CN117596018A - 用户身份识别方法及处理设备 - Google Patents
用户身份识别方法及处理设备 Download PDFInfo
- Publication number
- CN117596018A CN117596018A CN202311391552.5A CN202311391552A CN117596018A CN 117596018 A CN117596018 A CN 117596018A CN 202311391552 A CN202311391552 A CN 202311391552A CN 117596018 A CN117596018 A CN 117596018A
- Authority
- CN
- China
- Prior art keywords
- identification
- user
- identity
- information
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000003993 interaction Effects 0.000 abstract description 9
- 230000009467 reduction Effects 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 65
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 235000002198 Annona diversifolia Nutrition 0.000 description 3
- 241000282842 Lama glama Species 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0815—Network architectures or network communication protocols for network security for authentication of entities providing single-sign-on or federations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/102—Entity profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
- H04L9/40—Network security protocols
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种用户身份识别方法及处理设备,该方法用于管理区域内的识别对象的身份识别,包括:获取处理设备发送的识别对象的身份识别请求消息;将识别信息输入构建的识别模型中,输出识别对象的识别结果,识别结果中包括识别对象的身份标识。本发明通过预先构建的识别模型实时准确的实现用户的身份识别,该为管理区域内所有用户的底层数据的统一管理提供了支撑,使得用户在管理区域内的各功能区域内能够通过电子设备的辅助,利用统一配置的唯一身份标识进行相应的数据串联与分析,实现身份识别,以及相应应用服务的调用,避免了用户进行多次复杂操作,以及各系统之间频繁的数据交互,最终实现降本增效。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种用户身份识别方法及处理设备。
背景技术
随着信息化技术的不断冲击,在智慧园区内形成了很多的场景服务提供商及一站式服务平台提供商,从各个场景来为园区方降本增效。即在园区内的衣食住行,以及工作等各个场景提供一站式服务。
目前,所提供的一站式服务,各场景的应用服务提供商提供自己的应用端,使得用户在各场景下使用应用端进行使用时,需要单独与园区内的后台服务进行注册认证,使得操作繁琐;并且,场景系统对接(人脸通行与支付、视频识别),用户认证及视频监控为独立的系统体系,同样存在数据交互复杂的问题。另外,园区的用户通常使用自身的手机号、工号等标识进行注册,使得这些标识发生变化时,所有的应用无法使用,且容易导致很多场景内出现手机号重复、身份证号无法确保真实性、工号变动等复杂问题。
发明内容
为了改善管理区域内用户身份识别以对区域内应用服务调用时的上述问题,本发明提出一种用户身份识别方法。
第一方面,本发明提供了一种用户身份识别方法,所述方法用于管理区域内的识别对象的身份识别,所述管理区域包括多个功能区域,每个所述功能区域内设置有电子设备,所述处理设备用于采集识别对象的识别信息,及访问所述后台服务器中配置与每个所述功能区域对应的应用服务,所述用户身份识别方法包括:
获取处理设备发送的识别对象的身份识别请求消息,该身份识别请求消息中包括该识别对象的识别信息,该识别信息用于表征该识别对象的生物特征,该识别信息通过该识别对象当前所处的功能区域中的电子设备采集;
将该识别信息输入构建的识别模型中,输出该识别对象的识别结果,该识别结果中包括该识别对象的身份标识,该识别模型通过该识别对象的生物特征数据训练得到,该身份标识与该生物特征数据一一对应,该身份标识用于调用该识别对象当前所处的功能区域对应的应用服务。
可选地,本发明实施例提供的用户身份识别方法,所述用户身份识别方法还包括:
获取样本数据,所述样本数据中包括所述识别对象的生物特征数据,所述生物特征数据包括所述识别对象的语音数据、图像数据及视频数据;
基于所述样本数据,构建所述识别对象的所述识别模型。
可选地,本发明实施例提供的用户身份识别方法,所述样本数据中还包括标注数据,所述标注数据用于表示所述管理区域的各所述功能区域特征,则所述基于所述样本数据,构建所述识别对象的所述识别模型包括:
解析所述识别对象的生物特征数据及所述标注数据,构建所述识别对象的所述识别模型。
可选地,本发明实施例提供的用户身份识别方法,所述用户身份识别方法还包括:
生成所述识别对象的身份标识,所述身份标识与所述识别对象的生物特征数据一一对应。
可选地,本发明实施例提供的用户身份识别方法,所述样本数据中包括所述识别对象的基础数据,所述基础数据中包括所述识别对象的生物特征数据,所述生成所述识别对象的身份标识包括:
根据所述基础数据生成所述识别对象的所述身份标识。
可选地,本发明实施例提供的用户身份识别方法,所述用户身份识别方法还包括:
根据所述身份标识,生成所述识别对象的账号信息。
可选地,本发明实施例提供的用户身份识别方法,所述用户身份识别方法还包括:
获取所述识别对象的文本信息,所述文本信息用于表示所述识别对象的身份信息,所述文本信息包括编码信息及权限信息;
将所述文本信息与所述身份标识关联。
可选地,本发明实施例提供的用户身份识别方法,当根据所述识别信息确定所述识别对象的所述身份标识后,所述用户身份识别方法还包括:
根据所述身份标识,确定所述识别对象的权限信息。
可选地,本发明实施例提供的用户身份识别方法,所述用户身份识别方法还包括:
根据所述权限信息及所述身份标识,调用所述识别对象当前所处的功能区域对应的应用服务。
第二方面,本发明提供一种计算机处理设备,所述计算机处理设备包括存储器、处理器以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程序时实现如第一方面所述的用户身份识别方法。
本发明提供的用户身份识别方法及处理设备,通过在后台服务器中配置用户身份识别的识别模型,使得在待识别用户在管理区域的各功能区域对应的场景下活动,进行身份识别时,所处功能区域内的处理设备采集表示用户身份的识别信息,并向后台服务器发送包括该识别信息的身份识别请求消息。后台服务器通过解析接收到的该身份识别请求消息,并将解析到的识别信息输入到预先构建的识别模型,以输出包括用户身份的身份标识的识别结果,且使得后台服务器能够根据该身份标识,调用对应的应用服务,实现了管理区域内用户在各场景下的用户身份识别,及应用服务调用。本发明实施例中,由于在后台服务器中通过表示用户生物特征的数据构建了识别模型,从而使得用户在管理区域的各场景下活动时,能够借助各场景下的处理设备采集的表示生物特征的识别信息,通过预先构建的识别模型实时准确的实现用户的身份识别,进而在完成各场景下应用服务的调用,为用户提供及时有效的生活工作服务,该识别模型及唯一的身份标识为管理区域内所有用户的底层数据的统一管理提供了支撑,使得用户在管理区域内的各功能区域内能够通过处理设备的辅助,利用统一配置的唯一身份标识进行相应的数据串联与分析,实现身份识别,以及相应应用服务的调用,避免了用户进行多次复杂操作,以及各系统之间频繁的数据交互,最终实现降本增效。
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一简单的介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一些实施例的用户身份识别系统的结构示意图;
图2为本发明一些实施例的用户身份识别的系统框架示意图;
图3为本发明一些实施例的用户身份识别方法的流程示意图;
图4为本发明一些实施例的用户身份识别方法的原理示意图;
图5为本发明一些实施例的用户身份识别方法的数据交互示意图;
图6为本发明一些实施例的用户身份识别装置的结构示意图;
图7为本发明一些实施例的计算机设备的系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,
本发明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发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”;术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“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,本发明中提及的“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”。
本发明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。
可以理解,在一些智慧园区、工业园区或具有统一管理或组织的工作生活区域内,即管理区域内,可以设置多个功能区域,如生活区域的餐饮、停车等功能区域,以及属于工作区域的各部门区域。如图2所示的吃、住、行及安全的各功能区域。
则为了方便内部人员在各个功能区域对应场景下工作与生活,提供了各种物联网设备实现线上的用户识别,以辅助用户实现线下的各场景应用。即在各功能区域内配置电子设备,如摄像头、移动终端及麦克风等,与后台服务器进行数据交互过程中,实现用户的线上服务。
例如,在餐饮区域内,可以通过设置的视频采集设备进行用户的视频采集,进而利用采集的视频数据实现用户的身份识别,并调用对应的支付应用服务。或者,在办公区域,通过指纹采集设备采集用户的图像数据,以利用采集的指纹图像数据实现用户的身份识别,并提供对应的门禁应用服务等。
本发明实施例中,为了解决相关技术中,各功能区域的使用场景下,应用服务提供商提供单独的应用端时,使得用户每次使用时,需要重复注册认证的复杂性问题;以及用户在管理区域内进行注册认证时,注册账号的多变性及不一致性,导致的用户识别的复杂性问题,通过利用表示用户生物特征的基础数据对用户赋予唯一的标识码,并在后台服务器中利用用户的基础数据构建的管理区域内的用户的识别模型,如多模态的AI识别模型,使得用户在任何功能区域内,都能够使用所有应用服务提供商提供的应用服务时,即能够利用电子设备采集与基础数据对应的识别信息,通过识别模型对识别信息的分析处理,实现用户身份的唯一且准确识别,最终实现了各个功能区域的各场景下用户基础数据的打通服务。
即在此基础上,多模态AI用户认证模块,将用户的图像、视频、或语音进行采集分析,生成用户的唯一身份标识,作为用户ID,后续作为用户信息的唯一判断标识。
例如,可以使得所生成唯一性的用户ID,对Java提供RESTful API服务,Java调取用户唯一性的ID,来关联用户的身份信息,如手机号、身份证号、工号等。则当身份证号和工号变更时,用户信息保证了唯一性;同时满足了管理区域多场景人脸服务、视频识别服务的用户信息获取,保证多模态AI用户认证模块的底层用户信息的唯一性;通过多模态AI用户认证模块,可以很好的解决底层的用户信息统一的问题。
如图1所示为本发明实施例提供的用户身份识别的系统结构示意图,如图1所示,该系统包括后台服务器及多个处理设备。
其中,该后台服务器可以为云服务器或服务器集群等。
该后台服务器中设置有数据库,该数据库中存储运行有用户的识别模型,如AI模型,以用于分析处理管理区域内的处理设备采集的识别信息,并对用户的身份进行识别。即可以通过程序接口访问调用数据库中的识别模型。
并且,该后台服务器中配置有与各个功能区域对应的应用服务,即配置有各场景下的应用服务。如为餐饮区域的支付场景下配置的支付服务、办公区域的权限验证场景下及公寓区域的身份验证场景下的门禁服务、公寓区域内的物业管理场景下的支付应用服务等。
该电子设备可以为管理区域内各功能区域下的处理设备,用于获取管理区域内用户的识别信息。并在与后台服务器进行数据交互时,访问后台服务器中配置与每个功能区域对应的应用服务,以向用户提供对应的服务。
例如,如图2所示,该处理设备可以为音视频采集设备、人脸采集设备、掌静脉采集设备及指纹采集设备等。或者,还可以为用户所持有的移动终端等。
如图2所示为本发明实施例的用户信息识别的软件框架示意图,如图2所示,可以包括展示层、场景应用模块、平台底层、识别模型(AI模型)。
其中,该展示层可以包括运行在用户的终端设备上的客户端、web端及小程序等,如社交软件等。用户可以通过操作展示层上的操作界面,实现与后台服务器的数据交互。
该场景应用模块可以包括配置在后台服务器的应用服务,如餐饮服务、公寓服务、商贸服务、物业管理服务及车行管理服务等。功能区域内的处理设备与后台服务器进行数据交互数据时,在通过获取的识别信息进行用户身份识别后,能够调用各场景下的应用服务。
平台底层中配置有所有用户的数据以及识别模型,如每个用户互相关联对应的唯一的身份标识、账号信息以及为训练的识别模型。该识别模型对处理设备发送的识别信息进行处理分析后的识别结果与唯一的身份标识一致,该识别模型具体可以包括对图像、语音及视频进行识别的机器学习模型。
可以理解,本发明实施例中,为了提升管理区域内用户服务的效率,降低管理成本,通过配置的后台服务器,以及其上的识别模型,对所有用户的基础数据进行训练识别,以确定每个用户的唯一标识,从而使得在用户在管理区域内活动时,管理区域内的处理设备采集到用户的基础信息后,后台服务器可以根据预先构建的识别模型、接收到的基础信息来确定用户的唯一标识,实现用户身份的精确识别,最终利用确定的唯一身份标识实现用户在管理区域的各个场景下的身份识别及管理。
为了更好的理解本发明提供的用户身份识别方法,下面通过流程图详细阐述。
如图3所示为本发明实施例提供的用户身份识别方法的流程示意图,如图3所示,该方法可以由如图1所示的后台服务器执行,用于图1及图2所示的系统框架中,该方法具体包括:
S110,获取电子设备发送的识别对象的身份识别请求消息,该身份识别请求消息中包括该识别对象的识别信息,该识别信息用于表征该识别对象的生物特征,该识别信息通过该识别对象当前所处的功能区域中的电子设备采集。
S120,将该识别信息输入构建的识别模型中,输出该识别对象的识别结果,该识别结果中包括该识别对象的身份标识,该识别模型通过该识别对象的生物特征数据训练得到,该身份标识与该生物特征数据一一对应,该身份标识用于调用该识别对象当前所处的功能区域对应的应用服务。
具体地,本发明实施例中,在向管理区域内的用户提供应用服务时,即在生活或工作中的各场景下,当需要对用户进行身份识别时,可以将用户作为识别对象,通过用户当前所处场景下的电子设备,获取到该用户的识别信息,进而生成身份识别请求消息,以向后台服务器发送。
该身份识别请求消息中包括待识别用户的识别信息。
该识别信息可以包括待识别用户的生物特征数据,或待识别用户输入的标识信息。
生物特征数据可以包括如待识别用户的音频数据、视频数据、脸部轮廓图像数据、虹膜图像及掌静脉等图像数据。
进一步,当后台服务器接收到该识别信息后,可以将识别信息输入到预先构建的识别对象的身份识别模型中,使得识别模型根据输入的识别信息,确定该待识别对象的身份标识,以实现对用户的身份识别。
该身份标识是预先为管理区域内的每个用户分配的唯一标识,以表示用户的身份,可以作为用户的唯一的身份ID。
即在后台服务器中,可以预先上传包括用户生物特征数据的基础数据,作为样本数据,对用户的识别模型进行训练,且使得训练好的识别模型,对输入的待识别用户的识别进行识别时,所输出的识别结果表示该用户的身份标识。
实际中,在后台服务器,可以将预先上传的待识别用户的基础数据,利用预先分配的身份标识进行标注,从而可以实现训练模型的输出结果的标签与身份标识的一致。
最后,当后台服务器利用采集的识别信息,以及识别模型输出表示用户身份的身份标识后,可以根据待识别用户当前所处的场景,调用对应的场景服务,以完成待识别用户在当前场景下的各服务应用的使用。
例如,当待识别当前处于用餐场景下,需要进行餐饮费用的支付时,即该场景下需要身份识别时,则餐饮场景下的处理设备,如摄像装置采集待识别待用户的脸部图像信息。进而生成包括该脸部图像信息的身份识别请求消息,并向后台服务器发送。
该后台服务器接收到该身份识别请求消息后,可以解析该身份识别请求消息中的内容,并将解析得到的脸部图像信息输入预先构建的该待识别用户的识别模型,输入该待识别用户的身份标识,完成用户身份识别。
进一步,后台服务器在完成待识别用户的身份识别时,根据识别得到的身份标识,以及标识餐饮场景的场景标识,调用餐饮服务,以完成本次餐饮消费的支付。
可以理解,本发明实施的用户身份识别方法,通过在后台服务器中配置用户身份识别的识别模型,使得在待识别用户在管理区域的各功能区域对应的场景下活动,进行身份识别时,所处功能区域内的处理设备采集表示用户身份的识别信息,并向后台服务器发送包括该识别信息的身份识别请求消息。后台服务器通过解析接收到的该身份识别请求消息,并将解析到的识别信息输入到预先构建的识别模型,以输出包括用户身份的身份标识的识别结果,且使得后台服务器能够根据该身份标识,调用对应的应用服务,实现了管理区域内用户在各场景下的用户身份识别,及应用服务调用。本发明实施例中,由于在后台服务器中通过表示用户生物特征的数据构建了识别模型,从而使得用户在管理区域的各场景下活动时,能够借助各场景下的处理设备采集的表示生物特征的识别信息,通过预先构建的识别模型实时准确的实现用户的身份识别,进而在完成各场景下应用服务的调用,为用户提供及时有效的生活工作服务,该识别模型及唯一的身份标识为管理区域内所有用户的底层数据的统一管理提供了支撑,使得用户在管理区域内的各功能区域内能够通过处理设备的辅助,利用统一配置的唯一身份标识进行相应的数据串联与分析,实现身份识别,以及相应应用服务的调用,最终实现降本增效。
可选地,本发明的一些实施例中,该识别信息中可以包括语音数据、图像数据及视频数据,对应的,该识别模型包括自然语言识别模型、人脸识别模型及视频识别模型。该自然语言识别模型用于分析处理该语音数据,该人脸识别模型用于识别该待识别用户的人脸图像,该视频识别模型用户分析该视频数据。
具体地,本发明实施例中,为了实现对识别对象的识别信息统一处理,预先可以在后台服务器中构建的多模态的识别模型。
即如图5所示,该方法还包括:
S130,获取样本数据,该样本数据中包括该识别对象的生物特征数据,该生物特征数据包括该识别对象的语音数据、图像数据及视频数据。
S140,基于该样本数据,构建该识别对象的识别模型。
具体地,本发明实施例中,在进行用户信息识别之前,还可以获取各用户,即识别对象的样本数据,训练构建各识别用户对应的识别模型。
其中,该样本数据可以包括识别对象的生物特征数据,如包括采集的图像数据、语音数据及视频数据等。
对应的,所构建的识别模型中可以包括图像识别模型、语音识别模型及视频识别模型。
例如,如图4所述,在进行识别模型的训练构建时,可以对获取的样本数据进行解析处理,通过预先配置的视频解析模块、语音解析模块及图像解析模块对获取的基础数据特征解析处理,以训练得到对应的识别模型。
例如,在一些实施例中,可以搭建部署AI大模型,注册Jina AI Cloud Alpha平台信息,创建多模态AI应用,上传识别对象的图片、语音、视频信息的数据集,进而使用JinaAI的Finetuner,提升预训练模型。
即可以通过少量训练样本和低配CPU硬件,进行神经网络微调。将多模型AI功能的调用通过RESTful API供java服务调用。
另外,还可以利用开源模型LangChain+Streamlit+Llama,进行自然语言的识别与解析,安装LLaMA 7B,利用LangChain框架来开发使用llm的应用程序,利用Streamlit创建一个允许管理区域的用户上传任何文本文档的WEB程序,标注园区内的一些应用场景服务的关键信息,利用自然语言进行训练调用;同时对外封装算法API接口,通过http服务进行外部调用。
可选地,本发明的一些实施例中,为了提升识别模型的识别精度,以适配不同功能区域的应用服务,该样本数据中还可以包括标注数据,该标注信息用于表示管理区域的各功能区域特征。
该标准数据,作为管理区域内的各个功能区域内的场景信息,如餐饮区域、工作区域等标志性信息。
则对应的,在进行识别模型构建时,还可以对其中的场景标注信息进行解析处理,进而使得所构建的识别模型输出的识别结果中还可以包括场景信息。
例如,在上述实施例的平台框架下,即从gethub上,搭建OCR开源大模型EasyOCR,来进行图像识别模型,通过docker环境,运行模型,通过RESTful API进行模型的调用,通过管理区域的用户图片、智慧园区各场景的图片,进行OCR的训练与标注,达到调用OCR可识别出用户所在的场景信息;同时对外封装算法API接口,通过http服务进行外部调用。
即搭建开源CV模型DINOv2视觉大模型,利用模型的能力进行图像分类、分割、图像检索和深度估计的训练,输出视频内的用户信息,并识别用户在视频内的行为信息;同时对外封装算法API接口,即程序接口,通过http服务进行外部调用。
可选地,本发明实施例中,为了实现管理区域内用户底层数据的打通处理,即通过唯一的身份标识,实现各应用服务调用时的身份识别认证,预先可以根据每个用户的数据生成对应的身份标识。
即如图5所示,该方法还包括:
S150,生成该识别对象的身份标识,该身份标识与该识别对象的生物特征数据一一对应。
具体地,本发明实施例中,为了实现管理区域内底层用户数据在各功能区域的应用服务中的打通处理,为每个用户配置其唯一的身份标识。
该身份标识作为用户的身份ID,可以为二进制字符串,能够唯一标识每个用户的身份,从而使得在后续的身份识别过程中,利用该唯一确定的身份标识,快速准确的确定识别对象的身份。
例如,在一些实施例中,后台服务器可以根据获取到的样本数据中的识别对象的生物特征数据来生成对应的身份标识。即后台服务器可以将用户的多模态信息进行存储,进而java调用后生成相应的唯一标识。
或者,在另一些实施例中,该唯一标识也可以根据设置的规则生成,如在后台服务器中配置用户的身份标识的生成规则。则当用户通过小程序或客户端注册成功后,可以按照生成规则,生成识别用户身份的唯一标识。
该生成规则可以由企业代码、身份证号等固定且不会发生变化的数据组合而成。
或者,在另一些实施例中,该身份标识还可以根据每个用户的识别模型的识别结果生成。即在利用样本数据构建完成识别模型后,识别模型所输出的结果,表示识别对象的归类标签。
则可以根据该归类标签生成识别对象的唯一的身份标识。
可以理解,本发明实施例中,通过上述各方式生成的身份标识,其与每个用户的识别模型的识别结果是一一对应的,即使得在实际身份识别过程中,当后台服务器将获取的识别信息通过识别模型处理分析后,所得到的识别结果中表示识别对象的信息,能够唯一确定出该识别对象的身份标识。
即本发明实施例的用户身份识别过程中,不论作为识别对象的用户处于任何功能区域中,进行任一场景下的身份识别操作时,后台服务器通过预先构建的识别模型对该用户所处场景中的处理设备获取的识别对象的识别信息的分析处理,能够确定该用户预先生成的唯一的身份标识,以快速提供对应的应用服务,实现各个场景下身份识别过程中,底层数据的统一处理,保证多模态AI即识别模型的用户识别认证模块的底层用户信息的唯一性。
可选地,本发明实施例,为了进一步打通管理区域内用户的底层数据,实现用户认证与识别的统一管理,还可以将用户认证过程中创建的账号信息与上述实施例中所生成的身份标识进行关联。
即如图5所示,该方法还包括:
S160,根据该身份标识,生成该识别对象的账号信息;
S170,获取该识别对象的文本信息,该文本信息用于表示该待识别用户的身份信息,该文本信息包括编码信息及权限信息;
S180,将该文本信息与该身份标识关联。
具体地,本发明实施例中,管理区域内的用户可以通过小程序或客户端的操作页面,与后台服务进行数据交互,实现用户的账号注册,即创建用户账号。
例如,可以通过输入账号信息,以实现账号注册,使得后台服务器将输入的账号信息,即用户名,创建用户在后台服务器的账号。
进一步,在账号创建完成后,还可以将该账号的用户名与其他表示用户身份信息的文本信息关联,如可以将手机号、身份证号或工号存储至后台服务器,实现与账号信息关联。
进一步,为了实现用户的底层数据的整个打通,还可以将创建的账号与上述实施例生成的身份标识关联,从而可以使得所生成的身份标识,能够准确识别用户身份。
另外,在一些实施例中,当表示用户的身份信息的文本信息发生变化时,还可以向后台服务器发送新的文本信息,完成更新。如工号或电话号码发生变化,则可以将新的工号或电话号码上传至后台服务器,以实现更新。
进一步,在本发明的一些实施例中,在身份识别过程中,为了向用户提供个性化服务,还可以在后台服务器中,存储每个用户的权限信息。
即如图5所示,该方法还包括:
S190,根据该身份标识,确定该识别对象的权限信息。
具体地,识别对象在注册账号时或注册完成后,可以根据操作界面的提示,选择对应的权限信息,以上传至后台服务器。即搭建角色用户体系,以区分不同角色所具备的应用及数据权限。进而可以基于统一账户,将用户的在多场景的行为数据进行采集和分析。
实际中,该后台服务器接收到该权限信息后,可以将该权限信息与上述的身份标识关联。
其中,该权限信息表示用户在管理区域的各功能区域,调用应用服务,或使用应用服务进行交易时的权限。
例如,在餐饮区域支付时,根据权限信息支付不同的金额。或者,在公寓区域,根据权限信息开启相应区域的门禁。
进一步,在上述实施例的基础上,即身份标识与权限信息关联的基础上,通过识别信息进行识别对象的身份识别时,该识别结果中还可以包括该识别对象的权限信息。
即后台服务器可以根据是被结果中的权限信息,进行应用服务的调用,向识别对象提供对应的服务时,能够根据所识别的权限信息进行相应权限的提供。
根据所述权限信息及所述身份标识,调用所述识别对象当前所处的功能区域对应的应用服务。
例如,在上述实施例的平台框架下,建设多终端访问服务的场景(移动端、人脸识别设备、摄像头),调用LangChain+Streamlit+Llama、EasyOCR、DINOv2的API算法接口,可通过用户的自然语言、人脸识别、视频识别来进行智慧园区场景服务的访问与调用;进而基于底层统一的用户、身份、账号,将用户的全场景应用服务数据进行串联,支撑各场景应用。
即本发明提供的是一种基于垂直式领域(在一定范围内的场景,可穷举大多数的服务场景,进行针对性的数据训练)管理区域的AI大模型管理工具,使用多AI技术组成相应模型进行训练,输出相应的服务,实现管理区域全场景应用打通、数据打通、数据有效深度分析。同时模型赋能与智慧园区的各场景服务,进行相应的数据串联与分析,来实现智慧园区的智慧管理,同时实现降本增效,为园区产生相应的生产力的变革与提升。
可以理解,如图4及图5所示,本发明实施例的多模态AI用户认证模块:作为底层数据模型,在基于用户的多行为确定用户信息,确保所有的用户都具备唯一性,来解决管理区域场景内全场景应用打通、数据打通、数据有效深度分析的问题做底层支撑。即在多模态AI用户认证模块,将用户的图像、视频、或语音进行采集分析,生成用户的唯一标识,后续作为用户信息的唯一判断标识,生成唯一性的用户ID,对Java提供RESTful API服务,Java调取用户唯一性的ID,来关联用户的多手机号、身份证号、工号等,当身份证号和工号变更时,用户信息保证了唯一性;同时满足了智慧园区多场景人脸服务、视频识别服务的用户信息获取,保证多模态AI用户认证模块的底层用户信息的唯一性;通过多模态AI用户认证模块,可以很好的解决底层的用户信息统一的问题。
AI身份识别:利用现有的NLP+OCR+CV技术可以在管理区域多场景内(用户语音、人脸通行与支付、视频识别)提供对应的意图识别与应用服务;管理区域AI身份识别,通过底层的用户信息多模态唯一标识数据,与管理区域内的一些应用场景服务关键信息数据,通过NLP技术模型能力进行关联和权限划分;同时对园区内的用户图片采集、智慧园区各场景的图片信息采集标注,利用OCR技术模型将用户的多模态图片信息与活动场景信息进行深度训练;再将管理区域视频内的用户信息,利用CV技术模型进行识别和行为信息数据标注;基于管理区域内已存在的移动端语音输入、人脸识别设备、园区内的摄像头多种方式识别用户的身份,确保用户在管理区域内基于身份识别,意图识别,快速的提供对应的服务。
即多模态AI用户认证模块及AI身份识别的管理区域内的AI大模型,能解决通用模型的算力GPU消耗过大的问题,该模型可运行在CPU服务上,可以很好的解决掉通用大模型成本过高的问题;且该模型聚焦管理区域的痛点问题,进行相对应的训练与服务,可保证AI大模型的准确与高复用性。
另一方面,本发明实施例提供一种用户身份识别装置,如图6所示,该装置包括:
第一获取模块210,用于获取处理设备发送的识别对象的身份识别请求消息,所述身份识别请求消息中包括所述识别对象的识别信息,所述识别信息用于表征所述识别对象的生物特征,所述识别信息通过所述识别对象当前所处的功能区域中的处理设备采集;
识别模块220,用于将所述识别信息输入构建的识别模型中,输出所述识别对象的识别结果,所述识别结果中包括所述识别对象的身份标识,所述识别模型通过所述识别对象的生物特征数据训练得到,所述身份标识与所述生物特征数据一一对应,所述身份标识用于调用所述识别对象当前所处的功能区域对应的应用服务。
可选地,本发明实施例提供的用户身份识别装置,还包括:
第二获取模块230,用于获取样本数据,所述样本数据中包括所述识别对象的生物特征数据,所述生物特征数据包括所述识别对象的语音数据、图像数据及视频数据;
构建模块240,用于基于所述样本数据,构建所述识别对象的所述识别模型。
可选地,本发明实施例提供的用户身份识别装置,所述样本数据中还包括标注数据,所述标注数据用于表示所述管理区域的各所述功能区域特征,则所述基于所述样本数据,构建模块具体用于:
解析所述识别对象的生物特征数据及所述标注数据,构建所述识别对象的所述识别模型。
可选地,本发明实施例提供的用户身份识别装置,还包括:
第一生成模块250,用于生成所述识别对象的身份标识,所述身份标识与所述识别对象的生物特征数据一一对应。
可选地,本发明实施例提供的用户身份识别装置,所述样本数据中包括所述识别对象的基础数据,所述基础数据中包括所述识别对象的生物特征数据,所述第一生成模块具体用于:
根据所述基础数据生成所述识别对象的所述身份标识。
可选地,本发明实施例提供的用户身份识别装置,还包括:
第二生成模块260,用于根据所述身份标识,生成所述识别对象的账号信息。
可选地,本发明实施例提供的用户身份识别装置,还包括:
第三获取模块270,用于获取所述识别对象的文本信息,所述文本信息用于表示所述待识别用户的身份信息,所述文本信息包括编码信息及权限信息;
关联模块280,用于将所述文本信息与所述身份标识关联。
可选地,本发明实施例提供的用户身份识别装置,当根据所述识别信息确定所述识别对象的所述身份标识后,所述用户身份识别方法还包括:
根据所述身份标识,确定所述识别对象的权限信息。
可选地,本发明实施例提供的用户身份识别装置,还包括:
调用模块290,用于根据所述权限信息及所述身份标识,调用所述识别对象当前所处的功能区域对应的应用服务。
另一方面,本发明实施例提供的计算机处理设备,该计算机处理设备还包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行该程序时实现如上所述的用户身份识别方法。
下面参考图7,图7为本发明实施例的计算机处理设备的结构示意图。
如图7所示,该计算机处理设备包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。在一些实施例中,以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。特别地,根据本发明的实施例,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,本发明的实施例包括一种计算机程序产品,其包括承载在机器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。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本发明的电子设备中限定的上述功能。
需要说明的是,本发明所示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、或半导体的电子设备、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。在本发明中,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电子设备、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的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。计算机可读的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,该计算机可读介质可以发送、传播或者传输用于由指令执行电子设备、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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的电子设备、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,前述模块、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电子设备来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器,包括:第一获取模块及识别模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,该识别模块还可以被描述为“用于将所述识别信息输入构建的识别模型中,输出所述识别对象的识别结果,所述识别结果中包括所述识别对象的身份标识,所述识别模型通过所述识别对象的生物特征数据训练得到,所述身份标识与所述生物特征数据一一对应,所述身份标识用于调用所述识别对象当前所处的功能区域对应的应用服务”。
作为另一方面,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的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的。上述计算机可读存储介质存储有一个或者多个计算机程序,当上述计算机程序被一个或者一个以上的处理器用来执行描述于本发明的用户身份识别方法:
获取处理设备发送的识别对象的身份识别请求消息,所述身份识别请求消息中包括所述识别对象的识别信息,所述识别信息用于表征所述识别对象的生物特征,所述识别信息通过所述识别对象当前所处的功能区域中的处理设备采集;
将所述识别信息输入构建的识别模型中,输出所述识别对象的识别结果,所述识别结果中包括所述识别对象的身份标识,所述识别模型通过所述识别对象的生物特征数据训练得到,所述身份标识与所述生物特征数据一一对应,所述身份标识用于调用所述识别对象当前所处的功能区域对应的应用服务。
可以理解,本发明实施的用户身份识别方法,通过在后台服务器中配置用户身份识别的识别模型,使得在待识别用户在管理区域的各功能区域对应的场景下活动,进行身份识别时,所处功能区域内的处理设备采集表示用户身份的识别信息,并向后台服务器发送包括该识别信息的身份识别请求消息。后台服务器通过解析接收到的该身份识别请求消息,并将解析到的识别信息输入到预先构建的识别模型,以输出包括用户身份的身份标识的识别结果,且使得后台服务器能够根据该身份标识,调用对应的应用服务,实现了管理区域内用户在各场景下的用户身份识别,及应用服务调用。本发明实施例中,由于在后台服务器中通过表示用户生物特征的数据构建了识别模型,从而使得用户在管理区域的各场景下活动时,能够借助各场景下的处理设备采集的表示生物特征的识别信息,通过预先构建的识别模型实时准确的实现用户的身份识别,进而在完成各场景下应用服务的调用,为用户提供及时有效的生活工作服务,该识别模型及唯一的身份标识为管理区域内所有用户的底层数据的统一管理提供了支撑,使得用户在管理区域内的各功能区域内能够通过处理设备的辅助,利用统一配置的唯一身份标识进行相应的数据串联与分析,实现身份识别,以及相应应用服务的调用,最终实现降本增效。
读者应理解,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发明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。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种用户身份识别方法,其特征在于,所述方法用于管理区域内的识别对象的身份识别,所述管理区域包括多个功能区域,每个所述功能区域内设置有电子设备,所述电子设备用于采集识别对象的识别信息,及访问所述后台服务器中配置与每个所述功能区域对应的应用服务,所述用户身份识别方法包括:
获取电子设备发送的识别对象的身份识别请求消息,所述身份识别请求消息中包括所述识别对象的识别信息,所述识别信息用于表征所述识别对象的生物特征,所述识别信息通过所述识别对象当前所处的功能区域中的电子设备采集;
将所述识别信息输入构建的识别模型中,输出所述识别对象的识别结果,所述识别结果中包括所述识别对象的身份标识,所述识别模型通过所述识别对象的生物特征数据训练得到,所述身份标识与所述生物特征数据一一对应,所述身份标识用于调用所述识别对象当前所处的功能区域对应的应用服务。
2.根据权利要求1所述的用户身份识别方法,其特征在于,所述用户身份识别方法还包括:
获取样本数据,所述样本数据中包括所述识别对象的生物特征数据,所述生物特征数据包括所述识别对象的语音数据、图像数据及视频数据;
基于所述样本数据,构建所述识别对象的所述识别模型。
3.根据权利要求2所述的用户身份识别方法,其特征在于,所述样本数据中还包括标注数据,所述标注数据用于表示所述管理区域的各所述功能区域特征,则所述基于所述样本数据,构建所述识别对象的所述识别模型包括:
解析所述识别对象的生物特征数据及所述标注数据,构建所述识别对象的所述识别模型。
4.根据权利要求1-3任一项所述的用户身份识别方法,其特征在于,所述用户身份识别方法还包括:
生成所述识别对象的身份标识,所述身份标识与所述识别对象的生物特征数据一一对应。
5.根据权利要求4所述的用户身份识别方法,其特征在于,所述样本数据中包括所述识别对象的基础数据,所述基础数据中包括所述识别对象的生物特征数据,所述生成所述识别对象的身份标识包括:
根据所述基础数据生成所述识别对象的所述身份标识。
6.根据权利要求1-3任一项所述的用户身份识别方法,其特征在于,所述用户身份识别方法还包括:
根据所述身份标识,生成所述识别对象的账号信息。
7.根据权利要求6所述的用户身份识别方法,其特征在于,所述用户身份识别方法还包括:
获取所述识别对象的文本信息,所述文本信息用于表示所述识别对象的身份信息,所述文本信息包括编码信息及权限信息;
将所述文本信息与所述身份标识关联。
8.根据权利要求7所述的用户身份识别方法,其特征在于,当根据所述识别信息确定所述识别对象的所述身份标识后,所述用户身份识别方法还包括:
根据所述身份标识,确定所述识别对象的权限信息。
9.根据权利要求8所述的用户身份识别方法,其特征在于,所述用户身份识别方法还包括:
根据所述权限信息及所述身份标识,调用所述识别对象当前所处的功能区域对应的应用服务。
10.一种计算机处理设备,其特征在于,所述计算机处理设备包括存储器、处理器以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程序时实现如权利要求1-9任一项所述的用户身份识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391552.5A CN117596018A (zh) | 2023-10-24 | 2023-10-24 | 用户身份识别方法及处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391552.5A CN117596018A (zh) | 2023-10-24 | 2023-10-24 | 用户身份识别方法及处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117596018A true CN117596018A (zh) | 2024-02-23 |
Family
ID=89915691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311391552.5A Pending CN117596018A (zh) | 2023-10-24 | 2023-10-24 | 用户身份识别方法及处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117596018A (zh) |
-
2023
- 2023-10-24 CN CN202311391552.5A patent/CN117596018A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086669B (zh) | 人脸识别身份验证方法、装置、电子设备 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN110569377A (zh) | 一种媒体文件的处理方法和装置 | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
CN108549848B (zh) | 用于输出信息的方法和装置 | |
JP2021529394A (ja) | 勤怠管理システム、方法及び電子機器 | |
CN112395390B (zh) | 意图识别模型的训练语料生成方法及其相关设备 | |
WO2022134836A1 (zh) | 物品价值评估方法、装置、计算机设备和存储介质 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN112101304B (zh) | 数据处理方法、装置、存储介质及设备 | |
CN113656761B (zh) | 基于生物识别技术的业务处理方法、装置和计算机设备 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN112651333B (zh) | 静默活体检测方法、装置、终端设备和存储介质 | |
CN113591603A (zh) | 证件的验证方法、装置、电子设备及存储介质 | |
CN112507141A (zh) | 调查任务生成方法、装置、计算机设备及存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN114245204B (zh) | 基于人工智能的视频面签方法、装置、电子设备及介质 | |
CN117596018A (zh) | 用户身份识别方法及处理设备 | |
CN115564000A (zh) | 二维码生成方法、装置、计算机设备及存储介质 | |
CN115378806A (zh) | 流量分配方法、装置、计算机设备及存储介质 | |
CN113936677A (zh) | 音色转换方法、装置、计算机设备及存储介质 | |
CN112542172A (zh) | 基于在线会议的沟通辅助方法、装置、设备及介质 | |
Ahmed | GPark: Vehicle parking management system using smart glass | |
Dhandapani et al. | Implementation of attendance management system based on text and face recognition |
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 |