CN110378209B - 一种司机身份验证方法及装置 - Google Patents
一种司机身份验证方法及装置 Download PDFInfo
- Publication number
- CN110378209B CN110378209B CN201910499950.6A CN201910499950A CN110378209B CN 110378209 B CN110378209 B CN 110378209B CN 201910499950 A CN201910499950 A CN 201910499950A CN 110378209 B CN110378209 B CN 110378209B
- Authority
- CN
- China
- Prior art keywords
- face
- driver
- current driver
- information
- identity
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V40/10—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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本申请适用于计算机应用技术领域，提供了司机身份验证方法及装置，包括：通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
Description
技术领域
本申请属于计算机应用技术领域，尤其涉及一种司机身份验证方法及装置。
背景技术
随着社会智能化程度的提高，各企事业及社会群众对行车安全意识的逐渐加强，对行车的司机身份识别需求越发重要。现有技术中通过采用刷卡模式，通过识别司机所执的用户身份卡进行身份的确认，由于卡具备可复制性，也可由不同的人来持有已被授权卡，所以，这种方法无法真正的区分出真实司机的身份。
现有技术中还采用照片比对识别模式，利用普通摄像机拍摄司机人脸，将司机位的人脸与数据库内已授权的人脸数据库进行比对，分析出是否是合法司机，但由于业内用的摄像机拍摄的是平面图像，图像的信息单一，很容易用照片替代合法司机与数据库进行匹配，而且很容易匹配成功，实现身份欺骗。因此，现有技术中的司机身份识别方式容易出现身份伪造的情况，而导致身份错误识别的问题。
发明内容
有鉴于此，本申请实施例提供了司机身份验证方法及装置，以解决现有技术中容易出现身份伪造的情况，而导致身份错误识别的问题。
本申请实施例的第一方面提供了一种司机身份验证方法，包括：
在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
本申请实施例的第二方面提供了一种司机身份识别装置，包括：
获取单元，用于在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
计算单元，用于根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
判定单元，用于若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
本申请实施例的第三方面提供了一种司机身份识别装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本申请实施例与现有技术相比存在的有益效果是：通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
附图说明
为了更清楚地说明本申请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是本申请实施例一提供的司机身份验证方法的流程图；
图2是本申请实施例二提供的司机身份验证方法的流程图；
图3是本申请实施例二提供的深度值计算示意图；
图4是本申请实施例三提供的司机身份识别装置的示意图；
图5是本申请实施例四提供的司机身份识别装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本申请实施例一提供的一种司机身份验证方法的流程图。本实施例中司机身份验证方法的执行主体为具有司机身份识别功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。本实施例中的装置包括但不限于摄像头、光源发射器，如图所示的司机身份验证方法可以包括以下步骤：
S101：在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值。
随着社会智能化程度的提高，各企事业及社会群众对行车安全意识的逐渐加强，利用人工智能手段，对行车的司机身份识别需求越发重要，传统的做法有三类：采用刷卡模式，通过识别司机所执的IC卡进行身份的确认，由于卡具备可复制性，也可由不同的人来持有已被授权卡，所以，这种方法无法真正的区分出真实司机的身份。采用照片比对识别模式，利用普通摄像机拍摄司机人脸，将司机位的人脸与数据库内已授权的人脸数据库进行比对，分析出是否是合法司机，但由于业内用的摄像机拍摄的是平面图像，图像的信息单一，很容易用照片替代合法司机与数据库进行匹配，而且很容易匹配成功，实现身份欺骗。采用动态视频活体身份识别的模式，通过司机与摄像机的互动，身份比对时，司机执行张嘴、点头等动作，这种身份比对方式流程固定，非法司机可以用显示设备来播放一段已录取的视频对识别方法进行欺骗。介于上述的缺陷，本实施例利用立体摄像机拍摄司机人脸，通过司机平面图像特征加上深度特征综合信息进行身份比对，判定司机是否属于被授权的合法身份，避免了单纯采用平面图像特征的单一性。
本实施例中的车辆中安装有摄像装置，用于采集司机的图像。为了更加进一步清楚的获取到司机的图像，本实施例的摄像装置可以是3D摄像机，在车辆启动之前，通过安装在司机位置前方的摄像装置采集当前司机的人脸平面图像信息和人脸深度信息。本实施例中的人脸平面图像信息可以包括摄像机拍摄到的人脸平面图像，人脸深度信息可以包括通过3D摄像机拍摄得到的人脸深度信息。司机位于3D摄像机前进行人脸数据采集，获取的人脸3D数据信息，3D数据信息包括但不局限脸部的肤色、脸型、五官形状、五官位置、等特征。
需要说明的是，本实施例中获取司机的人脸平面图像信息和人脸深度信息的时间是在车辆启动之前，本实施例中通过识别司机位置处是否有人、车辆司机位置旁边的车门是否开启，或者车辆启动的钥匙是否插入钥匙孔、车辆远程开启装置是否开启等，来识别车辆是否启动。在检测到司机位置处有人、车辆司机位置旁边的车门被开启又关闭，或者车辆启动的钥匙插入钥匙孔、车辆远程开启装置已经启动等，来识别车辆准备启动，在这个时刻，开始获取司机的人脸平面图像信息和人脸深度信息。
S102：根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度。
本实施例中预存有每个合法司机的信息，这些信息中可以包括司机的身份信息、人脸信息等。其中，人脸信息可以包括人脸样本数据，其中可以包括合法司机的人脸图像、人脸特征值等信息。在获取到人脸平面图像信息和人脸深度信息之后，根据人脸平面图像信息和人脸深度信息，计算实时获取到的这些信息与预存的人脸样本数据之间的人脸匹配度。
本实施例中在计算人脸匹配度时，可以先提取人脸深度信息和预存的合法司机的人脸样本数据中的实时特征点，同时提取预存的人脸样本数据中的样本特征点，计算实时特征点和样本特征点之间的相似度，作为人脸匹配度。
需要说明的是，本实施中计算出的人脸匹配度是实时采集到的当前司机的人脸数据和预存的、每个合法司机的人脸数据计算得到，即计算得到的人脸匹配度的数量和预存的合法司机的数量相同，以通过比对来确定人脸匹配度最大时对应的合法司机的身份。
S103：若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
本实施例中运存有匹配度阈值，用于衡量人脸匹配度的大小。在计算得到当前司机与预存的每个合法司机的人脸匹配度之后，若存在任一人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为当前司机开通车辆控制权限。
进一步的，若计算出的所有人脸匹配度都小于预设的匹配度阈值，即当前司机的人脸信息在合法司机库中未找到与其匹配的，则判定当前司机为非法司机，不开启车辆控制权限。
除此之外，为了保证司机身份识别的安全性和精确性，在识别当前司机的身份合法之后，识别人脸匹配度最高时对应的合法司机的身份为当前司机的身份，并获取当前司机的验证信息，验证信息可以为司机指纹、身份证、身份识别卡片等中的一种或者至少两种，此处不做限定，在这些身份识别通过之后，再开通车辆控制权限。通过两种身份识别和验证，保证了身份识别的精确性，和车辆控制的安全性。
上述方案，通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
参见图2，图2是本申请实施例二提供的一种司机身份验证方法的流程图。本实施例中司机身份验证方法的执行主体为具有司机身份识别功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。本实施例中的装置包括但不限于摄像头、光源发射器，如图所示的司机身份验证方法可以包括以下步骤：
S201：在车辆启动之前，获取所述当前司机的人脸平面图像信息。
本实施例中的车辆中安装有摄像装置，用于采集司机的图像。本实施例中可以通过摄像装置来获取拍人脸彩色平面图像或者一段时间之内的人脸视频。进一步的，不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，摄像装置可以自动搜索并拍摄用户的人脸图像。
在获取到人脸彩色平面图像或者一段时间之内的人脸视频之后，提取人脸彩色平面图像或者一段时间之内的人脸视频中的人脸特征作为人脸平面图像信息。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征。
S202：根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长。
在获取到人脸平面图像信息之后，根据捕捉得到的人脸平面图像信息，确定向当前司机的人脸区域发射光源的方向，以在确定发射光源的方向之后，向当前司机发射光源，在发射光源之后，光照在人脸上会形成发射，接收光源在人脸上的放射光，并在接收到光源在人脸上的反射光时，计量从发射光源的时刻到接收到人脸反射光的时刻之间的时长，以通过该时长确定人脸特征的深度值。
具体的，在确定向当前司机的人脸区域发射光源的方向时，可以根据获取到的人脸平面图像信息中的人脸特征来确定光源发射方向，例如，识别人脸特征中的鼻子的特征点的位置，将该位置是视为光源发射中心来发射光源，这样便可以将光源反射中心设定在人脸中较为中心的位置，并在其他区域中进行辐射，使光源可以照射到全脸区域。除此之外，若光源的辐射面积较大，则可以直接设定司机座位的位置为光源发射的方向，使得光源的整个照射范围可以照射到全脸。
需要说明的是，本实施例中的光源可能照射的面积较大，不仅照射在司机脸上，还可能照射在身体其他区域，这种情况下，获取到的反射光也可能是包括各种物体的反射光，因此，可以通过识别反射光的光照强度、频率等信息，来识别哪些是反射光通过在反射到人脸之后得到，哪些是除人脸之外的区域得到的反射光，以对人脸反射得到的反射光进行精准处理。
S203：根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息。
在获取到从发射光源的时刻到接收到人脸反射光的时刻之间的时长之后，根据时长计算当前司机的人脸中每个特征点的深度值，以构成当前司机的人脸深度信息。
进一步的，本实施例中通过如下公式计算所述当前司机的人脸中每个特征点的深度值：
其中，Z用于表示人脸中每个特征点的深度值；C用于表示光速；τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长。
请参见图3所示，发射装置发射主动光源，主动光源本身存在一定的主动光强度。通过对主动光源的飞行时间计算来测量目标距离，获取目标物各特征点的平面图像信息与深度信息，τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长，即3D摄像机的发射主动光源时到照射到目标物后反射光回3D摄像机的总时间。
在计算得到深度值之后，根据人脸中的各个特征点，确定每个人脸中每个像素点对应的深度值，便可以根据所有特征点的深度值构成人脸深度信息。
具体的，本实施例中的深度信息包括两部分，分别为用于表示每个像素点深度位置信息的深度值，以及像素点的平面图像信息值。其中，在按照光线反射计算得到人脸中每个特征点的深度值之后，减去人脸最前端的初始位，即等于该反射光对应的人脸深度信息，将所有反射光得到的人脸深度信息进行组合，便得到一幅包含人脸3D信息的图像；同时，本实施例中像素点的平面图像信息值中包括人脸平面图像中每个像素点的像素值，像素值代表了人脸平面图像某一图像单元的平均亮度信息，或者说是该图像单元的平均反射密度信息。
进一步的，在人脸平面图像的单元像素信息中，不同图像分辨率对应的像素信息的数据量不同。例如，流行的图像处理软件通常用8位表示一个像素，最大灰度数目为2的8次方，这样总共有256个灰度等级，即像素值在0～255之间，每个等级代表不同的亮度；分辨率较高的摄像头采用更高的位深，即用更多的位数来表示一个像素，例如12位或16位，此时像素的灰度等级为4096或65536，这种方式提供的人脸平面图像中的每个人脸特征点的像素信息则更加精确详细，因此，为了更加精确的进行人脸信息采集和识别，可以选择较高分辨率的摄像装置来采集人脸平面图像。
S204：根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度。
应用前，首先对已受权人员，即合法司机进行人脸样本采集，采集的数据包含平面图像特征信息与深度特征数据信息，该信息经受权并录入智能分析模块的内存数据库中，也可通过网络通讯，发送并保存到远程服务器的数据库内。将获取的3D数据信息传输给司机身份识别装置进行特征分析，并与司机身份识别装置的内存数据库中已知的人脸特征库信息进行匹配，也可通过远程与云端服务器中已知的人脸特征库信息进行匹配。
通过将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。
S205：若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
本实施例中运存有匹配度阈值，用于衡量人脸匹配度的大小。在计算得到当前司机与预存的每个合法司机的人脸匹配度之后，若存在任一人脸匹配度大于或者等于预设匹配度阈值，则判定当前司机身份合法，并为当前司机开通车辆控制权限。
进一步的，步骤S205可以具体包括：
S2051：若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
当获取到匹配度达到设定的相似度阀值后，判定为司机身份合法，智能分析模组会提示司机采集完成，并输出控车信号，将车辆的动力控制权限交由人为控制状态。
S2052：将目标人脸匹配度对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度。
本实施例中针对每个预存的合法司机不仅存储有其面部特征信息，还存储有各个合法司机的身份信息，这些身份信息可以包括年龄、身份证号码、工作时间、驾驶年龄、职工编号等，此处不做限定
在判定当前司机身份合法之后，将大于或者等于预设匹配度阈值的人脸匹配度识别为目标人脸匹配度，将该目标人脸匹配度对应的预存的司机身份信息识别为当前司机的身份信息，以确定当前司机的身份。
S2053：根据所述当前司机的身份信息，开通车辆控制权限。
本实施例中针对不同司机的身份信息预设有不同的权限或者提成制度，在确定了当前司机的身份之后，根据当前司机的身份信息，开通车辆控制权限。本实施例中的车辆控制权限可以包括娱乐设备的开启权限、限制的行使区域等，此处不做限定。
示例性地，在出租车行业中，通过根据本实施例中的司机身份识别方式识别得到当前司机的身份信息之后，便可以根据身份信息确定司机在行使过程中产生的行使里程所对应的提成金额、或者司机在行使过程中的行使区域限制等，以实现对出租车司机驾驶的管理。
与步骤S205并列的，步骤S204之后还可以包括步骤S206～S208：
S206：若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息。
若所有人脸匹配度均小于预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证当前司机的人脸平面图像信息和人脸深度信息。本实施例中在验证未通过时可以播放语音消息，还可以在车载终端上显示验证未通过、重新采集人像的通知，此处不做限定。
需要说明的是，本实施例中重新采集人脸信息时可以是只重新采集一次，可以是重新采集多次，具体根据用户的设定进行，此处不做限定。
S207：根据所述人脸平面图像信息和所述人脸深度信息进行身份验证。
再重新获取到人脸平面图像信息和人脸深度信息之后，根据人脸平面图像信息和人脸深度信息重新进行身份验证。其验证方式与上一实施例中步骤S102～S103中技术细节，与本实施例中步骤S203～S205相同，具体不再详述。
S208：若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。
当获取到匹配度未达到设定的相似度阀值后，判定为司机身份为非法，智能分析模组会提示司机采集未通过，并要求再次采集，当连续的预设次数都未通过，则输出锁车控制信号。示例性地，当三次都未通过，则输出锁车控制信号。车辆动力系统执行锁定动作，同时提示司机车辆被锁定，
在车辆启动之前，获取所述当前司机的人脸平面图像信息；根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息。根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息；根据所述人脸平面图像信息和所述人脸深度信息进行身份验证；若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。通过将采集到的人脸各器官具备有深度信息的视频数据进行各特征分析，并与预存的合法司机的人脸特征进行比对，通过计算两者之间的人脸匹配度，并在人脸匹配度达到预定阀值时，认为比对合格，司机身份合法，可启动车辆。如果数据比对未达到预定阀值时，则认为该司机为非法司机，无法启动车辆。通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
参见图4，图4是本申请实施例三提供的一种司机身份识别装置的示意图，本实施例中的装置包括但不限于摄像头、光源发射器。司机身份识别装置400可以为智能手机、平板电脑等移动终端。本实施例的司机身份识别装置400包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的司机身份识别装置400包括：
获取单元401，用于在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
计算单元402，用于根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
判定单元403，用于若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
进一步的，所述获取单元401包括：
图像获取单元，用于在车辆启动之前，获取所述当前司机的人脸平面图像信息；
时长计量单元，用于根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；
深度信息单元，用于根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息。
进一步的，所述判定单元403包括：
判定合法单元，用于若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
身份识别单元，用于将目标人脸匹配度对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度；
权限开通单元，用于根据所述当前司机的身份信息，开通车辆控制权限。
进一步的，所述司机身份验证装置还包括：
重新采集单元，用于若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息；
再次验证单元，用于根据所述人脸平面图像信息和所述人脸深度信息进行身份验证；
判定非法单元，用于若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。
进一步的，所述深度信息单元还包括：
通过如下公式计算所述当前司机的人脸中每个特征点的深度值：
其中，Z用于表示人脸中每个特征点的深度值；C用于表示光速；τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长。
上述方案，通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
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，而不应对本申请实施例的实施过程构成任何限定。
参见图5，图5是本申请实施例四提供的一种司机身份识别装置的示意图，本实施例中的装置包括但不限于摄像头、光源发射器。如图5所示的本实施例中的司机身份识别装置500可以包括：处理器501、存储器502以及存储在存储器502中并可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个司机身份验证方法实施例中的步骤。存储器502用于存储计算机程序，所述计算机程序包括程序指令。处理器501用于执行存储器502存储的程序指令。其中，处理器501被配置用于调用所述程序指令执行以下操作：
处理器501用于：
在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
进一步的，处理器501具体用于：
在车辆启动之前，获取所述当前司机的人脸平面图像信息；
根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；
根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息。
进一步的，处理器501具体用于：
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
将目标人脸匹配度对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度；
根据所述当前司机的身份信息，开通车辆控制权限。
进一步的，处理器501具体用于：
若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息；
根据所述人脸平面图像信息和所述人脸深度信息进行身份验证；
若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。
进一步的，处理器501具体用于：
通过如下公式计算所述当前司机的人脸中每个特征点的深度值：
其中，Z用于表示人脸中每个特征点的深度值；C用于表示光速；τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长。
上述方案，通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
应当理解，在本申请实施例中，所称处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如，存储器502还可以存储设备类型的信息。
具体实现中，本申请实施例中所描述的处理器501、存储器502、计算机程序503可执行本申请实施例提供的司机身份验证方法的第一实施例和第二实施例中所描述的实现方式，也可执行本申请实施例所描述的终端的实现方式，在此不再赘述。
在本申请的另一实施例中提供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，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：
在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。
进一步的，所述计算机程序被处理器执行时还实现：
在车辆启动之前，获取所述当前司机的人脸平面图像信息；
根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；
根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息。
进一步的，所述计算机程序被处理器执行时还实现：
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
将目标人脸匹配度对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度；
根据所述当前司机的身份信息，开通车辆控制权限。
进一步的，所述计算机程序被处理器执行时还实现：
若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息；
根据所述人脸平面图像信息和所述人脸深度信息进行身份验证；
若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。
进一步的，所述计算机程序被处理器执行时还实现：
通过如下公式计算所述当前司机的人脸中每个特征点的深度值：
其中，Z用于表示人脸中每个特征点的深度值；C用于表示光速；τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长。
上述方案，通过在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限。通过实时获取当前司机的人脸平面图像信息和人脸深度信息，并计算实时获取到的人脸信息和预存的合法司机的身份信息之间的人脸匹配度，来检测当前司机身份是否合法，通过将司机的平面图像特征和深度特征结合来进行人脸识别，提高了司机身份识别的精确性。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
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，上述描述的终端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。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，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。另外，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，也可以是电的，机械的或其它的形式连接。
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申请实施例方案的目的。
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，也可以是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)执行本申请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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种司机身份验证方法，其特征在于，包括：
在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限；所述若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限，包括：
若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
将目标人脸匹配度最高时对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度；
将当前司机的验证信息进行身份识别，所述验证信息为司机指纹、身份证、身份识别卡中的至少两种；
若识别通过，则开通车辆控制权限；
所述在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息，包括：在车辆启动之前，获取所述当前司机的人脸平面图像信息；
根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；
根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息，所述人脸深度信息包括用于表示每个像素点深度位置信息的深度值，以及像素点的平面图像信息值，所述像素点的平面图像信息值中包括人脸平面图像中每个像素点的像素值，所述像素值表示人脸平面图像中一图像单元的平均亮度信息。
2.如权利要求1所述的司机身份验证方法，其特征在于，所述根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度之后，还包括：
若所有所述人脸匹配度均小于所述预设匹配度阈值，则播放司机身份验证未通过的语音消息，并重新采集和验证所述当前司机的人脸平面图像信息和人脸深度信息；
根据所述人脸平面图像信息和所述人脸深度信息进行身份验证；
若连续预设次数的身份验证都未通过，则判定所述当前司机身份非法，并输出锁车控制信号；所述锁车控制信号用于锁定车辆保持当前状态。
3.如权利要求1所述的司机身份验证方法，其特征在于，所述根据所述时长计算所述当前司机的人脸中每个特征点的深度值，包括：
通过如下公式计算所述当前司机的人脸中每个特征点的深度值：
其中，Z用于表示人脸中每个特征点的深度值；C用于表示光速；τTOF用于表示从发射光源开始到接收到人脸反射光结束之间的时长。
4.一种司机身份识别装置，其特征在于，包括：
获取单元，用于在车辆启动之前，获取当前司机的人脸平面图像信息和人脸深度信息；所述人脸深度信息包括所述当前司机的人脸中的每个特征点的深度值；
计算单元，用于根据所述人脸平面图像信息、所述人脸深度信息以及预存的合法司机的人脸样本数据，计算当前司机与每个所述合法司机的人脸匹配度；
判定单元，用于若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法，并为所述当前司机开通车辆控制权限；
所述判定单元包括：
判定合法单元，用于若任一所述人脸匹配度大于或者等于预设匹配度阈值，则判定所述当前司机身份合法；
身份识别单元，用于将目标人脸匹配度最高时对应的合法司机的身份信息识别为所述当前司机的身份信息；所述目标人脸匹配度用于表示大于或者等于预设匹配度阈值的人脸匹配度；
权限开通单元，用于将当前司机的验证信息进行身份识别，若识别通过，则开通车辆控制权限，所述验证信息为司机指纹、身份证、身份识别卡中的至少两种；
所述获取单元包括：
图像获取单元，用于在车辆启动之前，获取所述当前司机的人脸平面图像信息；
时长计量单元，用于根据所述人脸平面图像信息，确定向所述当前司机的人脸区域发射光源的方向，并发射所述光源，在接收到所述光源的反射光时，计量从发射光源的时刻到接收到所述反射光的时刻之间的时长；
深度信息单元，用于根据所述时长计算所述当前司机的人脸中每个特征点的深度值；所述特征点的深度值构成所述当前司机的人脸深度信息，所述人脸深度信息包括用于表示每个像素点深度位置信息的深度值，以及像素点的平面图像信息值，所述像素点的平面图像信息值中包括人脸平面图像中每个像素点的像素值，所述像素值表示人脸平面图像中一图像单元的平均亮度信息。
5.一种司机身份识别装置，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3任一项所述方法的步骤。
6.一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3任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910499950.6A CN110378209B (zh) | 2019-06-11 | 2019-06-11 | 一种司机身份验证方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910499950.6A CN110378209B (zh) | 2019-06-11 | 2019-06-11 | 一种司机身份验证方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110378209A CN110378209A (zh) | 2019-10-25 |
| CN110378209B true CN110378209B (zh) | 2021-12-17 |
Family
ID=68249980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910499950.6A Active CN110378209B (zh) | 2019-06-11 | 2019-06-11 | 一种司机身份验证方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110378209B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178136A (zh) * | 2019-12-03 | 2020-05-19 | 广东马上信息科技有限公司 | 一种基于大数据的智慧校园身份识别方法及系统 |
| CN111242097B (zh) * | 2020-02-27 | 2023-04-18 | 腾讯科技（深圳）有限公司 | 一种人脸识别方法、装置、计算机可读介质及电子设备 |
| EP3961483A1 (en) * | 2020-09-01 | 2022-03-02 | Aptiv Technologies Limited | Method and system for authenticating an occupant within an interior of a vehicle |
| CN114492687A (zh) * | 2022-01-06 | 2022-05-13 | 深圳市锐明技术股份有限公司 | 岗前检测方法、装置、终端设备及计算机可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326867A (zh) * | 2016-08-26 | 2017-01-11 | 维沃移动通信有限公司 | 一种人脸识别的方法及移动终端 |
| CN106778468A (zh) * | 2016-11-14 | 2017-05-31 | 深圳奥比中光科技有限公司 | 3d人脸识别方法及设备 |
| KR101767643B1 (ko) * | 2011-09-21 | 2017-08-14 | 현대모비스 주식회사 | 초음파 기반 차량 운전자 인증 및 상태 감지 장치 및 방법 |
| CN107657245A (zh) * | 2017-10-16 | 2018-02-02 | 维沃移动通信有限公司 | 一种人脸识别方法和终端设备 |
| CN107844744A (zh) * | 2017-10-09 | 2018-03-27 | 平安科技（深圳）有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
| CN108038453A (zh) * | 2017-12-15 | 2018-05-15 | 罗派智能控制技术（上海）有限公司 | 一种基于rgbd的汽车驾驶员状态检测和识别系统 |
| CN109086694A (zh) * | 2018-07-17 | 2018-12-25 | 北京量子光影科技有限公司 | 一种人脸识别系统及方法 |
| CN109522792A (zh) * | 2018-10-09 | 2019-03-26 | 浙江吉利控股集团有限公司 | 一种驾驶身份验证系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399670A (zh) * | 2018-02-28 | 2018-08-14 | 张梦雅 | 基于人脸识别的智能防盗报警系统 |
-
2019
- 2019-06-11 CN CN201910499950.6A patent/CN110378209B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101767643B1 (ko) * | 2011-09-21 | 2017-08-14 | 현대모비스 주식회사 | 초음파 기반 차량 운전자 인증 및 상태 감지 장치 및 방법 |
| CN106326867A (zh) * | 2016-08-26 | 2017-01-11 | 维沃移动通信有限公司 | 一种人脸识别的方法及移动终端 |
| CN106778468A (zh) * | 2016-11-14 | 2017-05-31 | 深圳奥比中光科技有限公司 | 3d人脸识别方法及设备 |
| CN107844744A (zh) * | 2017-10-09 | 2018-03-27 | 平安科技（深圳）有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
| CN107657245A (zh) * | 2017-10-16 | 2018-02-02 | 维沃移动通信有限公司 | 一种人脸识别方法和终端设备 |
| CN108038453A (zh) * | 2017-12-15 | 2018-05-15 | 罗派智能控制技术（上海）有限公司 | 一种基于rgbd的汽车驾驶员状态检测和识别系统 |
| CN109086694A (zh) * | 2018-07-17 | 2018-12-25 | 北京量子光影科技有限公司 | 一种人脸识别系统及方法 |
| CN109522792A (zh) * | 2018-10-09 | 2019-03-26 | 浙江吉利控股集团有限公司 | 一种驾驶身份验证系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110378209A (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110378209B (zh) | 一种司机身份验证方法及装置 | |
| US20220165087A1 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
| CN106599772B (zh) | 活体验证方法和装置及身份认证方法和装置 | |
| WO2016172872A1 (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
| CN108573203B (zh) | 身份认证方法和装置及存储介质 | |
| CN106845414B (zh) | 用于生物特征验证的质量度量的方法和系统 | |
| CN103324909B (zh) | 面部特征检测 | |
| CN107748869A (zh) | 3d人脸身份认证方法与装置 | |
| CN108124486A (zh) | 基于云端的人脸活体检测方法、电子设备和程序产品 | |
| CN106663157A (zh) | 用户认证方法、执行该方法的装置及存储该方法的记录介质 | |
| CN104036254A (zh) | 一种人脸识别方法 | |
| CN103383723A (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
| CN113205057B (zh) | 人脸活体检测方法、装置、设备及存储介质 | |
| CN109615387A (zh) | 一种基于人脸识别的消费支付系统及方法 | |
| KR20210069404A (ko) | 라이브니스 검사 방법 및 라이브니스 검사 장치 | |
| CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
| KR20210062381A (ko) | 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치 | |
| EP2610820A2 (en) | Authentication apparatus, authentication program, and method of authentication | |
| CN109657528A (zh) | 指纹识别方法以及使用指纹识别方法的电子装置 | |
| CN108629259A (zh) | 身份认证方法和装置及存储介质 | |
| CN108875549A (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
| CN116453196B (zh) | 一种人脸识别方法及系统 | |
| JP3550038B2 (ja) | モーションを利用した認証方法及び装置 | |
| CN113255401A (zh) | 3d人脸摄像装置 | |
| US20220172537A1 (en) | Device and method for user authentication using security card |
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 |