CN111310512B - 用户身份鉴权方法及装置 - Google Patents
用户身份鉴权方法及装置 Download PDFInfo
- Publication number
- CN111310512B CN111310512B CN201811509264.4A CN201811509264A CN111310512B CN 111310512 B CN111310512 B CN 111310512B CN 201811509264 A CN201811509264 A CN 201811509264A CN 111310512 B CN111310512 B CN 111310512B
- Authority
- CN
- China
- Prior art keywords
- face
- gesture
- dimensional
- user
- module
- 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
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
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/164—Detection; Localisation; Normalisation using holistic features
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例提出用户身份鉴权方法及装置。方法包括:对包含人脸的二维图片进行特征提取;根据提取的特征计算人脸姿态信息;基于人脸姿态信息进行用户身份鉴权。由于用户人脸姿态的隐私性,不易被他人得知,因此本申请实施例提高了用户身份鉴权的可靠性。
Description
技术领域
本申请实施例涉及隐私和安全技术领域,尤其涉及用户身份鉴权方法及装置。
背景技术
随着时代的发展,用户对隐私和财产安全的重要性越来越关注,隐私和安全的加密方法也在不断进步。
人脸加密指的是通过采集人脸的特征数据,依据这些特征数据形成一段特殊的电子密码,从而实现电子加密的功能。例如,单个摄像头通过人脸图片进行身份验证,会被不法分子钻漏洞,用一张有解密权限人的照片即可解密。
发明内容
本申请实施例提出用户身份鉴权方法及装置,以提高用户身份鉴权的可靠性。
本申请实施例的技术方案是这样实现的:
一种用户身份鉴权方法,该方法包括:
对包含人脸的二维图片进行特征提取;
根据提取的特征计算人脸姿态信息;
基于人脸姿态信息进行用户身份鉴权。
所述基于人脸姿态信息进行用户身份鉴权包括:
针对人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败。
所述对包含人脸的二维图片进行特征提取之前进一步包括:
采集用户的人脸二维图片;
对所述二维图片进行特征提取;
根据提取的特征计算人脸姿态信息;
针对人脸姿态信息生成并保存用户的人脸姿态标识。
所述对包含人脸的二维图片进行特征提取包括:
对包含人脸的二维图片进行特征点提取;
所述根据提取的特征计算人脸姿态信息包括:
获取提取的每个特征点在二维人脸图片上的二维坐标;根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标;根据所述二维坐标和所述三维坐标计算人脸姿态信息。
所述人脸姿态估算算法包括:基于模型的人脸姿态估算算法,或者基于表观的人脸姿态估算算法,或者基于分类的人脸姿态估算算法。
所述根据所述二维坐标和所述三维坐标计算人脸姿态信息包括:
根据相机内参数值,求解出提取的每个特征点从在二维人脸图片上的二维坐标转换到在人脸三维模型上的三维坐标的旋转矩阵R和平移向量T;根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:偏航角、俯仰角和翻滚角;
所述针对人脸姿态信息生成人脸姿态标识包括:
根据人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识。
所述根据人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识包括:
采用预设加密算法,对人脸姿态的偏航角、俯仰角和翻滚角进行加密计算,得到人脸姿态密码,将该人脸姿态密码作为人脸姿态标识。
所述对包含人脸的二维图片进行特征点提取包括:
在包含人脸的二维图片上提取人脸上不在同一平面上的至少4个特征点。
基于人脸姿态信息进行用户身份鉴权,包括:
在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件;
若是,判定所述用户身份鉴权通过。
一种用户身份鉴权装置,该装置包括:
特征提取模块,对包含人脸的二维图片进行特征提取;
姿态计算模块,根据特征提取模块提取的特征计算人脸姿态信息;
鉴权模块,基于姿态计算模块得到的人脸姿态信息进行用户身份鉴权。
所述鉴权模块包括:
针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败。
所述特征提取模块进一步包括:对采集的用户的人脸二维图片进行特征提取;
所述姿态计算模块进一步包括:根据特征提取模块提取的用户的人脸特征,计算用户的人脸姿态信息;
所述鉴权模块进一步包括:针对姿态计算模块得到的用户的人脸姿态信息生成并保存用户的人脸姿态标识。
所述特征提取模块包括:
对包含人脸的二维图片进行特征点提取;
所述姿态计算模块包括:二维坐标获取模块、坐标转换模块和姿态确定模块,其中:
二维坐标获取模块,获取提取的每个特征点在二维人脸图片上的二维坐标;
坐标转换模块,根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标;
姿态确定模块,根据二维坐标获取模块获取的所述二维坐标和坐标转换模块转换得到的所述三维坐标,计算人脸姿态信息。
所述姿态确定模块包括:根据相机内参数值以及二维坐标获取模块获取的所述二维坐标和坐标转换模块转换得到的所述三维坐标,求解出所述二维坐标转换到所述三维坐标的旋转矩阵R和平移向量T;根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:偏航角、俯仰角和翻滚角;
所述鉴权模块针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识包括:
根据姿态确定模块求解出的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识。
所述鉴权模块根据姿态确定模块求解出的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识包括:
采用预设加密算法,对人脸姿态的偏航角、俯仰角和翻滚角进行加密计算,得到人脸姿态密码,将该人脸姿态密码作为人脸姿态标识。
所述特征提取模块包括:
在包含人脸的二维图片上提取人脸上不在同一平面上的至少4个特征点。
所述鉴权模块,用于:
在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件:
若是,判定所述用户身份鉴权通过。
本申请实施例通过对包含人脸的二维图片进行特征提取,根据提取的特征计算人脸姿态信息,基于人脸姿态信息进行用户身份鉴权,由于用户人脸姿态的隐私性,不易被他人得知,因此提高了用户身份鉴权的可靠性。
附图说明
图1为本申请一实施例提供的用户身份鉴权方法流程图;
图2为本申请一实施例提供的用户的人脸姿态标识的生成方法流程图;
图3-1为以人脸在未发生任何方向任何角度时的状态来定义的X、Y、Z轴;
图3-2为yaw、pitch和roll的物理意义的示意图;
图4为本申请另一实施例提供的用户身份鉴权方法流程图;
图5为本申请实施例提供的用户身份鉴权装置的结构示意图。
具体实施方式
下面结合附图及具体实施例对本申请再作进一步详细的说明。
如果采用如下方式获得脸部特征数据,可以增加加密可靠性:
方式一、拍摄解密者的多张照片来得到解密者的脸部特征数据;
方式二、通过两个摄像头分别获取解密者不同角度的人脸照片,以获取解密者的脸部特征数据。
但是,方式一和方式二都需要多个摄像头,成本较高;
方式二解密时需要用户变化头部姿态,以获取多个姿态下的照片。
图1为本申请一实施例提供的用户身份鉴权方法流程图,其具体步骤如下:
步骤101:对包含人脸的二维图片进行特征提取。
步骤102:根据提取的特征计算人脸姿态信息。
步骤103:基于人脸姿态信息进行用户身份鉴权。
在一可选实施例中,步骤103基于人脸姿态信息进行用户身份鉴权包括:
针对人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败。
在一可选实施例中,步骤101之前进一步包括:
采集用户的人脸二维图片,对用户的人脸二维图片进行特征提取,根据提取的特征计算用户的人脸姿态信息,针对用户的人脸姿态信息生成并保存用户的人脸姿态标识。
在本申请的可选实施例中,还可以在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件:
若是,判定所述用户身份鉴权通过。
例如,若判断人脸姿态为左侧脸,进一步根据已存储的人脸数据对比,判断该左侧脸和已存储的用户人脸是否相似度达到80%,若相似度至少为80%,则判定用户身份鉴权成功,如果相似度低于80%,则仍然判定鉴权失败。如果判断出该人脸姿态为右侧脸或者正脸,则判定鉴权失败,不再进行人脸识别。这样既可以保证安全性,又能节省识别步骤,节省计算资源。
又例如,若判断人脸姿态为正面低头15度,进一步根据已存储的人脸数据对比,判断该正面低头15度的人脸图像和已存储的用户人脸相似度是否达到95%,若相似度至少为95%,则判定用户身份鉴权成功,如果相似度低于95%,则仍然判定鉴权失败。如果判断出该人脸姿态的角度不是正面低头15°,则判定鉴权失败,不再进行人脸识别。
以下对本申请实施例提出的用户身份鉴权方法进行详细说明:
图2为本申请一实施例提供的用户的人脸姿态标识的生成方法流程图,其具体步骤如下:
步骤201:采集特定用户的人脸在特定姿态下的二维图片。
特定姿态并不限定何种姿态,只要是确定好的任意姿态都可。这里描述为“特定”姿态的原因是,在解密时,只有采集到同样姿态的人脸图片才能成功解密。对于特定用户来说,其需要记住自己为生成人脸姿态标识采集图像时的脸部姿态,以便在鉴权时仍采用该姿态进行脸部图像采集,以便成功解密。
步骤202:按照预设的人脸特征提取算法,对采集的二维人脸图片进行特征点提取。
这里,提取的特征点需要满足:人脸上不在同一平面上的至少4个特征点。例如:左眼角点、右眼角点、鼻尖点、下颌点,当然特征点越多,最终的加密结果越好。
人脸特征提取算法为比较成熟的算法,如可以采用:基于几何特征的人脸特征提取算法、基于特征脸的人脸特征提取算法、基于神经网络的人脸特征提取算法、基于弹性图匹配的人脸特征提取算法、基于支持向量机的人脸特征提取算法,等等。
步骤203:获取提取的每个特征点在二维人脸图片上的二维坐标。
步骤204:根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标。
根据每个特征点在二维人脸图片上的二维坐标,可以估算出人脸的姿态,然后根据该姿态下的人脸三维模型,可以得到每个特征点在人脸三维模型上的三维坐标。
人脸姿态估算算法为比较成熟的算法,如可以采用:基于模型的人脸姿态估算算法、基于表观的人脸姿态估算算法、基于分类的人脸姿态估算算法,等等。
步骤205:根据相机内参数值,求解出提取的每个特征点从在二维人脸图片上的二维坐标转换到在人脸三维模型上的三维坐标的仿射变换矩阵,从而得到旋转矩阵R和平移向量T。
相机内参数如:相机焦距f、u0,v0等,其中,u0、v0分别表示图像的中心像素坐标和图像原点像素坐标之间相差的横、纵向像素数。
步骤206:根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:yaw(偏航角)、pitch(俯仰角)和roll(翻滚角)。
图3-1为以人脸在未发生任何方向任何角度时的状态来定义的X、Y、Z轴,图3-2为yaw、pitch和roll的物理意义的示意图,其中,yaw指的是人脸围绕Y轴旋转的角度,pitch指的是人脸围绕X轴旋转的角度,roll指的是人脸围绕Z轴旋转的角度。
步骤207:采用预设加密算法,对yaw、pitch和roll进行计算,计算结果即为特定用户的人脸姿态标识,保存特定用户的人脸姿态标识。
加密算法可以采用任意以yaw、pitch和roll为自变量的算法。
图4为本申请另一实施例提供的用户身份鉴权方法流程图,其具体步骤如下:
步骤401:采集人脸二维图片。
步骤402:按照预设的人脸特征提取算法,对采集的二维图片进行特征点提取。
这里的人脸特征提取算法必须与步骤202采用的人脸特征提取算法完全相同。
进一步地,在步骤402中,可先检测二维图片中有没有人脸,若没有,则直接确定鉴权失败,若有,则执行后续的按照预设的人脸特征提取算法,对采集的二维图片进行特征点提取的动作。
人脸检测算法为比较成熟的算法,如可以采用:基于几何特征的人脸检测算法、基于特征脸的人脸检测算法、基于神经网络的人脸检测算法、基于弹性图匹配的人脸检测算法、基于支持向量机的人脸检测算法,等等。
步骤403:获取提取的每个特征点在二维人脸图片上的二维坐标。
步骤404:根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标。
这里的人脸姿态估算算法必须与步骤204采用的人脸姿态估算算法完全相同。
步骤405:根据相机内参数值,求解出提取的每个特征点从在二维人脸图片上的二维坐标转换到在人脸三维模型上的三维坐标的仿射变换矩阵,从而得到旋转矩阵R和平移向量T。
步骤406:根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:yaw(偏航角)、pitch(俯仰角)和roll(翻滚角)。
步骤407:采用预设加密算法,对yaw、pitch和roll进行计算。
这里的加密算法必须与步骤207采用的加密算法完全相同。
步骤408:判断计算结果与已保存的特定用户的人脸姿态标识是否一致,若是,确定用户身份鉴权成功;否则,确定用户身份鉴权失败。
采用预设加密算法对yaw、pitch和roll进行计算得到的人脸姿态标识实质上为一个人脸姿态密码,则步骤408中,可判断步骤407的计算结果与已保存的特定用户的人脸姿态密码的差值是否在预设范围内,若在,则确定用户身份鉴权成功;否则,确定用户身份鉴权失败。
本申请实施例提供的用户身份鉴权方法可以应用在任何可以使用人脸进行鉴权的场合,例如:门禁、终端加、解密,等等。
本申请实施例的有益技术效果至少包括:
只需采集人脸一个姿态下的二维图片,根据该二维图片计算出人脸姿态信息,基于人脸姿态信息进行用户身份鉴权,由于只需一个摄像头,降低了成本;且只需一个姿态,因此无需用户不断变化头部姿态,提高了用户体验度;且,由于用户姿态的隐私性,不易被他人得知,因此可靠性较高。
图5为本申请实施例提供的用户身份鉴权装置的结构示意图,该装置主要包括:特征提取模块51、姿态计算模块52和鉴权模块53,其中:
特征提取模块51,对包含人脸的二维图片进行特征提取。
姿态计算模块52,根据特征提取模块51提取的特征计算人脸姿态信息。
鉴权模块53,基于姿态计算模块52得到的人脸姿态信息进行用户身份鉴权。
在本申请可选实施例中,鉴权模块53,还可以用于:
在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件:
若是,判定所述用户身份鉴权通过。
在一可选实施例中,鉴权模块53包括:针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败。
在一可选实施例中,特征提取模块51进一步包括:对采集的用户的人脸二维图片进行特征提取;
姿态计算模块52进一步包括:根据特征提取模块51提取的用户的人脸的特征,计算用户的人脸姿态信息;
鉴权模块53进一步包括:针对姿态计算模块52得到的用户的人脸姿态信息生成并保存用户的人脸姿态标识。
在一可选实施例中,特征提取模块51包括:对包含人脸的二维图片进行特征点提取;
姿态计算模块52包括:二维坐标获取模块521、坐标转换模块522和姿态确定模块523,其中:
二维坐标获取模块521,获取特征提取模块51提取的每个特征点在二维人脸图片上的二维坐标。
坐标转换模块522,根据预设的人脸姿态估算算法,将特征提取模块51提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标。
姿态确定模块523,根据二维坐标获取模块521获取的每个特征点在二维人脸图片上的二维坐标和坐标转换模块522转换得到的在人脸三维模型上的三维坐标,计算人脸姿态信息。
在一可选实施例中,姿态确定模块523包括:根据相机内参数值以及二维坐标获取模块521获取的每个特征点在二维人脸图片上的二维坐标和坐标转换模块522转换得到的在人脸三维模型上的三维坐标,求解出该二维坐标转换到该三维坐标的旋转矩阵R和平移向量T;根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:偏航角、俯仰角和翻滚角。
鉴权模块53针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识包括:根据姿态确定模块523求解出的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识。
在一可选实施例中,鉴权模块53根据姿态确定模块523求解出的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识包括:采用预设加密算法,对姿态确定模块523求解出的人脸姿态的偏航角、俯仰角和翻滚角进行计算,得到人脸姿态密码,将该人脸姿态密码作为人脸姿态标识。
在一可选实施例中,特征提取模块51包括:在二维人脸图片上提取人脸上不在同一平面上的至少4个特征点。
在一可选实施例中,特征提取模块51进行特征提取采用的算法包括:基于几何特征的人脸特征提取算法,或者基于特征脸的人脸特征提取算法,或者基于神经网络的人脸特征提取算法,或者基于弹性图匹配的人脸特征提取算法,或者基于支持向量机的人脸特征提取算法。
在一可选实施例中,坐标转换模块522根据的人脸姿态估算算法包括:基于模型的人脸姿态估算算法,或者基于表观的人脸姿态估算算法,或者基于分类的人脸姿态估算算法。
本申请实施例还提供非瞬时计算机可读存储介质,该可读存储介质上存储有机器可读指令,该机器可读指令在被处理器执行时,使处理器执行前述的任一种方法。具体地,可以提供配有可读存储介质的系统或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的机器可读指令。
在这种情况下,从可读存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本申请实施例还提供电子设备,包括如上所述的非瞬时计算机可读存储介质、以及可访问非瞬时计算机可读存储介质的处理器。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本发明的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件模块可以通过机械方式或电气方式实现。例如,一个硬件模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件模块或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (11)
1.一种用户身份鉴权方法,其特征在于,该方法包括:
对包含人脸的二维图片进行特征提取;
根据提取的特征计算人脸姿态信息;
基于人脸姿态信息进行用户身份鉴权;
所述基于人脸姿态信息进行用户身份鉴权包括:
针对人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败;
所述对包含人脸的二维图片进行特征提取之前进一步包括:
采集用户的人脸二维图片;
对所述二维图片进行特征提取;
根据提取的特征计算人脸姿态信息;
针对人脸姿态信息生成并保存用户的人脸姿态标识;
针对人脸姿态信息生成人脸姿态标识包括:
根据人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识;
所述根据人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识包括:
采用预设加密算法,对人脸姿态的偏航角、俯仰角和翻滚角进行加密计算,得到人脸姿态密码,将该人脸姿态密码作为人脸姿态标识;所述预设加密算法采用任意以偏航角、俯仰角和翻滚角为自变量的算法;
所述判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,包括:
判断得到的人脸姿态标识对应的人脸姿态密码与已保存的特定用户的人脸姿态密码的差值是否在预设范围内。
2.根据权利要求1所述的方法,其特征在于,所述对包含人脸的二维图片进行特征提取包括:
对包含人脸的二维图片进行特征点提取;
所述根据提取的特征计算人脸姿态信息包括:
获取提取的每个特征点在二维人脸图片上的二维坐标;根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标;根据所述二维坐标和所述三维坐标计算人脸姿态信息。
3.根据权利要求2所述的方法,其特征在于,所述人脸姿态估算算法包括:基于模型的人脸姿态估算算法,或者基于表观的人脸姿态估算算法,或者基于分类的人脸姿态估算算法。
4.根据权利要求2所述的方法,其特征在于,所述根据所述二维坐标和所述三维坐标计算人脸姿态信息包括:
根据相机内参数值,求解出提取的每个特征点从在二维人脸图片上的二维坐标转换到在人脸三维模型上的三维坐标的旋转矩阵R和平移向量T;根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:偏航角、俯仰角和翻滚角。
5.根据权利要求2所述的方法,其特征在于,所述对包含人脸的二维图片进行特征点提取包括:
在包含人脸的二维图片上提取人脸上不在同一平面上的至少4个特征点。
6.根据权利要求1所述的方法,其特征在于,基于人脸姿态信息进行用户身份鉴权,包括:
在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件;
若是,判定所述用户身份鉴权通过。
7.一种用户身份鉴权装置,其特征在于,该装置包括:
特征提取模块,对包含人脸的二维图片进行特征提取;
姿态计算模块,根据特征提取模块提取的特征计算人脸姿态信息;
鉴权模块,基于姿态计算模块得到的人脸姿态信息进行用户身份鉴权;
所述鉴权模块包括:
针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识,判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,若一致,则确定用户身份鉴权通过;否则,确定用户身份鉴权失败;针对姿态计算模块得到的人脸姿态信息生成人脸姿态标识包括:根据姿态计算模块计算得到的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识;所述根据姿态计算模块计算得到的人脸姿态的偏航角、俯仰角和翻滚角生成人脸姿态标识包括:采用预设加密算法,对姿态计算模块计算得到的人脸姿态的偏航角、俯仰角和翻滚角进行加密计算,得到人脸姿态密码,将该人脸姿态密码作为人脸姿态标识;所述预设加密算法采用任意以偏航角、俯仰角和翻滚角为自变量的算法;所述判断得到的人脸姿态标识与已保存用户的人脸姿态标识是否一致,包括:判断得到的人脸姿态标识对应的人脸姿态密码与已保存的特定用户的人脸姿态密码的差值是否在预设范围内;
所述特征提取模块进一步包括:对采集的用户的人脸二维图片进行特征提取;
所述姿态计算模块进一步包括:根据特征提取模块提取的用户的人脸特征,计算用户的人脸姿态信息;
所述鉴权模块进一步包括:针对姿态计算模块得到的用户的人脸姿态信息生成并保存用户的人脸姿态标识。
8.根据权利要求7所述的装置,其特征在于,所述特征提取模块包括:
对包含人脸的二维图片进行特征点提取;
所述姿态计算模块包括:二维坐标获取模块、坐标转换模块和姿态确定模块,其中:
二维坐标获取模块,获取提取的每个特征点在二维人脸图片上的二维坐标;
坐标转换模块,根据预设的人脸姿态估算算法,将提取的每个特征点在二维人脸图片上的二维坐标分别转换成在人脸三维模型上的三维坐标;
姿态确定模块,根据二维坐标获取模块获取的所述二维坐标和坐标转换模块转换得到的所述三维坐标,计算人脸姿态信息。
9.根据权利要求8所述的装置,其特征在于,所述姿态确定模块包括:根据相机内参数值以及二维坐标获取模块获取的所述二维坐标和坐标转换模块转换得到的所述三维坐标,求解出所述二维坐标转换到所述三维坐标的旋转矩阵R和平移向量T;根据旋转矩阵R和平移向量T,求解出人脸姿态的欧拉角:偏航角、俯仰角和翻滚角。
10.根据权利要求8所述的装置,其特征在于,所述特征提取模块包括:
在包含人脸的二维图片上提取人脸上不在同一平面上的至少4个特征点。
11.根据权利要求7所述的装置,其特征在于,所述鉴权模块,用于:
在确定所述人脸姿态信息符合人脸姿态条件时,
判断所述人脸的与已存储的用户人脸的相似度是否满足人脸比对条件:
若是,判定所述用户身份鉴权通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811509264.4A CN111310512B (zh) | 2018-12-11 | 2018-12-11 | 用户身份鉴权方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811509264.4A CN111310512B (zh) | 2018-12-11 | 2018-12-11 | 用户身份鉴权方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310512A CN111310512A (zh) | 2020-06-19 |
CN111310512B true CN111310512B (zh) | 2023-08-22 |
Family
ID=71156133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811509264.4A Active CN111310512B (zh) | 2018-12-11 | 2018-12-11 | 用户身份鉴权方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310512B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001932B (zh) * | 2020-09-01 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
CN112133314A (zh) * | 2020-09-24 | 2020-12-25 | 深圳前海微众银行股份有限公司 | 声纹密码的设置和验证的方法、装置、设备和存储介质 |
CN112613448B (zh) * | 2020-12-28 | 2021-12-28 | 北京的卢深视科技有限公司 | 人脸数据标注方法及系统 |
CN112990047B (zh) * | 2021-03-26 | 2024-03-12 | 南京大学 | 一种结合面部角度信息的多姿态人脸验证方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067390A (zh) * | 2012-12-28 | 2013-04-24 | 青岛爱维互动信息技术有限公司 | 一种基于人脸特征的用户注册认证方法和系统 |
CN103824068A (zh) * | 2014-03-19 | 2014-05-28 | 上海看看智能科技有限公司 | 人脸支付认证系统及方法 |
KR101515308B1 (ko) * | 2013-12-31 | 2015-04-27 | 재단법인대구경북과학기술원 | 얼굴 자세 추정 장치 및 그 방법 |
CN104951680A (zh) * | 2014-03-27 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 一种生物特征信息处理方法、保存方法及装置 |
CN105320954A (zh) * | 2014-07-30 | 2016-02-10 | 北京三星通信技术研究有限公司 | 人脸认证装置和方法 |
KR20160029629A (ko) * | 2014-09-05 | 2016-03-15 | 삼성전자주식회사 | 얼굴 인식 방법 및 장치 |
CN106355147A (zh) * | 2016-08-26 | 2017-01-25 | 张艳 | 一种活体人脸检测头部姿态回归器的获取方法及检测方法 |
CN106503671A (zh) * | 2016-11-03 | 2017-03-15 | 厦门中控生物识别信息技术有限公司 | 确定人脸姿态的方法和装置 |
KR101717377B1 (ko) * | 2015-11-30 | 2017-03-17 | 재단법인대구경북과학기술원 | 얼굴 자세 추정 장치 및 얼굴 자세 추정 방법 |
JP2017162420A (ja) * | 2016-03-13 | 2017-09-14 | 学校法人関西学院 | 個人認証方法および個人認証システム |
CN107871114A (zh) * | 2016-09-23 | 2018-04-03 | 杭州海康威视数字技术股份有限公司 | 一种推送目标人员跟踪信息的方法、装置及系统 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245341B (zh) * | 2015-09-07 | 2018-11-30 | 天地融科技股份有限公司 | 远程身份认证方法和系统以及远程开户方法和系统 |
-
2018
- 2018-12-11 CN CN201811509264.4A patent/CN111310512B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103067390A (zh) * | 2012-12-28 | 2013-04-24 | 青岛爱维互动信息技术有限公司 | 一种基于人脸特征的用户注册认证方法和系统 |
KR101515308B1 (ko) * | 2013-12-31 | 2015-04-27 | 재단법인대구경북과학기술원 | 얼굴 자세 추정 장치 및 그 방법 |
CN103824068A (zh) * | 2014-03-19 | 2014-05-28 | 上海看看智能科技有限公司 | 人脸支付认证系统及方法 |
CN104951680A (zh) * | 2014-03-27 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 一种生物特征信息处理方法、保存方法及装置 |
CN105320954A (zh) * | 2014-07-30 | 2016-02-10 | 北京三星通信技术研究有限公司 | 人脸认证装置和方法 |
KR20160029629A (ko) * | 2014-09-05 | 2016-03-15 | 삼성전자주식회사 | 얼굴 인식 방법 및 장치 |
KR101717377B1 (ko) * | 2015-11-30 | 2017-03-17 | 재단법인대구경북과학기술원 | 얼굴 자세 추정 장치 및 얼굴 자세 추정 방법 |
JP2017162420A (ja) * | 2016-03-13 | 2017-09-14 | 学校法人関西学院 | 個人認証方法および個人認証システム |
CN106355147A (zh) * | 2016-08-26 | 2017-01-25 | 张艳 | 一种活体人脸检测头部姿态回归器的获取方法及检测方法 |
CN107871114A (zh) * | 2016-09-23 | 2018-04-03 | 杭州海康威视数字技术股份有限公司 | 一种推送目标人员跟踪信息的方法、装置及系统 |
CN106503671A (zh) * | 2016-11-03 | 2017-03-15 | 厦门中控生物识别信息技术有限公司 | 确定人脸姿态的方法和装置 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111310512A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310512B (zh) | 用户身份鉴权方法及装置 | |
JP7133949B2 (ja) | 顔認証方法及び装置 | |
US20210064900A1 (en) | Id verification with a mobile device | |
EP3525165B1 (en) | Method and apparatus with image fusion | |
EP3196801B1 (en) | Face recognition method, device and computer readable storage medium | |
CN105868677B (zh) | 一种活体人脸检测方法及装置 | |
KR102655949B1 (ko) | 3d 영상 기반의 얼굴 인증 방법 및 장치 | |
Dibeklioglu et al. | Like father, like son: Facial expression dynamics for kinship verification | |
Wang et al. | Face liveness detection using 3D structure recovered from a single camera | |
US10776609B2 (en) | Method and system for facial recognition | |
WO2019075840A1 (zh) | 身份验证方法、装置、存储介质和计算机设备 | |
KR101494874B1 (ko) | 사용자 인증 방법, 이를 실행하는 장치 및 이를 저장한 기록 매체 | |
KR101242390B1 (ko) | 사용자를 인증하기 위한 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체 | |
JP2018160237A (ja) | 顔認証方法及び装置 | |
JP2018165980A (ja) | 顔認証方法及び装置 | |
CN104246793A (zh) | 移动设备的三维脸部识别 | |
JP6528764B2 (ja) | 顔照合装置、方法、及び、記録媒体 | |
JP2018524654A (ja) | 活動検出方法及びデバイス、並びに本人認証方法及びデバイス | |
US20210027080A1 (en) | Spoof detection by generating 3d point clouds from captured image frames | |
US10628998B2 (en) | System and method for three dimensional object reconstruction and quality monitoring | |
US11157605B2 (en) | Security control method and device of application, and electronic device | |
CN111582027A (zh) | 身份认证方法、装置、计算机设备和存储介质 | |
Sardar et al. | Face recognition system with hybrid template protection scheme for Cyber–Physical-Social Services | |
Kisku et al. | Face spoofing and counter-spoofing: a survey of state-of-the-art algorithms | |
KR101360063B1 (ko) | 제스처 인식 방법 및 시스템 |
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 |