CN112861100A - 身份验证方法、装置、设备以及存储介质 - Google Patents
身份验证方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112861100A CN112861100A CN202110183464.0A CN202110183464A CN112861100A CN 112861100 A CN112861100 A CN 112861100A CN 202110183464 A CN202110183464 A CN 202110183464A CN 112861100 A CN112861100 A CN 112861100A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- sample
- facial
- image
- 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
- 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
- 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
-
- 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
Abstract
本公开提供了身份验证方法、装置、设备以及存储介质,涉及人工智能技术领域,尤其涉及图像处理和深度学习的技术领域。具体实现方案为:确定针对第一用户的面部特征处理信息;其中,基于面部特征处理信息对第一用户的面部特征进行处理后能够使第一用户的面部特征发生变化;获取与面部特征处理信息相关联的面部特征变化规律信息;基于面部特征变化规律信息,以及第一用户的面部特征发生变化的相关图像,预测得到第一用户的预测图像;基于第一用户的预测图像以及第一用户的基本信息生成第一身份证明信息。根据本公开的技术方案,能提高身份证明信息的生成效率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及图像处理和深度学习的技术领域。
背景技术
随着医美技术日趋成熟,使得每年的医美用户大量增加,而对于一些大型医美的恢复期过长和期间导致的生活不方便等问题也暴露出来,尤其是在出行或办理相关业务方面。手术后去办理身份证明不仅麻烦而且流程冗长,生成身份证明信息的效率低。
发明内容
本公开提供了一种身份验证方法、装置、设备、存储介质以及产品。
根据本公开的一方面,提供了一种身份验证方法,包括:
确定针对第一用户的面部特征处理信息;其中,基于该面部特征处理信息对该第一用户的面部特征进行处理后能够使该第一用户的面部特征发生变化;
获取与该面部特征处理信息相关联的面部特征变化规律信息;
基于该面部特征变化规律信息,以及该第一用户的面部特征发生变化的相关图像,预测得到该第一用户的预测图像;
基于该第一用户的预测图像以及该第一用户的基本信息生成第一身份证明信息。
根据本公开的另一方面,提供了一种身份验证方法,包括:
接收第一用户的第一身份证明信息;该第一身份证明信息至少是根据该第一用户的预测图像以及该第一用户的基本信息生成的;该预测图像是基于面部特征变化规律信息以及该第一用户的面部特征发生变化的相关图像预测得到的;
基于该第一身份证明信息对该第一用户进行身份验证。
根据本公开的另一方面,提供了一种身份验证装置,包括:
第一确定模块,用于确定针对第一用户的面部特征处理信息;其中,基于该面部特征处理信息对该第一用户的面部特征进行处理后能够使该第一用户的面部特征发生变化;
第一获取模块,用于获取与该面部特征处理信息相关联的面部特征变化规律信息;
第一预测模块,用于基于该面部特征变化规律信息,以及该第一用户的面部特征发生变化的相关图像,预测得到该第一用户的预测图像;
第一生成模块,用于基于该第一用户的预测图像以及该第一用户的基本信息生成第一身份证明信息。
根据本公开的另一方面,提供了一种身份验证装置,包括:
第二接收模块,用于接收第一用户的第一身份证明信息;该第一身份证明信息至少是根据该第一用户的预测图像以及该第一用户的基本信息生成的;该预测图像是基于面部特征变化规律信息以及该第一用户的面部特征发生变化的相关图像预测得到的;
验证模块,用于基于该第一身份证明信息对该第一用户进行身份验证。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开的技术方案,能提高身份证明信息的生成效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的身份验证方法的流程示意图一;
图2是根据本公开实施例的身份验证方法的流程示意图二;
图3A是根据本公开实施例的样本用户在面部特征发生变化前的第一样本面部图像,图3B是根据本公开实施例的面部特征发生变化后第一时间段的第二样本面部图像,图3C是根据本公开实施例的面部特征发生变化后第二时间段的第三样本面部图像;
图4是根据本公开实施例的身份验证方法的流程示意图三;
图5是根据本公开实施例的身份验证方法的流程示意图四;
图6是根据本公开实施例的身份验证方法的流程示意图五;
图7是根据本公开实施例的身份验证方法的流程示意图六;
图8是根据本公开实施例的身份验证方法的流程示意图七;
图9是根据本公开实施例的第一用户进行身份验证的示意图;
图10是根据本公开实施例的身份验证装置的组成结构示意图一;
图11是根据本公开实施例的身份验证装置的组成结构示意图二;
图12是根据本公开实施例的身份验证装置的组成结构示意图三;
图13是根据本公开实施例的身份验证装置的组成结构示意图四;
图14是用来实现本公开实施例的身份验证方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的说明书实施例和权利要求书及上述附图中的术语"第一"、"第二"、和"第三"等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语"包括"和"具有"以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本公开提供一种身份验证方法,该方法可以应用于第一电子设备,该第一电子设备包括但不限于固定设备和/或移动设备,例如,固定设备包括但不限于服务器,服务器可以是云服务器或普通服务器。例如,移动设备包括但不限于手机或平板电脑中的一项或是多项。如图1所示,该方法包括:
步骤S101,确定针对第一用户的面部特征处理信息;其中,基于该面部特征处理信息对该第一用户的面部特征进行处理后能够使该第一用户的面部特征发生变化;
步骤S102,获取与该面部特征处理信息相关联的面部特征变化规律信息;
步骤S103,基于该面部特征变化规律信息,以及该第一用户的面部特征发生变化的相关图像,预测得到该第一用户的预测图像;
步骤S104,基于该第一用户的预测图像以及该第一用户的基本信息生成第一身份证明信息。
其中,面部特征处理信息包括至少一项对面部特征进行处理的信息。面部特征包括特定部位的特征信息和整体的特征信息。比如,特定部位包括但不限于眼睛、鼻子、嘴、耳朵、额头、下巴等。又比如,整体包括但不限于脸型、或者,上庭、中庭、下庭三者中的至少一庭。
其中,本公开并不对针对第一用户的面部特征处理信息的确定方式进行限定,具体确定方式可根据设计需求或用户操作进行设定或调整。示例性地,接收用户的输入操作,基于该输入操作确定针对第一用户的面部特征处理信息,该输入操作用于指示第一用户的面部特征处理信息,该输入操作包括但不限于手动操作或语音操作。又或者,接收用户输入的图像,通过分析图像确定针对第一用户的面部特征处理信息,该图像包括但不限于面部特征发生变化后的图像,如绑有绷带的图像或者未绑绷带的图像。
其中,面部特征变化规律信息是用于表征面部特征变化的规律信息。该规律信息包括下述规律信息中的一项或多项:
面部特征发生变化前到面部特征发生变化后的规律信息;
面部特征发生变化后第一时间到面部特征发生变化后第二时间的规律信息;其中,第一时间与第二时间不同,第二时间距离面部特征变化前的时长大于第一时间距离面部特征变化前的时长;
面部特征发生变化前到面部特征发生变化后第一时间的规律信息;
面部特征发生变化前到面部特征发生变化后第二时间的规律信息。
其中,该第一用户的预测图像,是对该第一用户的面部特征趋于稳定时或趋于稳定后的预测图像。示例性地,若面部特征处理信息对应的恢复期为M天,则第一用户的预测图像是对第一用户的面部特征进行处理后M天或大于M天的面部特征进行预测得到的图像。
其中,该第一用户的面部特征发生变化的相关图像,可以包括面部特征发生变化之前的图像,还可以包括面部特征发生变化之后的图像,还可以包括面部特征发生之前的图像以及面部特征发生之后的图像。示例性地,该第一用户的面部特征发生变化的相关图像,包括该第一用户在面部特征发生变化前的第一面部图像,以及该第一用户在面部特征发生变化后的第一时间段内的第二面部图像。该第一用户在面部特征发生变化前的第一面部图像可以是非化妆状态下的图像,或是术前采集的第一用户的面部图像。该第一用户在面部特征发生变化后的第二面部图像可以是术后采集的第一用户的面部图像,或是恢复期内采集的第一用户的面部图像。
其中,第一用户的基本信息包括姓名和身份证号,还可以包括手机号、户口所在地、居住地等信息。
其中,第一身份证明信息用于证明第一用户的本人身份,该第一身份证明信息可以用作与身份证明相关的证明。比如,该第一身份证明信息可以用作开具临时身份证的证明。又比如,该第一身份证明信息可以用作通行的临时证明。
本公开的技术方案适用于第一用户的面部特征发生变化后,比如,面部特征发生变化后且仍在恢复期内。
这样,本公开方案通过确定针对第一用户的面部特征处理信息;获取与该面部特征处理信息相关联的面部特征变化规律信息;基于该面部特征变化规律信息,以及该第一用户的面部特征发生变化的相关图像,预测得到该第一用户的预测图像;基于该第一用户的预测图像以及该第一用户的基本信息生成第一身份证明信息,如此,无需第一用户到专门的机构所在地办理身份证明信息即可生成身份证明信息,能节省身份证明信息的办理流程和时间,进而提升身份证明信息的生成效率;由于能免去第一用户面部特征发生变化后在出行或办理相关身份证明业务很多方面的诸多不便,从而能大大提升用户体验。
在本公开实施例中,在实现上述任一方法的基础上,如图2所示,该方法还可以包括以下步骤:
步骤S105,获取多个样本用户的基于面部特征处理信息的面部特征发生变化的面部图像,并得到对比数据;
步骤S106,根据多个样本用户的对比数据,得到面部特征变化规律信息。
其中,本公开不对样本用户的数量进行强制性限定。
其中,本公开也不对选择样本用户的方式进行限定。比如,可以从数据库中随机选取基于该面部特征处理信息而面部特征发生变化的多个样本用户。又比如,根据第一用户的年龄信息从数据库中选取基于该面部特征处理信息而面部特征发生变化的多个与第一用户同龄或年龄相仿的样本用户。再比如,根据第一用户的性别信息从数据库中选取基于该面部特征处理信息而面部特征发生变化的多个与第一用户同性别的样本用户。
其中,对比数据是根据样本用户的面部特征发生变化前后的面部图像得到的对比数据,包括特定部位的对比数据和/或整体的对比数据。
其中,面部特征变化规律信息用于表征面部特征变化的规律信息。该规律信息包括下述规律信息中的一项或多项:
面部特征发生变化前到面部特征发生变化后的规律信息;
面部特征发生变化后第一时间到面部特征发生变化后第二时间的规律信息;其中,第一时间与第二时间不同,第二时间距离面部特征变化前的时长大于第一时间距离面部特征变化前的时长;
面部特征发生变化前到面部特征发生变化后第一时间的规律信息;
面部特征发生变化前到面部特征发生变化后第二时间的规律信息。
通过上述实施方式,能够获取与该面部特征处理信息相关联的面部特征变化规律信息,从而为后续预测第一用户的预测图像提供数据基础。
需要说明的是,上述步骤S105和S106可以在步骤S101之后执行,上述步骤S105和S106也可以在步骤S101之前执行。若在步骤S101之前执行,通过预先统计各个面部特征处理信息相关联的面部特征变化规律信息,在实际应用中能快速获取所需面部特征变化规律信息,进一步提升第一身份证明信息的生成效率。
在一些实施方式中,根据多个样本用户的对比数据,得到面部特征变化规律信息,包括:
根据多个样本用户的对比数据,提取多个样本用户的面部特征发生变化的面部特征信息;
将面部特征信息输入目标模型,得到由该目标模型输出的面部特征变化规律信息。
其中,该目标模型至少用于确定面部特征变化规律信息,本公开不对目标模型的训练过程进行限定。
通过上述实施方式,能够快速获取面部特征变化规律信息,从而为后续预测第一用户的预测图像提供数据基础。
在一些实施方式中,根据多个样本用户的对比数据,得到面部特征变化规律信息,包括:
根据多个样本用户的对比数据,统计并分析面部特征变化的规律;
根据面部特征变化的规律确定面部特征变化规律信息。
其中,本公开对统计分析的方法不做具体限定。
通过上述实施方式,能够基于统计规律得到面部特征变化规律信息,从而为后续预测第一用户的预测图像提供数据基础。
在一些实施方式中,样本用户的面部特征发生变化的面部图像,包括:面部特征发生变化前的第一样本面部图像、面部特征发生变化后第一时间段的第二样本面部图像、以及面部特征发生变化后第二时间段的第三样本面部图像。其中,第二时间段与第一时间段不同,第二时间段距离面部特征发生变化的时间点更远。图3A示出了样本用户在面部特征发生变化前的第一样本面部图像,图3B示出了面部特征发生变化后第一时间段的第二样本面部图像、图3C示出了面部特征发生变化后第二时间段的第三样本面部图像。应理解,图3A、3B和3C所示的示意图是示意性的,这里不做穷举。从图3A、图3B和图3C可以看出,样本用户的眼部特征发生了变化,图3A表示未割双眼皮之前的图像,图3B表示刚割完双眼皮之后的图像,图3C表示割完双眼皮后且过了恢复期的图像。
在一些实施例中,如图4所示,该方法还可以包括以下步骤:
步骤S107,根据样本用户的第一样本面部图像和第二样本面部图像预测得到样本用户的样本预测图像;
步骤S108,根据样本用户的样本预测图像以及第三样本面部图像,确定样本用户的样本预测图像的样本预测准确率;
步骤S109,基于样本用户的样本预测图像的样本预测准确率确定第一用户的预测图像的预测准确率。
在一些实施例中,在样本预测准确率大于阈值的情况下,基于样本预测准确率确定第一用户的预测图像的预测准确率。其中,阈值可根据实际情况如精度需求或速度需求进行设定或调整。
在一些实施例中,基于样本用户的样本预测图像的样本预测准确率确定第一用户的预测图像的预测准确率,包括:将样本用户的样本预测图像的样本预测准确率确定为第一用户的预测图像的预测准确率。示例性地,样本用户的样本预测图像的样本预测准确率为90%,则第一用户的预测图像的预测准确率也为90%。
一些实施例中,基于样本用户的样本预测图像的样本预测准确率确定第一用户的预测图像的预测准确率,包括:将样本用户的样本预测图像的样本预测准确率与预设因子的乘积作为第一用户的预测图像的预测准确率。示例性地,样本用户的样本预测图像的样本预测准确率为80%,则第一用户的预测图像的预测准确率为80%×预设因子α,其中,α可根据实际情况进行设定或调整。例如,α=0.9~1。
通过上述实施方式,根据样本用户的样本预测图像的样本预测准确率确定第一用户的预测图像的预测准确率,能够为后续生成第一身份证明信息中的预测图像提供证明依据。
在一些实施方式中,基于第一用户的预测图像以及第一用户的基本信息生成第一身份证明信息,包括:
基于第一用户的预测图像、第一用户的预测图像的预测准确率以及第一用户的基本信息生第一用户的第一身份证明信息。
示例性地,在第一身份证明信息展示第一用户的预测图像、第一用户的预测图像的预测准确率以及第一用户的基本信息。
通过上述实施方式,不仅能丰富第一身份证明信息的信息维度,还能够提高第一用户的预测图像的可信度,从而提高第一身份证明信息的可信度。
在本公开实施例中,在实现上述任一方法的基础上,如图5所示,该方法还可以包括以下步骤:
步骤S110,获取第一用户的面部特征处理信息对应的证明信息。
其中,该证明信息是用于证明第一用户的面部特征处理信息的信息。比如,该证明信息是医生为该第一用户开具的证明信息。示例性地,该证明信息是医生为该第一用户开具的做双眼皮项目的证明文件。又比如,该证明信息是医院为该第一用户开具的证明信息。示例性地,该证明信息是医生为该第一用户开具的做隆鼻项目的证明文件。
其中,基于第一用户的预测图像以及第一用户的基本信息生成第一身份证明信息,包括:
基于第一用户的预测图像、第一用户的基本信息以及第一用户的面部特征处理信息对应的证明信息生成第一身份证明信息。
通过上述实施方式,第一身份证明信息中携带有第一用户的预测图像、第一用户的基本信息,第一用户的面部特征处理信息对应的证明信息,能增加第一身份证明信息的信息维度,提升第一身份证明信息的可信度。
其中,基于第一用户的预测图像以及第一用户的基本信息生成第一身份证明信息,包括:
基于第一用户的预测图像、第一用户的预测图像的预测准确率、第一用户的基本信息以及该证明信息生成第一身份证明信息。
通过上述实施方式,第一身份证明信息中除携带第一用户的预测图像以及第一用户的基本信息之外,还携带有第一用户的预测图像的预测准确率和第一用户的面部特征处理信息对应的证明信息,能进一步增加第一身份证明信息的信息维度,进一步提升第一身份证明信息的可信度。
在实现上述任一方法的基础上,如图6所示,该方法还可以包括以下步骤:
步骤S111,发送第一身份证明信息;
步骤S112,接收基于该第一身份证明信息返回的携带有预设验证信息的第二身份证明信息;
步骤S113,存储该第二身份证明信息。
其中,预设验证信息是表征第一身份证明信息验证通过的信息。比如,预设验证信息包括具有身份验证资格的机构的公章信息。又比如,预设验证信息包括具有身份验证资格的工作人员的签章信息。
其中,第二身份证明信息的效力大于第一身份证明信息的效力。
其中,本公开并不对第二身份证明信息的存储格式进行限定。比如,第二身份证明信息以图片格式的形式存储。又比如,第二身份证明信息以文件格式的形式存储。
通过上述实施方式,在第一用户无需去指定机构所在地进行身份验证的情况下,通过发送第一身份证明信息的方式便可获取第二身份证明信息,免去第一用户面部特征发生变化后在出行或办理相关身份证明业务很多方面的诸多不便,能节省第二身份证明信息的办理流程和时间,提升获取第二身份证明信息的效率,从而能大大提升用户体验。
本公开提供一种身份验证方法,该方法可以应用于对第一身份证明信息进行验证的第二电子设备,该第二电子设备包括但不限于固定设备和/或移动设备,例如,固定设备包括但不限于服务器,服务器可以是云服务器或普通服务器。例如,移动设备包括但不限于手机或平板电脑中的一项或是多项。如图7所示,该方法包括:
步骤S201,接收第一用户的第一身份证明信息;该第一身份证明信息至少是根据该第一用户的预测图像以及该第一用户的基本信息生成的;该第一用户的预测图像是基于面部特征变化规律信息以及该第一用户的面部特征发生变化的相关图像预测得到的;
步骤S202,基于该第一身份证明信息对该第一用户进行身份验证。
通过上述实施方式,在第一用户无需去指定机构所在地进行身份验证的情况下,即可接收第一用户的第一身份证明信息并对该第一身份证明信息进行验证,免去第一用户面部特征发生变化后在出行或办理相关身份证明业务很多方面的诸多不便,能节省第一身份证明信息的身份验证时间,从而能大大提升用户体验。
在一些实施方式中,第一身份证明信息除包括第一用户的预测图像以及该第一用户的基本信息之外,还包括表征有第一用户的预测图像的预测准确率。
在一些实施方式中,第一身份证明信息除包括第一用户的预测图像以及该第一用户的基本信息之外,还包括第一用户的面部特征处理信息对应的证明信息。
通过上述实施方式,不仅能够提高第一身份证明信息的可信度,也能为对第一用户的身份验证提供验证依据。
在一些实施方式中,第一身份证明信息除包括第一用户的预测图像以及该第一用户的基本信息之外,还包括第一用户的预测图像的预测准确率和第一用户的面部特征处理信息对应的证明信息。
通过上述实施方式,不仅能够提高第一身份证明信息的可信度,也能为对第一用户的身份验证提供验证依据。
在实现上述任一方法的基础上,如图8所示,该方法还可以包括以下步骤:
步骤S203,若该第一用户的身份验证通过,基于该第一身份证明信息生成添加有预设验证信息的第二身份证明信息;
步骤S204,发送该第二身份证明信息。
其中,预设验证信息是表征第一身份证明信息验证通过的信息。比如,预设验证信息包括具有身份验证资格的机构的公章信息。又比如,预设验证信息包括具有身份验证资格的工作人员的签章信息。
其中,第二身份证明信息的效力大于第一身份证明信息的效力。
通过上述实施方式,在第一用户无需去指定机构所在地进行身份验证的情况下,通过发送第一身份证明信息的方式便可获取第二身份证明信息,免去第一用户面部特征发生变化后在出行或办理相关身份证明业务很多方面的诸多不便,能节省第二身份证明信息的办理流程和时间,提升获取第二身份证明信息的效率,从而能大大提升用户体验。
图9示出了用户进行身份验证的示意图,从图9可以看出,第一电子设备对第一用户进行人脸识别,采集第一用户的面部关键部位的图像或特征,得到第一用户的面部特征发生变化的相关图像;接收第一用户输入的面部特征处理信息如医美项目名称;基于该面部特征处理信息进行大数据分析,得到该面部特征处理信息相关联的面部特征变化规律信息;根据该面部特征变化规律信息以及第一用户的面部特征发生变化的相关图像,得到第一用户的预测图像和该预测图像的预测准确率;第一电子设备接收第一用户输入的医院/医生证明信息;根据该医院/医生证明信息、第一用户的预测图像和该预测图像的预测准确率进行身份验证,向用户反馈身份验证结果。如此,能够帮助面部特征发生变化如整容后的用户节约术后的身份证明及办理时间,满足该类用户面部特征发生变化后的正常出行和生活,大大提升用户的体验。
应理解,图9所示的示意图为一种可选的具体实现方式,本领域技术人员可以基于图9的例子进行各种显而易见的变化和/或替换,得到的技术方案仍属于本公开实施例的公开范围。
本公开提供的身份验证方法,可以用于身份验证项目或医美服务等项目中。示例性地,方法的执行主体可以是电子设备,该电子设备可以是终端,还可以是服务器。
作为对上述各方法的实现,本公开还提供一种身份验证装置。图10示出了身份验证装置的示意图。如图10所示,该装置包括:
第一确定模块1001,用于确定针对第一用户的面部特征处理信息;其中,基于面部特征处理信息对第一用户的面部特征进行处理后能够使第一用户的面部特征发生变化;
第一获取模块1002,用于获取与面部特征处理信息相关联的面部特征变化规律信息;
第一预测模块1003,用于基于面部特征变化规律信息,以及第一用户的面部特征发生变化的相关图像,预测得到第一用户的预测图像;
第一生成模块1004,用于基于第一用户的预测图像以及第一用户的基本信息生成第一身份证明信息。
在一些实施方式中,如图11所示,该装置还可包括:
第二获取模块1005,用于获取多个样本用户的基于面部特征处理信息的面部特征发生变化的面部图像,并得到对比数据;
第二确定模块1006,用于根据多个样本用户的对比数据,统计得到面部特征变化规律信息。
在一些实施例中,该第二确定模块1006,还用于:根据多个样本用户的对比数据,提取多个样本用户的面部特征发生变化的面部特征信息;将面部特征信息输入目标模型,得到由该目标模型输出的面部特征变化规律信息。
在一些实施方式中,如图11所示,样本用户的面部特征发生变化的面部图像,包括:面部特征发生变化前的第一样本面部图像、面部特征发生变化后第一时间段的第二样本面部图像、以及面部特征发生变化后第二时间段的第三样本面部图像;该装置还可包括:第二预测模块1007;
该第二预测模块1007,用于根据样本用户的第一样本面部图像和第二样本面部图像预测得到样本用户的样本预测图像;根据样本用户的样本预测图像以及第三样本面部图像,确定样本用户的样本预测图像的样本预测准确率;基于样本预测准确率确定第一用户的预测图像的预测准确率。
在一些实施方式中,第一生成模块1004,还用于:基于第一用户的预测图像、第一用户的预测图像的预测准确率以及第一用户的基本信息生第一用户的第一身份证明信息。
在一些实施方式中,如图11所示,该装置还可以包括:第三获取模块1008;其中,
该第三获取模块1008,用于获取第一用户的面部特征处理信息对应的证明信息;
第一生成模块1004,还用于:基于第一用户的预测图像、第一用户的面部特征处理信息对应的证明信息以及第一用户的基本信息生成第一身份证明信息。
在一些实施方式中,如图11所示,该装置还以包括:
第一发送模块1009,用于发送第一身份证明信息;
第一接收模块1010,用于接收基于第一身份证明信息返回的携带有预设验证信息的第二身份证明信息;
存储模块1011,用于存储第二身份证明信息。
本公开实施例各装置中的各模块的功能可以参见上述身份验证方法中的对应描述,在此不再赘述。
本公开的身份验证装置,能提高第一身份证明信息的生成效率。
作为对上述各方法的实现,本公开还提供一种身份验证装置。图12示出了身份验证装置的示意图。如图12所示,该装置包括:
第二接收模块1201,用于接收第一用户的第一身份证明信息;第一身份证明信息至少是根据第一用户的预测图像以及第一用户的基本信息生成的;第一用户的预测图像是基于面部特征变化规律信息以及第一用户的面部特征发生变化的相关图像预测得到的;
验证模块1202,用于基于第一身份证明信息对第一用户进行身份验证。
在一些实施方式中,第一身份证明信息还包括预测图像的预测准确率和/或第一用户的面部特征处理信息对应的证明信息。
在一些实施方式中,如图13所示,该装置还以包括:
第二生成模块1203,用于若第一用户的身份验证通过,基于第一身份证明信息生成添加有预设验证信息的第二身份证明信息;
第二发送模块1204,用于发送第二身份证明信息。
本公开实施例各装置中的各模块的功能可以参见上述身份验证方法中的对应描述,在此不再赘述。
本公开的身份验证装置,能节省第二身份证明信息的办理流程和时间,提高第二身份证明信息的生成效率,从而能大大提升用户体验。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图14示出了可以用来实施本公开的实施例的示例电子设备1400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图14所示,设备1400包括计算单元1401,其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)803中的计算机程序来执行各种适当的动作和处理。在RAM 1403中,还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入输出(I/O)接口1405也连接至总线1404。
设备1400中的多个部件连接至I/O接口1405,包括:输入单元1406,例如键盘、鼠标等;输出单元1407,例如各种类型的显示器、扬声器等;存储单元1408,例如磁盘、光盘等;以及通信单元1409,例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1401执行上文所描述的各个方法和处理,例如身份验证方法。例如,在一些实施例中,身份验证方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1408。在一些实施例中,计算机程序的部分或者全部可以经由ROM1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时,可以执行上文描述的身份验证方法的一个或多个步骤。备选地,在其他实施例中,计算单元1401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行身份验证方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种身份验证方法,包括:
确定针对第一用户的面部特征处理信息;其中,基于所述面部特征处理信息对所述第一用户的面部特征进行处理后能够使所述第一用户的面部特征发生变化;
获取与所述面部特征处理信息相关联的面部特征变化规律信息;
基于所述面部特征变化规律信息,以及所述第一用户的面部特征发生变化的相关图像,预测得到所述第一用户的预测图像;
基于所述第一用户的预测图像以及所述第一用户的基本信息生成第一身份证明信息。
2.根据权利要求1所述的方法,还包括:
获取多个样本用户的基于所述面部特征处理信息的面部特征发生变化的面部图像,并得到对比数据;
根据多个所述样本用户的所述对比数据,得到所述面部特征变化规律信息。
3.根据权利要求2所述的方法,其中,所述根据多个所述样本用户的所述对比数据,得到所述面部特征变化规律信息,包括:
根据多个所述样本用户的所述对比数据,提取多个所述样本用户的面部特征发生变化的面部特征信息;
将所述面部特征信息输入目标模型,得到由所述目标模型输出的所述面部特征变化规律信息。
4.根据权利要求2所述的方法,其中,所述样本用户的基于所述面部特征处理信息的面部特征发生变化的面部图像,包括:面部特征发生变化前的第一样本面部图像、面部特征发生变化后第一时间段的第二样本面部图像、以及面部特征发生变化后第二时间段的第三样本面部图像;
所述方法还包括:
根据所述样本用户的所述第一样本面部图像和所述第二样本面部图像预测得到所述样本用户的样本预测图像;
根据所述样本用户的样本预测图像以及所述第三样本面部图像,确定所述样本用户的所述样本预测图像的样本预测准确率;
在所述样本预测准确率大于阈值的情况下,基于所述样本预测准确率确定所述第一用户的所述预测图像的预测准确率。
5.根据权利要求1或2所述的方法,还包括:
获取所述第一用户的所述面部特征处理信息对应的证明信息;
其中,所述基于所述第一用户的预测图像以及所述第一用户的基本信息生成第一身份证明信息,包括:
基于所述第一用户的预测图像、所述第一用户的所述面部特征处理信息对应的证明信息以及所述第一用户的基本信息生成第一身份证明信息。
6.根据权利要求1所述的方法,还包括:
发送所述第一身份证明信息;
接收基于所述第一身份证明信息返回的携带有预设验证信息的第二身份证明信息;
存储所述第二身份证明信息。
7.一种身份验证方法,包括:
接收第一用户的第一身份证明信息;所述第一身份证明信息至少是根据所述第一用户的预测图像以及所述第一用户的基本信息生成的;所述第一用户的预测图像是基于面部特征变化规律信息以及所述第一用户的面部特征发生变化的相关图像预测得到的;
基于所述第一身份证明信息对所述第一用户进行身份验证。
8.根据权利要求7所述的方法,其中,所述第一身份证明信息包括所述第一用户的面部特征处理信息对应的证明信息。
9.根据权利要求7或8所述的方法,还包括:
若所述第一用户的身份验证通过,基于所述第一身份证明信息生成添加有预设验证信息的第二身份证明信息;
发送所述第二身份证明信息。
10.一种身份验证装置,包括:
第一确定模块,用于确定针对第一用户的面部特征处理信息;其中,基于所述面部特征处理信息对所述第一用户的面部特征进行处理后能够使所述第一用户的面部特征发生变化;
第一获取模块,用于获取与所述面部特征处理信息相关联的面部特征变化规律信息;
第一预测模块,用于基于所述面部特征变化规律信息,以及所述第一用户的面部特征发生变化的相关图像,预测得到所述第一用户的预测图像;
第一生成模块,用于基于所述第一用户的预测图像以及所述第一用户的基本信息生成第一身份证明信息。
11.根据权利要求10所述的装置,还包括:
第二获取模块,用于获取多个样本用户的基于所述面部特征处理信息的面部特征发生变化的面部图像,并得到对比数据;
第二确定模块,用于根据多个所述样本用户的所述对比数据,得到所述面部特征变化规律信息。
12.根据权利要求11所述的装置,其中,所述第二确定模块,还用于:
根据多个所述样本用户的所述对比数据,提取多个所述样本用户的面部特征发生变化的面部特征信息;
将所述面部特征信息输入目标模型,得到由所述目标模型输出的所述面部特征变化规律信息。
13.根据权利要求11所述的装置,其中,所述样本用户的面部特征发生变化的面部图像,包括:面部特征发生变化前的第一样本面部图像、面部特征发生变化后第一时间段的第二样本面部图像、以及面部特征发生变化后第二时间段的第三样本面部图像;所述装置还包括:第二预测模块;
所述第二预测模块,用于根据所述样本用户的所述第一样本面部图像和所述第二样本面部图像预测得到所述样本用户的样本预测图像;根据所述样本用户的样本预测图像以及所述第三样本面部图像,确定所述样本用户的样本预测图像的样本预测准确率;在所述样本预测准确率大于阈值的情况下,基于所述样本预测准确率确定所述第一用户的预测图像的预测准确率。
14.根据权利要求10或11所述的装置,还包括:第三获取模块;其中,
所述第三获取模块,用于获取所述第一用户的所述面部特征处理信息对应的证明信息;
所述第一生成模块,还用于基于所述第一用户的预测图像、所述第一用户的所述面部特征处理信息对应的证明信息以及所述第一用户的基本信息生成第一身份证明信息。
15.根据权利要求10所述的装置,还包括:
第一发送模块,用于发送所述第一身份证明信息;
第一接收模块,用于接收基于所述第一身份证明信息返回的携带有预设验证信息的第二身份证明信息;
存储模块,用于存储所述第二身份证明信息。
16.一种身份验证装置,包括:
第二接收模块,用于接收第一用户的第一身份证明信息;所述第一身份证明信息至少是根据所述第一用户的预测图像以及所述第一用户的基本信息生成的;所述第一用户的预测图像是基于面部特征变化规律信息以及所述第一用户的面部特征发生变化的相关图像预测得到的;
验证模块,用于基于所述第一身份证明信息对所述第一用户进行身份验证。
17.根据权利要求16所述的装置,其中,所述第一身份证明信息还包括所述第一用户的面部特征处理信息对应的证明信息。
18.根据权利要求16或17所述的装置,还包括:
第二生成模块,用于若所述第一用户的身份验证通过,基于所述第一身份证明信息生成添加有预设验证信息的第二身份证明信息;
第二发送模块,用于发送所述第二身份证明信息。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183464.0A CN112861100B (zh) | 2021-02-08 | 2021-02-08 | 身份验证方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183464.0A CN112861100B (zh) | 2021-02-08 | 2021-02-08 | 身份验证方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112861100A true CN112861100A (zh) | 2021-05-28 |
CN112861100B CN112861100B (zh) | 2023-09-05 |
Family
ID=75989843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110183464.0A Active CN112861100B (zh) | 2021-02-08 | 2021-02-08 | 身份验证方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112861100B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1643448A2 (fr) * | 2004-09-29 | 2006-04-05 | L'oreal | Procédé de prédiction de l'apparence d'une portion au moins du corps d'un individu |
CN105138980A (zh) * | 2015-08-20 | 2015-12-09 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸识别的身份验证方法及系统 |
WO2016058540A1 (zh) * | 2014-10-15 | 2016-04-21 | 腾讯科技(深圳)有限公司 | 身份验证方法、装置和存储介质 |
WO2016145940A1 (zh) * | 2015-03-19 | 2016-09-22 | 北京天诚盛业科技有限公司 | 人脸认证方法和装置 |
CN107483428A (zh) * | 2017-08-09 | 2017-12-15 | 广东欧珀移动通信有限公司 | 身份验证方法、装置和终端设备 |
WO2019032706A1 (en) * | 2017-08-10 | 2019-02-14 | Riaan Conradie | USER VERIFICATION BY COMPARISON OF PHYSIOLOGICAL SENSOR DATA WITH PHYSIOLOGICAL DATA DERIVED FROM FACIAL VIDEO |
CN110675201A (zh) * | 2019-10-11 | 2020-01-10 | 北京百度网讯科技有限公司 | 服务信息处理方法及装置 |
-
2021
- 2021-02-08 CN CN202110183464.0A patent/CN112861100B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1643448A2 (fr) * | 2004-09-29 | 2006-04-05 | L'oreal | Procédé de prédiction de l'apparence d'une portion au moins du corps d'un individu |
WO2016058540A1 (zh) * | 2014-10-15 | 2016-04-21 | 腾讯科技(深圳)有限公司 | 身份验证方法、装置和存储介质 |
WO2016145940A1 (zh) * | 2015-03-19 | 2016-09-22 | 北京天诚盛业科技有限公司 | 人脸认证方法和装置 |
CN105138980A (zh) * | 2015-08-20 | 2015-12-09 | 深圳云天励飞技术有限公司 | 基于身份证件信息和人脸识别的身份验证方法及系统 |
CN107483428A (zh) * | 2017-08-09 | 2017-12-15 | 广东欧珀移动通信有限公司 | 身份验证方法、装置和终端设备 |
WO2019032706A1 (en) * | 2017-08-10 | 2019-02-14 | Riaan Conradie | USER VERIFICATION BY COMPARISON OF PHYSIOLOGICAL SENSOR DATA WITH PHYSIOLOGICAL DATA DERIVED FROM FACIAL VIDEO |
CN110675201A (zh) * | 2019-10-11 | 2020-01-10 | 北京百度网讯科技有限公司 | 服务信息处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
CHENG-HO HUANG ETAL.: "SVM-based one-against-many algorithm for liveness face authentication", 《2008 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 * |
崔剑等: "人脸识别身份验证系统在养老保险生存核查中的应用探讨", 《电子元器件与信息技术》, vol. 3, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN112861100B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749344A (zh) | 信息推荐方法、装置、电子设备、存储介质及程序产品 | |
CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN113657269A (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN114494784A (zh) | 深度学习模型的训练方法、图像处理方法和对象识别方法 | |
CN112395391B (zh) | 概念图谱构建方法、装置、计算机设备及存储介质 | |
CN111368551A (zh) | 一种确定事件主体的方法和装置 | |
CN112818227A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN112468658A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN114494747A (zh) | 模型的训练方法、图像处理方法、装置、电子设备及介质 | |
CN113055751A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN112861100A (zh) | 身份验证方法、装置、设备以及存储介质 | |
CN113361248B (zh) | 一种文本的相似度计算的方法、装置、设备及存储介质 | |
CN114067805A (zh) | 声纹识别模型的训练与声纹识别方法及装置 | |
CN114926322A (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN113221519A (zh) | 用于处理表格数据的方法、装置、设备、介质和产品 | |
CN117033801B (zh) | 一种业务推荐方法、装置、设备和存储介质 | |
CN110992067B (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
WO2024087644A1 (zh) | 生物识别方法、更新方法、电子设备及存储介质 | |
CN117076610A (zh) | 一种数据敏感表的识别方法、装置、电子设备及存储介质 | |
CN112182158A (zh) | 文档自动分类方法、装置、设备及存储介质 | |
CN117636256A (zh) | 一种行为类型确定方法、装置、电子设备及存储介质 | |
CN114860981A (zh) | 图像检索方法、装置、电子设备以及存储介质 | |
CN115859998A (zh) | 问题数据的处理方法、装置、计算机设备及存储介质 | |
CN111783447A (zh) | 基于ngram距离的敏感词检测方法、装置、设备及存储介质 |
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 |