CN113227764A - 用于基于网络的服务的物体验证 - Google Patents

用于基于网络的服务的物体验证 Download PDF

Info

Publication number
CN113227764A
CN113227764A CN201980075391.4A CN201980075391A CN113227764A CN 113227764 A CN113227764 A CN 113227764A CN 201980075391 A CN201980075391 A CN 201980075391A CN 113227764 A CN113227764 A CN 113227764A
Authority
CN
China
Prior art keywords
computing device
mobile computing
user
service
network
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
Application number
CN201980075391.4A
Other languages
English (en)
Other versions
CN113227764B (zh
Inventor
理查德·阿什
伦尼·埃文斯
德里克·翁钦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Uber Technologies Inc
Original Assignee
Uber Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Uber Technologies Inc filed Critical Uber Technologies Inc
Publication of CN113227764A publication Critical patent/CN113227764A/zh
Application granted granted Critical
Publication of CN113227764B publication Critical patent/CN113227764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04812—Interaction techniques based on cursor appearance or behaviour, e.g. being affected by the presence of displayed objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Telephone Function (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

移动计算设备可以使用移动计算设备的相机捕获待验证物体的多个图像。在未激活移动计算设备的闪光灯时捕获多个图像中的第一图像，并且在激活闪光灯时捕获多个图像中的第二图像。验证数据可以包括表示物体的光反射率的第一组验证度量，并且可以由移动计算设备或网络服务通过分析第一图像和第二图像来生成。

Description

用于基于网络的服务的物体验证
相关申请的交叉引用
本申请要求于2018年9月20提交的美国专利申请号16/136,946的优先权，上述优先权申请通过引用整体并入此文。
背景技术
基于网络的服务可以将用户与可用的服务提供者联系起来，服务提供者可以为用户提供所请求的服务。在能够请求基于网络的服务之前，可以提示基于网络的服务的给定用户证明他或她对物体(例如，支付卡)具有实际拥有权。常规的物体验证方法只是提示用户拍摄物体的图像，以证明他或她对该物体具有实际拥有权。
附图简要说明
在附图的各图中，通过示例而非限制的方式示出了本公开。在附图中，相同的附图标记指代相似的元件，并且其中：
图1为根据本文描述的示例示出的与用户设备和提供者设备通信的示例性网络系统的框图；
图2为根据本文描述的示例示出的与示例性网络系统通信的示例性移动计算设备的框图；
图3为根据本文描述的示例示出的针对基于网络的服务处理服务请求的示例方法的流程图；
图4A为根据本文描述的示例示出的进行物体验证的示例方法的流程图；
图4B为根据本文描述的示例示出的进行光反射率分析的示例方法的流程图；
图5A和图5B示出了根据本文描述的示例在用户设备上显示的用于执行物体验证的示例性用户界面；
图6为根据本文描述的示例示出的示例性移动计算设备的框图；和
图7为示出了可以在其上实现本文描述的示例的计算机系统的框图。
具体描述
本文提供了一种网络系统，该网络系统管理基于网络的服务(例如，运输服务、交付服务等)，该基于网络的服务将可用的服务提供者(例如，驾驶员和/或自动驾驶汽车(AV))与在给定区域(例如，旧金山湾区)内的请求用户(例如，骑手、服务请求者)链接起来。这样做，网络系统可以经由在用户的移动计算设备(“用户设备”)上执行的指定用户应用来接收来自请求用户的服务请求。基于开始位置(例如，服务提供者将与请求用户会合的上车位置)，网络系统可以标识可用的服务提供者，并将邀请发送到所标识的服务提供者的移动计算设备(“提供者设备”)。如果所标识的服务提供者接受邀请，则网络系统可以向提供者设备发送指示，以使得服务提供者能够导航到开始位置并随后从开始位置导航到服务位置(例如，服务提供者将完成所请求的服务的下车位置(drop-off location))。开始位置可以在请求中指定，并且可以从用户输入中或用户设备上的一个或多个移动定位资源中确定。服务位置也可以在请求中指定。
在确定实现给定服务请求的最佳服务提供者时，网络系统可以基于服务请求中指示的开始位置来标识实现服务请求的多个候选服务提供者。例如，网络系统可以确定围绕开始位置的地理围栏(或由远离开始位置的半径所定义的地理围栏)，标识一组候选服务提供者(例如，在该地理围栏内的二十或三十个服务提供者)，然后从候选服务提供者中选择最佳服务提供者(例如，距离开始位置最近的服务提供者、距开始位置具有最短估计行进时间的服务提供者、行进或行走至离服务位置指定距离或指定行进时间范围内的位置的服务提供者，等等)以服务该服务请求。在许多示例中，例如，服务提供者可以基于对于服务提供者而言太长或不切实际的路线来接受或拒绝邀请。
在某些实施方式中，用户应用程序允许用户在提交服务请求之前预览基于网络的服务的各个方面。例如，在按需运输服务的情况下，用户可以输入开始位置和服务位置以预览基于网络的服务的预期成本、到达服务位置的预计时间等。通过与用户应用程序进行交互，用户可以预览不同服务类型或类别的各个方面，例如，类别包括经济服务类别、乘车共享池服务类别、豪华轿车服务类别等。更详细地，在这些预览基于网络的服务的交互期间，用户设备可以将指示所需的开始位置和服务位置的会话数据传输到网络系统。然后，网络系统可以基于接收到的会话数据来计算和确定基于网络的服务的各个方面。然后，将数据从网络系统传输到用户设备，以使用户设备能够呈现和显示图形和文本，以允许用户预览基于网络的服务。然后，用户可以与用户应用程序交互以提交服务请求，以使网络系统标识最佳服务提供者以实现所请求的服务。网络系统响应于会话数据以预览服务而确定的参数和变量可以应用于用户请求的服务。
在各个方面中，响应于开始预览基于网络的服务的用户会话或响应于服务请求，网络系统可以被配置为在继续进行用户会话或继续处理请求之前确定是否需要物体验证。如本文中所使用的，物体验证可以指的是验证用户实际上拥有与基于网络的服务一起使用的物体(例如，支付卡等)。
根据实施例，一旦确定需要针对给定会话或给定服务请求的物体验证，则网络系统可以通过网络将验证请求发送到对应的用户设备。一旦接收到验证请求，则用户设备可以在用户设备的显示器上呈现验证用户界面。一旦在显示验证用户界面时检测到一个或多个用户动作，则用户设备可以捕获正被验证的物体的多个图像。例如，用户可以使用验证用户界面上的取景器特征来对齐物体，以使用户设备捕获物体的多个图像。在一些实施方式中，捕获的物体的多个图像可以包括在未激活用户设备的闪光灯时(例如，关闭并且不照明)捕获的第一图像和在激活用户设备的闪光灯时(例如，打开和照明)捕获的第二图像。用户设备在捕获第一图像和第二图像时可以自动触发闪光灯。例如，响应于一个或多个用户动作，用户设备可以捕获第一图像，自动激活闪光灯，并且捕获第二图像。
用户设备可以生成用于验证物体的验证数据并将其发送到网络系统。验证数据可以包括通过执行光反射率分析而生成的一组光反射率度量。光反射率度量可以是光如何从物体表面反射的一个或多个方面的数字或统计表示，并且可以指示物体是否具有预期的表面材料。根据变体，该网络系统或用户设备可以执行光反射率分析和/或其他分析。在验证支付卡的示例中，光反射率分析可以帮助将实际的卡(例如，塑料的或金属的)与印刷在一张纸上或显示在屏幕上的支付卡的图像区分开。光反射率分析可以确定物体的光反射率特性(例如，光反射强度，光反射图案)是否在指示塑料或金属材料表面的可接受范围内。可以由用户设备基于分析第一图像(闪光)和第二图像(不闪光)来生成光反射率度量。例如，用户设备可以比较第一图像和第二图像以确定物体表面的光反射的强度和/或图案。在一些实施方式中，可使用两个图像的逐像素比较(或两个图像的像素组到像素组的比较)来产生光反射率度量。在一个示例中，用户设备可以生成像素增量图(pixel delta map)，该像素增量图包括第一图像和第二图像之间的像素值(例如，表示亮度值)的增量。
在本文描述的示例中，验证数据还可以包括特征位置映射分析的结果。特征位置映射分析可以确定物体的可见特征是否位于物体上的预期位置处。在验证实物支付卡的情况下，可见特征可以对应于徽标、签名框、压印的文本或数字(例如，名称、卡号、有效期等)等。在一种实施方式中，用户设备可以标识各种类型的可见特征并确定它们各自的位置。验证数据可以指示所标识的特征及其各自的位置。基于验证数据，网络系统可以确定所标识的特征是否位于预期位置。为此，网络系统可以检索物体模板，该物体模板指定了所标识的特征的预期位置。例如，可以基于给定支付卡的发行者、支付网络、品牌等来检索给定支付卡的物体模板。网络系统可以维护物体模板或可以与金融机构的计算机系统进行通信(例如，支付卡的发卡者)以检索物体模板。
根据实施例，基于由用户设备和/或网络系统执行的不同分析的各种结果或数据，网络系统可以生成物体验证过程是否已经通过的综合决定。基于物体验证过程的先前实例，可以使用随着时间训练的机器学习模型来作出此综合决定。
与验证拥有物体的常规方法相比，本文描述的示例提供了显著的技术优势。一方面，通过执行光反射率分析(例如，确定指示光反射率强度和图案的光反射率度量)，本文所述的实施例可以确定被验证的物体是否由预期的表面材料组成，从而确保和改善物体验证过程的完整性和准确性。另外，本文描述的示例由用户设备执行某些物体验证任务，而由网络系统执行其他步骤。以这种方式，由于敏感数据没有通过网络传输到网络系统，因此可以保持敏感数据(例如，被验证物体的原始图像数据)的私密性。另外，通过利用网络系统和移动计算设备两者来验证物体的真实性，执行物体验证所需的大量数据(例如，执行特征位置映射分析所需的物体模板，用于光反射率分析的可接受基线数据等)可以由网络系统存储，因此不需要占用移动计算设备上的宝贵存储空间。
如本文所使用的，计算设备是指与台式计算机、蜂窝设备或智能电话、个人数字助理(PDA)、膝上型计算机、虚拟现实(VR)或增强现实(AR)头戴式视图器、平板设备、电视机(IP电视)等相对应的设备，其可以提供网络连接性和处理资源以通过网络与系统进行通信。计算设备还可以对应于定制硬件、车载设备或机载计算机等。计算设备还可以操作配置为与网络服务通信的指定应用程序。
本文所述的一个或多个示例提供了由计算设备执行的方法、技术和动作以编程方式或作为计算机实现的方法来执行。如本文所使用的，以编程方式意味着通过使用代码或计算机可执行指令来进行。这些指令可以存储在计算设备的一个或多个存储器资源中。以编程方式执行的步骤可以是自动的，也可以不是自动的。
可以使用编程模块、引擎或组件来实现本文所述的一个或多个示例。编程模块、引擎或组件可以包括程序、子例程、程序的部分，或者能够执行一个或多个所述任务或功能的软件组件或硬件组件。如本文所使用的，模块或组件可以独立于其他模块或组件而存在于硬件组件上。或者，模块或组件可以是其他模块、程序或机器的共享元素或过程。
本文描述的一些示例通常可能需要使用计算设备，包括处理和存储器资源。例如，可以在诸如服务器、台式计算机、蜂窝或智能电话、个人数字助理(例如，PDA)、膝上型计算机、VR或AR设备、打印机、数码相框、网络设备(例如路由器)和平板电脑设备之类的计算设备上全部或部分地实现本文描述的一个或多个示例。存储器、处理和网络资源都可以与本文描述的任何示例的建立、使用或执行(包括与任何方法的执行或与任何系统的执行)结合使用。
此外，可以通过使用可由一个或多个处理器执行的指令来实现本文描述的一个或多个示例。这些指令可以被携带在计算机可读介质上。下面的附图示出或描述的机器提供了处理资源和计算机可读介质的示例，用于实现本文所公开的示例的指令可以在该计算机可读介质上被携带和/或执行。特别地，用本发明的示例示出的众多机器包括处理器以及用于保存数据和指令的各种形式的存储器。计算机可读介质的示例包括永久存储器存储设备，例如个人计算机或服务器上的硬盘驱动器。计算机存储介质的其他示例包括便携式存储单元(例如CD或DVD单元)、闪存(例如智能手机、多功能设备或平板电脑上携带的闪存)以及磁存储器。计算机、终端、支持网络的设备(例如，诸如蜂窝电话之类的移动设备)都是使用存储在计算机可读介质上的处理器、存储器和指令的机器和设备的所有示例。另外，可以以计算机程序或能够携带这样的程序的计算机可用载体介质的形式来实施该示例。
系统描述
图1为根据本文描述的示例示出的与用户设备和提供者设备通信的示例性网络系统的框图。网络系统100可以实现或管理基于网络的服务(例如，按需运输服务、按需递送服务等)，该基于网络的服务将请求用户182与可用于实现用户的服务请求183的服务提供者192连接起来。网络系统100可以提供一平台，通过在用户设备180上执行的用户应用程序181以及在提供者设备上执行的提供者应用程序191，该平台使可用的服务提供者192为请求用户提供按需服务。如本文所使用的，用户设备180和提供者设备190可以包括计算设备，该计算设备具有执行与由网络系统100管理的按需服务相对应的指定应用的功能。在许多示例中，用户设备180和提供者设备190可以包括移动计算设备，例如智能电话、平板电脑、VR或AR头戴式视图器、车辆的车载计算系统、智能手表等等。在一个示例中，实现服务请求的服务提供者包括与用户在开始位置(例如，上车位置)会合以接用户并将用户运送到服务位置(例如，目的地位置)的服务提供者。
网络系统100可以包括用户设备接口115，以由用户应用程序181通过一个或多个网络170与用户设备180进行通信。根据示例，希望利用基于网络的服务的请求用户182可以启动用户应用程序181并且可以通过使用用户应用程序181使得用户设备180通过网络170向网络系统100发送服务请求183。在某些实施方式中，请求用户182可以查看由网络系统100管理的多种不同服务类型。在按需运输服务的内容中，服务类型可以包括乘车共享服务、经济服务、豪华服务、专业服务提供者服务(例如，在经过认证的服务提供者的情况下)、自动驾驶汽车服务等。在某些实施方式中，可用的服务类型可以包括乘车共享池服务类别，其中可以匹配多个用户以由服务提供者进行服务。用户应用程序181可以使用户182能够滚动浏览可用的服务类型。用户应用程序181还可以使用户182能够输入预期服务请求的开始位置和服务位置。在一方面，一旦用户针对预期服务请求183在用户应用程序181内输入开始位置和服务位置，用户设备180可以生成服务请求183。服务请求183可以指示开始位置和服务位置。一旦接收到服务请求183，网络系统100可以提供内容数据(例如，内容数据133)，以使用户设备180在用户应用程序181的用户界面上显示ETA数据(该ETA数据为服务类型指示最接近的服务提供者的ETA)、该服务类型的所有接近的可用服务提供者的位置，和/或请求每种可用服务类型的估计成本。当用户滚动浏览可用的服务类型时，用户界面可以更新以在以用户182为中心或用户设置的开始位置为中心的地图上显示该服务类型的服务提供者的可视化表示。用户182可以与用户应用程序181的用户界面进行交互，以选择特定的服务类型并发送服务请求183。
根据实施例，网络系统100可以包括服务引擎125，该服务引擎125一旦从用户设备180接收到服务请求183后可以执行许多功能。例如，一旦接收到服务请求183，服务引擎125可以标识候选服务提供者192以实现服务请求183。服务引擎125可以接收从提供者设备190发送的提供者位置数据194，以标识最佳服务提供者192以服务用户的服务请求183。可以基于服务提供者192的位置、到开始位置的ETA、状态、可用性等来标识最佳服务提供者192。
在各个方面，服务引擎125可以将邀请126发送到选定的服务提供者192的提供者设备190。邀请126可以经由与提供者设备190通信的提供者设备接口120在网络170上发送。一旦接收到邀请126，提供者应用程序191可以显示服务提供者192接受或拒绝邀请126的提示。如果服务提供者192接受邀请126，则提供者应用程序191可以使提供者设备190向网络系统100发送接受193。一旦从提供者设备190接收到接受193，网络系统100和服务引擎125可以执行许多操作，以促使服务提供者192完成所请求的服务。作为示例，服务引擎125为服务提供者192生成实现服务请求183的最佳路线127。该路线127可以基于存储在数据库145中的地图数据147来生成。路线127可以包括从服务提供者192的当前位置(例如，基于提供者位置数据194)到开始位置的分段以及从开始位置到服务位置的另一分段。路线127还可以包括其他中间位置，例如乘车共享运输服务的另一用户的下车位置等。提供者设备接口120可以经由一个或多个网络170将路线127发送到提供者设备190。提供者设备190可以基于服务引擎125生成的路线127经由提供者应用程序191为服务提供者192显示分路段方向。在一些实施方式中，服务引擎125可以将开始位置和服务位置发送至服务提供者设备190，并且提供者设备190和提供者应用程序191可以为服务提供者192生成实现服务请求183所需的一个或多个路线和分路段方向。
在各种示例中，网络系统100可以以用户个人资料数据146的形式在数据库145中维护请求用户182的用户数据。用户个人资料数据146可以包括与用户182在过去请求的服务有关的信息、与基于网络的服务相关联的经常访问的位置(例如，家庭位置、办公地址等)等。用户个人资料数据146还可以包括由网络系统100用来处理用户182对基于网络的服务的支付的支付信息(例如，信用卡/借记卡信息等)。在一些实施方式中，用户182可以通过用户应用程序181输入支付信息。例如，可以在为基于网络的服务设置用户账户或个人资料时或者在提交服务请求之前提示用户182。
根据实施例，网络系统100和用户设备180可以一起执行物体验证，以便用户182在继续处理来自用户182的服务请求183之前验证她或他拥有物体175。作为示例，物体验证动作可用于验证用户182是否拥有与用户182的用户个人资料相关联的支付卡。在一个实施方式中，响应于服务请求183，服务引擎125可以检索请求用户182的用户个人资料数据146。服务引擎125(或网络系统100的另一组件)可以基于对用户个人资料数据146的分析来确定是否在继续处理服务请求183之前要求用户182进行物体验证。在其他实施方式中，一旦用户在用户应用程序181内启动预览从开始位置到服务位置的基于网络的服务的会话，一旦用户在用户应用程序内输入与物体175有关的信息，或者一旦用户182设置他或她的用户帐户或个人资料，则服务引擎125可以确定是否需要物体验证。如果确定用户182必须验证他或她的支付信息，则网络系统100可以通过网络170向用户设备180发送验证请求128。
一旦接收到验证请求128，用户设备180可以显示验证用户界面，改用该用户界面用户182可以执行物体验证。在一些实施方式中，用户设备180可以捕获物体175的多个图像。用户设备180处理所捕获的图像以生成要发送到网络系统100的验证数据185。某些物体验证动作可以在用户设备180上执行，这样捕获的图像(其可能包含敏感数据和信息)以及其他原始数据无需通过网络170发送到网络系统100。用户设备180可以进一步加密验证数据185以确保安全传送验证数据185。
根据实施例，网络系统100包括验证引擎135，该验证引擎135从用户设备180接收验证数据185并确定物体验证是否已经通过或失败。如果验证引擎135确定物体验证已经通过，则验证引擎135可以将通过的验证结果136发送到服务引擎125，以使服务引擎125例如继续处理用户182的服务请求183。另一方面，如果验证引擎135确定物体验证失败了，则验证引擎135可以将失败的验证结果137发送到用户设备180。作为响应，用户设备180可以向用户182呈现各种选项，以继续进行一项或多项补救措施，例如输入另一张信用卡或借记卡的信息、直接用发行金融机构验证付款信息、与客户代表交谈等。
物体验证过程可以包括许多分析，以确定用户设备180的摄像头捕获的图像是否描绘了真实的物体175。这些分析可以包括光反射率分析、特征位置映射分析、物体信息匹配分析、3D特征识别等等。验证引擎135可以基于这些分析的组合来确定物体验证是通过了还是失败了。例如，用户设备180可以执行一项或多项分析并且可以将其结果(例如，得数、度量等)作为验证数据185的一部分发送到网络系统100。验证引擎135可以利用存储在数据库145中的机器学习模型149来生成关于用户设备180捕获的图像中物体175是否真实的综合决定。附加地或替代地，验证数据185可以包括使得验证引擎135或网络系统100的其他组件能够执行本文所述的一个或多个分析的数据(例如，从捕获的图像提取的数据或基于捕获的图像计算的值)。
在一方面，验证数据185可以指示被验证物体的光反射率分析的结果。光反射率分析的结果可以指示物体175的表面是否由期望的材料制成。在尝试验证实物支付卡的示例中，光反射率分析可以帮助将实际的(例如，塑料的或金属的)信用卡与印刷在一张纸上或显示在屏幕上的卡的图像区分开。该分析可以确定物体的光反射率特性(例如，光反射强度、光反射图案)是否在指示塑料或金属材料表面的可接受范围内。可以由用户设备180使用至少两个捕获的被验证物体的图像来执行反射率分析，即第一图像是在用户设备180的闪光灯关闭时捕获的而另一图像是在闪光灯照明时捕获的。可以基本上同时捕获图像。例如，用户设备180可以响应于用户输入而快速连续地捕获两个图像，并且在该过程中可以自动打开(和/或关闭)闪光灯。通过比较该两个图像(例如，计算两个图像的像素亮度值的平均差)，用户设备180可以确定光反射率特性是否在可接受的范围内。
在一些实施方式中，网络系统100的验证引擎135可以执行光反射率分析。在这些实施方式中，从用户设备180传输到网络系统100的验证数据185可以包括诸如两个图像的像素亮度值之类的数据，以使得验证引擎135能够执行光反射率分析。在另一实施方式中，网络系统100和用户设备180的组合可以执行光反射率分析。例如，用户设备180可以基于捕获的图像来计算正被验证的物体175的光反射率特性，并且验证引擎135可以确定光反射率特性是否在可接受的范围内。以这种方式，可以在仍然利用用户设备180的可用资源的同时，光反射率分析可以根据被验证的给定物体175进行动态地调整。例如，在验证用户182拥有特定品牌的信用卡时，验证引擎135可以(例如，基于与卡发行方的通信或基于公共可用数据)确定该信用卡仅作为金属卡发行。基于该信息，验证引擎135可以相应地设置光反射率分析的可接受范围。
在另一方面，验证引擎135可以分析验证数据185以执行特征位置映射分析。这样做时，验证引擎135可以检索物体模板(例如，作为物体数据148存储在数据库145中)，并比较该模板以确定物体175上的特征的位置是否与该物体模板匹配。例如，在验证支付卡时，所分析的特征可以包括徽标、卡号、有效期、签名框等。验证数据185可以指示物体175上的每个特征的各自位置(例如，相对于物体175的边界的位置，在坐标系中的位置等等)。验证引擎135可以检索对应的物体模板，该物体模板可以提供被验证的物体175所期望的特征位置的已知且已验证的基线。基于物体模板数据，位置映射分析的结果可以指示确定在物体175上正确位置的特征的百分比。
验证引擎135还可以被配置为分析验证数据185，以执行物体信息匹配分析。验证数据185可包括检测到的关于物体175的文本信息，该文本信息是使用在捕获的物体175的图像上进行光学字符识别技术检测的。验证引擎135可将检测到的文本信息与数据库中存储的物体的已知信息进行比较。在验证物体175是真实的支付卡的示例中，检测到的文本信息可以包括与物体175上所描绘的与支付卡相关联的名称。验证引擎135可以将该名称与存储在用户个人资料数据146中的用户182的名称进行比较，以确定用户182的名称是否与物体175上描述的名称匹配。在某些实施方式中，验证引擎135可以进一步分析验证数据185以进行3D特征识别分析。对于该分析，用户设备180可以对物体175的捕获图像进行分析，以标识由物体175的表面上的一个或多个突起投射出的图像中的阴影(如果有的话)，并确定阴影是否均匀(例如，它们是真实的阴影而不是生成的图像)。这对于验证可能具有突起(其包含支付卡号)的支付卡的真实性很有用。从用户设备180发送的验证数据185可以包括3D特征分析已经通过还是失败的指示。
根据实施例，验证引擎135被配置为生成关于物体验证过程是否已经通过(例如，由用户设备180的相机捕获的物体175是否是真实的)的综合决定。这样做，验证引擎135可以基于可用数据的集合来确定物体验证过程是否已经通过，该可用数据的集合包括由用户设备180和网络系统100执行的各种验证分析的结果。在一些实例中，即使已经将一个或多个分析视为失败，验证引擎135也可以确定物体验证过程已经通过。例如，在验证特定物体175时，3D特征识别分析可以指示失败分数，但是其他分析(例如，光反射率分析、特征位置映射分析、物体信息匹配分析等)可以指示相应的通过得分或度量。在该特定实例中，验证引擎135可以基于可用的综合数据来生成针对物体175的物体验证过程已经通过的综合决定。在某些实施方式中，验证引擎135可以使用机器学习模型149来生成该综合决定。机器学习模型149的输入可以是验证分析所生成的结果或度量(例如，光反射率分析的结果、特征位置映射分析等)。可以基于由基于网络的系统的用户执行的物体验证过程的过去实例，机器学习模型149可以随着时间被训练。在验证支付卡的情况下，基于指示物体验证过程之后与基于网络的服务相关联的事件的数据(例如，验证的支付卡是否最终被金融机构接受或拒绝，或者物体验证过程中的失败是否为假阳性(例如，由用户182与客户服务代表进行沟通纠正))，可以进一步训练机器学习模型149。
图2为根据本文描述的示例示出的与示例性网络系统通信的示例性移动计算设备的框图。在下面的图2的描述中，可以参考关于图1示出和描述的特征和示例。例如，网络系统290可以是在图1中示出和描述的网络系统100的一实施例，并且图1的用户设备180可以是图2所示的移动计算设备200的一实施例。移动计算设备200可以进一步用作图1的提供者设备190。
根据实施例，移动计算设备200可以包括存储服务应用程序256的存储器250(或各种存储元件的组合)。移动计算设备200可以执行服务应用程序256以向移动计算设备200的用户提供各种功能，以与网络系统290管理的基于网络的服务进行交互并请求该基于网络的服务。存储器250可以进一步存储本地用户个人资料251，该本地用户个人资料251包括支持服务应用程序256的操作的用户信息。在移动计算设备200用作用户设备(例如，图1的用户设备180)的实施方式中，服务应用程序256可以对应于用户应用程序。在移动计算设备200用作提供者设备(例如，图1的提供者设备190)的其他实施方式中，服务应用程序可以对应于提供者应用程序。移动计算设备200包括网络接口210，以通过网络280与网络系统290通信。
在各个方面，移动计算设备200可以包括服务引擎230。当用户与服务应用程序256的用户界面进行交互以请求基于网络的服务时，服务引擎230可以生成将被发送至网络系统290的服务请求231。参考回图1，服务请求231可以对应于图1所示的服务请求183。一旦接收到服务请求231，网络系统290可以标识为用户实现服务请求231的服务提供者。
在一些实施方式中，网络系统290可以确定需要为用户执行一个或多个验证动作。该确定可以在服务请求231的处理期间做出，或者可以在服务请求231被生成和发送之前做出。例如，可以在用户在提交服务请求之前预览用户应用程序中的服务选项(例如，查看服务类别、ETA、价格等)时做出该确定。响应于该确定，网络系统290可以将验证请求291发送到移动计算设备200。验证请求291可以与结合服务请求231对要进行收费的支付选项进行验证的请求相对应。一旦接收到验证请求291，移动计算设备200可以执行多种功能以使用本文描述的各种成像技术来验证实物支付卡(例如，信用卡、借记卡等)。可以对在验证过程中生成的数据进行加密，并将其发送到网络系统290以进行进一步处理，以确定验证过程是否已通过或失败。作为响应，网络系统290可以确定在能够实现服务请求之前是否要求用户执行一个或多个补救动作。
在本文描述的示例中，服务引擎230可以将验证请求291转发给物体验证引擎225以启动物体验证过程。如图4所示，并根据图4描述了物体验证过程的一个示例。一旦接收到验证请求291，物体验证引擎225可以使验证用户界面(例如，图5A的用户界面500)显示在移动计算设备200的屏幕上。在这个用户界面内，可以指示用户通过验证过程捕获要验证的实物支付卡的图像。
在一个或多个实施方式中，可以提示用户将支付卡与验证用户界面中的可视参考线对齐。例如，物体验证引擎225可以监视移动计算设备200的相机215的输出以生成触发器227，以使得一旦物体275被确定为与验证用户界面内显示的可视参考线对齐，相机215就自动捕获待验证的物体275的图像。附加地或替代地，显示在移动计算设备200的屏幕上的验证用户界面还可以包括用户界面特征(例如，“捕捉图像”软按钮)以捕捉物体275的图像。可以通过图像处理引擎220来处理物体275的图像217。例如，图像处理引擎220可以将一个或多个图像217转换为灰度、对齐两个或多个图像、改变图像的对比度等等。处理后的图像221被发送到物体验证引擎225以进行附加处理。
根据实施例，物体验证引擎225可以执行一个或多个分析以确定由移动计算设备200的相机215捕获的物体257是否是真实的。物体验证引擎225可以基于处理后的图像221执行验证分析。验证分析可以包括光反射率分析、特征位置映射分析、物体信息匹配分析、3D特征识别分析等。这些分析至少在图1、图4A和图4B中示出和描述。在执行这些分析时，物体验证引擎225可以生成验证数据226。验证数据226可以包括验证分析的度量或结果。验证数据226还可以包括与验证分析相关联的数据，使得网络系统290可以执行验证分析中的一个或多个的一些或全部步骤。在某些实施方式中，移动计算设备200可以包括加密引擎235，以对通过网络280传输到网络系统290的一些或全部验证数据226进行加密。加密的验证数据236可以经由网络接口210通过网络280被传输到网络系统290。
根据实施例，一旦接收到验证数据236，网络系统290可以生成关于物体275的物体验证过程是否已经通过或失败的综合决定(例如，图像217中捕获的物体275是否是真实的)。如果网络系统290确定物体验证过程失败了，则网络系统290可以向移动计算设备200发送失败信号292。一旦接收到失败信号292，在移动计算设备200上执行的服务应用程序256可以使得第二验证用户界面被显示。该第二验证用户界面(例如，图5B的用户界面550)可以在继续进行基于网络的服务时向用户呈现选项，例如联系客户服务、改变支付方式，或取消会话或服务请求。
方法论
图3为根据本文描述的示例示出的处理针对基于网络的服务的服务请求的示例性方法的流程图。在图3的下面描述中，可以参考关于图1和图2示出和描述的特征和示例。例如，示例性方法可以由图1的示例性网络系统100或者由图2的示例性网络系统290执行。
参照图3，网络系统(例如，图1的网络系统100)可以接收服务请求(310)(例如，图1的服务请求183)。可以通过网络从执行用户应用程序的用户设备(例如，图1的用户设备180或图2的移动计算设备200)处接收服务请求。一旦用户与用户应用程序交互，用户应用程序和用户设备可以使服务请求被传输到网络系统。传输到网络系统的与服务请求相对应的数据可以包括用户的标识信息。例如，可以将网络系统分配给用户的唯一用户ID作为服务请求的一部分进行传输。服务请求还可以包括与所请求的服务有关的其他信息。例如，在按需运输服务的情况下，服务请求还可以标识开始位置(例如，运输服务提供者要与发出请求的用户会合的位置)和服务位置(例如，运输服务提供者将让发出请求的用户下车的位置)。
一旦接收到服务请求，网络系统可以检索用户的个人资料数据(320)。根据实施例，网络系统可以维护多个用户个人资料，一个用户个人资料用于基于网络的服务的一个用户。每个用户个人资料可以包括与相应用户有关的信息。在按需运输服务的情况下，用户个人资料可以包括用户经常访问的位置、用户的家庭和/或工作地址、用户的基于网络的服务的使用历史记录(例如，过去的旅程等)等等。在各种示例中，用户个人资料信息还可以包括付款信息，例如用户的信用卡或借记卡信息。在实现用户的服务请求时，网络系统可以使用付款信息来处理付款，以换取所请求的服务。
在处理接收到的服务请求之前，网络系统可以确定是否要求用户验证他或她的支付信息(330)。验证用户的付款信息可以包括验证实际的付款卡(例如信用卡或借记卡)。可以执行该验证以防止使用伪造或盗取的支付卡信息来进行欺诈交易，因为欺诈用户没有相应的实物支付卡。因此，通过要求用户验证实物支付卡，网络系统可以确保用户拥有用于基于网络的服务请求的实物支付卡。以这种方式，可以维持交易和基于网络的服务的完整性。在各种示例中，网络系统可以使用各种标准来确定是否要求用户验证他或她的支付信息。网络系统可以根据基于网络的服务的用户历史记录作出此决定。例如，在继续预览基于网络的服务或提交服务请求之前，可能需要新注册的用户或最近使用基于网络的服务不活跃的用户进行物体验证。网络系统还可以基于与用户或给定会话或服务请求相关联的特定信息作出此决定。例如，如果用户正在为先前未与该用户相关联的开始位置或服务位置请求或预览基于网络的服务，则网络系统可以确定要求用户执行物体验证。作为另一个示例，如果用户帐户使用了新的付款方式，则网络系统可以确定要求用户进行物体验证。
如果网络系统确定用户继续进行特定的会话或服务请求不需要物体验证，则网络系统可以继续处理请求或会话(380)。因此，网络系统可以生成用于预览基于网络的服务或标识合适的服务提供者的数据，以实现服务请求。另一方面，如果网络系统确定用户需要验证，则网络系统可以将验证请求发送到用户设备(340)。响应于验证请求，在用户设备上执行的用户应用程序可以使验证用户界面显示在用户设备的屏幕上。通过与用户应用程序和验证用户界面进行交互，用户可以执行一个或多个验证步骤，以验证他或她是否拥有一张或多张实物支付卡。
该决定可以基于用户的个人资料信息。一方面，网络系统可以基于用户个人资料的历史确定请求该用户验证支付信息。例如，用户个人资料可以指示用户最近修改了他或她的支付信息(例如，添加了新的信用卡等)，并且基于该信息，网络系统可以确定请求该用户验证支付信息。在另一示例中，网络系统可以基于指示用户进行的一个或多个可疑活动的用户个人资料来确定请求该用户验证支付信息。
如果网络系统确定请求来自用户的验证，则网络系统可以将验证请求发送到用户设备(340)。验证请求可以使用户设备呈现验证用户界面，用户可以使用该验证用户界面使得用户设备的相机捕获实物支付卡的多个图像。用户设备可以评估和分析所捕获的图像以生成传输到网络系统的验证数据。在步骤350处，网络系统从用户设备处接收验证数据。
基于验证数据，网络系统可以生成关于物体验证过程已经通过还是失败的综合决定(360)。如果网络系统确定物体验证过程失败了，则网络系统可以向用户设备发送失败信号或指示以使得用户设备提示用户执行补救措施，以便继续进行基于网络的服务(370)。如果网络系统确定物体验证过程已经通过，则网络系统可以继续处理服务请求(或用于预览基于网络的服务的会话)(380)。
图4A为根据本文描述的示例示出的进行物体验证的示例性方法的流程图。在图4的下面描述中，可以参考关于图1至图3示出和描述的特征和示例。例如，示例性方法可以由图1的示例性用户设备180或者图2的示例性移动计算设备200来执行。
参照图4，移动计算设备(例如，图2的移动计算设备200)可以从管理基于网络的服务的网络系统接收请求(例如，图2的验证请求291)以验证物体。验证请求可以在网络上发送，并且可以对应于验证用户实际拥有物体(例如，支付卡)的请求。
一旦接收到验证请求，在移动计算设备上执行的服务应用程序(例如，图1的用户应用程序181，图2的服务应用程序256等)可以使验证用户界面被显示在移动计算设备(420)的显示器上。在图5A中示出了示例性验证用户界面。响应于来自网络系统的验证请求，用户可以与验证用户界面交互以执行物体验证。当显示验证用户界面时，移动计算设备响应于一个或多个用户动作可以捕获被验证物体的多个图像(430)。例如，用户可以将物体与验证用户界面内的相机取景器功能中的一个或多个可视参考线对齐(或激活验证用户界面内的“捕获图像”软选择)以使得移动计算设备捕获被验证物体的一个或多个图像。移动计算设备可以在未激活移动计算设备的闪光灯(例如，不照明)的情况下捕获物体的第一图像(431)，并且在激活移动计算设备的闪光灯(例如，照明)的情况下捕获物体的第二图像(432)。用户设备在捕获第一图像和第二图像时可以自动触发闪光灯。例如，响应于一个或多个用户动作，移动计算设备可以捕获第一图像、自动激活闪光灯，并且捕获第二图像。
移动计算设备可以分析捕获的图像(440)。所执行的分析可以包括光反射率分析(441)、特征位置映射分析(442)、物体信息匹配分析(443)和3D特征识别分析(444)。随后，移动计算设备可以将验证数据(例如，图1的验证数据185或图2的验证数据236)发送到网络系统(450)。验证数据可以对应于在步骤440中所执行的分析的结果。这样做，原始数据(例如，捕获的物体图像，其可能包含敏感或私人信息)不需要通过网络传输到网络系统。在一些实施方式中，验证数据可以对应于由移动计算设备执行的分析的综合度量。在其他实施方式中，验证数据可以包括在步骤440中执行的每个分析的各个度量或数据。以这种方式，网络系统可以基于接收到的验证数据来执行每个分析的附加处理。
关于光反射率分析(441)，移动计算设备可以基于将物体的第一图像(例如，未激活闪光灯)与第二图像(例如，激活闪光灯)进行比较，来计算一个或多个光反射率度量。光反射率分析可以生成指示从被验证物体反射的光强度(441-A)以及从被验证物体反射的光图案(441-B)的度量。
对于特征位置映射分析(442)，移动计算设备可以标识图像中捕获的物体的一个或多个可见特征，并将这些可见特征的位置与指示物体的那些可见特征的预期位置的模板进行比较。移动计算设备可以从内部数据库或外部资源中检索物体的适当模板。在验证支付卡的示例中，移动计算设备可以基于例如发卡机构、卡类型、卡号的一部分等来检索适当的物体模板。
关于物体信息匹配分析(443)，移动计算设备可以将在物体的图像中捕获的检测到的文本信息与物体的已知信息进行比较。作为替代方式，可以将检测到的文本信息发送到网络系统，使得网络系统可以执行物体信息匹配分析。在验证支付卡的情况下，可以将检测到的文本(例如用户名、卡的到期日期等)与存储在用户个人资料中的信息进行比较。
此外，移动计算设备还可以被配置为执行3D特征识别分析(444)，其中识别由物体的突出特征(如果有的话)投射的阴影并进行一致性分析以确保检测到的阴影不是在物体表面上伪造的(例如，绘制的或涂色的)。该技术可以用于区分具有诸如卡号之类的突出特征的真实支付卡与二维仿造物(例如，打印在一张纸上或显示在屏幕上的卡的图像)。移动计算系统可以分析多个图像，包括在未激活闪光灯的情况下捕获的第一图像和在激活闪光灯的情况下捕获的第二图像，以比较由突出特征投射的阴影来确定物体上的三维特征是否真实。
在步骤450处，来自物体验证分析的数据或结果被发送到网络系统，使得网络系统可以生成关于物体验证过程是否已经通过的综合决定。
图4B为根据本文描述的示例示出的执行光反射率分析的示例性方法的流程图。在图4B的下面描述中，可以参考图1至图4A。例如，图4B中所示的光反射率分析460可以由图2的移动计算设备200执行。另外，图4B中所示的光反射率分析460还可以是图4A所示的执行物体验证的方法的一部分。
参照图4B，光反射率分析460可以由移动计算设备基于捕获的被验证对象的至少两个图像来执行——第一图像是在移动计算设备的闪光灯关闭的情况下捕获的并且第二图像是在闪光灯照明的情况下捕获的。第一图像和第二图像可以基本上同时被捕获。例如，一旦用户输入，移动计算设备可以快速连续地捕获两个图像并且可以在此过程中自动地打开(和/或关闭)闪光灯。这可以帮助确保第一图像和第二图像对齐(例如，移动计算设备和物体在拍摄第一图像和第二图像之间不移动)。在某些实施方式中，移动计算设备可以将第一图像和第二图像转换为灰度(465)。以这种方式，灰度图像的每个像素的值可以是亮度值。作为替代方式，移动计算设备的相机可以以灰度图像的形式捕获第一图像和第二图像。如果确定灰度图像未正确对齐，则移动计算设备还可被配置为对齐灰度图像(470)。
移动计算设备可以生成表示灰度图像之间的像素值增量的像素增量图(475)。像素增量图可以具有与第一图像和第二图像相同的分辨率(例如，相同数量的像素)。像素增量图的每个像素可以具有指示物体的光反射强度的值，该值是由移动计算设备的相机在该特定像素位置处测量的。更详细地，对于像素增量图的每个像素位置，移动计算设备可以通过计算第一图像和第二图像的对应像素位置之间的差值来确定对应像素值。例如，为了确定像素增量图上位置<100，100>处给定像素的值(例如，水平方向上0位置起第100个像素以及竖直方向上0位置起第100个像素)，移动计算设备可以计算第一图像和第二图像(或转换后的灰度图像)的像素位置<100，100>处的相应像素值之间的差。移动计算设备可以从第二图像的像素位置<100，100>处的值中减去第一图像的像素位置<100，100>处的值，以确定像素增量图的像素位置<100，100>处的值。像素增量图上该像素值可以表示相机捕获的物体的光反射在像素位置<100，100>处的亮度值。为了生成像素增量图，移动计算设备可以对像素增量图上的所有像素执行该计算。
基于像素增量图，移动计算设备可以计算物体的光反射率强度的测量值(480)以及物体的光反射率图案的测量值(485)。关于强度的测量值，移动计算设备可以计算像素增量图的像素值的统计测量值。例如，用户设备可以计算以下像素增量图中的一个或多个以得出表示待验证物体的光反射率强度的度量：(i)平均像素或中值像素(例如，亮度)值；(ii)最大和/或最小像素值；(iii)像素值之和，等等。关于光反射率图案的测量值，移动计算设备可以确定光反射率的半径。在一个示例中，可以定义像素增量图的中心点，并且移动计算设备可以针对像素增量图上的每个径向段计算距中心点的均值距离或平均加权距离。
在一些实施方式中，关于光反射率度量(例如，强度和/或图案)是否认为是可接受的确定可以由移动计算设备来执行。例如，移动计算设备可以本地存储与光反射率度量相关的基线值。基线值可以是预定的，并且可以指示反射率度量的可接受范围。例如，在验证实物支付卡时，基线值可以包括通常针对塑料或金属支付卡测量的光反射率强度和半径的范围。在这些实施方式中，由移动计算设备传输到网络系统的验证数据可以包括将所确定的光反射率度量与基线值进行比较的结果。因此，验证数据可以指示光反射率分析已经通过还是失败。
在其他实施方式中，关于光反射率度量是否被认为是可接受的决定可以由网络系统来执行。在这些实施方式中，光反射率度量可以由移动计算设备作为验证数据的一部分传输到网络系统。在一些示例中，网络系统(或移动计算设备)可以将光反射率度量与基线值进行比较，该基线值是基于与被验证的物体相关联的已知信息专门检索到的。作为一个示例，基于有关被验证的支付卡的信息(例如，类型、发行机构、卡品牌、支付卡号的一部分等)，网络系统可以确定该支付卡具有金属表面。因此，网络系统可以将光反射率度量与和具有金属表面的卡相关联的基线值进行比较。作为另一个示例，网络系统还可以检索基线值，该基线值使用由类似的卡(例如，相同的发行机构、相同的品牌等)的验证所生成的数据来确定，该类似的卡先前已经由基于网络的系统的其他用户进行了验证。
用户界面
图5A和图5B示出了根据本文描述的示例的在用户设备上显示的用于执行物体验证的示例性用户界面。在图4的下面描述中，可以参考关于图1至图3示出和描述的特征和示例。例如，图5A的用户界面500和图5B中的用户界面550可以在图1的用户设备180或图2的移动计算设备200上显示或呈现。
参照图5A，一旦从网络系统接收到验证请求，可以在用户设备上显示验证用户界面500。验证用户界面500可以作为在用户设备上执行的服务应用程序(例如，用户应用程序)的一部分被显示，以与基于网络的服务一起使用。用户可以与用户应用程序进行交互，以预览基于网络的服务或发送服务请求。响应于为预览基于网络的服务而发起的会话或者响应于传输至网络系统的服务请求，网络系统可以生成验证请求并将验证请求发送至用户设备，以使用户设备显示验证用户界面500。该验证用户界面500可以包括相机取景器510，该相机取景器510在捕获被验证的物体的多个图像之前预览用户设备的相机的视图。相机取景器510可以包括一个或多个可视参考线520。用户可以将物体与可视参考线522对齐，以触发用户设备捕获物体的多个图像。验证用户界面500可以进一步包括触发设备捕获物体的多个图像的捕获软选项530。
参照图5B，响应于来自网络系统的失败指示(例如，图1的失败137)，可以将验证用户界面550显示在用户设备上。例如，用户设备可以将验证数据发送到网络系统。而且，基于验证数据，系统永远无法确定将物体验证过程视为通过还是失败。如果确定物体验证过程失败了，则网络系统可以将失败指示发送到用户设备，以使用户设备呈现验证用户界面550，该验证用户界面550作为在用户设备上执行的服务应用程序的一部分。验证用户界面550可以包括物体验证过程失败了的文本或视觉指示。验证用户界面550还可以包括多个软选项特征，用户可以使用该多个软选项特征来指导预览或请求基于网络的服务中的下一步中。通过与软选项特征560交互，用户可以使用户设备发起与基于网络的服务的客户服务的联系。例如，一旦用户选择软选项特征560，用户设备可以发起与基于网络的服务的客户服务的语音通信会话(例如，电话呼叫)。用户还可以选择软选项特征572来改变与基于网络的服务结合使用的支付方法，以解决物体验证失败。在某些情况下，可能会要求用户在更改付款方式后执行其他物体验证。此外，验证用户界面550可以包括用于取消服务请求的软选项特征570，该软选项特征570触发来自网络系统的物体验证请求。一旦用户选择软选项特征570，用户设备可以向网络系统发送取消，并且网络系统可以丢弃用户的服务请求。另外，在用户设备上执行的服务应用程序可以终止或返回到较早的状态(例如，当第一次执行服务应用程序时的默认状态)。
硬件框图
图6为根据本文描述的示例示出的示例性移动计算设备的框图。在许多实施方式中，移动计算设备600可以是智能电话、平板计算机、膝上型计算机、VR或AR头戴式视图器设备等。在图1的情况下，用户设备180和/或提供者设备190可以使用如图6所示和相对于图6所描述的移动计算设备600来实现。另外，图2的移动计算设备200可以是图6所示的移动计算设备600的一实施例。
根据实施例，移动计算设备600可以包括典型的电话特征，诸如麦克风670、相机640和使用任何数量的无线通信协议与外部实体(例如，实现基于网络的服务的网络系统690)进行通信的通信接口610。移动计算设备600可以将指定的应用程序(例如，服务应用程序632)存储在本地存储器630中。服务应用程序632可以对应于一个或多个用户应用程序，以用于将移动计算设备600实现为基于网络的服务的用户设备。服务应用程序632还可以对应于一个或多个提供者应用程序，以用于将移动计算设备600实现为基于网络的服务的提供者设备。
响应于输入618，处理器可以执行服务应用程序632，这可以使应用程序界面642在移动计算设备600的显示屏620上生成。在将移动计算设备600实施为用户设备的情况下，例如，应用程序界面642可以使用户能够请求基于网络的服务。服务请求可以作为传出服务消息667被发送到网络系统690。
在各种示例中，移动计算设备600可以包括GPS模块660，其可以通过网络680向网络系统690提供指示移动计算设备600的当前位置的位置数据662。在一些实施方式中，可以使用诸如GLONASS、Galileo或BeiDou之类的位置感知或地理定位资源来代替GPS模块660或作为GPS模块660的补充。在移动计算设备600作为用户设备操作的情况下，可以将位置数据662用于生成服务请求。例如，用户应用程序可以将由位置数据662指示的当前位置设置为默认开始位置(例如，选定的服务提供者将与用户会合的位置)。
移动计算设备600的相机640可以与闪光灯645耦合。相机640可以用于执行一种或多种验证功能，以验证移动计算设备600的用户实际拥有一个或多个物体。移动计算设备600可以从网络系统接收作为传入服务消息691的验证请求。响应于验证请求，用户应用程序可以呈现验证用户界面以使用户能够拍摄带验证物体的多张照片。特别地，响应于一个或多个用户动作(例如，经由来自处理器650的触发信号653)，用户应用程序可以触发相机640和闪光灯645。例如，一旦用户将物体与在屏幕620上显示的相机取景器中的一个或多个可视参考线对齐，用户应用程序和处理器650可以触发相机640拍摄待验证的物体的多张照片。验证用户界面还可以显示“捕获图像”软选项，用户可以使用该软选项来使处理器650触发相机640拍摄待验证的物体的照片。在捕获待验证的物体的图像时，处理器650可以触发闪光灯645，使得在未激活闪光灯645的情况下捕获物体的至少一个图像，并且在激活闪光灯645的情况下捕获物体的至少一个其它的图像。所捕获的图像数据641可以被发送到处理器650以进行评估和处理。在某些实施方式中，处理器650可以执行服务应用程序632的指令以用软件来处理所捕获的图像数据641。作为补充或替代，处理器650可以包括专用硬件(例如，数字信号处理器(DPS)、图形处理单元(GPU)等)，以至少部分地用硬件处理所捕获的图像数据641。
通过评估和处理所捕获的图像数据641，处理器650可以生成讲被发送到网络系统690的验证数据652。网络系统690可以基于验证数据652确定验证过程是否已通过。移动计算设备600可以包括加密引擎(图6中未显示)以对验证数据652中的任何敏感信息进行加密。
一旦接收到验证数据652，网络系统690可以向移动计算设备600发送消息(例如，作为传入服务消息691)。如果该消息指示验证过程已经通过(例如，基于网络系统690的决定)，则服务应用程序632可以允许用户继续请求基于网络的服务(例如，提交服务请求等)。另一方面，如果该消息指示验证过程失败了，则服务应用程序632可以响应于验证过程的失败而指导用户执行一个或多个补救措施。
图7为示出了可以在其上实现本文描述的示例的计算机系统的框图。例如，计算机系统700可以表示用于服务器或服务器组合的硬件，该服务器或服务器组合可以被实现为用于提供按需服务的网络服务的一部分。在图1的情况下，可以使用计算机系统700或如图7所述的多个计算机系统700的组合来实现网络系统100。另外，图2的网络系统290可以是图7所示的计算机系统700的一实施例。
一方面，计算机系统700包括处理资源(处理器710)、主存储器720、存储器730、存储设备740和通信接口750。计算机系统700包括至少一个用于处理存储在主存储器720中的信息的处理器710，例如由随机存取存储器(RAM)或其他动态存储设备提供的信息，用于存储可由处理器710执行的信息和指令。主存储器720还可以用于存储在执行要由处理器710执行的指令期间的临时变量或者其他中间信息。计算机系统700还可以包括存储器730或其他静态存储设备，以用于存储用于处理器710的静态信息和指令。提供了用于存储信息和指令的存储设备740，例如磁盘或光盘。
通信接口750使计算机系统700能够通过使用网络链路(无线或有线)与一个或多个网络780(例如，蜂窝网络)进行通信。使用网络链路，计算机系统700可以与一个或多个计算设备、一个或多个服务器和/或一个或多个自动驾驶车辆通信。根据一些示例，计算机系统700从各个用户的移动计算设备接收服务请求。存储在存储器730中的可执行指令可以包括路径指令722、提供者选择指令724和验证指令726，以在被执行时执行本文所述的一种或多种方法。
作为示例，存储在存储器720中的指令和数据可以由处理器710执行以实现图1的示例性网络系统100。在执行操作时，处理器710可以处理服务请求和提供者状态并提交服务邀请以促进实现该服务请求。处理器710为软件和/或其他逻辑执行指令，以执行一个或多个过程、步骤和其他通过实施方式描述的功能，例如由图1至图3E描述的功能。
本文所述的示例与计算机系统700的使用有关，以用于实施本文所述的技术。根据一个示例，一旦处理器710执行包含在主存储器720中的一个或多个指令的一个或多个序列，那些技术就由计算机系统700来执行。这些指令可以从另一台机器可读介质(例如，存储设备740)读入至主存储器720中。执行包含在主存储器720中的指令的序列使得处理器710执行本文所述的处理步骤。在可替代的实施方式中，可以使用硬连线的电路代替软件指令或与软件指令结合使用以实施本文描述的示例。因此，所描述的示例不限于硬件电路和软件的任何特定组合。
可以预期的是，本文描述的示例独立于其他概念、思想或系统而扩展到本文描述的各个元件和概念，并且可以预期的是，示例包括在本申请中任何地方列举的元件的组合。尽管本文参考附图详细描述了示例，但是应当理解，该概念不限于那些精确的示例。这样，许多修改和变化对于本领域技术人员将是显而易见的。因此，该概念的范围将由以下权利要求及其等同物来定义。此外，可以预期的是，单独描述或作为示例的一部分描述的特定特征可以与其他单独描述的特征或其他示例的一部分进行组合，即使其他特征和示例未提及该特定特征。因此，没有描述组合不应排除对这些组合提出要求的权利。

Claims (20)

1.一种移动计算设备，包括：
显示器；
一个或多个相机；
一个或多个处理器；和
存储指令的一个或多个存储器资源，所述指令在由所述移动计算设备的所述一个或多个处理器执行时使得所述移动计算设备：
通过网络从网络系统接收用于验证物体的验证请求；
一旦接收到所述验证请求，在所述移动计算设备的所述显示器上呈现验证用户界面；
一旦在所述移动计算设备的所述显示器上呈现所述验证用户界面时检测到用户动作，使用所述一个或多个相机捕获所述物体的多个图像；
基于对所述多个图像的分析来生成包括第一组验证度量的验证数据，所述分析包括通过分析在未激活所述移动计算设备的闪光灯时捕获的所述多个图像的第一图像以及在激活所述移动计算设备的所述闪光灯时捕获的所述多个图像的第二图像来确定所述第一组验证度量，其中所述第一组验证量度是基于所述物体的光反射率而生成的；和
通过所述网络将所述验证数据发送到所述网络系统。
2.根据权利要求1所述的移动计算设备，其中所述被执行的指令使得所述移动计算设备：使用所述一个或多个相机通过在捕获所述第二图像之前自动触发激活所述移动计算设备的所述闪光灯来捕获包括所述第一图像和所述第二图像的所述多个图像。
3.根据权利要求1所述的移动计算设备，其中所述被执行的指令使得所述移动计算设备：
通过呈现取景器特征来呈现所述验证用户界面，所述取景器特征包括用于在捕获所述多个图像之前对齐所述物体的一个或多个标记；和
通过确定所述一个或多个标记与所述物体对齐，在呈现所述验证用户界面时检测所述用户操作。
4.根据权利要求1所述的移动计算设备，其中所述第一组验证度量包括二进制度量，所述二进制度量指示所捕获的物体(如在所述第一图像和所述第二图像中捕获的)通过或未通过光反射率测试。
5.根据权利要求4所述的移动计算设备，其中使用机器学习模型来确定所述二进制度量。
6.根据权利要求1所述的移动计算设备，其中所述被执行的指令使得所述移动计算设备通过计算所述物体的光反射半径来确定所述第一组验证度量。
7.根据权利要求1所述的移动计算设备，其中所述被执行的指令使得所述移动计算设备通过计算所述第一图像与所述第二图像之间的亮度增量度量来确定所述第一组验证度量。
8.根据权利要求7所述的移动计算设备，其中所述被执行的指令使得所述移动计算设备通过计算多个亮度增量来计算所述第一图像与所述第二图像之间的所述亮度增量度量，其中所述多个亮度增量中的每一个是基于所述第一图像的区域和所述第二图像的对应区域之间的比较来计算的。
9.根据权利要求8所述的移动计算设备，其中所述亮度增量度量包括所述多个亮度增量的平均值。
10.根据权利要求8所述的移动计算设备，其中所述亮度增量度量包括所述多个亮度增量的最大值。
11.根据权利要求8所述的移动计算设备，其中所述亮度增量度量包括所述多个亮度增量的分布的表示。
12.根据权利要求1所述的移动计算设备，
其中所述验证数据还包括第二组验证度量；和
其中所述被执行的指令使得所述移动计算设备通过以下方式确定所述第二组验证度量来生成所述验证数据：
分析所述多个图像以识别压印在所述物体上的多个特征；
至少部分地基于所述多个特征中的其中一个来检索特征模板；和
通过将所述多个特征中的至少一些与所述检索到的特征模板进行比较来确定所述第二组验证度量。
13.根据权利要求1所述的移动计算设备，
其中所述验证数据还包括第二组验证指标；和
其中所述被执行的指令使得所述移动计算设备通过以下方式确定所述第二组验证度量来生成所述验证数据：
分析所述多个图像以识别压印在所述物体上的多个特征；
检索用户个人资料；
通过将所述多个特征中的至少一些与存储在所述用户个人资料中的信息进行比较来确定所述第二组验证度量。
14.根据权利要求1所述的移动计算设备，
其中所述指令还使得所述移动计算设备通过所述网络向所述网络系统发送用于基于网络的服务的服务请求；和
其中一旦所述服务请求被发送至所述网络系统，所述验证请求由所述移动计算设备接收。
15.根据权利要求1所述的移动计算设备，
其中所述待验证的物体为实物支付卡；和
其中关于所述实物支付卡的信息被存储在所述移动计算设备的用户的用户个人资料中，所述用户个人资料由所述网络系统维护。
16.根据权利要求1所述的移动计算设备，其中所述指令还使得所述移动计算设备：
经由所述网络从所述网络系统接收验证失败的指示，一旦将所述验证数据发送到所述网络系统，所述验证失败的指示就被所述移动计算设备接收；和
一旦接收到所述验证数据，就呈现用于执行一个或多个补救动作的用户界面特征。
17.根据权利要求1所述的移动计算设备，其中所述多个图像中没有一个是由所述移动计算设备通过网络发送的。
18.一种计算机实施的方法，包括：
由用户操作的移动计算设备接收用于验证物体的验证请求，所述验证请求是由网络系统发送的；
一旦接收到所述验证请求，就在所述移动计算设备的显示器上呈现验证用户界面；
一旦在将所述验证用户界面呈现在所述移动计算设备的所述显示器上时检测到用户动作，就使用所述移动计算设备的一个或多个相机捕获所述物体的多个图像；
基于分析所述多个图像，由所述移动计算设备生成包括第一组验证度量的验证数据，所述分析包括通过分析在未激活所述移动计算设备的闪光灯时捕获的所述多个图像的第一图像以及在激活所述移动计算设备的所述闪光灯时捕获的所述多个图像的第二图像来确定所述第一组验证度量，其中所述第一组验证度量表示所述物体的光反射率；和
由所述移动计算设备通过所述网络向所述网络系统发送所述验证数据。
19.根据权利要求18所述的计算机实施的方法，还包括：
由所述移动计算设备发送用于基于网络的服务的服务请求；
一旦接收到所述服务请求，由所述网络系统确定是继续处理所述服务请求还是执行物体验证，其中所述验证请求是一旦确定执行物体验证由所述网络系统发送的；和
由所述网络系统基于所述验证数据确定是继续处理所述服务请求还是将验证失败的指示发送到所述移动计算设备，以使得所述移动计算设备呈现用于执行一个或多个补救动作的用户界面特征。
20.一种用于管理基于网络的服务的网络系统，包括：
一个或多个处理器；和
存储指令的一个或多个存储器资源，所述指令在由所述网络系统的所述一个或多个处理器执行时使得所述网络系统：
通过网络从所述基于网络的服务的用户的移动计算设备处接收用于所述基于网络的服务的服务请求；
一旦接收到所述基于网络的服务，确定继续处理所述服务请求还是执行物体验证；
一旦确定执行所述物体验证，向所述移动计算设备发送验证请求；
响应于所述验证请求，从所述移动计算设备处接收验证数据，所述验证数据包括表示待验证物体的光反射率的第一组验证度量；和
基于所述验证数据，确定是继续处理所述服务请求还是将验证失败的指示发送到所述移动计算设备，以使得所述移动计算设备呈现用于执行一个或多个补救动作的用户界面特征。
CN201980075391.4A 2018-09-20 2019-09-16 用于基于网络的服务的物体验证 Active CN113227764B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/136,946 2018-09-20
US16/136,946 US10733473B2 (en) 2018-09-20 2018-09-20 Object verification for a network-based service
PCT/US2019/051334 WO2020060936A1 (en) 2018-09-20 2019-09-16 Object verification for a network-based service

Publications (2)

Publication Number Publication Date
CN113227764A true CN113227764A (zh) 2021-08-06
CN113227764B CN113227764B (zh) 2022-08-12

Family

ID=69883216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980075391.4A Active CN113227764B (zh) 2018-09-20 2019-09-16 用于基于网络的服务的物体验证

Country Status (9)

Country Link
US (1) US10733473B2 (zh)
EP (1) EP3853589A4 (zh)
JP (1) JP7108795B2 (zh)
KR (1) KR102471379B1 (zh)
CN (1) CN113227764B (zh)
AU (1) AU2019344670B2 (zh)
BR (1) BR112021005196B1 (zh)
CA (1) CA3113225C (zh)
WO (1) WO2020060936A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102602689B1 (ko) * 2018-04-17 2023-11-16 한국전자통신연구원 영상기반 시스템조명 고장 신고 및 자동 분류 방법 및 시스템
US10999299B2 (en) 2018-10-09 2021-05-04 Uber Technologies, Inc. Location-spoofing detection system for a network service
JPWO2020080045A1 (ja) * 2018-10-15 2021-09-09 パナソニックＩｐマネジメント株式会社 物体認識方法、車両制御方法、情報表示方法、および物体認識装置
US11005718B2 (en) * 2018-11-29 2021-05-11 International Business Machines Corporation Determining capabilities of cognitive entities in a distributed network based on application of cognitive protocols
FR3121773B1 (fr) * 2021-04-13 2024-03-08 Idemia Identity & Security France procédé de contrôle d’identité utilisant des conditions d’éclairage aléatoires
US11650871B2 (en) * 2021-09-13 2023-05-16 UiPath, Inc. System and computer-implemented method for verification of execution of an activity

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020196415A1 (en) * 2001-06-26 2002-12-26 Olympus Optical Co., Ltd. Three-dimensional information acquisition apparatus, projection pattern in three-dimensional information acquisition, and three-dimensional information acquisition method
WO2017083841A1 (en) * 2015-11-13 2017-05-18 University Of Maryland, College Park Counterfeit detection scheme using paper surfaces and mobile cameras

Family Cites Families (129)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4412175A (en) 1981-04-30 1983-10-25 Coulter Electronics, Inc. Debris alarm
US4663744A (en) 1983-08-31 1987-05-05 Terra Marine Engineering, Inc. Real time seismic telemetry system
US5400348A (en) 1992-09-03 1995-03-21 Yang; Sung-Moon Packet start detection using check bit coding
GB0126809D0 (en) 2001-11-07 2002-01-02 Isaac Stephen J A car-sharing system
US6828692B2 (en) 2002-05-21 2004-12-07 Payment Protection Systems, Inc. Tampering detector and system disabler
US7606560B2 (en) 2002-08-08 2009-10-20 Fujitsu Limited Authentication services using mobile device
US7725730B2 (en) 2002-08-09 2010-05-25 Emc Corporation Cryptographic methods and apparatus for secure authentication
EP1450321A1 (de) 2003-02-21 2004-08-25 Swisscom Mobile AG Verfahren und System zur Aufdeckung von möglichen Betrügen in Zahlungstransaktionen
JP2004334527A (ja) 2003-05-07 2004-11-25 Intelligent Wave Inc 不正判定のスコア値算出プログラム、不正判定のスコア値算出方法、及びクレジットカードの不正判定スコア値算出システム
US7359773B2 (en) 2003-07-09 2008-04-15 Payment Protection Systems, Inc. Wireless relay for payment enforcement devices and method of using same
KR100680177B1 (ko) 2004-12-30 2007-02-08 삼성전자주식회사 홈 네트워크 외부에서 사용자를 인증하는 방법
US8700729B2 (en) 2005-01-21 2014-04-15 Robin Dua Method and apparatus for managing credentials through a wireless network
US7788555B2 (en) 2005-07-22 2010-08-31 Broadcom Corporation Using fractional sectors for mapping defects in disk drives
KR100752545B1 (ko) 2005-11-24 2007-08-29 에이티아이 주식회사 2개 영상을 이용한 물체 표면 형상 및 반사율 정보 획득 시스템
US7624417B2 (en) 2006-01-27 2009-11-24 Robin Dua Method and system for accessing media content via the internet
US8082587B2 (en) 2006-08-02 2011-12-20 Lycos, Inc. Detecting content in files
EP2135200A4 (en) 2007-02-12 2011-12-28 Sean O'sullivan DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK
US8205790B2 (en) 2007-03-16 2012-06-26 Bank Of America Corporation System and methods for customer-managed device-based authentication
JP2008312048A (ja) 2007-06-15 2008-12-25 Ripplex Inc 情報端末の認証方法
US20090248587A1 (en) 2007-08-31 2009-10-01 Van Buskirk Peter C Selectively negotiated ridershare system comprising riders, drivers, and vehicles
US8555379B1 (en) 2007-09-28 2013-10-08 Symantec Corporation Method and apparatus for monitoring communications from a communications device
US8290473B2 (en) 2007-10-31 2012-10-16 Freescale Semiconductor, Inc. Remotely modifying data in memory in a mobile device
US8150842B2 (en) 2007-12-12 2012-04-03 Google Inc. Reputation of an author of online content
US9672510B2 (en) * 2008-01-18 2017-06-06 Mitek Systems, Inc. Systems and methods for automatic image capture and processing of documents on a mobile device
EP2088548A1 (en) * 2008-02-11 2009-08-12 Accenture Global Services GmbH Point of sale payment method
US8359225B1 (en) 2008-02-26 2013-01-22 Google Inc. Trust-based video content evaluation
US20090265198A1 (en) 2008-04-22 2009-10-22 Plaxo, Inc. Reputation Evalution Using a contact Information Database
US7979899B2 (en) 2008-06-02 2011-07-12 Microsoft Corporation Trusted device-specific authentication
US8977567B2 (en) 2008-09-22 2015-03-10 Visa International Service Association Recordation of electronic payment transaction information
LU91488B1 (en) 2008-10-17 2010-04-19 Robert Carter Multifactor Authentication
US20100131409A1 (en) 2008-11-22 2010-05-27 Google Inc. Identification verification with user challenge
JP4789222B2 (ja) 2009-04-13 2011-10-12 株式会社コロプラ 移動距離改ざん防止システムおよび方法
WO2010124299A2 (en) 2009-04-24 2010-10-28 T-Mobile Usa, Inc. Monitoring application and method for establishing emergency communication sessions with desabled devices based on transmitted messages
US20100274691A1 (en) 2009-04-28 2010-10-28 Ayman Hammad Multi alerts based system
US9471920B2 (en) 2009-05-15 2016-10-18 Idm Global, Inc. Transaction assessment and/or authentication
US20100306834A1 (en) 2009-05-19 2010-12-02 International Business Machines Corporation Systems and methods for managing security and/or privacy settings
US20100332400A1 (en) 2009-06-24 2010-12-30 Craig Stephen Etchegoyen Use of Fingerprint with an On-Line or Networked Payment Authorization System
US8312543B1 (en) 2009-06-30 2012-11-13 Symantec Corporation Using URL reputation data to selectively block cookies
US8763152B2 (en) 2009-07-23 2014-06-24 Facebook Inc. Single login procedure for accessing social network information across multiple external systems
US8131848B1 (en) 2009-09-29 2012-03-06 Jason Adam Denise Image analysis and communication device control technology
WO2011041610A1 (en) 2009-09-30 2011-04-07 Zynga Game Network Inc. Apparatuses, methods and systems for a trackable virtual currencies platform
FR2953296B1 (fr) 2009-11-27 2012-05-18 Thales Sa Procede de detection de fraude sur la transmission d'informations de position par un dispositif mobile
US20110251951A1 (en) 2010-04-13 2011-10-13 Dan Kolkowitz Anti-fraud event correlation
US8458041B1 (en) 2010-05-06 2013-06-04 Bjorn Markus Jakobsson Method, medium, and system for reducing fraud by increasing guilt during a purchase transaction
US8365288B2 (en) 2010-06-21 2013-01-29 Samsung Sds Co., Ltd. Anti-malware device, server, and method of matching malware patterns
EP2400721A1 (en) 2010-06-25 2011-12-28 Telefónica, S.A. System and method for validating a user equipment location in a telecommunication network
US8781984B2 (en) 2010-08-05 2014-07-15 Ben Schreiner Techniques for generating a trustworthiness score in an online environment
EP2472470A3 (en) 2010-09-15 2014-01-15 MBT Technology LLC System, method & computer program for presenting an automated assessment of a sample's response to external influences
GB2485156B (en) 2010-11-02 2016-06-01 Ian Hawkes Michael Method and apparatus for securing network communications
US8671449B1 (en) 2010-11-10 2014-03-11 Symantec Corporation Systems and methods for identifying potential malware
US8941465B2 (en) 2010-12-02 2015-01-27 Viscount Security Systems Inc. System and method for secure entry using door tokens
US20130214902A1 (en) 2010-12-02 2013-08-22 Viscount Systems Inc. Systems and methods for networks using token based location
CN103270539B (zh) * 2010-12-22 2016-12-21 尤尼卡技术股份有限公司 用于认证用光致变色系统标记的文件的方法和装置
US20120209970A1 (en) 2011-02-15 2012-08-16 Ebay Inc. Systems and methods for facilitating user confidence over a network
US8745134B1 (en) 2011-03-04 2014-06-03 Zynga Inc. Cross social network data aggregation
US8434150B2 (en) 2011-03-24 2013-04-30 Microsoft Corporation Using social graphs to combat malicious attacks
US20130132547A1 (en) 2011-05-09 2013-05-23 Respect Network Corporation Apparatus and Method for Address Book Automation Over a Trust Network
US8864022B2 (en) * 2011-05-19 2014-10-21 Bank Of America Corporation Authentication strategies for remote financial institution services
US8764567B2 (en) 2011-06-03 2014-07-01 Apple Inc. System and method for implementing turn-based online games
US20120311036A1 (en) 2011-06-03 2012-12-06 Huhn Derrick S Friend recommendation system and method
KR101824484B1 (ko) 2011-06-30 2018-02-01 인텔 코포레이션 보호 컨텐츠로의 액세스를 제어하는 시스템 및 방법
US8955078B2 (en) 2011-06-30 2015-02-10 Cable Television Laboratories, Inc. Zero sign-on authentication
US8738529B2 (en) 2011-07-15 2014-05-27 Wal-Mart Stores, Inc. Multi-channel data driven, real-time fraud determination system for electronic payment cards
US9037864B1 (en) 2011-09-21 2015-05-19 Google Inc. Generating authentication challenges based on social network activity information
US9332042B2 (en) 2011-10-03 2016-05-03 Facebook, Inc. Providing user metrics for an unknown dimension to an external system
US8856922B2 (en) 2011-11-30 2014-10-07 Facebook, Inc. Imposter account report management in a social networking system
US20130159195A1 (en) 2011-12-16 2013-06-20 Rawllin International Inc. Authentication of devices
US8734243B2 (en) 2012-01-04 2014-05-27 Kabam, Inc. System and method for facilitating access to an online game through a plurality of social networking platforms
US8745738B2 (en) 2012-01-15 2014-06-03 Microsoft Corporation Vouching for user account using social networking relationship
US10263868B1 (en) 2012-04-11 2019-04-16 Narus, Inc. User-specific policy enforcement based on network traffic fingerprinting
US9978106B2 (en) 2012-04-24 2018-05-22 Facebook, Inc. Managing copyrights of content for sharing on a social networking system
US20130282810A1 (en) 2012-04-24 2013-10-24 Samuel Lessin Evaluating claims in a social networking system
US20130282812A1 (en) 2012-04-24 2013-10-24 Samuel Lessin Adaptive audiences for claims in a social networking system
US8850588B2 (en) 2012-05-01 2014-09-30 Taasera, Inc. Systems and methods for providing mobile security based on dynamic attestation
US8973102B2 (en) 2012-06-14 2015-03-03 Ebay Inc. Systems and methods for authenticating a user and device
US8918638B2 (en) 2012-07-03 2014-12-23 Facebook, Inc. Mobile-device-based trust computing
US9424612B1 (en) 2012-08-02 2016-08-23 Facebook, Inc. Systems and methods for managing user reputations in social networking systems
JP6224591B2 (ja) 2012-08-06 2017-11-01 グリー株式会社 表示システム、同システムにおける表示方法及び表示プログラム
US8705836B2 (en) 2012-08-06 2014-04-22 A2iA S.A. Systems and methods for recognizing information in objects using a mobile device
WO2014035696A2 (en) 2012-08-30 2014-03-06 Los Alamos National Security, Llc Multi-factor authentication using quantum communication
US20160219046A1 (en) 2012-08-30 2016-07-28 Identity Validation Products, Llc System and method for multi-modal biometric identity verification
US8663004B1 (en) 2012-09-05 2014-03-04 Kabam, Inc. System and method for determining and acting on a user's value across different platforms
WO2014049884A1 (en) 2012-09-26 2014-04-03 DeNA Co., Ltd. System and method for providing a recommendation of a game based on a game-centric relationship graph
US20140129420A1 (en) 2012-11-08 2014-05-08 Mastercard International Incorporated Telecom social network analysis driven fraud prediction and credit scoring
US8973100B2 (en) 2013-01-08 2015-03-03 Facebook, Inc. Trust-based authentication in a social networking system
US20140230026A1 (en) 2013-02-12 2014-08-14 James D. Forero Biometric-Based Access Control System Comprising a Near Field Communication Link
US20140237570A1 (en) 2013-02-15 2014-08-21 Rawllin International Inc. Authentication based on social graph transaction history data
US9043970B1 (en) 2013-02-19 2015-06-02 Pioneer Hi Bred International Inc Maize inbred PH188M
US9311640B2 (en) * 2014-02-11 2016-04-12 Digimarc Corporation Methods and arrangements for smartphone payments and transactions
US9147127B2 (en) 2013-03-15 2015-09-29 Facebook, Inc. Verification of user photo IDs
US11232447B2 (en) 2013-03-15 2022-01-25 Allowify Llc System and method for enhanced transaction authorization
CN105378790B (zh) 2013-03-15 2020-06-12 索库里公司 使用社交联网数据的风险评估
US20140280568A1 (en) 2013-03-15 2014-09-18 Signature Systems Llc Method and system for providing trust analysis for members of a social network
JP2014216736A (ja) * 2013-04-24 2014-11-17 パナソニック株式会社 無線ｌａｎ接続システム
CN103426016B (zh) 2013-08-14 2017-04-12 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
US9282435B2 (en) 2013-08-31 2016-03-08 Location Sentry Corp Location spoofing detection
US9858130B2 (en) 2013-09-26 2018-01-02 Twitter, Inc. Method and system for distributed processing in a messaging platform
US9578025B2 (en) 2013-10-14 2017-02-21 Zumigo, Inc. Mobile network-based multi-factor authentication
US10243945B1 (en) 2013-10-28 2019-03-26 Amazon Technologies, Inc. Managed identity federation
US9143503B2 (en) 2013-12-10 2015-09-22 Dell Products, L.P. Managing trust relationships
US9652554B2 (en) 2013-12-26 2017-05-16 Facebook, Inc. Systems and methods for adding users to a networked computer system
US10110542B2 (en) 2013-12-31 2018-10-23 Microsoft Technology Licensing, Llc Wearable computing—augmented reality and presentation of social information
CN105007288A (zh) 2014-04-18 2015-10-28 塞克雷特公司 在社交网络应用中匿名地共享秘密
US9824222B1 (en) 2014-05-06 2017-11-21 Synack, Inc. Method of distributed discovery of vulnerabilities in applications
US20170309552A1 (en) 2014-05-07 2017-10-26 Uber Technologies, Inc. System and method for verifying users for a network service using existing users
US9947060B2 (en) 2014-06-03 2018-04-17 Excalibur Ip, Llc Information matching and match validation
US9898716B2 (en) 2014-06-27 2018-02-20 Empire Technology Development Llc Social network construction
CN105376192B (zh) 2014-07-02 2019-09-17 阿里巴巴集团控股有限公司 登录账号的提示方法和提示装置
US9491155B1 (en) 2014-08-13 2016-11-08 Amazon Technologies, Inc. Account generation based on external credentials
CN105450411B (zh) * 2014-08-14 2019-01-08 阿里巴巴集团控股有限公司 利用卡片特征进行身份验证的方法、装置及系统
US20160048831A1 (en) 2014-08-14 2016-02-18 Uber Technologies, Inc. Verifying user accounts based on information received in a predetermined manner
US9729555B2 (en) 2014-08-19 2017-08-08 Facebook, Inc. Techniques for managing groups on a mobile platform
US20160078706A1 (en) * 2014-09-17 2016-03-17 Thomas D. Pawlik Method of authenticating an object
US20160292679A1 (en) 2015-04-03 2016-10-06 Uber Technologies, Inc. Transport monitoring
US10055707B2 (en) 2015-04-07 2018-08-21 Paypal, Inc. Location detection devices for use in a courier services network
US10204528B2 (en) 2015-08-05 2019-02-12 Uber Technologies, Inc. Augmenting transport services using driver profiling
US9967273B2 (en) 2015-06-15 2018-05-08 Microsoft Technology Licensing, Llc. Abusive traffic detection
US20170039567A1 (en) * 2015-08-03 2017-02-09 Capital One Services, LLC. Systems and methods for item-based transaction authentication
US20170075894A1 (en) 2015-09-15 2017-03-16 Facebook, Inc. Contacts Confidence Scoring
US9552569B1 (en) 2015-09-24 2017-01-24 Amazon Technologies, Inc. Removable and reusable device for object tracking
US20170111364A1 (en) 2015-10-14 2017-04-20 Uber Technologies, Inc. Determining fraudulent user accounts using contact information
CN105472737B (zh) 2015-12-31 2019-05-28 上海华为技术有限公司 一种终端定位方法及服务器
US10297148B2 (en) 2016-02-17 2019-05-21 Uber Technologies, Inc. Network computer system for analyzing driving actions of drivers on road segments of a geographic region
US9967750B1 (en) 2016-07-28 2018-05-08 United Services Automobile Association (Usaa) Location verification based on environmental sensor data
US11080437B2 (en) * 2016-09-01 2021-08-03 Signify Holding B.V. Custom lighting
KR101945931B1 (ko) * 2016-12-07 2019-02-08 금오공과대학교 산학협력단 오브젝트를 검증하기 위한 검증 코드 생성 방법 및 전자장치
US10111043B1 (en) 2017-04-24 2018-10-23 Uber Technologies, Inc. Verifying sensor data using embeddings
CN109583287B (zh) 2017-09-29 2024-04-12 浙江莲荷科技有限公司 实物识别方法及验证方法
TWM569886U (zh) * 2018-05-04 2018-11-11 遠東國際商業銀行股份有限公司 Credit card virtual integration device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020196415A1 (en) * 2001-06-26 2002-12-26 Olympus Optical Co., Ltd. Three-dimensional information acquisition apparatus, projection pattern in three-dimensional information acquisition, and three-dimensional information acquisition method
WO2017083841A1 (en) * 2015-11-13 2017-05-18 University Of Maryland, College Park Counterfeit detection scheme using paper surfaces and mobile cameras

Also Published As

Publication number Publication date
AU2019344670A1 (en) 2021-04-08
BR112021005196A2 (pt) 2021-06-08
CN113227764B (zh) 2022-08-12
JP7108795B2 (ja) 2022-07-28
EP3853589A1 (en) 2021-07-28
BR112021005196B1 (pt) 2021-10-26
US10733473B2 (en) 2020-08-04
WO2020060936A1 (en) 2020-03-26
JP2022500679A (ja) 2022-01-04
KR102471379B1 (ko) 2022-11-25
CA3113225A1 (en) 2020-03-26
EP3853589A4 (en) 2022-07-06
US20200097753A1 (en) 2020-03-26
KR20210095120A (ko) 2021-07-30
CA3113225C (en) 2022-10-11
AU2019344670B2 (en) 2021-11-11

Similar Documents

Publication Publication Date Title
CN113227764B (zh) 用于基于网络的服务的物体验证
US11151546B2 (en) Trigger peer to peer payment with financial cards and phone camera
US9576194B2 (en) Method and system for identity and age verification
WO2019149021A1 (zh) 理赔业务的数据处理方法、装置、电子设备、服务器
US11599883B2 (en) System and method for fraud risk analysis in IoT
AU2020412358B2 (en) Tagging objects in augmented reality to track object data
US9324075B2 (en) Geotagged image for checking validity of purchase transaction
US20170372304A1 (en) Systems, devices and methods for remote authentication of a user
US12051103B1 (en) Customer verification and account creation systems and methods
TWI777520B (zh) 電子設備投保的校驗方法和裝置
US10109096B2 (en) Facilitating dynamic across-network location determination using augmented reality display devices
JP6925940B2 (ja) 本人確認システム及び本人確認方法
CN114495364A (zh) 自助租车方法、装置、电子设备和可读存储介质
CN110310018B (zh) 车牌信息处理方法、装置、电子设备及存储介质
CN110807630B (zh) 基于人脸识别的支付方法、装置、计算机设备和存储介质
JP7311300B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US11216899B2 (en) Consent obtaining machine and process
KR20210029923A (ko) 스마트 차량정비 관리서버
US11887108B2 (en) System and user interface of a user device for managing tokens associated with a user
US20230067998A1 (en) Maintenance management device, maintenance management system maintenance management method, and storage medium

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