CN113553888B - 人员身份验证方法、装置、设备及存储介质 - Google Patents
人员身份验证方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113553888B CN113553888B CN202010338480.8A CN202010338480A CN113553888B CN 113553888 B CN113553888 B CN 113553888B CN 202010338480 A CN202010338480 A CN 202010338480A CN 113553888 B CN113553888 B CN 113553888B
- Authority
- CN
- China
- Prior art keywords
- person
- personnel
- matching
- verified
- determining
- 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.)
- Active
Links
- 238000012795 verification Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims description 132
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100035767 Adrenocortical dysplasia protein homolog Human genes 0.000 description 1
- 101000929940 Homo sapiens Adrenocortical dysplasia protein homolog Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种人员身份验证方法、装置、设备及存储介质。该方法包括:将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;根据比对结果,确定所述待验证人员的身份验证结果。上述方案通过行为数据的匹配,提高了身份验证的准确性和可靠性。
Description
技术领域
本发明实施例涉及安防技术领域,尤其涉及一种人员身份验证方法、装置、设备及存储介质。
背景技术
随着人脸识别算法的成熟,人脸识别在安防监控、门禁、金融支付等领域越来越多的被使用。相比传统的刷卡比对、密码比对方式,人脸识别比对具有易用性高、能准确判断人员身份等益处。
但是受光照、姿态角度、人脸可变性、人脸相似性等因素影响,人脸比对仍然存在误识别、漏识别等现象,目前的人脸识别和人脸比对仍难以保证人员身份验证的准确性和可靠性。
发明内容
本发明实施例提供一种人员身份验证方法、装置、设备及存储介质,以提高人员身份验证的准确性和可靠性。
在一个实施例中,本发明实施例提供了一种人员身份验证方法,该方法包括:
将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
根据比对结果,确定所述待验证人员的身份验证结果。
在另一个实施例中,本发明实施例还提供了一种人员身份验证装置,该装置包括:
初次匹配模块,用于将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
比对模块,用于若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
身份验证结果确定模块,用于根据比对结果,确定所述待验证人员的身份验证结果。
在又一个实施例中,本发明实施例还提供了一种设备,包括:一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例任一项所述的人员身份验证方法。
在再一个实施例中,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一项所述的人员身份验证方法。
本发明实施例中,通过将特征图像匹配成功的待验证人员和匹配人员的行为数据进行比对,根据比对结果确定待验证人员的身份验证结果,从而更全面地确定验证待验证人员是否是匹配人员,避免了由于特征图像匹配误差导致误识别,进而难以保证社会安全的问题,提高了身份验证的准确性和可靠性。
附图说明
图1为本发明一种实施例提供的人员身份验证方法的流程图;
图2为本发明另一实施例提供的人员身份验证方法的流程图;
图3为本发明又一实施例提供的人员身份验证方法的流程图;
图4为本发明再一实施例提供的人员身份验证方法的流程图;
图5为本发明一种实施例提供的人员身份验证装置结构示意图;
图6为本发明一种实施例提供的一种人员身份验证设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明一种实施例提供的人员身份验证方法的流程图。本实施例提供的人员身份验证方法可适用于对人员的身份进行验证的情况,典型的,本发明实施例可以适用于在人脸图像识别和匹配成功的情况下,进行行为数据匹配以实现更全面验证的情况。在本申请实施例中,以特征图像为人脸图像的情况为例进行具体详细说明,但并不是对特征图像的限定,特征图像也可以是人员整个身体上任意部位的图像。该方法具体可以由人员身份验证装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在人员身份验证设备中。参见图1,本发明实施例的方法具体包括:
S110、将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配。
其中,待验证人员可以为处于需要身份验证才能通过的场所的人员,需要身份验证才能通过的场所可以为设置有门禁系统的小区出入口、办公楼出入口等。所述场所中可以设置有图像采集器,用于采集待验证人员的特征图像,以进行身份验证。人员数据库保存有具备进出所述场所权限的人员的信息,例如小区常驻人口信息,办公楼中的固定员工信息,即候选人员的信息。
在本申请实施例中,当存在待验证人员位于出入口需要进行身份验证通过时,采集得到待验证人员的人脸图像,对人脸图像进行人脸检测、质量检测、特征提取,并将提取出的人脸特征与人员数据库中的候选人员的人脸图像中的人脸特征进行初次匹配,以初步判断待验证人员是否为具有进出该场所权限的合法人员。
S120、若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项。
其中,行为时间数据可以为进出该身份验证点的时间,行为位置数据可以为进行身份验证的地点,例如,在小区中可以包括东南西北四个出入口,则四个出入口作为四个身份验证点,行为位置数据可以反映待验证人员和候选人员在哪一身份验证点进行验证,即通过哪一个出入口进出。当前位置数据为根据行为时间数据、行为位置数据以及进出方向,判断得到的待验证人员或候选人员当前所处的位置。行为速度数据可以为进出该身份验证点的速度。行为姿态数据可以为进出该身份验证点的行为姿态,例如微笑通过,面朝侧面通过等。
由于人脸图像的图像特征比对很可能存在一定的误差,例如两个人的人脸长相极为相似的情况下,两个人的人脸图像匹配很有可能匹配成功,但是实际上待验证人员只是和候选人员长相相似,而并不是同一个人。如果在人脸图像匹配成功的情况下即判断待验证人员为该候选人员,确定身份验证通过,则会导致误判,威胁公共安全。
在本申请实施例中,如果在候选人员中,存在与待验证人员人脸图像相匹配的匹配人员,那么则进行更深一步的验证,将待验证人员的行为数据与匹配人员的行为数据进行比对。由于小区常驻人口或办公楼的固定员工等都存在比较规律的生活行为,例如每天几点出门上班,每天几点下班进门等,因此,可以根据待验证人员与匹配人员的行为数据匹配,更全面地判断待验证人员是否为场所的固定进出人员。
S130、根据比对结果,确定所述待验证人员的身份验证结果。
示例性的,如果比对成功,即待验证人员与匹配人员的人脸图像以及行为数据均匹配,则说明该待验证人员即为该匹配人员,确定待验证人员的身份验证结果为通过。如果比对结果不成功,则说明待验证人员与匹配人员虽然人脸图像相匹配,但是行为数据不匹配,此时可以确定该待验证人员的身份验证不通过,也可以对该待验证人员进行更深层次的验证,以判断该待验证人员身份的合法性。
本发明实施例中,通过将人脸图像匹配成功的待验证人员和匹配人员的行为数据进行比对,根据比对结果确定待验证人员的身份验证结果,从而更全面地确定验证待验证人员是否是匹配人员,避免了由于人脸图像匹配误差导致误识别,进而难以保证社会安全的问题,提高了身份验证的准确性和可靠性。
图2为本发明另一实施例提供的人员身份验证方法的流程图。本发明实施例为对上述实施例S120进行细化描述,未在本实施例中详细描述的细节详见上述实施例。参见图2,本实施例提供的人员身份验证方法可以包括:
S121、若存在与待验证人员特征图像相匹配的匹配人员,则确定所述匹配人员的标识。
其中,匹配人员的标识可以为匹配人员的编号、身份证号、工号等,用于唯一标识该匹配人员身份。示例性的,在人员数据库中保存有候选人员的标识和候选人员的信息,例如人脸图像信息。若匹配人员的人脸图像与待验证人员的人脸图像相匹配,则通过人员数据库获取匹配人员的标识。
S122、在候选人员行为数据表中,根据所述匹配人员的标识,索引该匹配人员的行为数据。
其中,在候选人员行为数据表中保存有候选人员的标识以及对应该候选人员的行为数据。通过匹配人员的标识,能够索引得到匹配人员的行为数据。
在本申请实施例中,在候选人员行为数据表中,根据所述匹配人员的标识,索引该匹配人员的行为数据之前,所述方法还包括:根据候选人员的特征图像出现的时间和/或地点的记录结果,确定所述候选人员的行为数据;根据所述候选人员的行为数据,建立候选人员行为数据表。
示例性的,若确定人员为候选人员,则在采集人脸图像时,同时记录该候选人员出现的时间和/或地点,根据时间和/或地点确定该候选人员的行为数据,将该候选人员的标识与行为数据对应存储,建立候选人员行为数据表,以更加全面地记录候选人员的信息。
S123、将待验证人员的行为数据与该匹配人员的行为数据进行比对。
在本申请实施例中,对于行为数据中各项数据的比对顺序不作具体限定,可以先进行行为时间数据的比对,再进行行为位置数据以及其他数据的比对,也可以按照其他先后顺序进行行为数据的比对。
本发明实施例的技术方案,通过建立候选人员的行为数据表,并根据匹配人员的标识索引得到匹配人员的行为数据,将待验证人员的行为数据与匹配人员的行为数据进行匹配,从而更加全面的实现了对待验证人员的身份验证,提高了身份验证的准确性和可靠性,进而保证了公共安全。
图3为本发明又一实施例提供的人员身份验证方法的流程图。本发明实施例为对上述实施例基础上进行优化,未在本实施例中详细描述的细节详见上述实施例。参见图3,本实施例提供的人员身份验证方法可以包括:
S210、将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配。
S220、若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项。
S230、判断是否比对成功,若是,则执行S240;若否,则执行S250-S260。
S240、确定所述待验证人员的身份验证通过。
示例性的,若待验证人员的行为数据中的各项数据与匹配人员的行为数据中的各项数据均对比成功,则确定该验证人员即为该匹配人员,确定该待验证人员的身份验证通过。
S250、对所述待验证人员进行深度校验。
示例性的,若待验证人员的行为数据中的各项数据与匹配人员的行为数据中的各项数据中存在至少一项比对不成功,则可以对该待验证人员进行深度验证,以更进一步地对待验证人员的身份进行验证。也可以为,当将待验证人员的人脸图像与人员数据库中候选人员的人脸图像进行初次匹配时,匹配未通过,则对待验证人员进行深度校验,以避免初次匹配误差导致判断错误的问题,以提高身份验证的准确性。
在本申请实施例中,对所述待验证人员进行深度校验,包括:获取待验证人员的深度匹配图像,并将所述深度匹配图像与待验证人员的特征图像进行姿态信息比对;若待验证人员的深度匹配图像与特征图像的姿态信息不同,则将所述深度匹配图像与人员数据库中候选人员的特征图像进行匹配,得到匹配结果。
示例性的,待验证人员可能处于运动状态,因此可以采集得到待验证人员不同姿态的人脸图像。另外,即使待验证人员未处于运动状态,但是其面部可能会存在转动等,可以采集得到待验证人员不同姿态的人脸图像。因此,在本申请实施例中,再次获取待验证人员人脸图像,得到深度匹配图像,将深度匹配图像的姿态信息与初次匹配时采集的待验证人员的人脸图像的姿态信息进行比对,例如进行五官坐标点的匹配。若姿态信息不同,则说明深度匹配图像的姿态与初次匹配时待验证人员的人脸图像的姿态不同,此时可以对深度匹配图像进行下一步操作。如果姿态信息相同,则说明深度匹配图像的姿态与初次匹配时待验证人员的人脸图像的姿态相同,此时可以提示待验证人员进行姿势调整,再次采集待验证人员的深度匹配图像。将与初次匹配时待验证人员的人脸图像姿态信息不同的深度匹配图像,与人员数据库中候选人员的人脸图像进行匹配,得到深度校验的匹配结果。
在本申请实施例中,采集得到待验证人员的深度匹配图像之后,还可以对深度匹配图像进行图像质量检测,如果质量检测达标,则进行后续步骤。如果深度匹配图像的图像质量不达标,则重复执行采集深度匹配图像的操作,直到采集得到的深度匹配图像满足图像质量要求。
在本申请实施例中,对所述待验证人员进行深度校验,包括:基于深度校验模型,将待验证人员的特征图像与人员数据库中候选人员的特征图像进行深度匹配,得到匹配结果;其中,所述深度校验模型与待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配所采用的模型不同。
示例性的,建立校验模型队列,定义多个用于提取人脸特征的算法模型,可以按照计算复杂度从低到高定义多个算法模型,也可以定义一组从不同训练样本中训练得到的算法模型。为了得到更加精确的匹配结果,可以从校验模型队列选取深度校验模型,将待验证人员的人脸图像与人员数据库中候选人员的人脸图像进行深度匹配,深度校验模型可以采用与人员数据库中候选人员的人脸图像进行初次匹配所采用的模型不同的新模型,也可以采用比初次匹配所采用的模型精度更高的模型,从而得到更精准的匹配结果。
S260、若深度校验的匹配结果中的最高匹配度大于预设匹配度阈值,则根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果。
其中,预设匹配度阈值可以根据实际情况进行确定,例如90%。示例性的,如果深度校验的匹配结果中的最高匹配度大于预设匹配度阈值,则表明存在与待验证人员相似度较高的第一目标人员。在本申请实施例中,为了避免匹配度与最高匹配度相近导致无法精准确定与待验证人员对应的人员的问题,可以确定匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,从而根据第二目标人员的数量,确定是否将第一目标人员作为最终的待验证人员的匹配成功对象。
本发明实施例的技术方案,通过在特征图像初次匹配不成功,或者行为数据对比不成功的情况下,对待验证人员进行深度校验,从而实现深层次更加严谨的身份验证,即避免了初次匹配和行为数据比对的误差导致的身份验证不准确的问题,又能够实现全面深入的验证,提高了身份验证的准确性和安全性。
图4为本发明再一实施例提供的人员身份验证方法的流程图。本发明实施例为对上述实施例S260的进一步细化,未在本实施例中详细描述的细节详见上述实施例。参见图4,本实施例提供的人员身份验证方法可以包括:
S261、统计匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量。
示例性的,在本申请实施例中,可以将深度匹配图像与人员数据库中N个候选人员的人脸图像进行匹配,得到N个匹配结果,例如可以是相似度值,放入分析队列P1。在将相似度结果放入分析队列P1之前,判断P1是否为空,若不是,则清空分析队列P1。将P1中的相似度结果从高到低排序,得到最高匹配度,以及对应的第一目标人员标识,保存至队列PTop中。如果最高匹配度小于或等于预设匹配度阈值,则深度校验失败,确定待验证人员的身份验证不通过。若最高匹配度大于预设匹配度阈值,则统计匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,并将第二人目标人员的标识以及对应的匹配度放入队列P2。同样的,在将第二人目标人员的标识以及对应的匹配度放入队列P2之前,判断P2是否为空,若不是,则清空分析队列P2。
S262、判断所述数量是否为零,若是,则执行S263,若否,则执行S264-S266。
如果P2中的记录为0,则执行S263,若不为0,则执行S264-S266。
S263、确定所述待验证人员为第一目标人员,并确定待验证人员的身份验证通过。
如果P2中的记录为0,则说明没有其他候选人员与待验证人员的匹配度与最高匹配度接近,确定只有第一目标人员可能为待验证人员,而其他候选人员与待验证人员均不相似,不可能为待验证人员,因此,确定所述待验证人员为第一目标人员,并确定待验证人员的身份验证通过。
S264、重复执行对所述待验证人员进行预设次数的深度校验步骤,得到预设次数个最高匹配度。
如果P2中的记录不为0,则说明有其他候选人员与待验证人员的匹配度与最高匹配度接近,那么无法断定第一目标人员即为待验证人员,因此,为了避免误判,执行多次深度校验的步骤,直到满足预设次数。预设次数可以根据实际情况继续设定,例如可以为20次。
S265、确定预设次数个最高匹配度对应的第一目标人员中的出现次数最多的目标匹配人员。
示例性的,每次执行深度校验步骤,得到一个最高匹配度,执行预设次数后,得到预设次数个最高匹配度。如果存在多个最高匹配度都对应一个第一目标人员,且该第一目标人员出现的次数最多,那么将该第一目标人员作为目标匹配人员。
S266、若所述目标匹配人员的出现次数满足预设次数阈值,则确定所述待验证人员为所述目标匹配人员,并确定待验证人员的身份验证通过。
示例性的,如果目标匹配人员的出现次数满足预设次数阈值,例如15次,则确定该目标匹配人员即为待验证人员,确定待验证人员的身份验证通过。预设次数阈值可以根据实际情况进行设定。在本申请实施例中,如果所述目标匹配人员的出现次数不满足预设次数阈值,可以由工作人员进行进一步了解和排查,以确定待验证人员的身份。
本发明实施例的技术方案,通过在第二目标人员数量不为零的情况下,重复执行深度校验步骤,并根据其中最高匹配度出现的次数确定目标匹配人员,并验证目标匹配人员是否为待验证人员,从而更加全面严谨地对匹配结果进行了分析,以准确确定待验证人员所对应的人员身份,提高了人员身份验证的准确性和可靠性。
图5为本发明一种实施例提供的人员身份验证装置结构示意图。该装置可可适用于对人员的身份进行验证的情况,典型的,本发明实施例可以适用于在特征图像识别和匹配成功的情况下,进行行为数据的全面验证的情况。该装置可以由软件和/或硬件的方式实现,该装置可以集成在人员身份验证设备中。参见图5,该装置具体包括:
初次匹配模块310,用于将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
比对模块320,用于若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
身份验证结果确定模块330,用于根据比对结果,确定所述待验证人员的身份验证结果。
在本申请实施例中,所述比对模块320,包括:
标识确定单元,用于若存在与待验证人员特征图像相匹配的匹配人员,则确定所述匹配人员的标识;
行为数据索引单元,用于在候选人员行为数据表中,根据所述匹配人员的标识,索引该匹配人员的行为数据;
行为数据比对单元,用于将待验证人员的行为数据与该匹配人员的行为数据进行比对。
在本申请实施例中,所述装置还包括:
行为数据确定模块,用于根据候选人员的特征图像出现的时间和/或地点的记录结果,确定所述候选人员的行为数据;
行为数据表建立模块,用于根据所述候选人员的行为数据,建立候选人员行为数据表。
在本申请实施例中,所述身份验证结果确定模块330,包括:
通过确定模块,用于若比对成功,则确定所述待验证人员的身份验证通过;
深度校验模块,用于若比对失败,则对所述待验证人员进行深度校验。
在本申请实施例中,所述深度校验模块,包括:
姿态信息比对单元,用于获取待验证人员的深度匹配图像,并将所述深度匹配图像与待验证人员的特征图像进行姿态信息比对;
第一匹配结果确定单元,用于若待验证人员的深度匹配图像与特征图像的姿态信息不同,则将所述深度匹配图像与人员数据库中候选人员的特征图像进行匹配,得到匹配结果。
在本申请实施例中,所述深度校验模块,包括:
第二匹配结果确定单元,用于基于深度校验模型,将待验证人员的特征图像与人员数据库中候选人员的特征图像进行深度匹配,得到匹配结果;其中,所述深度校验模型与待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配所采用的模型不同。
在本申请实施例中,所述装置还包括:
深度验证结果确定模块,用于若深度校验的匹配结果中的最高匹配度大于预设匹配度阈值,则根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果。
在本申请实施例中,所述深度验证结果确定模块,包括:
第一深度验证结果确定单元,用于若所述第二目标人员数量为零,则确定所述待验证人员为第一目标人员,并确定待验证人员的身份验证通过。
在本申请实施例中,所述深度验证结果确定模块,包括:
重复执行单元,用于若所述第二目标人员数量不为零,则重复执行对所述待验证人员进行预设次数的深度校验步骤,得到预设次数个最高匹配度;
目标匹配人员确定单元,用于确定预设次数个最高匹配度对应的第一目标人员中的出现次数最多的目标匹配人员;
第二深度验证结果确定单元,用于若所述目标匹配人员的出现次数满足预设次数阈值,则确定所述待验证人员为所述目标匹配人员,并确定待验证人员的身份验证通过。
本申请实施例所提供的人员身份验证装置可执行本申请任意实施例所提供的人员身份验证方法,具备执行方法相应的功能模块和有益效果。
图6为本发明一种实施例提供的一种人员身份验证设备的结构示意图。图6示出了适于用来实现本发明实施例的示例性设备412的框图。图6显示的设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,人员身份验证设备412可以包括:一个或多个处理器416;存储器428,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器416执行,使得所述一个或多个处理器416实现本发明实施例所提供的人员身份验证方法,包括:
将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
根据比对结果,确定所述待验证人员的身份验证结果。
人员身份验证设备412的组件可以包括但不限于:一个或者多个处理器或者处理器416,存储器428,连接不同设备组件(包括存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
人员身份验证设备412典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被人员身份验证设备412访问的可用存储介质,包括易失性和非易失性存储介质,可移动的和不可移动的存储介质。
存储器428可以包括易失性存储器形式的计算机设备可读存储介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。人员身份验证设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁存储介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据存储介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
人员身份验证设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器426等)通信,还可与一个或者多个使得用户能与该人员身份验证设备412交互的设备通信,和/或与使得该人员身份验证设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,人员身份验证设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器420通过总线418与人员身份验证设备412的其它模块通信。应当明白,尽管图6中未示出,可以结合人员身份验证设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器416通过运行存储在存储器428中的多个程序中其他程序的至少一个,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种人员身份验证方法。
本发明一种实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行人员身份验证方法,包括:
将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
根据比对结果,确定所述待验证人员的身份验证结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明实施例中,计算机可读存储介质可以是任何包含或存储程序的有形存储介质,该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种人员身份验证方法,其特征在于,所述方法包括:
将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
根据比对结果,确定所述待验证人员的身份验证结果;
所述根据比对结果,确定所述待验证人员的身份验证结果,包括:
若比对成功,则确定所述待验证人员的身份验证通过;
若比对失败,则对所述待验证人员进行深度校验;
所述对所述待验证人员进行深度校验,包括:
获取待验证人员的深度匹配图像,并将所述深度匹配图像与待验证人员的特征图像进行姿态信息比对;
若待验证人员的深度匹配图像与特征图像的姿态信息不同,则将所述深度匹配图像与人员数据库中候选人员的特征图像进行匹配,得到匹配结果;
若深度校验的匹配结果中的最高匹配度大于预设匹配度阈值,则根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果;
所述根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果,包括:
若所述第二目标人员数量为零,则确定所述待验证人员为第一目标人员,并确定待验证人员的身份验证通过。
2.根据权利要求1所述的方法,其特征在于,若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对,包括:
若存在与待验证人员特征图像相匹配的匹配人员,则确定所述匹配人员的标识;
在候选人员行为数据表中,根据所述匹配人员的标识,索引该匹配人员的行为数据;
将待验证人员的行为数据与该匹配人员的行为数据进行比对。
3.根据权利要求2所述的方法,其特征在于,在候选人员行为数据表中,根据所述匹配人员的标识,索引该匹配人员的行为数据之前,所述方法还包括:
根据候选人员的特征图像出现的时间和/或地点的记录结果,确定所述候选人员的行为数据;
根据所述候选人员的行为数据,建立候选人员行为数据表。
4.根据权利要求1所述的方法,其特征在于,对所述待验证人员进行深度校验,包括:
基于深度校验模型,将待验证人员的特征图像与人员数据库中候选人员的特征图像进行深度匹配,得到匹配结果;其中,所述深度校验模型与待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配所采用的模型不同。
5.根据权利要求1所述的方法,其特征在于,根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果,包括:
若所述第二目标人员数量不为零,则重复执行对所述待验证人员进行预设次数的深度校验步骤,得到预设次数个最高匹配度;
确定预设次数个最高匹配度对应的第一目标人员中的出现次数最多的目标匹配人员;
若所述目标匹配人员的出现次数满足预设次数阈值,则确定所述待验证人员为所述目标匹配人员,并确定待验证人员的身份验证通过。
6.一种人员身份验证装置,其特征在于,所述装置包括:
初次匹配模块,用于将待验证人员的特征图像与人员数据库中候选人员的特征图像进行初次匹配;
比对模块,用于若存在与待验证人员特征图像相匹配的匹配人员,则将所述待验证人员的行为数据与所述匹配人员的行为数据进行比对;其中,所述行为数据包括行为时间数据、行为位置数据、当前位置数据、行为速度数据和行为姿态数据中的至少一项;
身份验证结果确定模块,用于根据比对结果,确定所述待验证人员的身份验证结果;
所述身份验证结果确定模块,包括:
通过确定模块,用于若比对成功,则确定所述待验证人员的身份验证通过;
深度校验模块,用于若比对失败,则对所述待验证人员进行深度校验;
所述深度校验模块,包括:
姿态信息比对单元,用于获取待验证人员的深度匹配图像,并将所述深度匹配图像与待验证人员的特征图像进行姿态信息比对;
第一匹配结果确定单元,用于若待验证人员的深度匹配图像与特征图像的姿态信息不同,则将所述深度匹配图像与人员数据库中候选人员的特征图像进行匹配,得到匹配结果;
深度验证结果确定模块,用于若深度校验的匹配结果中的最高匹配度大于预设匹配度阈值,则根据最高匹配度对应的第一目标人员,以及匹配度与最高匹配度的差值小于预设差值的第二目标人员的数量,确定待验证人员的身份验证结果;
所述深度验证结果确定模块,包括:
第一深度验证结果确定单元,用于若所述第二目标人员数量为零,则确定所述待验证人员为第一目标人员,并确定待验证人员的身份验证通过。
7.一种人员身份验证设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一项所述的人员身份验证方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的人员身份验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338480.8A CN113553888B (zh) | 2020-04-26 | 2020-04-26 | 人员身份验证方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338480.8A CN113553888B (zh) | 2020-04-26 | 2020-04-26 | 人员身份验证方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113553888A CN113553888A (zh) | 2021-10-26 |
CN113553888B true CN113553888B (zh) | 2024-03-08 |
Family
ID=78101465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338480.8A Active CN113553888B (zh) | 2020-04-26 | 2020-04-26 | 人员身份验证方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553888B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463237A (zh) * | 2014-12-18 | 2015-03-25 | 中科创达软件股份有限公司 | 一种基于多姿态识别的人脸验证方法及装置 |
CN105184932A (zh) * | 2015-10-08 | 2015-12-23 | 深圳市雨滴科技有限公司 | 一种通过智能门禁机进行人员识别的方法及装置 |
CN208283997U (zh) * | 2018-05-23 | 2018-12-25 | 上海弘目智能科技有限公司 | 双模式人员身份验证系统 |
CN110929244A (zh) * | 2019-12-06 | 2020-03-27 | 中国建设银行股份有限公司 | 数字化身份识别方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108319930B (zh) * | 2018-03-09 | 2021-04-06 | 百度在线网络技术(北京)有限公司 | 身份认证方法、系统、终端和计算机可读存储介质 |
-
2020
- 2020-04-26 CN CN202010338480.8A patent/CN113553888B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463237A (zh) * | 2014-12-18 | 2015-03-25 | 中科创达软件股份有限公司 | 一种基于多姿态识别的人脸验证方法及装置 |
CN105184932A (zh) * | 2015-10-08 | 2015-12-23 | 深圳市雨滴科技有限公司 | 一种通过智能门禁机进行人员识别的方法及装置 |
CN208283997U (zh) * | 2018-05-23 | 2018-12-25 | 上海弘目智能科技有限公司 | 双模式人员身份验证系统 |
CN110929244A (zh) * | 2019-12-06 | 2020-03-27 | 中国建设银行股份有限公司 | 数字化身份识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113553888A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140241574A1 (en) | Tracking and recognition of faces using selected region classification | |
CN108920921B (zh) | 一种针对智能手机敏感app的可持续身份认证方法 | |
US11734954B2 (en) | Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium | |
CN110633991A (zh) | 风险识别方法、装置和电子设备 | |
US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
CN109118420B (zh) | 水印识别模型建立及识别方法、装置、介质及电子设备 | |
US20190059786A1 (en) | Living body detecting method and apparatus, device and computer storage medium | |
CN113177850A (zh) | 一种保险的多方身份认证的方法及装置 | |
CN110826036A (zh) | 用户操作行为安全性的识别方法、装置和电子设备 | |
CN112990294A (zh) | 行为判别模型的训练方法、装置、电子设备及存储介质 | |
US10755074B2 (en) | Latent fingerprint pattern estimation | |
CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
CN111400695B (zh) | 一种设备指纹生成方法、装置、设备和介质 | |
CN113553888B (zh) | 人员身份验证方法、装置、设备及存储介质 | |
CN113177479B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN115840931A (zh) | 基于人脸滑屏互动的身份验证的方法及相关产品 | |
CN111159698B (zh) | 基于九宫格密码的终端隐式身份认证方法 | |
CN113063218B (zh) | 空调监控系统的用户管理方法及系统 | |
CN107995181B (zh) | 一种基于步态的身份验证方法、装置、设备及存储介质 | |
US9720916B2 (en) | Two-directional biometric matching | |
CN110059180B (zh) | 文章作者身份识别及评估模型训练方法、装置及存储介质 | |
CN113642443A (zh) | 模型的测试方法、装置、电子设备及存储介质 | |
CN117478434B (zh) | 边缘节点网络流量数据处理方法、装置、设备及介质 | |
CN113449542B (zh) | 一种换脸识别方法、装置、设备和介质 | |
CN115022002B (zh) | 验证方式确定方法、装置、存储介质和电子设备 |
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 |