TW202009761A - 身分識別方法、裝置和電腦可讀儲存媒體 - Google Patents

身分識別方法、裝置和電腦可讀儲存媒體 Download PDF

Info

Publication number
TW202009761A
TW202009761A TW108119113A TW108119113A TW202009761A TW 202009761 A TW202009761 A TW 202009761A TW 108119113 A TW108119113 A TW 108119113A TW 108119113 A TW108119113 A TW 108119113A TW 202009761 A TW202009761 A TW 202009761A
Authority
TW
Taiwan
Prior art keywords
eye
image
face
target object
eye image
Prior art date
Application number
TW108119113A
Other languages
English (en)
Other versions
TWI706270B (zh
Inventor
李亮
Original Assignee
香港商阿里巴巴集團服務有限公司
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 香港商阿里巴巴集團服務有限公司 filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW202009761A publication Critical patent/TW202009761A/zh
Application granted granted Critical
Publication of TWI706270B publication Critical patent/TWI706270B/zh

Links

Images

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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • 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

Abstract

提供了一種身分識別方法、裝置和電腦可讀媒體。所述身分識別方法包括：透過攝影鏡頭採集用戶的的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵；然後基於採集的臉部影像和採集的眼部影像中的虹膜特徵和/或眼紋特徵，對所述目標對象進行身分識別。

Description

身分識別方法、裝置和電腦可讀儲存媒體
本說明書實施例有關一種身分識別方法、裝置和電腦可讀儲存媒體。
隨著通訊技術的發展和電子支付的普及，人們已越來越多地使用電子支付的方式(例如，支付寶支付)來取代現金進行交易。 當前，普遍是利用手機等終端來完成電子支付。然而，手機等終端在進行電子支付時一般用到支付密碼來進行身分識別或驗證，一旦用戶的手機和支付密碼同時被盜取，則用戶就會遭受經濟損失。因而，在用戶用電子支付的方式進行交易時，如何更好地對用戶身分進行識別是一個需要解決的技術問題。
本說明書實施例提供一種身分識別方法、裝置和電腦可讀儲存媒體，以更好地對用戶進行身分識別。 第一態樣，提供一種身分識別方法，包括： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵； 基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 第二態樣，提供一種身分識別裝置，包括： 採集模組，透過至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵； 身分識別模組，基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 第三態樣，提供一種身分識別設備，包括： 處理器；以及 被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使用所述處理器執行以下操作： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵； 基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 第四態樣，提供一種電腦可讀儲存媒體，所述電腦可讀儲存媒體上儲存一個或多個程式，所述一個或多個程式當被執行時，執行以下操作： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵； 基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 本說明書實施例採用的上述至少一個技術方案能夠達到以下有益效果： 在本說明書實施例中，透過採集目標對象的臉部影像和眼部影像，並基於眼部影像中的虹膜特徵和/或眼紋特徵對目標對象進行身分識別，由於臉部和眼部影像中的虹膜特徵和/或眼紋特徵組合在一起對目標對象進行了多重驗證，因而能夠更好地對用戶進行身分識別。
下面將結合本說明書實施例中的圖式，對本說明書實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本發明所屬技術領域中具有通常知識者在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。 為更好地理解本發明的技術方案，下面先對本發明中涉及的一些概念進行解釋。 人臉識別：基於人的臉部特徵資訊進行身分識別的一種生物識別技術，通常也叫做人像識別、面部識別。 虹膜：虹膜是眼睛上位於黑色瞳孔和白色鞏膜之間的圓環狀部分，其包含有很多相互交錯的斑點、細絲、冠狀、條紋、隱窩等的細節特徵。而且虹膜在胎兒發育階段形成後，在整個生命歷程中將是保持不變的。這些特徵決定了虹膜特徵的唯一性，同時也決定了身分識別的唯一性。因此，可以將眼睛的虹膜特徵作為每個人的身分識別對象。 眼紋：眼紋是指眼白區域(鞏膜)的血管、條紋和其他微細特徵，研究表明這些細節特徵在較長的時間內是不變的，同時每個人的眼紋特徵又是獨一無二的，即便是同卵多胞胎，眼紋也不一樣。 活體檢測：是指檢測感測器獲取的生物特徵信號是否來自於真實的活體人體，對於人臉活體檢測來說，活體檢測技術主要用來確保攝影鏡頭採集的人臉影像來自活體人臉，而不是照片、視頻、面具人臉等。 以下結合圖式，詳細說明本發明各實施例提供的技術方案。 本說明書實施例提供的身分識別方法可廣泛地應用於各種場景，例如支付場景、醫療場景以及乘車場景等。 圖1是本說明書實施例提供的身分識別方法的流程圖。參照圖1，本說明書實施例提供的身分識別方法可包括： 步驟110，控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵。 其中，所述目標對象為進行身分識別的對象，其可以為人、動物等。舉例而言，當用戶A需要進行身分識別時，其可以站在機器前等待攝影鏡頭採集用戶A的臉部影像和眼部影像。此時，用戶A即為目標對象。 步驟120，基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 在一個實施例中，可基於所述臉部影像以及眼部影像中的虹膜特徵對目標對象進行身分識別。可選地，在另一個實施例中，可基於所述臉部影像以及眼部影像中的眼紋特徵對目標對象進行身分識別。 當然，在另一個實施例中，可基於所述臉部影像以及眼部影像中的虹膜特徵和眼紋特徵對目標對象進行身分識別。 在本說明書實施例中，透過採集目標對象的臉部影像和眼部影像，並基於眼部影像中的虹膜特徵和/或眼紋特徵對目標對象進行身分識別，由於臉部和眼部影像中的虹膜特徵和/或眼紋特徵組合在一起對目標對象進行了多重驗證，因而能夠更好地對用戶進行身分識別。 在本說明書實施例中，採集臉部影像和眼部影像的攝影鏡頭可以為一個，也可以為兩個。也就是說，在一個攝影鏡頭的情況下，可以用同一個攝影鏡頭採集目標對象的臉部影像和眼部影像。在兩個攝影鏡頭的情況下，也可以用一個攝影鏡頭採集目標對象的臉部影像，另一個攝影鏡頭採集目標對象的眼部影像。 在本說明書實施例中，控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像的方式可以是各種各樣的。下面舉例進行說明。 一種影像採集理念是借助於矩形框來採集臉部影像和眼部影像。其中，採集臉部影像時可以利用臉部矩形框，採集眼部影像時可以利用兩眼矩形框。臉部矩形框為框出目標對象的臉部的矩形框，兩眼矩形框為框出目標對象的兩眼的矩形框，即左眼矩形框和右眼矩形框。由於矩形框可對身體各部位發揮對準的作用，因而，借助矩形框來採集影像，可以獲得比較清晰的臉部影像和眼部影像，進而有助於後續的身分識別。 在一種情形中，可以將臉部影像和眼部影像分開採集。例如，先採集目標對象的臉部影像，再採集目標對象的眼部影像。在此情況下，採集目標對象的臉部影像和眼部影像可具體為：調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像；基於所述臉部影像的臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的眼部影像。此種方式可以在目標對象不配合的情況下透過使用臉部矩形框而快速地採集目標對象的臉部影像和眼部影像。 在本文中，調節攝影鏡頭可以具體為調節攝影鏡頭的焦距、朝向、曝光時間等成像參數。調節攝影鏡頭的目的可以為獲取解析度更大更清晰的臉部影像或者眼部影像。 在攝影鏡頭的數目為一個攝影鏡頭的情況下，上面所提及的調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像可包括：調節所述攝影鏡頭，以獲取所述目標對象的臉部矩形框的位置；基於所述臉部矩形框的位置，採集所述目標對象的臉部影像。對應地，上面所提及的基於所述臉部影像的臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的眼部影像可包括：基於所述臉部影像的臉部矩形框的位置，調節所述攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 也就是說，在一個攝影鏡頭的情況下，會透過調節這個攝影鏡頭來先後獲得目標對象的臉部影像和眼部影像。由於在此過程中，是基於臉部矩形框和兩眼矩形框來採集臉部影像和眼部影像，因而能夠保障採集影像的品質較高。同時，在目標對象不配合影像採集的情況下，透過調節攝影鏡頭和利用矩形框(包括臉部矩形框和兩眼矩形框)也能夠快速獲取臉部影像和眼部影像。 在攝影鏡頭的數目為兩個攝影鏡頭的情況下，即，所述至少一個攝影鏡頭中的一個攝影鏡頭可以為拍攝臉部的第一攝影鏡頭，另一個攝影鏡頭可以為拍攝眼部的第二攝影鏡頭。在此情況下，上面所提及的調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像可包括：調節所述第一攝影鏡頭，以獲取所述目標對象的臉部矩形框的位置；基於所述臉部矩形框的位置，採集所述目標對象的臉部影像。對應地，上面所提及的基於所述臉部影像的臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的眼部影像可以包括：基於所述臉部矩形框的位置，調節所述第二攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 在兩個攝影鏡頭的情況下，可以透過調節兩個攝影鏡頭來獲得目標對象的臉部影像和眼部影像。由於在此過程中，臉部影像和眼部影像都有專門的攝影鏡頭來採集，因而相較於一個攝影鏡頭而言，能夠獲得更高品質的影像。影像採集過程中是基於臉部矩形框和兩眼矩形框來採集臉部影像和眼部影像，因而能夠保障採集影像的品質較高。同時，在目標對象不配合影像採集的情況下，透過調節攝影鏡頭和利用矩形框(包括臉部矩形框和兩眼矩形框)也能夠快速獲取臉部影像和眼部影像。 在另一種情形中，可以同時採集臉部影像和眼部影像。在此情形下，採集目標對象的臉部影像和眼部影像可包括：調節所述至少一個攝影鏡頭以獲取所述目標對象的初始臉部矩形框的位置；基於所述初始臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像和眼部影像。也就是說，在這種情形下，在出現初始臉部矩形框的時候並不會採集臉部影像，而是會進一步調節攝影鏡頭，保證眼部影像和臉部影像都足夠清晰的情況下才會同時採集臉部影像和眼部影像。 在攝影鏡頭的數目為一個的情況下，上文所提及的基於所述初始臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像和眼部影像可包括：基於所述初始臉部矩形框的位置，調整所述攝影鏡頭，以獲取所述目標對象的目標臉部矩形框的位置和所述目標對象的兩眼矩形框的位置；基於所述目標臉部矩形框的位置，採集所述目標對象的臉部影像，以及基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 在攝影鏡頭的數目為一個的情況下，透過不斷地調節攝影鏡頭，只有在臉部矩形框和眼部矩形框同時出現的情況下，才會採集臉部影像和眼部影像。這樣，可以保證採集的臉部影像和眼部影像在同一時刻相關聯。 在攝影鏡頭的數目為兩個的情況下，即，所述至少一個攝影鏡頭包括拍攝臉部的第一攝影鏡頭和拍攝眼部的第二攝影鏡頭，上文提及的調節所述至少一個攝影鏡頭以獲取所述目標對象的初始臉部矩形框的位置可包括：調節所述第一攝影鏡頭以獲取所述目標對象的初始臉部矩形框的位置。對應地，上文提及的基於所述初始臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像和眼部影像可包括：基於所述初始臉部矩形框的位置，調節所述第一攝影鏡頭以獲取所述目標對象的目標臉部矩形框的位置，並基於所述目標臉部矩形框的位置，採集所述目標對象的臉部影像；以及，基於所述目標臉部矩形框的位置，調節所述第二攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 在兩個攝影鏡頭的情況下，可以透過調節兩個攝影鏡頭來獲得目標對象的臉部影像和眼部影像。由於在此過程中，臉部影像和眼部影像都有專門的攝影鏡頭來採集，因而相較於一個攝影鏡頭而言，能夠獲得更高品質的影像。影像採集過程中是基於臉部矩形框和兩眼矩形框來採集臉部影像和眼部影像，因而能夠保障採集影像的品質較高。同時，在目標對象不配合影像採集的情況下，透過調節攝影鏡頭和利用矩形框(包括臉部矩形框和兩眼矩形框)也能夠快速獲取臉部影像和眼部影像。 在本說明書實施例中，另一種影像採集理念是不借助矩形框來採集臉部影像和眼部影像。在此種情形下，可以透過不斷地調節攝影鏡頭來保證眼部影像和臉部影像足夠清晰。在調節攝影鏡頭時，類似於上面的情形，既可以分別採集臉部影像和眼部影像，也可以同時採集臉部影像和眼部影像。在同時採集臉部影像和眼部影像時，一般要求影像品質較高。 需瞭解的是，以上只是影像採集方式的舉例，並不意為限制。 同時需瞭解的是，在本說明書實施例中，在確定臉部矩形框的位置的過程中可先檢測臉部。本文中的臉部檢測方法，既可以使用基於哈爾(Haar)特徵和推進(boost)分類器的傳統方法，也可以使用基於暫態混沌神經網路(MTCNN)的深度學習方法。本文中提到的臉部矩形框的位置可以為臉部矩形框的成像座標位置，本文中提到的兩眼矩形框的位置可以為兩眼矩形框的成像座標的位置。 圖2是本說明書實施例提供的身分識別方法的流程圖。參照圖2，本說明書實施例提供的身分識別方法可包括： 步驟210，採集目標對象的臉部影像，以及採集目標對象的眼部影像中的虹膜特徵和/或眼紋特徵。 步驟220，基於所述臉部影像，以及所述眼部影像中的虹膜特徵和/或眼紋特徵，確定所述目標對象是否為活體。 其中，所述臉部影像可以為單幀臉部影像也可以為多幀臉部影像。所述眼部影像可以為單幀眼部影像，也可以為多幀眼部影像。 如果所述臉部影像為單幀臉部影像，所述眼部影像為單幀眼部影像，步驟220中所述基於所述眼部影像以及所述臉部影像，確定所述目標對象是否為活體可包括：基於所述單幀臉部影像在活體和非活體方面的差異，以及所述單幀眼部影像所包含的所述虹膜特徵和/或所述眼紋特徵在活體和非活體方面的差異，確定所述目標對象是否為活體。 在單幀臉部影像的情況下，非活體的臉部可能存在變形、瑕疵等，因而透過確定單幀臉部影像上顯示的臉部是否存在變形、瑕疵等即可確定出目標對象是否為活體。例如，若單幀臉部影像上存在變形、瑕疵等現象，則可直接確定出目標對象為非活體(例如，視頻中的臉部)；若單幀臉部影像上顯示的臉部完好，並存在變形、瑕疵等現象，則可確定為活體，或者結合虹膜特徵和/或眼紋特徵進行進一步檢測。 在單幀眼部影像的情況下，可以透過檢測虹膜上的細微特徵(例如，斑點、細絲、冠狀、條紋、隱窩等)或者眼紋上的細微特徵(例如，血管、條紋等)來確定目標對象是否為活體。具體地，若眼部影像中包含虹膜上的細微特徵或眼紋上的細微特徵，則可確定目標對象為活體；若眼部影像中不包含虹膜上的細微特徵或眼紋上的細微特徵，則可確定目標對象為非活體。 在本說明書實施例中，臉部影像和眼部影像可以結合使用，透過這兩者進行判斷來確定目標對象是否為活體。 如果所述臉部影像為多幀臉部影像，所述眼部影像為多幀眼部影像，步驟220中所述基於所述眼部影像以及所述臉部影像，確定所述目標對象是否為活體包括：如果所述多幀臉部影像之間存在差異，則確定所述目標對象為活體；如果所述多幀眼部影像在虹膜特徵或眼紋特徵方面存在差異，則確定所述目標對象為活體；如果所述多幀眼部影像在虹膜特徵或眼紋特徵方面不存在差異，則確定所述目標對象為非活體。 在臉部影像和眼部影像為多幀的情況下，可以對這多幀臉部影像進行比對來確定目標對象是否為活體，同時也可以對這多幀眼部影像進行比對來確定目標對象是否為活體。若多幀眼部影像不存在差異，則可確定目標對象為非活體。當然，為保證嚴謹性，可以在多幀臉部影像不存在差異，同時多幀眼部影像也不存在差異的情況下，將目標對象確定為非活體。若多幀臉部影像之間或多幀眼部影像之間存在差異，則可確定目標對象為活體。 步驟230，如果所述目標對象為活體，對所述目標對象進行身分識別。 在本說明書實施例中，透過採集目標對象的臉部影像和眼部影像，並基於眼部影像中的虹膜特徵和/或眼紋特徵對目標對象進行身分識別，由於臉部和眼部影像中的虹膜特徵和/或眼紋特徵組合在一起對目標對象進行了多重驗證，因而能夠更好地對用戶進行身分識別。同時，在對目標對象進行身分識別之前，先確定目標對象是否為活體，只有在目標對象為活體的情況下，才進行身分識別，如此可以保證身分識別的有效性，避免他人盜用視頻或圖片而透過身分識別的情形。 下面對本說明書實施例中的身分識別方式進行具體闡釋。在本說明書實施例中，可以採用多種方式來進行身分識別。具體地，可以採用臉部影像、眼部影像中的虹膜特徵以及眼部影像中的眼紋特徵中的至少一種進行身分識別。也就是說，在進行身分識別時，可以採用臉部影像結合眼部影像中的虹膜特徵進行身分識別，可以採用臉部影像結合眼部影像中的眼紋特徵進行身分識別，可以採用臉部影像、眼部影像中的虹膜特徵以及眼部影像中的眼紋特徵這三者進行身分識別。當然，還可以採用眼部影像中的虹膜特徵結合眼部影像中的眼紋特徵進行身分識別。 下面對各種不同的身分識別方式進行具體說明。 第一種身分識別方式：基於臉部影像和眼部影像的虹膜特徵進行身分識別。 在本說明書的一個實施例中，所述眼部影像可包含虹膜特徵，此時，步驟120或步驟230中所述對所述目標對象進行身分識別可包括： 將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對； 從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像； 將採集的所述眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯； 如果所述眼部影像庫中存在一眼部影像的虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值，則所述目標對象識別成功。 此種基於臉部影像和眼部影像的虹膜特徵進行身分識別的方式能夠保障身分識別的精確度較高，且身分識別速度較快。 第二種身分識別方式：基於臉部影像和眼部影像的眼紋特徵進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別可包括： 將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對； 從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像； 將採集的所述眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯； 如果所述眼部影像庫中存在一眼部影像的眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值，則所述目標對象識別成功。 此種基於臉部影像和眼部影像的眼紋特徵進行身分識別的方式能夠保障身分識別的精確度較高，且身分識別速度較快。 第三種身分識別方式：基於臉部影像、眼部影像的虹膜特徵以及眼部影像的眼紋特徵進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含虹膜特徵和眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對； 從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像； 將採集的所述眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯； 從所述指定眼部影像中選出第一組眼部影像，所述第一組眼部影像為所述指定眼部影像中那些虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值的眼部影像； 將採集的所述眼部影像的眼紋特徵與所述第一組眼部影像中的眼部影像的眼紋特徵進行比對； 如果所述第一組眼部影像中存在一眼部影像的眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值，則所述目標對象識別成功。 此種基於臉部影像、眼部影像的虹膜特徵以及眼部影像的眼紋特徵進行身分識別的方式能夠保障身分識別的精確度很高，有效避免誤識別現象發生。 第四種身分識別方式：基於臉部影像、眼部影像的眼紋特徵以及眼部影像的虹膜特徵進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含虹膜特徵和眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對； 從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像； 將採集的所述眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯； 從所述指定眼部影像中選出第二組眼部影像，所述第二組眼部影像為所述指定眼部影像中那些眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值的眼部影像； 將採集的所述眼部影像的虹膜特徵與所述第二組眼部影像中的眼部影像的虹膜特徵進行比對； 如果所述第二組眼部影像中存在一眼部影像的虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值，則所述目標對象識別成功。 此種基於臉部影像、眼部影像的眼紋特徵以及眼部影像的虹膜特徵進行身分識別進行身分識別的方式能夠保障身分識別的精確度很高，有效避免誤識別現象發生。 第五種身分識別方式：基於眼部影像的虹膜特徵和臉部影像進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含虹膜特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對； 從所述眼部影像庫中選出第三組眼部影像，所述第三組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第三組眼部影像中的眼部影像相關聯； 如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 此種基於眼部影像的虹膜特徵和臉部影像進行身分識別的方式精確度較高。 第六種身分識別方式：基於眼部影像的眼紋特徵以及臉部影像進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對； 從所述眼部影像庫中選出第四組眼部影像，所述第四組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像； 將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第四組眼部影像中的眼部影像相關聯； 如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 此種基於眼部影像的眼紋特徵以及臉部影像進行身分識別的方式精確度較高。 第七種身分識別方式：基於眼部影像的虹膜特徵、眼部影像的眼紋特徵以及臉部影像進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含虹膜特徵和眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對； 從所述眼部影像庫中選出第三組眼部影像，所述第三組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的所述眼部影像的眼紋特徵與所述第三組眼部影像中的眼部影像的眼紋特徵進行比對； 從所述第三組眼部影像中選出第五組眼部影像，所述第五組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像； 將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第五組眼部影像相關聯； 如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 此種基於眼部影像的虹膜特徵、眼部影像的眼紋特徵以及臉部影像進行身分識別能夠保障身分識別的方式精確度很高，有效避免誤識別現象發生。 第八種身分識別方式：基於眼部影像的眼紋特徵、眼部影像的虹膜特徵以及臉部影像進行身分識別。 在本說明書的一個實施例中，所述眼部影像包含虹膜特徵和眼紋特徵，步驟120或步驟230中所述對所述目標對象進行身分識別包括： 將採集的所述眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對； 從所述眼部影像庫中選出第四組眼部影像，所述第四組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的臉部影像； 將採集的所述眼部影像的虹膜特徵與所述第四組眼部影像中的眼部影像的虹膜特徵進行比對； 從所述第四組眼部影像中選出第六組眼部影像，所述第六組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第六組眼部影像相關聯； 如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 此種基於眼部影像的眼紋特徵、眼部影像的虹膜特徵以及臉部影像進行身分識別的方式能夠保障身分識別的精確度很高，有效避免誤識別現象發生。 需要說明的是，在上面各種身分識別方式中，眼部影像庫和臉部影像庫可以從本地或其他儲存裝置獲取。眼部影像庫中的眼部影像可以透過各種方式預先獲取，臉部影像庫中的臉部影像也可以透過各種方式預先獲取。具體獲取方式本發明並不限定。 同時需要說明的是，在上面各種身分識別方式中，第一閾值、第二閾值和第三閾值可以根據需要來設定。第一閾值可以設定為例如70分(以一百分計)或70%，第一閾值可以設定為例如72分或72%；第三閾值可以設定為例如75分或75%等等。第一閾值、第二閾值以及第三閾值之間的取值並無關聯。 本發明提供的身分識別方法可將人臉、眼紋和虹膜技術相結合，並將之用於刷臉支付場景用戶非配合式的身分識別，既融合了基於人臉和眼紋的活體檢測技術，也將人臉、虹膜和眼紋用於大規模用戶檢索，並可以以級聯的方式實現，兼顧了效率和精度的平衡，可實現百萬級別人臉庫在較快(例如1秒)時間內的快速檢索。 圖3是本說明書實施例提供的一種身分識別裝置的結構方塊圖。參照圖3，本說明書實施例提供的身分識別裝置300可包括採集模組310和身分識別模組320。其中： 採集模組310，透過至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，所述眼部影像包含虹膜特徵和/或眼紋特徵； 身分識別模組320，基於所述臉部影像和所述眼部影像，對所述目標對象進行身分識別。 可選地，在本說明書的一個實施例中，所述身分識別模組320具體用於： 基於所述眼部影像以及所述臉部影像，確定所述目標對象是否為活體； 如果所述目標對象為活體，對所述目標對象進行身分識別。 可選地，在本說明書的一個實施例中，所述採集模組310具體用於：調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像；基於所述臉部影像的臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的眼部影像。 可選地，在本說明書的一個實施例中，所述至少一個攝影鏡頭為一個攝影鏡頭，所述採集模組310具體用於：調節所述攝影鏡頭，以獲取所述目標對象的臉部矩形框的位置；基於所述臉部矩形框的位置，採集所述目標對象的臉部影像；基於所述臉部影像的臉部矩形框的位置，調節所述攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 可選地，在本說明書的一個實施例中，所述至少一個攝影鏡頭包括拍攝臉部的第一攝影鏡頭和拍攝眼部的第二攝影鏡頭，所述採集模組310具體用於：調節所述第一攝影鏡頭，以獲取所述目標對象的臉部矩形框的位置；基於所述臉部矩形框的位置，採集所述目標對象的臉部影像；基於所述臉部矩形框的位置，調節所述第二攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 可選地，在本說明書的另一個實施例中，所述採集模組310具體用於：調節所述至少一個攝影鏡頭以獲取所述目標對象的初始臉部矩形框的位置；基於所述初始臉部矩形框的位置，調節所述至少一個攝影鏡頭以採集所述目標對象的臉部影像和眼部影像。 可選地，所述至少一個攝影鏡頭為一個攝影鏡頭，所述採集模組310具體用於：基於所述初始臉部矩形框的位置，調整所述攝影鏡頭，以獲取所述目標對象的目標臉部矩形框的位置和所述目標對象的兩眼矩形框的位置；基於所述目標臉部矩形框的位置，採集所述目標對象的臉部影像，以及基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 可選地，所述至少一個攝影鏡頭包括拍攝臉部的第一攝影鏡頭和拍攝眼部的第二攝影鏡頭， 所述採集模組310具體用於：調節所述第一攝影鏡頭以獲取所述目標對象的初始臉部矩形框的位置；基於所述初始臉部矩形框的位置，調節所述第一攝影鏡頭以獲取所述目標對象的目標臉部矩形框的位置，並基於所述目標臉部矩形框的位置，採集所述目標對象的臉部影像；以及，基於所述目標臉部矩形框的位置，調節所述第二攝影鏡頭，以獲取所述目標對象的兩眼矩形框的位置；基於所述兩眼矩形框的位置，採集所述目標對象的眼部影像。 可選地，在本說明書的另一個實施例中，所述臉部影像為單幀臉部影像，所述眼部影像為單幀眼部影像，所述身分識別模組320具體用於：基於所述單幀臉部影像在活體和非活體方面的差異，以及所述單幀眼部影像所包含的所述虹膜特徵和/或所述眼紋特徵在活體和非活體方面的差異，確定所述目標對象是否為活體。 可選地，在本說明書的另一個實施例中，所述臉部影像為多幀臉部影像，所述眼部影像為多幀眼部影像，所述身分識別模組320具體用於：如果所述多幀臉部影像之間存在差異，則確定所述目標對象為活體；如果所述多幀眼部影像在虹膜特徵或眼紋特徵方面存在差異，則確定所述目標對象為活體；如果所述多幀眼部影像在虹膜特徵或眼紋特徵方面不存在差異，則確定所述目標對象為非活體。 可選地，所述眼部影像包含虹膜特徵，所述身分識別模組320具體用於：將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對；從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像；將採集的所述眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯；如果所述眼部影像庫中存在一眼部影像的虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含眼紋特徵，所述身分識別模組320具體用於：將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對；從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像；將採集的所述眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯；如果所述眼部影像庫中存在一眼部影像的眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含虹膜特徵和眼紋特徵，所述身分識別模組320具體用於：將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對；從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像；將採集的所述眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯；從所述指定眼部影像中選出第一組眼部影像，所述第一組眼部影像為所述指定眼部影像中那些虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值的眼部影像；將採集的所述眼部影像的眼紋特徵與所述第一組眼部影像中的眼部影像的眼紋特徵進行比對；如果所述第一組眼部影像中存在一眼部影像的眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含虹膜特徵和眼紋特徵，所述身分識別模組320具體用於：將採集的所述臉部影像與臉部影像庫中的臉部影像進行比對；從所述臉部影像庫中選出第一組臉部影像，所述第一組臉部影像為與採集的所述臉部影像的相似度大於第一閾值的臉部影像；將採集的所述眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，所述指定眼部影像與所述第一組臉部影像中的臉部影像相關聯；從所述指定眼部影像中選出第二組眼部影像，所述第二組眼部影像為所述指定眼部影像中那些眼紋特徵與採集的所述眼部影像的眼紋特徵之間的相似度大於第三閾值的眼部影像；將採集的所述眼部影像的虹膜特徵與所述第二組眼部影像中的眼部影像的虹膜特徵進行比對；如果所述第二組眼部影像中存在一眼部影像的虹膜特徵與採集的所述眼部影像的虹膜特徵之間的相似度大於第二閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含虹膜特徵，所述身分識別模組320具體用於：將採集的所述眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對；從所述眼部影像庫中選出第三組眼部影像，所述第三組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像；將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第三組眼部影像中的眼部影像相關聯；如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含眼紋特徵，所述身分識別模組320具體用於：將採集的所述眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對；從所述眼部影像庫中選出第四組眼部影像，所述第四組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像；將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第四組眼部影像中的眼部影像相關聯；如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含虹膜特徵和眼紋特徵，所述身分識別模組320具體用於：將採集的所述眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對；從所述眼部影像庫中選出第三組眼部影像，所述第三組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像；將採集的所述眼部影像的眼紋特徵與所述第三組眼部影像中的眼部影像的眼紋特徵進行比對；從所述第三組眼部影像中選出第五組眼部影像，所述第五組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像；將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第五組眼部影像相關聯；如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 可選地，所述眼部影像包含虹膜特徵和眼紋特徵，所述身分識別模組320具體用於：將採集的所述眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對；從所述眼部影像庫中選出第四組眼部影像，所述第四組眼部影像為那些眼紋特徵與採集的所述眼部影像的眼紋特徵的相似度大於第三閾值的臉部影像；將採集的所述眼部影像的虹膜特徵與所述第四組眼部影像中的眼部影像的虹膜特徵進行比對；從所述第四組眼部影像中選出第六組眼部影像，所述第六組眼部影像為那些虹膜特徵與採集的所述眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像；將採集的所述臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，所述指定臉部影像與所述第六組眼部影像相關聯；如果所述指定臉部影像中存在一臉部影像與採集的所述臉部影像之間的相似度大於第一閾值，則所述目標對象識別成功。 在本說明書實施例中，透過採集目標對象的臉部影像和眼部影像，並基於眼部影像中的虹膜特徵和/或眼紋特徵對目標對象進行身分識別，由於臉部和眼部影像中的虹膜特徵和/或眼紋特徵組合在一起對目標對象進行了多重驗證，因而能夠更好地對用戶進行身分識別。 圖4是實現本發明各個實施例的一種終端的硬體結構示意圖。其中，該終端可以是一種行動終端。 該終端400包括但不限於：射頻單元401、網路模組402、音頻輸出單元403、輸入單元404、感測器405、顯示單元406、用戶輸入單元407、介面單元408、記憶體409、處理器410、以及電源411等部件。本領域技術人員可以理解，圖4中示出的行動終端結構並不構成對行動終端的限定，行動終端可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件配置。在本說明書實施例中，行動終端包括但不限於手機、平板電腦、筆記型電腦、掌上電腦、車載終端、穿戴式設備、以及計步器等。 其中，處理器410，用於產生提示資訊，其中所述提示資訊包括發送地點位置、金額大小和提示資訊內容；根據所述發送地點位置，搜尋所述發送地點位置的預設範圍內的另一行動終端；向所述另一行動終端發送所述提示資訊。 根據本說明書實施例的終端，通過，能夠實現產生提示資訊，其中，提示資訊包括發送地點位置、金額大小和提示資訊內容；根據發送地點位置，搜尋發送地點位置的預設範圍內的另一行動終端；向另一行動終端發送提示資訊，能夠實現匿名的方式發送提示資訊，可以避免面對面交流而產生衝突的問題並起到告知的作用，提高安全性，且提示資訊中附加少許金額，也可以吸引受眾的注意力，有較大的機率達成資訊傳遞的目的。 應理解的是，本說明書實施例中，射頻單元401可用於收發資訊或通話過程中，信號的接收和發送，具體地，將來自基地台的下行資料接收後，給處理器410處理；另外，將上行的資料發送給基地台。通常，射頻單元401包括但不限於天線、至少一個放大器、收發信機、耦合器、低雜訊放大器、雙工器等。此外，射頻單元401還可以透過無線通訊系統與網路和其他設備通訊。 行動終端透過網路模組402為用戶提供了無線的寬頻網際網路存取，如幫助用戶收發電子郵件、瀏覽網頁和存取串流式媒體等。 音頻輸出單元403可以將射頻單元401或網路模組402接收的或者在記憶體409中儲存的音頻資料轉換成音頻信號並且輸出為聲音。而且，音頻輸出單元403還可以提供與行動終端400執行的特定功能相關的音頻輸出(例如，呼叫信號接收聲音、訊息接收聲音等等)。音頻輸出單元403包括揚聲器、蜂鳴器以及受話器等。 輸入單元404用於接收音頻或視頻信號。輸入單元404可以包括圖形處理器(Graphics Processing Unit，GPU)4041和麥克風4042，圖形處理器4041對在視頻捕獲模式或影像捕獲模式中由影像捕獲裝置(如攝影鏡頭)獲得的靜態圖片或視頻的影像資料進行處理。處理後的影像幀可以顯示在顯示單元406上。經圖形處理器4041處理後的影像幀可以儲存在記憶體409(或其它儲存媒體)中或者經由射頻單元401或網路模組402進行發送。麥克風4042可以接收聲音，並且能夠將這樣的聲音處理為音頻資料。處理後的音頻資料可以在電話通話模式的情況下轉換為可經由射頻單元401發送到行動通訊基地台的格式輸出。 行動終端400還包括至少一種感測器405，比如光感測器、運動感測器以及其他感測器。具體地，光感測器包括環境光感測器及接近感測器，其中，環境光感測器可根據環境光線的明暗來調節顯示面板4061的亮度，接近感測器可在行動終端400移動到耳邊時，關閉顯示面板4061和/或背光。作為運動感測器的一種，加速計感測器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用於識別行動終端姿態(比如橫豎螢幕切換、相關遊戲、磁力計姿態校準)、振動識別相關功能(比如計步器、敲擊)等；感測器405還可以包括指紋感測器、壓力感測器、虹膜感測器、分子感測器、陀螺儀、氣壓計、濕度計、溫度計、紅外線感測器等，在此不再贅述。 顯示單元406用於顯示由用戶輸入的資訊或提供給用戶的資訊。顯示單元406可包括顯示面板4061，可以採用液晶顯示器(Liquid Crystal Display，LCD)、有機發光二極體(Organic Light-Emitting Diode, OLED)等形式來配置顯示面板4061。 用戶輸入單元407可用於接收輸入的數字或字符資訊，以及產生與行動終端的用戶設置以及功能控制有關的鍵信號輸入。具體地，用戶輸入單元407包括觸控面板4071以及其他輸入設備4072。觸控面板4071，也稱為觸控螢幕，可收集用戶在其上或附近的觸控操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板4071上或在觸控面板4071附近的操作)。觸控面板4071可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，並檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸資訊，並將它轉換成觸點座標，再送給處理器410，接收處理器410發來的命令並加以執行。此外，可以採用電阻式、電容式、紅外線以及表面聲波等多種類型實現觸控面板4071。除了觸控面板4071，用戶輸入單元407還可以包括其他輸入設備4072。具體地，其他輸入設備4072可以包括但不限於物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、滑鼠、操作桿，在此不再贅述。 進一步的，觸控面板4071可覆蓋在顯示面板4061上，當觸控面板4071檢測到在其上或附近的觸摸操作後，傳送給處理器410以確定觸摸事件的類型，隨後處理器410根據觸摸事件的類型在顯示面板4061上提供對應的視覺輸出。雖然在圖4中，觸控面板4071與顯示面板4061是作為兩個獨立的部件來實現行動終端的輸入和輸出功能，但是在某些實施例中，可以將觸控面板4071與顯示面板4061整合而實現行動終端的輸入和輸出功能，具體此處不做限定。 介面單元408為外部裝置與行動終端400連接的介面。例如，外部裝置可以包括有線或無線頭戴式耳機埠、外部電源(或電池充電器)埠、有線或無線資料埠、儲存卡埠、用於連接具有識別模組的裝置的埠、音頻輸入/輸出(I/O)埠、視頻I/O埠、耳機埠等等。介面單元405可以用於接收來自外部裝置的輸入(例如，資料資訊、電力等等)並且將接收到的輸入傳輸到行動終端400內的一個或多個組件或者可以用於在行動終端400和外部裝置之間傳輸資料。 記憶體409可用於儲存軟體程式以及各種資料。記憶體409可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存操作系統、至少一個功能所需的應用程式(比如聲音播放功能、影像播放功能等)等；儲存資料區可儲存根據手機的使用所建立的資料(比如音頻資料、電話簿等)等。此外，記憶體409可以包括高速隨機存取記憶體，還可以包括非揮發性記憶體，例如至少一個磁碟儲存裝置、快閃裝置、或其他揮發性固態儲存裝置。 處理器410是行動終端的控制中心，利用各種介面和線路連接整個行動終端的各個部分，透過運行或執行儲存在記憶體409內的軟體程式和/或模組，以及呼叫儲存在記憶體409內的資料，執行行動終端的各種功能和處理資料，從而對行動終端進行整體監控。處理器410可包括一個或多個處理單元；較佳地，處理器410可整合應用處理器和調變解調處理器，其中，應用處理器主要處理操作系統、用戶界面和應用程式等，調變解調處理器主要處理無線通訊。可以理解的是，上述調變解調處理器也可以不整合到處理器410中。 行動終端400還可以包括給各個部件供電的電源411(比如電池)，較佳地，電源411可以透過電源管理系統與處理器410邏輯相連，從而透過電源管理系統實現管理充電、放電、以及功耗管理等功能。 另外，行動終端400包括一些未示出的功能模組，在此不再贅述。 較佳地，本說明書實施例還提供一種行動終端，包括處理器410，記憶體409，儲存在記憶體409上並可在所述處理器410上運行的電腦程式，該電腦程式被處理器410執行時實現上述身分識別方法實施例的各個過程，且能達到相同的技術效果，為避免重複，這裡不再贅述。 本說明書實施例還提供一種非暫態性電腦可讀儲存媒體，電腦可讀儲存媒體上儲存有電腦程式，該電腦程式被處理器執行時實現上述任一身分識別方法實施例的各個過程，且能達到相同的技術效果，為避免重複，這裡不再贅述。其中，所述的電腦可讀儲存媒體，如唯讀記憶體(Read-Only Memory，簡稱ROM)、隨機存取記憶體(Random Access Memory，簡稱RAM)、磁碟或者光碟等。 本發明提供的身分識別裝置和終端可將人臉、眼紋和虹膜技術相結合，並將之用於刷臉支付場景用戶非配合式的身分識別，既融合了基於人臉和眼紋的活體檢測技術，也將人臉、虹膜和眼紋用於大規模用戶檢索，並可以以級聯的方式實現，兼顧了效率和精度的平衡，可實現百萬級別人臉庫在較快(例如1秒)時間內的快速檢索。 需要說明的是，在本文中，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列元件的過程、方法、物品或者裝置不僅包括那些元件，而且還包括沒有明確列出的其他元件，或者是還包括為這種過程、方法、物品或者裝置所固有的元件。在沒有更多限制的情況下，由語句“包括一個……”限定的元件，並不排除在包括該元件的過程、方法、物品或者裝置中還存在另外的相同元件。 透過以上的實施方式的描述，本領域的技術人員可以清楚地瞭解到上述實施例方法可借助軟體加必需的通用硬體平臺的方式來實現，當然也可以透過硬體，但很多情況下前者是更佳的實施方式。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存媒體(如ROM/RAM、磁碟、光碟)中，包括若干指令用以使得一台終端(可以是手機，電腦，伺服器，空調器，或者網路設備等)執行本發明各個實施例所述的方法。 上述對本說明書特定實施例進行了描述。其它實施例在所附申請專利範圍的範圍內。在一些情況下，在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外，在圖式中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中，多任務處理和並行處理也是可以的或者可能是有利的。 上面結合圖式對本發明的實施例進行了描述，但是本發明並不局限於上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本發明所屬技術領域中具有通常知識者在本發明的啟示下，在不脫離本發明宗旨和申請專利範圍所保護的範圍情況下，還可做出很多形式，均屬於本發明的保護之內。
110‧‧‧步驟 120‧‧‧步驟 210‧‧‧步驟 220‧‧‧步驟 230‧‧‧步驟 310‧‧‧步驟 310‧‧‧採集模組 320‧‧‧身分識別模組 400‧‧‧行動終端 401‧‧‧射頻單元 402‧‧‧網路模組 403‧‧‧音頻輸出單元 404‧‧‧輸入單元 405‧‧‧感測器 406‧‧‧顯示單元 407‧‧‧用戶輸入單元 408‧‧‧介面單元 409‧‧‧記憶體 410‧‧‧處理器 411‧‧‧電源 4041‧‧‧圖形處理器 4042‧‧‧麥克風 4061‧‧‧顯示面板 4071‧‧‧觸控面板 4072‧‧‧其他輸入設備
圖1是本說明書實施例提供的一種身分識別方法的流程圖； 圖2是本說明書實施例提供的另一種身分識別方法的流程圖； 圖3是本說明書實施例提供的身分識別裝置的結構方塊圖； 圖4是本說明書實施例提供的一種終端的示意圖。

Claims (21)

  1. 一種身分識別方法，包括： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，該眼部影像包含虹膜特徵和/或眼紋特徵；以及 基於該臉部影像和該眼部影像，對該目標對象進行身分識別。
  2. 根據請求項1所述的方法，該基於該臉部影像和該眼部影像，對該目標對象進行身分識別包括： 基於該眼部影像以及該臉部影像，確定該目標對象是否為活體；以及 如果該目標對象為活體，對該目標對象進行身分識別。
  3. 根據請求項1所述的方法，該控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像包括： 調節該至少一個攝影鏡頭以採集該目標對象的臉部影像；以及 基於該臉部影像的臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的眼部影像。
  4. 根據請求項3所述的方法，該至少一個攝影鏡頭為一個攝影鏡頭， 該調節該至少一個攝影鏡頭以採集該目標對象的臉部影像包括： 調節該攝影鏡頭，以獲取該目標對象的臉部矩形框的位置；以及 基於該臉部矩形框的位置，採集該目標對象的臉部影像； 該基於該臉部影像的臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的眼部影像包括： 基於該臉部影像的臉部矩形框的位置，調節該攝影鏡頭，以獲取該目標對象的兩眼矩形框的位置；以及 基於該兩眼矩形框的位置，採集該目標對象的眼部影像。
  5. 根據請求項3所述的方法，該至少一個攝影鏡頭包括拍攝臉部的第一攝影鏡頭和拍攝眼部的第二攝影鏡頭， 該調節該至少一個攝影鏡頭以採集該目標對象的臉部影像包括： 調節該第一攝影鏡頭，以獲取該目標對象的臉部矩形框的位置；以及 基於該臉部矩形框的位置，採集該目標對象的臉部影像； 該基於該臉部影像的臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的眼部影像包括： 基於該臉部矩形框的位置，調節該第二攝影鏡頭，以獲取該目標對象的兩眼矩形框的位置；以及 基於該兩眼矩形框的位置，採集該目標對象的眼部影像。
  6. 根據請求項1所述的方法，該控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像包括： 調節該至少一個攝影鏡頭以獲取該目標對象的初始臉部矩形框的位置；以及 基於該初始臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的臉部影像和眼部影像。
  7. 根據請求項6所述的方法，該至少一個攝影鏡頭為一個攝影鏡頭，該基於該初始臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的臉部影像和眼部影像包括： 基於該初始臉部矩形框的位置，調整該攝影鏡頭，以獲取該目標對象的目標臉部矩形框的位置和該目標對象的兩眼矩形框的位置；以及 基於該目標臉部矩形框的位置，採集該目標對象的臉部影像，以及基於該兩眼矩形框的位置，採集該目標對象的眼部影像。
  8. 根據請求項6所述的方法，該至少一個攝影鏡頭包括拍攝臉部的第一攝影鏡頭和拍攝眼部的第二攝影鏡頭， 該調節該至少一個攝影鏡頭以獲取該目標對象的初始臉部矩形框的位置包括： 調節該第一攝影鏡頭以獲取該目標對象的初始臉部矩形框的位置； 該基於該初始臉部矩形框的位置，調節該至少一個攝影鏡頭以採集該目標對象的臉部影像和眼部影像包括： 基於該初始臉部矩形框的位置，調節該第一攝影鏡頭以獲取該目標對象的目標臉部矩形框的位置，並基於該目標臉部矩形框的位置，採集該目標對象的臉部影像； 基於該目標臉部矩形框的位置，調節該第二攝影鏡頭，以獲取該目標對象的兩眼矩形框的位置；以及 基於該兩眼矩形框的位置，採集該目標對象的眼部影像。
  9. 根據請求項2所述的方法，該臉部影像為單幀臉部影像，該眼部影像為單幀眼部影像，該基於該眼部影像以及該臉部影像，確定該目標對象是否為活體包括： 基於該單幀臉部影像在活體和非活體方面的差異，以及該單幀眼部影像所包含的該虹膜特徵和/或該眼紋特徵在活體和非活體方面的差異，確定該目標對象是否為活體。
  10. 根據請求項2所述的方法，該臉部影像為多幀臉部影像，該眼部影像為多幀眼部影像， 該基於該眼部影像以及該臉部影像，確定該目標對象是否為活體包括： 如果該多幀臉部影像之間存在差異，則確定該目標對象為活體； 如果該多幀眼部影像在虹膜特徵或眼紋特徵方面存在差異，則確定該目標對象為活體；以及 如果該多幀眼部影像在虹膜特徵或眼紋特徵方面不存在差異，則確定該目標對象為非活體。
  11. 根據請求項1所述的方法，該眼部影像包含虹膜特徵，該對該目標對象進行身分識別包括： 將採集的該臉部影像與臉部影像庫中的臉部影像進行比對； 從該臉部影像庫中選出第一組臉部影像，該第一組臉部影像為與採集的該臉部影像的相似度大於第一閾值的臉部影像； 將採集的該眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，該指定眼部影像與該第一組臉部影像中的臉部影像相關聯；以及 如果該眼部影像庫中存在一眼部影像的虹膜特徵與採集的該眼部影像的虹膜特徵之間的相似度大於第二閾值，則該目標對象識別成功。
  12. 根據請求項1所述的方法，該眼部影像包含眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該臉部影像與臉部影像庫中的臉部影像進行比對； 從該臉部影像庫中選出第一組臉部影像，該第一組臉部影像為與採集的該臉部影像的相似度大於第一閾值的臉部影像； 將採集的該眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，該指定眼部影像與該第一組臉部影像中的臉部影像相關聯；以及 如果該眼部影像庫中存在一眼部影像的眼紋特徵與採集的該眼部影像的眼紋特徵之間的相似度大於第三閾值，則該目標對象識別成功。
  13. 根據請求項1所述的方法，該眼部影像包含虹膜特徵和眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該臉部影像與臉部影像庫中的臉部影像進行比對； 從該臉部影像庫中選出第一組臉部影像，該第一組臉部影像為與採集的該臉部影像的相似度大於第一閾值的臉部影像； 將採集的該眼部影像的虹膜特徵與眼部影像庫中的指定眼部影像的虹膜特徵進行比對，其中，該指定眼部影像與該第一組臉部影像中的臉部影像相關聯； 從該指定眼部影像中選出第一組眼部影像，該第一組眼部影像為該指定眼部影像中那些虹膜特徵與採集的該眼部影像的虹膜特徵之間的相似度大於第二閾值的眼部影像； 將採集的該眼部影像的眼紋特徵與該第一組眼部影像中的眼部影像的眼紋特徵進行比對；以及 如果該第一組眼部影像中存在一眼部影像的眼紋特徵與採集的該眼部影像的眼紋特徵之間的相似度大於第三閾值，則該目標對象識別成功。
  14. 根據請求項1所述的方法，該眼部影像包含虹膜特徵和眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該臉部影像與臉部影像庫中的臉部影像進行比對； 從該臉部影像庫中選出第一組臉部影像，該第一組臉部影像為與採集的該臉部影像的相似度大於第一閾值的臉部影像； 將採集的該眼部影像的眼紋特徵與眼部影像庫中的指定眼部影像的眼紋特徵進行比對，其中，該指定眼部影像與該第一組臉部影像中的臉部影像相關聯； 從該指定眼部影像中選出第二組眼部影像，該第二組眼部影像為該指定眼部影像中那些眼紋特徵與採集的該眼部影像的眼紋特徵之間的相似度大於第三閾值的眼部影像； 將採集的該眼部影像的虹膜特徵與該第二組眼部影像中的眼部影像的虹膜特徵進行比對；以及 如果該第二組眼部影像中存在一眼部影像的虹膜特徵與採集的該眼部影像的虹膜特徵之間的相似度大於第二閾值，則該目標對象識別成功。
  15. 根據請求項1所述的方法，該眼部影像包含虹膜特徵，該對該目標對象進行身分識別包括： 將採集的該眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對； 從該眼部影像庫中選出第三組眼部影像，該第三組眼部影像為那些虹膜特徵與採集的該眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的該臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，該指定臉部影像與該第三組眼部影像中的眼部影像相關聯；以及 如果該指定臉部影像中存在一臉部影像與採集的該臉部影像之間的相似度大於第一閾值，則該目標對象識別成功。
  16. 根據請求項1所述的方法，該眼部影像包含眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對； 從該眼部影像庫中選出第四組眼部影像，該第四組眼部影像為那些眼紋特徵與採集的該眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像； 將採集的該臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，該指定臉部影像與該第四組眼部影像中的眼部影像相關聯；以及 如果該指定臉部影像中存在一臉部影像與採集的該臉部影像之間的相似度大於第一閾值，則該目標對象識別成功。
  17. 根據請求項1所述的方法，該眼部影像包含虹膜特徵和眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該眼部影像的虹膜特徵與眼部影像庫中的眼部影像的虹膜特徵進行比對； 從該眼部影像庫中選出第三組眼部影像，該第三組眼部影像為那些虹膜特徵與採集的該眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的該眼部影像的眼紋特徵與該第三組眼部影像中的眼部影像的眼紋特徵進行比對； 從該第三組眼部影像中選出第五組眼部影像，該第五組眼部影像為那些眼紋特徵與採集的該眼部影像的眼紋特徵的相似度大於第三閾值的眼部影像； 將採集的該臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，該指定臉部影像與該第五組眼部影像相關聯；以及 如果該指定臉部影像中存在一臉部影像與採集的該臉部影像之間的相似度大於第一閾值，則該目標對象識別成功。
  18. 根據請求項1所述的方法，該眼部影像包含虹膜特徵和眼紋特徵，該對該目標對象進行身分識別包括： 將採集的該眼部影像的眼紋特徵與眼部影像庫中的眼部影像的眼紋特徵進行比對； 從該眼部影像庫中選出第四組眼部影像，該第四組眼部影像為那些眼紋特徵與採集的該眼部影像的眼紋特徵的相似度大於第三閾值的臉部影像； 將採集的該眼部影像的虹膜特徵與該第四組眼部影像中的眼部影像的虹膜特徵進行比對； 從該第四組眼部影像中選出第六組眼部影像，該第六組眼部影像為那些虹膜特徵與採集的該眼部影像的虹膜特徵的相似度大於第二閾值的眼部影像； 將採集的該臉部影像與臉部影像庫中的指定臉部影像進行比對，其中，該指定臉部影像與該第六組眼部影像相關聯；以及 如果該指定臉部影像中存在一臉部影像與採集的該臉部影像之間的相似度大於第一閾值，則該目標對象識別成功。
  19. 一種身分識別裝置，包括： 採集模組，透過至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，該眼部影像包含虹膜特徵和/或眼紋特徵；以及 身分識別模組，基於該臉部影像和該眼部影像，對該目標對象進行身分識別。
  20. 一種身分識別設備，包括： 處理器；以及 被安排成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使用該處理器執行以下操作： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，該眼部影像包含虹膜特徵和/或眼紋特徵；以及 基於該臉部影像和該眼部影像，對該目標對象進行身分識別。
  21. 一種電腦可讀儲存媒體，該電腦可讀儲存媒體上儲存一個或多個程式，該一個或多個程式當被執行時，執行以下操作： 控制至少一個攝影鏡頭採集目標對象的臉部影像和眼部影像，其中，該眼部影像包含虹膜特徵和/或眼紋特徵；以及 基於該臉部影像和該眼部影像，對該目標對象進行身分識別。
TW108119113A 2018-08-13 2019-06-03 身分識別方法、裝置和電腦可讀儲存媒體 TWI706270B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810917915.7A CN109190509B (zh) 2018-08-13 2018-08-13 一种身份识别方法、装置和计算机可读存储介质
CN201810917915.7 2018-08-13

Publications (2)

Publication Number Publication Date
TW202009761A true TW202009761A (zh) 2020-03-01
TWI706270B TWI706270B (zh) 2020-10-01

Family

ID=64921165

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108119113A TWI706270B (zh) 2018-08-13 2019-06-03 身分識別方法、裝置和電腦可讀儲存媒體

Country Status (5)

Country Link
US (2) US11126878B2 (zh)
CN (1) CN109190509B (zh)
SG (1) SG11202011153TA (zh)
TW (1) TWI706270B (zh)
WO (1) WO2020036821A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190509B (zh) * 2018-08-13 2023-04-25 创新先进技术有限公司 一种身份识别方法、装置和计算机可读存储介质
CN109871796A (zh) * 2019-01-31 2019-06-11 杭州创匠信息科技有限公司 基于活体虹膜的防伪方法和装置
CN109787775B (zh) * 2019-03-06 2021-10-22 杭州电子科技大学 一种基于陈氏混沌系统与指静脉辅助数据的安全认证方法
CN111860056B (zh) * 2019-04-29 2023-10-20 北京眼神智能科技有限公司 基于眨眼的活体检测方法、装置、可读存储介质及设备
CN111582874B (zh) * 2020-05-08 2022-09-27 蚂蚁胜信(上海)信息技术有限公司 身份核验方法以及装置
CN113657231A (zh) * 2021-08-09 2021-11-16 广州中科智云科技有限公司 一种基于多旋翼无人机的图像识别方法及装置
CN115270093A (zh) * 2022-07-28 2022-11-01 上海闻泰电子科技有限公司 身份校验方法、装置、电子设备以及存储介质

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6181805B1 (en) * 1993-08-11 2001-01-30 Nippon Telegraph & Telephone Corporation Object image detecting method and system
US7050835B2 (en) * 2001-12-12 2006-05-23 Universal Display Corporation Intelligent multi-media display communication system
US20050084137A1 (en) * 2002-01-16 2005-04-21 Kim Dae-Hoon System and method for iris identification using stereoscopic face recognition
TWI224287B (en) * 2003-01-23 2004-11-21 Ind Tech Res Inst Iris extraction method
US8064647B2 (en) * 2006-03-03 2011-11-22 Honeywell International Inc. System for iris detection tracking and recognition at a distance
US7817826B2 (en) * 2005-08-12 2010-10-19 Intelitrac Inc. Apparatus and method for partial component facial recognition
CN100403331C (zh) * 2005-09-16 2008-07-16 中国科学技术大学 基于虹膜和人脸的多模态生物特征身份识别系统
CN100410962C (zh) * 2006-09-07 2008-08-13 北京理工大学 一种人脸侧面轮廓和人耳特征相结合的身份识别装置
US8280120B2 (en) * 2006-10-02 2012-10-02 Eyelock Inc. Fraud resistant biometric financial transaction system and method
JP4941124B2 (ja) * 2007-06-25 2012-05-30 オムロン株式会社 監視システムおよび方法、情報処理装置、並びにプログラム
KR100840021B1 (ko) * 2007-11-05 2008-06-20 (주)올라웍스 특성 데이터를 이용하여 디지털 데이터에 포함된 인물의얼굴에 대해 인식하는 방법 및 시스템
US8306279B2 (en) * 2008-09-15 2012-11-06 Eyelock, Inc. Operator interface for face and iris recognition devices
CN101833646B (zh) * 2009-03-11 2012-05-02 北京中科虹霸科技有限公司 一种虹膜活体检测方法
US8385685B2 (en) * 2011-06-08 2013-02-26 Honeywell International Inc. System and method for ocular recognition
US9025830B2 (en) * 2012-01-20 2015-05-05 Cyberlink Corp. Liveness detection system based on face behavior
CN103679125B (zh) * 2012-09-24 2016-12-21 致伸科技股份有限公司 人脸追踪的方法
CN104239857A (zh) * 2014-09-05 2014-12-24 深圳市中控生物识别技术有限公司 一种身份识别信息采集方法、装置及系统
CN104834908B (zh) * 2015-05-07 2018-09-07 惠州Tcl移动通信有限公司 一种移动终端基于眼纹识别的图像曝光方法及曝光系统
US9940575B2 (en) * 2015-06-04 2018-04-10 Yahoo Holdings, Inc. Image searching
CN104992163B (zh) * 2015-07-22 2019-01-08 江苏天诚智能集团有限公司 一种人脸图像与虹膜图像同时采集光学装置及其身份认证方法
WO2017043132A1 (ja) * 2015-09-08 2017-03-16 日本電気株式会社 顔認識システム、顔認識方法、表示制御装置、表示制御方法および表示制御プログラム
CN105184277B (zh) * 2015-09-29 2020-02-21 杨晴虹 活体人脸识别方法以及装置
CN106687969B (zh) * 2015-10-08 2019-12-06 华为技术有限公司 一种保护隐私信息的方法和终端设备
CN105320941A (zh) * 2015-10-21 2016-02-10 北京无线电计量测试研究所 一种基于虹膜和人脸融合的生物识别装置及利用该装置进行生物识别的方法
CN105262758B (zh) * 2015-10-28 2017-09-12 广东欧珀移动通信有限公司 一种身份验证方法和装置
US9747494B2 (en) * 2015-11-16 2017-08-29 MorphoTrak, LLC Facial matching system
TW201718997A (zh) * 2015-11-25 2017-06-01 qi-wei Qiu 生物辨識門鎖系統
CN105760820A (zh) * 2016-01-25 2016-07-13 湖南人文科技学院 一种基于虹膜和人脸识别的多生物特征复合鉴证的身份识别装置
CN105912987A (zh) * 2016-04-01 2016-08-31 王涛 一种基于虹膜辅助身份认证的面部支付平台的使用方法
CN105913019A (zh) * 2016-04-11 2016-08-31 北京奇虎科技有限公司 虹膜识别方法及终端
CN106096585A (zh) * 2016-06-29 2016-11-09 深圳市金立通信设备有限公司 一种身份验证方法以及终端
CN106203297B (zh) * 2016-06-30 2019-11-08 北京七鑫易维信息技术有限公司 一种身份识别方法及装置
CN106203375A (zh) * 2016-07-20 2016-12-07 济南大学 一种基于人脸图像中人脸和人眼检测的瞳孔定位方法
CN106250851B (zh) * 2016-08-01 2020-03-17 徐鹤菲 一种身份认证方法、设备及移动终端
CN106899567B (zh) * 2016-08-24 2019-12-13 阿里巴巴集团控股有限公司 用户核身方法、装置及系统
CN106548132A (zh) 2016-10-16 2017-03-29 北海益生源农贸有限责任公司 融合眼睛状态和心率检测的疲劳驾驶检测方法
CN106529436B (zh) * 2016-10-25 2020-03-17 徐鹤菲 一种身份一致性认证方法、装置和移动终端
CN106570469A (zh) * 2016-11-01 2017-04-19 北京无线电计量测试研究所 自助式双目虹膜注册方法及利用该方法的虹膜注册装置
KR20180071589A (ko) * 2016-12-20 2018-06-28 삼성전자주식회사 홍채 인식 기능 운용 방법 및 이를 지원하는 전자 장치
US10599912B2 (en) * 2016-12-23 2020-03-24 Aware, Inc. Analysis of reflections of projected light in varying colors, brightness, patterns, and sequences for liveness detection in biometric systems
CN107239735A (zh) * 2017-04-24 2017-10-10 复旦大学 一种基于视频分析的活体检测方法和系统
CN107273812B (zh) * 2017-05-22 2019-02-05 西安交通大学 一种用于身份认证的活体虹膜防伪方法
CN107346419B (zh) * 2017-06-14 2021-05-11 Oppo广东移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质
CN107368725B (zh) * 2017-06-16 2020-04-10 Oppo广东移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质
CN107330699A (zh) * 2017-06-27 2017-11-07 王田 基于图像处理算法的移动终端支付系统
CN107403149A (zh) * 2017-07-17 2017-11-28 广东欧珀移动通信有限公司 虹膜识别方法及相关产品
CN107292290B (zh) * 2017-07-17 2021-02-19 Oppo广东移动通信有限公司 人脸活体识别方法及相关产品
CN111339822B (zh) * 2017-07-17 2023-06-30 Oppo广东移动通信有限公司 活体检测方法及相关产品
CN107463883A (zh) * 2017-07-18 2017-12-12 广东欧珀移动通信有限公司 生物识别方法及相关产品
CN107451455A (zh) * 2017-07-29 2017-12-08 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN110909695B (zh) * 2017-07-29 2023-08-18 Oppo广东移动通信有限公司 防伪处理方法及相关产品
CN107506696A (zh) * 2017-07-29 2017-12-22 广东欧珀移动通信有限公司 防伪处理方法及相关产品
CN107580114B (zh) * 2017-08-24 2020-07-28 Oppo广东移动通信有限公司 生物识别方法、移动终端以及计算机可读存储介质
CN107590463A (zh) * 2017-09-12 2018-01-16 广东欧珀移动通信有限公司 人脸识别方法及相关产品
CN107392192A (zh) * 2017-09-19 2017-11-24 信利光电股份有限公司 一种身份识别方法、装置及多摄像头模组
US11023757B2 (en) * 2018-02-14 2021-06-01 Samsung Electronics Co., Ltd. Method and apparatus with liveness verification
CN109190509B (zh) * 2018-08-13 2023-04-25 创新先进技术有限公司 一种身份识别方法、装置和计算机可读存储介质

Also Published As

Publication number Publication date
CN109190509B (zh) 2023-04-25
US20200160078A1 (en) 2020-05-21
CN109190509A (zh) 2019-01-11
US10776646B2 (en) 2020-09-15
US20200050877A1 (en) 2020-02-13
SG11202011153TA (en) 2020-12-30
WO2020036821A1 (en) 2020-02-20
US11126878B2 (en) 2021-09-21
TWI706270B (zh) 2020-10-01
WO2020036821A8 (en) 2020-04-02

Similar Documents

Publication Publication Date Title
TWI706270B (zh) 身分識別方法、裝置和電腦可讀儲存媒體
CN107767333B (zh) 美颜拍照的方法、设备及计算机可存储介质
US10565763B2 (en) Method and camera device for processing image
WO2017181769A1 (zh) 一种人脸识别方法、装置和系统、设备、存储介质
US11321575B2 (en) Method, apparatus and system for liveness detection, electronic device, and storage medium
CN108712603B (zh) 一种图像处理方法及移动终端
CN107231470B (zh) 图像处理方法、移动终端及计算机可读存储介质
US9924090B2 (en) Method and device for acquiring iris image
US20220309836A1 (en) Ai-based face recognition method and apparatus, device, and medium
WO2020020134A1 (zh) 拍摄方法及移动终端
KR20170001430A (ko) 디스플레이 장치 및 이의 영상 보정 방법
CN108206892B (zh) 联系人隐私的保护方法、装置、移动终端及存储介质
WO2020048392A1 (zh) 应用程序的病毒检测方法、装置、计算机设备及存储介质
WO2017197778A1 (zh) 图像发送方法和装置
CN110096865B (zh) 下发验证方式的方法、装置、设备及存储介质
US20240005695A1 (en) Fingerprint Recognition Method and Electronic Device
CN111062248A (zh) 图像检测的方法、装置、电子设备及介质
CN107977636B (zh) 人脸检测方法及装置、终端、存储介质
WO2021047069A1 (zh) 人脸识别方法和电子终端设备
US10846513B2 (en) Method, device and storage medium for processing picture
WO2020015149A1 (zh) 一种皱纹检测方法及电子设备
CN110443752B (zh) 一种图像处理方法和移动终端
US20230040115A1 (en) Information processing method and electronic device
WO2021218823A1 (zh) 指纹活体检测方法、设备及存储介质
CN110399780B (zh) 一种人脸检测方法、装置及计算机可读存储介质