TW202040427A - 與行動裝置連接以用於偵測面部辨識之欺騙之方法及系統 - Google Patents
與行動裝置連接以用於偵測面部辨識之欺騙之方法及系統 Download PDFInfo
- Publication number
- TW202040427A TW202040427A TW109108240A TW109108240A TW202040427A TW 202040427 A TW202040427 A TW 202040427A TW 109108240 A TW109108240 A TW 109108240A TW 109108240 A TW109108240 A TW 109108240A TW 202040427 A TW202040427 A TW 202040427A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- data representation
- user
- prediction model
- distance
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 230000001815 facial effect Effects 0.000 title claims description 124
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000033001 locomotion Effects 0.000 claims description 223
- 230000008859 change Effects 0.000 claims description 58
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 28
- 238000005516 engineering process Methods 0.000 description 24
- 230000009471 action Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000010076 replication Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 240000000594 Heliconia bihai Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- WZWYJBNHTWCXIM-UHFFFAOYSA-N tenoxicam Chemical compound O=C1C=2SC=CC=2S(=O)(=O)N(C)C1=C(O)NC1=CC=CC=N1 WZWYJBNHTWCXIM-UHFFFAOYSA-N 0.000 description 1
- 229960002871 tenoxicam Drugs 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V40/10—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
- G06V40/40—Spoof detection, e.g. liveness detection
-
- 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
-
- 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
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/1483—Countermeasures against malicious traffic service impersonation, e.g. phishing, pharming or web spoofing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本發明描述方法、系統及媒體,其用於藉由使用一行動裝置之相機來偵測生物特徵身份辨識之欺騙及/或驗證一身份辨識匹配,處理在一第一距離及第二距離處之使用者之面部影像或影像集以產生第一資料表示及第二資料表示,將該第一資料表示處理成一預測模型,及比較資料表示與該預測模型。
Description
「欺騙」一安全系統大體上被定義為藉由提交虛假資料來偽裝成一經認證使用者之一行為。在此情況中,可採用活躍度偵測方法來判定一生物特徵模態(諸如一面部、一手掌(掌紋)、一手指(指紋)或一耳朵)是否攜帶原始三維生物特徵模態之獨有結構品質,或為二維複製。
在一個態樣中,本文中揭示用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之電腦實施方法,該方法包括:(a)藉由一相機在一第一距離處記錄一使用者之面部影像或影像集;(b)運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示;(c)將該第一資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)改變該使用者之面部與該相機之間的距離,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離,減小該使用者之面部與該相機之間的該距離,改變該相機相對於該使用者之面部之定向,改變該使用者之面部相對於該相機之定向,或其之任何組合;(e)藉由該相機在一第二距離處記錄該使用者之面部影像或影像集;(f)運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示;(g)比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配;及(h)若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。在一些實施例中,該方法進一步包括若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配。在一些實施例中,該方法進一步包括若一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配。在一些實施例中,該方法進一步包括若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配。在一些實施例中,該方法進一步包括比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該方法進一步包括:(a)將該第二資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配;及(c)若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。在一些實施例中,一預測模型與一資料表示之比較包括組態一匹配架構。在一些實施例中,一預測模型與一資料表示之該比較包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,匹配架構之組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,匹配架構之該組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。在一些實施例中,匹配架構之該組態不改變。在一些實施例中,一引導使用者介面用於擷取該第一資料表示及/或第二資料表示。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該方法進一步包括:(a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示;及(d)若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,在該第一資料表示之記錄時間與該第二資料表示之記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示。在一些實施例中,該方法進一步包括若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,該方法進一步包括:(a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示;及(d)若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示。在一些實施例中,該方法進一步包括若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
在另一態樣中,本文中揭示電腦實施系統,其包括:一運算裝置,其包括至少一個處理器;一作業系統,其經組態以執行可執行指令;一記憶體;及一電腦程式,其包含可藉由該運算裝置執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括:(a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組;(b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組;(c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離,減小該使用者之面部與該相機之間的該距離,改變該相機相對於該使用者之面部之定向,改變該使用者之面部相對於該相機之定向,或其之任何組合;(e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組;(f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組;(g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之該軟體模組之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。在一些實施例中,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該系統進一步包括:(a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。在一些實施例中,經組態以比較一預測模型與一資料表示之任何軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。在一些實施例中,該匹配架構組態不改變。在一些實施例中,該系統進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該系統進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組;及(d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。在一些實施例中,該系統進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組;及(d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。在一些實施例中,該系統進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
在又一態樣中,本文中揭示運用一電腦程式編碼之非暫時性電腦可讀儲存媒體,該電腦程式包含可藉由一或多個處理器執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括:(a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組;(b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組;(c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離,減小該使用者之面部與該相機之間的該距離,改變該相機相對於該使用者之面部之定向,改變該使用者之面部相對於該相機之定向,或其之任何組合;(e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組;(f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組;(g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該媒體進一步包括:(a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。在一些實施例中,經組態以比較一預測模型與一資料表示之一軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。在一些實施例中,該匹配架構組態不改變。在一些實施例中,該媒體進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該媒體進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組;及(d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組;及(d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
交叉參考
本申請案主張2019年3月12日申請之美國臨時申請案第62/817,554號之權利,該申請案之全文以引用的方式併入本文中。
在一個態樣中,本文中揭示用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之電腦實施方法,該方法包括:(a)藉由一相機在一第一距離處記錄一使用者之面部影像或影像集;(b)運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示;(c)將該第一資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)改變該使用者之面部與該相機之間的距離,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離,減小該使用者之面部與該相機之間的該距離,改變該相機相對於該使用者之面部之定向,改變該使用者之面部相對於該相機之定向,或其之任何組合;(e)藉由該相機在一第二距離處記錄該使用者之面部影像或影像集;(f)運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示;(g)比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配;及(h)若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。在一些實施例中,該方法進一步包括若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配。在一些實施例中,該方法進一步包括若一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配。在一些實施例中,該方法進一步包括若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配。在一些實施例中,該方法進一步包括比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該方法進一步包括:(a)將該第二資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配;及(c)若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。在一些實施例中,一預測模型與一資料表示之比較包括組態一匹配架構。在一些實施例中,一預測模型與一資料表示之該比較包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,匹配架構之組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,匹配架構之組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。在一些實施例中,匹配架構之組態不改變。在一些實施例中,一引導使用者介面用於擷取該第一資料表示及/或第二資料表示。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該方法進一步包括:(a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示;及(d)若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示。在一些實施例中,該方法進一步包括若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,該方法進一步包括:(a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料;(c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示;及(d)若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示。在一些實施例中,該方法進一步包括若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
在另一態樣中,本文中揭示電腦實施系統,其包括:一運算裝置,其包括至少一個處理器;一作業系統,其經組態以執行可執行指令;一記憶體;及一電腦程式,其包含可藉由該運算裝置執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括:(a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組;(b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組;(c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離、減小該使用者之面部與該相機之間的該距離、改變該相機相對於該使用者之面部之定向、改變該使用者之面部相對於該相機之定向、或其之任何組合;(e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組;(f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組;(g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之軟體模組之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。在一些實施例中,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該系統進一步包括:(a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。在一些實施例中,經組態以比較一預測模型與一資料表示之任何軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變,或其之任何組合。在一些實施例中,該匹配架構組態不改變。在一些實施例中,該系統進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該系統進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組;及(d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。在一些實施例中,該系統進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該系統進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組;及(d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。在一些實施例中,該系統進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
在又一態樣中,本文中揭示運用一電腦程式編碼之非暫時性電腦可讀儲存媒體,該電腦程式包含可藉由一或多個處理器執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括:(a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組;(b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組;(c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離,減小該使用者之面部與該相機之間的該距離,改變該相機相對於該使用者之面部之定向,改變該使用者之面部相對於該相機之定向,或其之任何組合;(e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組;(f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組;(g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之軟體模組之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。在一些實施例中,額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。在一些實施例中,該媒體進一步包括:(a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;(b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及(c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。在一些實施例中,經組態以比較一預測模型與一資料表示之一軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示,比較自一第二資料表示產生之一預測模型與一第一資料表示,或其之任何組合。在一些實施例中,該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。在一些實施例中,該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。在一些實施例中,該匹配架構組態不改變。在一些實施例中,該媒體進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。在一些實施例中,自該引導使用者介面擷取之資訊用於匹配練習中。在一些實施例中,該媒體進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組;及(d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,該媒體進一步包括:(a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組;(c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組;及(d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。在一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。在一些實施例中,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。在一些實施例中,該媒體進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
本文中提供一種用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之方法,其中:藉由該相機在一第一距離處記錄一使用者之面部影像或影像集;運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示;將該第一資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示;該使用者之面部與該相機之間的距離改變,無論是移動更靠近在一起還是更遠離,及/或改變該面部相對於該相機之定向;藉由該相機在一第二距離處記錄該使用者之面部影像或影像集;運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示;比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配;及若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證身份辨識匹配。
在該方法之一些實施例中,在比較該第二資料表示與自該第一資料表示產生之該預測模型後,若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配。
在該方法之一些實施例中,在比較該第二資料表示與自該第一資料表示產生之該預測模型後,若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則容許自該使用者之面部影像或影像集擷取(若干)額外資料表示,且比較該(若干)額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配;且若該(若干)額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證該身份辨識匹配;若該(若干)額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配。
在該方法之一些實施例中,在比較該第二資料表示與自該第一資料表示產生之該預測模型後,若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則比較額外資料,諸如名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型或其他資料,以判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配。
在該方法之一些實施例中,自該第二資料表示產生一預測模型,且從自該第二資料表示產生之該預測模型與該第一資料表示之一比較判定該身份辨識匹配之驗證。
改變用於匹配之資料及軟體架構提供安全益處,其中包括系統且獲得對軟體及/或資料之某一部分或全部之存取的一專門攻擊者不太可能或無法理解如何執行匹配,且不太可能或無法危及系統及/或代表一或多個使用者重播攻擊使用者身份匹配練習,此可作為努力存取資訊或資源或致使改變資訊或資源之部分來進行。
在該方法之一些實施例中,匹配架構之組態係來自(a)自一第一資料表示產生之一預測模型與一第二資料表示之一比較,或(b)自一第二資料表示產生之一預測模型與一第一資料表示之一比較,在連續匹配練習時改變,或在特定連續匹配練習時改變且在其他連續匹配練習時不改變,該等改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。
在該方法之一些實施例中,一引導使用者介面用於擷取該第一資料表示及/或第二資料表示。引導資訊用於該匹配練習中。
在該方法之一些實施例中,預測模型化架構之組態可來自(a)自一給定資料或資料表示預測模型化以產生及匹配另一資料或資料表示,或(b)自一個以上經擷取資料或資料表示預測模型化以產生多個預測以匹配多個其他資料或資料表示,其中第一資料、第二資料及/或額外資料用於預測模型化以匹配其他資料或資料表示。
在該方法之一些實施例中,例如可在解決資料消耗、檔案大小、處理步驟以及其他資料及軟體架構特性以改變執行速度時(在一些情況中,此可結合實施方案之相關聯安全規範決定)基於安全級別及執行速度來最佳化預測模型化架構之組態。
在該方法之一些實施例中,使用包含機器學習、影像分析、深度學習及其他方法之方法來訓練用於產生一或多個預測資料之預測模型。在自使用者收集之真實資料及/或藉由影像再現或此項技術中已知之其他影像資料表示技術產生之合成資料上訓練預測模型。
在該方法之一些實施例中,在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之感測器記錄運動及/或位置資料;在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之感測器記錄運動及/或位置資料;比較在該第一距離處記錄之該運動及/或位置資料及在該第二距離處記錄之該運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示;若該第二資料表示與自該第一資料表示產生之該預測模型匹配,及若該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證身份辨識匹配,因為該位置可在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間隨著該行動裝置之移動及/或該使用者之面部之移動而改變。
在該方法之一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄運動及/或位置資料;比較在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示;若該第二資料表示與自該第一資料表示產生之該預測模型匹配,及若連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證該身份辨識匹配,因為該位置可在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間隨著該行動裝置之移動及/或該使用者之面部之移動而改變。
在該方法之一些實施例中,在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之感測器記錄運動及/或位置資料;在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之感測器記錄運動及/或位置資料;比較在該第一距離處記錄之該運動及/或位置資料及在該第二距離處記錄之該運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示;若該第一資料表示與自該第二資料表示產生之該預測模型匹配,及若該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證該身份辨識匹配,因為該位置可在該第一資料表示之該記錄時間及該第二資料表示之該記錄時間之間隨著該行動裝置之移動及/或該使用者之面部之移動而改變。
在該方法之一些實施例中,在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄運動及/或位置資料;比較在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示;若該第一資料表示與自該第二資料表示產生之該預測模型匹配,及若連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證該身份辨識匹配,因為該位置可在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間隨著該行動裝置之移動及/或該使用者之面部之移動而改變。術語及定義
除非另有定義,否則本文中所使用之全部技術術語具有與本發明所屬領域之一般技術者所通常理解相同之含義。
除非另有定義,否則本文中所使用之全部技術術語具有與本發明所屬領域之一般技術者所通常理解相同之含義。如本說明書及隨附發明申請專利範圍中所使用,單數形式「一」、「一個」及「該」包含複數個指涉物,除非上下文另有清楚規定。除非另有陳述,否則本文中對「或」之任何引用意欲涵蓋「及/或」。
如本文中所使用,術語「約」指代接近所述量達10%、5%或1% (包含其中之增量)之一量。
如本文中所使用,參考一百分比之術語「約」指代比所述百分比大或小10%、5%或1% (包含其中之增量)之一量。
如本文中所使用,片語「至少一個」、「一或多個」及「及/或」係在操作中既是連詞又是轉折連詞之開放式表達。例如,表達「A、B及C之至少一者」、「A、B或C之至少一者」、「A、B及C之一或多者」、「A、B或C之一或多者」及「A、B及/或C」之各者意謂僅A、僅B、僅C、A及B一起、A及C一起、B及C一起,或A、B及C一起。運算系統
參考圖1,其展示描繪包含一電腦系統100 (例如,一處理系統或運算系統)之一例示性機器之一方塊圖,可在電腦系統100內執行一指令集以引起一裝置執行(perform或execute)用於本發明之靜態碼排程之態樣及/或方法之任一或多者。圖1中之組件僅為實例且不限制任何硬體、軟體、嵌入式邏輯組件或實施特定實施例之兩個或更多個此等組件之一組合之使用或功能性之範疇。
電腦系統100可包含經由一匯流排140彼此通信及與其他組件通信之一或多個處理器101、一記憶體103及一儲存器108。匯流排140亦可鏈結一顯示器132、一或多個輸入裝置133 (其可例如包含一小鍵盤、一鍵盤、一滑鼠、一光筆等)、一或多個輸出裝置134、一或多個儲存裝置135及各種有形儲存媒體136。全部此等元件可直接或經由一或多個介面或配接器與匯流排140介接。例如,各種有形儲存媒體136可經由儲存媒體介面126與匯流排140介接。電腦系統100可具有任何合適實體形式,包含但不限於一或多個積體電路(IC)、印刷電路板(PCB)、行動手持型裝置(諸如行動電話或PDA)、膝上型電腦或筆記型電腦、分佈式電腦系統、運算網格或伺服器。
電腦系統100包含實行功能之一或多個處理器101 (例如,中央處理單元(CPU)或通用圖形處理單元(GPGPU))。(若干)處理器101視情況含有用於指令、資料或電腦位址之暫時本端儲存之一快取記憶體單元102。(若干)處理器101經組態以輔助執行電腦可讀指令。由於(若干)處理器101執行體現於一或多個有形電腦可讀儲存媒體(諸如記憶體103、儲存器108、儲存裝置135及/或儲存媒體136)中之非暫時性處理器可執行指令,故電腦系統100可提供圖1中所描繪之組件之功能性。電腦可讀媒體可儲存實施特定實施例之軟體,且(若干)處理器101可執行軟體。記憶體103可透過一合適介面(諸如網路介面120)自一或多個其他電腦可讀媒體(諸如(若干)大容量儲存裝置135、136)或自一或多個其他源讀取軟體。軟體引起(若干)處理器101實行本文中所描述或繪示之一或多個程序或一或多個程序之一或多個步驟。實行此等程序或步驟可包含定義儲存於記憶體103中之資料結構及按照軟體指導修改資料結構。
記憶體103可包含各種組件(例如,機器可讀媒體),包含但不限於一隨機存取記憶體組件(例如,RAM 104) (例如,靜態RAM (SRAM)、動態RAM (DRAM)、鐵電隨機存取記憶體(FRAM)、相變隨機存取記憶體(PRAM)等)、一唯讀記憶體組件(例如,ROM 105)及其之任何組合。ROM 105可用於將資料及指令單向傳達至(若干)處理器101,且RAM 104可用於與(若干)處理器101雙向傳達資料及指令。ROM 105及RAM 104可包含下文所描述之任何合適有形電腦可讀媒體。在一項實例中,一基本輸入/輸出系統106 (BIOS) (其包含幫助諸如在起動期間在電腦系統100內之元件之間傳送資訊之基本常式)可儲存於記憶體103中。
固定儲存器108視情況透過儲存控制單元107雙向連接至(若干)處理器101。固定儲存器108提供額外資料儲存容量且亦可包含本文中所描述之任何合適有形電腦可讀媒體。儲存器108可用於儲存作業系統109、(若干)可執行檔110、資料111、應用程式112 (應用程序(application program))及類似者。儲存器108亦可包含一光碟機、一固態記憶體裝置(例如,基於快閃記憶體之系統)或任何上述者之一組合。在適當情況中,儲存器108中之資訊可作為虛擬記憶體併入記憶體103中。
在一項實例中,(若干)儲存裝置135可經由一儲存裝置介面125與電腦系統100可移除地介接(例如,經由一外部埠連接器(未展示))。特定言之,(若干)儲存裝置135及一相關聯機器可讀媒體可為電腦系統100提供機器可讀指令、資料結構、程式模組及/或其他資料之非揮發性及/或揮發性儲存。在一項實例中,軟體可完全或部分駐留在(若干)儲存裝置135上之一機器可讀媒體中。在另一實例中,軟體可完全或部分駐留在(若干)處理器101內。
匯流排140連接各種各樣的子系統。在本文中,若適當,對一匯流排之引用可涵蓋用於一共同功能之一或多個數位信號線。匯流排140可為使用多種匯流排架構之任何架構之數種類型之匯流排結構之任何結構,包含但不限於一記憶體匯流排、一記憶體控制器、一周邊匯流排、一本端匯流排及其之任何組合。作為一實例且非限制地,此等架構包含一工業標準架構(ISA)匯流排、一增強型ISA (EISA)匯流排、一微通道架構(MCA)匯流排、一視電標準協會本端匯流排(VLB)、一周邊組件互連(PCI)匯流排、一PCI-Express (PCI-X)匯流排、一加速圖形埠(AGP)匯流排、超傳輸(HTX)匯流排、串列進階技術附接(SATA)匯流排及其之任何組合。
電腦系統100亦可包含一輸入裝置133。在一項實例中,電腦系統100之一使用者可經由(若干)輸入裝置133將命令及/或其他資訊鍵入至電腦系統100中。一(若干)輸入裝置133之實例包含但不限於一字母數字輸入裝置(例如,一鍵盤)、一指向裝置(例如,一滑鼠或觸控板)、一觸控板、一觸控螢幕、一多點觸控螢幕、一搖桿、一光筆、一遊戲台、一音訊輸入裝置(例如,一麥克風、一語音回應系統等)、一光學掃描器、一視訊或靜止影像擷取裝置(例如,一相機)及其之任何組合。在一些實施例中,輸入裝置係一Kinect、Leap Motion或類似者。(若干)輸入裝置133可經由多種輸入介面123之任何介面(例如,輸入介面123)與匯流排140介接,包含但不限於串列、並列、遊戲埠、USB、FIREWIRE、THUNDERBOLT或上述之任何組合。
在特定實施例中,當電腦系統100連接至網路130時,電腦系統100可與連接至網路130之其他裝置(明確言之,行動裝置及企業系統、分佈式運算系統、雲端儲存系統、雲端運算系統及類似者)通信。可透過網路介面120發送往返於電腦系統100之通信。例如,網路介面120可以一或多個封包(諸如網際網路協定(IP)封包)之形式自網路130接收傳入通信(諸如來自其他裝置之請求或回應),且電腦系統100可將傳入通信儲存於記憶體103中以進行處理。電腦系統100可類似地以一或多個封包之形式將傳出通信(諸如至其他裝置之請求或回應)儲存於記憶體103中且自網路介面120傳達至網路130。(若干)處理器101可存取儲存於記憶體103中之此等通信封包以進行處理。
網路介面120之實例包含但不限於一網路介面卡、一數據機及其之任何組合。一網路130或網路段130之實例包含但不限於一分佈式運算系統、一雲端運算系統、一廣域網路(WAN) (例如,網際網路、一企業網路)、一區域網路(LAN) (例如,與一辦公室、一建築物、一校園或其他相對較小地理空間相關聯之一網路)、一電話網路、兩個運算裝置之間的一直接連接、一同級間網路及其之任何組合。一網路(諸如網路130)可採用一有線及/或一無線通信模式。一般而言,可使用任何網路拓撲。
資訊及資料可透過一顯示器132顯示。一顯示器132之實例包含但不限於一陰極射線管(CRT)、一液晶顯示器(LCD)、一薄膜電晶體液晶顯示器(TFT-LCD)、一有機液晶顯示器(OLED) (諸如一被動矩陣OLED (PMOLED)或主動矩陣OLED (AMOLED)顯示器)、一電漿顯示器及其之任何組合。顯示器132可經由匯流排140介接至(若干)處理器101、記憶體103及固定儲存器108以及其他裝置,諸如(若干)輸入裝置133。顯示器132經由一視訊介面122鏈結至匯流排140,且可經由圖形控制項121控制顯示器132與匯流排140之間的資料傳輸。在一些實施例中,顯示器係一視訊投影機。在一些實施例中,顯示器係一頭戴式顯示器(HMD),諸如一VR頭盔。在進一步實施例中,作為非限制性實例,合適VR頭盔包含HTC Vive、Oculus Rift、Samsung Gear VR、Microsoft HoloLens、Razer OSVR、FOVE VR、Zeiss VR One、Avegant Glyph、Freefly VR頭盔及類似者。在進一步實施例中,顯示器係諸如本文中所揭示之裝置之裝置之一組合。
除一顯示器132之外,電腦系統100亦可包含一或多個其他周邊輸出裝置134,包含但不限於一音訊揚聲器、一印表機、一儲存裝置及其之任何組合。此等周邊輸出裝置可經由一輸出介面124連接至匯流排140。一輸出介面124之實例包含但不限於一串列埠、一並列連接、一USB埠、一FIREWIRE埠、一THUNDERBOLT埠及其之任何組合。
另外或作為一替代例,電腦系統100可提供由於硬接線或以其他方式體現於一電路中之邏輯之功能性,該邏輯可代替軟體或與軟體一起操作以執行本文中所描述或繪示之一或多個程序或一或多個程序之一或多個步驟。在本發明中對軟體之引用可涵蓋邏輯,且對邏輯之引用可涵蓋軟體。此外,若適當,對一電腦可讀媒體之引用可涵蓋儲存軟體以供執行之一電路(諸如一IC)、體現邏輯以供執行之一電路或兩者。本發明涵蓋硬體、軟體或兩者之任何合適組合。
熟習此項技術者將明白,結合本文中所揭示之實施例描述之各種闡釋性邏輯區塊、模組、電路及演算法步驟可被實施為電子硬體、電腦軟體或兩者之組合。為了清楚地繪示硬體及軟體之此可互換性,上文已大體上在其功能性方面描述各種闡釋性組件、區塊、模組、電路及步驟。
結合本文中所揭示之實施例描述之各種闡釋性邏輯區塊、模組及電路可運用經設計以執行本文中所描述之功能之一通用處理器、一數位信號處理器(DSP)、一特定應用積體電路(ASIC)、一場可程式化閘陣列(FPGA)或其他可程式化邏輯裝置、離散閘或電晶體邏輯、離散硬體組件或其之任何組合來實施或執行。一通用處理器可為一微處理器,但替代地,處理器可為任何習知處理器、控制器、微控制器或狀態機。一處理器亦可被實施為運算裝置之一組合,例如,一DSP及一微處理器之一組合、複數個微處理器、結合一DSP核心之一或多個微處理器或任何其他此類組態。
結合本文中所揭示之實施例描述之一方法或演算法之步驟可直接體現於硬體、由一或多個處理器執行之一軟體模組或兩者之一組合中。一軟體模組可駐留在RAM記憶體、快閃記憶體、ROM記憶體、EPROM記憶體、EEPROM記憶體、暫存器、硬碟、一可移除磁碟、一CD-ROM或此項技術中已知之任何其他形式之儲存媒體中。一例示性儲存媒體耦合至處理器,使得處理器可自儲存媒體讀取資訊及將資訊寫入至儲存媒體。替代地,儲存媒體可與處理器為一體。處理器及儲存媒體可駐留在一ASIC中。ASIC可駐留在一使用者終端機中。替代地,處理器及儲存媒體可作為離散組件駐留在一使用者終端機中。
根據本文中之描述,作為非限制性實例,合適運算裝置包含伺服器電腦、桌上型電腦、膝上型電腦、筆記型電腦、子筆記型電腦、小筆電(netbook)電腦、上網筆記型(netpad)電腦、機上電腦、媒體串流裝置、手持型電腦、網際網路器具、行動智慧型電話、平板電腦、個人數位助理、視訊遊戲機及車輛。熟習此項技術者亦將認知,具有選用電腦網路連接性之選擇電視、視訊播放器及數位音樂播放器適用於本文中所描述之系統。在各項實施例中,合適平板電腦包含熟習此項技術者已知之具有小冊子、平板及可轉換組態之平板電腦。
在一些實施例中,運算裝置包含經組態以執行可執行指令之一作業系統。作業系統係例如包含程式及資料之軟體,其管理裝置之硬體且提供用於執行應用程式之服務。熟習此項技術者將認知,作為非限制性實例,合適伺服器作業系統包含FreeBSD、OpenBSD、NetBSD®
、Linux、Apple®
Mac OS X Server®
、Oracle®
Solaris®
、Windows Server®
及Novell®
NetWare®
。熟習此項技術者將認知,作為非限制性實例,合適個人電腦作業系統包含Microsoft®
Windows®
、Apple®
Mac OS X®
、UNIX®
及類UNIX作業系統,諸如GNU/Linux®
。在一些實施例中,藉由雲端運算提供作業系統。熟習此項技術者亦將認知,作為非限制性實例,合適行動智慧型電話作業系統包含Nokia®
Symbian®
OS、Apple®
iOS®
、Research In Motion®
BlackBerry OS®
、Google®
Android®
、Microsoft®
Windows Phone®
OS、Microsoft®
Windows Mobile®
OS、Linux®
及Palm®
WebOS®
。熟習此項技術者亦將認知,作為非限制性實例,合適媒體串流裝置作業系統包含Apple TV®
、Roku®
、Boxee®
、Google TV®
、Google Chromecast®
、Amazon Fire®
及Samsung®
HomeSync®
。熟習此項技術者亦將認知,作為非限制性實例,合適視訊遊戲機作業系統包含Sony®
PS3®
、Sony®
PS4®
、Microsoft®
Xbox 360®
、Microsoft Xbox One、Nintendo®
Wii®
、Nintendo®
Wii U®
及Ouya®
。非暫時性電腦可讀儲存媒體
在一些實施例中,本文中所揭示之平台、系統、媒體及方法包含運用一程式編碼之一或多個非暫時性電腦可讀儲存媒體,該程式包含可藉由一視情況經網路連接之運算裝置之作業系統執行之指令。在進一步實施例中,一電腦可讀儲存媒體係一運算裝置之一有形組件。在進一步實施例中,一電腦可讀儲存媒體視情況可自一運算裝置移除。在一些實施例中,作為非限制性實例,一電腦可讀儲存媒體包含CD-ROM、DVD、快閃記憶體裝置、固態記憶體、磁碟機、磁帶機、光碟機、包含雲端運算系統及服務之分佈式運算系統及類似者。在一些情況中,程式及指令永久地、實質上永久地、半永久地或非暫時地編碼於媒體上。電腦程式
在一些實施例中,本文中所揭示之平台、系統、媒體及方法包含至少一個電腦程式或其使用。一電腦程式包含可藉由運算裝置之CPU之一或多個處理器執行、經撰寫以執行一指定任務之一指令序列。電腦可讀指令可實施為執行特定任務或實施特定抽象資料類型之程式模組,諸如功能、物件、應用程式設計介面(API)、運算資料結構及類似者。鑑於本文中所提供之揭示內容,熟習此項技術者將認知,可用各種語言之各種版本撰寫一電腦程式。
可在各種環境中根據需要組合或分佈電腦可讀指令之功能性。在一些實施例中,一電腦程式包括一個指令序列。在一些實施例中,一電腦程式包括複數個指令序列。在一些實施例中,自一個位置提供一電腦程式。在其他實施例中,自複數個位置提供一電腦程式。在各項實施例中,一電腦程式包含一或多個軟體模組。在各項實施例中,一電腦程式部分或完全包含一或多個網路應用程式、一或多個行動應用程式、一或多個獨立應用程式、一或多個網路瀏覽器外掛程式(plug-in)、擴展(extension)、增益集(add-in)或附加元件(add-on),或其之組合。網路應用程式
在一些實施例中,一電腦程式包含一網路應用程式。鑑於本文中所提供之揭示內容,熟習此項技術者將認知,在各項實施例中,一網路應用程式利用一或多個軟體框架及一或多個資料庫系統。在一些實施例中,在諸如Microsoft®
.NET或Ruby on Rails (RoR)之一軟體框架上創建一網路應用程式。在一些實施例中,一網路應用程式利用一或多個資料庫系統,作為非限制性實例,包含關聯式、非關聯式、物件導向、相關聯及XML資料庫系統。在進一步實施例中,作為非限制性實例,合適關聯式資料庫系統包含Microsoft®
SQL Server、mySQL™及Oracle®
。熟習此項技術者亦將認知,在各項實施例中,以一或多種語言之一或多個版本撰寫一網路應用程式。可以一或多種標記語言、呈現定義語言、用戶端側指令檔語言、伺服器側編碼語言、資料庫查詢語言或其之組合撰寫一網路應用程式。在一些實施例中,在某種程度上以一標記語言(諸如超文字標記語言(HTML)、可擴展超文字標記語言(XHTML)或可擴展標記語言(XML))撰寫一網路應用程式。在一些實施例中,在某種程度上以一呈現定義語言(諸如級聯式樣表單(CSS))撰寫一網路應用程式。在一些實施例中,在某種程度上以一用戶端側指令檔語言(諸如非同步JavaScript及XML (AJAX)、Flash®
ActionScript、JavaScript或Silverlight®
)撰寫一網路應用程式。在一些實施例中,在某種程度上以一伺服器側編碼語言(諸如主動伺服器網頁(ASP)、ColdFusion®
、Perl、Java™、Java伺服器網頁(JSP)、超文字前處理器(PHP)、Python™、Ruby、Tcl、Smalltalk、WebDNA®
或Groovy等)撰寫一網路應用程式。在一些實施例中,在某種程度上以一資料庫查詢語言(諸如結構化查詢語言(SQL))撰寫一網路應用程式。在一些實施例中,一網路應用程式整合企業伺服器產品,諸如IBM®
Lotus Domino®
。在一些實施例中,一網路應用程式包含一媒體播放器元件。在各項進一步實施例中,一媒體播放器元件利用許多合適多媒體技術之一或多者,作為非限制性實例,包含Adobe®
Flash®
、HTML 5、Apple®
QuickTime®、Microsoft®
Silverlight®
、Java™及Unity®
。
參考圖2,在一特定實施例中,一應用程式提供系統包括由一關聯式資料庫管理系統(RDBMS) 210存取之一或多個資料庫200。合適RDBMS包含Firebird、MySQL、PostgreSQL、SQLite、Oracle資料庫、Microsoft SQL伺服器、IBM DB2、IBM Informix、SAP Sybase、Teradata及類似者。在此實施例中,應用程式提供系統進一步包括一或多個應用程式伺服器220 (例如,Java伺服器、.NET伺服器、PHP伺服器及類似者)及一或多個網路伺服器230 (諸如Apache、IIS、GWS及類似者)。(若干)網路伺服器視情況經由app應用程式設計介面(API) 240揭露一或多個網路服務。系統經由一網路(諸如網際網路)提供基於瀏覽器之使用者介面及/或行動本地使用者介面。
參考圖3,在一特定實施例中,一應用程式提供系統替代地具有一分佈式、基於雲端之架構300,且包括彈性負載平衡、自動擴展之網路伺服器資源310及應用程式伺服器資源320以及同步複製資料庫330。行動應用程式
在一些實施例中,一電腦程式包含提供至一行動運算裝置之一行動應用程式。在一些實施例中,行動應用程式在製造時提供至一行動運算裝置。在其他實施例中,行動應用程式經由本文中所描述之電腦網路提供至一行動運算裝置。
鑑於本文中所提供之揭示內容,藉由熟習此項技術者已知之技術使用此項技術中已知之硬體、語言及開發環境來創建一行動應用程式。熟習此項技術者將認知,以數種語言撰寫行動應用程式。作為非限制性實例,合適程式設計語言包含C、C++、C#、Objective-C、Java™、Javascript、Pascal、Object Pascal、Python™、Ruby、VB.NET、WML及具有或不具有CSS之XHTML/HTML,或其之組合。
合適行動應用程式開發環境可購自數個來源。作為非限制性實例,市售開發環境包含AirplaySDK、alcheMo、Appcelerator®
、Celsius、Bedrock、Flash Lite、.NET Compact Framework、Rhomobile及WorkLight Mobile Platform。其他開發環境可免費獲得,作為非限制性實例,包含Lazarus、MobiFlex、MoSync及Phonegap。再者,行動裝置製造商分發軟體開發者套件,作為非限制性實例,包含iPhone及iPad (iOS) SDK、Android™ SDK、BlackBerry®
SDK、BREW SDK、Palm®
OS SDK、Symbian SDK、webOS SDK及Windows®
Mobile SDK。
熟習此項技術者將認知,數個商業論壇可用於分發行動應用程式,作為非限制性實例,包含Apple®
App Store、Google®
Play、Chrome WebStore、BlackBerry®
App World、用於Palm裝置之App Store、用於webOS之App Catalog、用於行動裝置之Windows®
Marketplace、用於Nokia®
裝置之Ovi Store、Samsung®
Apps及Nintendo®
DSi Shop。獨立應用程式
在一些實施例中,一電腦程式包含一獨立應用程式,該獨立應用程式係作為一獨立電腦程序而非一現有程序之一附加元件(例如,非一外掛程式)運行之一程式。熟習此項技術者將認知,獨立應用程式通常經編譯。一編譯程式係將以一程式設計語言撰寫之原始碼變換成二進位目標碼(諸如組合語言或機器碼)之一(若干)電腦程式。作為非限制性實例,合適編譯程式設計語言包含C、C++、Objective-C、COBOL、Delphi、Eiffel、Java™、Lisp、Python™、Visual Basic及VB .NET,或其之組合。通常至少部分執行編譯以創建一可執行程式。在一些實施例中,一電腦程式包含一或多個可執行編譯應用程式。網路瀏覽器外掛程式
在一些實施例中,電腦程式包含一網路瀏覽器外掛程式(例如,擴展等)。在運算中,一外掛程式係將特定功能性新增至一較大軟體應用程式之一或多個軟體組件。軟體應用程式之製作者支援外掛程式以實現第三方開發者建立擴展一應用程式之能力,以支援容易新增之新特徵,且減小一應用程式之大小。當支援外掛程式時,其實現客製化一軟體應用程式之功能性。例如,外掛程式常用於網路瀏覽器中以播放視訊、產生互動性、掃描病毒且顯示特定檔案類型。熟習此項技術者將熟悉數種網路瀏覽器外掛程式,包含Adobe®
Flash®
Player、Microsoft®
Silverlight®
及Apple®
QuickTime®
。在一些實施例中,工具列包括一或多個網路瀏覽器擴展、增益集或附加元件。在一些實施例中,工具列包括一或多個資源管理器列、工具帶(tool band)或桌面帶(desk band)。
鑑於本文中所提供之揭示內容,熟習此項技術者將認知,可有實現以各種程式設計語言開發外掛程式之數種外掛程式框架,作為非限制性實例,該等程式設計語言包含C++、Delphi、Java™、PHP、Python™及VB .NET或其之組合。
網路瀏覽器(亦稱為網際網路瀏覽器)係經設計用於與網路連接之運算裝置一起使用以在全球資訊網上檢索、呈現及遍歷資訊資源之軟體應用程式。作為非限制性實例,合適網路瀏覽器包含Microsoft®
Internet Explorer®
、Mozilla®
Firefox®
、Google®
Chrome、Apple®
Safari®
、Opera Software®
Opera®
及KDE Konqueror。在一些實施例中,網路瀏覽器係一行動網路瀏覽器。行動網路瀏覽器(亦稱為微型瀏覽器、迷你瀏覽器及無線瀏覽器)經設計用於在行動運算裝置上使用,作為非限制性實例,包含手持型電腦、平板電腦、小筆電電腦、子筆記型電腦、智慧型電話、音樂播放器、個人數位助理(PDA)及手持型視訊遊戲系統。作為非限制性實例,合適行動網路瀏覽器包含Google®
Android®
瀏覽器、RIM BlackBerry®
瀏覽器、Apple®
Safari®
、Palm®
Blazer、Palm®
WebOS®
瀏覽器、用於行動裝置之Mozilla®
Firefox®
、Microsoft®
Internet Explorer®
Mobile、Amazon®
Kindle®
Basic Web、Nokia®
瀏覽器、Opera Software®
Opera®
Mobile及Sony®
PSP™瀏覽器。軟體模組
在一些實施例中,本文中所揭示之平台、系統、媒體及方法包含軟體、伺服器及/或資料庫模組或其使用。鑑於本文中所提供之揭示內容,藉由熟習此項技術者已知之技術使用此項技術中已知之機器、軟體及語言來創建軟體模組。以大量方式實施本文中所揭示之軟體模組。在各項實施例中,一軟體模組包括一檔案、程式碼之一區段、一程式設計物件、一程式設計結構或其之組合。在進一步各項實施例中,一軟體模組包括複數個檔案、程式碼之複數個區段、複數個程式設計物件、複數個程式設計結構或其之組合。在各項實施例中,作為非限制性實例,一或多個軟體模組包括一網路應用程式、一行動應用程式及一獨立應用程式。在一些實施例中,軟體模組在一個電腦程式或應用程式中。在其他實施例中,軟體模組在一個以上電腦程式或應用程式中。在一些實施例中,軟體模組經託管於一個機器上。在其他實施例中,軟體模組託管於一個以上機器上。在進一步實施例中,軟體模組託管於一分佈式運算平台(諸如一雲端運算平台)上。在一些實施例中,軟體模組託管於一或多個機器上之一個位置中。在其他實施例中,軟體模組託管於一或多個機器上之一個以上位置中。資料庫
在一些實施例中,本文中所揭示之平台、系統、媒體及方法包含一或多個資料庫或其使用。鑑於本文中所提供之揭示內容,熟習此項技術者將認知,許多資料庫適於資訊之儲存及檢索。在各項實施例中,作為非限制性實例,合適資料庫包含關聯式資料庫、非關聯式資料庫、物件導向資料庫、物件資料庫、實體關係模型資料庫、相關聯資料庫及XML資料庫。進一步非限制性實例包含SQL、PostgreSQL、MySQL、Oracle、DB2及Sybase。在一些實施例中,一資料庫係基於網際網路的。在進一步實施例中,一資料庫係基於網路的。在進一步實施例中,一資料庫係基於雲端運算的。在一特定實施例中,一資料庫係一分佈式資料庫。在其他實施例中,一資料庫係基於一或多個本端電腦儲存裝置。用於偵測與行動裝置連接之面部辨識之欺騙之方法及系統
用於偵測欺騙企圖之新穎且獨有之資料及軟體架構提供安全益處,以舉例而言諸如阻止一專門攻擊者。本文中之此等系統及方法包含甚至已獲得對一安全軟體及/或資料之至少一部分之存取之任何此類攻擊者仍無法直接存取及/或竄改的特定識別匹配及確認演算法。
本文中根據圖4至圖6提供一種用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之方法。在一些實施例中,該方法包括:藉由行動裝置之相機記錄一使用者之一面部之一第一影像;自第一影像產生使用者之面部之一第一資料表示401A;自第一資料表示401A形成403一預測模型402A;藉由行動裝置之相機記錄使用者之面部之一第二影像;自第二影像產生使用者之面部之一第二資料表示401B;及判定404第二資料表示401B是否與預測模型402A匹配。
可在相機距使用者一第一距離時擷取使用者之面部之第一影像。可在相機距使用者一第二距離時擷取使用者之面部之第二影像。第一距離可大於第二距離。第二距離可大於第一距離。第一距離可比第二距離大5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、60%、70%、80%、90%、100%或更多(包含其中之增量)。第二距離可比第一距離大5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、60%、70%、80%、90%、100%或更多(包含其中之增量)。第一距離及第二距離之至少一者可被量測為至使用者之面部之一最小距離、至使用者之面部之一正常距離、至使用者之鼻子之一最小距離,或至使用者之鼻子之一正常距離。
可在相機相對於使用者成一第一定向時擷取使用者之面部之第一影像。可在相機相對於使用者成一第二定向時擷取使用者之面部之第二影像。第一定向可包括相對於使用者之一第一俯仰角、一第一偏航角、一第一側傾角或其之任何組合。第二定向可包括相對於使用者之一第二俯仰角、一第二偏航角、一第二側傾角或其之任何組合。第一俯仰角、第二俯仰角或兩者可繞平行於地面且平行於使用者之一前向方向之一軸線量測。第一偏航角、第二偏航角或兩者可繞垂直於地面之一軸線量測。第一側傾角、第二側傾角或兩者可繞平行於地面且垂直於使用者之一前向方向之一軸線量測。第一俯仰角、第一偏航角及第一側傾角之至少一者可大於第二俯仰角、第二偏航角及第二側傾角之一或多者。第一俯仰角、第一偏航角及第一側傾角之至少一者可比第二俯仰角、第二偏航角及第二側傾角之一或多者大5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、60%、70%、80%、90%、100%或更多(包含其中之增量)。第二俯仰角、第二偏航角及第二側傾角之至少一者可大於第一俯仰角、第一偏航角及第一側傾角之一或多者。第二俯仰角、第二偏航角及第二側傾角之至少一者可比第一俯仰角、第一偏航角及第一側傾角之一或多者大5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、60%、70%、80%、90%、100%或更多(包含其中之增量)。
可藉由比較第二資料表示401B與預測模型402A而判定404第二資料表示401B是否與預測模型402A匹配。若第二資料表示401B與預測模型402A不匹配,則可拒絕使用者之一身份匹配。被拒絕之一身份匹配可指示一欺騙企圖。若第二資料表示401B與預測模型402A匹配,則可確認使用者之一身份匹配。被確認之一身份匹配可指示沒有一欺騙企圖。
額外地或替代地,該方法可進一步包括擷取使用者之面部之一第三影像,自第三影像產生使用者之面部之一第三資料表示401C,及判定404第三資料表示401C是否與預測模型402A匹配。額外地或替代地,若第二資料表示401B與預測模型402A不匹配,則該方法可進一步包括擷取使用者之面部之一第三影像,自第三影像產生使用者之面部之一第三資料表示401C,及判定404第三資料表示401C是否與預測模型402A匹配。
額外地或替代地,若第二資料表示401B與預測模型402A不匹配,則該方法可進一步包括接受由使用者提供之與相關聯於使用者之一額外資料匹配的一輸入。額外地或替代地,若第三資料表示401C與預測模型402A不匹配,則該方法可進一步包括接受由使用者提供之與相關聯於使用者之一額外資料匹配的一輸入。
該方法可進一步包括擷取使用者之一運動資料、使用者之一位置資料或兩者。在此等情況中,該方法可進一步包括:若使用者之運動資料在距一設定運動之一預定範圍內,則接受使用者;若使用者之位置資料在距一設置位置之一預定範圍內,則接受使用者;或兩者。在此等情況中,該方法可進一步包括:若使用者之運動資料不在距一設定運動之一預定範圍內,則拒絕使用者;若使用者之位置資料不在距一設定運動之一預定範圍內,則拒絕使用者;或兩者。
使用者可經由行動裝置上之一引導使用者介面擷取第一影像、第二影像、第三影像或其之任何組合。
若第二資料表示401B與自第一資料表示401A產生之預測模型402A匹配,及/或若運動及/或位置資料與歸因於行動裝置至使用者之面部之位置之預期運動及/或位置資料匹配,則可執行驗證身份辨識匹配。該位置可在第一資料表示401A之記錄時間與第二資料表示401B之記錄時間之間隨著行動裝置之移動及/或使用者之面部之移動而改變。
額外地或替代地,若第二資料表示401B與預測模型402A不匹配,則該方法可進一步包括接受由使用者提供之一額外資料,及判定404額外資料是否與相關聯於使用者之一額外資料匹配。額外地或替代地,若第三資料表示401C與預測模型402A不匹配,則該方法可進一步包括接受由使用者提供之一額外資料,及判定404額外資料是否與相關聯於使用者之一額外資料匹配。
額外地或可替代地,若第一資料表示401A與自第二資料表示401B產生之預測模型402A匹配,及若運動及/或位置資料與歸因於行動裝置之位置之預期運動及/或或位置資料匹配,則可發生身份辨識匹配之驗證。該位置可在第一資料表示401A之記錄時間與第二資料表示401B之記錄時間之間隨著行動裝置之移動及/或使用者之面部之移動而改變。第一資料表示
在一些實施例中,本文中之方法及系統藉由行動裝置之相機記錄一使用者之一面部之一第一影像,且自第一影像產生使用者之面部之一第一資料表示。
第一資料表示可包括:使用者之面部之至少一部分之三維圖、使用者之面部之一第一特徵與一第二特徵之間的一距離、複數個面部特徵之一位置、使用者之面部之至少一部分之一計算體積、使用者之面部之一部分之一輪廓曲線、使用者之面部之至少一部分之表面之一坡度圖,或其之任何組合。第二資料表示
在一些實施例中,本文中之方法及系統藉由行動裝置之相機記錄一使用者之一面部之一第二影像,且自第二影像產生使用者之面部之一第二資料表示。
第二資料表示可包括:使用者之面部之至少一部分之三維圖、使用者之面部之一第一特徵與一第二特徵之間的一距離、複數個面部特徵之一位置、使用者之面部之至少一部分之一計算體積、使用者之面部之一部分之一輪廓曲線、使用者之面部之至少一部分之表面之一坡度圖,或其之任何組合。運動及位置資料
可在記錄第一影像之時、在記錄第二影像之時或兩者自行動裝置上之一感測器記錄運動資料、位置資料或兩者。
可在單個時間點記錄運動資料、位置資料或兩者。可連續地記錄運動資料、位置資料或兩者。可記錄一序列運動資料、位置資料或兩者。可以一設定重複間隔記錄重複序列之運動資料、位置資料或兩者。運動資料、位置資料或兩者之序列可在記錄第一影像之時、在記錄第二影像之時或兩者開始。設定重複間隔可為0.1秒、0.5秒、1秒、2秒、3秒、4秒、5秒或更多(包含其中之增量)。預測模型
在一些情況中,自第一資料表示產生預測模型。在一些情況中,自第二資料表示產生預測模型。在一些情況中,自第一資料表示及第二資料表示產生預測模型。
可藉由一機器學習演算法、一影像分析演算法、一深度學習演算法或其之任何組合產生預測模型。可使用複數個使用者影像來訓練機器學習演算法、影像分析演算法或深度學習演算法之至少一者。可使用複數個使用者影像及複數個欺騙性使用者影像來訓練機器學習演算法、影像分析演算法或深度學習演算法之至少一者。使用者影像可包括公開使用者影像。可在自使用者收集之真實資料及/或藉由影像再現或此項技術中已知之其他影像資料表示技術產生之合成資料上訓練預測模型。
預測模型可由第一資料表示以及位置資料及運動資料之至少一者形成。
在第一資料表示之記錄時間與第二資料表示之記錄時間之間連續地或以複數個間隔記錄運動及/或位置資料。匹配架構
預測模型化架構組態可包括:(a)自一給定資料集或資料表示集導出以產生及匹配另一資料或資料表示之一預測模型化架構;或(b)自一個以上經擷取資料或資料表示導出以產生與多個其他資料或資料表示匹配之多個預測的一預測模型化架構。在任一架構中,複數個資料集可用於預測模型化以匹配匹配之資料或資料表示。
替代地或額外地,預測模型化架構組態可包括:(a)自一第一資料表示產生之一預測模型與自一第二資料表示產生之一預測模型之間的一比較;或(b)自一第二資料表示產生之一預測模型與自一第一資料表示產生之一預測模型之間的一比較。在任一架構中,連續匹配練習之間的改變,或特定連續匹配練習且非其他連續匹配練習之間的改變可在匹配練習之間隨機發生。在任一架構中,連續匹配練習之間的改變,或特定連續匹配練習且非其他連續匹配練習之間的改變可基於非隨機確定性資料或協定,或其可不改變。
可基於安全級別及執行速度最佳化預測模型化架構之組態。例如,可基於資料消耗、檔案大小、處理步驟或其之任何組合來最佳化預測模型化架構。此等架構特性可取決於相關聯安全規範而改變執行速度。額外資料表示
該方法可進一步包括比較額外資料與由使用者提交給行動裝置之一資料。額外資料可包括一名稱、一密碼、一身份證號碼、一地址、一地理位置、一裝置ID、使用者在行動裝置上之軟體環境之獨有資料特性、一生物特徵資料、一預測生物特徵資料或其之任何組合。
額外地或替代地,若第二資料表示與預測模型不匹配,則該方法可進一步包括接受由使用者提供之與相關聯於使用者之一額外資料匹配的一輸入。額外地或替代地,若第三資料表示與預測模型不匹配,則該方法可進一步包括接受由使用者提供之與相關聯於使用者之一額外資料匹配的一輸入。
100:電腦系統
101:處理器
102:快取記憶體單元
103:記憶體
104:隨機存取記憶體(RAM)
105:唯讀記憶體組件(ROM)
106:基本輸入/輸出系統(BIOS)
107:儲存控制單元
108:儲存器/固定儲存器
109:作業系統
110:可執行檔
111:資料
112:應用程式
120:網路介面
121:圖形控制項
122:視訊介面
123:輸入介面
124:輸出介面
125:儲存裝置介面
126:儲存媒體介面
130:網路/網路段
132:顯示器
133:輸入裝置
134:輸出裝置/周邊輸出裝置
135:儲存裝置/大容量儲存裝置
136:有形儲存媒體/大容量儲存裝置
140:匯流排
200:資料庫
210:關聯式資料庫管理系統(RDBMS)
220:應用程式伺服器
230:網路伺服器
240:app應用程式設計介面(API)
300:架構
310:網路伺服器資源
320:應用程式伺服器資源
330:同步複製資料庫
401A:第一資料表示
401B:第二資料表示
401C:第三資料表示
402A:預測模型
403:形成
404:判定
參考闡述闡釋性實施例之下文[實施方式]及其之隨附圖式,將獲得對本標的物之特徵及優點之一更好的理解:
圖1展示根據本文中之一實施例之一運算裝置之一非限制性實例;在此情況中,具有一或多個處理器、記憶體、儲存器及一網路介面之一裝置;
圖2展示根據本文中之一實施例之一網路/行動應用程式提供系統之一非限制性實例;在此情況中,提供基於瀏覽器之使用者介面及/或本地行動使用者介面之一系統;
圖3展示根據本文中之一實施例之一基於雲端網路/行動應用程式提供系統之一非限制性實例;在此情況中,包括一彈性負載平衡、自動擴展之網路伺服器及應用程式伺服器資源以及同步複製資料庫之一系統;
圖4展示根據本文中之一實施例之一第一及第二資料預測匹配架構之一非限制性實例;
圖5展示根據本文中之一實施例之一連續資料預測匹配架構之一非限制性實例;及
圖6展示根據本文中之一實施例之一連續資料預測匹配架構之一非限制性實例;在此情況中,使用多個過去訊框之一架構。
401A:第一資料表示
401B:第二資料表示
403:形成
404:判定
Claims (69)
- 一種用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之電腦實施方法,該方法包括: a)藉由一相機在一第一距離處記錄一使用者之面部影像或影像集; b)運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示; c)將該第一資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; d)改變該使用者之面部與該相機之間的距離,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離、減小該使用者之面部與該相機之間的該距離、改變該相機相對於該使用者之面部之定向、改變該使用者之面部相對於該相機之定向、或其之任何組合; e)藉由該相機在一第二距離處記錄該使用者之面部影像或影像集; f)運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示; g)比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配;及 h)若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。
- 如請求項1之方法,該方法進一步包括若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配。
- 如請求項1之方法,該方法進一步包括若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配。
- 如請求項3之方法,該方法進一步包括若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配。
- 如請求項3之方法,該方法進一步包括若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配。
- 如請求項1之方法,該方法進一步包括比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配。
- 如請求項6之方法,其中額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。
- 如請求項1之方法,該方法進一步包括: a)將該第二資料表示處理成一預測模型,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; b)比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配;及 c)若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配。
- 如請求項8之方法,其中一預測模型與一資料表示之比較包括組態一匹配架構。
- 如請求項8之方法,其中一預測模型與一資料表示之比較包括:比較自一第一資料表示產生之一預測模型與一第二資料表示、比較自一第二資料表示產生之一預測模型與一第一資料表示、或其之任何組合。
- 如請求項9之方法,其中匹配架構之該組態在連續匹配練習時改變,或在特定連續匹配練習時改變而在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。
- 如請求項11之方法,其中匹配架構之該組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。
- 如請求項9之方法,其中匹配架構之該組態不改變。
- 如請求項1之方法,其中一引導使用者介面用於擷取該第一資料表示及/或第二資料表示。
- 如請求項14之方法,其中自該引導使用者介面擷取之資訊用於匹配練習中。
- 如請求項1之方法,該方法進一步包括: a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料; b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料; c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示;及 d)若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
- 如請求項16之方法,其中在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項17之方法,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示。
- 如請求項18之方法,該方法進一步包括若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
- 如請求項8之方法,該方法進一步包括: a)在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料; b)在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料; c)比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示;及 d)若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
- 如請求項20之方法,其中在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項21之方法,該方法進一步包括比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示。
- 如請求項22之方法,該方法進一步包括若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配。
- 一種電腦實施系統,其包括:一運算裝置,其包括至少一個處理器;一作業系統,其經組態以執行可執行指令;一記憶體;及一電腦程式,其包含可藉由該運算裝置執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括: a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組; b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組; c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離、減小該使用者之面部與該相機之間的該距離、改變該相機相對於該使用者之面部之定向、改變該使用者之面部相對於該相機之定向、或其之任何組合; e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組; f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組; g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及 h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項24之系統,其中該系統進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之該軟體模組之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。
- 如請求項24之系統,該系統進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。
- 如請求項26之系統,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。
- 如請求項26之系統,該系統進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。
- 如請求項24之系統,該系統進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。
- 如請求項29之系統,其中額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。
- 如請求項24之系統,其中該系統進一步包括: a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及 c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項31之系統,其中經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。
- 如請求項31之系統,其中經組態以比較一預測模型與一資料表示之任何軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示、比較自一第二資料表示產生之一預測模型與一第一資料表示、或其之任何組合。
- 如請求項32之系統,其中該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變而在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。
- 如請求項34之系統,其中該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。
- 如請求項32之系統,其中該匹配架構組態不改變。
- 如請求項24之系統,其中該系統進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。
- 如請求項37之系統,其中自該引導使用者介面擷取之資訊用於匹配練習中。
- 如請求項24之系統,該系統進一步包括: a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示之一軟體模組;及 d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項39之系統,其中在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項40之系統,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。
- 如請求項41之系統,該系統進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項31之系統,該系統進一步包括: a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示之一軟體模組;及 d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項43之系統,其中在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項44之系統,該系統進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。
- 如請求項45之系統,該系統進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 一種運用一電腦程式編碼之非暫時性電腦可讀儲存媒體,該電腦程式包含可藉由一或多個處理器執行以創建用於使用一行動裝置之相機偵測生物特徵身份辨識之欺騙之一應用程式的指令,該應用程式包括: a)經組態以記錄在一第一距離處之一使用者之面部影像或影像集之一軟體模組; b)經組態以運用演算法處理在該第一距離處之該使用者之面部影像或影像集以產生該使用者之影像或影像集之一第一資料表示的一軟體模組; c)經組態以將該第一資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; d)經組態以改變該使用者之面部與該相機之間的距離之一軟體模組,其中改變該距離包括:增加該使用者之面部與該相機之間的該距離、減小該使用者之面部與該相機之間的該距離、改變該相機相對於該使用者之面部之定向、改變該使用者之面部相對於該相機之定向、或其之任何組合; e)經組態以記錄在一第二距離處之該使用者之面部影像或影像集之一軟體模組; f)經組態以運用演算法處理在該第二距離處之該使用者之面部影像或影像集以產生該使用者之第二影像或影像集之一第二資料表示的一軟體模組; g)經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及 h)經組態以若該第二資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項47之媒體,其中該媒體進一步包括經組態以若在經組態以比較該第二資料表示與自該第一資料表示產生之該預測模型之該軟體模組之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕該身份辨識匹配之一軟體模組。
- 如請求項47之媒體,該媒體進一步包括經組態以若在比較該第二資料表示與自該第一資料表示產生之該預測模型之後,該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則自來自該第一距離或第二距離之該使用者之面部影像或影像集擷取一或多個額外資料表示,且比較該一或多個經擷取之額外資料表示與自該第一資料表示產生之該預測模型以判定其是否匹配的一軟體模組。
- 如請求項49之媒體,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型匹配,則驗證一額外資料表示身份辨識匹配之一軟體模組。
- 如請求項49之媒體,該媒體進一步包括經組態以若該一或多個額外資料表示與自該第一資料表示產生之該預測模型不匹配,則拒絕一額外資料表示身份辨識匹配之一軟體模組。
- 如請求項47之媒體,該媒體進一步包括經組態以比較額外資料,以若該第二資料表示與自該第一資料表示產生之該預測模型不匹配,則判定呈現在該第一距離處之該面部影像或影像集之該使用者是否與呈現在該第二距離處之該面部影像或影像集之該使用者匹配的一軟體模組。
- 如請求項52之媒體,其中額外資料包括一名稱、密碼、身份證號碼、地址、地理位置、裝置ID、該使用者在該行動裝置上之軟體環境之獨有資料特性、其他生物特徵資料、使用者資料或生物特徵資料之預測模型、其他資料,或其之任何組合。
- 如請求項47之媒體,其中該媒體進一步包括: a)經組態以將該第二資料表示處理成一預測模型之一軟體模組,該預測模型估計在該使用者之面部與該相機之間的其他距離或定向處之該使用者之面部影像或影像集之資料表示; b)經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型以判定其是否匹配的一軟體模組;及 c)經組態以若該第一資料表示與自該第二資料表示產生之該預測模型匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項54之媒體,其中經組態以比較該第一資料表示與自該第二資料表示產生之該預測模型之該軟體模組包括一匹配架構組態。
- 如請求項54之媒體,其中經組態以比較一預測模型與一資料表示之一軟體模組包括:比較自一第一資料表示產生之一預測模型與一第二資料表示、比較自一第二資料表示產生之一預測模型與一第一資料表示、或其之任何組合。
- 如請求項55之媒體,其中該匹配架構組態在連續匹配練習時改變,或在特定連續匹配練習時改變而在其他連續匹配練習時不改變,其中改變可在匹配練習之間隨機發生,或基於非隨機確定性資料或協定,或其可不改變。
- 如請求項57之媒體,其中該匹配架構組態之改變係基於在匹配練習之間隨機發生之改變、基於非隨機確定性資料或協定之改變或其之任何組合。
- 如請求項55之媒體,其中該匹配架構組態不改變。
- 如請求項47之媒體,其中該媒體進一步包括用於擷取該第一資料表示及/或第二資料表示之一引導使用者介面。
- 如請求項60之媒體,其中自該引導使用者介面擷取之資訊用於匹配練習中。
- 如請求項47之媒體,該媒體進一步包括: a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第一資料表示產生之該預測模型及該第二資料表示之一軟體模組;及 d)經組態以若(I)該第二資料表示與自第一資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之位置之預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項62之媒體,其中在該第一資料表示之記錄之時間與該第二資料表示之記錄之時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項63之媒體,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第一資料表示產生之該預測模型及該第二資料表示的一軟體模組。
- 如請求項64之媒體,該媒體進一步包括經組態以若(I)該第二資料表示與自該第一資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項54之媒體,該媒體進一步包括: a)經組態以在藉由該相機在該第一距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; b)經組態以在藉由該相機在該第二距離處記錄該使用者之面部影像或影像集時,自該行動裝置上之一或多個感測器記錄運動及/或位置資料之一軟體模組; c)經組態以比較在該第一距離處記錄之該運動及/或位置資料及來自該第二距離之運動及/或位置資料與自該第二資料表示產生之該預測模型及該第一資料表示之一軟體模組;及 d)經組態以若(I)該第一資料表示與自第二資料表示預測模型化產生之該預測模型匹配;及(II)該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
- 如請求項66之媒體,其中在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄該運動及/或位置資料。
- 如請求項67之媒體,該媒體進一步包括經組態以比較(I)在該第一資料表示之該記錄時間與該第二資料表示之該記錄時間之間連續地或以複數個間隔記錄之該運動及/或位置資料與(II)自該第二資料表示產生之該預測模型及該第一資料表示的一軟體模組。
- 如請求項68之媒體,該媒體進一步包括經組態以若(I)該第一資料表示與自該第二資料表示產生之該預測模型匹配;及(II)連續地或以複數個間隔記錄之該運動及/或位置資料與歸因於該行動裝置至該使用者之面部之該位置之該預期運動及/或位置資料匹配,則驗證一身份辨識匹配之一軟體模組。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962817554P | 2019-03-12 | 2019-03-12 | |
US62/817,554 | 2019-03-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202040427A true TW202040427A (zh) | 2020-11-01 |
TWI781383B TWI781383B (zh) | 2022-10-21 |
Family
ID=72424323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109108240A TWI781383B (zh) | 2019-03-12 | 2020-03-12 | 與行動裝置連接以用於偵測面部辨識之欺騙之方法及系統 |
Country Status (11)
Country | Link |
---|---|
US (1) | US11343277B2 (zh) |
EP (1) | EP3938953A4 (zh) |
JP (1) | JP7464619B2 (zh) |
KR (1) | KR20220004628A (zh) |
CN (1) | CN113826110B (zh) |
AU (1) | AU2020237108B2 (zh) |
BR (1) | BR112021018149B1 (zh) |
CA (1) | CA3133229C (zh) |
SG (1) | SG11202109983RA (zh) |
TW (1) | TWI781383B (zh) |
WO (1) | WO2020185948A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056004A1 (en) | 2017-09-18 | 2019-03-21 | Element, Inc. | METHODS, SYSTEMS AND MEDIA FOR DETECTING MYSTIFICATION DURING MOBILE AUTHENTICATION |
US11343277B2 (en) | 2019-03-12 | 2022-05-24 | Element Inc. | Methods and systems for detecting spoofing of facial recognition in connection with mobile devices |
US11507248B2 (en) | 2019-12-16 | 2022-11-22 | Element Inc. | Methods, systems, and media for anti-spoofing using eye-tracking |
JP2023511242A (ja) * | 2020-12-31 | 2023-03-17 | 商▲湯▼国▲際▼私人有限公司 | 画像内関連対象検出方法、装置、デバイス、及び記録媒体 |
US11922731B1 (en) | 2021-06-30 | 2024-03-05 | Jumio Corporation | Liveness detection |
FR3127610A1 (fr) * | 2021-09-27 | 2023-03-31 | Idemia Identity & Security France | Procédé d’imagerie d’une partie de corps d’un utilisateur, procédé anti-rejeu d’un déplacement d’une partie de corps et produit programme d’ordinateur associé |
ES2957496A1 (es) * | 2022-06-09 | 2024-01-19 | Fenomatch S L | Procedimiento para la seleccion entre un grupo de donantes mediante matching facial (pareo facial), a traves de una imagen facial 2d del sujeto donante |
Family Cites Families (185)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3733861A (en) | 1972-01-19 | 1973-05-22 | Recognition Devices | Electronic recognition door lock |
US4371951A (en) | 1980-09-29 | 1983-02-01 | Control Data Corporation | Apparatus for converting serial input sparse vector format to parallel unpacked format for input to tandem arithmetic logic units |
US5067164A (en) | 1989-11-30 | 1991-11-19 | At&T Bell Laboratories | Hierarchical constrained automatic learning neural network for character recognition |
US5058179A (en) | 1990-01-31 | 1991-10-15 | At&T Bell Laboratories | Hierarchical constrained automatic learning network for character recognition |
US5450523A (en) | 1990-11-15 | 1995-09-12 | Matsushita Electric Industrial Co., Ltd. | Training module for estimating mixture Gaussian densities for speech unit models in speech recognition systems |
US5774059A (en) | 1995-07-20 | 1998-06-30 | Vindicator Corporation | Programmable electronic lock |
CA2156236C (en) | 1995-08-16 | 1999-07-20 | Stephen J. Borza | Biometrically secured control system for preventing the unauthorized use of a vehicle |
JP2815045B2 (ja) | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
US6152563A (en) | 1998-02-20 | 2000-11-28 | Hutchinson; Thomas E. | Eye gaze direction tracker |
US6178255B1 (en) | 1998-04-28 | 2001-01-23 | Cross Match Technologies, Inc. | Individualized fingerprint scanner |
US6274745B1 (en) | 1999-03-24 | 2001-08-14 | Tosoh Corporation | Binaphthol monophosphoric acid derivative and its use |
JP4727065B2 (ja) | 2000-05-11 | 2011-07-20 | 株式会社半導体エネルギー研究所 | 認証装置および通信システム |
JP2003533801A (ja) | 2000-05-16 | 2003-11-11 | スイスコム・モバイル・アクチエンゲゼルシヤフト | 生物測定学的な身元確認方法及び認証方法 |
US6956608B1 (en) | 2000-08-11 | 2005-10-18 | Identix Incorporated | Fingerprint imaging device including an optical plate having microreflectors |
US6819219B1 (en) | 2000-10-13 | 2004-11-16 | International Business Machines Corporation | Method for biometric-based authentication in wireless communication for access control |
JP2002259345A (ja) | 2001-02-27 | 2002-09-13 | Nec Corp | 身体的特徴データの不正使用を防止する認証方法、認証装置、及びプログラム |
US6633090B2 (en) | 2001-09-07 | 2003-10-14 | Delphi Technologies, Inc. | Starting system for an automotive vehicle using fingerprint recognition |
JP2003148017A (ja) | 2001-11-08 | 2003-05-21 | Sharp Corp | 錠装置、錠制御システム及び錠制御方法 |
JP2003178306A (ja) | 2001-12-12 | 2003-06-27 | Toshiba Corp | 個人認証装置および個人認証方法 |
US6873714B2 (en) | 2002-02-19 | 2005-03-29 | Delphi Technologies, Inc. | Auto calibration and personalization of eye tracking system using larger field of view imager with higher resolution |
US8590013B2 (en) | 2002-02-25 | 2013-11-19 | C. S. Lee Crawford | Method of managing and communicating data pertaining to software applications for processor-based devices comprising wireless communication circuitry |
US7616784B2 (en) | 2002-07-29 | 2009-11-10 | Robert William Kocher | Method and apparatus for contactless hand recognition |
GB2396001B (en) | 2002-10-09 | 2005-10-26 | Canon Kk | Gaze tracking system |
US20040114786A1 (en) | 2002-12-06 | 2004-06-17 | Cross Match Technologies, Inc. | System and method for capturing print information using a coordinate conversion method |
US20060133651A1 (en) | 2002-12-31 | 2006-06-22 | Polcha Andrew J | Recoverable biometric identity system and method |
US7680299B2 (en) | 2003-02-13 | 2010-03-16 | Nec Corporation | Unauthorized person detection device and unauthorized person detection method |
DE10315923A1 (de) | 2003-04-08 | 2004-10-28 | Tbs Holding Ag | Verfahren und Anordnung zur berührungslosen Detektion von Daten unebener Flächen |
US6923370B2 (en) | 2003-05-20 | 2005-08-02 | Bradley L. Gotfried | Access system |
US6992562B2 (en) | 2003-06-10 | 2006-01-31 | Visteon Global Technologies, Inc. | Biometric keyless entry system |
US8948468B2 (en) * | 2003-06-26 | 2015-02-03 | Fotonation Limited | Modification of viewing parameters for digital images using face detection information |
US7317815B2 (en) * | 2003-06-26 | 2008-01-08 | Fotonation Vision Limited | Digital image processing composition using face detection information |
US8181017B2 (en) | 2004-10-22 | 2012-05-15 | Nds Limited | Certificate renewal |
US20060120568A1 (en) | 2004-12-06 | 2006-06-08 | Mcconville Patrick J | System and method for tracking individuals |
WO2006090322A1 (en) | 2005-02-22 | 2006-08-31 | Koninklijke Philips Electronics, N.V. | System and method for transferring media rights under predetermined conditions |
JP4696610B2 (ja) | 2005-03-15 | 2011-06-08 | オムロン株式会社 | 被写体認証装置、顔認証装置、携帯電話、及び被写体認証方法 |
US8151358B1 (en) | 2005-04-07 | 2012-04-03 | Aol Inc. | Annotation of digital items in a shared list |
US20060294393A1 (en) | 2005-06-24 | 2006-12-28 | Mc Call Clark E | Remote biometric registration for vehicles |
WO2007000504A1 (fr) | 2005-06-27 | 2007-01-04 | France Telecom | Procede de reconnaissance biometrique d'une main, systeme et dispositif associes |
US8026840B2 (en) | 2005-10-28 | 2011-09-27 | Raytheon Company | Biometric radar system and method for identifying persons and positional states of persons |
JP4793179B2 (ja) * | 2005-11-14 | 2011-10-12 | オムロン株式会社 | 認証装置及び携帯端末 |
US8290220B2 (en) | 2006-03-01 | 2012-10-16 | Nec Corporation | Face authenticating apparatus, face authenticating method, and program |
DE102006018956A1 (de) | 2006-04-24 | 2007-10-25 | Robert Bosch Gmbh | Abgassensor |
US7983451B2 (en) | 2006-06-30 | 2011-07-19 | Motorola Mobility, Inc. | Recognition method using hand biometrics with anti-counterfeiting |
JP4807167B2 (ja) | 2006-07-06 | 2011-11-02 | オムロン株式会社 | なりすまし検知装置 |
US7660442B2 (en) | 2006-09-01 | 2010-02-09 | Handshot, Llc | Method and system for capturing fingerprints, palm prints and hand geometry |
US7986816B1 (en) | 2006-09-27 | 2011-07-26 | University Of Alaska | Methods and systems for multiple factor authentication using gaze tracking and iris scanning |
AU2007302566A1 (en) | 2006-09-29 | 2008-04-03 | Scammell, Dan | A system and method for verifying a user's identity in electronic transactions |
JP2008242631A (ja) | 2007-03-26 | 2008-10-09 | Oki Electric Ind Co Ltd | 虹彩登録装置および虹彩認証装置 |
US20080284726A1 (en) | 2007-05-17 | 2008-11-20 | Marc Boillot | System and Method for Sensory Based Media Control |
US8126788B2 (en) | 2007-05-29 | 2012-02-28 | Exaktime Innovations, Inc. | Method for tracking time attendance of either a dedicated user or multiple non-dedicated users, interchangeably, using a single multi-function electronic hand-held device |
CA2636304C (en) | 2007-06-27 | 2014-12-30 | Research In Motion Limited | System and method for improving smart card reader reconnections |
JP4693818B2 (ja) | 2007-07-09 | 2011-06-01 | 株式会社エヌ・ティ・ティ・ドコモ | 認証システム及び認証方法 |
GB0714344D0 (en) | 2007-07-24 | 2007-09-05 | Univ Wales Swansea | Biometric attendance verification |
US10169646B2 (en) * | 2007-12-31 | 2019-01-01 | Applied Recognition Inc. | Face authentication to mitigate spoofing |
WO2009082814A1 (en) * | 2007-12-31 | 2009-07-09 | Ray Ganong | Method, system, and computer program for identification and sharing of digital images with face signatures |
JP5186929B2 (ja) | 2008-01-21 | 2013-04-24 | 日本電気株式会社 | 認証用撮像装置 |
EP2263190A2 (en) * | 2008-02-13 | 2010-12-22 | Ubisoft Entertainment S.A. | Live-action image capture |
US9286742B2 (en) | 2008-03-31 | 2016-03-15 | Plantronics, Inc. | User authentication system and method |
US8358856B2 (en) | 2008-06-02 | 2013-01-22 | Eastman Kodak Company | Semantic event detection for digital content records |
US20100042940A1 (en) | 2008-08-14 | 2010-02-18 | Caterpillar Inc. | Geofence system with integrated user interface |
US8175379B2 (en) | 2008-08-22 | 2012-05-08 | Adobe Systems Incorporated | Automatic video image segmentation |
US8860795B2 (en) | 2008-10-28 | 2014-10-14 | Nec Corporation | Masquerading detection system, masquerading detection method, and computer-readable storage medium |
US8345932B2 (en) | 2008-11-24 | 2013-01-01 | International Business Machines Corporation | Support vector machine for biometric data processing |
JP5098973B2 (ja) | 2008-11-27 | 2012-12-12 | 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プログラム |
JP4636171B2 (ja) | 2008-12-17 | 2011-02-23 | トヨタ自動車株式会社 | 車両用生体認証システム |
JP2010146502A (ja) | 2008-12-22 | 2010-07-01 | Toshiba Corp | 認証処理装置および認証処理方法 |
EP2386097A4 (en) | 2009-01-06 | 2013-02-20 | Xped Holdings Pty Ltd | ARRANGEMENT FOR MANAGING MOBILE DEVICE ACCESS TO DISTRICT REGIONS CONTAINING SERVICES, PRODUCTS, AND INFORMATION |
US20100191551A1 (en) | 2009-01-26 | 2010-07-29 | Apple Inc. | Systems and methods for accessing hotel services using a portable electronic device |
JP5436876B2 (ja) | 2009-02-02 | 2014-03-05 | 株式会社ディスコ | 研削方法 |
US20100246902A1 (en) | 2009-02-26 | 2010-09-30 | Lumidigm, Inc. | Method and apparatus to combine biometric sensing and other functionality |
US8194938B2 (en) | 2009-06-02 | 2012-06-05 | George Mason Intellectual Properties, Inc. | Face authentication using recognition-by-parts, boosting, and transduction |
US8472681B2 (en) | 2009-06-15 | 2013-06-25 | Honeywell International Inc. | Iris and ocular recognition system using trace transforms |
US8638939B1 (en) | 2009-08-20 | 2014-01-28 | Apple Inc. | User authentication on an electronic device |
US8447119B2 (en) | 2010-03-16 | 2013-05-21 | Nec Laboratories America, Inc. | Method and system for image classification |
US8326001B2 (en) | 2010-06-29 | 2012-12-04 | Apple Inc. | Low threshold face recognition |
WO2012020591A1 (ja) | 2010-08-09 | 2012-02-16 | 日本電気株式会社 | 個体識別システム、特徴量特定装置、特徴量特定方法および記録媒体 |
US8670935B2 (en) | 2010-08-17 | 2014-03-11 | Blackberry Limited | Tagging a location by pairing devices |
JP5565285B2 (ja) | 2010-11-19 | 2014-08-06 | コニカミノルタ株式会社 | ガラス光学素子の製造方法 |
US20120137137A1 (en) | 2010-11-30 | 2012-05-31 | Brickell Ernest F | Method and apparatus for key provisioning of hardware devices |
CN102013011B (zh) * | 2010-12-16 | 2013-09-04 | 重庆大学 | 基于正脸补偿算子的多姿态人脸识别方法 |
CN102034097B (zh) * | 2010-12-21 | 2012-07-04 | 中国科学院半导体研究所 | 综合利用正面与侧面图像的人脸识别的方法 |
KR101816170B1 (ko) | 2010-12-22 | 2018-01-09 | 한국전자통신연구원 | 3차원 깊이 정보 획득 장치 및 그 방법 |
US8457370B2 (en) | 2011-01-20 | 2013-06-04 | Daon Holdings Limited | Methods and systems for authenticating users with captured palm biometric data |
US8675543B2 (en) | 2011-02-24 | 2014-03-18 | Verizon Patent And Licensing Inc. | Route limiting in border gateway protocol over satellite networks |
CN102103689B (zh) * | 2011-03-07 | 2012-07-18 | 北京大学 | 基于正脸图像合成的人脸识别方法 |
US8965287B2 (en) | 2011-04-01 | 2015-02-24 | Tony Lam | Battery powered passive keyless entry system for premise entry |
CN103477352A (zh) | 2011-04-11 | 2013-12-25 | 英特尔公司 | 使用深度图像的姿势识别 |
US9251402B2 (en) * | 2011-05-13 | 2016-02-02 | Microsoft Technology Licensing, Llc | Association and prediction in facial recognition |
US9082235B2 (en) * | 2011-07-12 | 2015-07-14 | Microsoft Technology Licensing, Llc | Using facial data for device authentication or subject identification |
US8548207B2 (en) | 2011-08-15 | 2013-10-01 | Daon Holdings Limited | Method of host-directed illumination and system for conducting host-directed illumination |
US9042609B2 (en) | 2011-09-05 | 2015-05-26 | Morpho, Inc. | Face authentication system, face authentication method, and face authentication program |
CN102426715A (zh) | 2011-09-30 | 2012-04-25 | 华为技术有限公司 | 一种电子门锁开锁方法、电子门锁及电子门锁系统 |
US8947202B2 (en) | 2011-10-20 | 2015-02-03 | Apple Inc. | Accessing a vehicle using portable devices |
US9111402B1 (en) | 2011-10-31 | 2015-08-18 | Replicon, Inc. | Systems and methods for capturing employee time for time and attendance management |
US8235529B1 (en) | 2011-11-30 | 2012-08-07 | Google Inc. | Unlocking a screen using eye tracking information |
US8971591B2 (en) * | 2011-12-09 | 2015-03-03 | Google Technology Holdings LLC | 3D image estimation for 2D image recognition |
TW201327413A (zh) | 2011-12-21 | 2013-07-01 | Xid Technologies Pte Ltd | 臉部認證或辨識系統及方法 |
US9081947B2 (en) | 2011-12-27 | 2015-07-14 | Intel Corporation | Turing test based user authentication and user presence verification system, device, and method |
KR101242390B1 (ko) | 2011-12-29 | 2013-03-12 | 인텔 코오퍼레이션 | 사용자를 인증하기 위한 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체 |
US9519769B2 (en) | 2012-01-09 | 2016-12-13 | Sensible Vision, Inc. | System and method for disabling secure access to an electronic device using detection of a predetermined device orientation |
JP5866216B2 (ja) | 2012-01-31 | 2016-02-17 | 株式会社東海理化電機製作所 | 電子キー登録システム |
US8705070B2 (en) | 2012-02-24 | 2014-04-22 | Canon Kabushiki Kaisha | Systems and methods for managing use of an imaging device |
US9323912B2 (en) | 2012-02-28 | 2016-04-26 | Verizon Patent And Licensing Inc. | Method and system for multi-factor biometric authentication |
US20130268418A1 (en) | 2012-04-04 | 2013-10-10 | Accu-Time Systems, Inc. | Methods and apparatus for wireless communication of time and attendance information |
HK1160574A2 (en) | 2012-04-13 | 2012-07-13 | King Hei Francis Kwong | Secure electronic payment system and process |
US9070162B2 (en) | 2012-04-25 | 2015-06-30 | ZR Investments, LLC | Time tracking device and method |
US20130286161A1 (en) | 2012-04-25 | 2013-10-31 | Futurewei Technologies, Inc. | Three-dimensional face recognition for mobile devices |
US9047376B2 (en) | 2012-05-01 | 2015-06-02 | Hulu, LLC | Augmenting video with facial recognition |
JP5780361B2 (ja) | 2012-05-29 | 2015-09-16 | 株式会社村田製作所 | 電子キーシステムおよび電子機器 |
US20130342672A1 (en) | 2012-06-25 | 2013-12-26 | Amazon Technologies, Inc. | Using gaze determination with device input |
US8542879B1 (en) * | 2012-06-26 | 2013-09-24 | Google Inc. | Facial recognition |
US8396265B1 (en) * | 2012-06-26 | 2013-03-12 | Google Inc. | Facial recognition |
US8869053B2 (en) | 2012-07-06 | 2014-10-21 | Sap Ag | Organizer for managing employee time and attendance |
US8437513B1 (en) | 2012-08-10 | 2013-05-07 | EyeVerify LLC | Spoof detection for biometric authentication |
US20140195974A1 (en) | 2012-08-29 | 2014-07-10 | Identity Validation Products, Llc | Method and apparatus for using a finger swipe interface to control a system |
SG11201501691VA (en) | 2012-09-05 | 2015-04-29 | Element Inc | Biometric authentication in connection with camera-equipped devices |
US9740917B2 (en) | 2012-09-07 | 2017-08-22 | Stone Lock Global, Inc. | Biometric identification systems and methods |
US9002586B2 (en) | 2012-12-03 | 2015-04-07 | Honda Motor Co., Ltd. | Integrated biometric switch |
US8856541B1 (en) | 2013-01-10 | 2014-10-07 | Google Inc. | Liveness detection |
US9355612B1 (en) | 2013-01-22 | 2016-05-31 | Amazon Technologies, Inc. | Display security using gaze tracking |
US9244529B2 (en) | 2013-01-27 | 2016-01-26 | Dmitri Model | Point-of-gaze estimation robust to head rotations and/or device rotations |
US20140294257A1 (en) | 2013-03-28 | 2014-10-02 | Kevin Alan Tussy | Methods and Systems for Obtaining Information Based on Facial Identification |
US9003196B2 (en) | 2013-05-13 | 2015-04-07 | Hoyos Labs Corp. | System and method for authorizing access to access-controlled environments |
US9313200B2 (en) | 2013-05-13 | 2016-04-12 | Hoyos Labs Ip, Ltd. | System and method for determining liveness |
CN104166835A (zh) | 2013-05-17 | 2014-11-26 | 诺基亚公司 | 用于识别活体用户的方法和装置 |
US20140351163A1 (en) | 2013-05-21 | 2014-11-27 | Kevin Alan Tussy | System and method for personalized delivery verification |
US9014452B2 (en) | 2013-08-21 | 2015-04-21 | Seiko Epson Corporation | Orientation-aware average intensity histogram to indicate object boundary depth in ultrasound images |
AR097974A1 (es) | 2013-10-11 | 2016-04-20 | Element Inc | Sistema y método para autenticación biométrica en conexión con dispositivos equipados con cámara |
KR101556599B1 (ko) | 2013-10-30 | 2015-10-02 | 연세대학교 산학협력단 | 패턴 입력 장치 및 방법과 이를 이용한 기록 매체 |
US20150227780A1 (en) | 2014-02-13 | 2015-08-13 | FacialNetwork, Inc. | Method and apparatus for determining identity and programing based on image features |
US20150227735A1 (en) | 2014-02-13 | 2015-08-13 | Robert Chappell | System and method for eye tracking authentication |
US10027884B2 (en) | 2014-03-05 | 2018-07-17 | Disney Enterprises, Inc. | Method for capturing photographs and videos on a handheld client device without continually observing the device's screen |
KR102506826B1 (ko) | 2014-05-13 | 2023-03-06 | 엘리먼트, 인크. | 모바일 장치와 관련된 전자 키 지급 및 액세스 관리를 위한 시스템 및 방법 |
US9408076B2 (en) * | 2014-05-14 | 2016-08-02 | The Regents Of The University Of California | Sensor-assisted biometric authentication for smartphones |
US20150348214A1 (en) | 2014-05-28 | 2015-12-03 | Shailendra Jain | Messaging service for geofence-based automatic time clocking |
US20150347833A1 (en) | 2014-06-03 | 2015-12-03 | Mark Ries Robinson | Noncontact Biometrics with Small Footprint |
WO2015187882A1 (en) | 2014-06-03 | 2015-12-10 | Element, Inc. | Attendance authentication and management in connection with mobile devices |
US11256792B2 (en) * | 2014-08-28 | 2022-02-22 | Facetec, Inc. | Method and apparatus for creation and use of digital identification |
US10698995B2 (en) * | 2014-08-28 | 2020-06-30 | Facetec, Inc. | Method to verify identity using a previously collected biometric image/data |
CA3186147A1 (en) * | 2014-08-28 | 2016-02-28 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
US10614204B2 (en) * | 2014-08-28 | 2020-04-07 | Facetec, Inc. | Facial recognition authentication system including path parameters |
US10803160B2 (en) | 2014-08-28 | 2020-10-13 | Facetec, Inc. | Method to verify and identify blockchain with user question data |
US10915618B2 (en) * | 2014-08-28 | 2021-02-09 | Facetec, Inc. | Method to add remotely collected biometric images / templates to a database record of personal information |
US9405967B2 (en) * | 2014-09-03 | 2016-08-02 | Samet Privacy Llc | Image processing apparatus for facial recognition |
EP4047551A1 (en) | 2014-10-15 | 2022-08-24 | NEC Corporation | Impersonation detection device, impersonation detection method, and recording medium |
GB2532075A (en) | 2014-11-10 | 2016-05-11 | Lego As | System and method for toy recognition and detection based on convolutional neural networks |
WO2016076914A1 (en) | 2014-11-13 | 2016-05-19 | Intel Corporation | Facial liveness detection in image biometrics |
US9928603B2 (en) | 2014-12-31 | 2018-03-27 | Morphotrust Usa, Llc | Detecting facial liveliness |
USD763872S1 (en) | 2015-01-07 | 2016-08-16 | Facetec, Inc. | Display screen or portion thereof with graphical user interface |
US10678897B2 (en) | 2015-04-16 | 2020-06-09 | Tobii Ab | Identification, authentication, and/or guiding of a user using gaze information |
CN114077726A (zh) | 2015-04-16 | 2022-02-22 | 托比股份公司 | 用于对用户进行认证的系统、方法和机器可读介质 |
RU2715521C2 (ru) | 2015-06-16 | 2020-02-28 | Айверифай Инк. | Системы и способы для обнаружения обманных объектов и анализа жизненности |
US10094655B2 (en) * | 2015-07-15 | 2018-10-09 | 15 Seconds of Fame, Inc. | Apparatus and methods for facial recognition and video analytics to identify individuals in contextual video streams |
CN105023010B (zh) * | 2015-08-17 | 2018-11-06 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
US20170053175A1 (en) | 2015-08-17 | 2017-02-23 | Facetec, Inc. | System and method for validating three-dimensional objects |
CN105184246B (zh) | 2015-08-28 | 2020-05-19 | 北京旷视科技有限公司 | 活体检测方法和活体检测系统 |
KR102377182B1 (ko) | 2015-09-01 | 2022-03-22 | 엘지전자 주식회사 | 이동 단말기 및 그 제어방법 |
US20170186170A1 (en) | 2015-12-24 | 2017-06-29 | Thomas A. Nugraha | Facial contour recognition for identification |
US10102358B2 (en) | 2015-12-29 | 2018-10-16 | Sensory, Incorporated | Face-controlled liveness verification |
US10733275B1 (en) | 2016-04-01 | 2020-08-04 | Massachusetts Mutual Life Insurance Company | Access control through head imaging and biometric authentication |
US10063560B2 (en) | 2016-04-29 | 2018-08-28 | Microsoft Technology Licensing, Llc | Gaze-based authentication |
KR102471916B1 (ko) | 2016-06-03 | 2022-11-29 | 엘지전자 주식회사 | 모바일 디바이스 및 그 제어 방법 |
KR20180006133A (ko) | 2016-07-08 | 2018-01-17 | 삼성전자주식회사 | 전자 장치 및 그의 동작 방법 |
US10089521B2 (en) * | 2016-09-02 | 2018-10-02 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
CN107886032B (zh) | 2016-09-30 | 2021-12-14 | 阿里巴巴集团控股有限公司 | 终端设备、智能手机、基于脸部识别的认证方法和系统 |
CN106503687B (zh) * | 2016-11-09 | 2019-04-05 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
WO2018125563A1 (en) | 2016-12-30 | 2018-07-05 | Tobii Ab | Identification, authentication, and/or guiding of a user using gaze information |
US9983687B1 (en) | 2017-01-06 | 2018-05-29 | Adtile Technologies Inc. | Gesture-controlled augmented reality experience using a mobile communications device |
US10747859B2 (en) | 2017-01-06 | 2020-08-18 | International Business Machines Corporation | System, method and computer program product for stateful instruction-based dynamic man-machine interactions for humanness validation |
GB2560340A (en) | 2017-03-07 | 2018-09-12 | Eyn Ltd | Verification method and system |
CN107609471A (zh) * | 2017-08-02 | 2018-01-19 | 深圳元见智能科技有限公司 | 一种人脸活体检测方法 |
CN107622227B (zh) * | 2017-08-25 | 2021-04-13 | 深圳依偎控股有限公司 | 一种3d人脸识别的方法、终端设备及可读存储介质 |
KR102185854B1 (ko) * | 2017-09-09 | 2020-12-02 | 애플 인크. | 생체측정 인증의 구현 |
KR102301599B1 (ko) | 2017-09-09 | 2021-09-10 | 애플 인크. | 생체측정 인증의 구현 |
WO2019056004A1 (en) | 2017-09-18 | 2019-03-21 | Element, Inc. | METHODS, SYSTEMS AND MEDIA FOR DETECTING MYSTIFICATION DURING MOBILE AUTHENTICATION |
CN109583285B (zh) * | 2017-09-29 | 2023-03-07 | 阿里巴巴集团控股有限公司 | 对象识别方法 |
CN107800964A (zh) * | 2017-10-26 | 2018-03-13 | 武汉大学 | 一种基于双摄像头实现人脸自动检测与抓拍的方法 |
CA3080399A1 (en) * | 2017-10-30 | 2019-05-09 | The Research Foundation For The State University Of New York | System and method associated with user authentication based on an acoustic-based echo-signature |
CN108154099B (zh) * | 2017-12-20 | 2021-04-30 | 北京奇艺世纪科技有限公司 | 一种人物识别方法、装置及电子设备 |
WO2019151368A1 (ja) | 2018-02-01 | 2019-08-08 | 日本電気株式会社 | 生体認証装置、システム、方法および記録媒体 |
CN108596135A (zh) * | 2018-04-26 | 2018-09-28 | 上海诚数信息科技有限公司 | 身份识别方法及系统 |
US11093772B2 (en) * | 2018-06-11 | 2021-08-17 | Laurence Hamid | Liveness detection |
US11343277B2 (en) | 2019-03-12 | 2022-05-24 | Element Inc. | Methods and systems for detecting spoofing of facial recognition in connection with mobile devices |
US10997396B2 (en) * | 2019-04-05 | 2021-05-04 | Realnetworks, Inc. | Face liveness detection systems and methods |
US11507248B2 (en) | 2019-12-16 | 2022-11-22 | Element Inc. | Methods, systems, and media for anti-spoofing using eye-tracking |
-
2020
- 2020-03-11 US US16/815,700 patent/US11343277B2/en active Active
- 2020-03-11 CA CA3133229A patent/CA3133229C/en active Active
- 2020-03-11 KR KR1020217032304A patent/KR20220004628A/ko active IP Right Grant
- 2020-03-11 AU AU2020237108A patent/AU2020237108B2/en active Active
- 2020-03-11 JP JP2021555104A patent/JP7464619B2/ja active Active
- 2020-03-11 WO PCT/US2020/022168 patent/WO2020185948A1/en unknown
- 2020-03-11 BR BR112021018149-0A patent/BR112021018149B1/pt active IP Right Grant
- 2020-03-11 EP EP20770199.6A patent/EP3938953A4/en active Pending
- 2020-03-11 SG SG11202109983R patent/SG11202109983RA/en unknown
- 2020-03-11 CN CN202080035642.9A patent/CN113826110B/zh active Active
- 2020-03-12 TW TW109108240A patent/TWI781383B/zh active
Also Published As
Publication number | Publication date |
---|---|
US11343277B2 (en) | 2022-05-24 |
BR112021018149B1 (pt) | 2023-12-26 |
KR20220004628A (ko) | 2022-01-11 |
EP3938953A4 (en) | 2022-12-28 |
AU2020237108B2 (en) | 2022-12-15 |
CA3133229C (en) | 2023-04-04 |
JP2022525138A (ja) | 2022-05-11 |
CN113826110B (zh) | 2023-06-20 |
SG11202109983RA (en) | 2021-10-28 |
BR112021018149A2 (pt) | 2022-01-18 |
WO2020185948A1 (en) | 2020-09-17 |
CN113826110A (zh) | 2021-12-21 |
JP7464619B2 (ja) | 2024-04-09 |
CA3133229A1 (en) | 2020-09-17 |
TWI781383B (zh) | 2022-10-21 |
US20200296132A1 (en) | 2020-09-17 |
EP3938953A1 (en) | 2022-01-19 |
AU2020237108A1 (en) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI781383B (zh) | 與行動裝置連接以用於偵測面部辨識之欺騙之方法及系統 | |
US10902034B2 (en) | Method for populating a map with a plurality of avatars through the use of a mobile technology platform | |
US11425562B2 (en) | Methods, systems, and media for detecting spoofing in mobile authentication | |
US11507248B2 (en) | Methods, systems, and media for anti-spoofing using eye-tracking | |
US10589172B1 (en) | Embedding metadata in rendered content | |
US20230009399A1 (en) | Method and system for validating transaction in client-server environment | |
US20230325798A1 (en) | Systems and methods for regulating access and ticketing with non-fungible tokens | |
WO2023034597A1 (en) | Methods and systems for improving blockchain technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |