CN110301892A - 一种基于静脉识别的检测方法及相关产品 - Google Patents
一种基于静脉识别的检测方法及相关产品 Download PDFInfo
- Publication number
- CN110301892A CN110301892A CN201910503404.5A CN201910503404A CN110301892A CN 110301892 A CN110301892 A CN 110301892A CN 201910503404 A CN201910503404 A CN 201910503404A CN 110301892 A CN110301892 A CN 110301892A
- Authority
- CN
- China
- Prior art keywords
- vein image
- targeted
- gray value
- target user
- image
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4845—Toxicology, e.g. by detection of alcohol, drug or toxic products
-
- 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
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了一种基于静脉识别的检测方法及相关产品。所述方法包括:采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。可见,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
Description
技术领域
本申请涉及检测领域,具体涉及一种基于静脉识别的检测方法及相关产品。
背景技术
目前,酒后驾车导致的交通事故非常多,酒驾和醉驾严重威胁人们的人身安全和财产安全。当用户喝了酒之后或者喝了含酒精的饮料之后,想要确认是否能够开车,一般需要借助酒精检测仪进行测量。
然而,借助酒精检测仪进行检测需要用户向酒精检测仪呼气,操作不便,并且酒精检测仪的检测精度不够;另外,酒精检测仪体型较大,不便于携带。
发明内容
本申请实施例提供了一种基于静脉识别的检测方法及相关产品,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
第一方面,本申请实施例提供了一种基于静脉识别的检测方法,应用于电子设备,所述方法包括:
采集目标用户的目标静脉图像;
确定所述目标静脉图像的灰度值;
根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述用户状态包括酒驾状态和醉驾状态,所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态包括:
判断所述目标静脉图像的灰度值是否超过预设灰度值阈值;
若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;
若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。
可选的,在所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态之后,所述方法还包括:
获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像;
统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值;
根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。
可选的,所述方法还包括:
连续采集所述目标用户的目标静脉图像,得到预设数量的目标静脉图像;
确定所述预设数量的目标静脉图像的灰度值;
根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述用户状态包括酒驾状态和醉驾状态,所述根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态包括:
计算所述预设数量的目标静脉图像两两之间的灰度值的变化量;
判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值;
若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;
若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。
可选的,所述确定所述目标静脉图像的灰度值包括:
验证所述目标静脉图像与预存的模板静脉图像是否匹配;
若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
可选的,所述验证所述目标静脉图像与预存的模板静脉图像是否匹配包括:
分析所述目标静脉图像的特征点分布,确定特征点分布最多的目标区域静脉图像;
从所述目标区域静脉图像中选取M个不同的点,以所述M个不同的点为圆心对所述目标区域静脉图像进行圆形图像截取,得到M个圆形区域静脉图像,所述M为大于3的整数;
从所述M个圆形区域静脉图像中选出目标圆形区域静脉图像,所述目标圆形区域静脉图像为所述M个圆形区域静脉图像中包含特征点的数量最多的圆形区域静脉图像;
将所述目标圆形区域静脉图像进行划分,得到N个圆环静脉图像,所述N个圆环静脉图像的环宽相同;
从所述N个圆环静脉图像中半径最小的圆环静脉图像开始,依次将所述N个圆环静脉图像与预存的模板静脉图像进行特征点匹配,并累计已匹配完成的圆环静脉图像的匹配值;
当累计的匹配值大于预设匹配阈值时,则停止进行特征点匹配,并输出验证成功的提示消息。
第二方面,本申请实施例提供了一种基于静脉识别的检测装置,所述装置包括:
采集单元,用于采集目标用户的目标静脉图像;
确定单元,用于确定所述目标静脉图像的灰度值;
分析单元,用于根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
第三方面,本申请实施例提供了一种终端,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行第一方面所述的方法中的步骤所对应的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例中,采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。可见,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于静脉识别的检测系统的示例系统架构图;
图2是本申请实施例提供的一种基于静脉识别的检测方法的流程示意图;
图3是本申请实施例提供的另一种基于静脉识别的检测方法的流程示意图;
图4是本申请实施例提供的另一种基于静脉识别的检测方法的流程示意图;
图5是本申请实施例提供的一种基于静脉识别的检测装置的功能单元组成框图;
图6是本申请实施例提供的一种电子设备的物理架构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有静脉识别功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(user equipment,UE),移动台(mobile station,MS),终端设备(terminaldevice)等等。为方便描述,以上提到的设备统称为电子装置。
为了更好的理解本申请实施例提供的一种基于静脉识别的检测方法,首先对所述检测方法的检测系统进行简要介绍。请参阅图1,图1为基于静脉识别的检测系统的示例系统架构图,如图1所示,所述基于静脉识别的检测系统102可应用于智能终端(或移动终端)101上,用于进行静脉识别或者检测。具体的,当目标用户手掌接触所述基于静脉识别的检测系统102时,所述静脉识别检测系统采集目标用户的目标静脉图像,确定所述目标静脉图像的灰度值,根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
在上述系统架构的基础上,本申请实施例提出一种基于静脉识别的检测方法及相关产品,下面结合附图对本申请实施例进行详细介绍。
请参阅图2,图2是本申请实施例提供的一种基于静脉识别的检测方法的流程示意图,如图2所示,所述检测方法包括:
S201、采集目标用户的目标静脉图像。
其中,所述目标静脉图像可以是掌静脉、指静脉等静脉图像。当采集到目标用户的的目标静脉图像后,所述方法还可以包括:对所述目标静脉图像进行归一化、去噪等预处理;将经过预处理的所述目标静脉图像进行滤波处理与静脉纹路分割、细化修复以得到高对比度的目标静脉图像。其中,所述将经过预处理的目标静脉图像进行滤波处理可以是通过高斯低通滤波、高斯高通滤波、阂值处理滤波、双线性滤波以及中值滤波等。
其中,需要指出的是,本申请的执行主体可以是移动终端、服务器、手持式设备等具有通信功能的电子设备。常见的移动终端包括手机、智能穿戴设备等。
其中,可以理解的是,所述采集目标用户的目标静脉图像可以是当所述基于静脉识别的检测系统自动感应到目标用户手指、手掌时,采集目标用户的目标静脉图像,所述目标静脉图像可以是指静脉图像、掌静脉图像;亦或者是目标用户手动开启所述基于静脉识别的检测系统去采集目标用户的目标静脉图像,在此不做限定。
S202、确定所述目标静脉图像的灰度值。
其中,所述确定所述目标静脉图像的灰度值包括:验证所述目标静脉图像与预存的模板静脉图像是否匹配;若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
其中,所述验证所述目标静脉图像与预存的模板静脉图像是否匹配包括:分析所述目标静脉图像的特征点分布,确定特征点分布最多的目标区域静脉图像;从所述目标区域静脉图像中选取M个不同的点,以所述M个不同的点为圆心对所述目标区域静脉图像进行圆形图像截取,得到M个圆形区域静脉图像,所述M为大于3的整数;从所述M个圆形区域静脉图像中选出目标圆形区域静脉图像,所述目标圆形区域静脉图像为所述M个圆形区域静脉图像中包含特征点的数量最多的圆形区域静脉图像;将所述目标圆形区域静脉图像进行划分,得到N个圆环静脉图像,所述N个圆环静脉图像的环宽相同;从所述N个圆环静脉图像中半径最小的圆环静脉图像开始,依次将所述N个圆环静脉图像与预存的模板静脉图像进行特征点匹配,并累计已匹配完成的圆环静脉图像的匹配值;当累计的匹配值大于预设匹配阈值时,则停止进行特征点匹配,并输出验证成功的提示消息。
其中,可以理解的是,预存的模板静脉图像包括该终端的拥有者的目标静脉图像。该预存的模板静脉图像可以是目标用户在启动静脉检测功能时录入的目标静脉图像,当然该预存的模板静脉图像可以是一个或多个。
另外,可以理解的是,若所述目标静脉图像与所述预存的模板静脉图像匹配不成功,则说明采集到的图像不是目标静脉图像,或者采集到的目标静脉图像不是目标用户的目标静脉图像,又或者此次采集到的目标静脉图像不完整,不利于确定灰度值,因此需要重新采集目标用户的目标静脉图像。
另外,需要指出的是,为了安全起见,该预存的模板静脉图像可以存储在云端且处于加密状态。当采集到目标用户的目标静脉图像时,终端就会向云服务器发送预存的模板静脉图像获取请求,接收到云服务器反馈的预存的模板静脉图像后,终端就会按照预设的加密算法对采集到目标用户的目标静脉图像进行加密,然后将加密后的目标用户的目标静脉图像与接收到的云服务器发送的预存的模板静脉图像进行匹配。可以理解的是,该匹配方式可提高终端的安全性,在使得终端不知道预存的模板静脉图像的情况,完整进行静脉的检测和识别,这样即便终端即便被植入木马,也不会泄露目标用户的目标静脉图像信息,从而提升了终端的安全性。
其中,所述确定所述目标静脉图像的灰度值可以包括:对所述目标静脉图像进行特征点提取以获取表征信息;调用灰度值识别模型对所述表征信息进行分析以得到所述目标静脉图像的灰度值。
其中,在确定所述目标静脉图像的灰度值之前,所述方法还包括:获取第二预设数量的目标静脉图像;利用预设的机器学习算法对所述第二预设数量的目标静脉图像进行机器学习以得到所述灰度值识别模型。其中,常见的机器学习算法包括分类算法,监督学习算法,贝叶斯算法等。
S203、根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
其中,所述用户状态包括酒驾状态和醉驾状态,所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态包括:判断所述目标静脉图像的灰度值是否超过预设灰度值阈值;若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。
其中,可以理解的是,所述第一阈值可以是指车辆驾驶人员血液中的酒精含量为等于20mg/100ml时对应的目标静脉图像的灰度值;所述第二阈值可以是指车辆驾驶人员血液中的酒精含量为80mg/100ml时对应的目标静脉图像的灰度值。其中,所述第一阈值和所述第二阈值是通过对数据库中大量饮酒后的目标用户的静脉图像灰度值进行统计分析后得出的。
其中,所述方法还包括:连续采集所述目标用户的目标静脉图像以得到预设数量的目标静脉图像;确定所述预设数量的目标静脉图像的灰度值;根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态。
其中,所述用户状态包括酒驾状态和醉驾状态,所述根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态包括:判断所述预设数量的目标静脉图像的灰度值是否超过预设灰度值阈值;若所述预设数量的目标静脉图像的灰度值都大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;若所述预设数量的目标静脉图像的灰度值都大于所述第二阈值,则确定所述目标用户处于醉驾状态。
另外,可以替换的是,所述用户状态包括酒驾状态和醉驾状态,所述根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态包括:计算所述预设数量的目标静脉图像两两之间的灰度值的变化量;判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。
其中,可以理解的是,除计算所述预设数量的目标静脉图像两两之间的灰度值的变化量外,还可以是计算灰度值最大和最小的两张目标静脉图像的灰度值的变化量,也可以是按采集顺序依次计算所有目标静脉图像的灰度值之间的变化量,又或者可以是计算采集到的第一张和最后一张目标静脉图像的灰度值变化量。
另外,可以理解的是,若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则可以说明目标用户血液内的酒精含量的变化相对明显,目标用户可能处于酒驾状态。若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则可以说明目标用户血液内的酒精含量在急剧变化,目标用户可能处于醉驾状态。
另外,需要指出的是,所述判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值可以认为是所述预设数量的目标静脉图像中灰度值变化最大的变化量超过第三阈值或者第四阈值;也可以认为是所述预设数量的目标静脉图像灰度值变化量中所有的变化量都超过第三阈值或者第四阈值;又或者可以是统计所述预设数量的目标静脉图像灰度值变化量中超过第三阈值或者第四阈值的个数,当所述超过第三阈值的个数达到第一个数阈值时,确定所述目标用户处于酒驾状态,当所述超过第四阈值的个数达到第二个数阈值时,确定所述目标用户处于醉驾状态。
其中,在所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态之后,所述方法还包括:获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像;统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值;根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。可以理解的是,通过目标用户不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新,从而减少了因目标用户个体身体素质差异给醉酒判断带来的影响,提高了提高醉酒检测的精确性。
从上可知,通过实施本申请提供的技术方案,采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。可见,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
与上述图2所示的实施例一致的,请参阅图3,图3是本申请实施例提供的另一种基于静脉识别的检测方法的流程示意图,如图所示3,所述检测方法包括:
S301、采集目标用户的目标静脉图像。
其中,可以理解的是,所述采集目标用户的目标静脉图像可以是当所述基于静脉识别的检测系统自动感应到目标用户手指、手掌时,采集目标用户的目标静脉图像;亦或者是目标用户手动开启所述基于静脉识别的检测系统去采集目标用户的目标静脉图像。
S302、验证所述目标静脉图像与预存的模板静脉图像是否匹配。
其中,可以理解的是,预存的模板静脉图像包括该终端的拥有者的目标静脉图像。该预存的模板静脉图像可以是目标用户在启动静脉检测功能时录入的目标静脉图像,当然该预存的模板目标静脉图像可以是一个或多个。
S303、若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
S304、判断所述目标静脉图像的灰度值是否超过预设灰度值阈值。
S305、若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。
其中,可以理解的是,所述第一阈值可以是指车辆驾驶人员血液中的酒精含量为等于20mg/100ml时对应的目标静脉图像的灰度值;所述第二阈值可以是指车辆驾驶人员血液中的酒精含量为80mg/100ml时对应的目标静脉图像的灰度值。其中,所述第一阈值和所述第二阈值是通过对数据库中大量饮酒后的目标用户的静脉图像灰度值进行统计分析后得出的。
S306、获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像。
S307、统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值。
S308、根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。
另外,本申请实施例的相关术语或解释可参考上述实施例描述的内容。
可以看出,本申请实施例中,在采集到目标用户的目标静脉图像后,验证所述目标静脉图像与预存的模板静脉图像是否匹配,若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值,再根据所述目标静脉图像的灰度值确定目标用户的用户状态,从而确保了采集到的静脉图像为目标用户的目标静脉图像,进一步保证了用户状态检测的准确性;并且,通过目标用户不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新,从而减少了因目标用户个体身体素质差异给醉酒判断带来的影响,
请参阅图4,图4是本申请实施例提供的另一种基于静脉识别的检测方法的流程示意图,如图所示4,所述检测方法包括:
S401、连续采集目标用户的目标静脉图像以得到预设数量的目标静脉图像。
其中,需要说明的是,当采集到目标用户的第一张目标静脉图像时,需要验证所述目标静脉图像与预存的模板目标静脉图像是否匹配,若所述目标静脉图像与所述预存的模板目标静脉图像匹配,连续采集目标用户的目标静脉图像以得到预设数量的目标静脉图像。
S402、确定所述预设数量的目标静脉图像的灰度值。
S403、计算所述预设数量的目标静脉图像两两之间的灰度值的变化量。
S404、判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值。
S405、若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。
另外,本申请实施例的相关术语或解释可参考上述实施例描述的内容。
可以看出,本申请实施例中,连续采集目标用户的目标静脉图像以得到预设数量的目标静脉图像,确定所述预设数量的目标静脉图像的灰度值,计算所述预设数量的目标静脉图像的灰度值的变化量,根据所述预设数量的目标静脉图像的灰度值的变化量确定目标用户的用户状态,从而确保了采集足够多的目标静脉图像用于判断用户状态,进一步保证了用户状态检测的准确性。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,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。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是,本申请实施例中对单元的划分是示意性的,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。
图5是本申请实施例中所涉及的一种基于静脉识别的检测装置的功能单元组成框图。所述装置包括以下逻辑单元:
采集单元501,用于采集目标用户的目标静脉图像。
确定单元502,用于确定所述目标静脉图像的灰度值。
分析单元503,用于根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述装置还包括判断单元,用于判断所述目标静脉图像的灰度值是否超过预设灰度值阈值;所述分析单元503,还用于若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。其中,所述用户状态包括酒驾状态和醉驾状态
可选的,所述装置还包括:
获取单元,用于在所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态之后,获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像;
统计单元,用于统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值;
更新单元,用于根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。
可选的,所述采集单元501,还用于连续采集所述目标用户的目标静脉图像,得到预设数量的目标静脉图像;所述确定单元502,还用于确定所述预设数量的目标静脉图像的灰度值;所述分析单元503,还用于根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述装置还包括计算单元,用于计算所述预设数量的目标静脉图像两两之间的灰度值的变化量;所述判断单元,还用于判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值;
所述分析单元503,还用于若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。其中,所述用户状态包括酒驾状态和醉驾状态
可选的,所述装置还包括验证单元,用于验证所述目标静脉图像与预存的模板静脉图像是否匹配;所述确定单元502,还用于若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
可选的,所述验证单元具体用于:分析所述目标静脉图像的特征点分布,确定特征点分布最多的目标区域静脉图像;从所述目标区域静脉图像中选取M个不同的点,以所述M个不同的点为圆心对所述目标区域静脉图像进行圆形图像截取,得到M个圆形区域静脉图像,所述M为大于3的整数;从所述M个圆形区域静脉图像中选出目标圆形区域静脉图像,所述目标圆形区域静脉图像为所述M个圆形区域静脉图像中包含特征点的数量最多的圆形区域静脉图像;将所述目标圆形区域静脉图像进行划分,得到N个圆环静脉图像,所述N个圆环静脉图像的环宽相同;从所述N个圆环静脉图像中半径最小的圆环静脉图像开始,依次将所述N个圆环静脉图像与预存的模板静脉图像进行特征点匹配,并累计已匹配完成的圆环静脉图像的匹配值;当累计的匹配值大于预设匹配阈值时,则停止进行特征点匹配,并输出验证成功的提示消息。
其中,需要指出的是,本实施例所述的上述逻辑单元可执行方法实施例中所述的方法。
从而可知,本申请实施例提供的装置,可以通过采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。可见,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
与上述图5所示的实施例一致的,请参阅图6,图6是本申请实施例提供的一种电子设备600的结构示意图,如图所示,所述电子设备600包括应用处理器610、存储器620、通信接口630以及一个或多个程序621,其中,所述一个或多个程序621被存储在上述存储器620中,并且被配置由上述应用处理器610执行,当所述一个或多个程序621被运行时,处理器610执行以下操作:采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述用户状态包括酒驾状态和醉驾状态,所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态,所述处理器610执行以下操作:判断所述目标静脉图像的灰度值是否超过预设灰度值阈值;若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。
可选的,在所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态之后,所述处理器610执行以下操作:获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像;统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值;根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。
可选的,所述处理器610还执行以下操作:连续采集所述目标用户的目标静脉图像,得到预设数量的目标静脉图像;确定所述预设数量的目标静脉图像的灰度值;根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态。
可选的,所述用户状态包括酒驾状态和醉驾状态,所述根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态,所述处理器610执行以下操作:计算所述预设数量的目标静脉图像两两之间的灰度值的变化量;判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。
可选的,所述确定所述目标静脉图像的灰度值,所述处理器610执行以下操作:验证所述目标静脉图像与预存的模板静脉图像是否匹配;若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
可选的,所述验证所述目标静脉图像与预存的模板静脉图像是否匹配,所述处理器610执行以下操作:分析所述目标静脉图像的特征点分布,确定特征点分布最多的目标区域静脉图像;从所述目标区域静脉图像中选取M个不同的点,以所述M个不同的点为圆心对所述目标区域静脉图像进行圆形图像截取,得到M个圆形区域静脉图像,所述M为大于3的整数;从所述M个圆形区域静脉图像中选出目标圆形区域静脉图像,所述目标圆形区域静脉图像为所述M个圆形区域静脉图像中包含特征点的数量最多的圆形区域静脉图像;将所述目标圆形区域静脉图像进行划分,得到N个圆环静脉图像,所述N个圆环静脉图像的环宽相同;从所述N个圆环静脉图像中半径最小的圆环静脉图像开始,依次将所述N个圆环静脉图像与预存的模板静脉图像进行特征点匹配,并累计已匹配完成的圆环静脉图像的匹配值;当累计的匹配值大于预设匹配阈值时,则停止进行特征点匹配,并输出验证成功的提示消息。
从上可知,通过实施本申请提供的技术方案,采集目标用户的目标静脉图像;确定所述目标静脉图像的灰度值;根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。可见,通过从目标用户身上采集目标静脉图像,根据采集到的目标静脉图像的灰度值来确定目标用户的用户状态,能够提高醉酒检测的精确性和操作的便捷性。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
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,本申请并不受所描述的动作顺序的限制,因为依据本申请,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优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,例如上述单元的划分,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,可以是电性或其它的形式。
上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,在本申请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。
上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器中。基于这样的理解,本申请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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,ReaP-Only Memory)、随机存取存储器(RAM,RanPom Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:ReaP-Only Memory,简称:ROM)、随机存取器(英文:RanPom Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于静脉识别的检测方法,其特征在于,应用于电子设备,所述方法包括:
采集目标用户的目标静脉图像;
确定所述目标静脉图像的灰度值;
根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
2.根据权利要求1所述的方法,其特征在于,所述用户状态包括酒驾状态和醉驾状态,所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态包括:
判断所述目标静脉图像的灰度值是否超过预设灰度值阈值;
若所述目标静脉图像的灰度值大于第一阈值且小于第二阈值,则确定所述目标用户处于酒驾状态;
若所述目标静脉图像的灰度值大于所述第二阈值,则确定所述目标用户处于醉驾状态。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述目标静脉图像的灰度值确定所述目标用户的用户状态之后,所述方法还包括:
获取预设时间段内所述目标用户在不同饮酒状态下的历史静脉图像;
统计分析所述历史静脉图像以得到所述目标用户在不同饮酒状态下对应的历史静脉图像的灰度值;
根据所述目标用户在不同饮酒状态下的历史静脉图像及其对应的灰度值对所述第一阈值和所述第二阈值进行更新。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
连续采集所述目标用户的目标静脉图像,得到预设数量的目标静脉图像;
确定所述预设数量的目标静脉图像的灰度值;
根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态。
5.根据权利要求4所述的方法,其特征在于,所述用户状态包括酒驾状态和醉驾状态,所述根据所述预设数量的目标静脉图像的灰度值确定所述目标用户的用户状态包括:
计算所述预设数量的目标静脉图像两两之间的灰度值的变化量;
判断所述预设数量的目标静脉图像两两之间的灰度值的变化量是否超过预设变化量阈值;
若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于第三阈值且小于第四阈值,则确定所述目标用户处于酒驾状态;
若所述预设数量的目标静脉图像两两之间的灰度值的变化量均大于所述第四阈值,则确定所述目标用户处于醉驾状态。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述确定所述目标静脉图像的灰度值包括:
验证所述目标静脉图像与预存的模板静脉图像是否匹配;
若所述目标静脉图像与所述预存的模板静脉图像匹配,则确定所述目标静脉图像的灰度值。
7.根据权利要求6所述的方法,其特征在于,所述验证所述目标静脉图像与预存的模板静脉图像是否匹配包括:
分析所述目标静脉图像的特征点分布,确定特征点分布最多的目标区域静脉图像;
从所述目标区域静脉图像中选取M个不同的点,以所述M个不同的点为圆心对所述目标区域静脉图像进行圆形图像截取,得到M个圆形区域静脉图像,所述M为大于3的整数;
从所述M个圆形区域静脉图像中选出目标圆形区域静脉图像,所述目标圆形区域静脉图像为所述M个圆形区域静脉图像中包含特征点的数量最多的圆形区域静脉图像;
将所述目标圆形区域静脉图像进行划分,得到N个圆环静脉图像,所述N个圆环静脉图像的环宽相同;
从所述N个圆环静脉图像中半径最小的圆环静脉图像开始,依次将所述N个圆环静脉图像与预存的模板静脉图像进行特征点匹配,并累计已匹配完成的圆环静脉图像的匹配值;
当累计的匹配值大于预设匹配阈值时,则停止进行特征点匹配,并输出验证成功的提示消息。
8.一种基于静脉识别的检测装置,其特征在于,所述装置包括:
采集单元,用于采集目标用户的目标静脉图像;
确定单元,用于确定所述目标静脉图像的灰度值;
分析单元,用于根据所述目标静脉图像的灰度值确定所述目标用户的用户状态。
9.一种终端,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,所述介质用于存储计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503404.5A CN110301892B (zh) | 2019-06-11 | 2019-06-11 | 一种基于静脉识别的检测方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503404.5A CN110301892B (zh) | 2019-06-11 | 2019-06-11 | 一种基于静脉识别的检测方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110301892A true CN110301892A (zh) | 2019-10-08 |
CN110301892B CN110301892B (zh) | 2022-03-22 |
Family
ID=68075849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910503404.5A Active CN110301892B (zh) | 2019-06-11 | 2019-06-11 | 一种基于静脉识别的检测方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110301892B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091012A (zh) * | 2019-11-27 | 2020-05-01 | 深圳市智微智能软件开发有限公司 | 条码机条码生成方法及相关产品 |
CN112102210A (zh) * | 2020-11-17 | 2020-12-18 | 北京圣点云信息技术有限公司 | 一种基于自学习的静脉图像模板更新方法及装置 |
CN113370787A (zh) * | 2021-07-02 | 2021-09-10 | 江苏芯灵智能科技有限公司 | 基于指静脉特征判断的酒驾限制系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
JP2008302915A (ja) * | 2007-05-07 | 2008-12-18 | Auto Network Gijutsu Kenkyusho:Kk | 飲酒運転防止装置 |
JP2009148401A (ja) * | 2007-12-20 | 2009-07-09 | Hochiki Corp | エチルアルコール検知装置 |
CN102785574A (zh) * | 2012-07-17 | 2012-11-21 | 东莞市泰斗微电子科技有限公司 | 一种疲劳或醉酒驾驶检测和控制方法及相应系统 |
CN103679200A (zh) * | 2013-12-14 | 2014-03-26 | 复旦大学 | 一种用于图像匹配、识别、检索的频域形状描述方法 |
WO2015181835A1 (en) * | 2014-05-30 | 2015-12-03 | Naresh Laxminarayan Grover | Mobile device with biometric, extra gps and alcohol sensor |
CN107169460A (zh) * | 2017-05-18 | 2017-09-15 | 广东小天才科技有限公司 | 一种信息发送方法及装置、用户设备 |
CN109147342A (zh) * | 2018-09-21 | 2019-01-04 | 深圳市九洲电器有限公司 | 一种酒驾智能识别方法、装置及系统 |
-
2019
- 2019-06-11 CN CN201910503404.5A patent/CN110301892B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
JP2008302915A (ja) * | 2007-05-07 | 2008-12-18 | Auto Network Gijutsu Kenkyusho:Kk | 飲酒運転防止装置 |
JP2009148401A (ja) * | 2007-12-20 | 2009-07-09 | Hochiki Corp | エチルアルコール検知装置 |
CN102785574A (zh) * | 2012-07-17 | 2012-11-21 | 东莞市泰斗微电子科技有限公司 | 一种疲劳或醉酒驾驶检测和控制方法及相应系统 |
CN103679200A (zh) * | 2013-12-14 | 2014-03-26 | 复旦大学 | 一种用于图像匹配、识别、检索的频域形状描述方法 |
WO2015181835A1 (en) * | 2014-05-30 | 2015-12-03 | Naresh Laxminarayan Grover | Mobile device with biometric, extra gps and alcohol sensor |
CN107169460A (zh) * | 2017-05-18 | 2017-09-15 | 广东小天才科技有限公司 | 一种信息发送方法及装置、用户设备 |
CN109147342A (zh) * | 2018-09-21 | 2019-01-04 | 深圳市九洲电器有限公司 | 一种酒驾智能识别方法、装置及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091012A (zh) * | 2019-11-27 | 2020-05-01 | 深圳市智微智能软件开发有限公司 | 条码机条码生成方法及相关产品 |
CN112102210A (zh) * | 2020-11-17 | 2020-12-18 | 北京圣点云信息技术有限公司 | 一种基于自学习的静脉图像模板更新方法及装置 |
CN113370787A (zh) * | 2021-07-02 | 2021-09-10 | 江苏芯灵智能科技有限公司 | 基于指静脉特征判断的酒驾限制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110301892B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105279405B (zh) | 触屏用户按键行为模式构建与分析系统及其身份识别方法 | |
CN105631049B (zh) | 一种识别诈骗短信的方法和系统 | |
CN105681351B (zh) | 基于交互操作的验证方法及系统、用户设备、服务器 | |
CN105678125B (zh) | 一种用户认证方法、装置 | |
CN110301892A (zh) | 一种基于静脉识别的检测方法及相关产品 | |
CN109241711A (zh) | 基于预测模型的用户行为识别方法及装置 | |
CN106557726A (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
CN109063977B (zh) | 一种无感式交易风险监测方法及装置 | |
CN107679997A (zh) | 医疗理赔拒付方法、装置、终端设备及存储介质 | |
CN109600336A (zh) | 存储设备、验证码应用方法和装置 | |
CN109887187A (zh) | 一种取件处理方法、装置、设备及存储介质 | |
CN104573680B (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
CN106778851B (zh) | 基于手机取证数据的社交关系预测系统及其方法 | |
CN107038784A (zh) | 安全验证方法和装置 | |
CN107026731A (zh) | 一种用户身份验证的方法及装置 | |
CN108415653A (zh) | 用于终端设备的锁屏方法和装置 | |
CN109522301A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN112463859A (zh) | 基于大数据和业务分析的用户数据处理方法及大数据平台 | |
CN107172622A (zh) | 伪基站短信的识别和分析方法、装置及系统 | |
CN108764369A (zh) | 基于数据融合的人物识别方法、装置和计算机存储介质 | |
CN111242788A (zh) | 业务数据处理方法、装置、存储介质及计算机设备 | |
CN110059671A (zh) | 一种安检方法、系统、装置及计算机可读存储介质 | |
CN109670929A (zh) | 贷款预警的控制方法、装置、设备及计算机可读存储介质 | |
CN108399387A (zh) | 用于识别目标群体的数据处理方法及装置 | |
CN112580531A (zh) | 一种真假车牌的识别检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |