CN116110159B - 基于cfca认证标准的用户认证方法、设备和介质 - Google Patents

基于cfca认证标准的用户认证方法、设备和介质 Download PDF

Info

Publication number
CN116110159B
CN116110159B CN202310390808.4A CN202310390808A CN116110159B CN 116110159 B CN116110159 B CN 116110159B CN 202310390808 A CN202310390808 A CN 202310390808A CN 116110159 B CN116110159 B CN 116110159B
Authority
CN
China
Prior art keywords
face image
user
fingerprint
palm print
information
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
Application number
CN202310390808.4A
Other languages
English (en)
Other versions
CN116110159A (zh
Inventor
姜在国
左亚涛
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.)
Xinxing Jihua Group Finance Co ltd
Original Assignee
Xinxing Jihua Group Finance Co ltd
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 Xinxing Jihua Group Finance Co ltd filed Critical Xinxing Jihua Group Finance Co ltd
Priority to CN202310390808.4A priority Critical patent/CN116110159B/zh
Publication of CN116110159A publication Critical patent/CN116110159A/zh
Application granted granted Critical
Publication of CN116110159B publication Critical patent/CN116110159B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本公开的实施例公开了基于CFCA认证标准的用户认证方法、设备和介质。该方法的一具体实施方式包括：响应于接收到目标加密用户认证信息，根据认证端解密密钥，对目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息，其中，目标解密用户认证信息包括用户标识；根据用户标识，对目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组；对用户标识与人脸特征组、掌纹提取特征组、指纹提取特征组进行绑定认证处理。该实施方式可以通过多种方式对用户进行认证。

Description

基于CFCA认证标准的用户认证方法、设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及基于CFCA认证标准的用户认证方法、设备和介质。
背景技术
CFCA是经中国人民银行和国家信息安全管理机构批准成立的国家级权威的安全认证机构，是重要的国家金融信息安全基础设施之一，也是《中华人民共和国电子签名法》颁布后,国内首批获得电子认证服务许可的CA之一，目前已在金融业中广泛应用，如银行或证券机构等。而随着科技的不断进步，社区管理也越来越趋于规范化、智能化，而此类技术目前用户管理行业中并不多见，或是部分极为高端的佳宅区内虽然可实现对不同人员进行分权限管理，但其系统为均用户管理方自行构建，系统安全性得不到保证，因此有必要对智能化用户管理系统及方法做进一步的改进。
目前，对于用户的认证方式，通常采用的是：由用户带着身份证明文件去处进行门禁的认证，采集用户的人脸信息进行认证，认证完成之后，发放门禁卡。
然而，采用上述方式，通常会存在以下技术问题：
第一，认证方式较为单一，当门禁卡未携带或用户的人脸难以识别时，难以快速开启门禁；
第二，当用户人脸识别时，需要全方位比对人脸特征，导致人脸识别效率较低，识别时间较长；
第三，往往采用的是开源的人脸识别模型进行人脸认证，但开源的人脸识别模型通常识别角度较为单一，当人脸图像不全时，识别的准确率不高，识别时间较长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于CFCA认证标准的用户认证方法、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种基于CFCA认证标准的用户认证方法，该方法包括：服务端响应于接收到用户认证请求，采集上述用户认证请求对应的用户信息，其中，上述用户信息包括用户标识、对应上述用户标识的人脸图像、掌纹信息与指纹信息；上述服务端对上述用户信息进行特征提取处理，以生成用户特征信息，以及将上述用户标识与上述用户特征信息进行组合，得到用户认证信息；上述服务端根据上述用户标识，对上述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将上述用户标识与上述第一加密用户认证信息进行组合，得到第一组合用户认证信息；上述服务端根据预设的服务端密钥，对上述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将上述目标加密用户认证信息发送至相关联的认证服务端；上述认证服务端响应于接收到上述目标加密用户认证信息，根据设定的认证端解密密钥，对上述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息，其中，上述目标解密用户认证信息包括用户标识；上述认证服务端根据上述用户标识，对上述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组；上述认证服务端对上述用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定认证处理。
第二方面，本公开的一些实施例提供了一种电子设备，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，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第三方面，本公开的一些实施例提供了一种计算机可读介质，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上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用户认证方法，可以从多个角度对用户进行认证，以便于用户快速开启门禁。具体来说，难以快速开启门禁的原因在于：认证方式较为单一，当门禁卡未携带或业主用户的人脸难以识别时，难以快速开启门禁。基于此，本公开的一些实施例的基于CFCA认证标准的用户认证方法，首先，服务端响应于接收到用户认证请求，采集上述用户认证请求对应的用户信息。其中，上述用户信息包括用户标识、对应上述用户标识的人脸图像、掌纹信息与指纹信息。由此，可以从人脸图像、掌纹、指纹等三个角度对用户进行认证。其次，上述服务端对上述用户信息进行特征提取处理，以生成用户特征信息，以及将上述用户标识与上述用户特征信息进行组合，得到用户认证信息。由此，便于将识别的特征与用户进行绑定。接着，上述服务端根据上述用户标识，对上述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将上述用户标识与上述第一加密用户认证信息进行组合，得到第一组合用户认证信息。再其次，上述服务端根据预设的服务端密钥，对上述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将上述目标加密用户认证信息发送至相关联的认证服务端。由此，可以加强用户信息的保密性。之后，上述认证服务端响应于接收到上述目标加密用户认证信息，根据设定的认证端解密密钥，对上述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息。其中，上述目标解密用户认证信息包括用户标识。然后，上述认证服务端根据上述用户标识，对上述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组。由此，可以将用户的不同的特征进行分类，以便于从多个角度对用户进行识别认证。最后，上述认证服务端对上述用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定认证处理。由此，完成了对用户的认证绑定。从而，可以通过多种方式对用户进行认证。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的基于CFCA认证标准的用户认证方法的一些实施例的流程图；
图2是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的基于CFCA认证标准的用户认证方法的一些实施例的流程图。示出了根据本公开的用户认证方法的一些实施例的流程100。该基于CFCA认证标准的用户认证方法，包括以下步骤：
步骤101，服务端响应于接收到用户认证请求，采集上述用户认证请求对应的用户信息。
在一些实施例中，服务端可以响应于接收到用户认证请求，采集上述用户认证请求对应的用户信息。其中，上述用户信息包括用户标识、对应上述用户标识的人脸图像、掌纹信息与指纹信息。服务端可以是指小区控制的服务器。用户认证请求可以是进行用户认证的请求指令。用户标识可以唯一表示一用户。用户标识可以是用户输入的标识。
实践中，服务端可以通过摄像装置采集用户的人脸图像，通过掌纹采集装置与指纹采集装置采集用户的掌纹信息与指纹信息。
步骤102，上述服务端对上述用户信息进行特征提取处理，以生成用户特征信息，以及将上述用户标识与上述用户特征信息进行组合，得到用户认证信息。
在一些实施例中，上述服务端可以对上述用户信息进行特征提取处理，以生成用户特征信息，以及将上述用户标识与上述用户特征信息进行组合，得到用户认证信息。实践中，上述执行主体可以通过BP(Back Propagation)神经网络分别对人脸图像、掌纹信息与指纹信息进行特征提取，得到人脸图像特征、掌纹特征与指纹特征。以及将提取的人脸图像特征、掌纹特征与指纹特征合并为用户特征信息。组合可以是指拼接。
实践中，上述服务端将上述用户信息包括的人脸图像、掌纹信息与指纹信息输入至预先训练的用户特征提取模型中，得到用户特征信息。其中，上述用户特征信息包括人脸图像特征、掌纹特征、指纹特征。即，预先训练的用户特征提取模型可以是指预先训练的以人脸图像、掌纹信息与指纹信息为输入，以人脸图像特征、掌纹特征、指纹特征为输出的神经网络模型。例如，用户特征提取模型可以是卷积神经网络模型。
步骤103，上述服务端根据上述用户标识，对上述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将上述用户标识与上述第一加密用户认证信息进行组合，得到第一组合用户认证信息。
在一些实施例中，上述服务端可以根据上述用户标识，对上述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将上述用户标识与上述第一加密用户认证信息进行组合，得到第一组合用户认证信息。实践中，上述执行主体可以对用户标识进行编码处理，得到编码用户标识。之后，再对编码用户标识进制转换为标识数值。然后，可以将标识数值作为加密密钥，对用户认证信息进行对称加密处理，以生成第一加密用户认证信息。
步骤104，上述服务端根据预设的服务端密钥，对上述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将上述目标加密用户认证信息发送至相关联的认证服务端。
在一些实施例中，上述服务端可以根据预设的服务端密钥，对上述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将上述目标加密用户认证信息发送至相关联的认证服务端。这里，服务端密钥可以是指服务端与认证服务端相互约定的公私钥中的公钥。即，上述服务端可以根据预设的服务端密钥，对上述第一组合用户认证信息进行对称加密，以生成目标加密用户认证信息。认证服务端可以是与服务端通信连接的，用于认证识别用户的服务器。
步骤105，上述认证服务端响应于接收到上述目标加密用户认证信息，根据设定的认证端解密密钥，对上述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息。
在一些实施例中，上述认证服务端可以响应于接收到上述目标加密用户认证信息，根据设定的认证端解密密钥，对上述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息。认证端解密密钥可以是指服务端与认证服务端相互约定的公私钥中的私钥。其中，上述目标解密用户认证信息包括用户标识。
步骤106，上述认证服务端根据上述用户标识，对上述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组。
在一些实施例中，上述认证服务端可以根据上述用户标识，对上述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组。上述人脸图像特征包括人脸图像特征点集，掌纹特征包括掌纹特征点集，指纹特征包括指纹特征点集。
实践中，认证服务端可以通过以下步骤对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组：
第一步，对于上述人脸图像特征点集中的每个人脸图像特征点，执行如下处理步骤：
第一子步骤，确定上述人脸图像特征点是否在第一人脸图像特征区域内。这里，第一人脸图像特征区域可以是预先划分的包含眼睛的人脸上半部区域。例如，第一人脸图像特征区域可以是人脸下眼线以上的区域。
第二子步骤，响应于确定上述人脸图像特征点在第一人脸图像特征区域内，将上述人脸图像特征点确定为第一人脸图像特征点。
第三子步骤，响应于确定上述人脸图像特征点未在第一人脸图像特征区域内，确定上述人脸图像特征点是否在第二人脸图像特征区域内。第二人脸图像特征区域可以是预先划分的包含鼻子的人脸中部区域。例如，第二人脸图像特征区域可以是人脸下眼线以下、鼻尖以上的人脸区域。
第四子步骤，响应于确定上述人脸图像特征点在第二人脸图像特征区域内，将上述人脸图像特征点确定为第二人脸图像特征点。
第五子步骤，响应于确定上述人脸图像特征点未在第二人脸图像特征区域内，确定上述人脸图像特征点是否在第三人脸图像特征区域内。第三人脸图像特征区域可以是预先划分的包含嘴巴的人脸下部区域。例如，第三人脸图像特征区域可以是鼻尖以下的人脸区域。
第六子步骤，响应于确定上述人脸图像特征点在第三人脸图像特征区域内，将上述人脸图像特征点确定为第三人脸图像特征点。
上述相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“识别时间较长。”。识别时间较长的因素往往如下：当用户人脸识别时，需要全方位比对人脸特征，导致人脸识别效率较低。如果解决了上述因素，就能达到缩短识别时间的效果。为了达到这一效果，对于上述人脸图像特征点集中的每个人脸图像特征点，执行如下处理步骤：首先，确定上述人脸图像特征点是否在第一人脸图像特征区域内；响应于确定上述人脸图像特征点在第一人脸图像特征区域内，将上述人脸图像特征点确定为第一人脸图像特征点。由此，可以对人脸特征进行划分。然后，响应于确定上述人脸图像特征点未在第一人脸图像特征区域内，确定上述人脸图像特征点是否在第二人脸图像特征区域内；响应于确定上述人脸图像特征点在第二人脸图像特征区域内，将上述人脸图像特征点确定为第二人脸图像特征点。最后，响应于确定上述人脸图像特征点未在第二人脸图像特征区域内，确定上述人脸图像特征点是否在第三人脸图像特征区域内；响应于确定上述人脸图像特征点在第三人脸图像特征区域内，将上述人脸图像特征点确定为第三人脸图像特征点。由此，可以对人脸特征进行不同区域的划分，从而，可以根据不同区域的人脸特征进行识别认证。从而，无须全方位比对人脸特征，缩短了识别时间。
第二步，根据所确定的各个第一人脸图像特征点、第二人脸图像特征点与第三人脸图像特征点，构建人脸特征组。首先，将各个第一人脸图像特征点确定为第一人脸图像特征。将各个第二人脸图像特征点确定为第二人脸图像特征。将各个第三人脸图像特征点确定为第三人脸图像特征。然后，可以将第一人脸图像特征、第二人脸图像特征与第三人脸图像特征合并为人脸特征组。
第三步，对于上述掌纹特征点集中的每个掌纹特征点，执行如下处理步骤：
第一子步骤，确定上述掌纹特征点是否在第一掌纹特征区域内。这里，第一掌纹特征区域可以是指预先划分的手掌区域。
第二子步骤，响应于确定上述掌纹特征点在第一掌纹特征区域内，将上述掌纹特征点确定为第一掌纹特征点。
第三子步骤，响应于确定上述掌纹特征点未在第一掌纹特征区域内，确定上述掌纹特征点是否在第二掌纹特征区域内。
第四子步骤，响应于确定上述掌纹特征点在第二掌纹特征区域内，将上述掌纹特征点确定为第二掌纹特征点。
第五子步骤，响应于确定上述掌纹特征点未在第二掌纹特征区域内，确定上述掌纹特征点是否在第三掌纹特征区域内。
第六子步骤，响应于确定上述掌纹特征点在第三掌纹特征区域内，将上述掌纹特征点确定为第三掌纹特征点。
需要说明的是，第一掌纹特征区域、第二掌纹特征区域与第三掌纹特征区域不重合，且第一掌纹特征区域、第二掌纹特征区域与第三掌纹特征区域共同构成完整的手掌掌纹特征区域。
第四步，根据所确定的各个第一掌纹特征点、第二掌纹特征点与第三掌纹特征点，构建掌纹提取特征组。首先，将各个第一掌纹特征点确定为第一掌纹特征。将各个第二掌纹特征点确定为第二掌纹特征。将各个第三掌纹特征点确定为第三掌纹特征。然后，可以将第一掌纹特征、第二掌纹特征与第三掌纹特征合并为掌纹提取特征组。
第五步，对于上述指纹特征点集中的每个指纹特征点，执行如下处理步骤：
第一子步骤，确定上述指纹特征点是否在第一指纹特征区域内。这里，第一指纹特征区域可以是指预先划分的指纹区域。
第二子步骤，响应于确定上述指纹特征点在第一指纹特征区域内，将上述指纹特征点确定为第一指纹特征点。
第三子步骤，响应于确定上述指纹特征点未在第一指纹特征区域内，确定上述指纹特征点是否在第二指纹特征区域内。
第四子步骤，响应于确定上述指纹特征点在第二指纹特征区域内，将上述指纹特征点确定为第二指纹特征点。
第五子步骤，响应于确定上述指纹特征点未在第二指纹特征区域内，确定上述指纹特征点是否在第三指纹特征区域内。
第六子步骤，响应于确定上述指纹特征点在第三指纹特征区域内，将上述指纹特征点确定为第三指纹特征点。
需要说明的是，第一指纹特征区域、第二指纹特征区域与第三指纹特征区域不重合，且第一指纹特征区域、第二指纹特征区域与第三指纹特征区域共同构成完整的指纹特征区域。
第六步，根据所确定的各个第一指纹特征点、第二指纹特征点与第三指纹特征点，构建指纹提取特征组。首先，将各个第一指纹特征点确定为第一指纹特征。将各个第二指纹特征点确定为第二指纹特征。将各个第三指纹特征点确定为第三指纹特征。然后，可以将第一指纹特征、第二指纹特征与第三指纹特征合并为指纹提取特征组。
步骤107，上述认证服务端对上述用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定认证处理。
在一些实施例中，上述认证服务端可以对上述用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定认证处理。即，可以将用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定。之后，可以将绑定完成的用户特征存储在本地数据库中，用以后续的用户识别。
可选地，上述服务端响应于检测到目标用户的通行认证操作，采集上述目标用户的目标用户信息，以及将上述目标用户信息发送至上述认证服务端。
在一些实施例中，上述服务端可以响应于检测到目标用户的通行认证操作，采集上述目标用户的目标用户信息，以及将上述目标用户信息发送至上述认证服务端。其中，上述目标用户信息包括目标人脸图像、目标掌纹信息与目标指纹信息。通行认证操作可以是指通过门禁的身份验证操作。
可选地，上述认证服务端响应于接收到上述目标用户信息，将上述目标用户信息输入至预先训练的用户身份识别模型中，得到用户身份识别结果，以及将上述用户身份识别结果发送至上述服务端中。
在一些实施例中，上述认证服务端可以响应于接收到上述目标用户信息，将上述目标用户信息输入至预先训练的用户身份识别模型中，得到用户身份识别结果，以及将上述用户身份识别结果发送至上述服务端中。用户身份识别模型可以是预先训练的以目标用户信息为输入，以用户身份识别结果为输出的神经网络模型。用户身份识别结果可以表征身份认证通过或身份认证不通过。
可选地，上述服务端响应于接收到用户身份识别结果，确定上述用户身份识别结果是否表征认证通过，以及响应于确定上述用户身份识别结果表征认证通过，开启相关联的通行门。
在一些实施例中，上述服务端可以响应于接收到用户身份识别结果，确定上述用户身份识别结果是否表征认证通过，以及响应于确定上述用户身份识别结果表征认证通过，开启相关联的通行门。即，通行门可以是指与服务端通信连接的电动门。
可选地，上述预先训练的用户身份识别模型是通过以下步骤训练生成的：
第一步，确定初始用户身份识别模型。其中，上述初始用户身份识别模型包括：初始人脸图像识别模型、初始掌纹识别模型与初始指纹识别模型，上述初始人脸图像识别模型包括第一人脸图像识别网络、第二人脸图像识别网络与第三人脸识别网络，上述初始掌纹识别模型包括第一掌纹识别网络、第二掌纹识别网络与第三掌纹识别网络，上述初始指纹识别模型包括第一指纹识别网络、第二指纹识别网络与第三指纹识别网络。即，确定初始的神经网络模型作为初始用户身份识别模型。初始人脸图像识别模型、初始掌纹识别模型与初始指纹识别模型均可以是未经训练的神经网络模型。
第二步，获取对应上述人脸图像识别模型的第一人脸图像样本组、第二人脸图像样本组与第三人脸图像样本组。这里，第一人脸图像样本组对应第一人脸图像特征区域。第二人脸图像样本组对应第二人脸图像特征区域。第三人脸图像样本组对应第三人脸图像特征区域。
第三步，获取对应上述掌纹识别模型的第一掌纹图像样本组、第二掌纹图像样本组与第三掌纹图像样本组。这里，第一掌纹图像样本组对应第一掌纹图像特征区域。第二掌纹图像样本组对应第二掌纹图像特征区域。第三掌纹图像样本组对应第三掌纹图像特征区域。
第四步，获取对应上述指纹识别模型的第一指纹图像样本组、第二指纹图像样本组与第三指纹图像样本组。这里，第一指纹图像样本组对应第一指纹图像特征区域。第二指纹图像样本组对应第二指纹图像特征区域。第三指纹图像样本组对应第三指纹图像特征区域。
第五步，根据上述第一人脸图像样本组、上述第二人脸图像样本组与上述第三人脸图像样本组，对上述初始人脸图像识别模型进行训练，得到训练完成的人脸图像识别模型。
实践中，上述第五步，可以包括以下子步骤：
第一子步骤，将上述第一人脸图像样本组传输至预设的第一服务器中，以及在上述第一服务器中部署上述第一人脸图像识别网络。其中，上述第一服务器上述设定了第一处理器节点组。
第二子步骤，对上述第一人脸图像识别网络对应的网络参数集进行拆分处理，以生成第一网络参数组集。其中，上述第一网络参数组集包括的第一网络参数组的数量与上述第一处理器节点组中的第一处理器节点的数量相同。即，可以将网络参数集均匀拆分为第一网络参数组集。第一处理器节点可以是指处理器。
第三子步骤，将上述第一网络参数组集中的各个第一网络参数组分配至对应的第一处理器节点中，以及控制上述第一服务器对上述第一人脸图像识别网络进行训练，得到训练后的第一人脸图像识别网络。
第四子步骤，将上述第二人脸图像样本组传输至预设的第二服务器中，以及在上述第二服务器中部署上述第二人脸图像识别网络。其中，上述第二服务器上述设定了第二处理器节点组。
第五子步骤，对上述第二人脸图像识别网络对应的网络参数集进行拆分处理，以生成第二网络参数组集。其中，上述第二网络参数组集包括的第二网络参数组的数量与上述第二处理器节点组中的第二处理器节点的数量相同。
第六子步骤，将上述第二网络参数组集中的各个第二网络参数组分配至对应的二处理器节点中，以及控制上述第二服务器对上述第二人脸图像识别网络进行训练，得到训练后的第二人脸图像识别网络。
第七子步骤，将上述第三人脸图像样本组传输至预设的第三服务器中，以及在上述第三服务器中部署上述第三人脸图像识别网络。其中，上述第三服务器上述设定了第三处理器节点组。
第八子步骤，对上述第三人脸图像识别网络对应的网络参数集进行拆分处理，以生成第三网络参数组集。其中，上述第三网络参数组集包括的第三网络参数组的数量与上述第三处理器节点组中的第三处理器节点的数量相同。
第九子步骤，将上述第三网络参数组集中的各个第三网络参数组分配至对应的三处理器节点中，以及控制上述第三服务器对上述第三人脸图像识别网络进行训练，得到训练后的第三人脸图像识别网络。
第十子步骤，将训练后的第一人脸图像识别网络、第二人脸图像识别网络与第三人脸识别网络组合为人脸图像识别模型。
需要说明的是，训练方式可以参见深度神经网络的训练方式。
第六步，根据上述第一掌纹图像样本组、上述第二掌纹图像样本组与上述第三掌纹图像样本组，对上述初始掌纹识别模型进行训练，得到训练完成的掌纹识别模型。这里，对上述初始掌纹识别模型进行训练的方式，可以具体参见对上述初始人脸图像识别模型进行训练的方式，在此不再赘述。
第七步，根据上述第一指纹图像样本组、上述第二指纹图像样本组与上述第三指纹图像样本组，对上述初始指纹识别模型进行训练，得到训练完成的指纹识别模型。这里，对上述初始指纹识别模型进行训练的方式，可以具体参见对上述初始人脸图像识别模型进行训练的方式，在此不再赘述。
第八步，将训练完成的人脸图像识别模型、掌纹识别模型与指纹识别模型组合为用户身份识别模型。
上述相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题三“识别时间较长。”。识别时间较长的因素往往如下：往往采用的是开源的人脸识别模型进行人脸认证，但开源的人脸识别模型通常识别角度较为单一，当人脸图像不全时，识别的准确率不高。如果解决了上述因素，就能达到缩短识别时间的效果。为了达到这一效果，首先，确定初始用户身份识别模型。其中，上述初始用户身份识别模型包括：初始人脸图像识别模型、初始掌纹识别模型与初始指纹识别模型，上述初始人脸图像识别模型包括第一人脸图像识别网络、第二人脸图像识别网络与第三人脸识别网络，上述初始掌纹识别模型包括第一掌纹识别网络、第二掌纹识别网络与第三掌纹识别网络，上述初始指纹识别模型包括第一指纹识别网络、第二指纹识别网络与第三指纹识别网络。由此，可以对人脸进行分类识别。从而，避免识别角度较为单一。其次，获取对应上述人脸图像识别模型的第一人脸图像样本组、第二人脸图像样本组与第三人脸图像样本组；获取对应上述掌纹识别模型的第一掌纹图像样本组、第二掌纹图像样本组与第三掌纹图像样本组；获取对应上述指纹识别模型的第一指纹图像样本组、第二指纹图像样本组与第三指纹图像样本组。由此，为从多角度识别人脸，提供了数据支持。接着，根据上述第一人脸图像样本组、上述第二人脸图像样本组与上述第三人脸图像样本组，对上述初始人脸图像识别模型进行训练，得到训练完成的人脸图像识别模型。由此，可以通过多个角度训练人脸图像识别模型，以提升人脸识别模型识别的准确率。然后，根据上述第一掌纹图像样本组、上述第二掌纹图像样本组与上述第三掌纹图像样本组，对上述初始掌纹识别模型进行训练，得到训练完成的掌纹识别模型；根据上述第一指纹图像样本组、上述第二指纹图像样本组与上述第三指纹图像样本组，对上述初始指纹识别模型进行训练，得到训练完成的指纹识别模型。最后，将训练完成的人脸图像识别模型、掌纹识别模型与指纹识别模型组合为用户身份识别模型。由此，可以使得用户身份识别模型通过多个角度、多种方式进行用户身份识别。从而，加快了识别效率，缩短了识别时间。
下面参考图2，其示出了适于用来实现本公开的一些实施例的电子设备（例如，服务端和/或认证服务端）200的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图2示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图2所示，电子设备200可以包括处理装置（例如中央处理器、图形处理器等）201，其可以根据存储在只读存储器（ROM）202中的程序或者从存储装置208加载到随机访问存储器（RAM）203中的程序而执行各种适当的动作和处理。在RAM203中，还存储有电子设备200操作所需的各种程序和数据。处理装置201、ROM202以及RAM 203通过总线204彼此相连。输入/输出（I/O）接口205也连接至总线204。
通常，以下装置可以连接至I/O接口205：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置206；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置207；包括例如磁带、硬盘等的存储装置208；以及通信装置209。通信装置209可以允许电子设备200与其他设备进行无线或有线通信以交换数据。虽然图2示出了具有各种装置的电子设备200，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图2中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，其包括承载在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。在这样的一些实施例中，该计算机程序可以通过通信装置209从网络上被下载和安装，或者从存储装置208被安装，或者从ROM202被安装。在该计算机程序被处理装置201执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
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。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：服务端响应于接收到用户认证请求，采集上述用户认证请求对应的用户信息，其中，上述用户信息包括用户标识、对应上述用户标识的人脸图像、掌纹信息与指纹信息；上述服务端对上述用户信息进行特征提取处理，以生成用户特征信息，以及将上述用户标识与上述用户特征信息进行组合，得到用户认证信息；上述服务端根据上述用户标识，对上述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将上述用户标识与上述第一加密用户认证信息进行组合，得到第一组合用户认证信息；上述服务端根据预设的服务端密钥，对上述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将上述目标加密用户认证信息发送至相关联的认证服务端；上述认证服务端响应于接收到上述目标加密用户认证信息，根据设定的认证端解密密钥，对上述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息，其中，上述目标解密用户认证信息包括用户标识；上述认证服务端根据上述用户标识，对上述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对上述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组；上述认证服务端对上述用户标识与上述人脸特征组、上述掌纹提取特征组、上述指纹提取特征组进行绑定认证处理。
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公开的一些实施例的操作的计算机程序代码，上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服务器上执行。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）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的（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。

Claims (6)

1.一种基于CFCA认证标准的用户认证方法，包括：
服务端响应于接收到用户认证请求，采集所述用户认证请求对应的用户信息，其中，所述用户信息包括用户标识、对应所述用户标识的人脸图像、掌纹信息与指纹信息；
所述服务端对所述用户信息进行特征提取处理，以生成用户特征信息，以及将所述用户标识与所述用户特征信息进行组合，得到用户认证信息；
所述服务端根据所述用户标识，对所述用户认证信息进行第一加密处理，以生成第一加密用户认证信息，以及将所述用户标识与所述第一加密用户认证信息进行组合，得到第一组合用户认证信息；
所述服务端根据预设的服务端密钥，对所述第一组合用户认证信息进行加密，以生成目标加密用户认证信息，以及将所述目标加密用户认证信息发送至相关联的认证服务端；
所述认证服务端响应于接收到所述目标加密用户认证信息，根据设定的认证端解密密钥，对所述目标加密用户认证信息进行解密处理，以生成目标解密用户认证信息，其中，所述目标解密用户认证信息包括用户标识；
所述认证服务端根据所述用户标识，对所述目标解密用户认证信息进行解密处理，以生成解密用户认证信息，以及对所述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组；
所述认证服务端对所述用户标识与所述人脸特征组、所述掌纹提取特征组、所述指纹提取特征组进行绑定认证处理；
所述服务端响应于检测到目标用户的通行认证操作，采集所述目标用户的目标用户信息，以及将所述目标用户信息发送至所述认证服务端，其中，所述目标用户信息包括目标人脸图像、目标掌纹信息与目标指纹信息；
所述认证服务端响应于接收到所述目标用户信息，将所述目标用户信息输入至预先训练的用户身份识别模型中，得到用户身份识别结果，以及将所述用户身份识别结果发送至所述服务端中；
所述服务端响应于接收到用户身份识别结果，确定所述用户身份识别结果是否表征认证通过，以及响应于确定所述用户身份识别结果表征认证通过，开启相关联的通行门；
其中，所述预先训练的用户身份识别模型是通过以下步骤训练生成的：
确定初始用户身份识别模型，其中，所述初始用户身份识别模型包括：初始人脸图像识别模型、初始掌纹识别模型与初始指纹识别模型，所述初始人脸图像识别模型包括第一人脸图像识别网络、第二人脸图像识别网络与第三人脸识别网络，所述初始掌纹识别模型包括第一掌纹识别网络、第二掌纹识别网络与第三掌纹识别网络，所述初始指纹识别模型包括第一指纹识别网络、第二指纹识别网络与第三指纹识别网络；
获取对应所述人脸图像识别模型的第一人脸图像样本组、第二人脸图像样本组与第三人脸图像样本组；
获取对应所述掌纹识别模型的第一掌纹图像样本组、第二掌纹图像样本组与第三掌纹图像样本组；
获取对应所述指纹识别模型的第一指纹图像样本组、第二指纹图像样本组与第三指纹图像样本组；
根据所述第一人脸图像样本组、所述第二人脸图像样本组与所述第三人脸图像样本组，对所述初始人脸图像识别模型进行训练，得到训练完成的人脸图像识别模型；
根据所述第一掌纹图像样本组、所述第二掌纹图像样本组与所述第三掌纹图像样本组，对所述初始掌纹识别模型进行训练，得到训练完成的掌纹识别模型；
根据所述第一指纹图像样本组、所述第二指纹图像样本组与所述第三指纹图像样本组，对所述初始指纹识别模型进行训练，得到训练完成的指纹识别模型；
将训练完成的人脸图像识别模型、掌纹识别模型与指纹识别模型组合为用户身份识别模型；
其中，所述根据所述第一人脸图像样本组、所述第二人脸图像样本组与所述第三人脸图像样本组，对所述初始人脸图像识别模型进行训练，得到训练完成的人脸图像识别模型，包括：
将所述第一人脸图像样本组传输至预设的第一服务器中，以及在所述第一服务器中部署所述第一人脸图像识别网络，其中，所述第一服务器上设定了第一处理器节点组；
对所述第一人脸图像识别网络对应的网络参数集进行拆分处理，以生成第一网络参数组集，其中，所述第一网络参数组集包括的第一网络参数组的数量与所述第一处理器节点组中的第一处理器节点的数量相同；
将所述第一网络参数组集中的各个第一网络参数组分配至对应的第一处理器节点中，以及控制所述第一服务器对所述第一人脸图像识别网络进行训练，得到训练后的第一人脸图像识别网络；
将所述第二人脸图像样本组传输至预设的第二服务器中，以及在所述第二服务器中部署所述第二人脸图像识别网络，其中，所述第二服务器上设定了第二处理器节点组；
对所述第二人脸图像识别网络对应的网络参数集进行拆分处理，以生成第二网络参数组集，其中，所述第二网络参数组集包括的第二网络参数组的数量与所述第二处理器节点组中的第二处理器节点的数量相同；
将所述第二网络参数组集中的各个第二网络参数组分配至对应的第二处理器节点中，以及控制所述第二服务器对所述第二人脸图像识别网络进行训练，得到训练后的第二人脸图像识别网络；
将所述第三人脸图像样本组传输至预设的第三服务器中，以及在所述第三服务器中部署所述第三人脸图像识别网络，其中，所述第三服务器上设定了第三处理器节点组；
对所述第三人脸图像识别网络对应的网络参数集进行拆分处理，以生成第三网络参数组集，其中，所述第三网络参数组集包括的第三网络参数组的数量与所述第三处理器节点组中的第三处理器节点的数量相同；
将所述第三网络参数组集中的各个第三网络参数组分配至对应的第三处理器节点中，以及控制所述第三服务器对所述第三人脸图像识别网络进行训练，得到训练后的第三人脸图像识别网络；
将训练后的第一人脸图像识别网络、第二人脸图像识别网络与第三人脸识别网络组合为人脸图像识别模型。
2.根据权利要求1所述的方法，其中，所述对所述用户信息进行特征提取处理，以生成用户特征信息，包括：
将所述用户信息包括的人脸图像、掌纹信息与指纹信息输入至预先训练的用户特征提取模型中，得到用户特征信息，其中，所述用户特征信息包括人脸图像特征、掌纹特征、指纹特征。
3.根据权利要求1所述的方法，其中，所述人脸图像特征包括人脸图像特征点集，掌纹特征包括掌纹特征点集，指纹特征包括指纹特征点集；以及
所述对所述解密用户认证信息包括的人脸图像特征、掌纹特征、指纹特征进行分类提取处理，以生成人脸特征组、掌纹提取特征组与指纹提取特征组，包括：
对于所述人脸图像特征点集中的每个人脸图像特征点，执行如下处理步骤：
确定所述人脸图像特征点是否在第一人脸图像特征区域内；
响应于确定所述人脸图像特征点在第一人脸图像特征区域内，将所述人脸图像特征点确定为第一人脸图像特征点；
响应于确定所述人脸图像特征点未在第一人脸图像特征区域内，确定所述人脸图像特征点是否在第二人脸图像特征区域内；
响应于确定所述人脸图像特征点在第二人脸图像特征区域内，将所述人脸图像特征点确定为第二人脸图像特征点；
响应于确定所述人脸图像特征点未在第二人脸图像特征区域内，确定所述人脸图像特征点是否在第三人脸图像特征区域内；
响应于确定所述人脸图像特征点在第三人脸图像特征区域内，将所述人脸图像特征点确定为第三人脸图像特征点；
根据所确定的各个第一人脸图像特征点、第二人脸图像特征点与第三人脸图像特征点，构建人脸特征组。
4.根据权利要求1所述的方法，其中，所述方法还包括：
所述服务端响应于检测到目标用户的通行认证操作，采集所述目标用户的目标用户信息，以及将所述目标用户信息发送至所述认证服务端，其中，所述目标用户信息包括目标人脸图像、目标掌纹信息与目标指纹信息；
所述认证服务端响应于接收到所述目标用户信息，将所述目标用户信息输入至预先训练的用户身份识别模型中，得到用户身份识别结果，以及将所述用户身份识别结果发送至所述服务端中；
所述服务端响应于接收到用户身份识别结果，确定所述用户身份识别结果是否表征认证通过，以及响应于确定所述用户身份识别结果表征认证通过，开启相关联的通行门。
5.一种电子设备，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1-4中任一所述的方法。
6.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202310390808.4A 2023-04-13 2023-04-13 基于cfca认证标准的用户认证方法、设备和介质 Active CN116110159B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310390808.4A CN116110159B (zh) 2023-04-13 2023-04-13 基于cfca认证标准的用户认证方法、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310390808.4A CN116110159B (zh) 2023-04-13 2023-04-13 基于cfca认证标准的用户认证方法、设备和介质

Publications (2)

Publication Number Publication Date
CN116110159A CN116110159A (zh) 2023-05-12
CN116110159B true CN116110159B (zh) 2023-06-23

Family

ID=86254701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310390808.4A Active CN116110159B (zh) 2023-04-13 2023-04-13 基于cfca认证标准的用户认证方法、设备和介质

Country Status (1)

Country Link
CN (1) CN116110159B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116955830B (zh) * 2023-08-25 2024-01-16 成都中康大成环保科技有限公司 基于吸烟舱的信息推送方法、计算机设备与可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000276445A (ja) * 1999-03-23 2000-10-06 Nec Corp バイオメトリクス識別を用いた認証方法、装置、認証実行機、認証プログラムを記録した記録媒体
CN102332093B (zh) * 2011-09-19 2014-01-15 汉王科技股份有限公司 一种掌纹和人脸融合识别的身份认证方法及装置
KR102332662B1 (ko) * 2016-03-14 2021-12-01 주식회사 슈프리마아이디 생체정보를 이용한 인증 방법 및 장치
CN108429619A (zh) * 2018-01-18 2018-08-21 北京捷通华声科技股份有限公司 身份认证方法和系统
CN108491805B (zh) * 2018-03-27 2022-02-22 百度在线网络技术（北京）有限公司 身份认证方法和装置
CN111709004B (zh) * 2020-08-19 2020-11-13 北京远鉴信息技术有限公司 一种身份认证方法、装置、电子设备及可读存储介质
CN115810208A (zh) * 2021-09-14 2023-03-17 超聚变数字技术有限公司 一种人脸识别方法、设备及系统
CN113971274B (zh) * 2021-12-02 2022-12-27 国家石油天然气管网集团有限公司 一种身份识别方法及装置
CN115631514B (zh) * 2022-10-12 2023-09-12 中海银河科技(北京)有限公司 基于掌静脉指纹的用户识别方法、装置、设备与介质

Also Published As

Publication number Publication date
CN116110159A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
US20200366671A1 (en) Identity verification and management system
US10681025B2 (en) Systems and methods for securely managing biometric data
CN111466097B (zh) 服务器辅助式隐私保护生物统计比较
US11049205B2 (en) System and method for electronically providing legal instrument
RU2308080C2 (ru) Всеобъемлющая, ориентированная на пользователя сетевая безопасность, обеспечиваемая динамической коммутацией датаграмм и схемой аутентификации и шифрования по требованию через переносные интеллектуальные носители информации
US10237270B2 (en) Distributed storage of authentication data
US20240346123A1 (en) System and methods for implementing private identity
CN107196901B (zh) 一种身份注册及认证的方法及装置
CN108809659A (zh) 动态口令的生成、验证方法及系统、动态口令系统
CN105939197A (zh) 一种身份认证方法和系统
US20200220869A1 (en) Systems and methods for contactless authentication using voice recognition
US12014740B2 (en) Systems and methods for contactless authentication using voice recognition
CN116110159B (zh) 基于cfca认证标准的用户认证方法、设备和介质
CN112084476A (zh) 生物识别身份验证方法、客户端、服务器、设备及系统
CN111444490A (zh) 身份识别方法、装置、计算机设备和存储介质
CN114117386A (zh) 会议管理方法及装置、计算机可读存储介质、电子设备
WO2022095694A1 (zh) 一种基于数字证书的区块链节点共享方法及其相关产品
CN117408646B (zh) 电子签章签署方法、装置、电子设备和计算机可读介质
CN113904850B (zh) 基于区块链私钥keystore安全登录方法，电子设备，存储介质
CN110956129A (zh) 用于生成人脸特征向量的方法、装置、设备和介质
CN110690973A (zh) 身份验证方法、装置、介质及电子设备
CN115396222B (zh) 设备指令执行方法、系统、电子设备及可读存储介质
CN117009999B (zh) 智慧园区数据存储方法、装置、设备和计算机可读介质
RU2776258C2 (ru) Биометрическое сравнение для защиты приватности с помощью сервера
CN117787429A (zh) 联邦学习方法、装置、计算机及可读存储介质

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
GR01 Patent grant
GR01 Patent grant