CN110443098A - 身份验证系统、方法、装置和计算机可读存储介质 - Google Patents
身份验证系统、方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110443098A CN110443098A CN201810416995.8A CN201810416995A CN110443098A CN 110443098 A CN110443098 A CN 110443098A CN 201810416995 A CN201810416995 A CN 201810416995A CN 110443098 A CN110443098 A CN 110443098A
- Authority
- CN
- China
- Prior art keywords
- user
- threshold
- matching degree
- mobile device
- device information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开涉及一种身份验证系统、方法、装置和计算机可读存储介质,涉及信息处理技术领域。该系统包括:图像传感器,被配置为获取用户的人脸图像;设备信息获取装置,被配置为获取用户的移动设备信息;和处理器,被配置为:对人脸图像进行人脸识别,以获取用户的人脸特征;计算获取的人脸特征与用户预留的人脸特征的匹配程度;根据匹配程度,判断是否需要获取用户的移动设备信息来验证用户;在不需要的情况下,根据匹配程度确定是否通过用户的身份验证;在需要的情况下,根据获取的移动设备信息与用户预留的移动设备信息是否一致,确定是否通过用户的身份验证。本公开的技术方案能够提高身份验证的准确率和用户体验。
Description
技术领域
本公开涉及信息处理技术领域,特别涉及一种身份验证系统、身份验证方法、身份验证装置和计算机可读存储介质。
背景技术
通过信息处理技术进行身份识别和验证已经被广泛应用于很多领域,而且对身份识别和验证的要求也越来越高。例如,无人超市为了实现便捷的购物体验,对来访对象身份识别的速度和精度都有很高的要求,这不但会影响到顾客进店的效率还会影响后续的商品结算。
相关技术一方面通过人脸识别等方式对用户进行身份验证。另一方面,相关技术通过用户主动配合的方式对用户的身份进行验证。例如,通过扫码对用户进行身份验证,或者通过用户摇头、眨眼等动作对用户进行人脸识别来验证其身份。
发明内容
本公开的发明人发现上述相关技术中存在如下问题:人脸识别方法的识别率较低,导致验证错误率高;需要用户主动配合验证,导致验证时间较长、用户体验差。鉴于此,本公开提出了一种身份识别技术方案,能够提高验证准确率和验证速度,从而提升用户体验。
根据本公开的一些实施例,提供了一种身份验证系统,包括:图像传感器,被配置为获取用户的人脸图像;设备信息获取装置,被配置为获取所述用户的移动设备信息;和处理器,被配置为:对所述人脸图像进行人脸识别,以获取所述用户的人脸特征;计算获取的人脸特征与所述用户预留的人脸特征的匹配程度;根据所述匹配程度,判断是否需要获取所述用户的移动设备信息来验证所述用户;在不需要的情况下,根据所述匹配程度确定是否通过所述用户的身份验证;在需要的情况下,根据获取的移动设备信息与所述用户预留的移动设备信息是否一致,确定是否通过所述用户的身份验证。
可选地,所述设备信息获取装置为Wi-Fi(Wireless-Fidelity,无线保真)探针。
可选地,在所述匹配程度小于第一阈值且大于第二阈值的情况下,判断需要获取所述用户的移动设备信息来验证所述用户,所述第一阈值大于所述第二阈值。
可选地,在所述匹配程度大于等于所述第一阈值或者所述匹配程度小于等于所述第二阈值的情况下,判断不需要获取所述用户的移动设备信息来验证所述用户。在所述匹配程度大于等于所述第一阈值的情况下,通过所述用户的身份验证。在所述匹配程度小于等于所述第二阈值的情况下,不通过所述用户的身份验证。
可选地,所述图像传感器获取包含所述用户的视频流,在所述视频流中获取所述用户的人脸图像。
可选地,所述第一阈值根据所述身份验证系统的处理速度和人脸识别的准确度中的至少一个确定;所述第二阈值根据获取所述人脸图像时的背景环境和光照条件中的至少一个确定。
可选地,所述处理器在所述匹配程度大于所述第一阈值的情况下,根据获取的所述用户的移动设备信息更新所述用户预留的移动设备信息。
根据本公开的另一些实施例,提供一种身份验证方法,包括:对主动获取的用户的人脸图像进行人脸识别,以获取所述用户的人脸特征;计算获取的人脸特征与所述用户预留的人脸特征的匹配程度;根据所述匹配程度,判断是否需要获取所述用户的移动设备信息来验证所述用户;在不需要的情况下,根据所述匹配程度确定是否通过所述用户的身份验证;在需要的情况下,主动获取所述移动设备信息,根据获取的移动设备信息与所述用户预留的移动设备信息是否一致,确定是否通过所述用户的身份验证。
可选地,在在所述匹配程度小于第一阈值且大于第二阈值的情况下,判断需要获取所述用户的移动设备信息来验证所述用户,所述第一阈值大于所述第二阈值。
可选地,在所述匹配程度大于等于所述第一阈值或者所述匹配程度小于等于所述第二阈值的情况下,判断不需要获取所述用户的移动设备信息来验证所述用户。在所述匹配程度大于等于所述第一阈值的情况下,通过所述用户的身份验证。在所述匹配程度小于等于所述第二阈值的情况下,不通过所述用户的身份验证。
可选地,主动获取包含所述用户的视频流,在所述视频流中获取所述用户的人脸图像。
可选地,所述第一阈值根据所述身份验证方法的处理速度和人脸识别的准确度中的至少一个确定;所述第二阈值根据获取所述人脸图像时的背景环境或光照条件中的至少一个确定。
可选地,在所述匹配程度大于所述第一阈值的情况下,根据获取的所述用户的移动设备信息更新所述用户预留的移动设备信息。
根据本公开的又一些实施例,提供一种身份验证装置,包括:存储器;和耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器装置中的指令,执行上述任一个实施例中的身份验证方法中的一个或多个步骤。
根据本公开的再一些实施例,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一个实施例中的身份验证方法中的一个或多个步骤。
在上述实施例中,一方面通过主动采集用户的人脸信息和设备信息,用户只需被动接收验证即可,无需进行主动配合,减少了验证时间,提高了验证速度,从而提升了用户体验。另一方面,利用人脸识别技术和设备信息获取技术提高了身份验证的准确率。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1示出本公开的身份验证方法的一些实施例的流程图;
图2示出本公开的身份验证方法的另一些实施例的流程图;
图3示出图1和图2中步骤140的一些实施例的流程图;
图4示出本公开的身份验证系统的一些实施例的框图;
图5示出本公开的身份验证装置的一些实施例的框图;
图6示出本公开的身份验证装置的另一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出本公开的身份验证方法的一些实施例的流程图。
如图1所示,该方法包括:步骤110,获取人脸特征;步骤120,计算人脸特征的匹配程度;步骤130,判断是否需要根据移动设备信息验证用户;步骤140,根据匹配程度验证用户;步骤150,主动获取用户的移动设备信息;和步骤160,根据移动设备信息验证用户。
在步骤110中,对主动获取用户的人脸图像进行人脸识别,以获取用户的人脸特征。例如,可以通过摄像头等图像传感器拍摄包含用户脸部的图像作为人脸图像。这样,无需用户配合,只需用户进入摄像头的拍摄范围即可获取验证用户身份的必要依据,从而提高了用户体验。
在一些实施例中,也可以通过摄像头获取包含用户的视频流,在视频流中获取用户的人脸图像。例如,首先可以采用人脸检测方法保证从视频流中获取的图像中包含用户的人脸,然后可以采用图像质量评价方法来保证获取的人脸图像的质量。这样获取的人脸图像,可以提高人脸识别的准确率。
在步骤120中,计算获取的人脸特征与用户预留的人脸特征的匹配程度。例如,可以计算人脸特征向量之间的距离来确定人脸特征的匹配程度。
在一些实施例中,在步骤110之前可以进行用户注册,注册信息中可以包含用户的人脸特征和移动设备信息。例如,可以通过Wi-Fi探针获取用户的移动设备信息,如MAC(Media Access Control,媒体访问控制)地址。并将用户的人脸特征和移动设备信息绑定后存储到用户数据库。在对用户进行人脸识别后,可以将通过识别得到的人脸特征与用户数据库中的人脸特征进行匹配从而确定匹配程度。
在步骤130中,根据匹配程度,判断是否需要获取用户的移动设备信息来验证用户。如果需要,则执行步骤150;如果不需要,则执行步骤160。
在一些实施例中,在匹配程度高到可以证明该用户身份可靠,或匹配程度低到可以证明该用户身份可疑时,可以直接给出验证结果;否则,还需要进一步通过移动设备信息来验证用户。
在步骤140中,根据匹配程度确定是否通过用户的身份验证。
在步骤150中,主动获取移动设备信息。例如,可以通过Wi-Fi探针获取用户的移动设备信息,也可以通过路由器、网关等设备获取。这样,无需用户配合,只要用户进入Wi-Fi探针的探测范围,即可获取验证用户身份的必要依据,从而提升了用户体验。
在步骤160中,根据获取的移动设备信息与用户预留的移动设备信息是否一致,确定是否通过用户的身份验证。
在一些实施例中,可以通过图2中的步骤实施图1中的步骤140和步骤170。
图2示出本公开的身份验证方法的另一些实施例的流程图。
如图2所示,该方法的步骤110和步骤120与图1中相同再次不再赘述。
在步骤230中,判断匹配程度是否小于第一阈值且大于第二阈值。如果小于,则执行步骤150;如果大于,则执行步骤140。例如,第一阈值可以根据实际需要的处理速度和人脸识别的准确度中的至少一个确定。第二阈值可以根据获取人脸图像时的背景环境和光照条件中的至少一个确定。
通过步骤230,可以通过第一阈值和第二阈值筛选出那些与预留人脸特征具有一定相似程度,但是不足以确定身份的用户,即待定用户。这样可以对这些待定用户进行进一步的验证以确定其身份,从而提高验证效率和准确率。
在步骤140中,不需要获取用户的移动设备信息来验证用户,根据匹配程度验证用户。在一些实施例中,可以通过图3中的步骤实施步骤140。
图3示出图1和图2中步骤140的一些实施例的流程图。
如图3所示,在步骤1401中,在匹配程度大于第一阈值的情况下,通过用户的身份验证。这一部分用户的人脸特征与预留的人脸特征的匹配度很高,可以证明这些用户的身份,因此可以直接确定通过验证,从而提高验证效率。
在一些实施例中,在匹配程度大于第一阈值的情况下,可以根据获取的用户的移动设备信息,更新用户预留的移动设备信息。因为,在这种情况下,用户的身份已经得到了验证,此时更新用户的移动设备信息可以保证预留的验证信息的准确性。例如,即使用户更换了移动设备,仍然能够保证预留的移动设备信息是准确的。
在步骤1402中,在匹配程度小于第二阈值的情况下,不通过用户的身份验证。这一部分用户的人脸特征与预留的人脸特征的匹配度很低,说明这些用户身份可疑或者获取的人脸图片不清晰,因此可以直接确定不通过验证,从而提高验证效率。
一方面,利用图3中的方法通过匹配程度验证了一部分用户,另一方面,可以利用图2中的步骤150-1603通过移动设备信息验证其他用户。
在步骤150中,判断需要获取用户的移动设备信息来验证用户,主动获取用户的移动设备信息。
在步骤1601中,判断获取的移动设备信息和用户预留的移动设备信息是否一致。如果一致,则执行步骤1603;如果不一致,则执行步骤1602。
在步骤1602中,不通过该用户的验证。
在步骤1603中,通过该用户的验证。
上述实施例中,一方面通过主动采集用户的人脸信息和设备信息,用户只需被动接收验证即可,无需进行主动配合,减少了验证时间,提高了验证速度,从而提升了用户体验。另一方面,利用人脸识别技术和设备信息获取技术提高了身份验证的准确率。
图4示出本公开的身份验证系统的一些实施例的框图。
如图4所示,身份验证系统4包括:图像传感器41、设备信息获取装置42和处理器43。
图像传感器41获取用户的人脸图像,例如图像传感器41获取包含用户的视频流,在视频流中获取所述用户的人脸图像。设备信息获取装置42获取用户的移动设备信息。设备信息获取装置42例如可以是Wi-Fi探针,或者路由器、网关等设备。
处理器43被配置为:对人脸图像进行人脸识别,以获取用户的人脸特征;计算获取的人脸特征与用户预留的人脸特征的匹配程度;根据匹配程度,判断是否需要获取用户的移动设备信息来验证用户;在不需要的情况下,根据匹配程度确定是否通过用户的身份验证;在需要的情况下,根据获取的移动设备信息与用户预留的移动设备信息是否一致,确定是否通过用户的身份验证。
在一些实施例中,可以根据实际需要的处理速度和人脸识别的准确度中的至少一个确定第一阈值。可以根据获取人脸图像时的背景环境和光照条件中的至少一个确定第二阈值。
在一些实施例中,在匹配程度小于第一阈值且大于第二阈值的情况下,处理器43获取用户的移动设备信息来验证用户。在匹配程度大于第一阈值的情况下,处理器43通过用户的身份验证。在匹配程度小于第二阈值的情况下,处理器43不通过用户的身份验证。
上述实施例中,一方面通过主动采集用户的人脸信息和设备信息,用户只需被动接收验证即可,无需进行主动配合,减少了验证时间,提高了验证速度,从而提升了用户体验。另一方面,利用人脸识别技术和设备信息获取技术提高了身份验证的准确率。
图5示出本公开的身份验证装置的一些实施例的框图。
如图5所示,该实施例的装置5包括:存储器51以及耦接至该存储器51的处理器52,处理器52被配置为基于存储在存储器51中的指令,执行本公开中任意一个实施例中的身份验证方法中的一个或多个步骤。
其中,存储器51例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图6示出本公开的身份验证装置的另一些实施例的框图。
如图6所示,在身份验证装置6中,处理器620通过BUS总线630耦接至存储器610。身份验证装置6还可以通过存储接口660连接至外部存储装置650以便调用外部数据,还可以通过网络接口660连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。
在一些实施例中,通过存储器610存储数据指令,再通过处理器620处理上述指令,能够实现前述任一实施例的身份验证方法。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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非瞬时性存储介质(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。
至此,已经详细描述了根据本公开的身份验证系统、身份验证方法、身份验证装置和计算机可读存储介质。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (15)
1.一种身份验证系统,包括:
图像传感器,被配置为获取用户的人脸图像;
设备信息获取装置,被配置为获取所述用户的移动设备信息;和
处理器,被配置为:
对所述人脸图像进行人脸识别,以获取所述用户的人脸特征;
计算获取的人脸特征与所述用户预留的人脸特征的匹配程度;
根据所述匹配程度,判断是否需要获取所述用户的移动设备信息来验证所述用户;
在不需要的情况下,根据所述匹配程度确定是否通过所述用户的身份验证;
在需要的情况下,根据获取的移动设备信息与所述用户预留的移动设备信息是否一致,确定是否通过所述用户的身份验证。
2.根据权利要求1所述的身份验证系统,其中,所述设备信息获取装置为Wi-Fi探针。
3.根据权利要求1所述的身份验证系统,其中,在所述匹配程度小于第一阈值且大于第二阈值的情况下,判断需要获取所述用户的移动设备信息来验证所述用户,所述第一阈值大于所述第二阈值。
4.根据权利要求3所述的身份验证系统,其中,
在所述匹配程度大于等于所述第一阈值或者所述匹配程度小于等于所述第二阈值的情况下,判断不需要获取所述用户的移动设备信息来验证所述用户,
在所述匹配程度大于等于所述第一阈值的情况下,通过所述用户的身份验证,
在所述匹配程度小于等于所述第二阈值的情况下,不通过所述用户的身份验证。
5.根据权利要求1-4任一项所述的身份验证系统,其中,
所述图像传感器获取包含所述用户的视频流,在所述视频流中获取所述用户的人脸图像。
6.根据权利要求1-4任一项所述的身份验证系统,其中,
所述第一阈值根据所述身份验证系统的处理速度和人脸识别的准确度中的至少一个确定;
所述第二阈值根据获取所述人脸图像时的背景环境和光照条件中的至少一个确定。
7.根据权利要求3或4所述的身份验证系统,其中,
所述处理器在所述匹配程度大于所述第一阈值的情况下,根据获取的所述用户的移动设备信息更新所述用户预留的移动设备信息。
8.一种身份验证方法,包括:
对主动获取的用户的人脸图像进行人脸识别,以获取所述用户的人脸特征;
计算获取的人脸特征与所述用户预留的人脸特征的匹配程度;
根据所述匹配程度,判断是否需要获取所述用户的移动设备信息来验证所述用户;
在不需要的情况下,根据所述匹配程度确定是否通过所述用户的身份验证;
在需要的情况下,主动获取所述移动设备信息,根据获取的移动设备信息与所述用户预留的移动设备信息是否一致,确定是否通过所述用户的身份验证。
9.根据权利要求8所述的身份验证方法,其中,
在所述匹配程度小于第一阈值且大于第二阈值的情况下,判断需要获取所述用户的移动设备信息来验证所述用户,所述第一阈值大于所述第二阈值。
10.根据权利要求8所述的身份验证方法,其中,
在所述匹配程度大于等于所述第一阈值或者所述匹配程度小于等于所述第二阈值的情况下,判断不需要获取所述用户的移动设备信息来验证所述用户,
在所述匹配程度大于等于所述第一阈值的情况下,通过所述用户的身份验证,
在所述匹配程度小于等于所述第二阈值的情况下,不通过所述用户的身份验证。
11.根据权利要求8-10任一项所述的身份验证方法,其中,所述人脸图像在主动获取的包含所述用户的视频流中获取。
12.根据权利要求8-10任一项所述的身份验证方法,其中,
所述第一阈值根据所述身份验证方法的处理速度和人脸识别的准确度中的至少一个确定;
所述第二阈值根据获取所述人脸图像时的背景环境或光照条件中的至少一个确定。
13.根据权利要求8-10任一项所述的身份验证方法,还包括:
在所述匹配程度大于所述第一阈值的情况下,根据获取的所述用户的移动设备信息更新所述用户预留的移动设备信息。
14.一种身份验证装置,包括:
存储器;和
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器装置中的指令,执行权利要求8-13任一项所述的身份验证方法中的一个或多个步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求8-13任一项所述的身份验证方法中的一个或多个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810416995.8A CN110443098A (zh) | 2018-05-04 | 2018-05-04 | 身份验证系统、方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810416995.8A CN110443098A (zh) | 2018-05-04 | 2018-05-04 | 身份验证系统、方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443098A true CN110443098A (zh) | 2019-11-12 |
Family
ID=68427480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810416995.8A Pending CN110443098A (zh) | 2018-05-04 | 2018-05-04 | 身份验证系统、方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443098A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488562A (zh) * | 2020-04-07 | 2020-08-04 | 中国移动通信集团江苏有限公司 | 基于人脸比对的阈值确定方法、装置、设备及介质 |
CN112330322A (zh) * | 2020-01-06 | 2021-02-05 | 支付宝实验室(新加坡)有限公司 | 用于用户身份验证的设备、方法和系统 |
CN112364733A (zh) * | 2020-10-30 | 2021-02-12 | 重庆电子工程职业学院 | 智能安防人脸识别系统 |
CN112989937A (zh) * | 2021-02-07 | 2021-06-18 | 支付宝(杭州)信息技术有限公司 | 用户身份验证的方法和装置 |
CN113836970A (zh) * | 2020-06-23 | 2021-12-24 | 深圳酷派技术有限公司 | 身份验证方法、装置、存储介质和电子设备 |
CN117454351A (zh) * | 2023-12-20 | 2024-01-26 | 福建票付通信息科技有限公司 | 一种人脸特征值同步方法及身份验证系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914904A (zh) * | 2013-10-30 | 2014-07-09 | 北京安捷天盾科技发展有限公司 | 人脸识别排号机 |
CN105205367A (zh) * | 2014-06-27 | 2015-12-30 | 联想(北京)有限公司 | 信息处理方法以及电子设备 |
CN106934787A (zh) * | 2015-12-29 | 2017-07-07 | 杭州海康威视系统技术有限公司 | 一种智能门禁控制方法、系统、服务器及设备 |
US20180068173A1 (en) * | 2016-09-02 | 2018-03-08 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
-
2018
- 2018-05-04 CN CN201810416995.8A patent/CN110443098A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914904A (zh) * | 2013-10-30 | 2014-07-09 | 北京安捷天盾科技发展有限公司 | 人脸识别排号机 |
CN105205367A (zh) * | 2014-06-27 | 2015-12-30 | 联想(北京)有限公司 | 信息处理方法以及电子设备 |
CN106934787A (zh) * | 2015-12-29 | 2017-07-07 | 杭州海康威视系统技术有限公司 | 一种智能门禁控制方法、系统、服务器及设备 |
US20180068173A1 (en) * | 2016-09-02 | 2018-03-08 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330322A (zh) * | 2020-01-06 | 2021-02-05 | 支付宝实验室(新加坡)有限公司 | 用于用户身份验证的设备、方法和系统 |
CN111488562A (zh) * | 2020-04-07 | 2020-08-04 | 中国移动通信集团江苏有限公司 | 基于人脸比对的阈值确定方法、装置、设备及介质 |
CN113836970A (zh) * | 2020-06-23 | 2021-12-24 | 深圳酷派技术有限公司 | 身份验证方法、装置、存储介质和电子设备 |
CN112364733A (zh) * | 2020-10-30 | 2021-02-12 | 重庆电子工程职业学院 | 智能安防人脸识别系统 |
CN112364733B (zh) * | 2020-10-30 | 2022-07-26 | 重庆电子工程职业学院 | 智能安防人脸识别系统 |
CN112989937A (zh) * | 2021-02-07 | 2021-06-18 | 支付宝(杭州)信息技术有限公司 | 用户身份验证的方法和装置 |
CN117454351A (zh) * | 2023-12-20 | 2024-01-26 | 福建票付通信息科技有限公司 | 一种人脸特征值同步方法及身份验证系统 |
CN117454351B (zh) * | 2023-12-20 | 2024-05-31 | 福建票付通信息科技有限公司 | 一种人脸特征值同步方法及身份验证系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443098A (zh) | 身份验证系统、方法、装置和计算机可读存储介质 | |
US11861937B2 (en) | Facial verification method and apparatus | |
US9886827B2 (en) | Registry verification for a mechanized store | |
TWI616822B (zh) | 在以影像爲基礎的生物統計中之臉部欺騙偵測技術 | |
CN104008317B (zh) | 认证设备和认证方法 | |
JP6261197B2 (ja) | 表示制御装置、表示制御方法、及びプログラム | |
CN104246793A (zh) | 移动设备的三维脸部识别 | |
US11410461B2 (en) | Information processing system, method for managing object to be authenticated, and program | |
WO2011145239A1 (ja) | 位置推定装置、位置推定方法及びプログラム | |
CN109766736A (zh) | 人脸识别方法、装置和系统 | |
CN109766755A (zh) | 人脸识别方法及相关产品 | |
EP2922022A1 (en) | Feature value extraction device and location inference device | |
CN113539418A (zh) | 运动信息管理系统及其控制方法 | |
US11705133B1 (en) | Utilizing sensor data for automated user identification | |
US20230410514A1 (en) | Information processing apparatus, information processing method, and program | |
JP7230345B2 (ja) | 情報処理装置及び情報処理プログラム | |
Jeong et al. | IAAS: IoT-based automatic attendance system with photo face recognition in smart campus | |
CN111429194B (zh) | 用户轨迹确定系统、方法、装置及服务器 | |
US20220189110A1 (en) | System and method for adaptively constructing a three-dimensional facial model based on two or more inputs of a two-dimensional facial image | |
CN211087230U (zh) | 眼球追踪解锁系统 | |
JP2022015864A (ja) | 映像解析装置、広域監視システム及びカメラの選定方法 | |
EP3989105B1 (en) | Embedded device based detection system | |
CN108235228A (zh) | 一种安全校验方法和装置 | |
Kim et al. | Uncooperative person recognition based on stochastic information updates and environment estimators | |
US20230377188A1 (en) | Group specification apparatus, group specification method, and computer-readable recording medium |
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 |