TW201546645A - 身份驗證方法與系統以及伺服器資料處理方法和伺服器 - Google Patents

身份驗證方法與系統以及伺服器資料處理方法和伺服器 Download PDF

Info

Publication number
TW201546645A
TW201546645A TW103134011A TW103134011A TW201546645A TW 201546645 A TW201546645 A TW 201546645A TW 103134011 A TW103134011 A TW 103134011A TW 103134011 A TW103134011 A TW 103134011A TW 201546645 A TW201546645 A TW 201546645A
Authority
TW
Taiwan
Prior art keywords
feature point
point information
verified
user
information set
Prior art date
Application number
TW103134011A
Other languages
English (en)
Other versions
TWI650666B (zh
Inventor
li-zhong Li
Original Assignee
Alibaba Group Services 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 Alibaba Group Services Ltd filed Critical Alibaba Group Services Ltd
Publication of TW201546645A publication Critical patent/TW201546645A/zh
Application granted granted Critical
Publication of TWI650666B publication Critical patent/TWI650666B/zh

Links

Classifications

    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • 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
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/322—Aspects of commerce using mobile devices [M-devices]
    • G06Q20/3224—Transactions dependent on location of M-devices
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申請實施方式公開了一種身份驗證方法與系統以及伺服器資料處理方法和伺服器。身份驗證方法，其包括：採集待驗證使用者的生物特徵資訊；從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者；將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。本申請可以減少有許可權通過身份驗證的用戶因一些原因未通過驗證的情況，給使用者帶來了便利。

Description

身份驗證方法與系統以及伺服器資料處理方法和伺服器
本申請關於身份驗證領域，特別關於一種利用生物特徵識別技術的身份驗證方法與系統以及伺服器資料處理方法和伺服器。
身份驗證是指通過一定的手段，確認用戶的身份。基於生物特徵的身份驗證是指透過用戶的指紋或虹膜等確認用戶的身份。用戶的指紋或虹膜均具有不變性和唯一性。不變性是指用戶的指紋或虹膜除非出現意外的受傷之外，可以長時間不發生改變。唯一性是指用戶的指紋或虹膜具有的紋路是唯一的，不同用戶的指紋或虹膜的紋路是不相同的，使得指紋或虹膜能夠唯一表示一個用戶。
現有基於生物特徵的身份驗證，以指紋為例，多採取先註冊，每次確認身份時進行驗證的方式。註冊的過程主要包括：透過採集終端採集使用者的指紋或虹膜的圖像；從圖像中提取指紋的特徵點資訊；保存提取的特徵點資訊。其中，特徵點資訊包括特徵點的類型、座標、方向等參數。特徵點的類型可以包括紋路的端點、孤立點或環 等。在進行身份驗證時，透過採集終端採集待驗證使用者的指紋，將待驗證用戶的指紋進行預處理以及提取特徵點資訊，將待驗證使用者的特徵點資訊與保存的特徵點資訊進行對比，當待驗證使用者的特徵點資訊與保存的特徵點資訊的符合度達到預定數值時，可以認為待驗證用戶通過身份驗證。
在一些情況下，出於一些特殊原因致使已經完成註冊的用戶難以通過身份驗證，影響用戶的正常工作或生活。比如，由於採集終端使用時間過久，內部元件老化，使得採集終端採集的圖像品質較低，使得提取出的特徵點資訊不全，導致符合度未達到預定數值，待驗證用戶難以通過驗證；再者，一些使用者的生物特徵本身不夠明顯，比如指紋的紋路非常不明顯，此時採集終端採集的圖像品質也會較低，使得提取出的特徵點資訊不全，導致符合度未達到預定數值，待驗證用戶難以通過驗證；在一些特殊情況下，比如手指蛻皮、手指汗腺過於發達或者眼睛虹膜發炎，都可能會導致用戶難以通過驗證。顯然，在上述情況下，使用者通過身份驗證的通過率較低，給用戶帶來較大的麻煩。比如，具有指紋或虹膜識別功能的門禁，用戶無法通過身份驗證，則無法開門；比如透過生物特徵進行驗證身份的金融產品，使用者無法通過身份驗證，便無法消費購買所需的物品。
本申請實施方式的目的是提供一種能夠提高身份驗證通過率的身份驗證方法及系統和伺服器資料處理方法和伺服器。
為解決上述技術問題，本申請提供一種身份驗證方法，其包括：採集待驗證使用者的生物特徵資訊；從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者；將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
本申請還提供一種身份驗證系統，其包括：採集模組，用於採集待驗證使用者的生物特徵資訊；特徵提取模組，用於從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者；匹配模組，用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；處理模組，用於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
本申請還提供一種伺服器資料處理方法，所述方法包括：接收使用者終端發出的生物特徵資訊；從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者；將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
本申請還提供一種伺服器資料處理方法，所述方法包括：接收待驗證特徵點資訊集；將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
本申請還提供一種伺服器，所述伺服器包括：接收模組，用於接收使用者終端發出的生物特徵資訊；特徵提取模組，用於從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者；匹配模組，用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；處理模組，用 於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
本申請還提供一種伺服器，所述伺服器包括：接收模組，用於接收待驗證特徵點資訊集；匹配模組，用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；處理模組，用於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
由以上本申請實施方式提供的技術方案可見，本申請為待驗證特徵點資訊集與預定特徵點資訊集的匹配度，劃分兩個基準值，即第一預定閾值和第二預定閾值，針對匹配度處於第一預定閾值和第二預定閾值之間的情況，採取了進一步的驗證措施，使得因一些特殊原因導致的原本有許可權通過身份驗證而未通過身份驗證的用戶，無需重複多次進行身份驗證嘗試，在一次身份驗證過程中便可以通過身份驗證，給用戶帶來了便利。
10‧‧‧採集模組
20‧‧‧特徵提取模組
30‧‧‧匹配模組
40‧‧‧處理模組
100‧‧‧身份驗證系統
21‧‧‧特徵提取模組
31‧‧‧匹配模組
40‧‧‧處理模組
50‧‧‧接收模組
110‧‧‧伺服器
51‧‧‧接收模組
120‧‧‧伺服器
為了更清楚地說明本申請實施方式或現有技術中的技 術方案，下面將對實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施方式，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本申請一個實施方式提供的身份驗證方法的流程圖；圖2為本申請一個實施方式提供的身份驗證方法的流程圖；圖3為本申請一個實施方式提供的身份驗證方法的流程圖；圖4為本申請一個實施方式提供的身份驗證方法的流程圖；圖5為本申請一個實施方式提供的身份驗證方法的流程圖；圖6為本申請一個實施方式提供的身份驗證系統的模組圖；圖7為本申請一個實施方式提供的伺服器資料處理方法的流程圖；圖8為本申請一個實施方式提供的伺服器資料處理方法的流程圖；圖9為本申請一個實施方式提供的伺服器資料處理方法的流程圖；圖10為本申請一個實施方式提供的伺服器資料處理 方法的流程圖；圖11為本申請一個實施方式提供的伺服器資料處理方法中，接收驗證資料的子步驟流程圖；圖12為本申請一個實施方式提供的伺服器資料處理方法中，二個以上預設特徵點資訊集的預設資料存在一個預設資料與所述驗證資料相同時的子步驟流程圖；圖13為本申請一個實施方式提供的伺服器的功能模組圖；圖14為本申請一個實施方式提供的伺服器的功能模組圖。
為了使本技術領域的人員更好地理解本申請中的技術方案，下面將結合本申請實施方式中的附圖，對本申請實施方式中的技術方案進行清楚、完整地描述，顯然，所描述的實施方式僅僅是本申請一部分實施方式，而不是全部的實施方式。基於本申請中的實施方式，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施方式，都應當屬於本申請保護的範圍。
請參閱圖1，為本申請的一個實施方式提供的身份驗證方法，其包括如下步驟。
步驟S10：採集待驗證使用者的生物特徵資訊。
在本實施方式中，所述生物特徵資訊可以包括指紋圖像、人臉圖像、虹膜圖像、掌紋圖像、步態視頻、語音音 訊、耳型圖像或簽名識別等等。其中較佳地，所述生物特徵資訊可以包括指紋圖像或虹膜圖像。
步驟S20：從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者。
在本實施方式中，生物特徵資訊中包括若干特徵點資訊，所述若干特徵點資訊形成特徵點資訊集。特徵點資訊是使用者自身生長過程中形成的特徵。具體的，舉例為：以生物特徵資訊為指紋圖像為例，指紋中的特徵點的類型可以包括紋路的端點、中斷點、孤立點或環等，特徵點資訊可以包括特徵點的類型、座標、方向等參數。以生物特徵資訊為虹膜圖像為例，虹膜中的特徵點的類型可以包括冠、水晶體、細絲、斑點、結構、凹點、射線、皺紋或條紋等，特徵點資訊可以包括特徵點的類型、座標、方向、大小等參數。由於每個特徵點資訊集均是從使用者的特徵資訊中提取出來，所以一個特徵點資訊集可以唯一標識一個使用者。
步驟S30：將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
在本實施方式中，可以預先採集使用者的生物特徵資訊，預設特徵點資訊集可以是從所述生物特徵資訊中提取出的特徵點資訊集。預先保存所述特徵點資訊集，以作為待驗證用戶是否有許可權通過驗證的預設特徵點資訊集。
在本實施方式中，將待驗證特徵點資訊集中的每個特 徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現除座標外其他相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
步驟S40：所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，匹配度可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占預設特徵點資訊集中特徵點資訊總數的比例。當然，匹配度也可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占待驗證特徵點資訊集中特徵點資訊 總數的比例。
在本實施方式中，第一預定閾值可以為認定待驗證用戶可以直接通過驗證的最低匹配度，即當待驗證特徵點資訊集與預設特徵點資訊集的匹配度大於或等於第一預定閾值時，可以認定待驗證用戶通過驗證。
在本實施方式中，當匹配度小於第一預定閾值並大於第二預定閾值，可以表明待驗證特徵點資訊集中存在一定數量的特徵點資訊與預設特徵點資訊集相同。此時，可能存在兩種情況。第一可能是待驗證用戶有許可權通過驗證，但由於採集終端老化導致採集的生物特徵資訊的品質較差，也可能是使用者本身身體狀態不佳，導致採集終端採集的生物特徵資訊的品質較差，致使匹配度沒有大於或等於第一預定閾值。第二可能是待驗證用戶本身沒有許可權通過驗證，待驗證客戶的待驗證特徵點資訊集與預設待驗證特徵點資訊集客觀上存在部分特徵點資訊相同。當然，還可能存在其他原因導致匹配度小於第一預定閾值並大於第二預定閾值，在此限於篇幅不再列舉，前述列舉的情況僅僅是針對出現匹配度小於第一預定閾值並大於第二預定閾值情況的舉例，並不對本申請構成限定。
在本實施方式中，當匹配度小於第二預定閾值，可以表明待驗證特徵點資訊集中存在較少數量的特徵點與預設特徵點資訊集相同，基本可以排除待驗證用戶具有許可權通過驗證。
在本實施方式中，所述預定資料可以為使用者預先設 置並進行保存的資料，該資料與使用者預先設置的預設特徵點資訊集對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數位，或至少一個字母，或至少一個符號，或者由數位、字母和符號中至少二種組成的字串。
在本實施方式中，若所述驗證資料與所述預定資料不同，則待驗證用戶的身份驗證失敗，即待驗證用戶未通過身份驗證，不具有進一步作業的許可權。
在本實施方式中，透過輸入驗證資料，使得一部分因某種原因導致生物特徵資訊的匹配度小於第一預定閾值而沒有通過驗證的待驗證用戶，能夠通過一次生物特徵資訊的匹配便通過驗證，為該待驗證用戶帶來便利。具體的，舉例為：因採集終端老化或待驗證使用者身體本身的原因，使得採集的生物特徵資訊品質較差，進而提取的待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值而大於第二預定閾值，假設待驗證用戶本身有許可權通過驗證，則待驗證使用者輸入驗證資料之後，將驗證資料與預設資料進行比對，若二者相同，可以確認待驗證用戶的身份，表明待驗證用戶可以通過驗證。從而節省了使用者再次進行生物特徵資訊匹配的時間，並且也解決了因採集終端老化或待驗證使用者身體本身的原因，使得採集的生物特徵資訊品質較差時，使用者難以通過驗證的問 題。
本實施方式提供的身份驗證方法可以適用於具有生物特徵資訊採集功能的終端或包括生物特徵資訊的採集端和伺服器的硬體系統。具體的，舉例為：具有生物特徵資訊採集功能的門禁，應用本身份驗證方法之後，可以提高安全性能。利用生物特徵資訊進行身份驗證的支付系統，包括生物特徵資訊的採集端和伺服器，應用本身份驗證方法，可以提高支付的安全性，並給用戶的使用帶來了便利。
請參閱圖2，在一個實施方式中，所述身份驗證方法可以應用於包括使用者終端和伺服器的硬體系統上時。所述身份驗證方法可以包括如下步驟。
步驟S11：使用者終端採集待驗證使用者的生物特徵資訊，向所述伺服器發送消息，所述消息附帶所述生物特徵資訊。
在本實施方式中，使用者終端採集待驗證使用者的生物特徵資訊。具體的，舉例為：若要採集的生物特徵資訊是指紋圖像，使用者終端可以是光學式指紋讀取器、電容式指紋感測器或射頻指紋識別技術感測器等。若要採集的生物特徵資訊是虹膜圖像，使用者終端可以是帶有光學鏡頭的圖像採集裝置。
在本實施方式中，所述使用者終端與所述伺服器之間可以進行通信，通信的方式可以利用互聯網或局域網。所述使用者終端將採集的生物特徵資訊發送給伺服器進行進 一步的處理。
步驟S50：所述伺服器接收所述生物特徵資訊。
步驟S21：所述伺服器從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者。
步驟S31：所述伺服器將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
步驟S40：所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，所述伺服器可以是具有運算和儲存功能的電腦設備。預設特徵點資訊集可以預先保存在伺服器內，將預設特徵點資訊集作為判斷待驗證用戶是否有許可權通過驗證的依據。具體的，可以預先採集使用者的生物特徵資訊，伺服器從生物特徵資訊中提出特徵點資訊集，並將特徵點資訊集按照一定的規則保存，以便於後續讀取作為判斷待驗證用戶是否有許可權通過驗證的依據。在伺服器中可以儲存有至少一個預設特徵點資訊集，並且伺服器可以接收不同使用者終端發來的生物特徵資訊，如此實現使用者在伺服器中保存預設特徵點資訊集之後，可以在不同的地方進行驗證許可權，進而通過驗證之後進行進一步的操作。
在本實施方式中，伺服器將待驗證特徵點資訊集中的每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇座標與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
在本實施方式中，所述預定資料可以為使用者預先設置並保存在伺服器中的資料，該伺服器將所述預定資料與使用者預先設置的預設特徵點資訊集相對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
本申請示例性的描述通過使用者終端和伺服器結合的硬體系統上進行身份驗證的方法，對於本領域技術人員來說，僅僅通過使用者終端來進行本申請身份驗證的方法也是可以實現的，例如預先在使用者終端中儲存預設特徵點資訊集及與其對應的預定資料。本實施例並不是對本申請保護範圍的限定。
請參閱圖3，在一個實施方式中，所述身份驗證方法可以應用於使用者終端和伺服器組成的硬體系統上時。所述身份驗證方法可以包括如下步驟。
步驟S11：使用者終端採集待驗證使用者的生物特徵資訊。
步驟S22：使用者終端從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者，所述使用者終端發送消息給伺服器，所述消息附帶有所述待驗證特徵點資訊集。
在本實施方式中，使用者終端可以具有生物特徵資訊採集功能和運算處理能力，並按照預定的演算法在生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集。
步驟S51：所述伺服器接收所述待驗證特徵點資訊集。
步驟S31：所述伺服器將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
步驟S40：所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時， 接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，所述伺服器可以是具有運算和儲存功能的電腦設備。預設特徵點資訊集可以預先保存在伺服器內，將預設特徵點資訊集作為判斷待驗證用戶是否有許可權通過驗證的依據。具體的，可以有使用者終端預先採集使用者的生物特徵資訊並提取特徵點資訊集，伺服器按照一定的規則保存特徵點資訊集，以便於後續讀取作為判斷待驗證用戶是否有許可權通過驗證的依據。在伺服器中可以儲存有至少一個預設特徵點資訊集，並且伺服器可以接收不同使用者終端發來的生物特徵資訊，如此實現使用者在伺服器中保存預設特徵點資訊集之後，可以在不同的地方進行驗證許可權，進而通過驗證之後進行進一步的操作。
在本實施方式中，伺服器將待驗證特徵點資訊集中的每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇座標與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當 前選取的特徵點資訊進行比對，如此在發現相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
在本實施方式中，所述預定資料可以為使用者預先設置並保存在伺服器中的資料，該伺服器將所述預定資料與使用者預先設置的預設特徵點資訊集相對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
請參閱圖4，在本申請的一個實施方式中，所述身份驗證方法還包括如下步驟。
步驟S60：所述匹配度大於所述第一預定閾值時，所述伺服器獲取所述待驗證使用者的預定定位終端的位置資訊，判斷所述預定定位終端和採集所述待驗證使用者的生物特徵資訊的使用者終端是否處於同一位置。
在本實施方式中，預定定位終端可以是能夠利用GPS或通信基地台產生位置資訊的裝置。具體的，舉例為：預定定位終端可以是行動電話。伺服器可以預先對應預定特 徵點資訊集保存使用者行動電話的號碼。伺服器獲取行動電話的位置資訊的過程可以為：伺服器向行動電話發出位置資訊獲取請求，行動電話接收位置資訊獲取請求之後，啟動定位功能，可以是GPS定位，也可以是利用基地台定位元，產生定位資訊並回饋給伺服器。
在本實施方式中，使用者終端可以設置有定位裝置，所述定位裝置產生使用者終端的位置資訊。具體的，舉例為：所述定位裝置可以接受GPS信號，從而產生位置資訊並提供給伺服器。
步驟S70：所述預定定位終端和所述使用者終端不是處於同一位置時，所述伺服器通過所述使用者終端接收待驗證使用者輸入的所述驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，伺服器判斷得出預定定位終端與使用者終端不是處於同一個位置，則會通過使用者終端接收驗證資料，從而提升了所述身份驗證的安全性。在一些情況下，比如涉及金融、機密資料或機密場合，對身份驗證要求較高，單純的生物特徵資訊的驗證可能會被偽造。具體的，舉例為：不法份子可能通過一些途徑獲取到某個用戶的指紋或虹膜，並通過偽造技術進行偽造，例如製造具有該使用者指紋的指套，或者提取出指紋或虹膜的特徵點資訊集並將該特徵點資訊集直接發送給伺服器驗證。不法份子可能透過前述方式通過身份驗證，進而可能造成用戶 的經濟損失或重要資訊洩露。本實施方式中，通過判斷使用者隨身攜帶的預定定位裝置是否與使用者終端處於同一位置，從而可以防止偽造的生物特徵資訊通過身份驗證，極大的提高了用戶的使用安全性。
在一個實施方式中，所述身份驗證方法還包括步驟S61：所述預定定位終端和所述使用者終端處於同一位置時，所述待驗證用戶通過驗證。
在一個實施方式中，在所述步驟S11中：使用者終端向伺服器發出的消息中還附帶有所述使用者終端的位置資訊。在本實施方式中，使用者終端可能固定在某一個位置使用，則通過預先設置位置資訊，便可以在使用者終端每次發出生物特徵資訊時附帶所述位置資訊，以便於使伺服器能夠獲取使用者終端的位置資訊。當然，所述使用者終端還可以設置有定位模組，例如利用GPS信號產生位置資訊。如此，使用者終端便可以在不同的地點使用。
請參閱圖5，在本申請的一個實施方式中，所述身份驗證方法還包括以下步驟。
步驟S80：接收使用者輸入的業務資料。
在本實施方式中，可以在採集待驗證使用者的生物特徵資訊之前先行接收待驗證使用者輸入的業務資料，也可以在採集待驗證使用者的生物特徵資訊之後接收待驗證使用者輸入的業務資料。
在本實施方式中，對應於所述身份驗證方法應用於採用使用者終端和伺服器的硬體系統，所述使用者終端在將 生物特徵資訊發送給伺服器時，可以附帶所述業務資料，如此實現使用者終端將業務資料提供給伺服器。當然，也可以為使用者終端在將特徵點資訊集發送給伺服器時，可以附帶所述業務資料。
在本實施方式中，所述身份驗證方法可以應用於消費者在商鋪進行消費的場合，即業務資料可以為消費者的消費金額，消費者通過所述身份驗證方法來進行身份驗證。
步驟S90：所述匹配度大於所述第一預定閾值時，將所述業務資料與預設規則進行比對，若所述業務資料不符合所述預設規則，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，預設規則可以是對業務資料的取值的預測，或者對業務資料取值的限制，或者是對業務資料的歷史取值範圍。業務資料符合預定規則，可以表示所述業務資料沒有出現異常，不需要進一步的驗證。當業務資料不符合預定規則，表示業務資料的取值可能存在異常，需要對待驗證使用者進一步驗證，避免因使用者的生物特徵資訊洩露被偽造而給用戶造成損失。
在一個實施方式中，對應於本申請的身份驗證方法應用於消費者在商鋪進行消費的場合。所述預定規則可以是根據使用者的歷史消費記錄分析得出的消費金額區間，所述業務資料應不超出所述消費金額區間。當所述業務資料處於所述消費金額區間之外時，被認定為業務資料不符合 所述預設規則。業務資料表示當前的消費金額，當業務資料處於消費金額區間之外時，表明當前的消費違背了用戶的歷史消費習慣，為了避免使用者的生物特徵資訊被偽造導致使用者的財務遭到損失，要求進行再次驗證。由於再次驗證需要待驗證使用者輸入驗證資料，並判斷驗證資料是否與預設資料相同，此時預設資料便構成了記憶類密碼，不法分子難以偽造，提升了安全性能。具體的，舉例為：所述消費區間的最大值為使用者的歷史消費記錄中的單次消費最大金額。在一個實施方式中，所述預定規則可以為根據使用者的歷史消費記錄得出消費均值，所述業務資料應小於所述消費均值的預定倍數。當所述業務資料大於所述消費均值的預定倍數，則認為不符合所述預定規則。具體的，舉例為：所述預定倍數可以為1~5倍。
請參閱圖6，本申請實施方式還提供一種身份驗證系統100。所述身份驗證系統100包括：採集模組10、特徵提取模組20、匹配模組30、處理模組40。
採集模組10用於採集待驗證使用者的生物特徵資訊。
在本實施方式中，所述生物特徵資訊可以包括指紋圖像、人臉圖像、虹膜圖像、掌紋圖像、步態視頻、語音音訊、耳型圖像或簽名識別等等。其中較佳地，所述生物特徵資訊可以包括指紋圖像或虹膜圖像。
在本實施方式中，採集模組10可以是任何具有生物特徵資訊採集功能的裝置。具體的，舉例為：若要採集的 生物特徵資訊是指紋圖像，使用者終端可以是光學式指紋讀取器、電容式指紋感測器或射頻指紋識別技術感測器等。若要採集的生物特徵資訊是虹膜圖像，使用者終端可以是帶有光學鏡頭的圖像採集裝置。
特徵提取模組20用於從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者。
在本實施方式中，生物特徵資訊中包括若干特徵點資訊，所述若干特徵點資訊形成特徵點資訊集。特徵點資訊是使用者自身生長過程中形成的特徵。具體的，舉例為：以生物特徵資訊為指紋圖像為例，指紋中的特徵點的類型可以包括紋路的端點、中斷點、孤立點或環等，特徵點資訊可以包括特徵點的類型、座標、方向等參數。以生物特徵資訊為虹膜圖像為例，虹膜中的特徵點的類型可以包括冠、水晶體、細絲、斑點、結構、凹點、射線、皺紋或條紋等，特徵點資訊可以包括特徵點的類型、座標、方向、大小等參數。由於每個特徵點資訊集均是從使用者的特徵資訊中提取出來，所以一個特徵點資訊集可以唯一標識一個使用者。
匹配模組30用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
在本實施方式中，身份驗證系統100可以預先採集使用者的生物特徵資訊，預設特徵點資訊集可以是從所述生物特徵資訊中提取出的特徵點資訊集。預先保存所述特徵 點資訊集，以作為後待驗證用戶是否有許可權通過驗證的預設特徵點資訊集。
在本實施方式中，將待驗證特徵點資訊集中的每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現除座標外相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
處理模組40用於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，匹配度可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占預設 特徵點資訊集中特徵點資訊總數的比例。當然，匹配度也可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占待驗證特徵點資訊集中特徵點資訊總數的比例。
在本實施方式中，第一預定閾值可以為認定待驗證用戶可以直接通過驗證的最低匹配度，即當待驗證特徵點資訊集與預設特徵點資訊集的匹配度大於或等於第一預定閾值時，可以認定待驗證用戶通過驗證。
在本實施方式中，當匹配度小於第一預定閾值並大於第二預定閾值，可以表明待驗證特徵點資訊集中存在一定數量的特徵點資訊與預設特徵點資訊集相同。此時，可能存在兩種情況。第一可能是待驗證用戶有許可權通過驗證，但由於採集終端老化導致採集的生物特徵資訊的品質較差，也可能是使用者本身身體狀態不佳，導致採集終端採集的生物特徵資訊的品質較差，致使匹配度沒有大於或等於第一預定閾值。第二可能是待驗證用戶本身沒有許可權通過驗證，待驗證客戶的待驗證特徵點資訊集與預設待驗證特徵點資訊集客觀上存在部分特徵點資訊相同。當然，還可能存在其他原因導致匹配度小於第一預定閾值並大於第二預定閾值，在此限於篇幅不再列舉，前述列舉的情況僅僅是針對出現匹配度小於第一預定閾值並大於第二預定閾值情況的舉例，並不對本申請構成限定。
在本實施方式中，當匹配度小於第二預定閾值，可以表明待驗證特徵點資訊集中存在較少數量的特徵點與預設 特徵點資訊集相同，基本可以排除待驗證用戶具有許可權通過驗證。
在本實施方式中，所述預定資料可以為使用者預先設置並進行保存的資料，該資料與使用者預先設置的預設特徵點資訊集對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
在本實施方式中，若所述驗證資料與所述預定資料不同，則待驗證用戶的身份驗證失敗，即待驗證用戶未通過身份驗證，不具有進一步作業的許可權。
請參閱圖7，本申請實施方式還提供一種伺服器資料處理方法，所述伺服器資料處理方法還包括以下步驟。
步驟S50：接收使用者終端發出的生物特徵資訊。
在本實施方式中，所述生物特徵資訊可以包括指紋圖像、人臉圖像、虹膜圖像、掌紋圖像、步態視頻、語音音訊、耳型圖像或簽名識別等等。其中較佳地，所述生物特徵資訊可以包括指紋圖像或虹膜圖像。使用者終端具有生物特徵資訊採集功能，並將採集的生物特徵資訊發送給伺服器。
步驟S21：從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所 述待驗證使用者。
在本實施方式中，生物特徵資訊中包括若干特徵點資訊，所述若干特徵點資訊形成特徵點資訊集。特徵點資訊是使用者自身生長過程中形成的特徵。具體的，舉例為：以生物特徵資訊為指紋圖像為例，指紋中的特徵點的類型可以包括紋路的端點、中斷點、孤立點、分叉點或環等，特徵點資訊可以包括特徵點的類型、座標、方向等參數。以生物特徵資訊為虹膜圖像為例，虹膜中的特徵點的類型可以包括冠、水晶體、細絲、斑點、結構、凹點、射線、皺紋或條紋等，特徵點資訊可以包括特徵點的類型、座標、方向、大小等參數。由於每個特徵點資訊集均是從使用者的特徵資訊中提取出來，所以一個特徵點資訊集可以唯一標識一個使用者。
步驟S31：將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
在本實施方式中，伺服器中可以預先儲存有的特徵點資訊集。預先保存所述特徵點資訊集，以作為後待驗證用戶是否有許可權通過驗證的預設特徵點資訊集。
在本實施方式中，伺服器將待驗證特徵點資訊集中的每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比 對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現除座標外相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
步驟S40：所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，匹配度可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占預設特徵點資訊集中特徵點資訊總數的比例。當然，匹配度也可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占待驗證特徵點資訊集中特徵點資訊總數的比例。
在本實施方式中，第一預定閾值可以為認定待驗證用戶可以直接通過驗證的最低匹配度，即當待驗證特徵點資訊集與預設特徵點資訊集的匹配度大於或等於第一預定閾值時，可以認定待驗證用戶通過驗證。
在本實施方式中，當匹配度小於第一預定閾值並大於第二預定閾值，可以表明待驗證特徵點資訊集中存在一定數量的特徵點資訊與預設特徵點資訊集相同。此時，可能存在兩種情況。第一可能是待驗證用戶有許可權通過驗證，但由於採集終端老化導致採集的生物特徵資訊的品質較差，也可能是使用者本身身體狀態不佳，導致採集終端採集的生物特徵資訊的品質較差，致使匹配度沒有大於或等於第一預定閾值。第二可能是待驗證用戶本身沒有許可權通過驗證，待驗證客戶的待驗證特徵點資訊集與預設待驗證特徵點資訊集客觀上存在部分特徵點資訊相同。當然，還可能存在其他原因導致匹配度小於第一預定閾值並大於第二預定閾值，在此限於篇幅不再列舉，前述列舉的情況僅僅是針對出現匹配度小於第一預定閾值並大於第二預定閾值情況的舉例，並不對本申請構成限定。
在本實施方式中，當匹配度小於第二預定閾值，可以表明待驗證特徵點資訊集中存在較少數量的特徵點與預設特徵點資訊集相同，基本可以排除待驗證用戶具有許可權通過驗證。
在本實施方式中，所述預定資料可以為使用者預先設置並進行保存的資料，該資料與使用者預先設置的預設特徵點資訊集對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數 字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
在本實施方式中，若所述驗證資料與所述預定資料不同，則待驗證用戶的身份驗證失敗，即待驗證用戶未通過身份驗證，不具有進一步作業的許可權。
請參閱圖8，本申請實施方式還提供一種伺服器資料處理方法，所述伺服器資料處理方法包括以下步驟。
步驟S51：接收待驗證特徵點資訊集。
步驟S31：將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
步驟S40：所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，所述伺服器可以是具有運算和儲存功能的電腦設備。預設特徵點資訊集可以預先保存在伺服器內，將預設特徵點資訊集作為判斷待驗證用戶是否有許可權通過驗證的依據。具體的，可以有使用者終端預先採集使用者的生物特徵資訊並提取特徵點資訊集，伺服器按照一定的規則保存特徵點資訊集，以便於後續讀取作為判斷待驗證用戶是否有許可權通過驗證的依據。在伺服器中可以儲存有至少一個預設特徵點資訊集，並且伺服器可以接收不同使用者終端發來的生物特徵資訊，如此實現使用 者在伺服器中保存預設特徵點資訊集之後，可以在不同的地方進行驗證許可權，進而通過驗證之後進行進一步的操作。
在本實施方式中，伺服器將待驗證特徵點資訊集中的每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇座標與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
在本實施方式中，所述預定資料可以為使用者預先設置並保存在伺服器中的資料，該伺服器將所述預定資料與使用者預先設置的預設特徵點資訊集相對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定 資料可以為至少一位元數字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
請參閱圖9，在本申請的一個實施方式中，所述伺服器資料處理方法還包括如下步驟。
步驟S60：所述匹配度大於所述第一預定閾值時，所述伺服器獲取所述待驗證使用者的預定定位終端的位置資訊，判斷所述預定定位終端和採集所述待驗證使用者的生物特徵資訊的使用者終端是否處於同一位置。
在本實施方式中，預定定位終端可以是能夠利用GPS或通信基地台產生位置資訊的裝置。具體的，舉例為：預定定位終端可以是行動電話。伺服器可以預先對應預定特徵點資訊集保存使用者行動電話的號碼。伺服器獲取行動電話的位置資訊的過程可以為：伺服器向行動電話發出位置資訊獲取請求，行動電話接收位置資訊獲取請求之後，啟動定位功能，可以是GPS定位，也可以是利用基地台定位元，產生定位資訊並回饋給伺服器。
步驟S70：所述預定定位終端和所述使用者終端不是處於同一位置時，接收待驗證用戶輸入的所述驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，伺服器判斷得出預定定位終端與使用者終端不是處於同一個位置，則會通過使用者終端接收驗證資料，從而提升了所述身份驗證方向的安全性。在一 些情況下，比如涉及金融、機密資料或機密場合，對身份驗證要求較高，單純的生物特徵資訊的驗證可能會被偽造。具體的，舉例為：不法份子可能透過一些途徑獲取到某個用戶的指紋或虹膜，並通過偽造技術進行偽造，例如製造具有該使用者指紋的指套，或者提取出指紋或虹膜的特徵點資訊集並將該特徵點資訊集直接發送給伺服器驗證。不法份子可能透過前述方式通過身份驗證，進而可能給造成用戶的經濟損失或重要資訊洩露。本實施方式中，通過判斷使用者隨身攜帶的預定定位裝置是否與使用者終端處於同一位置，從而可以防止偽造的生物特徵資訊通過身份驗證，極大的提高了用戶的使用安全性。
在一個實施方式中，所述伺服器資料處理方法還包括步驟：所述預定定位終端和所述使用者終端處於同一位置時，所述待驗證用戶通過驗證。
請參閱圖10，在一個實施方式中，所述伺服器資料處理方法還包括以下步驟。
步驟S81：接收業務資料。
在本實施方式中，所述業務資料可以為消費者的消費金額。伺服器可以透過使用者終端接收使用者輸入的業務資料。使用者終端在向伺服器發送生物特徵資訊或特徵點資訊集時，可以附帶所述業務資料。
步驟S90：所述匹配度大於所述第一預定閾值時，將所述業務資料與預設規則進行對比，若所述業務資料不符合所述預設規則，接收待驗證使用者輸入的驗證資料，將 所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，預設規則可以是對業務資料的取值的預測，或者對業務資料取值的限制，或者是對業務資料的歷史取值範圍。業務資料符合預定規則，可以表示所述業務資料沒有出現異常，不需要進一步的驗證。當業務資料不符合預定規則，表示業務資料的取值可能存在異常，需要對待驗證使用者進一步驗證，避免因使用者的生物特徵資訊洩露被偽造而給用戶造成損失。
在一個實施方式中，對應於本申請的身份驗證方法應用於消費者在商鋪進行消費的場合。所述預定規則可以是根據使用者的歷史消費記錄分析得出的消費金額區間，所述業務資料應不超出所述消費金額區間。當所述業務資料處於所述消費金額區間之外時，被認定為業務資料不符合所述預設規則。業務資料表示當前的消費金額，當業務資料處於消費金額區間之外時，表明當前的消費違背了用戶的歷史消費習慣，為了避免使用者的生物特徵資訊被偽造導致使用者的財務遭到損失，要求進行再次驗證。由於再次驗證需要待驗證使用者輸入驗證資料，並判斷驗證資料是否與預設資料相同，此時預設資料便構成了記憶類密碼，不法分子難以偽造，提升了安全性能。具體的，舉例為：所述消費區間的最大值為使用者的歷史消費記錄中的單次消費最大金額。在一個實施方式中，所述預定規則可以為根據使用者的歷史消費記錄得出消費均值，所述業務 資料應小於所述消費均值的預定倍數。當所述業務資料大於所述消費均值的預定倍數，則認為不符合所述預定規則。具體的，舉例為：所述預定倍數可以為1~5倍。
請參閱圖11，在一個實施方式中，在所述步驟S40中還包括如下子步驟。
步驟S41：待驗證特徵點資訊集與二個以上預設特徵點資訊集的匹配度大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料分別與所述二個以上預設特徵點資訊集的預設資料進行比對。
在本實施方式中，伺服器在將待驗證特徵點資訊集與本機存放區的預設特徵點資訊集進行匹配的過程中，為了提升處理的效率，可能採取模糊演算法，如此可能會存在待驗證特徵點資訊集與二個以上預設特徵點資訊集的匹配度大於第二預定閾值。此時結合驗證資料，便可以確定當前待驗證用戶是否有許可權通過身份驗證。
步驟S42：所述二個以上預設特徵點資訊集的預設資料存在一個預設資料與所述驗證資料相同時，所述待驗證用戶通過驗證。
在本實施方式中，在驗證資料與所述二個以上預設特徵點資訊集的預定資料中的一個相同，表示待驗證用戶有許可權通過驗證。
請參閱圖12，在一個實施方式中，所述步驟S42還包括如下子步驟。
步驟S43：將與所述驗證資料相同的預設資料對應的 預設特徵點資訊集與所述待驗證特徵點資訊集進行再次匹配。
步驟S45：所述待驗證特徵點資訊集與所述預設特徵點資訊集的匹配度大於所述第二預定閾值時，所述待驗證用戶通過驗證。
在本實施方式中，通過驗證資料與所述二個以上預設特徵點資訊集的預定資料中的一個相同，如此剔除了干擾的預設特徵點資訊集。再將與所述驗證資料相同的預設資料對應的預設特徵點資訊集與所述待驗證特徵點資訊集進行再次匹配，此時伺服器可以採用相對較為精確的演算法，對待驗證特徵點資訊集與預設特徵點資訊集進行匹配，如此使得伺服器有著較高的處理效率的同時，也可以確保處理結果的準確性。
請參閱圖13，本申請實施方式還提供一種伺服器110。所述伺服器110包括：接收模組50、特徵提取模組21、匹配模組31、處理模組40。
接收模組50用於接收使用者終端發出的生物特徵資訊。
在本實施方式中，所述接收模組51可以為任何具有網路通信功能的埠，或驅動所述埠工作的軟體，或利用所述埠接收生物特徵資訊的軟體。
在本實施方式中，所述生物特徵資訊可以包括指紋圖像、人臉圖像、虹膜圖像、掌紋圖像、步態視頻、語音音訊、耳型圖像或簽名識別等等。其中較佳地，所述生物特 徵資訊可以包括指紋圖像或虹膜圖像。使用者終端具有生物特徵資訊採集功能，並將採集的生物特徵資訊發送給伺服器。
特徵提取模組21用於從所述生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，所述待驗證特徵點資訊集標識所述待驗證使用者。
在本實施方式中，生物特徵資訊中包括若干特徵點資訊，所述若干特徵點資訊形成特徵點資訊集。特徵點資訊是使用者自身生長過程中形成的特徵。具體的，舉例為：以生物特徵資訊為指紋圖像為例，指紋中的特徵點的類型可以包括紋路的端點、中斷點、孤立點、分叉點或環等，特徵點資訊可以包括特徵點的類型、座標、方向等參數。以生物特徵資訊為虹膜圖像為例，虹膜中的特徵點的類型可以包括冠、水晶體、細絲、斑點、結構、凹點、射線、皺紋或條紋等，特徵點資訊可以包括特徵點的類型、座標、方向、大小等參數。由於每個特徵點資訊集均是從使用者的特徵資訊中提取出來，所以一個特徵點資訊集可以唯一標識一個使用者。
匹配模組31用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
在本實施方式中，伺服器中可以預先儲存有的特徵點資訊集。預先保存所述特徵點資訊集，以作為後待驗證用戶是否有許可權通過驗證的預設特徵點資訊集。
在本實施方式中，伺服器將待驗證特徵點資訊集中的 每個特徵點資訊與預設特徵點資訊集中的特徵點資訊進行比對，判斷二者是否相同。具體的，舉例為：所述待驗證特徵點資訊集的來源為指紋圖像，可以依照特徵點資訊中的座標按照一定順序選取待驗證特徵點資訊集中的特徵點資訊與預設特徵點資訊集中對應座標的特徵點資訊進行比對，判斷該特徵點的類型、方向等資訊是否相同。並可以進一步結合模糊演算法，在預設特徵點資訊集中選擇與當前選取的特徵點資訊的座標相鄰近的特徵點資訊與當前選取的特徵點資訊進行比對，如此在發現除座標外相同的特徵點資訊時，可以通過二者的座標差校準待驗證特徵點資訊集中的座標與預設特徵點資訊集中的座標。所述預設特徵點資訊集的數量可以為至少一個，當所述預定特徵點資訊集的數量為二個或二個以上時，可以將所述待驗證特徵點資訊集分別與預定特徵點資訊集進行匹配。
處理模組40用於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，匹配度可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占預設特徵點資訊集中特徵點資訊總數的比例。當然，匹配度也可以是待驗證特徵點資訊集中與預設特徵點資訊集中相匹配的特徵點資訊數量占待驗證特徵點資訊集中特徵點資訊 總數的比例。
在本實施方式中，第一預定閾值可以為認定待驗證用戶可以直接通過驗證的最低匹配度，即當待驗證特徵點資訊集與預設特徵點資訊集的匹配度大於或等於第一預定閾值時，可以認定待驗證用戶通過驗證。
在本實施方式中，當匹配度小於第一預定閾值並大於第二預定閾值，可以表明待驗證特徵點資訊集中存在一定數量的特徵點資訊與預設特徵點資訊集相同。此時，可能存在兩種情況。第一可能是待驗證用戶有許可權通過驗證，但由於採集終端老化導致採集的生物特徵資訊的品質較差，也可能是使用者本身身體狀態不佳，導致採集終端採集的生物特徵資訊的品質較差，致使匹配度沒有大於或等於第一預定閾值。第二可能是待驗證用戶本身沒有許可權通過驗證，待驗證客戶的待驗證特徵點資訊集與預設待驗證特徵點資訊集客觀上存在部分特徵點資訊相同。當然，還可能存在其他原因導致匹配度小於第一預定閾值並大於第二預定閾值，在此限於篇幅不再列舉，前述列舉的情況僅僅是針對出現匹配度小於第一預定閾值並大於第二預定閾值情況的舉例，並不對本申請構成限定。
在本實施方式中，當匹配度小於第二預定閾值，可以表明待驗證特徵點資訊集中存在較少數量的特徵點與預設特徵點資訊集相同，基本可以排除待驗證用戶具有許可權通過驗證。
在本實施方式中，所述預定資料可以為使用者預先設 置並進行保存的資料，該資料與使用者預先設置的預設特徵點資訊集對應保存，用於在生物特徵資訊的匹配度處於第一預定閾值和第二預定閾值之間時，輸入與所述預定資料相同的驗證資料，表明待驗證使用者有許可權通過驗證。具體的，舉例為：所述預定資料可以為至少一位元數字，或至少一個字母，或至少一個符號，或者由數字、字母和符號中至少二種組成的字串。
在本實施方式中，若所述驗證資料與所述預定資料不同，則待驗證用戶的身份驗證失敗，即待驗證用戶未通過身份驗證，不具有進一步作業的許可權。
請參閱圖14，本申請實施方式還提供一種伺服器120。伺服器120包括：接收模組51、匹配模組31、處理模組40。
接收模組50用於接收待驗證特徵點資訊集。
匹配模組31用於將所述待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配。
處理模組40用於在所述待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將所述驗證資料與所述預設特徵點資訊集對應的預設資料進行比對，若二者相同，所述待驗證用戶通過驗證。
在本實施方式中，所述伺服器120直接接收待驗證特徵點資訊集，而從生物特徵資訊中提取特徵點資訊集的工作由使用者終端來完成，如此減少了伺服器120的工作負 荷，進而可以提升服務120的處理效率，再者也可以對使用者終端的硬體資源得到充分的利用。
由以上本申請實施方式提供的技術方案可見，本申請為待驗證特徵點資訊集與預定特徵點資訊集的匹配度，劃分兩個基準值，即第一預定閾值和第二預定閾值，針對匹配度處於第一預定閾值和第二預定閾值之間的情況，採取了進一步的驗證措施，使得因一些特殊原因導致的原本有許可權通過身份驗證而未通過身份驗證的用戶，無需重複多次進行身份驗證嘗試，在一次身份驗證過程中便可以通過身份驗證，給用戶帶來了便利。
雖然透過實施方式描繪了本申請，本領域普通技術人員知道，本申請有許多變形和變化而不脫離本申請的精神，希望所附的申請專利範圍包括這些變形和變化而不脫離本申請的精神。

Claims (18)

  1. 一種身份驗證方法，其特徵在於，其包括：採集待驗證使用者的生物特徵資訊；從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者；將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  2. 如申請專利範圍第1項所述的方法，其中，該匹配度大於該第一預定閾值，該待驗證用戶通過驗證。
  3. 如申請專利範圍第1項所述的方法，其中，該身份驗證方法應用於包括使用者終端和伺服器的硬體系統，該身份驗證方法包括：該使用者終端採集待驗證使用者的生物特徵資訊，向該伺服器發送消息，該消息附帶該生物特徵資訊；該伺服器接收該生物特徵資訊；該伺服器從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者；該伺服器將該待驗證特徵點資訊集與預先儲存的預設 特徵點資訊集進行匹配；該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  4. 如申請專利範圍第1項所述的方法，其中，該身份驗證方法應用於包括使用者終端和伺服器的硬體系統，該身份驗證方法包括：該使用者終端採集待驗證使用者的生物特徵資訊；該使用者終端從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者，該使用者終端發送消息給該伺服器，該消息附帶有該待驗證特徵點資訊集；該伺服器接收該待驗證特徵點資訊集；該伺服器將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  5. 如申請專利範圍第3或4項所述的方法，其中，該身份驗證方法還包括： 該匹配度大於該第一預定閾值時，該伺服器獲取該待驗證使用者的預定定位終端的位置資訊，判斷該預定定位終端和採集該待驗證使用者的生物特徵資訊的使用者終端是否處於同一位置；該預定定位終端和該使用者終端不是處於同一位置時，該伺服器通過該使用者終端接收待驗證使用者輸入的該驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  6. 如申請專利範圍第1項所述的方法，其中，該身份驗證方法還包括以下步驟：接收使用者輸入的業務資料；該匹配度大於該第一預定閾值時，將該業務資料與預設規則進行對比，若該業務資料不符合該預設規則，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  7. 一種身份驗證系統，其特徵在於，該身份驗證系統包括：採集模組，用於採集待驗證使用者的生物特徵資訊；特徵提取模組，用於從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者；匹配模組，用於將該待驗證特徵點資訊集與預先儲存 的預設特徵點資訊集進行匹配；處理模組，用於在該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  8. 一種伺服器資料處理方法，其特徵在於，該方法包括：接收使用者終端發出的生物特徵資訊；從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者；將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  9. 如申請專利範圍第8項所述的方法，其中，該伺服器資料處理方法還包括：該匹配度大於該第一預定閾值時，該伺服器獲取該待驗證使用者的預定定位終端的位置資訊，判斷該預定定位終端和採集該待驗證使用者的生物特徵資訊的使用者終端是否處於同一位置； 該預定定位終端和該使用者終端不是處於同一位置時，接收待驗證用戶輸入的該驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  10. 如申請專利範圍第8項所述的方法，其中，該伺服器資料處理方法還包括：接收業務資料；該匹配度大於該第一預定閾值時，將該業務資料與預設規則進行對比，若該業務資料不符合該預設規則，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  11. 如申請專利範圍第8項所述的方法，其中，在將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配的步驟中還包括：待驗證特徵點資訊集與二個以上預設特徵點資訊集的匹配度大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料分別與該二個以上預設特徵點資訊集的預設資料進行比對；該二個以上預設特徵點資訊集的預設資料存在一個預設資料與該驗證資料相同時，該待驗證用戶通過驗證。
  12. 如申請專利範圍第11項所述的方法，其中，在該二個以上預設特徵點資訊集的預設資料存在一個預設資料與該驗證資料相同時，該待驗證使用者通過驗證的步驟 中，還包括：將與該驗證資料相同的預設資料對應的預設特徵點資訊集與該待驗證特徵點資訊集進行再次匹配；該待驗證特徵點資訊集與該預設特徵點資訊集的匹配度大於該第二預定閾值時，該待驗證用戶通過驗證。
  13. 一種伺服器資料處理方法，其特徵在於，該方法包括：接收待驗證特徵點資訊集；將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  14. 如申請專利範圍第13項所述的方法，其中，該伺服器資料處理方法還包括：該匹配度大於該第一預定閾值時，該伺服器獲取該待驗證使用者的預定定位終端的位置資訊，判斷該預定定位終端和採集該待驗證使用者的生物特徵資訊的使用者終端是否處於同一位置；該預定定位終端和該使用者終端不是處於同一位置時，接收待驗證用戶輸入的該驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相 同，該待驗證用戶通過驗證。
  15. 如申請專利範圍第12項所述的方法，其中，該伺服器資料處理方法還包括：接收業務資料；該匹配度大於該第一預定閾值時，將該業務資料與預設規則進行對比，若該業務資料不符合該預設規則，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
  16. 如申請專利範圍第10項所述的方法，其中，在將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配的步驟中還包括：待驗證特徵點資訊集與二個以上預設特徵點資訊集的匹配度大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料分別與該二個以上預設特徵點資訊集的預設資料進行比對；該二個以上預設特徵點資訊集的預設資料存在一個預設資料與該驗證資料相同時，該待驗證用戶通過驗證。
  17. 如申請專利範圍第16項所述的方法，其中，在該二個以上預設特徵點資訊集的預設資料存在一個預設資料與該驗證資料相同時，該待驗證使用者通過驗證的步驟中，還包括：將與該驗證資料相同的預設資料對應的預設特徵點資訊集與該待驗證特徵點資訊集進行再次匹配； 該待驗證特徵點資訊集與該預設特徵點資訊集的匹配度大於該第二預定閾值時，該待驗證用戶通過驗證。
  18. 一種伺服器，其特徵在於，該伺服器包括：接收模組，用於接收使用者終端發出的生物特徵資訊；特徵提取模組，用於從該生物特徵資訊中提取特徵點資訊形成待驗證特徵點資訊集，該待驗證特徵點資訊集標識該待驗證使用者；匹配模組，用於將該待驗證特徵點資訊集與預先儲存的預設特徵點資訊集進行匹配；處理模組，用於在該待驗證特徵點資訊集與預設特徵點資訊集的匹配度小於第一預定閾值並大於第二預定閾值時，接收待驗證使用者輸入的驗證資料，將該驗證資料與該預設特徵點資訊集對應的預設資料進行比對，若二者相同，該待驗證用戶通過驗證。
TW103134011A 2014-06-03 2014-09-30 身份驗證方法與系統以及伺服器資料處理方法和伺服器 TWI650666B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410242379.7A CN105227307A (zh) 2014-06-03 2014-06-03 身份验证方法与系统以及服务器数据处理方法和服务器
??201410242379.7 2014-06-03

Publications (2)

Publication Number Publication Date
TW201546645A true TW201546645A (zh) 2015-12-16
TWI650666B TWI650666B (zh) 2019-02-11

Family

ID=54702167

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103134011A TWI650666B (zh) 2014-06-03 2014-09-30 身份驗證方法與系統以及伺服器資料處理方法和伺服器

Country Status (9)

Country Link
US (1) US9704051B2 (zh)
EP (1) EP3152702A1 (zh)
JP (1) JP6518694B2 (zh)
KR (1) KR102038851B1 (zh)
CN (1) CN105227307A (zh)
HK (1) HK1215766A1 (zh)
SG (2) SG10201907025VA (zh)
TW (1) TWI650666B (zh)
WO (1) WO2015187445A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI663567B (zh) * 2017-09-25 2019-06-21 中國信託商業銀行股份有限公司 Address verification device and system and online address verification method
TWI675580B (zh) * 2017-07-27 2019-10-21 香港商阿里巴巴集團服務有限公司 基於特徵資訊進行用戶驗證的方法及裝置
CN112825051A (zh) * 2019-11-20 2021-05-21 精品科技股份有限公司 数据验证方法
TWI814737B (zh) * 2017-08-29 2023-09-11 新加坡商歐之遙控有限公司 用於識別用戶以提供個人化引導、內容及服務以及目標廣告而不須有意用戶註冊的方法及其設備

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016176188A1 (en) * 2015-04-27 2016-11-03 First Advantage Corporation Device and method for performing validation and authentication of a physical structure or physical object
CN106411812B (zh) * 2015-07-27 2019-10-08 阿里巴巴集团控股有限公司 用户身份的验证方法、系统和验证服务器
KR101736710B1 (ko) * 2015-08-07 2017-05-17 주식회사 슈프리마 생체 정보 관리 방법 및 장치
CN105915714A (zh) * 2016-05-24 2016-08-31 北京小米移动软件有限公司 终端丢失提示方法及装置
CN105897747B (zh) * 2016-05-27 2020-04-03 北京中金国信科技有限公司 基于数字生物签名的数据存储方法、装置及智能设备
CN106203371A (zh) * 2016-07-19 2016-12-07 柳州龙辉科技有限公司 一种基于身份识别的人口管理系统和方法
CN106228054A (zh) * 2016-08-02 2016-12-14 北京小米移动软件有限公司 身份验证方法和装置
CN107103218B (zh) * 2016-10-24 2020-12-22 创新先进技术有限公司 一种业务实现方法和装置
CN108009168B (zh) * 2016-10-31 2020-12-01 腾讯科技（深圳）有限公司 用户帐号识别方法及装置
CN108806025A (zh) * 2017-05-03 2018-11-13 腾讯科技（深圳）有限公司 实现访客临时访问的门禁授权方法及装置
CN108989038B (zh) * 2017-05-31 2021-06-22 国民技术股份有限公司 一种用于地理位置认证的识别设备、系统及方法
CN109844764B (zh) * 2017-08-31 2021-12-28 华为技术有限公司 指纹传感器功能的验证方法及终端
CN107633564A (zh) * 2017-08-31 2018-01-26 深圳市盛路物联通讯技术有限公司 基于图像的监控方法及物联网服务器
CN108171033A (zh) * 2017-12-15 2018-06-15 微梦创科网络科技（中国）有限公司 智能终端的混合身份验证方法、装置、存储介质和终端
CN108647576A (zh) * 2018-04-10 2018-10-12 阳光暖果（北京）科技发展有限公司 一种基于视频序列人脸识别的活体身份认证方法
CN109033768B (zh) * 2018-06-28 2022-07-19 重庆辉烨物联科技有限公司 一种基于智能移动终端的充电方法、装置和终端
CN108846273B (zh) * 2018-07-18 2020-09-01 维沃移动通信有限公司 一种身份识别验证方法及模组
CN110298245B (zh) * 2019-05-22 2023-10-13 平安科技（深圳）有限公司 兴趣收集方法、装置、计算机设备及存储介质
CN110276892A (zh) * 2019-06-26 2019-09-24 深圳市腾讯计算机系统有限公司 无人售货方法、装置、设备及存储介质
CN110599639B (zh) * 2019-08-13 2021-05-07 深圳市天彦通信股份有限公司 身份验证方法及相关产品
CN111914637B (zh) * 2020-06-28 2021-05-04 普瑞达建设有限公司 一种智能人脸识别集成管理方法及系统
CN112446709A (zh) * 2020-12-15 2021-03-05 安徽银通物联有限公司 一种人脸识别支付认证方法及系统
CN112613891B (zh) * 2020-12-24 2023-10-03 支付宝(杭州)信息技术有限公司 一种店铺注册信息验证方法、装置及设备
JP6926351B1 (ja) * 2021-02-01 2021-08-25 真旭 徳山 端末装置、情報処理方法、及びプログラム
CN114742647B (zh) * 2022-03-01 2023-09-29 陕西维一信息技术有限公司 一种基于区块链和大数据的金融交易系统
CN116418976B (zh) * 2022-11-24 2023-12-12 北京的卢铭视科技有限公司 结构光相机的产测sdk授权方法、电子设备及存储介质

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5127043A (en) * 1990-05-15 1992-06-30 Vcs Industries, Inc. Simultaneous speaker-independent voice recognition and verification over a telephone network
US6560352B2 (en) * 1999-10-08 2003-05-06 Lumidigm, Inc. Apparatus and method of biometric identification or verification of individuals using optical spectroscopy
US6816605B2 (en) * 1999-10-08 2004-11-09 Lumidigm, Inc. Methods and systems for biometric identification of individuals using linear optical spectroscopy
JP4586250B2 (ja) * 2000-08-31 2010-11-24 ソニー株式会社 個人識別証明書リンクシステム、情報処理装置、および情報処理方法、並びにプログラム提供媒体
JP2004030560A (ja) * 2002-12-27 2004-01-29 Ntt Data Corp データ処理装置、データ処理システム及び方法
JP2005010826A (ja) * 2003-06-16 2005-01-13 Fujitsu Ltd 認証端末装置、生体情報認証システム、及び生体情報取得システム
JP4340553B2 (ja) * 2004-02-06 2009-10-07 富士通株式会社 生体情報照合装置
JP4257250B2 (ja) * 2004-03-30 2009-04-22 富士通株式会社 生体情報照合装置並びに生体特徴情報絞込み装置，生体特徴情報絞込みプログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
JP4340618B2 (ja) * 2004-10-08 2009-10-07 富士通株式会社 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
WO2006101943A2 (en) * 2005-03-16 2006-09-28 Lc Technologies, Inc. System and method for eyeball surface topography as a biometric discriminator
JP4961214B2 (ja) * 2006-03-29 2012-06-27 株式会社日立情報制御ソリューションズ 生体認証方法およびシステム
JP4886371B2 (ja) * 2006-06-07 2012-02-29 株式会社日立情報制御ソリューションズ 生体認証方法及びシステム
JP4743053B2 (ja) * 2006-09-06 2011-08-10 ヤマハ株式会社 生体認証装置、生体認証方法およびプログラム
CN101303724A (zh) * 2007-05-10 2008-11-12 中国银联股份有限公司 一种认证授权方法及系统
US8065529B2 (en) 2007-05-21 2011-11-22 Ut-Battelle, Llc Methods for using a biometric parameter in the identification of persons
JP2010015307A (ja) * 2008-07-02 2010-01-21 Oki Telecommunication Systems Co Ltd サービス提供システム、サービス提供装置、通信端末、位置認証装置、サービス提供プログラム、通信プログラム及び位置認証プログラム
TWI459309B (zh) * 2008-11-28 2014-11-01 Chi Mei Comm Systems Inc 虹膜識別系統及方法
JP5228872B2 (ja) * 2008-12-16 2013-07-03 富士通株式会社 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびにコンピュータシステム
TW201113741A (en) * 2009-10-01 2011-04-16 Htc Corp Lock-state switching method, electronic apparatus and computer program product
WO2011070646A1 (ja) * 2009-12-08 2011-06-16 富士通株式会社 生体認証システム及び生体認証方法
CN102137077A (zh) * 2010-01-26 2011-07-27 凹凸电子（武汉）有限公司 访问控制系统和采用计算机系统控制访问权限的方法
JP2012234235A (ja) * 2011-04-28 2012-11-29 Hitachi Ltd 生体認証システムおよび生体認証方法
CN103294986B (zh) * 2012-03-02 2019-04-09 汉王科技股份有限公司 一种生物特征的识别方法和装置
CN103685311B (zh) * 2013-12-27 2017-06-13 网易（杭州）网络有限公司 一种登录验证方法及设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI675580B (zh) * 2017-07-27 2019-10-21 香港商阿里巴巴集團服務有限公司 基於特徵資訊進行用戶驗證的方法及裝置
TWI814737B (zh) * 2017-08-29 2023-09-11 新加坡商歐之遙控有限公司 用於識別用戶以提供個人化引導、內容及服務以及目標廣告而不須有意用戶註冊的方法及其設備
US11803250B2 (en) 2017-08-29 2023-10-31 Home Control Singapore Pte Ltd Method and apparatus for recognizing user to provide personalized guide, content and services, and targeted advertisement without intentional user registration
TWI663567B (zh) * 2017-09-25 2019-06-21 中國信託商業銀行股份有限公司 Address verification device and system and online address verification method
CN112825051A (zh) * 2019-11-20 2021-05-21 精品科技股份有限公司 数据验证方法

Also Published As

Publication number Publication date
SG10201907025VA (en) 2019-09-27
US9704051B2 (en) 2017-07-11
KR102038851B1 (ko) 2019-10-31
CN105227307A (zh) 2016-01-06
KR20160144419A (ko) 2016-12-16
SG11201609229UA (en) 2016-12-29
TWI650666B (zh) 2019-02-11
EP3152702A1 (en) 2017-04-12
JP6518694B2 (ja) 2019-05-22
WO2015187445A1 (en) 2015-12-10
JP2017524998A (ja) 2017-08-31
HK1215766A1 (zh) 2016-09-09
US20150347857A1 (en) 2015-12-03

Similar Documents

Publication Publication Date Title
TWI650666B (zh) 身份驗證方法與系統以及伺服器資料處理方法和伺服器
Sharma et al. Reliable biometric authentication with privacy protection
US10068076B1 (en) Behavioral authentication system using a behavior server for authentication of multiple users based on their behavior
RU2718226C2 (ru) Системы и способы безопасного обращения с биометрическими данными
Jain Biometric recognition: how do I know who you are?
US8312290B2 (en) Biometric method and apparatus and biometric data encryption method thereof
CN103324909B (zh) 面部特征检测
US20140331059A1 (en) Method and System for Authenticating Biometric Data
US9411946B2 (en) Fingerprint password
US20190332755A1 (en) Secure chip, biological feature identification method, and biological feature template registration method
WO2017215533A1 (zh) 生物特征识别装置和方法以及生物特征模板注册方法
Belkhede et al. Biometric mechanism for enhanced security of online transaction on Android system: A design approach
US20130198836A1 (en) Facial Recognition Streamlined Login
US20150120543A1 (en) EyeWatch ATM and Wire Transfer Fraud Prevention System
Venakatesan et al. Finger print authentication for improved Cloud Security
US20150100493A1 (en) EyeWatch credit card fraud prevention system
US11681787B1 (en) Ownership validation for cryptographic asset contracts using irreversibly transformed identity tokens
Patil et al. ATM Transaction Using Biometric Fingerprint Technology
CN110738499A (zh) 用户身份验证方法、装置、计算机设备和存储介质
EP3811254A1 (en) Method and electronic device for authenticating a user
Kiran et al. Biometric authentication: a holistic review
CN110678863A (zh) 使用多模式真实性确定的访问控制方法、系统、装置、终端和计算机程序产品
Dragerengen Access Control in Critical Infrastructure Control Rooms using Continuous Authentication and Face Recognition
Ninassi et al. Privacy Compliant Multi-biometric Authentication on Smartphones.
CN114900289B (zh) 一种数据安全处理方法、系统、设备及介质