CN111886842A - 使用基于阈值的匹配进行远程用户身份验证 - Google Patents
使用基于阈值的匹配进行远程用户身份验证 Download PDFInfo
- Publication number
- CN111886842A CN111886842A CN201980021049.6A CN201980021049A CN111886842A CN 111886842 A CN111886842 A CN 111886842A CN 201980021049 A CN201980021049 A CN 201980021049A CN 111886842 A CN111886842 A CN 111886842A
- Authority
- CN
- China
- Prior art keywords
- user
- photograph
- real
- signature
- time
- 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
Images
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/40—User authentication by quorum, i.e. whereby two or more security principals are required
-
- 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
-
- 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
- G06V40/30—Writer recognition; Reading and verifying signatures
- G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
Abstract
本公开涉及使用基于阈值的匹配进行远程用户身份验证。公开了一种用于验证远程用户身份的方法,该方法包括从相关的数字身份卡中检索用户的照片和用户签名;请求实时照片集,其中,实时照片集包括第一照片和第二照片;请求对所请求的实时照片集进行实时书面签名;将实时书面签名与相关的数字身份卡的用户签名进行签名匹配;将实时照片集的第一照片中的背景与实时照片集的第二照片中的背景进行背景匹配;将第一照片中的用户图像与相关的数字身份卡中的用户照片进行用户匹配;并响应于确定签名匹配满足第一阈值,背景匹配满足第二阈值以及用户匹配满足第三阈值来验证用户的身份。
Description
背景技术
本公开涉及高层架构,并且更具体地,涉及应用视觉分析来验证用户的身份。
认识您的客户(KYC)实施是用户验证的过程。KYC流程通常是面对面的流程,包括用于标识和验证客户身份的严格规定,因此,必须建立和维护书面客户标识程序,其中列出了验证客户身份的标准。传统上,存在严格的限制,阻止远程用户验证其身份卡明,其为了解您的客户流程的关键步骤。现有技术的一般状况无法有效地防止欺诈性的远程帐户验证。
发明内容
本公开的各方面针对一种用于使用视觉分析来验证远程用户身份的方法。该方法可以包括从相关的数字身份卡中检索用户的照片和用户签名,同时另外请求实时照片集。实时照片集包括第一照片和第二照片。该方法可以进一步包括请求对所请求的实时照片集进行实时书面签名。该方法可以进一步包括将所述第一照片的实时书面签名与所述相关的数字身份卡的所述用户签名进行签名匹配。该方法可以另外包括将所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片中的背景进行背景匹配。接下来,该方法可以包括将所述实时照片集中的所述第一照片中的用户图像与所述相关的数字身份卡中的所述用户照片进行用户匹配,并响应于确定所述第一照片集的所述实时书面签名与检索到的所述相关的数字身份卡的用户签名的匹配满足第一阈值,所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片的背景的匹配满足第二阈值,并且所述实时照片集中的所述第一照片的用户图像与来自所述相关的数字身份卡的所述用户的照片的匹配满足第三阈值,而验证用户的身份。在一些可选的实施例中,该方法还包括响应于确定以下至少一项而拒绝所述用户身份的验证:多个签名匹配小于第一阈值,多个背景匹配小于第二阈值,或者多个用户匹配小于第三阈值,其中拒绝所述用户身份的验证包括启动在线视频会话。
本公开的各方面针对一种系统,该系统包括:存储数据语料库的计算机可读存储介质;被配置为接收输入和当前输出的用户界面;以及通信地耦合至该计算机可读存储介质和该用户界面的处理器并且具有包括指令的内存储器。所述指令可以被配置为使用视觉分析来验证远程用户的身份。指令可以进一步配置为相关的数字身份卡中检索用户的照片和用户签名,并请求实时照片集。实时照片集包括第一照片和第二照片。指令可以被配置为请求对所请求的实时照片集进行实时书面签名。指令还可以配置为将所述第一照片的实时书面签名与所述相关的数字身份卡的所述用户签名进行签名匹配。所述指令还可被配置为将所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片中的背景进行背景匹配。接下来,指令可被配置为将所述实时照片集中的所述第一照片中的用户图像与所述相关的数字身份卡中的所述用户照片进行用户匹配,并响应于确定所述第一照片集的所述实时书面签名与检索到的所述相关的数字身份卡的用户签名的匹配满足第一阈值,所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片的背景的匹配满足第二阈值,并且所述实时照片集中的所述第一照片的用户图像与来自所述相关的数字身份卡的所述用户的照片的匹配满足第三阈值,而验证用户的身份。在一些可选的实施例中,该指令可以进一步被配置为响应于确定以下至少一项而拒绝所述用户身份的验证:多个签名匹配小于第一阈值,多个背景匹配小于第二阈值,或者多个用户匹配小于第三阈值,其中拒绝所述用户身份的验证包括启动在线视频会话。
本公开的各方面进一步针对一种用于使用视觉分析来验证移动应用程序中的远程用户身份的计算机程序产品,该计算机程序产品包括计算机可读存储介质,该计算机可读存储介质具有嵌入其中的程序指令,该程序指令可由处理器执行。程序指令可以使处理器从相关的数字身份卡中检索用户的照片和用户签名,并请求实时照片集。实时照片集包括第一照片和第二照片。程序指令可以使处理器请求对所请求的实时照片集进行实时书面签名。程序指令还可以使处理器将所述第一照片的实时书面签名与所述相关的数字身份卡的所述用户签名进行签名匹配。程序指令还可以使处理器将所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片中的背景进行背景匹配。接下来,程序指令可以使处理器将所述实时照片集中的所述第一照片中的用户图像与所述相关的数字身份卡中的所述用户照片进行用户匹配,并响应于确定所述第一照片集的所述实时书面签名与检索到的所述相关的数字身份卡的用户签名的匹配满足第一阈值,所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片的背景的匹配满足第二阈值,并且所述实时照片集中的所述第一照片的用户图像与来自所述相关的数字身份卡的所述用户的照片的匹配满足第三阈值,而验证用户的身份。在一些可选实施例中,程序指令还可以响应于确定以下至少一项而拒绝所述用户身份的验证:多个签名匹配小于第一阈值,多个背景匹配小于第二阈值,或者多个用户匹配小于第三阈值。
本公开的各方面针对一种用于使用视觉分析来验证远程用户身份的方法。该方法可以包括:接收为用户创建账户的请求,并且响应于接收到请求,为所述用户获取身份卡的数字副本,其中,该身份卡包括所述用户的照片和所述用户的签名。该方法可以进一步包括提供请求所述用户的具有周围用户环境的第一实时照片的提示。该方法可以进一步包括提供请求在没有所述用户在场的所述周围用户环境的第二实时照片的提示。该方法可以进一步包括:响应于确定第一实时照片的周围用户环境匹配第二实时照片的周围用户环境,来验证用户的当前位置,并至少部分地基于对所述用户所述当前位置的验证来验证所述用户的身份。
本公开的各方面针对一种用于使用视觉分析来验证远程用户身份的系统。该系统包括配置为接收输入和当前输出的用户界面以及通信耦合到该用户界面的处理器。处理器可以被配置为经由用户界面接收创建用户账户的请求。处理器可以进一步被配置为响应于接收到所述请求,为所述用户获取身份卡的数字副本,其中,该身份卡包括所述用户的照片和所述用户的签名。处理器可以进一步被配置为提供请求所述用户的具有周围用户环境的第一实时照片的提示。然后,处理器可以被配置为提供请求在没有所述用户在场的所述周围用户环境的第二实时照片的提示,并进一步提供提供请求所述用户的当前位置的提示。然后,处理器可以被配置为响应于确定所述第一实时照片的所述周围用户环境与所述第二实时照片的所述周围用户环境匹配,验证所述用户的当前位置,并至少部分地基于对所述用户所述当前位置的验证来验证所述用户的身份。
以上发明内容并非旨在描述本公开的每个示出的实施例或每个实施方式。
附图说明
本申请中包括的附图被并入说明书中并且形成说明书的一部分。它们示出了本公开的实施例,并且与说明书一起解释了本公开的原理。附图仅是某些实施例的说明,并不限制本公开。
图1示出了根据本公开的一些实施例的用于通过应用的视觉分析进行远程用户验证的示例方法的流程图。
图2示出了根据本公开的一些实施例的用于图像集质量控制的示例方法的流程图。
图3示出了根据本公开的一些实施例的用于签名匹配的示例方法的流程图。
图4示出了根据本公开的一些实施例的用于背景匹配的示例方法的流程图。
图5示出了根据本公开的一些实施例的用于用户匹配的示例方法的流程图。
图6示出了根据本公开的一些实施例的用于故障排除的示例方法的流程图。
图7示出了根据本公开的一些实施例的示例移动应用程序系统的框图。
图8示出了根据本公开的一些实施例的示例计算环境的框图。
虽然本发明可以进行各种修改和替代形式,但是其细节已经通过示例在附图中示出并且将被详细描述。然而,应当理解,其目的不是将本发明限制于所描述的实施例。相反,其意图是涵盖落入本发明的精神和范围内的所有修改、等同形式和替代形式。
具体实施方式
本公开的方面涉及高层架构。更具体的方面涉及通过在软件应用程序中应用可视化分析来验证用户身份来增强“了解您的客户(KYC)”流程。尽管本公开内容不一定限于此类应用,但是可以通过使用该上下文讨论各种示例来理解本公开内容的各个方面。
考虑到这种设备的需求和约束,可以通过无线物理设备的网络来执行软件应用程序。无线物理设备可以是但不限于手机、平板电脑、手持设备、可穿戴设备和其他具有电子、硬件、软件、传感器、执行器和/或网络连接的设备。软件应用程序可以进一步包括基于网络的应用程序,本机应用程序和/或混合应用程序。
在实施例中,软件应用程序使用高级架构(HLA)进行操作。HLA是用于分布式计算机仿真系统的通用体系结构。使用HLA,无论计算平台如何,计算机模拟都可以与其他计算机模拟进行交互(例如,通信数据,同步操作)。在实施例中,HLA在包括前端和后端引擎的移动平台上操作,然而,仅通过示例的方式提供移动平台是仅出于说明的目的,而不应被解释为限制性的。前端包括用户设备(例如,移动电话)的用户界面,并且包括在用户侧执行的处理和代码(例如,HTML,CSS,JavaScript)的集合。后端包括处理从前端发送的信息并生成对用户的响应所需的技术。后端引擎中使用的技术的某些组件包括但不限于服务器、软件应用程序和数据库。
一些容易受到恶意和欺诈攻击(例如,黑客攻击、网络钓鱼、伪造)的机构试图在客户请求访问以打开帐户时通过实施“了解您的客户”(KYC)流程来减轻与欺诈相关的风险。KYC包含用于识别和验证客户身份的严格规定,因此,必须建立和维护书面的客户识别程序,其中规定了验证客户身份的标准。例如,当客户请求打开帐户时,必须在本地物理站点上发起并批准所有交互,并使用补充的身份卡明文件(例如,身份卡、通行证)来证明客户是他们声称的身份。KYC方法禁止远程访问打开帐户,并且仅对本地物理站点可访问范围内的客户有利。本公开的各方面对该问题提出了解决方案。
本公开的各方面涉及视觉分析,并且更具体地,涉及将用户实时签名的本地和广泛特征与声称的用户的身份卡的持有人的进行签名匹配,以验证远程用户的身份。实时可以定义为启动用户操作的时间限制。如本文中所使用的,签名匹配是指将第一输入(例如,照片)的第一书面签名与检索到的输入(例如,许可证)的签名相对于第一数据实现的阈值进行匹配,以确定签名重叠。在实施例中,可以从包括在政府系统(例如,Dukcapil)中的数据库中检索出身份卡(例如,Kartu Tanda Penduduk(e-KTP)电子签名),并将其与阈值进行匹配以验证用户的实时签名。在实施例中,从实现的数据建立阈值,并且基于阈值的匹配确定账户授权。
本公开的各方面涉及视觉分析,并且更具体地,涉及包括用户和用户周围环境的图像集(以下称为背景)的背景匹配。如本文中所使用的,背景匹配意味着相对于第二数据实现的阈值将第一用户照片的周围背景环境与第二照片的周围背景环境进行匹配,以确定背景重叠。使用软件应用程序启动的用户设备的功能来捕获图像。背景匹配可以包括各种方法,包括但不限于尺度不变特征变换和基于图像补丁的匹配。可以使用深度学习神经网络来增强各种方法,或者可以通过用户设备中包括的机器学习操作员来实现各种方法。在实施例中,将背景匹配与阈值进行匹配,并用于验证远程用户声称的位置。阈值是从实现的数据中建立的,并且基于阈值的匹配确定帐户授权。
本公开的各方面涉及视觉分析,并且更具体地,涉及将用户图像与所声称的用户的身份卡的持有者的照片的阈值的用户匹配,以验证远程用户的身份。如本文所使用的,用户匹配意味着将从用户接收的图像中用户的照片与所检索的数字身份卡(例如,许可证)中包含的用户的照片针对第三用户实施的阈值进行匹配,以确定用户身份重叠。在实施例中,利用软件应用程序发起的用户设备的功能捕获用户图像。用户匹配可以使用生物特征识别和面部识别来确定匹配分数。可以使用深度学习神经网络来增强各种方法,或者可以通过用户设备中包括的机器学习操作员来实现各种方法。在实施例中,从实现的数据建立阈值,并且基于阈值的匹配确定账户授权。
本公开的各方面可以进一步涉及在帐户授权被拒绝之后启动的、使用用户设备的功能的视频消息系统。例如,当签名匹配、背景匹配和/或用户匹配未能满足数据实现的阈值时,可能会发生帐户授权拒绝。
有利地,本公开使得能够实现远程KYC过程,并且弥合数字活跃用户与农村地区的潜在用户之间对本地物理站点具有很少或根本没有访问的差距以进行身份验证。远程验证用户的签名、面部和声称的位置可以消除亲自开户的手动过程。此外,本公开的各方面提供了电子保护,以减少或消除远程授权中的潜在欺诈来源,该欺诈来源已经阻止了常规系统实现用于开设账户的安全远程授权。
优点是示例的优点,并且存在包含所有优点、一些优点或不包含任何优点,同时仍在保留在本公开的精神和范围内的实施例。
因此,本公开的各方面必定植根于计算机技术中,至少在本公开的各方面能够在迄今为止尚不可用的软件应用环境中实现KYC流程。另外,本公开的各方面在已经实施的KYC过程上提供了替代的改进。相对于已知解决方案,本公开的各方面展示了一种远程改进的识别方法、改进的准确性和改进的计算性能,而不减轻当前的KYC过程。
现在参考附图,图1示出了根据本公开的一些实施例的用于通过匹配视觉分析来进行远程用户验证的示例方法100的流程图。方法100可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。在实施例中,方法100开始于操作110。出于说明的目的,方法100将被描述为由软件应用程序在移动用户设备(例如,移动电话)中执行,该软件应用程序在下文中被称为移动应用程序,包括:高级别的前端和后端处理体系结构。然而,方法100可以由其他硬件组件或硬件组件的组合来执行。例如,在一些实施例中,移动应用程序可以用于从方法100中使用的用户获取数据,然后将所获取的数据传送到远程服务器,以基于由移动应用程序获取的数据来完成方法100的分析和验证过程。
在操作110中,移动应用程序检索用户身份卡的数字副本。在实施例中,身份卡可以是政府发行的,并且可以通过政府系统进行管理。身份卡可以包括但不限于实际居民身份卡和数字居民身份卡(例如e-KTP)。政府系统可以包括由政府机构维护的用于存储有关其公民和/或居民身份卡的信息的任何系统,例如内政部的Dukcapil。身份卡(例如e-KTP)可以包含与持有者有关的公共信息,例如持有者的身份卡号码(NIK)、全名、出生地点和日期、性别、婚姻状况、宗教、血型、地址、职业、国籍、持照人的照片、有效期、签发地点和日期、持照人的签名和/或发行人员的姓名和签名。
在操作120中,移动应用程序可以从用户设备(例如,移动电话)的用户界面接收输入数据。在实施例中,用户上载(例如,文本)与用户身份相关联的输入数据,包括但不限于用户身份号(NIK)、全名、出生地点和日期、性别、婚姻状况、宗教、血型,地址、职业、国籍和/或签发地点和日期、到移动应用程序中。然后,移动应用程序通过将输入数据的语法数据(例如,词汇类别、功能类别、依存语法、词源、语言排序等)与从操作110检索到的用户身份卡的数字副本进行匹配来验证用户。然后,将身份信息发送到后端引擎以供将来处理。在实施例中,操作120包括在移动应用程序的前端与用户之间的第一物理交互步骤。
语法匹配是对输入文本的形式分析,通过字符串匹配和解析算法来完成,从而产生表示每个单词的语法结构的具体语法树。例如,可以将输入数据和用户政府发行的身份卡的数字副本进行解析,然后将字符串、令牌和权重标识符分配给每个单词。然后,移动应用程序可以针对每个输入评估包含的多个标识符,并验证语法数据匹配。
在操作130中,移动应用程序可以提供对用户实时照片的请求的通知的提示(例如,指示、消息、提示)。使用用户设备的现有功能,可以准许移动应用程序访问例如用户设备中包括的相机。该通知可以包括文本、图形、声音和/或其他通知。在实施例中,通知包括图像捕获的推荐指令。在操作130中,移动应用程序要求用户识别他们的位置并进一步捕获多个图像集。例如,移动应用程序可以指示用户在一天中的不同时间间隔(例如11:30am、2:00pm、6:00pm)中重复捕获图像。图像集包括在彼此的时间阈值内拍摄的至少两个明显不同的图像(例如,第一张照片,第二张照片)的集合。在实施例中,第一照片包括用户和相应的识别出的背景位置,第二照片仅包括第一照片的识别出的背景位置。在实施例中,图像集的每张照片都可以由用户(例如,自拍)或其他人以横向或纵向取向捕获。图像集的每张照片都经过处理以进行质量控制,并且在成功捕获图像后,移动应用程序要求用户直接通过用户界面分配其签名。在下文中参照图2更详细地描述操作130。
在操作140中,移动应用程序可以将与从操作110中检索到的用户的政府发行的身份卡的数字副本相关联的持有者签名与从操作130中获得的多个分配签名进行匹配,以验证用户身份。签名匹配评估广泛的特征(例如,书写类型(例如,草书、印刷品)、书写速度(例如,和谐、慢)、间距、大小、比例、位置(例如,倾斜、笔直)、拼写、标点符号)以及两个用户签名来源的局部特征(例如,内部间距、字母大小、字母比例、曲线、循环、交叉点、笔抬高、笔触)。在下文中参照图3更详细地描述操作140。
在操作150中,移动应用程序可以匹配来自操作130的多个图像捕获集期间用户声称的位置,以认证用户。在一些实施例中,移动应用程序可以在对应的第一照片和对应的第二照片之间使用各种背景匹配技术以确定该认证。各种背景匹配技术包括但不限于尺度不变特征变换(SIFT)和基于图像补丁的匹配。在下文中参照图4更详细地描述操作150。
在操作160中,移动应用程序可以将与从操作110检索到的用户的政府发行的身份卡的数字副本相关联的持有者照片与在操作130中捕获的多张第一张照片进行匹配,以对用户进行身份验证。在一些实施例中,移动应用程序使用面部识别来确定该认证。面部识别是一种通过比较实时捕获或存储记录中的数字图像数据点来识别个人的生物特征方法。在下文中参照图5更详细地描述操作160。
在操作170中,等待成功的匹配,对用户配置文件进行远程验证。尽管上面没有明确描述,但是包括语法验证、签名匹配、背景匹配和用户匹配的一些实施例是针对阈值评估的。不满足阈值可能会导致授权拒绝。在实施例中,下文中将参照图6更详细地描述授权拒绝。
图1旨在表示根据本公开的一些实施例的用于远程用户验证的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图1所示更大或更小的复杂性,并且可以存在除图1所示的操作之外的操作(或代替图1所示的操作)。此外,在一些实施例中,图1所示的各种操作可以具有比图1所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图1所示的各种操作根本会发生,则它们可以以不同的顺序发生。
现在参考图2,示出了根据本公开的一些实施例的用于图像集质量控制和把关的示例方法200的流程图。方法200可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。为了清楚起见,类似于方法100的讨论,在下文中将方法200描述为由移动应用程序执行。然而,与方法100一样,方法200的各方面可以由其他硬件组件或硬件组件的组合来执行。图2的各方面包括用户和移动应用程序之间的前端系统。在一些实施例中,方法200是图1的操作130的子方法。
在操作210中,移动应用程序开始请求用户和用户背景的实时照片。通知可以包括指示、消息和/或提示,指示访问用户的移动设备相机记录功能的请求。可以通过经由移动设备的用户设备界面接收用户输入或反馈(例如但不限于滑动或点击)来验证请求。验证后,将打开用户移动设备的摄像头功能。
在操作220中,向用户发送通知(例如,指示、消息、提示)以捕获包括该用户及其当前背景的图像集的第一张照片。在一些实施例中,移动应用程序要求以人像(例如,垂直)或风景(例如,水平)方向以及实时地拍摄第一张照片,该照片包括从用户的中部及以上的无附件的正视图。在一些实施例中,移动应用程序向用户指示当前背景的期望条件包括灰白色、非单色背景或特征可识别背景。在实施例中,特征可识别背景可以包括但不限于风景位置、建筑物位置和街道位置。
在操作230中,通过图像质量控制和水印处理图像集的第一张照片。图像质量控制(例如,度量控制)可以根据测量劣化的特定类型(例如,饱和、阻塞、振铃)或考虑所有可能的信号失真(即,多个图像质量因子)来分类。图像质量因子可以包括但不限于清晰度(细节量)、噪声(图像密度的变化)、色调(亮度与辉度)、对比度(在对数-对数空间中色调再现曲线的斜率)、颜色(饱和度)、扭曲(曲线)、晕影(光衰减)、横向色差(CLA)(色带)和镜头光晕(遮盖眩光)。更具体地说,在实施例中,操作230通过过度曝光和模糊检测来确定第一张照片的质量。在实施例中,通过确定图像亮度分布来检测过度曝光。依靠图像渐变,移动应用程序还可以通过测量图像中包含的边缘数量来确定模糊。可以通过测量焦点模糊(由有限的景深和有限的点扩散函数引起)、半影状的模糊(由非零半径的光源产生的阴影引起)和阴影来确定边缘测量值。使用机器学习方法,操作230可以检测面部属性以确定在视觉上区分(例如,隐藏、增强)用户的自然外观的任何配件(例如,眼镜、帽子)。移动应用程序中包含的机器学习系统确定图像质量。满足数据实现阈值的用户和背景图像保存在网络数据库中,发送到后端引擎以进行进一步处理,并向用户界面发布批准通知(例如,指示、消息、提示)。未能满足阈值问题的用户和背景图像向用户界面重复获取通知(例如,指示、消息、提示),并且重复操作220。
在操作240中,在从操作230接收到批准通知后,移动应用程序将第二通知(例如,指示、消息、提示)传达给用户,以捕获图像集的第二张照片。在一些实施例中,第二张照片的捕获时间必须在距第一张照片的预定时间(例如两分钟)之内,并且仅包括在第一张图像中捕获的背景。在一些实施例中,移动应用程序要求第二张照片以与图像集的第一张照片相同的方向(例如,风景,肖像)、并且包括具有相同特征标识符的相同背景视点拍摄。
在操作250中,通过图像质量控制和水印处理图像集的第二张照片。图像质量控制(例如,度量控制)可以根据测量劣化的特定类型(例如,饱和、阻塞、振铃)或考虑所有可能的信号失真(即,多个图像质量因子)来分类。图像质量因子可以包括但不限于清晰度(细节量)、噪声(图像密度的变化)、色调(亮度与辉度)、对比度(在对数-对数空间中色调再现曲线的斜率)、颜色(饱和度),扭曲(曲线)、晕影(光衰减)、横向色差(CLA)(色带)和镜头光晕(遮盖眩光)。更具体地,在实施例中,操作230通过过度曝光和模糊检测来确定第二照片的质量。在实施例中,通过确定图像亮度分布来检测过度曝光。依靠图像渐变,移动应用程序还可以通过测量图像中包含的边缘数量来确定模糊。可以通过测量焦点模糊(由有限的景深和有限的点扩散函数引起)、半影状的模糊(由非零半径的光源产生的阴影引起)和阴影来确定边缘测量值。移动应用程序中包含的机器学习系统确定图像质量。满足数据实施阈值的纯背景图像将保存在网络数据库中,发送到后端引擎以进行进一步处理并且移动应用程序并向用户界面发送批准通知(例如,指示、消息、提示)。未能满足阈值的用户和背景图像导致移动应用程序用户界面发出重复获取通知(例如,指示、消息、提示),并且重复操作240。
在接收到两个批准通知之后,在操作260中,移动应用程序向用户输出通知,以输入其声称的位置并分配其签名以进行图像集验证。移动应用程序收集每个签名并将其保存在数据库中,以进行进一步处理。例如,在一些实施例中,输入用户声称的位置可以包括使用用户设备中包括的全球定位服务(GPS)传感器。另外,在一些实施例中,操作260要求所分配的签名经由书写用具(例如,手指、手写笔)被转录到用户设备界面上。在实施例中,监视分配的签名的广泛和局部特征(例如,类似于图1的操作140的广泛和局部特征),将其保存到网络中的数据库中,并发送给后端引擎以进行进一步处理。
在实施例中,在一天中重复方法200的多个回合以引入不同的背景并适应不同的照明条件。图2旨在表示根据本公开的一些实施例的用于图像质量控制的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图2所示更大或更小的复杂性,并且可以存在除图2所示的操作之外的操作(或代替图2所示的操作)。此外,在一些实施例中,图2所示的各种操作可以具有比图2所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图2所示的各种操作根本会发生,则它们可以以不同的顺序发生。
现在参考图3,示出了根据本公开的一些实施例的用于签名匹配的示例方法300的流程图。方法300可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。为了清楚起见,在下文中将方法300描述为由移动应用程序执行。然而,与以上讨论的方法100和200一样,方法300的各方面可以由其他硬件组件或硬件组件的组合来执行。图3的各方面包括移动应用程序的后端引擎。在一些实施例中,方法300是图1的操作140的子方法。
在操作310中,移动应用程序在图1的操作110中从关联的身份卡中检索签名。在操作320中,从方法200分配的多个签名是从与前端数据关联的网络数据库中检索的,并且相互匹配。在一些实施例中,在基于从方法200分配的多个签名编译平均分配的签名之后,操作320将平均分配的签名与从操作110获取的签名进行匹配。在进一步的实施例中,每个分配的签名可以与从操作110获取的签名进行匹配以取得结果的平均值。
挖掘来自多个分配的签名的监视数据以创建平均分配的签名。每个广泛和局部的特征都可以被映射并用于确定可识别的方面以及分配的签名和用户身份卡的签名之间的重叠。例如,通过测量每个签名需要写入的时间变化;移动应用程序会建立基线,以确定用户对书写其声称的签名的熟悉程度。对于声称是自己所声称的身份的用户,书写每个签名所需的时间将比试图伪造签名的人少得多。另外,平均签名可以建立统计平均值,以便可以基于但不限于间距、大小和方向角度来量化地测量两个签名。可以实现将每个分配的签名与身份卡签名进行匹配的各种方法。
在一些实施例中,使用神经网络方法,移动应用程序可以提取代表每个签名的特征集(例如,长度、高度、持续时间),并学习每个类别(例如,真实的、伪造的)之间的关系。建立特征集后,移动应用程序可以使用来自签名轮廓、方向和数据计数的特征来建立匹配分数。
在一些实施例中,使用模板匹配方法,移动应用程序可以使用来自身份卡签名的、要与分配的签名的监视数据进行比较的一维位置变化(例如,字母方向),以便在物理上覆盖每个签名以便识别相似性。
在一些实施例中,使用统计方法,移动应用程序可以计算两个或更多个监视的数据点之间的关系和偏差(例如,宽特征、局部特征、字母取向角),以建立每个签名的相关系数。可以对每个签名相关系数进行加权以确定相似度的差异。
在操作330中,基于相关联的身份卡签名的实施数据,确定所分配的签名与身份卡上的签名之间的匹配数是否满足阈值。如果满足阈值,则在框340处完成签名处理验证。例如,在框340处,后端引擎中的处理在随后的处理步骤处继续,并且将签名匹配批准通知(例如,指示、消息、提示)发布到用户界面。在框350,未能满足身份卡签名阈值的分配签名启动发布给用户界面的故障排除通知(例如,指示、消息、提示)。然后拒绝授权,并暂停后端引擎中的处理。
图3表示根据本公开的一些实施例的用于签名匹配的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图3所示更大或更小的复杂性,并且可以存在除图3所示的操作之外的操作(或代替图3所示的操作)。此外,在一些实施例中,图3所示的各种操作可以具有比图3所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图3所示的各种操作根本会发生,则可以以不同的顺序发生。
现在参考图4,示出了根据本公开的一些实施例的用于背景匹配的示例方法400的流程图。方法400可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。为了清楚起见,在下文中将方法400描述为由移动应用程序执行,类似于以上方法100-300。然而,与方法100-300一样,方法400的各方面可以由其他硬件组件或硬件组件的组合来执行。图4的各方面包括移动应用程序的后端引擎。在一些实施例中,方法400是图1的操作150的子方法。
在操作410中,移动应用程序从前端系统检索多个图像捕获照片集(例如,来自图1的操作130的图像捕获集)。在操作420中,将每个相应图像照片集中的每个单独图像置于安全屏幕。为了避免冒名顶替和高级的照片购物,移动应用程序访问图像的可交换图像文件格式(EXIF)(例如,拍摄时间、是否闪光、快门速度、焦距、光值、位置、光圈),并提取相应的地理编码和时间戳。然后,移动应用程序验证图像集中两个图像的地理编码是否在预定坐标范围内,如在图2的操作260中所声称的位置。进一步发送具有相同和一模一样(范围相关)范围的图像集以进行水印验证和时间戳处理。从用户设备捕获的每个图像都被分配了一个水印,该水印特定于从拍摄照片起的时间戳。将每个时间戳从字符串解析为日期值并进行比较。各个图像采集集合中的图像必须满足从拍摄第一张和第二张图像开始的预定的时间阈值。例如,用户必须在第二图像(例如,纯背景照片)的两分钟之内捕获第一图像(例如,用户和背景的照片)。建立时间参数后,移动应用程序可以缓解伪造者尝试从其声称的远程位置以外的其他地方授权帐户的潜在欺诈行为。满足安全屏幕的图像集被发送到操作430以进行进一步处理。
操作430从操作420接收满意的图像集,并将第二照片的纯背景与第一照片进行匹配。在实施例中,可以应用各种背景匹配方法。一个实施例可以包括尺度不变特征变换(SIFT)。SIFT从包含在图像集中的两张照片的背景中提取局部特征描述符(例如,形状、对象),并比较相同的参考对象。通过分别比较第一图像中的每个特征以基于特征向量的欧几里得距离找到与特征匹配的对象,从而在第二图像中识别参考物体。从全部匹配项中,过滤参考对象。具有相同位置、比例和方向的聚类对象表示匹配成功。通过使用广义霍夫变换的有效哈希表实现,可以快速执行一致性聚类的确定。同意一个对象的三个或更多特征的群集要进行背景验证。最后,针对阈值计算一组特征对象指示对象存在的概率。
替代实施例可以包括基于图像补丁的匹配。使用面部识别的替代方法,移动应用程序在第一图像中检测用户的面部,然后排除包括用户的面部和身体的预测图像块。图像块包括图像中的像素组。对于图像的其余方面,在第二张照片上找到了除排除的面部补丁以外的像素位置,并给出了相似度评分。
在操作440中,将匹配的背景像素点与预定的数据实施阈值进行比较。如果第一张照片和第二张照片中都包含的背景像素之间的匹配数满足阈值,则背景处理验证完成,授权图像集将继续处理,并进行背景匹配批准通知(例如,在操作450中,向用户设备的用户界面发出(例如,指示,消息,提示))。图像捕获集未能满足背景匹配阈值,导致移动应用程序向用户设备的用户界面发出发出故障排除通知(例如,指示,消息,提示),在操作460中授权变成拒绝。在实施例中,系统后端中的处理暂停。
图4表示根据本公开的一些实施例的用于背景匹配的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图4所示的复杂度更大或更小的复杂度,并且可以存在除图4所示的操作之外的操作(或代替图4所示的操作)。此外,在一些实施例中,图4所示的各种操作可以具有比图4所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图4所示的各种操作根本会发生,则它们可以以不同的顺序发生。
现在参考图5,示出了根据本公开的一些实施例的用于用户匹配的示例方法500的流程图。方法500可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。为了清楚起见,在下文中将方法500描述为由移动应用程序执行。然而,如以上关于方法100-400所讨论的,方法500的各方面可以由其他硬件组件或硬件组件的组合来执行。图5的各方面包括移动应用程序的后端引擎。在一些实施例中,方法500是图1的操作160的子方法。
在操作510中,移动应用程序从图4的操作450中检索授权图像集,并提取包括用户和当前背景的第一张照片。在操作520,移动应用程序在相关联的身份卡上检索持有者的照片,并启动用户的面部识别。
操作530匹配在操作510和520中检索到的两张照片的用户身份。匹配每个用户的各种方法可以被实现。
在一些实施例中,可以使用深度学习神经网络。神经网络是已成功应用于分析视觉图像的一类深层前馈人工神经网络。它们由具有可学习的权重和偏差的人工或类似神经元的结构组成。每个神经元接收一些输入并执行点积。在人工学习中,神经元构成了神经网络的基本计算单元。在实施例中,在前向通过(例如,使图像通过网络)期间,每个滤波器在输入图像的接收场的容积上卷积。然后在滤波器的条目与输入图像之间计算点积,从而生成该滤波器的二维激活图。结果,神经网络学习了在输入中的某些空间位置检测到某种特定类型的特征时激活的滤波器。可以通过其他网络层处理输入用户图像的激活图,并识别两个输入图像之间的匹配特征。
在一些实施例中,可以再次使用尺度不变特征变换(SIFT)。SIFT从身份卡的照片中提取局部面部特征矢量(例如,眉毛、鼻子、下巴线),并与从图5的操作510和520中的图像捕获集中的多个第一照片中的相同的参考面部特征矢量进行比较。从全集匹配,过滤掉参考面部特征向量;具有相同位置、比例和方向的聚类向量指示成功匹配。通过使用广义霍夫变换的有效哈希表实现,可以快速执行一致性聚类的确定。
在一些实施例中,可以实现更传统的面部验证方法。使用表征同一用户的面部之间的变化的本征面部,从网络数据库中提取在图5的操作510和520中设置图像集的第一照片,并将其编译为线性组合。多个图像集的每张照片中的本征面部的权重用于确定用户是否与与身份卡关联的持有者照片匹配。
在操作540中,将匹配的用户权重与预定义的数据实现的阈值进行比较。如果第一张照片和身份卡照片中包含的面部权重都满足相似性阈值,则面部识别完成,处理完成,并且在操作550中向用户设备的用户界面发布授权通过的通知(例如,指示、消息、提示)。授权通过的通知可以包括关于用户的新开设账户的细节的信息。
图像捕获集未能满足用户匹配阈值,导致移动应用程序向用户界面发布故障排除通知(例如,指示、消息、提示),并且在操作560中拒绝授权。在实施例中,系统后端的处理挂起。
图5表示根据本公开的一些实施例的用于用户匹配的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图5所示更大或更小的复杂性,并且可以存在除图5所示的操作之外的操作(或代替图5所示的操作)。此外,在一些实施例中,图5所示的各种操作可以具有比图5所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图5所示的各种操作根本会发生,则它们可以以不同的顺序发生。
现在参考图6,示出了根据本公开的一些实施例的用于故障排除的示例方法600的流程图。方法600可以由例如一个或多个处理器、移动应用程序或不同配置的硬件来执行。为了清楚起见,以下将方法600描述为由移动应用程序执行。然而,如以上关于方法100-500所讨论的,方法600的各方面可以由其他硬件组件或硬件组件的组合来执行。图6的各方面包括移动应用程序的后端引擎。在一些实施例中,方法600是图3的操作330、图4的操作440和图5的操作550的子方法。
在操作610中,向用户发送通知(例如,指示、消息、提示)以接受故障排除通知。在实施例中,故障排除通知可以包括进行故障排除的原因,包括但不限于签名匹配失败、背景匹配失败和/或用户匹配失败。用户可以通过指示(例如但不限于通过用户设备界面点击通知)来接受通知。
在接受该通知之后,移动应用程序访问用户设备中包括的蜂窝数据能力。在操作620中,在用户的移动设备上发起实时视频消息呼叫,以在用户与用户试图与之开设账户的机构的指定代表之间开始在线视频会话。通过视频会话,用户可以创建和授权帐户。视频会话使用户能够通过但不限于向代表提供文档、回答安全问题以及个人一对一通信的替代过程来创建和授权帐户。
图6表示根据本公开的一些实施例的用于预测未来特征签名的示例方法的示例操作。然而,在一些实施例中,各个操作可以具有比图6所示的复杂度更大或更小的复杂度,并且可以存在除图6所示的操作之外的操作(或代替图6所示的操作)。此外,在一些实施例中,图6所示的各种操作可以具有比图6所示的功能更大、更少或不同的功能。此外,在一些实施例中,如果图6所示的各种操作根本会发生,则它们可以以不同的顺序发生。
图7示出了根据本公开的一些实施例的示例用户设备700的框图。在一些实施例中,用户设备700可以包括移动设备或计算机,并且被配置为实现以上在图1-6中讨论的方法100-600中的一个或多个的实施例。
图7中示出的用户设备700的实施例包括内存储器725、存储器730、互连(例如,总线)720、一个或多个CPU 705(在本文中也称为处理器705)、I/O设备接口710、I/O设备712和网络接口715。内存储器725可以包括指令726。指令726可以包括签名匹配727、背景匹配728和用户匹配729。存储器730可以包括身份卡760和图像捕获照片集765。用户设备700可以进一步耦合到网络735。网络735可以耦合到外部数据源750。用户设备700可以另外访问包括在用户设备中的相机(I/O设备712)。
每个CPU 705检索并执行存储在内存储器725或存储器730中的编程指令。互连720用于在CPU 705、I/O设备接口710、存储器730、网络接口715和存储器725之间移动数据,例如编程指令。可以使用一个或多个总线来实现互连720。在各种实施例中,CPU 705可以是单个CPU、多个CPU或具有多个处理核心的单个CPU。在一些实施例中,CPU 705可以是数字信号处理器(DSP)。在某些实施例中,CPU 705包括一个或多个3D集成电路(3DIC)(例如3D晶圆级封装(3DWLP)、基于3D中介层的集成、3D堆叠IC(3D-SIC)、单片3D IC、3D异构集成、3D系统级封装(3DSiP)和/或级联封装(PoP)CPU配置)。通常包括内存储器725以代表随机存取存储器(例如,静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)或闪存)。通常包括存储器730以代表经由I/O设备接口710或经由网络接口715连接到用户设备700的云或其他设备。在实施例中,网络735可以被配置为存储前端执行的数据的数据库。
在一些实施例中,内存储器725存储指令726,并且存储器730存储前端执行的数据。前端执行的数据可以包括身份卡760和图像捕获照片集765。在实施例中,存储器730可以是驻留在地理上分布在多个设备712上的高度复制的后端存储系统上的存储库。前端执行的数据通过网络435从数据库450进行提取。指令726启动阈值匹配,并且更具体地说,启动签名匹配727、背景匹配728和用户匹配729。
签名匹配727可以与图1的操作140一致。背景匹配728可以与图1的操作150一致。用户匹配729可以与图1的操作160一致。当执行这些时,导致CPU执行与图1-6一致的方法。
数据库750可以包括来自多个身份卡数据库的分析和数字信息。
在各种实施例中,I/O设备712包括能够呈现信息并接收输入的接口(例如,用户接口、诸如包括触摸屏的屏幕、指示设备、扬声器等)。
图7表示根据本公开的实施例的示例用户设备700的示例组件。然而,在一些实施例中,各个组件可以具有比图7所示更大或更小的复杂性,并且可以存在除图7所示组件之外的组件。此外,在一些实施例中,图7所示的各个组件可以具有比图7所示的更大、更少或不同的功能。
图8描绘了其中可以实现本公开的实施例的示例计算环境800的框图。在一些实施例中,计算环境800的各方面可以执行在图1-6中的一个或多个中描述的方法。在实施例中,计算环境800可以包括远程系统802和主机设备812。
根据实施例,主机设备812和远程系统802可以是计算机系统。远程系统802和主机设备812可以分别包括一个或多个处理器806和814以及一个或多个内存储器808和818。远程系统802和主机设备812可以被配置为通过内部或外部网络接口804和通信连接820(例如,调制解调器或接口卡)彼此通信。远程系统802和/或主机设备812可以配备有显示器或监视器。另外,远程设备802和/或主机设备812可以包括可选的输入设备(例如,键盘、鼠标、扫描仪或其他输入设备),和/或任何可商购的或定制的软件(例如,浏览器软件、通信软件、服务器软件、自然语言处理软件、搜索引擎和/或网络抓取软件,用于基于预定义参数过滤内容的滤波器模块等)。在一些实施例中,远程系统802和/或主机设备812可以是服务器、台式机、膝上型计算机或手持设备。
远程系统802和主机设备812可以彼此远离并且可以通过网络840通信。网络840可以与图7的网络735一致。在实施例中,主机设备812可以是中央集线器,例如在客户端-服务器网络模型中,远程系统802和其他远程设备(未示出)可从中央集线器中建立通信连接。在一些实施例中,可以以任何其他合适的网络关系(例如,以对等配置或使用另一网络拓扑)来配置主机设备812和远程系统802。
在实施例中,可以使用任何数量的任何适当的通信介质来实现网络840。例如,网络840可以是广域网(WAN)、局域网(LAN)、因特网或内联网。在某些实施例中,远程系统802和主机设备812可以是彼此本地的,并且可以经由任何适当的本地通信介质进行通信。例如,远程系统802和主机设备812可以使用局域网(LAN)、一个或多个硬线连接、无线链路或路由器或内联网进行通信。在一些实施例中,可以使用一个或多个网络和/或一个或多个本地连接的组合来通信地耦合远程系统、主机设备812和任何其他设备。例如,远程系统802可以硬连线到主机设备812(例如,通过以太网电缆连接),而第二设备(未示出)可以使用网络840(例如,通过因特网)与主机设备通信。
在一些实施例中,网络840可以在云计算环境内或使用一个或多个云计算服务来实现。与各种实施例一致,云计算环境可以包括提供一个或多个云计算服务的基于网络的分布式数据处理系统。此外,云计算环境可以包括布置在一个或多个数据中心内并被配置为通过网络840共享资源的许多计算机(例如,数百或数千台计算机或更多)。
在一些实施例中,远程系统802可以使用户能够向主机设备812提供视觉分析。在一些实施例中,主机设备812可以直接包括输入设备824和输出设备826。主机设备812可以包含子组件,例如计算环境830。计算环境830可以包括处理单元814、图形处理单元816和内存储器818。内存储器818包括指令320。在实施例中,指令820可以是与图7的指令726一致。计算环境830可以被配置为执行处理以从远程系统802摄取内容810。
存储器828可以被配置为存储关于加权数据的训练信息,并且可以被连接到内存储器818。存储器828可以与图7的存储器730一致。
尽管图8示出了具有单个主机设备812和单个远程系统802的计算环境800,但是用于实现本公开的实施例的合适的计算环境可以包括任意数量的远程设备和主机设备。如果有的话,图8所示的各种模型、模块、系统、指令和组件可以跨多个主机设备和远程设备存在。
注意,图8旨在描绘示例计算环境800的代表性组件。然而,在一些实施例中,各个组件可以具有比图8所示的组件更大或更小的复杂度,可以存在除图8所示的组件之外的组件,并且这些组件的数量、类型和配置可以改变。
计算机可读存储介质可以是有形设备,其可以保留和存储由指令执行设备使用的指令。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非详尽列表包括以下内容:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器、(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能磁盘(DVD)、记忆棒、软盘、机械编码设备(例如打孔卡或凹槽中的凸起结构,上面记录了指令)、以及上述内容的任何合适组合。如本文所使用的,计算机可读存储介质不应被理解为是瞬时信号本身,例如无线电波或其他自由传播的电磁波,电磁波通过波导或其他传输介质(例如,穿过光纤电缆的光脉冲),或通过电线传输的电信号传播。
本文所述的计算机可读程序指令可以通过网络(例如,因特网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备,或者下载到外部计算机或外部存储设备7。该网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令以存储在各个计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编程序指令、指令集架构(ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据、用于集成电路的配置数据,或以一种或多种编程语言(包括诸如Smalltalk,C++等之类的面向对象的编程语言以及诸如“C”编程语言或类似的编程语言之类的过程编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户计算机上、部分在用户计算机上、作为独立软件包执行、部分在用户计算机上并且部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机,或者可以与外部计算机建立连接(用于例如,通过使用因特网服务提供商的因特网)。在一些实施例中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路,从而执行本发明的各方面。
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各方面。将理解的是,流程图图示和/或框图的每个框以及流程图图示和/或框图中的框的组合可以由计算机可读程序指令来实现。
可以将这些计算机可读程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器,以产生机器,使得该指令经由计算机或其他处理器执行可编程数据处理设备,创建用于实现流程图和/或框图方框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中,该计算机可读存储介质可以指导计算机、可编程数据处理装置和/或其他设备以特定方式起作用,从而使得其中存储有指令的计算机可读存储介质包括制造的制品,该制品包括实现在流程图和/或框图方框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理设备或其他设备上,以使得在计算机、其他可编程设备或其他设备上执行一系列操作步骤以产生实现的计算机处理,使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图方框中指定的功能/动作。
附图中的流程图和框图示出了根据本发明的各个实施例的系统、方法和计算机程序产品的可能的实现的架构、功能和操作。就这一点而言,流程图或框图中的每个方框可以表示指令的模块、片段或子集,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中,方框中指出的功能可以不按图中指出的顺序发生。例如,取决于所涉及的功能,实际上可以基本上同时执行连续示出的两个框,或者有时可以以相反的顺序执行这些框。还应注意,框图和/或流程图的每个方框以及框图和/或流程图的方框的组合可以由执行指定功能或动作的基于硬件的专用系统或者专用硬件和计算机指令的组合来实现。
虽然可以理解,可以通过经由诸如CD、DVD等的存储介质来手动将过程软件直接直接加载到客户端、服务器和代理计算机中来部署该过程软件,但是该过程软件也可以是通过将过程软件发送到中央服务器或一组中央服务器来自动的或半自动或半自动地部署到计算机系统中。然后,将过程软件下载到将执行过程软件的客户端计算机中。或者,通过电子邮件将处理软件直接发送到客户端系统。然后,通过执行将程序软件分离到目录中的一组程序指令,将过程软件分离到目录中或加载到目录中。另一种选择是将过程软件直接发送到客户端计算机硬盘驱动器上的目录。如果有代理服务器,则该过程将选择代理服务器代码,确定将代理服务器代码放在哪些计算机上,传输代理服务器代码,然后在代理计算机上安装代理服务器代码。处理软件将被传输到代理服务器,然后将其存储在代理服务器上。
本发明的实施例还可以作为与客户公司、非营利组织、政府实体、内部组织结构等的服务约定的一部分来传递。这些实施例可以包括配置计算机系统以执行和部署实现本文所述的一些或全部方法的软件、硬件和网络服务。这些实施例还可以包括分析客户的操作,响应于分析创建推荐,构建实现推荐子集的系统,将系统集成到现有流程和基础架构中,计量系统使用情况,向系统用户分配费用以及结算,开具发票或以其他方式收取使用系统的费用。
Claims (12)
1.一种使用视觉分析来验证远程用户身份的计算机实现的方法,该方法包括:
从相关的数字身份卡中检索用户的照片和用户签名;
请求实时照片集,其中,所述实时照片集包括第一照片和第二照片;
请求对所请求的实时照片集进行实时书面签名;
将所述第一照片的实时书面签名与所述相关的数字身份卡的所述用户签名进行签名匹配;
将所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片中的背景进行背景匹配;
将所述实时照片集中的所述第一照片中的用户图像与所述相关的数字身份卡中的所述用户照片进行用户匹配;以及
响应于确定所述第一照片集的所述实时书面签名与检索到的所述相关的数字身份卡的用户签名的匹配满足第一阈值,所述实时照片集的所述第一照片中的背景与所述实时照片集中的所述第二照片的背景的匹配满足第二阈值,并且所述实时照片集中的所述第一照片的用户图像与来自所述相关的数字身份卡的所述用户的照片的匹配满足第三阈值,而验证用户的身份。
2.如权利要求1所述的方法,还包括响应于确定以下至少一项而拒绝所述用户身份的验证:多个签名匹配小于所述第一阈值,多个背景匹配小于所述第二阈值,或者多个用户匹配小于所述第三阈值。
3.如权利要求2所述的方法,其中拒绝所述用户身份的验证包括启动在线视频会话。
4.如权利要求1所述的方法,其中,所述第一照片包括具有背景的所述用户的上载照片,并且所述第二照片包括仅包含所述背景的上载照片。
5.如权利要求1所述的方法,其中,将所述实时照片集的所述第一照片中的所述背景与所述实时照片集的所述第二照片中的所述背景进行背景匹配还包括:验证所述第一照片的第一时间戳和第一图像水印日期在所述第二照片的第二时间戳和第二图像水印日期的系统确定的阈值之内。
6.如权利要求1所述的方法,还包括:
分析所述实时照片集中的所述第一照片和所述第二张照片,以符合关于模糊、过度曝光和附件中的一项或多项的图像质量控制要求;以及
响应于确定所述实时照片集的所述第一照片和所述第二照片中的一个或多个不符合所述图像质量控制要求,向用户输出提示以指示需要重新拍摄上传。
7.如权利要求1所述的方法,还包括:
从所述关联的数字身份卡中检索语法数据;
接收包括多个用户身份信息的输入数据;以及
验证所述语法数据与所述输入数据匹配;
其中,所述语法数据和所述多个用户身份信息分别包括用户的身份卡号码、全名、出生地点和日期、性别、婚姻状况、宗教、血型、地址、职业和国籍中的一项或多项。
8.一种使用视觉分析来验证远程用户身份的计算机实现的方法,该方法包括:
接收为用户创建帐户的请求;
响应于接收到所述请求,为所述用户获取身份卡的数字副本,其中,该身份卡包括所述用户的照片和所述用户的签名;
提供请求所述用户的具有周围用户环境的第一实时照片的提示;
提供请求在没有所述用户在场的所述周围用户环境的第二实时照片的提示;
提供请求所述用户的当前位置的提示;
响应于确定所述第一实时照片的所述周围用户环境与所述第二实时照片的所述周围用户环境匹配,验证所述用户的当前位置;以及
至少部分地基于对所述用户所述当前位置的验证来验证所述用户的身份。
9.如权利要求8所述的方法,其中,请求所述第一实时照片的所述提示包括请求第一用户签名的提示,其中,请求第二实时照片的所述提示包括请求第二用户签名的提示。
10.如权利要求9所述的方法,还包括:
将所述身份卡的所述数字副本的所述用户照片和所述用户的所述第一实时照片比较;
将来自所述身份卡的所述数字副本的所述用户的签名与所述第一用户签名进行比较;
将来自所述身份卡的所述数字副本的所述用户的签名与所述第二用户签名进行比较;以及
其中,验证用户身份还基于确定所述身份卡的所述数字副本的用户照片与所述用户的所述第一实时照片匹配以及基于确定所述身份卡的所述数字副本的所述用户的所述签名与所述第一用户签名和所述第二用户签名匹配。
11.一种系统,包括适于执行根据任何前述方法权利要求的方法的所有步骤的装置。
12.一种计算机程序,包括指令,当在计算机系统上执行所述计算机程序时,所述指令用于执行根据任何前述方法权利要求的方法的所有步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/934,514 US10839238B2 (en) | 2018-03-23 | 2018-03-23 | Remote user identity validation with threshold-based matching |
US15/934,514 | 2018-03-23 | ||
PCT/IB2019/051957 WO2019180538A1 (en) | 2018-03-23 | 2019-03-11 | Remote user identity validation with threshold-based matching |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111886842A true CN111886842A (zh) | 2020-11-03 |
CN111886842B CN111886842B (zh) | 2022-09-06 |
Family
ID=67985306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980021049.6A Active CN111886842B (zh) | 2018-03-23 | 2019-03-11 | 使用基于阈值的匹配进行远程用户身份验证 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10839238B2 (zh) |
JP (1) | JP7369500B2 (zh) |
CN (1) | CN111886842B (zh) |
DE (1) | DE112019000334T5 (zh) |
GB (1) | GB2585168B (zh) |
WO (1) | WO2019180538A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11256792B2 (en) * | 2014-08-28 | 2022-02-22 | Facetec, Inc. | Method and apparatus for creation and use of digital identification |
CN107679861B (zh) * | 2017-08-30 | 2022-11-11 | 创新先进技术有限公司 | 资源转移方法、资金支付方法、装置及电子设备 |
US20200019968A1 (en) * | 2018-07-11 | 2020-01-16 | Capital One Services, Llc | System and method for authenticating transactions from a mobile device |
CN109117778B (zh) * | 2018-08-06 | 2021-05-11 | 百度在线网络技术(北京)有限公司 | 信息处理方法、装置、服务器及存储介质 |
US10747989B2 (en) * | 2018-08-21 | 2020-08-18 | Software Ag | Systems and/or methods for accelerating facial feature vector matching with supervised machine learning |
US20210049499A1 (en) * | 2019-08-14 | 2021-02-18 | Capital One Services, Llc | Systems and methods for diagnosing computer vision model performance issues |
CN111401463A (zh) * | 2020-03-25 | 2020-07-10 | 维沃移动通信有限公司 | 检测结果输出的方法、电子设备及介质 |
TWI723858B (zh) * | 2020-04-29 | 2021-04-01 | 一德金屬工業股份有限公司 | 電子鎖具的解鎖方法 |
US20210344491A1 (en) * | 2020-05-04 | 2021-11-04 | Gaurav Upadhyay | System and method to generate a unique security proof for secure accessing of data |
US11321797B2 (en) | 2020-08-25 | 2022-05-03 | Kyndryl, Inc. | Wearable watermarks |
JP7019007B1 (ja) * | 2020-09-28 | 2022-02-14 | 楽天グループ株式会社 | 照合システム、照合方法及びプログラム |
CN112967016A (zh) * | 2021-03-02 | 2021-06-15 | 岭东核电有限公司 | 核电试验工序确认方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191949A1 (en) * | 2000-08-30 | 2003-10-09 | Akihiro Odagawa | Authentication system, authentication request device, validating device and service medium |
US20130212655A1 (en) * | 2006-10-02 | 2013-08-15 | Hector T. Hoyos | Efficient prevention fraud |
CN105141615A (zh) * | 2015-09-07 | 2015-12-09 | 天地融科技股份有限公司 | 一种远程开户方法和系统及其身份验证方法和系统 |
WO2016131083A1 (en) * | 2015-02-20 | 2016-08-25 | S2D Pty Ltd | Identity verification. method and system for online users |
CN106296222A (zh) * | 2016-08-08 | 2017-01-04 | 任我游(厦门)科技发展有限公司 | 基于身份认证的电子合同互联网签署方法 |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
CN107220621A (zh) * | 2017-05-27 | 2017-09-29 | 北京小米移动软件有限公司 | 终端进行人脸识别的方法及装置 |
CN107742101A (zh) * | 2017-10-12 | 2018-02-27 | 珠海长园共创软件技术有限公司 | 一种现场施工人员验证方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3582439A (en) * | 1968-04-01 | 1971-06-01 | Polaroid Corp | Id card laminar structure and processes of making same |
JP4101420B2 (ja) | 1999-12-27 | 2008-06-18 | 株式会社日立製作所 | 電子認証方法及びその実施装置 |
US7281657B2 (en) * | 2004-07-29 | 2007-10-16 | Symbol Technologies, Inc. | Device for digitizing and processing checks in accordance with the Check 21 Act and for reading and decoding optical codes |
US20090063320A1 (en) | 2007-08-30 | 2009-03-05 | Shawna Kerry Powell | Electronic Lending System Method and Apparatus for Loan Completion |
US20090313129A1 (en) * | 2008-06-11 | 2009-12-17 | Lmr Inventions, Llc | System and method for verifying user identity information in financial transactions |
US20120278241A1 (en) * | 2009-12-28 | 2012-11-01 | Brown Kerry D | Traceable and non-reputable transaction devices and methods |
EP2572338A4 (en) | 2010-05-21 | 2016-04-27 | Hsbc Technology & Services Usa Inc | ACCOUNT OPERATING COMPUTER SYSTEM ARCHITECTURE AND IMPLEMENTATION METHOD THEREFOR |
US8834251B2 (en) * | 2011-09-16 | 2014-09-16 | Elottery, Inc. | Location and age verification for mobile lottery play |
KR20130091114A (ko) * | 2012-02-07 | 2013-08-16 | 김광식 | 비화폐 경제활동의 가상 온라인 소셜은행을 통한 뱅킹 시스템 및 방법 |
US20160065558A1 (en) * | 2013-01-08 | 2016-03-03 | Coursera, Inc. | Identity verification for online education |
US10339366B2 (en) * | 2013-10-23 | 2019-07-02 | Mobilesphere Holdings II LLC | System and method for facial recognition |
CA2945703C (en) | 2014-04-14 | 2019-09-10 | Mastercard International Incorporated | Systems, apparatus and methods for improved authentication |
JP2016035675A (ja) | 2014-08-04 | 2016-03-17 | アズビル株式会社 | 照合装置および照合方法 |
CA2997591A1 (en) * | 2014-09-05 | 2016-03-10 | Lastwall Networks Inc. | Method and system for real-time authentication of user access to a resource |
CN105518728B (zh) * | 2014-11-28 | 2018-10-16 | 深圳市大疆创新科技有限公司 | 一种无人机、无人机送货方法及系统 |
JP2016139353A (ja) | 2015-01-29 | 2016-08-04 | アズビル株式会社 | 画像判定装置および画像判定方法 |
WO2016128567A1 (en) | 2015-02-13 | 2016-08-18 | Yoti Ltd | Digital identity |
US10572639B2 (en) | 2015-03-17 | 2020-02-25 | Microsoft Technology Licensing, Llc | Selectively providing personal information and access to functionality on lock screen based on biometric user authentication |
WO2016183380A1 (en) | 2015-05-12 | 2016-11-17 | Mine One Gmbh | Facial signature methods, systems and software |
US9393697B1 (en) * | 2015-04-02 | 2016-07-19 | Disney Enterprises, Inc | System and method using foot recognition to create a customized guest experience |
US9619701B2 (en) * | 2015-05-20 | 2017-04-11 | Xerox Corporation | Using motion tracking and image categorization for document indexing and validation |
JP6679291B2 (ja) | 2015-12-01 | 2020-04-15 | 庄司 渉 | 申請者認証装置、及び認証方法、並びにその方法を用いたセキュリティ認証システム |
-
2018
- 2018-03-23 US US15/934,514 patent/US10839238B2/en active Active
-
2019
- 2019-03-11 WO PCT/IB2019/051957 patent/WO2019180538A1/en active Application Filing
- 2019-03-11 GB GB2016019.8A patent/GB2585168B/en active Active
- 2019-03-11 DE DE112019000334.8T patent/DE112019000334T5/de active Pending
- 2019-03-11 CN CN201980021049.6A patent/CN111886842B/zh active Active
- 2019-03-11 JP JP2020547407A patent/JP7369500B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191949A1 (en) * | 2000-08-30 | 2003-10-09 | Akihiro Odagawa | Authentication system, authentication request device, validating device and service medium |
US20130212655A1 (en) * | 2006-10-02 | 2013-08-15 | Hector T. Hoyos | Efficient prevention fraud |
WO2016131083A1 (en) * | 2015-02-20 | 2016-08-25 | S2D Pty Ltd | Identity verification. method and system for online users |
CN105141615A (zh) * | 2015-09-07 | 2015-12-09 | 天地融科技股份有限公司 | 一种远程开户方法和系统及其身份验证方法和系统 |
CN106296222A (zh) * | 2016-08-08 | 2017-01-04 | 任我游(厦门)科技发展有限公司 | 基于身份认证的电子合同互联网签署方法 |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
CN107220621A (zh) * | 2017-05-27 | 2017-09-29 | 北京小米移动软件有限公司 | 终端进行人脸识别的方法及装置 |
CN107742101A (zh) * | 2017-10-12 | 2018-02-27 | 珠海长园共创软件技术有限公司 | 一种现场施工人员验证方法 |
Also Published As
Publication number | Publication date |
---|---|
GB202016019D0 (en) | 2020-11-25 |
DE112019000334T5 (de) | 2020-09-17 |
GB2585168B (en) | 2021-07-14 |
US10839238B2 (en) | 2020-11-17 |
WO2019180538A1 (en) | 2019-09-26 |
JP7369500B2 (ja) | 2023-10-26 |
CN111886842B (zh) | 2022-09-06 |
JP2021517303A (ja) | 2021-07-15 |
US20190294900A1 (en) | 2019-09-26 |
GB2585168A (en) | 2020-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111886842B (zh) | 使用基于阈值的匹配进行远程用户身份验证 | |
US10691929B2 (en) | Method and apparatus for verifying certificates and identities | |
CN106599772B (zh) | 活体验证方法和装置及身份认证方法和装置 | |
CN108804884B (zh) | 身份认证的方法、装置及计算机存储介质 | |
JP2022532677A (ja) | 身元検証及び管理システム | |
CN108537030A (zh) | 基于身份识别的管理方法、装置及电子设备 | |
CA3112331A1 (en) | Remotely verifying an identity of a person | |
CN110322317B (zh) | 一种交易数据处理方法、装置、电子设备及介质 | |
US20200374286A1 (en) | Real time selfie systems and methods for automating user identify verification | |
JP6969663B2 (ja) | ユーザの撮影装置を識別する装置及び方法 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
US11108767B2 (en) | Apparatus and system for obtaining and encrypting documentary materials | |
US20220004652A1 (en) | Providing images with privacy label | |
US11418502B2 (en) | Input entry based on user identity validation | |
US11783440B2 (en) | System and method for generating a photographic police lineup | |
KR102047936B1 (ko) | 이미지 분류장치 및 방법 | |
US11521428B1 (en) | Methods and systems for signature verification | |
US11645372B2 (en) | Multifactor handwritten signature verification | |
US20240071117A1 (en) | Signature verification based on topological stochastic models | |
US11664992B1 (en) | Apparatus and method for generating a token certificate associated with an assignment | |
US11527087B1 (en) | Mobile application for automatic identification enrollment using information synthesis and biometric liveness detection | |
US20240086508A1 (en) | System and method for facilitating multi-factor face authentication of user | |
EP4336469A1 (en) | Method for determining the quality of a captured image | |
US20210344491A1 (en) | System and method to generate a unique security proof for secure accessing of data | |
CN113569839A (zh) | 证件识别方法、系统、设备及介质 |
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 |