证人是否作出相应的脸部动作判断是否为活体,例如提示制证人进行眨一下眼睛、头部向左转或张一下嘴巴等等的脸部动作。固有活体特征是指活体所特有的特征,例如客户端可以通过预设活体检测模型检测制证人的眼睛是否有律动来判断是否为活体,眼睛的律动是指正常人在每隔一定时间眼睛会有规律的眨眼,例如通过定时采集人脸图像,若在固定时间间隔出现眼睑位置的变化,即表明输入的人脸图像存在眼球的律动,判定为活体。也可以通过录制视频的形式来判断制证人的眼睛是否存在律动。红外成像符合预设的体温分布范围是指以采用红外成像的方法获取第一人脸图像,然后通过预设活体检测模型判断获取的第一人脸图像的温度是否为正常的体温分布来判断是否为活体。
具体地,当获取到人脸活体特征后,客户端根据预设条件进行判断,若获取的人脸活体特征满足预设条件,则输出活体验证通过的结果。
S33:若人脸活体特征不符合预设条件,则活体检测的结果为不通过。
具体地,若通过预设活体检测模型判断,获取的人脸活体特征不符合预设条件,则客户端输出活体检测的结果为不通过。可选地,当活体检测的结果为不通过时,拒绝制证人的制证请求,结束制证的流程;也可以使制证人重新进行活体检测,再根据活体检测的结果进行后续的制证流程。
在图5对应的实施例中,将第一人脸图像输入到预设活体检测模型中,获取人脸活体特征;若人脸活体特征符合预设条件,则活体检测的结果为通过;若人脸活体特征不符合预设条件,则活体检测的结果为不通过。通过对制证人进行活体检测,可以避免假冒用户进行制证的情况,保证用户的信息安全,保证制证为用户本人的真实意愿。进一步地,通过活体检测,使用户可以在客户端(移动端)就可以达到制证的要求,在客户端完成制证的相关流程,不用到照相馆进行照相拿回执,不用到办证中心排队,减少了来回奔波和等待时间,提高了办证的效率。
在一实施例中,在步骤S60之后,即在将证件人像特征与制证人特征进行相似度计算,得到特征相似度的步骤之后,如图6所示,具体可以包括以下步骤:
S81:若特征相似度达到预设的第一阈值,则将第二人脸图像设为正样本图像。
其中,预设的第一阈值的具体设置方法与图2对应的实施例相同,例如可以是80%、85%或90%等,可以根据实际情况进行设定,这里不做具体限定。可以理解,由于人随着年龄的变化,人脸也会随着变化,因此为了提高预设人脸识别模型的识别精度,在一实施例中,可以在设置预设人脸识别模型的训练样本时,将不同年龄的人脸图像作为训练样本,获取不同年龄时的特征相似度。在设置特征相似度时,根据不同的年龄段进行不同的设置。
具体地,若特征相似度达到预设的第一阈值,则可以表明制证人与证件相符,因此客户端可以将获取的第二人脸图像作为预设人脸识别模型进行训练的正样本图像。
S82:若特征相似度小于预设的第二阈值,则将第二人脸图像设为负样本图像。
其中,预设的第二阈值也可以根据大数据统计的结果进行设置,例如根据大数据的统计,若特征相似度小于50%,可以判定制证人与证件不符,则将50%设为预设的第二阈值。若获取的第二人脸图像的特征相似度小于预设的第二阈值,则客户端将该第二人脸图像作为预设人脸识别模型进行训练的负样本图像。可选地,当特征相似度大于预设的第二阈值且小于预设的第一阈值时,由于不能判断制证人与证件是否相符,因此不将这部分的第二人脸图像作为正样本图像或负样本图像。
S83:将正样本图像或负样本图像输入到预设人脸识别模型中更新预设人脸识别模型。
具体地,客户端将根据步骤S81或步骤S82得到的正样本图像或负样本图像输入到预设人脸识别模型中,使预设人脸识别模型进行学习并更新识别模型,得到更新后的预设人脸识别模型,可以提高预设人验识别模型的识别精度。可选地,可以先将客户端设置于制证中心的服务点内,在进行人证对比和活体检测的时候使办证人员进行人工监控,保证制证人为用户本人,且没有利用视频等假冒用户办证的行为;在使预设人脸识别模型达到一定的识别精度后,再将客户端推广至手机等移动终端中。
可选地,还可以设置预设的第三阈值,其中预设的第三阈值大于预设的第一阈值,例如将预设的第三阈值设为95%。当特征相似度达到第三阈值时,将该第二人脸图像保存至制证中心,将其作为新的证件图像,即作为人证对比的新的基准图像。
在图6对应的实施例中,若特征相似度达到预设的第一阈值,则将第二人脸图像设为正样本图像;若特征相似度小于预设的第二阈值,则将第二人脸图像设为负样本图像;再将正样本图像或负样本图像输入到预设人脸识别模型中更新预设人脸识别模型。通过设置阈值获取正负样本图像,可以使预设人脸识别模型提高识别的精度。同时,在预设人脸识别模型的精度较低时,将其设置于办证中心内,结合人工提升识别精度后再扩展到移动端,可以使本实施例的基于人脸识别的办证方法快速得到实施,减少前期需要的大量人脸图像的样本输入,提高了预设人脸识别模型的搭建效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于人脸识别的办证装置,该基于人脸识别的办证装置与上述实施例中基于人脸识别的办证方法一一对应。如图7所示,该基于人脸识别的办证装置包括证件图像获取模块10、证件人像特征获取模块20、活体检测结果获取模块30、第二人脸图像获取模块40、制证人特征获取模块50、特征相似度获取模块60和验证结果获取模块70。各功能模块详细说明如下:
证件图像获取模块10,用于获取制证请求,根据制证请求获取证件图像。
证件人像特征获取模块20,用于根据证件图像获取证件人像特征。
活体检测结果获取模块30,用于获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果。
第二人脸图像获取模块40,用于若活体检测的结果为通过,则获取第二人脸图像。
制证人特征获取模块50,用于将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征。
特征相似度获取模块60,用于将证件人像特征与制证人特征进行相似度计算,得到特征相似度。
验证结果获取模块70,用于若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。
进一步地,如图8所示,第二人脸图像获取模块40包括待识别视频获取单元41、待识别图像获取单元42和第二人脸图像获取单元43。
待识别视频获取单元41,用于获取待识别视频。
待识别图像获取单元42,用于将待识别视频进行分帧和归一化处理,获得待识别图像。
第二人脸图像获取单元43,用于将待识别图像输入至头部姿态角的检测模型,根据预设头部角度值获取第二人脸图像。
进一步地,如图9所示,活体检测结果获取模块30包括活体特征获取单元31、第一结果获取单元32和第二结果获取单元33。
活体特征获取单元31,用于将第一人脸图像输入到预设活体检测模型中,获取人脸活体特征。
第一结果获取单元32,用于若人脸活体特征符合预设条件,则活体检测的结果为通过,其中,预设条件为完成预设的脸部动作、具有至少一个固有活体特征或红外成像符合预设的体温分布范围三个条件中的至少一个条件。
第二结果获取单元33,用于若人脸活体特征不符合预设条件,则活体检测的结果为不通过。
进一步地,本发明实施例提供的基于人脸识别的办证装置还包括识别模型更新模块,其中,识别模型更新模块包括正样本图像获取单元、负样本图像获取单元和模型更新单元。
正样本图像获取单元,用于若特征相似度达到预设的第一阈值,则将第二人脸图像设为正样本图像;
负样本图像获取单元,用于若特征相似度小于预设的第二阈值,则将第二人脸图像设为负样本图像;
模型更新单元,用于将正样本图像或负样本图像输入到预设人脸识别模型中更新预设人脸识别模型。
进一步地,证件人像特征获取模块20包括身份证信息获取单元、用户人脸图像获取单元和证件图像获取单元。
身份证信息获取单元,用于根据所述制证请求获取身份证信息。
用户人脸图像获取单元,用于基于所述身份证信息从全国公民身份信息系统中查找对应的用户人脸图像。
证件图像获取单元,用于获取所述用户人脸图像作为证件图像。
关于基于人脸识别的办证装置的具体限定可以参见上文中对于基于人脸识别的办证方法的限定,在此不再赘述。上述基于人脸识别的办证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的办证方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取制证请求,根据制证请求获取证件图像;
根据证件图像获取证件人像特征;
获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
若活体检测的结果为通过,则获取第二人脸图像;
将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征;
将证件人像特征与制证人特征进行相似度计算,得到特征相似度;
若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取制证请求,根据制证请求获取证件图像;
根据证件图像获取证件人像特征;
获取第一人脸图像,将第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
若活体检测的结果为通过,则获取第二人脸图像;
将第二人脸图像输入到预设人脸识别模型中获取第二人脸图像的人脸特征,将第二人脸图像的人脸特征作为制证人特征;
将证件人像特征与制证人特征进行相似度计算,得到特征相似度;
若特征相似度达到预设的第一阈值,则制证请求验证通过并将第二人脸图像发送至制证中心。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述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精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人脸识别的办证方法,其特征在于,包括:
获取制证请求,根据所述制证请求获取证件图像;
根据所述证件图像获取证件人像特征;
获取第一人脸图像,将所述第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
若所述活体检测的结果为通过,则获取第二人脸图像;
将所述第二人脸图像输入到预设人脸识别模型中获取所述第二人脸图像的人脸特征,将所述第二人脸图像的人脸特征作为制证人特征;
将所述证件人像特征与所述制证人特征进行相似度计算,得到特征相似度;
若所述特征相似度达到预设的第一阈值,则所述制证请求验证通过并将所述第二人脸图像发送至制证中心。
2.如权利要求1所述的基于人脸识别的办证方法,其特征在于,所述获取第二人脸图像,包括:
获取待识别视频;
将所述待识别视频进行分帧和归一化处理,获得待识别图像;
将所述待识别图像输入至头部姿态角的检测模型,根据预设头部角度值获取第二人脸图像。
3.如权利要求1所述的基于人脸识别的办证方法,其特征在于,所述将所述第一人脸图像输入到预设活体检测模型中,获取活体检测的结果,包括:
将所述第一人脸图像输入到预设活体检测模型中,获取人脸活体特征;
若所述人脸活体特征符合预设条件,则活体检测的结果为通过,其中,所述预设条件为完成预设的脸部动作、具有至少一个固有活体特征或红外成像符合预设的体温分布范围三个条件中的至少一个条件;
若所述人脸活体特征不符合所述预设条件,则所述活体检测的结果为不通过。
4.如权利要求1所述的基于人脸识别的办证方法,其特征在于,在所述将所述证件人像特征与所述制证人特征进行相似度计算,得到特征相似度的步骤之后,所述方法还包括:
若所述特征相似度达到预设的第一阈值,则将所述第二人脸图像设为正样本图像;
若所述特征相似度小于预设的第二阈值,则将所述第二人脸图像设为负样本图像;
将所述正样本图像或所述负样本图像输入到所述预设人脸识别模型中更新所述预设人脸识别模型。
5.如权利要求1所述的基于人脸识别的办证方法,其特征在于,根据所述制证请求获取证件图像,包括:
根据所述制证请求获取身份证信息;
基于所述身份证信息从全国公民身份信息系统中查找对应的用户人脸图像;
获取所述用户人脸图像作为证件图像。
6.一种基于人脸识别的办证装置,其特征在于,包括:
证件图像获取模块,用于获取制证请求,根据所述制证请求获取证件图像;
证件人像特征获取模块,用于根据所述证件图像获取证件人像特征;
活体检测结果获取模块,用于获取第一人脸图像,将所述第一人脸图像输入到预设活体检测模型中,获取活体检测的结果;
第二人脸图像获取模块,用于若所述活体检测的结果为通过,则获取第二人脸图像;
制证人特征获取模块,用于将所述第二人脸图像输入到预设人脸识别模型中获取所述第二人脸图像的人脸特征,将所述第二人脸图像的人脸特征作为制证人特征;
特征相似度获取模块,用于将所述证件人像特征与所述制证人特征进行相似度计算,得到特征相似度;
验证结果获取模块,用于若所述特征相似度达到预设的第一阈值,则所述制证请求验证通过并将所述第二人脸图像发送至制证中心。
7.如权利要求6所述的基于人脸识别的办证装置,其特征在于,所述第二人脸图像获取模块包括待识别视频获取单元、待识别图像获取单元和第二人脸图像获取单元;
所述待识别视频获取单元,用于获取待识别视频;
所述待识别图像获取单元,用于将所述待识别视频进行分帧和归一化处理,获得待识别图像;
第二人脸图像获取单元,用于将所述待识别图像输入至头部姿态角的检测模型,根据预设头部角度值获取第二人脸图像。
8.如权利要求6所述的基于人脸识别的办证装置,其特征在于,所述活体检测结果获取模块包括活体特征获取单元、第一结果获取单元和第二结果获取单元;
所述活体特征获取单元,用于将所述第一人脸图像输入到预设活体检测模型中,获取人脸活体特征;
所述第一结果获取单元,用于若所述人脸活体特征符合预设条件,则活体检测的结果为通过,其中,所述预设条件为完成预设的脸部动作、具有至少一个固有活体特征或红外成像符合预设的体温分布范围三个条件中的至少一个条件;
所述第二结果获取单元,用于若所述人脸活体特征不符合所述预设条件,则所述活体检测的结果为不通过。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于人脸识别的办证方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至5任一项所述基于人脸识别的办证方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811187255.8A CN109472208A (zh) | 2018-10-12 | 2018-10-12 | 基于人脸识别的办证方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811187255.8A CN109472208A (zh) | 2018-10-12 | 2018-10-12 | 基于人脸识别的办证方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109472208A true CN109472208A (zh) | 2019-03-15 |
Family
ID=65663808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811187255.8A Pending CN109472208A (zh) | 2018-10-12 | 2018-10-12 | 基于人脸识别的办证方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472208A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110588A (zh) * | 2019-03-21 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于人脸识别在线办理业务的方法、装置计算机设备 |
CN110163094A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于手势动作的活体检测方法、装置、设备及存储介质 |
CN110377774A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 进行人物聚类的方法、装置、服务器和存储介质 |
CN111368944A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN112016488A (zh) * | 2020-09-01 | 2020-12-01 | 中国银行股份有限公司 | 业务信息的处理方法及相关装置、计算机存储介质 |
CN112115748A (zh) * | 2019-06-21 | 2020-12-22 | 腾讯科技(深圳)有限公司 | 证件图像识别方法、装置、终端及存储介质 |
CN112307817A (zh) * | 2019-07-29 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 人脸活体检测方法、装置、计算设备及计算机存储介质 |
CN112906571A (zh) * | 2021-02-20 | 2021-06-04 | 成都新希望金融信息有限公司 | 活体识别方法、装置及电子设备 |
CN113283388A (zh) * | 2021-06-24 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
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 |
CN117172783A (zh) * | 2023-07-17 | 2023-12-05 | 湖北盈嘉集团有限公司 | 一种应收账款确认债权债务交叉核验系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201340627Y (zh) * | 2009-01-08 | 2009-11-04 | 无锡骏聿科技有限公司 | 网络自助式证件办理装置 |
US9619723B1 (en) * | 2016-02-17 | 2017-04-11 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and system of identification and authentication using facial expression |
CN108460359A (zh) * | 2018-03-21 | 2018-08-28 | 华动泰越科技有限责任公司 | 用于证件业务办理的数据处理方法及装置 |
-
2018
- 2018-10-12 CN CN201811187255.8A patent/CN109472208A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201340627Y (zh) * | 2009-01-08 | 2009-11-04 | 无锡骏聿科技有限公司 | 网络自助式证件办理装置 |
US9619723B1 (en) * | 2016-02-17 | 2017-04-11 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and system of identification and authentication using facial expression |
CN108460359A (zh) * | 2018-03-21 | 2018-08-28 | 华动泰越科技有限责任公司 | 用于证件业务办理的数据处理方法及装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110588A (zh) * | 2019-03-21 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于人脸识别在线办理业务的方法、装置计算机设备 |
CN110163094A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于手势动作的活体检测方法、装置、设备及存储介质 |
CN112115748A (zh) * | 2019-06-21 | 2020-12-22 | 腾讯科技(深圳)有限公司 | 证件图像识别方法、装置、终端及存储介质 |
CN112115748B (zh) * | 2019-06-21 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 证件图像识别方法、装置、终端及存储介质 |
CN110377774B (zh) * | 2019-07-15 | 2023-08-01 | 腾讯科技(深圳)有限公司 | 进行人物聚类的方法、装置、服务器和存储介质 |
CN110377774A (zh) * | 2019-07-15 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 进行人物聚类的方法、装置、服务器和存储介质 |
CN112307817A (zh) * | 2019-07-29 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 人脸活体检测方法、装置、计算设备及计算机存储介质 |
CN112307817B (zh) * | 2019-07-29 | 2024-03-19 | 中国移动通信集团浙江有限公司 | 人脸活体检测方法、装置、计算设备及计算机存储介质 |
CN111368944A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN112016488A (zh) * | 2020-09-01 | 2020-12-01 | 中国银行股份有限公司 | 业务信息的处理方法及相关装置、计算机存储介质 |
CN112016488B (zh) * | 2020-09-01 | 2024-02-06 | 中国银行股份有限公司 | 业务信息的处理方法及相关装置、计算机存储介质 |
CN112906571B (zh) * | 2021-02-20 | 2023-09-05 | 成都新希望金融信息有限公司 | 活体识别方法、装置及电子设备 |
CN112906571A (zh) * | 2021-02-20 | 2021-06-04 | 成都新希望金融信息有限公司 | 活体识别方法、装置及电子设备 |
CN113283388A (zh) * | 2021-06-24 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
CN113283388B (zh) * | 2021-06-24 | 2024-05-24 | 中国平安人寿保险股份有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
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 |
CN117172783A (zh) * | 2023-07-17 | 2023-12-05 | 湖北盈嘉集团有限公司 | 一种应收账款确认债权债务交叉核验系统 |
CN117172783B (zh) * | 2023-07-17 | 2024-05-07 | 湖北盈嘉集团有限公司 | 一种应收账款确认债权债务交叉核验系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472208A (zh) | 基于人脸识别的办证方法、装置、计算机设备及存储介质 | |
US11176393B2 (en) | Living body recognition method, storage medium, and computer device | |
CN109359548B (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
CN109377616B (zh) | 一种基于二维人脸识别的门禁控制系统 | |
US9922238B2 (en) | Apparatuses, systems, and methods for confirming identity | |
CN109241868A (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
De Marsico et al. | Robust face recognition for uncontrolled pose and illumination changes | |
WO2020000908A1 (zh) | 一种人脸活体检测方法及装置 | |
WO2019062080A1 (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
US20170124394A1 (en) | Iris liveness detection for mobile devices | |
CN103678984A (zh) | 一种利用摄像头实现用户身份验证的方法 | |
KR20170134356A (ko) | 모바일 장치를 사용하여 촬영된 이미지를 이용한 지문-기반 사용자 인증 수행 시스템 및 방법 | |
BR112015024773B1 (pt) | Método, sistema e aparelho para comparação de imagens | |
TWI670653B (zh) | 一種基於線上學習的人臉辨識方法與系統 | |
CN109063628B (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
CN104143086A (zh) | 人像比对在移动终端操作系统上的应用技术 | |
JP2016062253A (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
CN111028218B (zh) | 眼底图像质量判定模型训练方法、装置和计算机设备 | |
US20230041573A1 (en) | Image processing method and apparatus, computer device and storage medium | |
TW200905577A (en) | Iris recognition system | |
CN110414376A (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
CN113298158A (zh) | 数据检测方法、装置、设备及存储介质 | |
US10796147B1 (en) | Method and apparatus for improving the match performance and user convenience of biometric systems that use images of the human eye | |
CN112308035A (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
KR20210136771A (ko) | 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 |
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 |