CN112597810A - 身份证明文件认证方法和系统 - Google Patents
身份证明文件认证方法和系统 Download PDFInfo
- Publication number
- CN112597810A CN112597810A CN202011403421.0A CN202011403421A CN112597810A CN 112597810 A CN112597810 A CN 112597810A CN 202011403421 A CN202011403421 A CN 202011403421A CN 112597810 A CN112597810 A CN 112597810A
- Authority
- CN
- China
- Prior art keywords
- identification document
- image
- light
- colored light
- projected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005286 illumination Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 21
- 238000004590 computer program Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 10
- 239000003086 colorant Substances 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G06V40/10—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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
提供了一种身份证明文件认证方法和系统。该方法包括获得多个标记的照射图像,其中,每个标记的照射图像是将不同颜色的光投射在身份证明文件上时拍摄的所述身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签;使用训练的分类器模型的归一化指数函数,生成与所述多个标记的照射图像相关联的置信度得分,其中,所述多个标记的照射图像是对所述训练的分类器模型的合并输入;以及基于所述置信度得分和阈值之间的比较来对所述身份证明文件进行认证。
Description
技术领域
本文一般性地而非唯一地涉及身份证明文件认证方法及身份证明文件认证系统。
背景技术
“电子化了解你的客户(eKYC)”是企业实体或服务提供商为了验证其客户的身份以防止身份欺诈而执行的数字尽职调查处理。通常,企业实体或服务提供商无法根据官方数据库(例如政府的数据库)中的信息来交叉验证其客户的身份。因此,许多企业实体和服务提供商使用eKYC处理来验证其客户的身份。
eKYC处理通常包括在与客户建立关系的初始阶段为验证其身份而进行的一系列检查。许多eKYC处理涉及潜在客户提交其官方身份证明(ID)文件的照片,例如,身份证、驾驶执照、护照等。然后,可以分析照片以验证客户的身份。
在典型的eKYC处理中,要求客户为其身份证明文件拍照。但是,某些攻击者可以在eKYC处理中使用欺诈性的身份证明文件、真实身份证明文件的屏幕截图、或真实身份证明文件的高分辨率复制件。
因此,存在改进可以认证身份证明文件的方式的需求。
发明内容
实施例试图提供一种身份证明文件认证方法及一种身份证明文件认证系统,包括:获得将不同颜色的光投射在身份证明文件上时身份证明文件的标记的照射图像;以及验证身份证明文件上的颜色变化以检测使用身份证明文件的仿制品的攻击。身份证明文件的仿制品可以包括真实身份证明文件的屏幕快照、真实身份证明文件的高分辨率复印件或欺诈性身份证明文件。
根据一个实施例,提供了一种身份证明文件认证方法,包括:获得多个标记的照射图像,其中,每个标记的照射图像是将不同颜色的光投射在身份证明文件上时拍摄的身份证明文件的图像;并标记有与所投射的不同颜色的光相对应的标签;使用经训练的分类器模型的归一化指数函数,生成与多个标记的照射图像相关联的置信度得分,其中,多个标记的照射图像是对经训练的分类器模型的合并输入;以及基于置信度得分和阈值之间的比较来对身份证明文件进行认证。
根据另一实施例,提供了一种身份证明文件认证系统,包括:图像获得设备,用于获得多个标记的照射图像,其中,每个标记的照射图像是将不同颜色的光投射在身份证明文件上时拍摄的身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签;得分生成设备,用于使用经训练的分类器模型的归一化指数函数,生成与多个标记的照射图像相关联的置信度得分,其中,多个标记的照射图像是对经训练的分类器模型的合并输入;以及认证设备,用于基于置信度得分和阈值之间的比较来对身份证明文件进行认证。
附图说明
实施例仅以举例的方式提供,并且通过以下结合附图阅读的书面描述,本领域普通技术人员将更好地理解实施例,并且这些实施例将易于理解,其中:
图1是示出根据实施例的身份证明文件认证方法的示例的流程图。
图2是示出根据另一实施例的身份证明文件认证方法的示例的示意性表示。
图3是示出根据实施例的身份证明文件认证系统的示例的示意图。
图4示出了适用于执行身份证明文件认证方法的至少一些步骤的计算机系统的示意图。
具体实施方式
将仅以举例的方式参照附图描述了实施例。附图中相同的附图标记和字符表示相同的元件或等同物。
以下描述的某些部分是根据对计算机存储器内数据的操作的算法以及功能或符号表示来显式或隐式呈现的。这些算法描述以及功能或符号表示是数据处理领域技术人员用来最有效地向本领域其他技术人员传达其工作实质的手段。这里,算法通常被认为是导致所需结果的一系列自洽的步骤。这些步骤是需要对诸如能够存储、传输、组合、比较和以其他方式操纵的电信号、磁信号或光信号之类的物理量进行物理操纵的步骤。
除非另有特别说明,并且从下文中可以明显看出,否则将理解,在整个本文中,利用诸如“接收”、“扫描”、“计算”、“确定”、“代替”、“生成”、“初始化”、“输出”等的术语指的是计算机系统或类似电子设备的动作和处理,所述计算机系统或类似电子设备将计算机系统内的以物理量表示的数据操纵和转换为计算机系统或其他信息存储、传输或显示设备内的类似以物理量表示的其他数据。
本文还公开了用于执行所述方法的操作的装置。这样的装置可以被专门地构造用于所需的目的,或者可以包括计算机或由存储在计算机中的计算机程序选择性地激活或重新配置的其他设备。本文提出的算法和显示与任何特定计算机或其他装置没有固有的关联。根据本文的教导,各种机器可以与程序一起使用。可选地,用于执行所需方法步骤的更专用的装置的构造可能是合适的。适合于执行本文描述的各种方法/处理的计算机的结构将从下面的描述中显现。
另外,本文还隐含地公开了一种计算机程序,因为对于本领域技术人员而言清楚的是,本文所述方法的各个步骤可以通过计算机代码来实现。计算机程序不旨在限于任何特定的编程语言及其实现。应当理解,各种编程语言及其代码可以用于实现本文所包含的公开内容的教导。而且,计算机程序不旨在限于任何特定的控制流。在不脱离本发明的精神或范围的情况下,计算机程序还有许多其他变体,其可以使用不同的控制流。
此外,计算机程序的一个或多个步骤可以并行而不是顺序地执行。这样的计算机程序可以存储在任何计算机可读介质上。计算机可读介质可以包括诸如磁盘或光盘的存储设备、存储芯片、或适合于与计算机接口的其他存储设备。计算机可读介质还可以包括诸如在互联网系统中例示的硬连线介质,或者诸如在GSM移动电话系统中例示的无线介质,以及诸如蓝牙、ZigBee、Wi-Fi的其他无线系统。当在这样的计算机上加载并执行该计算机程序时,该计算机程序有效地产生了实现优选方法的步骤的装置。
“电子化了解你的客户(eKYC)”是企业实体或服务提供商为了验证其客户的身份以防止身份欺诈而执行的数字尽职调查处理。认证可以被认为是欺诈检测的一种形式,其中在欺诈行为被实施之前,要验证用户的合法性并可以检测到潜在的欺诈者。有效的认证可以增强系统的数据安全性,从而保护数字数据免受未经授权的用户的侵害。
要求客户为其身份证明(ID)文件(例如身份证、驾驶执照、护照等)拍照。当前的身份证明文件认证技术可能会通过识别单个身份证明文件图像中的莫列波纹(moirépattern)或不一致来确定身份证明文件的真实性。但是,某些攻击者可能会在eKYC处理中使用身份证明文件的仿制品。身份证明文件的仿制品可以包括真实身份证明文件的屏幕快照、真实身份证明文件的高分辨率复印件或欺诈性身份证明文件。通过使用单个身份证明文件图像,当前的身份证明文件认证方法可能无法充分利用真实身份证明文件的可用特征来有效地对身份证明文件进行认证。因此,在检测使用身份证明文件的仿制品的攻击时,使用一个以上身份证明文件图像可能会是有用的。
另外,与身份证明文件的仿制品相比,真实身份证明文件可能具有不同的光反射特性和光吸收特性。例如,当红色光投射到真实身份证明文件上时,由于真实身份证明文件反射红色光,因此可以观察到身份证明文件上的可见颜色变化。另一方面,当相同的红色光投射到身份证明文件的仿制品上时,身份证明文件的仿制品上的颜色变化可能不可见,或者身份证明文件的仿制品上观察到的颜色变化可能与真实身份证明文件上可能会观察到的颜色变化不同。因此,将彩色光投射到身份证明文件上并验证身份证明文件上的颜色变化可能有助于检测使用身份证明文件的仿制品的攻击。
本文描述的实施例可以涉及包括两个一般处理的eKYC处理:用户注册处理和用户验证处理。在用户注册处理中,可要求用户将不同颜色的光投射到其身份证明文件上,并拍摄其身份证明文件的照片,以作为用户注册图像提交。在用户认证处理中,同一用户可以拍摄其人脸照片(即“自拍照”)作为用户验证图像提交。本文主要关注的是用户注册处理中的身份证明文件的认证。
根据一个实施例,可要求用户将至少两种不同颜色的光投射到其身份证明文件上,并拍摄其照射的身份证明文件的相应图像以作为用户注册图像提交。
为了减少使用身份证明文件的仿制品的攻击的成功率,可实现涉及分析身份证明文件的照射图像的身份证明文件认证方法。该方法可以包括将照射图像发送到经训练的分类器模型以生成置信度得分。此后,可以将置信度得分与预定义的阈值进行比较,以确定身份证明文件是否是真实的。
如上所述,与身份证明文件的仿制品相比,真实身份证明文件可以具有不同的光反射特性和光吸收特性。当将彩色光投射到身份证明文件的仿制品上时,身份证明文件的仿制品上的颜色变化可能不可见,或者身份证明文件的仿制品上观察到的颜色变化可能与真实身份证明文件上观察到的颜色变化不同。
本文描述的技术产生一种或多种技术效果。特别地,通过将彩色光投射到身份证明文件上并验证身份证明文件上的颜色变化,身份证明文件认证方法和系统可以降低eKYC处理的攻击成功率。如果经训练的分类器模型生成的置信度得分高于预定义的阈值,则可以将身份证明文件识别为身份证明文件的仿制品。
此外,身份证明文件认证方法和系统可以提高检测使用身份证明文件的仿制品的攻击时的准确性。可以使用大的训练数据集对分类器模型进行训练,从而可以生成相对准确的置信度得分。另外,如果使用身份证明文件的仿制品,则置信度得分将相对较高。这样,可以使用身份证明文件认证方法和系统来准确地识别身份证明文件的仿制品。
图1是示出根据实施例的身份证明文件认证方法的示例的流程图100。在步骤102,获得多个标记的照射图像。每个标记的照射图像是将不同颜色的光投射在身份证明文件上时拍摄的身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签。在步骤104,使用经训练的分类器模型的归一化指数函数来生成置信度得分。置信度得分与多个标记的照射图像相关联。多个标记的照射图像是对经训练的分类器模型的合并输入。在步骤106,基于置信度得分和阈值之间的比较来认证身份证明文件。分类器模型可以是卷积神经网络(CNN)分类器。CNN分类器的最后的全连接层可以是包括归一化指数函数的归一化指数层。归一化指数函数可以将向量作为输入,并且置信度得分是可能的输出。归一化指数函数可以生成0到1之间的置信度得分。置信度得分1可表示身份证明文件为身份证明文件的仿制品的置信度高。
可以预先确定将在身份证明文件认证方法中使用的标记的照射图像和不同颜色的光的数量。可以相应地准备正样本数据和负样本数据。然后可以使用正样本数据和负样本数据的大的数据集训练分类器模型。
作为非限制性示例,可以将标记的照射图像的数量预先确定为三个。因此,在身份证明文件认证方法中可以使用三种不同颜色的光。此外,可以将三种不同颜色的光预先确定为红光、绿光和蓝光。在该示例中,正样本数据标可以是分别用红光、绿光和蓝光投射的真实身份证明文件的标记的照射图像。标记的照射图像可以标记有与红光、绿光和蓝光相对应的标签。另一方面,负样本数据可以是分别用红光、绿光和蓝光投射的身份证明文件的仿制品的标记的照射图像。类似地,标记的照射图像可以标记有与红光、绿光和蓝光相对应的标签。相同的标签可用于标记真实身份证明文件和身份证明文件的仿制品的照射图像。
训练数据集的大小可以由N×I×H×W表示,其中N表示训练过程的每次迭代中使用的训练图像的数量,I对应于合并输入的集合中使用的训练图像的数量,H表示训练图像的高度,W表示训练图像的宽度。在上面的示例中,三个标记的照射图像被预先确定要在身份证明文件认证方法中使用,合并输入的集合可以包括三个训练图像。因此,I的值可以为9。
根据一个实施例,经训练的分类器模型可以包括多个核,每个核对应于在将彩色光投射在真实身份证明文件上时拍摄的真实身份证明文件的图像的特征。
如上所述,可要求用户将至少两种不同颜色的光投射到其身份证明文件上,并拍摄其照射身份证明文件的各个图像,作为用户注册图像提交。可以在不同尺寸的照射身份证明文件图像上实施身份证明文件认证方法。该方法还可以在具有不同对准的照射身份证明文件图像上实施,例如,可以以不同角度拍摄身份证明文件的图像。
图2是示出根据另一实施例的身份证明文件认证方法的示例的示意性表示200。多个标记的照射图像可以包括三个标记的照射图像。第一标记的照射图像可以是用第一彩色光投射的身份证明文件的第一图像。第二标记的照射图像可以是用第二彩色光投射的身份证明文件的第二图像,第三标记的照射图像可以是用第三彩色光投射的身份证明文件的第三图像。第一彩色光可以是红光,第二彩色光可以是绿光,第三彩色光可以是蓝光。此外,第一彩色光、第二彩色光和第三彩色光可以以任何顺序投射到身份证明文件上。
彩色光源可以是移动电话的显示屏。如图2所示,可要求用户配置移动电话屏幕202以显示彩色屏幕。此外,在显示的彩色屏幕在移动电话上闪耀时,可要求用户拿着其身份证明文件222并使用移动电话的前置摄像头拍摄身份证明文件的图像。如上所述,彩色光可以是红光、绿光和蓝光。因此,可以将移动电话屏幕202设置为分别以任何顺序显示红色屏幕、绿色屏幕和蓝色屏幕。因此,可以拍摄身份证明文件的三个不同的照射图像。
具体地,可以将移动电话屏幕202设置为显示红色屏幕,然后可以将来自屏幕的红光投射204到身份证明文件上。可以拍摄210用红光照射的身份证明文件的图像并将其标记为l_r。类似地,可以将移动电话屏幕202设置为显示绿色屏幕,然后可以将来自屏幕的绿光投射206到同一身份证明文件上。可以拍摄212用绿光照射的身份证明文件的图像,并将其标记为l_g。此外,可以将移动电话屏幕202设置为显示蓝色屏幕,然后可以将来自屏幕的蓝光投射208到身份证明文件上。可以拍摄214用蓝光照射的身份证明文件的图像,并将其标记为l_b。标记的照射图像l_r、l_g和l_b可以被发送到经训练的分类器模型。标记的照射图像可以是对经训练的分类器模型的合并输入。
分类器模型可以是卷积神经网络(CNN)分类器216。CNN分类器216可以基于标记的照射图像来生成置信度得分或真实得分218。然后,可以基于置信度得分和阈值之间的比较,将身份证明文件确定为真实身份证明文件或身份证明文件的仿制品,或者是真实的或欺骗的220。
根据一个实施例,身份证明文件认证方法还可以包括:对多个标记的照射图像执行图像处理,以从多个标记的照射图像去除背景图像。图像处理技术的一个示例是身份证明文件检测方法,该方法可以提取身份证明文件图像并从标记的照射图像中去除背景图像。身份证明文件检测方法可以包括基于诸如TensorFlow、NumPy和OpenCV的开源软件库的指令集。通过在将标记的照射图像发送到经训练的分类器模型之前对标记的照射图像执行图像处理技术,可以获得更准确的结果。
如上所述并参考图1,在步骤106,基于置信度得分和阈值之间的比较来认证身份证明文件。根据一个实施例,可以基于接收器工作特性(ROC)曲线来设置阈值,并且认证身份证明文件可以包括在置信度得分低于阈值的情况下认证身份证明文件真实。在一些实施方式中,可以基于所收集的特定身份证明文件类型的测试数据来绘制ROC曲线。阈值可以是ROC曲线上对应于百分之一的错误接受率的值。在其他实施方式中,可以收集不同身份证明文件类型的测试数据以绘制ROC曲线。基于以这种方式绘制的ROC曲线设置的阈值对于不同类型的身份证明文件可以是固定值。
代替单独拍摄身份证明文件的多个标记的照射图像中的每一个,可以获得用不同颜色的光照射的身份证明文件的视频。在一些实施方式中,可以从视频提取帧以获得各个标记的照射图像。在其他实施方式中,可以分析视频以确定身份证明文件的真实性。
为了更稳健地进行欺诈检测和提高身份证明文件认证方法的准确性,可以使用大量不同颜色的光。不同颜色的光可以包括粉红色、黄色、紫色等。也可以使用不同色度的彩色光,例如浅红色和深红色。另外,身份证明文件认证方法还可以包括:获得没有任何彩色光投射在其上的附加身份证明文件的图像。
本文结合系统、设备和计算机程序组件使用术语“被配置为”。对于被配置为执行特定操作或动作的一个或多个计算机的系统,意味着系统已经在其上安装了在操作中促使该系统执行所述操作或动作的软件、固件、硬件或它们的组合。对于被配置为执行特定操作或动作的一个或多个计算机程序,意味着一个或多个程序包括当被数据处理装置执行时促使该装置执行所述操作或动作的指令。对于被配置为执行特定操作或动作的专用逻辑电路,意味着该电路具有执行所述操作或动作的电子逻辑。
图3是示出根据实施例的身份证明文件认证系统的示例的示意图300。该身份证明文件认证系统包括图像获得设备302,用于获得多个标记的照射图像。每个标记的照射图像是将不同颜色的光投射在身份证明文件上时拍摄的身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签。该身份证明文件认证系统还包括得分生成设备304,用于使用经训练的分类器模型的归一化指数函数来生成与多个标记的照射图像相关联的置信度得分。多个标记的照射图像是对经训练的分类器模型的合并输入。身份证明文件认证系统还包括认证设备306,用于基于置信度得分和阈值之间的比较来认证身份证明文件。
如上所述,根据一个实施例,图像获得设备302可以是移动电话的前置摄像头。参考图2,可要求用户手持其身份证明文件222并在移动电话的显示的彩色屏幕投射在其上时使用移动电话的前置摄像头来拍摄身份证明文件的图像。得分生成设备304可以使用用于执行经训练的分类器模型的软件例程的处理器来实施。分类器模型可以是卷积神经网络(CNN)分类器。认证设备306可以是相同的处理器或用于执行另一软件例程集以比较置信度得分和阈值来确定身份证明文件的真实性的不同的处理器。
经训练的分类器模型可以包括多个核,每个核对应于在将彩色光投射到真实身份证明文件上时拍摄的真实身份证明文件的图像的特征。
根据一个实施例,多个标记的照射图像可以包括三个标记的照射图像。第一标记的照射图像可以是用第一彩色光投射的身份证明文件的第一图像。第二标记的照射图像可以是用第二彩色光投射的身份证明文件的第二图像,第三标记的照射图像可以是用第三彩色光投射的身份证明文件的第三图像。第一彩色光可以是红光,第二彩色光可以是绿光,第三彩色光可以是蓝光。此外,第一彩色光、第二彩色光和第三彩色光可以以任何顺序投射到身份证明文件上。
根据一个实施例,身份证明文件认证系统还可以包括图像处理设备,以对多个标记的照射图像执行图像处理,从而从多个标记的照射图像中去除背景图像。
如上所述,身份证明文件认证系统包括认证设备306,用于基于置信度得分和阈值之间的比较来认证身份证明文件。根据一个实施例,可以基于接收器工作特性曲线来确定阈值,并且可以在置信度得分低于阈值的情况下认证身份证明文件真实。
图4示出了适用于执行身份证明文件认证方法的至少一些步骤的计算机系统的示意图。
以下仅以举例的方式提供对计算系统/计算设备400的描述,而不旨在进行限制。
如图4所示,示例性计算设备400包括用于执行软件例程的处理器404。尽管为了清楚起见示出了单个处理器,但是计算设备400还可以包括多处理器系统。处理器404连接到通信基础设施406,以与计算设备400的其他组件进行通信。通信基础设施406可以包括例如通信总线、交叉开关或网络。
计算设备400还包括诸如随机存取存储器(RAM)之类的主存储器408和辅助存储器410。辅助存储器410可以包括例如硬盘驱动器412和/或可移动存储驱动器414,可移动存储驱动器414可以包括磁带驱动器、光盘驱动器等。可移动存储驱动器414以众所周知的方式对可移动存储单元418进行读取和/或写入。可移动存储单元418可以包括由可移动存储驱动器414读取和写入的磁带、光盘等。如相关领域技术人员将理解的那样,可移动存储单元418包括其中存储有计算机可执行程序代码指令和/或数据的计算机可读存储介质。
在可选的实施例中,辅助存储器410可以附加地或可选地包括用于允许将计算机程序或其他指令加载到计算设备400中的其他类似设备。这样的设备可以包括例如可移动存储单元422和接口420。可移动存储单元422和接口420的示例包括可移动存储芯片(例如EPROM或PROM)和相关联的插槽,以及允许软件和数据从可移动存储单元422传输到计算机系统400的其他可移动存储单元422和接口420。
计算设备400还包括至少一个通信接口424。通信接口424允许软件和数据经由通信路径426在计算设备400和外部设备之间传送。在各种实施例中,通信接口424允许在计算设备400和诸如公共数据或私有数据通信网络之类的数据通信网络之间传输数据。通信接口424可以用于在不同的计算设备400之间交换数据,这些计算设备400形成互连的计算机网络的一部分。通信接口424的示例可以包括调制解调器、网络接口(诸如以太网卡)、通信端口、具有相关电路的天线等。通信接口424可以是有线的或者可以是无线的。经由通信接口424传送的软件和数据的形式为信号,该信号可以是能够被通信接口424接收的电、电磁、光或其他信号。这些信号通过通信路径426提供给通信接口。
可选地,计算设备400还包括:显示器接口402,其执行用于将图像呈现到相关联的显示器430的操作;以及音频接口432,其执行用于经由相关联的扬声器434播放音频内容的操作。
如本文所使用的,术语“计算机程序产品”可以部分地指代可移动存储单元418、可移动存储单元422、安装在硬盘驱动器412中的硬盘、或承载通过通信路径426(无线链路或电缆)至通信接口424的软件的载波。计算机可读存储介质是指将记录的指令和/或数据提供给计算设备400以执行和/或处理的任何非暂时性有形存储介质。这种存储介质的示例包括软盘、磁带、CD-ROM、DVD、蓝光(Blu-rayTM)光盘、硬盘驱动器、ROM或集成电路、USB存储器、磁光盘或诸如PCMCIA卡之类的计算机可读卡,无论这些设备是在计算设备400的内部还是外部。也可以参与向计算设备400提供软件、应用程序、指令和/或数据的暂时性或非有形计算机可读传输介质的示例包括无线电或红外传输信道及至另一计算机或联网设备的网络连接,以及包括电子邮件传输和网站等上记录的信息的互联网或以太网等。
计算机程序(也称为计算机程序代码)存储在主存储器408和/或辅助存储器410中。也可以经由通信接口424接收计算机程序。此类计算机程序在被执行时使计算设备400能够执行本文所讨论的实施例的一个或多个特征。在各种实施例中,计算机程序在被执行时使处理器404能够执行上述实施例的特征。因此,此类计算机程序表示计算机系统400的控制器。
软件可以存储在计算机程序产品中,并可以使用可移动存储驱动器414、硬盘驱动器412或接口420加载到计算设备400中。可选地,可以通过通信路径426将计算机程序产品下载到计算机系统400。该软件在由处理器404执行时使计算设备400执行本文描述的实施例的功能。
应该理解,图4的实施例仅以举例的方式给出。因此,在一些实施例中,可以省略计算设备400的一个或多个特征。而且,在一些实施例中,计算设备400的一个或多个特征可以被组合在一起。另外,在一些实施例中,计算设备400的一个或多个特征可以被分成一个或多个组成部分。
本领域技术人员将理解,在不脱离如广泛描述的本发明的精神或范围的情况下,可以对本文特定实施例所示的本发明进行多种变化和/或修改。因此,所述实施例在所有方面都应被认为是说明性的而非限制性的。
Claims (12)
1.身份证明文件认证方法,包括:
获得多个标记的照射图像,其中,每个标记的照射图像是将不同颜色的光投射在所述身份证明文件上时拍摄的所述身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签;
使用经训练的分类器模型的归一化指数函数,生成与所述多个标记的照射图像相关联的置信度得分,其中,所述多个标记的照射图像是对所述经训练的分类器模型的合并输入;以及
基于所述置信度得分和阈值之间的比较来对所述身份证明文件进行认证。
2.根据权利要求1所述的方法,其中,所述经训练的分类器模型包括多个核,每个核对应于在将彩色光投射到真实身份证明文件上时拍摄的所述真实身份证明文件的图像的特征。
3.根据前述权利要求中任一项所述的方法,其中,所述多个标记的照射图像包括三个标记的照射图像,并且
第一标记的照射图像是用第一彩色光投射的所述身份证明文件的第一图像;
第二标记的照射图像是用第二彩色光投射的所述身份证明文件的第二图像;以及
第三标记的照射图像是用第三彩色光投射的所述身份证明文件的第三图像。
4.根据权利要求3所述的方法,其中,
所述第一彩色光为红光,所述第二彩色光为绿光,所述第三彩色光为蓝光,并且
所述第一彩色光、所述第二彩色光和所述第三彩色光以任何顺序投射到所述身份证明文件上。
5.根据前述权利要求中任一项所述的方法,还包括:对所述多个标记的照射图像执行图像处理,以从所述多个标记的照射图像中去除背景图像。
6.根据前述权利要求中任一项所述的方法,其中,
所述阈值是基于接收器工作特性曲线来确定的,并且
对所述身份证明文件进行认证包括:在所述置信度得分低于所述阈值的情况下,将所述身份证明文件认证为真实的。
7.一种身份证明文件认证系统,包括:
图像获得设备,用于获得多个标记的照射图像,其中,每个标记的照射图像是将不同颜色的光投射在所述身份证明文件上时拍摄的所述身份证明文件的图像,并标记有与所投射的不同颜色的光相对应的标签;
得分生成设备,用于使用经训练的分类器模型的归一化指数函数,生成与所述多个标记的照射图像相关联的置信度得分,其中,所述多个标记的照射图像是对所述经训练的分类器模型的合并输入;以及
认证设备,用于基于所述置信度得分和阈值之间的比较来对所述身份证明文件进行认证。
8.根据权利要求7所述的系统,其中,所述经训练的分类器模型包括多个核,每个核对应于在将彩色光投射到真实身份证明文件上时拍摄的所述真实身份证明文件的图像的特征。
9.根据权利要求7或8所述的系统,其中,所述多个标记的照射图像包括三个标记的照射图像,并且
第一标记的照射图像是用第一彩色光投射的所述身份证明文件的第一图像;
第二标记的照射图像是用第二彩色光投射的所述身份证明文件的第二图像;以及
第三标记的照射图像是用第三彩色光投射的所述身份证明文件的第三图像。
10.根据权利要求9所述的系统,其中,所述第一彩色光为红光,所述第二彩色光为绿光,所述第三彩色光为蓝光,并且
所述第一彩色光、所述第二彩色光和所述第三彩色光以任何顺序投射到所述身份证明文件上。
11.根据权利要求7至10中任一项所述的系统,还包括图像处理设备,用于对所述多个标记的照射图像执行图像处理,以从所述多个标记的照射图像中去除背景图像。
12.根据权利要求7至11中任一项所述的系统,其中,所述阈值是基于接收器操作特性曲线来确定的,并且在所述置信度得分低于所述阈值的情况下,将所述身份证明文件认证为真实的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG10202005119WA SG10202005119WA (en) | 2020-06-01 | 2020-06-01 | An identification document authentication method and system |
SG10202005119W | 2020-06-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112597810A true CN112597810A (zh) | 2021-04-02 |
Family
ID=75188154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011403421.0A Pending CN112597810A (zh) | 2020-06-01 | 2020-12-04 | 身份证明文件认证方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112597810A (zh) |
SG (1) | SG10202005119WA (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111807A (zh) * | 2021-04-20 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种目标识别的方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0718808A2 (en) * | 1994-12-10 | 1996-06-26 | NCR International, Inc. | Document authentication system |
JP2001076203A (ja) * | 1999-09-03 | 2001-03-23 | Omron Corp | 書類照合装置 |
CN1426016A (zh) * | 2001-12-13 | 2003-06-25 | 欧姆龙株式会社 | 证件真伪识别装置及真伪识别方法 |
US7995196B1 (en) * | 2008-04-23 | 2011-08-09 | Tracer Detection Technology Corp. | Authentication method and system |
CN108647874A (zh) * | 2018-05-04 | 2018-10-12 | 科大讯飞股份有限公司 | 门限阈值确定方法及装置 |
US20190102873A1 (en) * | 2017-09-29 | 2019-04-04 | Alibaba Group Holding Limited | System and method for identifying physical objects |
CN110705532A (zh) * | 2019-09-05 | 2020-01-17 | 阿里巴巴集团控股有限公司 | 一种识别翻拍图像的方法、装置及设备 |
-
2020
- 2020-06-01 SG SG10202005119WA patent/SG10202005119WA/en unknown
- 2020-12-04 CN CN202011403421.0A patent/CN112597810A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0718808A2 (en) * | 1994-12-10 | 1996-06-26 | NCR International, Inc. | Document authentication system |
JP2001076203A (ja) * | 1999-09-03 | 2001-03-23 | Omron Corp | 書類照合装置 |
CN1426016A (zh) * | 2001-12-13 | 2003-06-25 | 欧姆龙株式会社 | 证件真伪识别装置及真伪识别方法 |
US7995196B1 (en) * | 2008-04-23 | 2011-08-09 | Tracer Detection Technology Corp. | Authentication method and system |
US20190102873A1 (en) * | 2017-09-29 | 2019-04-04 | Alibaba Group Holding Limited | System and method for identifying physical objects |
CN108647874A (zh) * | 2018-05-04 | 2018-10-12 | 科大讯飞股份有限公司 | 门限阈值确定方法及装置 |
CN110705532A (zh) * | 2019-09-05 | 2020-01-17 | 阿里巴巴集团控股有限公司 | 一种识别翻拍图像的方法、装置及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111807A (zh) * | 2021-04-20 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种目标识别的方法和系统 |
CN113111807B (zh) * | 2021-04-20 | 2024-06-07 | 北京嘀嘀无限科技发展有限公司 | 一种目标识别的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
SG10202005119WA (en) | 2021-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2733115C1 (ru) | Способ и устройство для верифицирования сертификатов и идентичностей | |
EP3807792B1 (en) | Authenticating an identity of a person | |
US11087125B2 (en) | Document authenticity determination | |
US10403076B2 (en) | Method for securing and verifying a document | |
CN104823203B (zh) | 生物特征模板安全性及密钥产生 | |
JP7165746B2 (ja) | Id認証方法および装置、電子機器並びに記憶媒体 | |
CN110263775B (zh) | 图像识别方法、装置、设备和认证方法、装置、设备 | |
CN108351932A (zh) | 基于图像的captcha挑战 | |
CN110163053B (zh) | 生成人脸识别的负样本的方法、装置及计算机设备 | |
KR20090038882A (ko) | 고속 마스킹된 정규 교차 상관에 의한 템플릿 정합을 사용한 문서 인증 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
CN108805005A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN114422144A (zh) | 一种提升场景证书区块链存证可信度的方法、系统、设备及存储介质 | |
CN112597810A (zh) | 身份证明文件认证方法和系统 | |
CN113269123B (zh) | 证件识别方法和系统 | |
CN112819486B (zh) | 用于身份证明的方法和系统 | |
CN112434727A (zh) | 身份证明文件认证方法和系统 | |
CN108764033A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN112613345A (zh) | 用户认证方法和系统 | |
US11250254B2 (en) | Methods and systems for detecting photograph replacement in a photo identity document | |
CN111767845A (zh) | 证件识别方法及装置 | |
US11295437B2 (en) | Authentication method and system | |
CN112597466A (zh) | 用户认证方法和系统 | |
CN112613346A (zh) | 身份证明文件处理的方法和装置 |
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 |