CN112287315A - 一种基于Skyline查询生物特征对身份进行认证的方法及系统 - Google Patents
一种基于Skyline查询生物特征对身份进行认证的方法及系统 Download PDFInfo
- Publication number
- CN112287315A CN112287315A CN202010745489.0A CN202010745489A CN112287315A CN 112287315 A CN112287315 A CN 112287315A CN 202010745489 A CN202010745489 A CN 202010745489A CN 112287315 A CN112287315 A CN 112287315A
- Authority
- CN
- China
- Prior art keywords
- data
- biological
- authentication
- biological data
- skyline
- 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
Images
Classifications
-
- 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
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Abstract
本发明公开了一种基于Skyline查询生物特征对身份进行认证的方法及系统,属于身份认证技术领域。本发明方法,包括:获取待测目标的第一生物数据,对所述第一生物数据以预设策略进行处理,生成第二生物数据;对第二生物数据进行解析,并对解析后的第二生物数据进行数据融合,生成第三生物数据;调用预设的第一认证数据集,并对第一认证数据集和第三生物数据进行Skyline计算,生成第二认证数据集;调用第二认证数据集,根据Skyline计算确定第二认证数据集与第三生物数据的支配关系,当第三生物数据被第二认证数据集所支配时,确定待测目标的身份认证成功。本发明利用用户的生理数据作为身份判别的依据,与传统身份认证方式相比,认证过程更快捷,用户体验较好。
Description
技术领域
本发明涉及身份认证技术领域,并且更具体地,涉及一种基于Skyline 查询生物特征对身份进行认证的方法及系统。
背景技术
随着互联网技术的发展和生物识别技术的日臻成熟,越来越多的身份 认证方案中采用了将用户的生物特征作为身份判别的依据,与传统“用户 名+密码”的身份认证方式相比,生物识别技术的运用使认证过程更快捷, 用户体验较好。
然而,某些生物特征的提取受环境因素影响较大,如常用的人脸、虹 膜等识别技术,受周围光线环境影响较大。有些则需要较为复杂的互动过 程,如人脸识别、声纹识别,要求用户按指令做出相应动作进行鉴别等, 另一方面,用户的生物特征往往直接存储于用户终端,甚至被上传到第三 方服务器和云端数据库等,给用户隐私带来隐患。
发明内容
针对上述问题,本发明提出了一种基于Skyline查询生物特征对身份 进行认证的方法,包括:
获取待测目标的第一生物数据,对所述第一生物数据以预设策略进行 处理,生成第二生物数据;
对第二生物数据进行解析,并对解析后的第二生物数据进行数据融合, 生成第三生物数据;
进入数据训练阶段,调用预设的第一认证数据集,并对第一认证数据 集和第三生物数据进行Skyline计算,生成第二认证数据集;
进入身份鉴别阶段,调用第二认证数据集,根据Skyline计算确定第 二认证数据集与第三生物数据的支配关系,当第三生物数据被第二认证数 据集所支配时,确定待测目标的身份认证成功。
可选的,第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体 脂率或BMI中的一种或多种。
可选的,预设策略,根据第一生物数据中的生理数据,确定预设策略;
所述预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意 一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生 物数据中多种生理数据的加权值。
可选的,方法还包括:
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline 计算,生成第二认证数据集。
可选的,第一认证数据集为对第三生物数据进行Skyline计算,并对 计算结果进行训练的数据模型。
本发明还提供了一种基于Skyline查询生物特征对身份进行认证的系 统,包括:
采集模块,获取待测目标的第一生物数据,并将所述第一生物数据传 输至预处理模块;
预处理模块,对所述第一生物数据以预设策略进行处理,生成第二生 物数据,并将所述第二生物数据传输至数据融合模块;
数据融合模块,对所述第二生物数据进行解析,并对所述解析后的第 二生物数据进行数据融合,生成第三生物数据,并将所述第三生物数据传 输至Skyline计算模块;
Skyline计算模块,调用存储模块中预设的第一认证数据集,并对第一 认证数据集和第三生物数据进行Skyline计算,生成第二认证数据集,并 将所述第二认证数据集传输至存储模块,调用存储模块中的第二认证数据 集,根据Skyline计算确定第二认证数据集与第三生物数据的支配关系, 当第三生物数据被第二认证数据集所支配时,确定待测目标的身份认证成 功;
存储模块,存储系统预设的第一认证数据集,接收并存储在数据训练 阶段后Skyline计算模块生成的第二认证数据集。
可选的,第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体 脂率或BMI中的一种或多种。
可选的,预设策略,根据第一生物数据中的生理数据,确定预设策略;
所述预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意 一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生 物数据中多种生理数据的加权值。
可选的,Skyline计算模块还用于:
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline 计算,生成第二认证数据集。
可选的,第一认证数据集为对第三生物数据进行Skyline计算,并对 计算结果进行训练的数据模型。
本发明适用于多种场景,利用用户的生理数据作为身份判别的依据, 与传统身份认证方式相比,认证过程更快捷,用户体验较好;
本发明打破采用单一生物特征作为身份认证依据的局限,不限定于使 用某一种或某几种生理数据,提高抗攻击能力和对外界环境的适应能力。
附图说明
图1为本发明一种基于Skyline查询生物特征对身份进行认证的方法 流程图;
图2为本发明一种基于Skyline查询生物特征对身份进行认证的方法 Skyline鉴别模型示意图;
图3为本发明一种基于Skyline查询生物特征对身份进行认证的系统 结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许 多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例 是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分 传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是 对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的 技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典 限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应 该被理解为理想化的或过于正式的意义。
本发明提出了一种基于Skyline查询生物特征对身份进行认证的方法, 如图1所示,包括:
获取待测目标的第一生物数据,对所述第一生物数据以预设策略进行 处理,生成第二生物数据;
对第二生物数据进行解析,并对解析后的第二生物数据进行数据融合, 生成第三生物数据;
进入数据训练阶段,调用预设的第一认证数据集,并对第一认证数据 集和第三生物数据进行Skyline计算,生成第二认证数据集;
进入身份鉴别阶段,调用第二认证数据集,根据Skyline计算确定第 二认证数据集与第三生物数据的支配关系,当第三生物数据被第二认证数 据集所支配时,确定待测目标的身份认证成功。
第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体 脂率或BMI中的一种或多种。
预设策略,根据第一生物数据中的生理数据,确定预设策略;
预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意 一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生 物数据中多种生理数据的加权值。
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline 计算,生成第二认证数据集。
第一认证数据集为对第三生物数据进行Skyline计算,并对计算结果 进行训练的数据模型。
其中,第一认证数据集为对第三生物数据进行Skyline计算,并对计 算结果进行训练的数据模型。
其中,Skyline计算原理如下:
Skyline计算原理,主要对“正向Skyline计算”和“反向Skyline计 算”概念的阐述,考虑一个大型m维空间向量集合P={P1,…,Pn},且Pa和Pb是P中 两个不同点;
定义1(正向Skyline计算)对于任意的正整数j(1≤j≤m),均满足 Pa[j]≤Pb[j],且至少存在一个j,使得Pa[j]<Pb[j],则称Pa正向支配Pb,从数据集 P中提取所有相互之前不存在正向支配关系的元组构成集合PSKY(P),记作:
定义2(反向Skyline计算)对于任意的正整数j(1≤j≤m),均满足 Pa[j]≥Pb[j];,且至少存在一个j,使得Pa[j]>Pb[j],则称Pa反向支配Pb,从数据集 P中提取所有相互之前不存在反向支配关系的元组构成集合NSKY(P),记作:
定理1(Skyline计算具有可加性)对于多维空间向量集合 P={P1,P2,…,Pn},若数据集P满足P=P1∪…∪Pn,则:
SKY(P)=SKY(P1∪…∪Pn)=SKY(SKY(P1)∪…∪SKY(Pn))
根据上述公式可以制定如下判定规则:
当且仅当0<ρ+≤1和-1≤ρ-<0,判定用户鉴证通过;
如图2所示,P1是一个二维空间向量集合,由A,B,C,D,E,F等二维向量组 成,对P1中所有点进行正向Skyline计算得到集合P1的上轮廓集合 PSKY(P1)={A,B,C,D},进行反向Skyline计算得到集合P1的下轮廓集合 NSKY(P1)={E,F},PSKY(P1)和NSKY(P1)共同构成了集合P1的数据轮廓点,对于该二 维空间中集合P1之外的另一元组W,分别判断W与PSKY(P1)和NSKY(P1)中各元组 的支配关系,由于Pdom(B,W)=1,且Ndom(E,W)=-1,因此元组W属于数据集P1的数据轮廓中。
本发明还提出了一种基于Skyline查询生物特征对身份进行认证的系 统200,如图3所示,包括:
采集模块201,获取待测目标的第一生物数据,并将所述第一生物数 据传输至预处理模块;
预处理模块202,对所述第一生物数据以预设策略进行处理,生成第 二生物数据,并将所述第二生物数据传输至数据融合模块;
数据融合模块203,对所述第二生物数据进行解析,并对所述解析后 的第二生物数据进行数据融合,生成第三生物数据,并将所述第三生物数 据传输至Skyline计算模块;
Skyline计算模块204,调用存储模块中预设的第一认证数据集,并对 第一认证数据集和第三生物数据进行Skyline计算,生成第二认证数据集, 并将所述第二认证数据集传输至存储模块,调用存储模块中的第二认证数 据集,根据Skyline计算确定第二认证数据集与第三生物数据的支配关系, 当第三生物数据被第二认证数据集所支配时,确定待测目标的身份认证成 功;
存储模块205,存储系统预设的第一认证数据集,接收并存储在数据 训练阶段后Skyline计算模块生成的第二认证数据集。
第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体 脂率或BMI中的一种或多种。
预设策略,根据第一生物数据中的生理数据,确定预设策略;
预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意 一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生 物数据中多种生理数据的加权值。
Skyline计算模块204还用于:
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline 计算,生成第二认证数据集。
第一认证数据集为对第三生物数据进行Skyline计算,并对计算结果 进行训练的数据模型。
本发明适用于不需要区分用户帐户的身份认证场景,如某单位办公大 楼门禁系统、某家庭公用电子终端等,现实生活中,更侧重强调该用户所 持有的信息和系统整体效益,如:对于某单位办公大楼门禁系统,更关心 挑战者是否为该单位员工并拥有通过该单位门禁系统认证的身份数据,而 不关心该挑战者是谁、隶属哪个部门等细节。
本发明具备以下几点显著优点:
(1)利用用户的生理数据作为身份判别的依据,与传统身份认证方式 相比,认证过程更快捷,用户体验较好;
(2)打破采用单一生物特征作为身份认证依据的局限,不限定于使用 某一种或某几种生理数据,提高系统的抗攻击能力和对外界环境的适应能 力;
(3)在数据训练阶段,运用Skyline计算能快速得出不同类型生理数 据的有效范围,大幅度去除重复数据,降低系统存储量,即以最小内存代 价保证了最佳鉴别性能;
(4)在身份鉴别阶段,运用Skyline算法能快速得出输入数据与训练 模型数据间的支配关系,并将该计算结果作为身份鉴别的依据,计算量小, 系统响应迅速;
(5)存储模块以系统自定义数据结构存储训练数据集,而不直接记录 用户的原始生理数据,隐私保护效果好。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、 或计算机程序产品。因此,本申请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,本申请可采用在一个 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。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向 对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流 程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中 的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专 用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个 机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产 生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方 框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存 储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备 上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机 实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现 在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的 功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知 了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所 附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和 修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离 本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权 利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在 内。
Claims (10)
1.一种基于Skyline查询生物特征对身份进行认证的方法,所述方法包括:
获取待测目标的第一生物数据,对所述第一生物数据以预设策略进行处理,生成第二生物数据;
对第二生物数据进行解析,并对解析后的第二生物数据进行数据融合,生成第三生物数据;
进入数据训练阶段,调用预设的第一认证数据集,并对第一认证数据集和第三生物数据进行Skyline计算,生成第二认证数据集;
进入身份鉴别阶段,调用第二认证数据集,根据Skyline计算确定第二认证数据集与第三生物数据的支配关系,当第三生物数据被第二认证数据集所支配时,确定待测目标的身份认证成功。
2.根据权利要求1所述的方法,所述第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体脂率或BMI中的一种或多种。
3.根据权利要求1所述的方法,所述预设策略,根据第一生物数据中的生理数据,确定预设策略;
所述预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生物数据中多种生理数据的加权值。
4.根据权利要求1所述的方法,所述方法还包括:
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline计算,生成第二认证数据集。
5.根据权利要求1所述的方法,所述第一认证数据集为对第三生物数据进行Skyline计算,并对计算结果进行训练的数据模型。
6.一种基于Skyline查询生物特征对身份进行认证的系统,所述系统包括:
采集模块,获取待测目标的第一生物数据,并将所述第一生物数据传输至预处理模块;
预处理模块,对所述第一生物数据以预设策略进行处理,生成第二生物数据,并将所述第二生物数据传输至数据融合模块;
数据融合模块,对所述第二生物数据进行解析,并对所述解析后的第二生物数据进行数据融合,生成第三生物数据,并将所述第三生物数据传输至Skyline计算模块;
Skyline计算模块,调用存储模块中预设的第一认证数据集,并对第一认证数据集和第三生物数据进行Skyline计算,生成第二认证数据集,并将所述第二认证数据集传输至存储模块,调用存储模块中的第二认证数据集,根据Skyline计算确定第二认证数据集与第三生物数据的支配关系,当第三生物数据被第二认证数据集所支配时,确定待测目标的身份认证成功;
存储模块,存储系统预设的第一认证数据集,接收并存储在数据训练阶段后Skyline计算模块生成的第二认证数据集。
7.根据权利要求6所述的系统,所述第一生物数据为待测目标的生理数据,包括:
心率、血压、体温、呼吸频率、步频、步幅、眨眼频率、肺活量、体脂率或BMI中的一种或多种。
8.根据权利要求6所述的系统,所述预设策略,根据第一生物数据中的生理数据,确定预设策略;
所述预设策略,包括:
筛选第一生物数据中任意一种的生理数据,筛选第一生物数据中任意一种生理数据预设时间范围内的最小值、最大值或平均值,或确定第一生物数据中多种生理数据的加权值。
9.根据权利要求6所述的系统,所述Skyline计算模块还用于:
当调用预设的第一认证数据集为空时,对第三生物数据进行Skyline计算,生成第二认证数据集。
10.根据权利要求6所述的系统,所述第一认证数据集为对第三生物数据进行Skyline计算,并对计算结果进行训练的数据模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010745489.0A CN112287315A (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征对身份进行认证的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010745489.0A CN112287315A (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征对身份进行认证的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112287315A true CN112287315A (zh) | 2021-01-29 |
Family
ID=74420654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010745489.0A Pending CN112287315A (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征对身份进行认证的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287315A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
CN103093133A (zh) * | 2013-01-08 | 2013-05-08 | 西安电子科技大学 | 面向ieee802.15.6的生物身份认证方法 |
CN106777090A (zh) * | 2016-12-14 | 2017-05-31 | 大连交通大学 | 基于视觉词汇表与多特征匹配的Skyline的医学大数据检索方法 |
CN110378414A (zh) * | 2019-07-19 | 2019-10-25 | 中国计量大学 | 基于进化策略的多模态生物特征融合的身份识别方法 |
CN110418337A (zh) * | 2019-07-29 | 2019-11-05 | 北京邮电大学 | 身份认证方法及装置 |
-
2020
- 2020-07-29 CN CN202010745489.0A patent/CN112287315A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
CN103093133A (zh) * | 2013-01-08 | 2013-05-08 | 西安电子科技大学 | 面向ieee802.15.6的生物身份认证方法 |
CN106777090A (zh) * | 2016-12-14 | 2017-05-31 | 大连交通大学 | 基于视觉词汇表与多特征匹配的Skyline的医学大数据检索方法 |
CN110378414A (zh) * | 2019-07-19 | 2019-10-25 | 中国计量大学 | 基于进化策略的多模态生物特征融合的身份识别方法 |
CN110418337A (zh) * | 2019-07-29 | 2019-11-05 | 北京邮电大学 | 身份认证方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019119505A1 (zh) | 人脸识别的方法和装置、计算机装置及存储介质 | |
WO2020258981A1 (zh) | 基于眼底图像的身份信息处理方法及设备 | |
CN109784277B (zh) | 一种基于智能眼镜的情绪识别方法 | |
CN110929836B (zh) | 神经网络训练及图像处理方法和装置、电子设备、介质 | |
KR102570070B1 (ko) | 일반화된 사용자 모델을 이용한 사용자 인증 방법 및 장치 | |
CN112380512A (zh) | 卷积神经网络动态手势认证方法、装置、存储介质及设备 | |
KR20200083119A (ko) | 사용자 인증 장치 및 방법 | |
KR101195539B1 (ko) | 얼굴 인식 및 검출을 이용한 출입문 개폐 시스템 및 그 방법 | |
CN112818399B (zh) | 大数据访问权限动态调整方法及大数据访问控制设备 | |
US20210044864A1 (en) | Method and apparatus for identifying video content based on biometric features of characters | |
CN113128526A (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
Neha et al. | Biometric re-authentication: An approach towards achieving transparency in user authentication | |
CN111914769A (zh) | 用户合法性判定方法、装置、计算机可读存储介质及设备 | |
CN112287315A (zh) | 一种基于Skyline查询生物特征对身份进行认证的方法及系统 | |
Liu et al. | Finger-vein recognition with modified binary tree model | |
WO2022000334A1 (zh) | 生物特征识别方法、装置、设备及存储介质 | |
CN112115446B (zh) | 一种基于Skyline查询生物特征的身份认证方法及系统 | |
CN111428643A (zh) | 指静脉图像识别方法、装置、计算机设备及存储介质 | |
CN110956098A (zh) | 图像处理方法及相关设备 | |
CN107292146B (zh) | 用户特征向量选取方法及系统 | |
CN113421575B (zh) | 声纹识别方法、装置、设备及存储介质 | |
CN112765579B (zh) | 一种用户身份识别方法、装置、设备和存储介质 | |
CN110490027A (zh) | 一种用于人脸识别的人脸特征提取训练方法及系统 | |
WO2022070321A1 (ja) | 顔認証装置、顔認証方法、及び、記録媒体 | |
KR102483648B1 (ko) | 인증을 수행하는 방법 및 장치 |
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 |