CN115249383A - 一种步态识别安全验证方法和系统、电子设备、存储介质 - Google Patents
一种步态识别安全验证方法和系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN115249383A CN115249383A CN202210883675.XA CN202210883675A CN115249383A CN 115249383 A CN115249383 A CN 115249383A CN 202210883675 A CN202210883675 A CN 202210883675A CN 115249383 A CN115249383 A CN 115249383A
- Authority
- CN
- China
- Prior art keywords
- gait
- signal
- user
- verification
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Social Psychology (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种步态识别安全验证方法和系统、电子设备、存储介质,该方法,包括:获取用户通过通道走进ATM过程中的步态信号;将步态信号进行初步验证;通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证;将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生;也即,创造一种极其不可窃取、不可伪造、必须活体检测等优势的ATM设备,不仅保障交易安全的同时,保护安全秘钥本身的安全。
Description
技术领域
本发明属于身份安全验证技术领域,更具体的说,尤其涉及一种步态识别安全验证方法和系统、电子设备、存储介质。
背景技术
现行的金融交易安全监测方法主要通过密码、人脸识别以及指纹识别进行安全验证。其中,密码监测是最悠久的安全防护措施,但是仅仅通过密码具有易丢失、易窃取的特性,密码防护已经逐渐不能适应时代的发展趋势。而人脸识别和指纹识别一样,都是较为成熟的生物识别技术,但是随着黑客技术的不断发展,指纹识别和人脸识别被破解的情况发生率越来越高,造成用户隐私安全越来越低。
发明内容
有鉴于此,本发明的目的在于提供一种步态识别安全验证方法和系统、电子设备、存储介质,用于将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生。
本申请第一方面公开了一种步态识别安全验证方法,包括:
获取用户通过通道走进ATM过程中的步态信号;
将所述步态信号进行初步验证;
若通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
可选的,在上述步态识别安全验证方法中,所述获取用户通过通道走进ATM过程中的步态信号,包括:
获取用户通过通道走进ATM过程中的行走动作的视频影像;
依据所述视频影像,通过步态分析算法,得到所述用户的步态信号。
可选的,在上述步态识别安全验证方法中,将所述步态信号进行初步验证包括:
将所述步态信号输入至无效ID过滤模块;
所述无效ID过滤模块依据步态校验信号和所述步态信号进行对比,得到初步验证结果;其中,所述步态校验信号为预先采集且用作校验的步态信号。
可选的,在上述步态识别安全验证方法中,所述无效ID过滤模块依据步态校验信号和所述步态信号进行对比,得到初步验证结果,包括:
将所述步态信号和所述步态校验信号中的腕部、腰部和腿部的三维加速度和角动量进行对比,得到所述初步验证结果。
可选的,在上述步态识别安全验证方法中,在将所述步态信号进行初步验证之后,还包括:
若所述初步验证失败,则拒绝所述用户的通行请求,禁止所述用户进入ATM区域。
可选的,在上述步态识别安全验证方法中,若通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证,包括:
依据所述3DCNNGait算法对所述步态信号进行处理,得到二位权重图;
依据所述二位权重图,通过映射获取所述步态信号对应的步态ID;
若所述步态信号对应的步态ID存在且与用户账号预存的步态ID一致,则将所述用户的ID确定为步态ID;
若所述步态信号对应的步态ID不存在或与用户账号预存的步态ID不一致,则判定为非本用户操作,所述用户身份安全验证失败。
可选的,在上述步态识别安全验证方法中,在获取用户通过通道走进ATM过程中的步态信号之前,还包括:
当用户想更换步态验证信号时,重新录入所述用户的步态验证信号。
本申请第二方面公开了一种步态识别安全验证系统,包括:
获取模块,用于获取用户通过通道走进ATM过程中的步态信号;
初步验证模块,用于将所述步态信号进行初步验证;
身份验证模块,用于通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
本申请第三方面公开了一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如本申请第一方面任一项所述的步态识别安全验证方法。
本申请第四方面公开了一种存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如本申请第一方面任一项所述的步态识别安全验证方法。
从上述技术方案可知,本发明提供的一种步态识别安全验证方法,包括:获取用户通过通道走进ATM过程中的步态信号;将步态信号进行初步验证;通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证;将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生;也即,创造一种极其不可窃取、不可伪造、必须活体检测等优势的ATM设备,不仅保障交易安全的同时,保护安全秘钥本身的安全。
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是本发明实施例提供的一种步态识别安全验证方法的流程图;
图2是本发明实施例提供的另一种步态识别安全验证方法的流程图;
图3是本发明实施例提供的另一种步态识别安全验证方法的流程图;
图4是本发明实施例提供的另一种步态识别安全验证方法的流程图;
图5是本发明实施例提供的另一种步态识别安全验证方法的流程图;
图6是本发明实施例提供的一种步态识别安全验证系统的示意图;
图7是本发明实施例提供的一种电子设备的示意图。
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、完整地描述,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做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。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种步态识别安全验证方法,用于解决现有技术中人脸识别和指纹识别一样,都是较为成熟的生物识别技术,但是随着黑客技术的不断发展,指纹识别和人脸识别被破解的情况发生率越来越高,造成用户隐私安全越来越低的问题。
参见图1,该步态识别安全验证方法,包括:
S101、获取用户通过通道走进ATM过程中的步态信号。
需要说明的是,步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份识别,与其他的生物识别技术相比,步态识别具有非接触远距离和不容易伪装的优点,比现行的图像识别更具优势。
步态信号是基于一段行走的视频图像序列,这些序列经过背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓,这些时变的二维轮廓形状被转换为对应的一维距离信号,同时通过特征空间变换来提取低维步态特征,转化为基于时空相关或归一化欧氏距离度量。
另外,步态信号作为一种新型的生物特征,在不可窃取、不可伪造、必须活体检测等方面具有独特的优势,能为身份识别提供更安全的生物识别方法。与传统的生物识别技术相比,基于步态信号的识别具有一个巨大的优点,即每个独立个体的步态是具有唯一性的,步态信号是很难被复制和攻击的,因此基于步态信号识别具有非常高的安全性和抗攻击性。
也就是说,通过对用户的一段行走的视频图像进行步态识别得到步态信号。该视频图像可以是用户通过通道走进ATM时的视频图像。
S102、将步态信号进行初步验证。
具体的,初步验证可以是通过该步态信号判断该用户是否为本行的用户,也即是否已经预先录入的步态验证的用户;该初步验证可以是无效ID过滤。
当然,该步态信号的初步验证也可以是其他方式,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
其中,初步验证过程中可以对步态信号进行扁平化处理。
在实际应用中,若初步验证失败,则拒绝用户的通行请求,禁止用户进入ATM区域。
也就是说,如果用户被判断为冒名顶替者也即无效ID,其通行请求会直接被拒绝。如果用户通过了初步验证,系统则会对其步态信号进行进一步分析,也即执行步骤S103。
S103、通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
其中,3DCNNGait算法为基于3D卷积神经网络的人体行为步态识别算法。
通过基于深度神经网络模型的3DCNNGait算法对步态信号进行ID识别。也即,系统会根据学习到步态信号的表征确认用户的身份即步态信号ID。
将步态信号数据信息经过扁平化处理后获得的一维数据,作为3DCNNGait算法的输入参数,经过3DCNNGait算法计算后得到一个二位权重图,而这个二位权重图可以通过映射获取相应的步态ID,如果这个ID存在并且和用户账号预存的ID一致,那么可以据此确认用户的身份,如果无法通过此处理结果获取到步态ID,那么判定为非本用户操作,系统拒绝进行下一步的金融操作。
当然,通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证的具体过程也可以为其他方式,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
也就是说,系统会通过固定的行走通道以及固定角度的成像传感器采集用户的步态信号;也即,用户通过通道走进ATM,而这个过程顺带地通过通道上固定角度的摄像头获取用户靠近时的行走动作的视频影像,通过步态分析算法得到用户的步态信号。每个用户的步态信号都具有唯一性,系统根据步态信号生成相应的步态ID,步态ID类似于身份证号一般,其和信号之间具有唯一映射关系;并且每个用户拥有唯一一组步态ID。
需要说名的是,在现行的ATM机的安全监测存在极大的安全隐患,于此同时,如果只是采用传统的生物识别系统如人脸识别、虹膜、视网膜、声音和指纹目前正在被广泛应用,但随着反监视面具、隐形眼镜、声码器或指纹膜等技术的出现,人类被生物测量工具欺骗的风险也越来越高;将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生,解决传统的ATM机的安全性问题。
而步态识别作为一种日趋成熟的技术,识别准确率符合实际应用需求。非穿戴式步态识别系统主要使用视觉,系统使用成像传感器捕捉步态数据,而不需要受试者的合作,甚至可以从很远的距离采集,同时配套的硬件设备成本不断降低,已经符合大面积推广的成本需求。步态识别已经具备应用到ATM这些金融交易设备的技术和硬件需求。
在本实施例中,获取用户通过通道走进ATM过程中的步态信号;将步态信号进行初步验证;通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证;将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生;也即,创造一种极其不可窃取、不可伪造、必须活体检测等优势的ATM设备,不仅保障交易安全的同时,保护安全秘钥本身的安全。
在实际应用中,参见图2,上述步骤S101、获取用户的步态信号,包括:
S201、获取用户通过通道走进ATM过程中的行走动作的视频影像。
采集用户通过通道产生的步态信息,通过的通道的长度和曲度坡度以及成像传感器的位置以及角度必须和预先采集步态信息时的通道一致,作为交易使用的秘钥。
S202、依据视频影像,通过步态分析算法,得到用户的步态信号。
具体的,从视频影像中获取例如腕部、腰部和腿部的三维加速度和角动量等信息,并对这些信息进行处理,得到步态信号;当然也不仅限于此处示例,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
在实际应用中,参见图3,上述步骤S102、将步态信号进行初步验证包括:
S301、将步态信号输入至无效ID过滤模块。
S302、无效ID过滤模块依据步态校验信号和步态信号进行对比,得到初步验证结果。
其中,步态校验信号为预先采集且用作校验的步态信号。
也就是说,在使用该系统前需要预先采集用户的步态信息作为密钥,之后的每次识别都可以基于本次预先采集的步态信息进行身份识别验证。
具体的,将实时采集到的步态信号输入至无效ID过滤模块。该模块会将收集到的步态数据进行扁平化处理,然后将扁平化处理后的数据输入进3DCNNGait算法,得到3DCNNGait算法处理结果,将处理结果和预先录入的数据进行相似性对比,在0-10%的差异内,可以认为是相同用户。如果超出误差接受范围,则被认为是无效ID。无效ID过滤模块会旨在通过无监督的步态信号对比快速做出初步判断。接着会对识别结果进行更详细的对比。
在实际应用中,参见图4,上述步骤S302、无效ID过滤模块依据步态校验信号和步态信号进行对比,得到初步验证结果,包括:
S401、将步态信号和步态校验信号中的腕部、腰部和腿部的三维加速度和角动量进行对比,得到初步验证结果。
具体的,获取步态信号中的腕部、腰部和腿部的三维加速度和角动量;以及,获取步态校验信号中的腕部、腰部和腿部的三维加速度和角动量;分别将两个信号对应的腕部、腰部和腿部的三维加速度和角动量进行对比,当满足预设条件时,通过初步验证,当不满足预设条件时,初步验证失败。
该预设条件的具体内容,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
具体的,如果用户被判断为冒名顶替者也即初步验证失败,则其通行请求会直接被拒绝;如果用户通过了初步判断,系统则会对其步态信号进行进一步分析;也即执行步骤S103。
在实际应用中,参见图5,步骤S103、通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证,包括:
S501、依据3DCNNGait算法对步态信号进行处理,得到二位权重图。
S502、依据二位权重图,通过映射获取步态信号对应的步态ID。
S503、若步态信号对应的步态ID存在且与用户账号预存的步态ID一致,则将用户的ID确定为步态ID。
具体的,完成用户安全识别后,用户可以在交易模块完成相应的金融交易操作,无需再次进行安全验证。
S504、若步态信号对应的步态ID不存在或与用户账号预存的步态ID不一致,则判定为非本用户操作,用户身份安全验证失败。
将步态信号数据信息经过扁平化处理后获得的一维数据,作为3DCNNGait算法的输入参数,经过3DCNNGait算法计算后得到一个二位权重图,而这个二位权重图可以通过映射获取相应的步态ID,如果这个ID存在并且和用户账号预存的ID一致,那么可以据此确认用户的身份,如果无法通过此处理结果获取到步态ID,那么判定为非本用户操作,系统拒绝进行下一步的金融操作。
在实际应用中,通过初步验证,则通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证,且身份安全验证通过后,获取用户的交易请求,并依据交易请求完成想用金融交易操作。
也就是说,完成用户安全识别后,用户可以在交易模块完成相应的金融交易操作,无需再次进行安全验证。
在实际应用中,在获取用户通过通道走进ATM过程中的步态信号之前,还包括:
当用户想更换步态验证信号时,重新录入用户的步态验证信号。
具体的,当用户想更换步态识别预存图像或者在极端情况下,当发生步态识别录入信息被盗取之后,用户可以通过重录入模块,重新录入步态验证信号。
重新录入步态验证信号则需要通过与先前不同的步态识别通道进行步态识别录入,从而在系统留存新的密钥,达到替换密钥的目的,而之后再进行识别时候,则需要通过与之相同的步态识别通道进行识别,步态识别通过的改动一般是通过改动成像传感器的位置和角度来达到差异化。
需要说明的是,人脸识别和指纹识别在被窃取后无法进行更换的特性,使得其安全性能更不符合未来的安全防护需求;也即,人脸识别以及指纹识别具备不安全性、不可修改特性和易遗忘性。
具体的,不安全性:传统的生物识别系统如人脸识别、虹膜、视网膜、声音和指纹目前正在被广泛应用,但随着反监视面具、隐形眼镜、声码器或指纹膜等技术的出现,人类被生物测量工具欺骗的风险也越来越高。不可修改特性:诸如人脸识别和指纹识别,对于每个个体来说都是唯一的。如果发生被窃取的情况之后,无法再次修改,对个被窃取的用户来说,这项技术将会永久地无法使用,十分不友好。易遗忘性:诸如使用密码的金融交易设备,密码遗忘是经常发生的。当进行一些紧急交易时,如果遗忘密码,找回密码将会浪费宝贵的时间,影响整个交易的进行。
而本实施例中,将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生;也即,不可窃取:每个个体的步态是唯一且不可伪造的,步态是很难被复制和攻击的,因此基于步态信息的ID识别具有非常高的安全性和抗攻击性;活体检测:必须用户个人到达现场才能进行步态识别,无法通过人为伪造或者机器模仿实现不安全攻击;反应迅速:技术已经成熟,整个检测流程只需要毫秒级时延,即使和当前应用的技术对比,速度也值得肯定;秘钥可修改:技术在极端情况下,步态验证信号被窃取了,用户仍然可以及时更改秘钥,重新录入步态信号即可,流程简洁方便,同时,对比与其他的生物识别技术,该技术应用具有可以更改的特性。
本申请另一实施例提供了一种步态识别安全验证系统。
参见图6,该步态识别安全验证系统,包括:
获取模块101,用于获取用户通过通道走进ATM过程中的步态信号。
初步验证模块102,用于将步态信号进行初步验证。
身份验证模块103,用于通过初步验证,则通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
该步态识别安全验证系统还可以包括:
交易模块:完成用户安全识别后,用户可以在交易模块完成相应的金融交易操作,无需再次进行安全验证。
步态重录入模块:当用户想更换步态识别影像或者在极端情况下,当发生步态识别录入信息被盗取之后,用户可以通过重录入模块,重新录入步态验证信号。
上述各个模块的工作过程和原理,详情参见上述实施例提供的步态识别安全验证方法,此处不再一一赘述,均在本申请的保护范围内。
在本实施例中,获取模块101用于获取用户通过通道走进ATM过程中的步态信号;初步验证模块102,用于将步态信号进行初步验证;身份验证模块103用于通过初步验证,则通过基于深度神经网络模型的3DCNNGait算法对步态信号进行身份识别,得到用户的身份信息,完成身份安全验证;将步态识别应用于ATM中,不仅保障了密码不可窃取,同时避免密码遗忘等情况发生;也即,创造一种极其不可窃取、不可伪造、必须活体检测等优势的ATM设备,不仅保障交易安全的同时,保护安全秘钥本身的安全。
本申请另一实施例提供了一种存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如上述实施例中任意一项的步态识别安全验证方法。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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、或半导体的系统、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号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。计算机可读信号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介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本发明另一实施例提供了一种电子设备,如图7所示,包括:
一个或多个处理器601。
存储装置602,其上存储有一个或多个程序。
当一个或多个程序被一个或多个处理器601执行时,使得一个或多个处理器601实现如上述实施例中任意一项的步态识别安全验证方法。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
本说明书中的各个实施例中记载的特征可以相互替换或者组合,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,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种步态识别安全验证方法,其特征在于,包括:
获取用户通过通道走进ATM过程中的步态信号;
将所述步态信号进行初步验证;
若通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
2.根据权利要求1所述的步态识别安全验证方法,其特征在于,所述获取用户通过通道走进ATM过程中的步态信号,包括:
获取所述用户通过通道走进ATM过程中的行走动作的视频影像;
依据所述视频影像,通过步态分析算法,得到所述用户的步态信号。
3.根据权利要求1所述的步态识别安全验证方法,其特征在于,将所述步态信号进行初步验证,包括:
将所述步态信号输入至无效ID过滤模块;
所述无效ID过滤模块依据步态校验信号和所述步态信号进行对比,得到初步验证结果;其中,所述步态校验信号为预先采集且用作校验的步态信号。
4.根据权利要求3所述的步态识别安全验证方法,其特征在于,所述无效ID过滤模块依据步态校验信号和所述步态信号进行对比,得到初步验证结果,包括:
将所述步态信号和所述步态校验信号中的腕部、腰部和腿部的三维加速度和角动量进行对比,得到所述初步验证结果。
5.根据权利要求1所述的步态识别安全验证方法,其特征在于,在将所述步态信号进行初步验证之后,还包括:
若所述初步验证失败,则拒绝所述用户的通行请求,禁止所述用户进入ATM区域。
6.根据权利要求1所述的步态识别安全验证方法,其特征在于,若通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证,包括:
依据所述3DCNNGait算法对所述步态信号进行处理,得到二位权重图;
依据所述二位权重图,通过映射获取所述步态信号对应的步态ID;
若所述步态信号对应的步态ID存在且与用户账号预存的步态ID一致,则将所述用户的ID确定为步态ID;
若所述步态信号对应的步态ID不存在或与用户账号预存的步态ID不一致,则判定为非本用户操作,所述用户身份安全验证失败。
7.根据权利要求1所述的步态识别安全验证方法,其特征在于,在获取用户通过通道走进ATM过程中的步态信号之前,还包括:
当用户想更换步态验证信号时,重新录入所述用户的步态验证信号。
8.一种步态识别安全验证系统,其特征在于,包括:
获取模块,用于获取用户通过通道走进ATM过程中的步态信号;
初步验证模块,用于将所述步态信号进行初步验证;
身份验证模块,用于通过所述初步验证,则通过基于深度神经网络模型的3DCNNGait算法对所述步态信号进行身份识别,得到用户的身份信息,完成身份安全验证。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如权利要求1-7中任一项所述的步态识别安全验证方法。
10.一种存储介质,其特征在于,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如权利要求1-7中任一项所述的步态识别安全验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883675.XA CN115249383A (zh) | 2022-07-26 | 2022-07-26 | 一种步态识别安全验证方法和系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883675.XA CN115249383A (zh) | 2022-07-26 | 2022-07-26 | 一种步态识别安全验证方法和系统、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115249383A true CN115249383A (zh) | 2022-10-28 |
Family
ID=83699227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883675.XA Pending CN115249383A (zh) | 2022-07-26 | 2022-07-26 | 一种步态识别安全验证方法和系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115249383A (zh) |
-
2022
- 2022-07-26 CN CN202210883675.XA patent/CN115249383A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elhoseny et al. | Multimodal biometric personal identification and verification | |
KR100554129B1 (ko) | 인체의 열정보를 이용한 개인인증장치와 그 방법 | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
Prakash et al. | A biometric approach for continuous user authentication by fusing hard and soft traits. | |
WO2014031983A2 (en) | Biometric authentication | |
KR20160040037A (ko) | 다중구조의 근거리 영상감지에 의한 객체 인증장치 및 방법 | |
US20220044014A1 (en) | Iris authentication device, iris authentication method and recording medium | |
KR102138660B1 (ko) | 지문 및 지정맥을 이용한 사용자 복합인증 시스템 | |
Prasanthi et al. | Palm vein biometric technology: An approach to upgrade security in ATM transactions | |
Conti et al. | Biometric authentication overview: a fingerprint recognition sensor description | |
Choras | Multimodal biometrics for person authentication | |
US20220277311A1 (en) | A transaction processing system and a transaction method based on facial recognition | |
Singh et al. | BioPay: a secure payment gateway through biometrics | |
CN115249383A (zh) | 一种步态识别安全验证方法和系统、电子设备、存储介质 | |
Vinothkanna et al. | A novel multimodal biometrics system with fingerprint and gait recognition traits using contourlet derivative weighted rank fusion | |
Gnanasivam et al. | Ear and fingerprint biometrics for personal identification | |
WO2014092665A1 (en) | Integrated user authentication system in self-service machines | |
Patil et al. | Online transaction security using face recognition | |
Boonkrong et al. | Biometric Authentication | |
Lott | Biometrics: modernising customer authentication for financial services and payments | |
Venkata Ramana et al. | Hybrid Biometric Based Person Identification Using Machine Learning | |
WO2023159350A1 (en) | Recognition system detecting facial features | |
Shrikhande et al. | Personal identification using different biometrics: A review | |
Brindhal et al. | Performance Analysis of Fused Eye Vein and Finger Vein Multimodal Biometric System | |
Yerramsetti et al. | APPLICATION OF MULTI FACTORED BIOMETRIC MEASURE FOR DATA SECURITY IN ATM. |
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 |