CN114373213A - 基于人脸识别的未成年人身份识别方法及装置 - Google Patents

基于人脸识别的未成年人身份识别方法及装置 Download PDF

Info

Publication number
CN114373213A
CN114373213A CN202210026330.2A CN202210026330A CN114373213A CN 114373213 A CN114373213 A CN 114373213A CN 202210026330 A CN202210026330 A CN 202210026330A CN 114373213 A CN114373213 A CN 114373213A
Authority
CN
China
Prior art keywords
minor
face
data
guardian
facial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210026330.2A
Other languages
English (en)
Inventor
冯宇东
陈烨
郑迪
马思雨
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202210026330.2A priority Critical patent/CN114373213A/zh
Publication of CN114373213A publication Critical patent/CN114373213A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于信息安全技术领域，本发明提供了一种基于人脸识别的未成年人身份识别方法及装置，基于人脸识别的未成年人身份识别方法包括：接收的未成年人的人脸面部数据以及交易请求；根据交易请求确定未成年人的监护人的人脸面部数据；根据未成年人的人脸面部数据以及监护人的人脸面部数据，分别生成未成年人在预设时刻的人脸面部数据以及监护人在预设时刻的人脸面部数据，并将未成年人在预设时刻的人脸面部数据与监护人在预设时刻的人脸面部数据进行对比。本发明所提供的基于人脸识别的未成年人身份识别方法及装置，通过优化未成年人刷脸流程，提高了未成年人刷脸的安全性，有效降低了未成年人账户被盗的风险。

Description

基于人脸识别的未成年人身份识别方法及装置
技术领域
本申请属于数据处理技术领域，特别涉及信息安全技术领域，具体涉及一种基于人脸识别的未成年人身份识别方法及装置。
背景技术
随着互联网技术的飞速发展，人脸识别认证已经在很多应用程序上成为一种快捷且关键的认证方式，但现有技术中的应用程序均是针对成人的人脸面部特征识别，忽视了对于未成年这种面部特征变化较快(身体发育较快所引起)的认证，大部分应用程序未成年人刷脸的流程和普通客户没有区别。由于未成年人的年龄过小，其人脸可能无法进行对比识别，另外，未成年人触发刷脸的交易可能包含账户相关操作，这些交易需要进行特殊监控和追踪。因此，优化未成年人人脸识别的方法是亟待解决的问题。
发明内容
本发明可用于信息安全技术在金融方面应用的技术领域，也可用于除金融领域之外的任意领域，本发明所提供的基于人脸识别的未成年人身份识别方法及装置，通过优化未成年人刷脸流程，提高了未成年人刷脸的安全性，有效降低了未成年人账户被盗的风险。
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种基于人脸识别的未成年人身份识别方法包括：
接收的未成年人的人脸面部数据以及交易请求；
根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
一实施例中，所述分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，包括：
根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据；
根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据。
一实施例中，生成所述人脸预测模型的方法包括：
基于深度学习算法，建立所述人脸预测模型的初始模型；
根据多个未成年人的人脸面部数据以及所述多个未成年人所对应的成年后的人脸面部数据对所述初始模型进行训练，以生成所述人脸预测模型。
一实施例中，基于人脸识别的未成年人身份识别方法还包括：对所述人脸预测模型进行优化，包括：
将所述人脸预测模型中的卷积层与最大池化层进行交替叠加；
根据未成年人的人脸面部数据以及叠加后的人脸预测模型生成优化后的所述人脸预测模型。
一实施例中，所述根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据，包括：
将所述未成年人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
根据所述最后一个卷积层的输出端生成所述预设时刻所对应的未成年人的人脸面部数据。
一实施例中，所述根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据，包括：
将所述监护人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
根据所述最后一个卷积层的输出端生成所述预设时刻所对应的监护人的人脸面部数据。
第二方面，本发明提供一种基于人脸识别的未成年人身份识别装置，该装置包括：
数据接收模块，用于接收的未成年人的人脸面部数据以及交易请求；
监护人数据查找模块，用于根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
双面部数据对比模块，用于根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
一实施例中，所述双面部数据对比模块包括：
未成年人数据生成单元，用于根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据；
监护人数据生成单元，用于根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据。
一实施例中，基于人脸识别的未成年人身份识别装置还包括：人脸预测模型生成模块，用于生成所述人脸预测模型，所述人脸预测模型生成模块包括：
初始模型生成单元，用于基于深度学习算法，建立所述人脸预测模型的初始模型；
初始模型训练单元，用于根据多个未成年人的人脸面部数据以及所述多个未成年人所对应的成年后的人脸面部数据对所述初始模型进行训练，以生成所述人脸预测模型。
一实施例中，基于人脸识别的未成年人身份识别装置还包括：模型优化模块，用于对所述人脸预测模型进行优化，所述模型优化模块包括：
层叠加单元，用于将所述人脸预测模型中的卷积层与最大池化层进行交替叠加；
模型优化单元，用于根据未成年人的人脸面部数据以及叠加后的人脸预测模型生成优化后的所述人脸预测模型。
一实施例中，所述未成年人数据生成单元包括：
未成年卷积层确定单元，用于将所述未成年人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
未成年人脸生成单元，用于根据所述最后一个卷积层的输出端生成所述预设时刻所对应的未成年人的人脸面部数据。
一实施例中，所述监护人数据生成单元包括：
监护人卷积层确定单元，用于将所述监护人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
监护人脸生成单元，用于根据所述最后一个卷积层的输出端生成所述预设时刻所对应的监护人的人脸面部数据。
一实施例中，所述监护人数据查找模块包括：
未成年人身份信息确定单元，用于根据所述交易请求确定所述未成年人的身份信息；
监护人数据查找单元，用于根据所述未成年人的身份信息在预设的数据库中确定所述未成年人的监护人的人脸面部数据。
一实施例中，基于人脸识别的未成年人身份识别装置还包括：预设时刻确定模块，用于根据所述未成年年龄以及所述监护人年龄确定所述预设时刻；
面部特征提取模块，用于分别提取所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据，以生成所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征；
局部切割模块，用于分别对所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征进行局部切割；
面部特征对比模块，用于对比局部切割后的所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征，并根据对比结果鉴别所述未成年人的身份。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现基于人脸识别的未成年人身份识别方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现基于人脸识别的未成年人身份识别方法的步骤。
从上述描述可知，本发明实施例提供一种基于人脸识别的未成年人身份识别方法及装置，首先接收的未成年人的人脸面部数据以及交易请求；接着，根据交易请求确定未成年人的监护人的人脸面部数据；最后根据未成年人的人脸面部数据以及监护人的人脸面部数据，分别生成未成年人在预设时刻的人脸面部数据以及监护人在预设时刻的人脸面部数据，并将未成年人在预设时刻的人脸面部数据与监护人在预设时刻的人脸面部数据进行对比。本发明提高了未成年人刷脸的安全性，符合法律规范和监管要求，有效降低了未成年人账户被盗的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的实施例中基于人脸识别的未成年人身份识别方法的流程示意图一；
图2为本发明的实施例中步骤100的流程示意图；
图3为本发明的实施例中基于人脸识别的未成年人身份识别方法的流程示意图二；
图4为本发明的实施例中步骤400的流程示意图；
图5为本发明的实施例中基于人脸识别的未成年人身份识别方法的流程示意图三；
图6为本发明的实施例中步骤500的流程示意图；
图7为本发明的实施例中步骤102的流程示意图一；
图8为本发明的实施例中步骤102的流程示意图二；
图9为本发明的实施例中步骤200的流程示意图；
图10为本发明的实施例中基于人脸识别的未成年人身份识别方法的流程示意图四；
图11为本发明的具体实施方式中基于人脸识别的未成年人身份识别方法的流程示意图；
图12为本发明的实施例中基于人脸识别的未成年人身份识别装置的方块图一；
图13为本发明的实施例中双面部数据对比模块30的方块图；
图14为本发明的实施例中基于人脸识别的未成年人身份识别装置的方块图二；
图15为本发明的实施例中人脸预测模型生成模块40的方块图；
图16为本发明的实施例中基于人脸识别的未成年人身份识别装置的方块图三；
图17为本发明的实施例中模型优化模块50的方块图；
图18为本发明的实施例中未成年人数据生成单元301的方块图；
图19为本发明的实施例中监护人数据生成单元302的方块图；
图20为本发明的实施例中监护人数据查找模块20的方块图；
图21为本发明的实施例中基于人脸识别的未成年人身份识别装置的方块图四；
图22为本发明的实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“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的过程、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。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的实施例提供一种基于人脸识别的未成年人身份识别方法的具体实施方式，参见图1，该方法具体包括如下内容：
步骤100：接收的未成年人的人脸面部数据以及交易请求；
随着互联网经济的飞速发展以及人民生活水平的日益提高，未成年也对在线交易的需求越来越强烈，但对其的监管方法还是空白，另外可以理解的是，该交易请求除了包含未成年人所要交易的物品、价格之外，还包括对应着对成年人的信息，如身份ID等其他信息，在未成年发送服务端交易请求的同时，还需要上传其人脸面部数据。
步骤200：根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
具体实施步骤如下：事先采集多个未成年的监护人的人脸面部数据，以生成一人脸数据库(需要注意的是，该采集事先告知对应的监护人，并在法律的允许之下进行)，当接收到未成年的交易请求之后，对其进行解析，以获得该未成年信息，并基于上述的人脸数据库查找到对应的监护人的人脸面部数据。
步骤300：根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
从遗传学的角度来讲，监护人的子女的人脸面部数据与其存在一定程度的相似性，如：下颌为显性遗传，如父母中任何一方有突出的大下巴，则孩子也会有大下巴的现象，再比如：眼睛的蓝色，黑色等深颜色相对浅颜色是显性遗传，如果父母一方是蓝眼睛、另一方是黑眼睛，则孩子必定是黑眼睛等等。通过预设一时刻，例如未成年当前年龄与监护人当前年龄之和的平均值，并分别生成该时刻所对应的未成年面部数据以及监护人面部数据，最后对比该时刻下的未成年面部数据以及监护人面部数据(包括固定面部特征以及可变面部特征)，以确定该未成年的人脸面部数据的真实性。
从上述描述可知，本发明实施例提供一种基于人脸识别的未成年人身份识别方法，首先接收的未成年人的人脸面部数据以及交易请求；接着，根据交易请求确定未成年人的监护人的人脸面部数据；最后根据未成年人的人脸面部数据以及监护人的人脸面部数据，分别生成未成年人在预设时刻的人脸面部数据以及监护人在预设时刻的人脸面部数据，并将未成年人在预设时刻的人脸面部数据与监护人在预设时刻的人脸面部数据进行对比。本发明提高了未成年人刷脸的安全性，符合法律规范和监管要求，有效降低了未成年人账户被盗的风险。
一实施例中，参见图2，步骤300进一步包括：
步骤101：根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据；
在人脸面部数据预测技术领域，传统的方法是使用许多描述面部几何形状、颜色和纹理的面部特征来预测面部数据，近些年来，卷积神经网络(CNN)在面部识别和理解方面表现出巨大的性能，被证明是一种有效的面部特征探索方法。一方面，通过其设计良好的网络与有效的结构，来更好的表示性能。另一方面，建立有效的信息传输路径。否则容易导致找不到特征映射的内在相关性，从而导致了特征表示的次优效果。
步骤102：根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据。
一实施例中，参见图3，基于人脸识别的未成年人身份识别方法还包括：
步骤400：生成所述人脸预测模型，参见图4，进一步地，步骤400包括：
步骤401：基于深度学习算法，建立所述人脸预测模型的初始模型；
步骤402：根据多个未成年人的人脸面部数据以及所述多个未成年人所对应的成年后的人脸面部数据对所述初始模型进行训练，以生成所述人脸预测模型。
具体地，收集多个客户在不同阶段年龄段的人脸相片(也可以从公开的渠道获取)，不同阶段的年龄段包括5-10岁、10-13岁、13-15岁、15-17岁、17-18岁以及18-20岁，另外这些客户需要男性、女性各站一般，并将这些照片分为训练集以及测试集。在训练的过程中，根据皮尔逊相关系数作为训练停止的阈值，并将训练后的人脸预测模型通过测试集进行检验，具体地，根据测试集的方根误差对训练后的模型进行检验。
一实施例中，参见图5，基于人脸识别的未成年人身份识别方法还包括：
步骤500：对所述人脸预测模型进行优化，参见图6，进一步地，步骤500包括：
步骤501：将所述人脸预测模型中的卷积层与最大池化层进行交替叠加；
步骤502：根据未成年人的人脸面部数据以及叠加后的人脸预测模型生成优化后的所述人脸预测模型。
在步骤501以及步骤502中，优选地，可以选取若干卷积层与最大磁化层进行叠加交替，以形成深度卷积网以及脸部区域池化层，并将深度卷积网以及脸部区域池化层作为最后一个卷积层的输出端。将未成年人的人脸面部数据作为最后一个卷积层的输入端。
一实施例中，参见图7，步骤102包括：
步骤1021：将所述未成年人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
在步骤501以及步骤502的基础上，首先将未成年的人脸面部数据划分为多个脸部属性，该脸部属性为一个向量，该向量对应多种取值概率，将多个脸部属性输入至叠加后的人脸预测模型中，可以得到该人脸预测模型的最后一个卷积层。
步骤1022：根据所述最后一个卷积层的输出端生成所述预设时刻所对应的未成年人的人脸面部数据。
根据预设时刻以及人脸预测模型中的最后一个卷积层的输出可以确定该未成年在预设时刻所对应的人脸面部数据。可以理解的是，通过上述方式对人脸预测模型所进行的优化之后，具有以下技术效果：加入了脸部区域搜索、脸部区域池化层以及多个并列损失层，可以使该模型更为精准的预测未成年的面部发育趋势。
一实施例中，参见图8，步骤102还包括：
步骤1023：将所述监护人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
步骤1024：根据所述最后一个卷积层的输出端生成所述预设时刻所对应的监护人的人脸面部数据。
不难理解的是，步骤1023以及步骤1024的实施方式分别与步骤1021以及步骤1022相对应，只是实施客体由未成年的人脸脸部数据便成为监护人的人脸面部数据，故这里不再累述。
一实施例中，参见图9，步骤200包括：
步骤201：根据所述交易请求确定所述未成年人的身份信息；
不难理解的是，该交易请求包括未成年人所对应的交易信息，以及该未成年的身份信息，具体地，可解析该交易请求以获得该未成年的身份信息，另外，需要注意的是，该未成年身份信息是指交易请求所对应账户的未成年人的身份信息，其并不一定为当前进行人脸识别的未成年人的身份信息(可能存在盗用情况)。
步骤202：根据所述未成年人的身份信息在预设的数据库中确定所述未成年人的监护人的人脸面部数据。
具体地，当未成年人建立账号时，会关联其监护人信息，并采集两者的面部数据并存储，或者根据第三方人脸面部数据库获取其监护人的人脸面部数据，例如司法机构、社保系统等。
一实施例中，参见图10，基于人脸识别的未成年人身份识别方法还包括：
步骤600：根据所述未成年年龄以及所述监护人年龄确定所述预设时刻；
优选地，预设时刻可以为当前未成年人及其监护人的年龄平均数。
步骤700：分别提取所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据，以生成所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征；
需要说明的是，该面部特征包括固定的面部特征以及随着年龄增长会发生变化的面部特征，固定的面部特征例如痣、胎记等，随着年龄增长会发生变化的面部特征如腮部肌肉、鼻子轮廓以及皱纹走向等等。
步骤600在实施时，基于人脸面部数据的本质属性和性质决定从其中提取几何特征或者代数特征，接着根据先验规则对人脸面部数据进行提取，先验规则是一种对于人脸面部特征点的经验描述和表示。常见的自然人脸图像都具有一些较为明显的基本特征，常见的脸部区域主要包括眼睛、眉毛、鼻子和嘴巴等特征，其亮度值一般都会低于周围的附近区域。此外，人脸中的双眼又具有对称性，而嘴巴和鼻子近似的分布在其对称轴线上。虽然不同个体间的人脸表面会千差万别，但是人脸都会存在一个典型的三庭五眼标准。这一基本且普遍存在标准的为人脸面部特征提取的提供了有理的特征分布基础。依据此规则可以进行相应器官的特征提取，具体地，首先对目标图像做预处理和变换，以使得待提取特征得到增强或者是被强化，然后依据规则从人脸面部图像中筛选出候选目标点或者候选的特征区域。
步骤800：分别对所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征进行局部切割；
具体地，对未成年人以及监护人的人脸面部数据特征进行切割分析，即将人脸上的采样点进行细化和切分，对人脸的每一个部分都进行老化/年轻化的预测拟合。如果发现有某一处面部信息采样点和大众样本区别甚大，而且监护人和未成年人均复合此特点(例如父母和孩子颧骨均非常突出、父母和孩子的眉间距均远超常人等等面部特殊之处)，则表示此次人脸预测识别的可信度大大增加。
步骤900：对比局部切割后的所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征，并根据对比结果鉴别所述未成年人的身份。
具体地，分区域的对未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征进行对比，并将对比结果与预设阈值进行对比，以判断未成年人身份的真实性。
在一种具体实施方式中，本发明以银行的app为例，提供一种基于人脸识别的未成年人身份识别方法中的具体实施方式，参见图11，具体包括以下内容。
S1：根据该未成年人的交易请求数据确定该未成年人的身份信息，并出发刷脸验证。
已经在线下网点注册了电子银行的未成年人，在线上的app进行交易操作时，即将进行人脸识别。注意，线下注册电子银行的时候，未成年人必须要预留其监护人信息。另一方面，还需要对比本系统中预存的该未成年人的人脸面部数据所对应的时间与本次该未成年人进行交易请求的时间，如果两者间隔时间不久，则利用预存的人脸面部数据进行对比，并验证两者是否符合，如果当前刷脸错误次数超过一定的次数，则进行监护人干预流程，如果相隔时间过长(例如大于3年)，则需要进行步骤S2。
S2：App系统后台查询监护人信息，并根据该监护人预存的人脸识别数据生成预设时刻其对应的人脸识别数据。
关于未成年人的人脸识别，特别是当监护人不在身边时，无法立即完成人脸识别时，可以通过本发明具体应用实例所提供的方法进行验证。首先，该未成年人的监护人时是亲生父母，登记信息齐全，特别是人脸基准照片质量较高，并得到其授权可供机构进行分析和研究。
优选地，预设时刻可以为当前未成年人及其监护人的年龄平均数。首先监护人信息是在后台系统中人工录入的，所以是很可信的，其次，刷监护人的脸，也是从法律法规和监管要求上都满足的做法，提高了未成年人人脸识别的安全性。而选择监护人分为两种情况：
只预留一个监护人：此时，需要检查该监护人的刷脸错误次数。因为当前场景是监护人使用自己的人脸信息为未成年人的金融交易进行担保，所以有必要根据其目前的刷脸错误次数，增加一些额外的校验机制。因为错误次数越多，代表当前账户越有可能受到攻击，越应该增加一些其他的验证手段。具体总结为以下分段函数，以刷脸最大错误次数为10次举例：
Figure BDA0003464843600000121
上述分段函数代表，错误次数越接近阈值，校验的手段就越多，未成年人的账户的安全性就越高。
有多个监护人：如果该未成年人预留了多个监护人，需要根据两个条件推荐一名监护人进行认证：刷脸错误次数更少的监护人；如果错误次数相同，则选择为该未成年人进行刷脸认证次数较多的监护人；如果上述两个条件无法区分，则由客户挑选任一人进行认证。
S3：根据步骤S1所接收的未成年人的人脸面部数据生成预设时刻其对应的人脸识别数据。
S4：对比步骤S2与步骤S4分别生成的人脸面部数据。
当两者对比通过时，说明该未成年人身份信息可靠，监护人账户名下可以添加一个未成年人的虚拟账户，可以看到未成年人账户的付款、转账等等操作记录，如果监护人账户发生异常行为，必要时候后台系统自动冻结其未成年人的账户，达到账户之间的互联互通和安全机制联动。
另外，本发明中的人脸信息拟合结果毕竟只是通过技术手段进行的预测，不可以作为未成年人身份检查的唯一标准。而且因为涉及到深度学习预测模型，此次人脸识别结果必然需要配合其他验证手段共同作为未成年人身份检查的最终结果。此次人脸识别的可信度可用公式(1)表示：
Figure BDA0003464843600000122
上式中，Trustlevel为人脸识别结果的可信度，diff年龄差为未成年人与其监护人之间的年龄差；βQ数据质量为未成年人以及监护人的人脸面部数据的数据质量，Const特征部位为两者对比的特征部位。
本次人脸识别如果通过，那么父母孩子之间的年龄差越大，代表识别的可信度越低，越需要增加额外的手段进行辅助验证。本次人脸识别如果通过，那么父母和孩子预留的照片质量越高(包含像素、拍摄角度以及衣着颜色等等)，本次识别的可信度就越高，越不需要其他手段增加验证。
在本发明的具体应用实例中，人脸识别使用的是深度学习的预测算法进行的人脸拟合，所以会对父母和孩子的面补特征进行切割分析，即将人脸上的采样点进行细化和切分，对人脸的每一个部分都进行老化/年轻化的预测拟合。如果发现有某一处面部信息采样点和大众样本区别甚大，而且监护人和未成年人均复合此特点(例如父母和孩子颧骨均非常突出、父母和孩子的眉间距均远超常人等等面部特殊之处)，那么这样就表示此次人脸预测识别的可信度大大增加。
根据公式(1)计算出相应的可信度分值，并根据分值判断是否需要增加其他的验证手段(针对监护人的)，例如需要监护人辅助发送短信验证码验证、需要验证监护人的卡号及卡密码、需要回答监护人账户预留的密保问题等等方式，增强未成年人身份检查的可靠性和安全性。
从上述描述可知，由于未成年人和父母的年龄差距可能很大，本发明具体应用实例所提供的一种基于人脸识别的未成年人身份识别方法，创新性地改进了人脸模拟算法，利用神经网络的大数据训练分析和深度学习理论，分两个方面来模拟未成年人长大后的人脸拟合图样、以及监护人年轻化的人脸拟合图样，拟合时间节点选在未成年人及其监护人的年龄平均数。
避免了业界使用单一拟合算法带来的误差。人脸图像模拟算法中，模拟年龄差距越大，算法得到的人脸拟合图像的可信度就越低。因此我们将年龄设定为未成年人和监护人的年龄平均值，使用业界较成熟的人脸老化/年轻化的图片拟合算法，可以减小算法的误差，提高人脸对比的可信度。另外，本方案中也没有单纯使用未成年人的人脸信息，介入了监护人信息加以验证，满足了法律法规的要求。
基于同一发明构思，本申请实施例还提供了一种基于人脸识别的未成年人身份识别装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于基于人脸识别的未成年人身份识别装置解决问题的原理与基于人脸识别的未成年人身份识别方法相似，因此基于人脸识别的未成年人身份识别装置的实施可以参见基于人脸识别的未成年人身份识别方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例提供一种能够实现基于人脸识别的未成年人身份识别方法的基于人脸识别的未成年人身份识别装置的具体实施方式，参见图12，基于人脸识别的未成年人身份识别装置具体包括如下内容：
数据接收模块10，用于接收的未成年人的人脸面部数据以及交易请求；
监护人数据查找模块20，用于根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
双面部数据对比模块30，用于根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
一实施例中，参见图13，所述双面部数据对比模块30包括：
未成年人数据生成单元301，用于根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据；
监护人数据生成单元302，用于根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据。
一实施例中，参见图14，基于人脸识别的未成年人身份识别装置还包括：人脸预测模型生成模块40，用于生成所述人脸预测模型，参见图15，所述人脸预测模型生成模块40包括：
初始模型生成单元401，用于基于深度学习算法，建立所述人脸预测模型的初始模型；
初始模型训练单元402，用于根据多个未成年人的人脸面部数据以及所述多个未成年人所对应的成年后的人脸面部数据对所述初始模型进行训练，以生成所述人脸预测模型。
一实施例中，参见图16，基于人脸识别的未成年人身份识别装置还包括：模型优化模块50，用于对所述人脸预测模型进行优化，参见图17，所述模型优化模块50包括：
层叠加单元501，用于将所述人脸预测模型中的卷积层与最大池化层进行交替叠加；
模型优化单元502，用于根据未成年人的人脸面部数据以及叠加后的人脸预测模型生成优化后的所述人脸预测模型。
一实施例中，参见图18，所述未成年人数据生成单元301包括：
未成年卷积层确定单元3011，用于将所述未成年人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
未成年人脸生成单元3012，用于根据所述最后一个卷积层的输出端生成所述预设时刻所对应的未成年人的人脸面部数据。
一实施例中，参见图19，所述监护人数据生成单元302包括：
监护人卷积层确定单元3021，用于将所述监护人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
监护人脸生成单元3022，用于根据所述最后一个卷积层的输出端生成所述预设时刻所对应的监护人的人脸面部数据。
一实施例中，参见图20，所述监护人数据查找模块20包括：
未成年人身份信息确定单元201，用于根据所述交易请求确定所述未成年人的身份信息；
监护人数据查找单元202，用于根据所述未成年人的身份信息在预设的数据库中确定所述未成年人的监护人的人脸面部数据。
一实施例中，参见图21，基于人脸识别的未成年人身份识别装置还包括：预设时刻确定模块60，用于根据所述未成年年龄以及所述监护人年龄确定所述预设时刻；
面部特征提取模块70，用于分别提取所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据，以生成所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征；
局部切割模块80，用于分别对所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征进行局部切割；
面部特征对比模块90，用于对比局部切割后的所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征，并根据对比结果鉴别所述未成年人的身份。
从上述描述可知，本发明实施例提供一种基于人脸识别的未成年人身份识别装置，首先接收的未成年人的人脸面部数据以及交易请求；接着，根据交易请求确定未成年人的监护人的人脸面部数据；最后根据未成年人的人脸面部数据以及监护人的人脸面部数据，分别生成未成年人在预设时刻的人脸面部数据以及监护人在预设时刻的人脸面部数据，并将未成年人在预设时刻的人脸面部数据与监护人在预设时刻的人脸面部数据进行对比。本发明提高了未成年人刷脸的安全性，符合法律规范和监管要求，有效降低了未成年人账户被盗的风险。
本申请的实施例还提供能够实现上述实施例中的基于人脸识别的未成年人身份识别方法中全部步骤的一种电子设备的具体实施方式，参见图22，电子设备具体包括如下内容：
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204；
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备以及客户端设备等相关设备之间的信息传输；
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的基于人脸识别的未成年人身份识别方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：接收的未成年人的人脸面部数据以及交易请求；
步骤200：根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
步骤300：根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
本申请的实施例还提供能够实现上述实施例中的基于人脸识别的未成年人身份识别方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的基于人脸识别的未成年人身份识别方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：接收的未成年人的人脸面部数据以及交易请求；
步骤200：根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
步骤300：根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。

Claims (11)

1.一种基于人脸识别的未成年人身份识别方法，其特征在于，包括：
接收的未成年人的人脸面部数据以及交易请求；
根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
2.如权利要求1所述的基于人脸识别的未成年人身份识别方法，其特征在于，所述分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，包括：
根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据；
根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据。
3.如权利要求2所述的基于人脸识别的未成年人身份识别方法，其特征在于，生成所述人脸预测模型的方法包括：
基于深度学习算法，建立所述人脸预测模型的初始模型；
根据多个未成年人的人脸面部数据以及所述多个未成年人所对应的成年后的人脸面部数据对所述初始模型进行训练，以生成所述人脸预测模型。
4.如权利要求3所述的基于人脸识别的未成年人身份识别方法，其特征在于，还包括：对所述人脸预测模型进行优化，包括：
将所述人脸预测模型中的卷积层与最大池化层进行交替叠加；
根据未成年人的人脸面部数据以及叠加后的人脸预测模型生成优化后的所述人脸预测模型。
5.如权利要求4所述的基于人脸识别的未成年人身份识别方法，其特征在于，所述根据预生成的人脸预测模型以及所述未成年人的人脸面部数据生成所述未成年人在预设时刻的人脸面部数据，包括：
将所述未成年人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
根据所述最后一个卷积层的输出端生成所述预设时刻所对应的未成年人的人脸面部数据。
6.如权利要求4所述的基于人脸识别的未成年人身份识别方法，其特征在于，所述根据所述人脸预测模型以及所述监护人的人脸面部数据生成所述监护人在所述预设时刻的人脸面部数据，还包括：
将所述监护人的人脸面部数据输入至所述叠加后的人脸预测模型中，以确定所述叠加后的人脸模型的最后一个卷积层；
根据所述最后一个卷积层的输出端生成所述预设时刻所对应的监护人的人脸面部数据。
7.如权利要求1所述的基于人脸识别的未成年人身份识别方法，其特征在于，所述根据所述交易请求确定所述未成年人的监护人的人脸面部数据，包括：
根据所述交易请求确定所述未成年人的身份信息；
根据所述未成年人的身份信息在预设的数据库中确定所述未成年人的监护人的人脸面部数据。
8.如权利要求1所述的基于人脸识别的未成年人身份识别方法，其特征在于，还包括：根据所述未成年年龄以及所述监护人年龄确定所述预设时刻；
分别提取所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据，以生成所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征；
分别对所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征进行局部切割；
对比局部切割后的所述未成年人在预设时刻的面部特征以及所述监护人在预设时刻的面部特征，并根据对比结果鉴别所述未成年人的身份。
9.一种基于人脸识别的未成年人身份识别装置，其特征在于，包括：
数据接收模块，用于接收的未成年人的人脸面部数据以及交易请求；
监护人数据查找模块，用于根据所述交易请求确定所述未成年人的监护人的人脸面部数据；
双面部数据对比模块，用于根据所述未成年人的人脸面部数据以及所述监护人的人脸面部数据，分别生成所述未成年人在预设时刻的人脸面部数据以及所述监护人在所述预设时刻的人脸面部数据，并将所述未成年人在预设时刻的人脸面部数据与所述监护人在所述预设时刻的人脸面部数据进行对比。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8任一项所述基于人脸识别的未成年人身份识别方法的步骤。
11.一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，该计算机程序被处理器执行时实现权利要求1至8任一项所述基于人脸识别的未成年人身份识别方法的步骤。
CN202210026330.2A 2022-01-11 2022-01-11 基于人脸识别的未成年人身份识别方法及装置 Pending CN114373213A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210026330.2A CN114373213A (zh) 2022-01-11 2022-01-11 基于人脸识别的未成年人身份识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210026330.2A CN114373213A (zh) 2022-01-11 2022-01-11 基于人脸识别的未成年人身份识别方法及装置

Publications (1)

Publication Number Publication Date
CN114373213A true CN114373213A (zh) 2022-04-19

Family

ID=81143872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210026330.2A Pending CN114373213A (zh) 2022-01-11 2022-01-11 基于人脸识别的未成年人身份识别方法及装置

Country Status (1)

Country Link
CN (1) CN114373213A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708644A (zh) * 2022-06-02 2022-07-05 杭州魔点科技有限公司 一种基于家庭基因模板的人脸识别方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708644A (zh) * 2022-06-02 2022-07-05 杭州魔点科技有限公司 一种基于家庭基因模板的人脸识别方法和系统
CN114708644B (zh) * 2022-06-02 2022-09-13 杭州魔点科技有限公司 一种基于家庭基因模板的人脸识别方法和系统

Similar Documents

Publication Publication Date Title
WO2019120115A1 (zh) 人脸识别的方法、装置及计算机装置
US9189686B2 (en) Apparatus and method for iris image analysis
JP7454105B2 (ja) 顔画像品質評価方法及び装置、コンピュータ機器並びにコンピュータプログラム
KR102554391B1 (ko) 홍채 인식 기반 사용자 인증 장치 및 방법
WO2018082011A1 (zh) 活体指纹识别方法及装置
CN110348416A (zh) 一种基于多尺度特征融合卷积神经网络的多任务人脸识别方法
CN110287813A (zh) 身份识别方法及系统
CN113591603B (zh) 证件的验证方法、装置、电子设备及存储介质
CN113627233B (zh) 基于视觉语义信息的人脸伪造检测方法和装置
Ali et al. Proposed face recognition system after plastic surgery
CN115035052B (zh) 一种基于身份差异量化的伪造换脸图像检测方法和系统
CN117095436A (zh) 企业员工信息智能管理系统及其方法
CN114373213A (zh) 基于人脸识别的未成年人身份识别方法及装置
WO2024104068A9 (zh) 视频检测方法、装置、设备、存储介质及产品
Mahmood et al. An investigational FW-MPM-LSTM approach for face recognition using defective data
CN116758622A (zh) 用于出勤管理系统的数据处理方法、装置、系统及介质
CN116151965B (zh) 一种风险特征提取方法、装置、电子设备及存储介质
US20220284213A1 (en) Methods and systems for real-time electronic verification of content with varying features in data-sparse computer environments
Aizi et al. Remote multimodal biometric identification based on the fusion of the iris and the fingerprint
Hwang et al. Example image-based feature extraction for face recognition
Sufian et al. FewFaceNet: A Lightweight Few-Shot Learning-based Incremental Face Authentication for Edge Cameras
CN109583421A (zh) 人脸识别系统及方法
Dhamija et al. Analysis of age invariant face recognition using quadratic support vector machine-principal component analysis
CN118097520B (zh) 视觉识别模型测试时自适应方法、装置、设备及介质
EP4209941A1 (en) Method and system of predictive document verification and machine learning therefor

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