CN115578101A - 网点用户身份识别方法及装置 - Google Patents

网点用户身份识别方法及装置 Download PDF

Info

Publication number
CN115578101A
CN115578101A CN202211169516.XA CN202211169516A CN115578101A CN 115578101 A CN115578101 A CN 115578101A CN 202211169516 A CN202211169516 A CN 202211169516A CN 115578101 A CN115578101 A CN 115578101A
Authority
CN
China
Prior art keywords
gait
user
information
comparison result
decision value
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
CN202211169516.XA
Other languages
English (en)
Inventor
李云
刘炼
柏昊
焦兴伟
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 CN202211169516.XA priority Critical patent/CN115578101A/zh
Publication of CN115578101A publication Critical patent/CN115578101A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Ophthalmology & Optometry (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提供了一种网点用户身份识别方法及装置，涉及身份识别领域，可应用于金融领域和其他领域，所述方法包含：获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。

Description

网点用户身份识别方法及装置
技术领域
本申请涉及身份识别领域，可应用于金融领域和其他领域，尤指一种网点用户身份识别方法及装置。
背景技术
银行网点在为客户办理开户、销户、大额存取款、信用卡业务、信贷业务等服务时，需要对客户的身份信息进行识别和录入，传统模式下，网点通常采用人工目视对比+机器人脸识别的方式完成客户身份的识别，该客户身份识别方式存在以下弊端：
(1)人工目视识别存在耗时费力不准确的问题，增加了客户身份识别的难度，且因耗时降低了客户办理业务的满意度；(2)人工目视识别存在识别错误的风险，一旦客户身份识别错误，极大的增加了金融坏账的可能性；(3)技术保证上仅仅依靠人脸识别，人脸识别后，必然依赖柜员的人工对比，自动化程度不高，增加人工成本；(4)人脸识别不完全可靠，存在人脸识别错误、人脸特征伪造等风险；(5)人脸识别对环境的依赖性强，遇到环境低沉黑暗的特殊情况，人脸识别技术行不通。
为此，业内亟欲一种高效的用户身份识别方法以降低不必要的人力浪费。
发明内容
本申请目的在于提供一种网点用户身份识别方法及装置，以用户的步态信息、虹膜信息作为输入，客户身份识别结果作为输出，输出反馈给网点工作人员，实现客户身份识别的全程自动化。
为达上述目的，本申请所提供的网点用户身份识别方法，所述方法包含：获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。
在上述网点用户身份识别方法中，可选的，根据所述步态检测数据提取获得步态特征包含：根据所述步态检测数据解析获得视频时序和步态图像；根据所述视频时序将所述步态图像按序排布生成步态序列，提取所述步态序列中的特征信息生成步态特征。
在上述网点用户身份识别方法中，可选的，采集用户的生物特征信息包含：通过安设于网点的虹膜识别设备采集用户的虹膜图像，根据所述虹膜图像生成用户的生物特征信息。
在上述网点用户身份识别方法中，可选的，根据所述虹膜图像生成用户的生物特征信息包含：通过虹膜识别算法对所述虹膜图像进行虹膜定位获得标定图像数据；对所述标定图像数据进行归一化和图像增强处理获得虹膜数据；提取所述虹膜数据中的特性信息获得生物特征信息。
在上述网点用户身份识别方法中，可选的，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果包含：根据所述第一比较结果获得对应用户信息，根据所述用户信息于预设用户身份数据库中提取身份特征信息；将所述生物特征信息与所述身份特征信息比较获得第二比较结果。
在上述网点用户身份识别方法中，可选的，根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息包含：根据所述第一决策数值和所述第二决策数值通过线性加权求和获得决策分值；根据所述决策分值与预设阈值的比较结果获得用户身份信息。
在上述网点用户身份识别方法中，可选的，所述方法还包含：比较所述第一决策数值和所述第二决策数值所对应用户身份；当用户身份不一致时，通过所述第二决策数值分析获得用户身份信息。
本申请一实施例还提供一种网点用户身份识别装置，所述装置包含：步态检测模块、生物特征检测模块和处理模块；所述步态检测模块用于获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；所述生物特征检测模块用于采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；所述处理模块用于根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。
本申请还提供一种电子设备，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，所述处理器执行所述计算机程序时实现上述方法。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。
本申请的有益技术效果在于：远距离(步态)+近距离(虹膜)双重识别，识别准确度更高；双重识别应用范围更广，即使环境低沉黑暗，虹膜识别模块仍然可以正常识别客户信息；节省人工识别成功，整个客户识别过程没有人工参与，识别自动化程度更高、更高效、更智能。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，并不构成对本申请的限定。在附图中：
图1为本申请一实施例所提供的网点用户身份识别方法的流程示意图；
图2为本申请一实施例所提供的步态特征的获取流程示意图；
图3为本申请一实施例所提供的生物特征信息的获取流程示意图；
图4为本申请一实施例所提供的第二比较结果的获取流程示意图；
图5为本申请一实施例所提供的用户身份信息计算的流程示意图；
图6为本申请一实施例所提供的步态识别和虹膜识别的切换流程示意图；
图7为本申请一实施例所提供的网点用户身份识别装置的结构示意图；
图8为本申请一实施例所提供的电子设备的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本申请中的各个实施例及各实施例中的各个特征可以相互结合，所形成的技术方案均在本申请的保护范围之内。
另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
请参考图1所示，本申请所提供的网点用户身份识别方法，所述方法包含：
S101获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；
S102根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；
S103采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；
S104根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。
在实际工作中，所述步态检测数据可由安置于网点入口位置的摄像头或其他图像采集设备采集，用以进行前期的步态识别，该识别过程可参考图2所示，根据所述步态检测数据提取获得步态特征包含：
S201根据所述步态检测数据解析获得视频时序和步态图像；
S202根据所述视频时序将所述步态图像按序排布生成步态序列，提取所述步态序列中的特征信息生成步态特征。
在上述实施例中，所述步态检测数据中包含用户进入网点过程中的视频图像，因此可基于视频图像中的时序将各帧图像按序排列，其后分别识别各帧图像中的步态，通过时序将该些步态关联即可生成用户的步态序列，最后提取步态序列中相应的特征信息获得步态特征；在此过程中，步态识别可基于现有的图像识别算法，特征提取环节可采用已有的特征提取方法，本申请在此并不做进一步限定。
在本申请一实施例中，所述生物特征信息可包含人脸信息、指纹信息、虹膜信息等已知公开的生物特征识别方式；以此，采集用户的生物特征信息可包含：通过安设于网点的虹膜识别设备采集用户的虹膜图像，根据所述虹膜图像生成用户的生物特征信息。具体的，采用虹膜识别方式可进一步降低黑暗环境下生物特征采集的误差，同时这种非接触式采集，也可有效增加使用卫生和安全。
请参考图3所示，在本申请一实施例中，根据所述虹膜图像生成用户的生物特征信息包含：
S301通过虹膜识别算法对所述虹膜图像进行虹膜定位获得标定图像数据；
S302对所述标定图像数据进行归一化和图像增强处理获得虹膜数据；
S303提取所述虹膜数据中的特性信息获得生物特征信息。
在实际工作中，所述虹膜数据的提取可采用现有的虹膜识别算法，进行虹膜定位、虹膜图像归一化、图像增强、特征提取等操作，该过程可根据实际需要由本领域相关技术人员选择使用，本申请在此并不做进一步限定。
请参考图4所示，在本申请一实施例中，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果包含：
S401根据所述第一比较结果获得对应用户信息，根据所述用户信息于预设用户身份数据库中提取身份特征信息；
S402将所述生物特征信息与所述身份特征信息比较获得第二比较结果。
在实际工作中，所述步态特征筛选的用户身份信息可作为初步筛选信息，基于该筛选结果快速获取对应的用户的身份便于后续的生物特征信息比对；以此，利用双重识别来保证自动化识别的同时，提高识别精度，降低人工识别成本。
请参考图5所示，在本申请一实施例中，根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息包含：
S501根据所述第一决策数值和所述第二决策数值通过线性加权求和获得决策分值；
S502根据所述决策分值与预设阈值的比较结果获得用户身份信息。
具体的，在实际工作中，根据第一决策数值可确认该步态特征大概率是某个用户，其后配合第二决策数值予以证实，从而提高用户识别的精度，例如：当第一决策数值表明A用户有百分之60的机率，B用户有百分之30的机率，C用户有百分之10的机率；而第二决策数值中表明A用户有百分之80的机率，B用户有百分之15的机率，C用户有百分之5的机率；且第一决策数值和第二决策数值的权重分别为0.4和0.6，那么结果显而易见，A用户的决策分值则为0.24+0.48＝0.72，且预设阈值为0.6，此时则表明识别的用户身份信息为A用户；当然，实际工作中权重的数值设置上可由本领域相关技术人员根据实际需要选择设定，本申请在此并不做进一步限定。
请参考图6所示，在本申请一实施例中，所述方法还可包含：
S601比较所述第一决策数值和所述第二决策数值所对应用户身份；
S602当用户身份不一致时，通过所述第二决策数值分析获得用户身份信息。
具体的，在实际工作中，因步态识别和虹膜识别采用了不同的特征和不同的算法，当虹膜识别不采用步态识别的结果作为分析依据的话，则可能存在两者分析结果不一致的情况，此时如直接进行加权求和的话，会存在多结果的情况，因此，在本申请上述实施例中，当步态识别和虹膜识别分别独立计算时，选择采用虹膜识别作为最终标准，即当第一决策数值判断出来的用户是A、B、C；第二决策数值判断出来的是D、E、F，则采用D、E、F进行分析用户的身份；实际工作中，本领域相关技术人员也可根据实际需要选择对应的标准，本申请在此并不做进一步限定。
为便于更清楚的理解本申请所提供的上述实施例的实际应用方式，以下以银行网点为例，对上述实施例做结合说明，本领域相关技术人员当可知，该说明并不对其做任何限定。
本申请可仅对需要在银行完成柜台业务的客户进行识别，比如客户办理开户、销户、大额存款等业务场景时。
客户步入网点，通过装置步态识别模块的远程捕捉摄像头提取用户的第一步态特征，对检测与跟踪获得步态的视频序列，经过预处理分析提取该人的步态特征作为用户的第一步态特征，将用户第一步态特征与本地用户步态数据库进行拟合，对客户完成步态身份识别，并且通过决策引擎层计算出第一决策分数X1。
客户到柜台办理业务，通过装置虹膜识别模块的近距离摄像头对客户的虹膜图像进行采集，并将拍摄到的图像传输给决策引擎，决策引擎对图像进行处理识别，完成虹膜定位、虹膜图像归一化、图像增强、特征提取等操作，并将上述特征提取得到的特征编码与本地客户数据库中的虹膜图像特征编码逐一匹配，通过决策引擎层计算出第二决策分数X2。
在决策引擎层，对第一决策分数X1和第二决策分数X2进行线性加权，其中X1权重为P1，X2权重为P2，则当前客户的最终决策分数为X＝P1*X1+P2*X2。
根据最终决策分数，对当前客户的信息进行判断。取决策分数最高者且大于决策阈值的分数作为最终解决，在装置的输出端给出客户的准确身份，并将客户身份输送给柜台装备，完成客户的信息识别。
请参考图7所示，在本申请一实施例中还提供一种网点用户身份识别装置，所述装置包含：步态检测模块、生物特征检测模块和处理模块；所述步态检测模块用于获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；所述生物特征检测模块用于采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；所述处理模块用于根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。各模块的具体实现方式已在前述实施例中详细说明，在此就不再一一举例，其中所述步态检测模块和所述生物特征检测模块可根据实际需要选择是否连接，例如：步态检测模块的检测结果还用于生物特征检测模块的前期筛选，则需两者相连，如两个各自独立，则可不连接。
本申请的有益技术效果在于：远距离(步态)+近距离(虹膜)双重识别，识别准确度更高；双重识别应用范围更广，即使环境低沉黑暗，虹膜识别模块仍然可以正常识别客户信息；节省人工识别成功，整个客户识别过程没有人工参与，识别自动化程度更高、更高效、更智能。
本申请还提供一种电子设备，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，所述处理器执行所述计算机程序时实现上述方法。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。
如图8所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图8中所示的所有部件；此外，电子设备600还可以包括图8中没有示出的部件，可以参考现有技术。
如图8所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种网点用户身份识别方法，其特征在于，所述方法包含：
获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；
根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；
采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；
根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。
2.根据权利要求1所述的网点用户身份识别方法，其特征在于，根据所述步态检测数据提取获得步态特征包含：
根据所述步态检测数据解析获得视频时序和步态图像；
根据所述视频时序将所述步态图像按序排布生成步态序列，提取所述步态序列中的特征信息生成步态特征。
3.根据权利要求1所述的网点用户身份识别方法，其特征在于，采集用户的生物特征信息包含：
通过安设于网点的虹膜识别设备采集用户的虹膜图像，根据所述虹膜图像生成用户的生物特征信息。
4.根据权利要求3所述的网点用户身份识别方法，其特征在于，根据所述虹膜图像生成用户的生物特征信息包含：
通过虹膜识别算法对所述虹膜图像进行虹膜定位获得标定图像数据；
对所述标定图像数据进行归一化和图像增强处理获得虹膜数据；
提取所述虹膜数据中的特性信息获得生物特征信息。
5.根据权利要求3所述的网点用户身份识别方法，其特征在于，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果包含：
根据所述第一比较结果获得对应用户信息，根据所述用户信息于预设用户身份数据库中提取身份特征信息；
将所述生物特征信息与所述身份特征信息比较获得第二比较结果。
6.根据权利要求5所述的网点用户身份识别方法，其特征在于，根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息包含：
根据所述第一决策数值和所述第二决策数值通过线性加权求和获得决策分值；
根据所述决策分值与预设阈值的比较结果获得用户身份信息。
7.根据权利要求1所述的网点用户身份识别方法，其特征在于，所述方法还包含：
比较所述第一决策数值和所述第二决策数值所对应用户身份；
当用户身份不一致时，通过所述第二决策数值分析获得用户身份信息。
8.一种网点用户身份识别装置，其特征在于，所述装置包含：步态检测模块、生物特征检测模块和处理模块；
所述步态检测模块用于获取用户的步态检测数据，根据所述步态检测数据提取获得步态特征；根据所述步态特征与预设用户步态数据库中步态数据比较获得第一比较结果，根据所述第一比较结果通过决策引擎计算获得第一决策数值；
所述生物特征检测模块用于采集用户的生物特征信息，将所述生物特征信息与预设用户身份数据库中特征信息比较获得第二比较结果，根据所述第二比较结果通过决策引擎计算获得第二决策数值；
所述处理模块用于根据所述第一决策数值和所述第二决策数值加权分析获得用户身份信息，根据所述用户身份信息完成网点用户身份识别。
9.一种电子设备，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计算机程序时实现权利要求1至7任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有由计算机执行权利要求1至7任一所述方法的计算机程序。
11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一所述方法的步骤。
CN202211169516.XA 2022-09-22 2022-09-22 网点用户身份识别方法及装置 Pending CN115578101A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211169516.XA CN115578101A (zh) 2022-09-22 2022-09-22 网点用户身份识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211169516.XA CN115578101A (zh) 2022-09-22 2022-09-22 网点用户身份识别方法及装置

Publications (1)

Publication Number Publication Date
CN115578101A true CN115578101A (zh) 2023-01-06

Family

ID=84580236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211169516.XA Pending CN115578101A (zh) 2022-09-22 2022-09-22 网点用户身份识别方法及装置

Country Status (1)

Country Link
CN (1) CN115578101A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115985482A (zh) * 2023-03-16 2023-04-18 武汉光盾科技有限公司 一种基于激光治疗仪的数据处理方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115985482A (zh) * 2023-03-16 2023-04-18 武汉光盾科技有限公司 一种基于激光治疗仪的数据处理方法和装置

Similar Documents

Publication Publication Date Title
CN109165940B (zh) 一种防盗方法、装置及电子设备
CN109409220A (zh) 基于人脸识别的业务引导方法、装置及存储介质
CN111444952B (zh) 样本识别模型的生成方法、装置、计算机设备和存储介质
CN110443110B (zh) 基于多路摄像的人脸识别方法、装置、终端及存储介质
CN110782335B (zh) 基于人工智能处理信贷数据的方法、装置及存储介质
CN111739539B (zh) 确定说话人数量的方法、装置及存储介质
CN111626371A (zh) 一种图像分类方法、装置、设备及可读存储介质
CN112036890A (zh) 客户身份认证方法及装置
CN112426724A (zh) 游戏用户的匹配方法、装置、电子设备及存储介质
CN115578101A (zh) 网点用户身份识别方法及装置
CN112509586A (zh) 电话信道声纹识别方法及装置
CN113269307B (zh) 神经网络训练方法以及目标重识别方法
CN114066620A (zh) 基于客户画像的客户信息处理方法及装置
CN113793174A (zh) 数据关联方法、装置、计算机设备和存储介质
CN113516167A (zh) 生物特征识别方法及装置
CN116756576B (zh) 数据处理方法、模型训练方法、电子设备及存储介质
CN111931852B (zh) 目标物的定价方法及装置
CN116167454A (zh) 智能化的二分类模型训练方法及装置
CN113206998B (zh) 一种业务录制的视频数据质检方法及装置
CN112766864A (zh) 出入库审核方法及装置
CN113705366A (zh) 人员管理系统身份识别方法、装置及终端设备
CN114822558A (zh) 声纹识别方法、装置、电子设备及存储介质
CN110930155B (zh) 风险管控方法、装置、计算机装置及存储介质
CN113626526A (zh) 一种基于区块链的跨银行非法资金转移监控方法及节点
CN113627631A (zh) 酒店智能管理方法、系统、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination