TWI678638B - 利用卡片特徵進行身份驗證的方法、裝置及系統 - Google Patents

利用卡片特徵進行身份驗證的方法、裝置及系統 Download PDF

Info

Publication number
TWI678638B
TWI678638B TW104103225A TW104103225A TWI678638B TW I678638 B TWI678638 B TW I678638B TW 104103225 A TW104103225 A TW 104103225A TW 104103225 A TW104103225 A TW 104103225A TW I678638 B TWI678638 B TW I678638B
Authority
TW
Taiwan
Prior art keywords
card
feature
image
verified
identity verification
Prior art date
Application number
TW104103225A
Other languages
English (en)
Other versions
TW201606556A (zh
Inventor
金偉安
潔 張
Original Assignee
香港商阿里巴巴集團服務有限公司
Alibaba Group Services Limited
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, Alibaba Group Services Limited filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW201606556A publication Critical patent/TW201606556A/zh
Application granted granted Critical
Publication of TWI678638B publication Critical patent/TWI678638B/zh

Links

Classifications

    • 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
    • G06Q20/409—Device specific authentication in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/327—Short range or proximity payments by means of M-devices
    • G06Q20/3276—Short range or proximity payments by means of M-devices using a pictured code, e.g. barcode or QR-code, being read by the M-device
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/513—Sparse representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Microelectronics & Electronic Packaging (AREA)

Abstract

本發明揭示了一種利用卡片特徵進行身份驗證的方法和裝置、一種用戶端身份驗證方法和裝置、以及一種利用卡片特徵進行身份驗證的系統。其中所述利用卡片特徵進行身份驗證的方法包括：接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，所述身份驗證請求中包含待驗證卡片圖像；從待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵；判斷待驗證卡片特徵與特定帳戶已存的基準卡片特徵是否相符；若是，則判定用戶端通過身份驗證。本發明透過對實體卡片的圖像特徵的識別和比對，提供了一種對持卡人進行身份驗證的有效方法，能夠保障持卡人的合法利益，特別是應用於使用銀行卡進行線上支付的場景，可以避免盜刷卡情況的發生，提高線上支付的安全性。

Description

利用卡片特徵進行身份驗證的方法、裝置及系統
本發明關於身份驗證領域，具體關於一種利用卡片特徵進行身份驗證的方法和裝置。本發明同時提供一種用戶端身份驗證方法和裝置，以及一種利用卡片特徵進行身份驗證的系統。
隨著社會的進步和技術的發展，人們對存取控制的安全性和便捷性要求越來越高，自動、快速、準確、安全地實現身份驗證成為許多應用或者操作的前提。在網際網路領域中，某些網際網路應用程式需要基於使用者持有的特定卡片中儲存的資訊執行所需的操作，所述資訊包括與使用者相關的資訊，例如使用者的個人財務資訊等。在這種情況下，網際網路應用程式通常會對卡片持有者的身份進行驗證，通常包括以下幾個步驟：1)在用戶端的身份驗證介面中，提示使用者輸入與當前帳戶對應的特定卡片的卡號、密碼等資訊；2)將使用者輸入的卡號、密碼等資訊發送給負責進行身份驗證的服務端，該服務端根據預先儲存的所述帳戶 的相應資訊，判斷所述卡號和密碼資訊是否正確，並向用戶端返回身份驗證是否通過的應答；3)接收所述服務端返回的應答並執行相應的操作，若通過身份驗證，則允許使用者繼續執行基於該卡片的相關操作，否則禁止用戶執行。
基於卡片資訊的各種網際網路應用，其身份驗證流程的細節可能與上述流程不完全一致，但是通常有一個共同點，即：僅需用戶端提供卡號和密碼資訊，也就是說服務端僅使用卡號和密碼資訊對執行相關操作的用戶端進行身份驗證。採用這種“卡號+密碼”的驗證方式，比較便捷、易於操作，但是存在潛在的安全隱患。
如果使用者的卡片資訊(包括卡號和密碼資訊)在服務端或者是網路傳輸過程中被洩露，或者其他人通過惡意的手段盜用了該資訊，那麼就可能出現使用者卡片被盜用的情況，即：非持卡人通過輸入獲取的卡號和密碼，就可以完成與所述卡片相關的操作，持卡人的合法利益無法得到有效的保障，特別是一旦出現銀行卡被盜用的情況，將會給使用者帶來不便，甚至是經濟上的損失。隨著卡片資訊洩露越來越普遍，這種身份驗證方式的風險越來越高，是目前面臨的一個極待解決的問題。
本發明提供一種利用卡片特徵進行身份驗證的方法和裝置，以解決現有的身份驗證方法不夠完善、無法對持卡 人的合法利益提供有效保障的問題。本發明另外提供一種用戶端身份驗證方法和裝置，以及一種利用卡片特徵進行身份驗證的系統。
本發明提供一種利用卡片特徵進行身份驗證的方法，包括：接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，所述身份驗證請求中包含待驗證卡片圖像；從所述待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵；判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符；若是，則判定所述用戶端通過所述身份驗證。
可選的，所述特定帳戶已存的基準卡片特徵採用如下步驟產生：接收用戶端發送的對應所述特定帳戶的基準卡片圖像；從所述基準卡片圖像中提取卡片特徵，作為所述基準卡片特徵；儲存已提取的對應所述特定帳戶的基準卡片特徵。
可選的，所述方法還包括：採用加密演算法對已提取的基準卡片特徵加密；相應的，所述儲存已提取的對應所述特定帳戶的基準卡片特徵是指，儲存加密後的基準卡片特徵；相應的，所述判斷所述待驗證卡片特徵與所述特定帳 戶已存的基準卡片特徵是否相符包括：採用與所述加密演算法對應的解密演算法，對所述特定帳戶已存的基準卡片特徵進行解密；判斷所述待驗證卡片特徵與所述解密後的基準卡片特徵是否相符。
可選的，所述卡片特徵包括以下特徵中的至少一種：號碼特徵、圖案特徵、材質特徵、局部圖形特徵；所述局部圖形特徵包括以下特徵中的至少一種：文字特徵、徽標特徵、簽名特徵；相應的，所述判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符是指，針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符；當上述判斷結果都為“是”時，則判定所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵相符。
可選的，所述卡片特徵包括號碼特徵時，所述提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取號碼資訊，所述號碼資訊即為對應卡片的號碼特徵；所述從對應的卡片圖像中提取號碼資訊，包括：將所述卡片圖像轉換為灰度圖像；獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；識別所述矩形圖像區域中的號碼資訊；相應的，所述針對每一種待驗證卡片特徵，判斷該特 徵與所述特定帳戶已存的相應基準卡片特徵是否相符包括：比較所述待驗證卡片圖像包含的號碼資訊與所述基準卡片圖像包含的號碼資訊是否一致；若是，判定所述待驗證卡片的號碼特徵與所述基準卡片的號碼特徵相符。
可選的，採用如下兩種方式中的一種，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域：獲取預存的對應所述卡片圖像的卡片範本；根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；或者，採用邊緣檢測演算法，對所述卡片圖像進行橫向分割，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域。
可選的，所述識別所述矩形圖像區域中的號碼資訊包括：採用邊緣檢測演算法，對所述矩形圖像區域進行縱向分割，獲取若干個待識別號碼圖像，所述每個待識別號碼圖像中包含一個待識別號碼；獲取每個待識別號碼圖像的特徵值；針對每個待識別號碼圖像，採用KNN演算法計算所述待識別號碼圖像特徵值與預先儲存的每個樣本號碼圖像的特徵值之間的距離，並根據計算結果選擇與所述待識別號碼圖像對應的樣本號碼，所述樣本號碼即為所述待識別號碼圖像中包含的號碼。
可選的，所述卡片特徵包括圖案特徵時，所述提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取圖案特徵；所述從對應的卡片圖像中提取圖案特徵，包括：按照預先設定的尺寸，對所述卡片圖像尺寸進行正歸化；按照預先設定的位置和尺寸，從所述卡片圖像中提取預先設定數量的圖像塊；對每一個圖像塊進行樣本集正歸化，使得所述圖像塊中每個圖元值都在特定範圍內；針對上述圖像塊，採用字典學習的方法獲取局部特徵；根據所述局部特徵，採用平均池化技術或者最大池化技術獲取所述卡片圖像的圖像特徵，作為所述卡片的圖案特徵。
相應的，所述針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符包括：計算所述待驗證卡片的圖案特徵與所述特定帳戶已存的基準卡片的圖案特徵之間的歐式距離，所述歐式距離用於表徵上述兩種特徵對應的圖案圖像的相似度；判斷所述歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵相符。
可選的，在對所述卡片圖像尺寸進行正歸化之前，執 行下述步驟：將待提取圖案特徵的卡片圖像轉換為灰度圖像。
可選的，在所述採用字典學習的方法獲取局部特徵之前，執行下述操作：對執行了樣本集正歸化後的圖像塊進行白化處理去除相關性。
可選的，所述卡片特徵包括圖案特徵時，所述提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取圖案特徵；所述從對應的卡片圖像中提取圖案特徵是指，採用SIFT演算法提取所述卡片圖像的特徵點及對應的特徵向量，作為所述卡片圖像的圖案特徵；相應的，所述針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符包括：針對所述待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與所述基準卡片圖案特徵中的每個特徵點對應的特徵向量之間的歐式距離，並根據計算結果判斷所述特徵點是否匹配成功；若匹配成功，則累加匹配成功的特徵點的數目；判斷所述匹配成功的特徵點的總數是否滿足預先設定的閾值；若是，則判定所述待驗證卡片的圖案特徵與所述基準卡片的圖案特徵相符。
可選的，所述卡片特徵包括材質特徵時，所述提取基 準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取與卡片材質相關的資料，所述與卡片材質相關的資料即為對應卡片的材質特徵；所述從對應的卡片圖像中提取與卡片材質相關的資料包括：按照預先設定的位置和尺寸，從所述卡片圖像中截取一個圖像區域，作為材質提取區域；提取所述材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值，作為所述與卡片材質相關的資料；相應的，所述針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符包括：根據所述基準卡片材質特徵中各個圖元點的色調H、飽和度S和亮度I分量的值，以預先設定的特定分量作為縱向座標、以其他兩個分量作為平面座標，產生離散樣本曲面；對所述離散樣本曲面進行平滑處理，獲取局部連續曲面；對待驗證卡片材質特徵中的每個圖元點，計算該圖元點的所述特定分量值與所述局部連續曲面之間的最近距離，判斷所述最近距離是否滿足預先設定的要求，若是則判定所述圖元點符合基準卡片材質特徵，並累加所述符合基準卡片材質特徵的圖元點的數目； 判斷所述符合基準卡片材質特徵的圖元點的總數是否大於預先設定的材質判定閾值，若是，則判定所述待驗證卡片材質特徵與所述基準卡片材質特徵相符。
可選的，所述預先設定的特定分量是指，飽和度S分量。
可選的，所述卡片特徵包括一種或者一種以上局部圖形特徵時，針對每一種局部圖形特徵，所述提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取所述局部圖形特徵的步驟；所述從對應的卡片圖像中提取所述局部圖形特徵，包括：獲取預存的對應所述卡片圖像的卡片範本；根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中與所述局部圖形特徵對應的圖像區域中的圖像；相應的，所述針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否對應相同的卡片包括：調整所述待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同；針對所述待驗證卡片調整尺寸後的圖像區域中的每一個圖元點，比較其圖元值與所述基準卡片相應圖像區域中的相應圖元點的圖元值是否相同；若相同，累加相同圖元點的數目；判斷所述相同圖元點的總數是否滿足預先設定的要 求；若是，判定所述待驗證卡片的所述局部圖形特徵與所述基準卡片的所述局部圖形特徵相符。
相應的，本發明還提供一種利用卡片特徵進行身份驗證的裝置，包括：身份驗證請求接收單元，用於接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，所述身份驗證請求中包含待驗證卡片圖像；待驗證卡片特徵提取單元，用於從所述待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵；身份驗證判斷單元，用於判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符；若是，則判定所述用戶端通過所述身份驗證。
可選的，所述裝置還包括：基準卡片特徵產生單元，用於產生並儲存對應特定帳戶的基準卡片特徵；所述基準卡片特徵產生單元包括：基準卡片圖像接收子單元，用於接收用戶端發送的對應所述特定帳戶的基準卡片圖像；基準卡片特徵提取子單元，用於從所述基準卡片圖像中提取卡片特徵，作為所述基準卡片特徵；基準卡片特徵儲存子單元，用於儲存已提取的對應所述特定帳戶的基準卡片特徵。
可選的，所述基準卡片特徵產生單元還包括：加密子單元，用於採用加密演算法對已提取的基準卡 片特徵加密；相應的，所述基準卡片特徵儲存子單元具體用於，儲存加密後的基準卡片特徵；相應的，所述身份驗證判斷單元包括：解密子單元，用於採用與所述加密演算法對應的解密演算法，對所述特定帳戶已存的基準卡片特徵進行解密；特徵相符判斷子單元，用於判斷所述待驗證卡片特徵與所述解密後的基準卡片特徵是否相符；透過判斷子單元，用於當所述特徵相符判斷子單元的輸出為“是”時，判定所述用戶端通過所述身份驗證。
可選的，所述身份驗證判斷單元包括：特徵判斷子單元，用於針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符；身份驗證子單元，用於當所述特徵判斷子單元輸出的判斷結果都為“是”時，判定所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵相符，所述用戶端通過所述身份驗證。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：號碼特徵提取子單元，用於從對應的卡片圖像中提取號碼資訊，所述號碼資訊即為對應卡片的號碼特徵；所述號碼特徵提取子單元包括：灰度處理子單元，用於將所述卡片圖像轉換為灰度圖 像；號碼區域獲取子單元，用於獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；號碼識別子單元，用於識別所述矩形圖像區域中的號碼資訊；相應的，所述特徵判斷子單元包括：號碼特徵判斷子單元，用於比較所述待驗證卡片圖像包含的號碼資訊與所述基準卡片圖像包含的號碼資訊是否一致；若是，判定所述待驗證卡片的號碼特徵與所述基準卡片的號碼特徵相符。
可選的，所述號碼區域獲取子單元採用以下兩種方式中的一種獲取所述矩形圖像區域：獲取預存的對應所述卡片圖像的卡片範本，根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；或者，採用邊緣檢測演算法，對所述卡片圖像進行橫向分割，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域。
可選的，所述號碼識別子單元包括：號碼圖像縱向分割子單元，用於採用邊緣檢測演算法，對所述矩形圖像區域進行縱向分割，獲取若干個待識別號碼圖像，所述每個待識別號碼圖像中包含一個待識別號碼；特徵值獲取子單元，用於獲取每個待識別號碼圖像的特徵值； 號碼識別執行子單元，用於針對每個待識別號碼圖像，採用KNN演算法計算所述待識別號碼圖像特徵值與預先儲存的每個樣本號碼圖像的特徵值之間的距離，並根據計算結果選擇與所述待識別號碼圖像對應的樣本號碼，所述樣本號碼即為所述待識別號碼圖像中包含的號碼。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：第一圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵；所述第一圖案特徵提取子單元包括：圖像尺寸正歸化子單元，用於按照預先設定的尺寸，對所述卡片圖像尺寸進行正歸化；圖像塊提取子單元，用於按照預先設定的位置和尺寸，從所述卡片圖像中提取預先設定數量的圖像塊；樣本集正歸化子單元，用於對每一個圖像塊進行樣本集正歸化，使得所述圖像塊中每個圖元值都在特定範圍內；局部特徵獲取子單元，用於針對上述圖像塊，採用字典學習的方法獲取局部特徵；圖案特徵獲取子單元，用於根據所述局部特徵，採用平均池化技術或者最大池化技術獲取所述卡片圖像的圖像特徵，作為所述卡片的圖案特徵。
相應的，所述特徵判斷子單元包括：第一圖案特徵判斷子單元，用於計算所述待驗證卡片 的圖案特徵與所述特定帳戶已存的基準卡片的圖案特徵之間的歐式距離，所述歐式距離用於表徵上述兩種特徵對應的圖案圖像的相似度；判斷所述歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：第二圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵；所述第二圖案特徵提取子單元具體用於，採用SIFT演算法提取所述卡片圖像的特徵點及對應的特徵向量，作為所述卡片圖像的圖案特徵；相應的，所述特徵判斷子單元包括：第二圖案特徵判斷子單元，用於針對所述待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與所述基準卡片圖案特徵中的每個特徵點對應的特徵向量之間的歐式距離，並根據計算結果累加匹配成功的特徵點數目，判斷所述匹配成功的特徵點總數是否滿足預先設定的閾值，若是，則判定所述待驗證卡片的圖案特徵與所述基準卡片的圖案特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：材質特徵提取子單元，用於從對應的卡片圖像中提取與卡片材質相關的資料；所述材質特徵提取子單元包括： 材質區域截取子單元，用於按照預先設定的位置和尺寸，從所述卡片圖像中截取一個圖像區域，作為材質提取區域；材質數據獲取子單元，用於提取所述材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值，作為所述與卡片材質相關的資料；相應的，所述特徵判斷子單元包括：材質特徵判斷子單元，用於根據所述基準卡片材質特徵和待驗證卡片材質特徵中的各個圖元點的色調H、飽和度S和亮度I分量的值，判斷所述待驗證卡片材質特徵中的各個圖元點是否符合基準卡片材質特徵，並累加符合的圖元點數目，判斷所述圖元點總數是否大於預先設定的材質判定閾值，若是，則判定所述待驗證卡片材質特徵與所述基準卡片材質特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：局部圖形特徵提取子單元，用於從對應的卡片圖像中提取所述局部圖形特徵；所述局部圖形特徵提取子單元包括：卡片範本獲取子單元，用於獲取預存的對應所述卡片圖像的卡片範本；局部圖形圖像獲取子單元，用於根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中與所述局部圖形特徵對應的圖像區域中的圖像； 相應的，所述特徵判斷子單元包括：局部圖形特徵判斷子單元，用於調整所述待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同，比較所述待驗證卡片與所述基準卡片相應圖像區域中的相應圖元點的圖元值是否相同，並累加相同圖元點的數目，判斷所述相同圖元點的總數是否滿足預先設定的要求，若是，判定所述待驗證卡片的所述局部圖形特徵與所述基準卡片的所述局部圖形特徵相符。
此外，本發明還提供一種用戶端身份驗證方法，包括：獲取用於進行身份驗證的待驗證卡片圖像；向服務端發送特定帳戶的用戶端身份驗證請求，所述請求中包含所述服務端驗證用戶端身份所需的所述待驗證卡片圖像；接收所述服務端返回的所述用戶端是否通過身份驗證的應答。
可選的，在執行所述獲取用於進行身份驗證的待驗證卡片圖像的步驟之前，執行下述步驟：獲取作為身份驗證比對基準的基準卡片圖像；向所述服務端發送所述特定帳戶的基準卡片圖像，所述服務端根據所述基準卡片圖像對所述特定帳戶用戶端的身份驗證請求進行驗證。
可選的，所述獲取作為身份驗證比對基準的基準卡片圖像包括：獲取所述卡片的正面圖像和/或反面圖像； 相應的，所述獲取用於進行身份驗證的待驗證卡片圖像，採用相同方式獲取所述卡片的正面圖像和/或反面圖像。
相應的，本發明還提供一種用戶端身份驗證裝置，包括：待驗證卡片圖像獲取單元，用於獲取用於進行身份驗證的待驗證卡片圖像；身份驗證請求發送單元，用於向服務端發送特定帳戶的用戶端身份驗證請求，所述請求中包含所述服務端驗證用戶端身份所需的所述待驗證卡片圖像；身份驗證應答接收單元，用於接收所述服務端返回的所述用戶端是否通過身份驗證的應答。
可選的，所述裝置還包括：基準卡片圖像獲取單元，用於獲取作為身份驗證比對基準的基準卡片圖像；基準卡片圖像發送單元，用於向所述服務端發送所述特定帳戶的基準卡片圖像，所述服務端根據所述基準卡片圖像對所述特定帳戶用戶端的身份驗證請求進行驗證。
此外，本發明還提供一種利用卡片特徵進行身份驗證的系統，包括：根據上述任一項所述的利用卡片特徵進行身份驗證的裝置，以及根據上述任一項所述的用戶端身份驗證裝置。
與現有技術相比，本發明具有以下優點：本發明提供的利用卡片特徵進行身份驗證的方法，透 過接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，從所述請求包含的待驗證卡片圖像中提取待驗證卡片特徵，判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符，從而判定所述用戶端是否通過身份驗證。採用上述方法，透過對實體卡片的圖像特徵的識別和比對，提供對持卡人進行身份驗證的一種有效方法，保障持卡人的合法利益，特別是應用於使用銀行卡進行線上支付的場景，可以避免因為銀行卡資訊洩露導致的盜刷卡情況的發生，提高線上支付的安全性。
101至104‧‧‧步驟
101-1至101-3‧‧‧步驟
103-1至103-4‧‧‧步驟
103-1-1至103-1-3‧‧‧步驟
103-2-1至103-2-5‧‧‧步驟
103-3-1、103-3-2‧‧‧步驟
103-4-1、103-4-2‧‧‧步驟
104-1至104-4‧‧‧步驟
104-3-1至104-3-4‧‧‧步驟
1001‧‧‧基準卡片特徵產生單元
1002‧‧‧身份驗證請求接收單元
1003‧‧‧待驗證卡片特徵提取單元
1004‧‧‧身份驗證判斷單元
1101至1105‧‧‧步驟
1201‧‧‧基準卡片圖像獲取單元
1202‧‧‧基準卡片圖像發送單元
1203‧‧‧待驗證卡片圖像獲取單元
1204‧‧‧身份驗證請求發送單元
1205‧‧‧身份驗證應答接收單元
1301、1302‧‧‧步驟
圖1是本發明的一種利用卡片特徵進行身份驗證的方法實施例的流程圖；圖2是本實施例提供的獲取並儲存特定帳戶基準卡片特徵的處理流程圖；圖3是本實施例提供的從待驗證卡片圖像中提取卡片特徵的處理流程圖；圖4是本實施例提供的從卡片圖像中提取號碼特徵的處理流程圖；圖5是本實施例提供的從卡片圖像中提取圖案特徵的處理流程圖；圖6是本實施例提供的從卡片圖像中提取材質特徵的處理流程圖；圖7是本實施例提供的從卡片圖像中提取局部圖形特 徵的處理流程圖；圖8是本實施例提供的判斷待驗證卡片與基準卡片的相應特徵是否相符的處理流程圖；圖9是本實施例提供的判斷待驗證卡片與基準卡片的材質特徵是否相符的處理流程圖；圖10是本發明的一種利用卡片特徵進行身份驗證的裝置實施例的示意圖；圖11是本發明的一種用戶端身份驗證方法的實施例的流程圖；圖12是本發明的一種用戶端身份驗證裝置的實施例的示意圖；圖13是本發明的一種利用卡片特徵進行身份驗證的系統實施例的示意圖。
在下面的描述中闡述了很多具體細節以便於充分理解本發明。但是本發明能夠以很多不同於在此描述的其它方式來實施，本領域技術人員可以在不違背本發明內涵的情況下做類似推廣，因此本發明不受下面揭示的具體實施的限制。
在本發明中，分別提供了一種利用卡片特徵進行身份驗證的方法和裝置、一種用戶端身份驗證方法和裝置、以及一種利用卡片特徵進行身份驗證的系統，在下面的實施例中逐一進行詳細說明。
請參考圖1，其為本發明的一種利用卡片特徵進行身份驗證的方法實施例的流程圖。所述方法包括如下步驟：
步驟101：獲取並儲存特定帳戶的基準卡片特徵。
首先對本發明技術方案的應用場景作簡要的說明。針對執行線上支付操作的用戶端發起的身份驗證請求，服務端從接收到的銀行卡圖像中提取卡片特徵，並將所述卡片特徵與預存的對應該帳戶的卡片特徵進行比對，如果兩者相符，則認為執行當前支付操作的用戶持有正確有效的銀行卡，從而判定用戶端通過當前的身份驗證，授權用戶端執行線上支付操作，或者採用傳統的銀行卡號+密碼的方式對用戶端進行進一步的身份驗證。在上述線上支付場景中，使用本發明的技術方案，能夠有效避免因為銀行卡資訊的洩漏而引起的盜刷卡情況的發生，提高線上支付的安全性。
上面描述的是本發明技術方案的一種應用場景，實際上，本發明技術方案所述的卡片不僅僅局限於銀行卡，本發明技術方案提供的身份驗證方法，也不僅僅應用於線上支付的場景，只要是需要對持卡人身份進行驗證的場合都可以使用本發明的技術方案。傳統方法通常根據用戶端提供的卡號和密碼等資訊進行身份驗證，採用本發明的技術方案，透過對實體卡片特徵與預存卡片特徵的比對進行用戶端身份驗證，在卡片資訊洩漏的情況下依然可以為持卡人提供有效的安全保障。
透過上面的描述可以看出，本發明的技術方案是基於 卡片特徵的比對來進行身份驗證的，為了實現這一功能，服務端可以預先儲存與用戶端帳戶對應的卡片特徵，也稱基準卡片特徵，該過程就是通常所說的註冊過程，或者採集過程，包括如下所示的步驟101-1至101-3，下面結合附圖2對每一個步驟進行說明。
步驟101-1：接收用戶端發送的對應所述特定帳戶的基準卡片圖像。
用戶端透過拍攝等方式獲取與特定帳戶對應的基準卡片圖像並上傳，負責進行身份驗證的服務端就會接收到所述基準卡片圖像。之所以稱其為基準卡片圖像，是因為該圖像是後續對所述用戶端進行身份驗證的基準。
考慮到卡片的正反面都可能包含卡片特徵資訊(例如：銀行卡正面的卡號資訊，銀行卡背面的簽名區域圖像)，因此用戶端可以提供基準卡片的正反面兩幅圖像，在這種情況下，本步驟接收到的來自用戶端的基準卡片圖像自然就包括正、反面兩幅圖像。
步驟101-2：從所述基準卡片圖像中提取卡片特徵，作為所述基準卡片特徵。
本實施例技術方案所述的卡片特徵包括以下特徵中的至少一種：號碼特徵、圖案特徵、材質特徵、局部圖形特徵；所述局部圖形特徵包括以下特徵中的至少一種：文字特徵、徽標特徵、簽名特徵。關於各種卡片特徵的含義，請參見步驟103中相應的說明。
需要說明的是，因為基準卡片特徵是後續進行用戶端 身份驗證的基準，因此在本步驟中通常應該提取相對完備的卡片特徵(例如，可以從基準卡片圖像中提取上述列舉的每一種卡片特徵)作為基準，從而便於在後續的步驟104中根據待驗證卡片特徵找到與之對應的基準卡片特徵，並進行相應的比對判斷。
本步驟從所述基準卡片圖像中提取基準卡片特徵的過程，與後續步驟103從待驗證卡片圖像中提取待驗證卡片特徵的過程基本一致，因此請參見步驟103中相應的說明。
步驟101-3：儲存已提取的對應所述特定帳戶的基準卡片特徵。
從步驟101-2中提取基準卡片特徵後，可以將所述基準卡片特徵與對應的特定帳戶資訊儲存在資料庫中，後續接收到來自用戶端的對應所述特定帳戶的身份驗證請求後，就可以根據所述特定帳戶資訊，從資料庫中提取對應的基準卡片特徵並進行所需的比對操作。
考慮到從卡片上提取的卡片特徵，有些是卡片自身的特徵(例如：圖案特徵、材質特徵等)，有些則包含所述特定帳戶的隱私資訊(例如：銀行卡的號碼特徵)，從使用者資訊安全性的角度考慮，本實施例的技術方案採用加密儲存的方式：即，對已提取的基準卡片特徵進行加密，然後將加密後的資料儲存在資料庫中。後續需要使用基準卡片特徵進行比對時，則採用與所述加密演算法對應的解密演算法，對從資料庫中提取出的相應資料進行解密，還 原基準卡片特徵。
在本實施例的一個具體例子中，採用的是對稱加密演算法RC4，在其他實施方式中，也可以根據需要，不對儲存在資料庫中的基準卡片特徵進行加密，或者採用其他加密演算法，本實施例的技術方案對此不作具體的限定。
步驟102：接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，所述身份驗證請求中包含待驗證卡片圖像。
待驗證用戶端需要依據卡片包含的資訊執行某些重要操作時，例如：根據銀行卡包含的銀行卡號資訊進行線上支付，這時待驗證用戶端可以向負責進行身份驗證的服務端發送身份驗證請求，所述請求中攜帶了透過拍攝等方式獲取的待驗證卡片圖像，同步驟101-1類似，所述待驗證卡片圖像也可以包括正、反面兩幅圖像。所述服務端接收上述請求與圖像後，就可以執行後續的步驟103進行待驗證卡片特徵的提取操作。
步驟103：從所述待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵。
本步驟從待驗證卡片圖像中提取的卡片特徵，可以是步驟101-2中所述的多種卡片特徵中的一種，也可以是其中的幾種。具體提取哪幾種卡片特徵，在具體實施中可以根據實際需要選擇，本實施例技術方案不對此作限定。為了全面描述本實施例的技術方案，下面結合附圖3，透過步驟103-1至103-4分別對每一種卡片特徵的提取作詳細 的說明。
步驟103-1：從待驗證卡片圖像中提取號碼特徵。
本實施例技術方案所述的號碼特徵，是指卡片圖像中包含的號碼資訊，通常是指卡號資訊，例如：銀行卡號。在步驟101中從基準卡片圖像中提取號碼特徵，與本步驟從待驗證卡片圖像中提取號碼特徵，採用的是相同的方法，下面結合附圖4，透過步驟103-1-1至103-1-3對號碼特徵的提取作詳細說明。
步驟103-1-1：將所述卡片圖像轉換為灰度圖像。
為了減少圖像中的雜訊對影像處理的影響，在本步驟對圖像進行灰度化之前，可以先進行降噪處理。一幅圖像中常見的雜訊包括高斯雜訊、椒鹽雜訊，所謂高斯雜訊是指它的概率密度函數服從高斯分佈(即正態分佈)的一類雜訊；椒鹽雜訊是由圖像感測器，傳輸通道，解碼處理等產生的黑白相間的亮暗點雜訊，通常可以採用低通濾波、中值濾波等方法減少或者消除上述兩種雜訊。
降噪處理後，可以將所述卡片圖像轉換為灰度圖像，即：灰度化處理。之所以要進行該處理，一方面是因為後續步驟需要根據卡片圖像的灰度平均值獲取預存的卡片範本，另一方面是為了減少後續的計算量。彩色圖像中的每個圖元的顏色由R、G、B三個分量決定，而每個分量的取值範圍為0~255，這樣一個圖元點可以有1600多萬(256*256*256)種不同的取值情況，灰度圖像則是R、G、B三個分量相同的一種特殊圖像，其一個圖元點取值 的變化範圍只有256種，所以在數字影像處理中一般先將彩色圖像轉變成灰度圖像，以減少後續計算的複雜度。圖像的灰度化處理可用採用多種方法，下面給出兩種比較常用的方法：(1)針對每個圖元點，求出R、G、B三個分量的平均值，然後將這個平均值賦予所述圖元點；(2)根據RGB和YUV顏色空間的變化關係，建立亮度Y與R、G、B三個顏色分量的對應：Y=0.3R+0.59G+0.11B，並用計算出的每個圖元點的亮度值Y作為對應的灰度值。
步驟103-1-2：獲取所述卡片圖像中包含號碼資訊的矩形圖像區域。
本步驟中可以採用以下兩種方式中的一種獲取所述卡片圖像中包含號碼資訊的矩形圖像區域。
(1)根據預存的卡片範本獲取。
因為每種卡片圖像中的各個區域的分佈都有自己一定的規律，因此可以預先收集並產生各種卡片的範本資訊，所述範本資訊包括：卡片圖像的灰度平均值、銀聯標誌在卡片圖像中的位置、銀聯標誌圖像的尺寸、具體的銀聯標誌圖像、以及卡片中每個圖像區域的位置資訊，並可將每種卡片的範本資訊儲存在資料庫中。
在本步驟中，計算已經灰度化的卡片圖像的灰度平均值，然後在資料庫儲存的各種卡片的範本資訊中進行搜索，查找與計算出的灰度平均值相匹配的範本資訊，這裡 所說的相匹配是指計算出的灰度平均值與資料庫中某項範本資訊記錄的灰度平均值相同，或者其差異在預先設定的範圍內。
如果透過灰度平均值查找得到的匹配範本資訊不只一項，可以繼續根據銀聯標誌進行匹配。具體說，針對當前匹配的每一項範本資訊，根據所述範本資訊記錄的銀聯標誌在卡片圖像中的位置和銀聯標誌圖像的尺寸，用所述卡片圖像與所述範本資訊中的銀聯標誌圖像進行圖形匹配，即：逐圖元點進行匹配，當匹配成功的圖元點的數目或者比例達到預先設定的某個閾值時(例如：匹配成功的圖元點數目占銀聯標誌圖像所有圖元點總數目的比值超過70%)，則判定找到了與所述卡片圖像對應的卡片範本。
從找到的卡片範本所包含的多個區域位置資訊中，提取號碼圖像區域的位置資訊，根據所述位置資訊，即可從所述卡片圖像中獲取包含號碼資訊的矩形圖像區域。
(2)採用邊緣檢測演算法獲取。
因為卡片圖像中包含號碼資訊的圖像區域含有豐富的邊緣，與卡片圖像中的其他區域有比較明顯的區別，因此可以採用邊緣檢測演算法，獲取包含號碼資訊的矩形圖像區域。所述邊緣是指周圍圖元灰度有階躍變化或屋頂變化的圖元點的集合，所謂邊緣檢測，則是指採用某種演算法提取出上述圖元點的集合，即：圖像中主體物件與背景之間的交界線。具體說，可以透過一階求導計算邊緣強度的方式進行邊緣檢測，也可以透過計算圖像的二階導數的零 交叉點來定位邊緣。
在本實施例的一個具體例子中，使用Prewitt運算元對圖像進行縱向邊緣一階求導，根據得到的邊緣點相對比較密集的區域的形狀、邊緣點的分佈特點得到號碼區域的大致位置，根據該區域中的邊緣點在卡片圖像中的縱向座標的最大值和最小值，選取進行橫向分割的臨界點，即：確定所述卡片圖像包含的號碼資訊的上邊界和下邊界的位置，最後依據所述位置資訊從所述卡片圖像中截取帶狀圖像區域，即得到包含號碼資訊的矩形圖像區域。
步驟103-1-3：識別所述矩形圖像區域中的號碼資訊。
從所述矩形圖像區域中識別號碼資訊，包括縱向分割、特徵值提取和根據特徵值進行字元識別這樣三個過程，下面分別進行說明。
(1)採用邊緣檢測演算法，對所述矩形圖像區域進行縱向分割。
使用運算元分別對已獲取的包含號碼資訊的矩形圖像區域進行全方位邊緣檢測，由於每兩個號碼之間有一定間隔，在該間隔中通常不會有邊緣點，根據這一特點，對透過上述全方位邊緣檢測在所述矩形圖像區域中檢測出的邊緣點，根據其座標值、以及號碼字元的投影特徵等進行計算分析，獲取包含待識別號碼的每個號碼圖像區域的縱向分割臨界點，並進行縱向圖像分割，從而獲取若干個待識別號碼圖像，所述每個待識別號碼圖像中包含一個待識別 號碼。
在本實施例的一個具體例子中，進行全方位邊緣檢測採用的運算元分別如下所示：
橫向運算元為：
Figure TWI678638B_D0001
縱向運算元為：
Figure TWI678638B_D0002
在其他實施方式中，可以採用不同於上述運算元的其他運算元進行全方位邊緣檢測，也可以採用其他方式進行號碼圖像的分割。
(2)獲取每個待識別號碼圖像的特徵值。
針對已經得到的每個待識別號碼圖像，透過二值化、去噪、整形、以及提取亮度參數等過程獲取所述待識別號碼圖像的特徵值，下面對上述過程進行說明。
提取所述待識別號碼圖像中的每個圖元點的灰度值，並對其取值進行統計分析，由於屬於背景圖像中的圖元點的灰度值通常在一定範圍內，而屬於圖像主體的號碼部分的圖元點的灰度值也在一定的範圍內，根據這一特點，選取一個合適的、能夠將兩者的取值範圍相區分的閾值，並依據該閾值對所述待識別號碼圖像進行二值化處理，形成對應的二值化矩陣，即：灰度值小於閾值的圖元在該矩陣中的值為True，灰度值大於閾值的圖元在該矩陣中的值為False。
根據獲取的二值化矩陣進行去噪處理，保留黑色(即值為True)的相關聯的圖元點集合，剔除孤立的黑色圖元 點，即：將孤立的黑色圖元點對應的值寫為白色，從而消除雜訊對影像處理的影響，該處理過程也就是通常所說的低通濾波去噪過程。然後，依據得到的黑色點集合(即：目標點集)對所述待識別號碼圖像進行截圖，截取只包含目標點集的最大圖像，並對截取的圖像進行標準化壓縮處理，使其尺寸與預先儲存的樣本號碼圖像的尺寸一致，在本實施例的一個具體例子中，預先儲存的樣本號碼圖像的尺寸為10x13圖元。
提取進行標準化壓縮處理的圖像的亮度參數集作為所述待識別號碼圖像的特徵值。所述亮度參數集中包含的參數包括：最大亮度、最小亮度、平均亮度和亮度標準方差。在本實施例的一個具體例子中，由於在步驟103-1-1中已經對所述卡片圖像進行了灰度化處理，因此在本步驟中用每個圖元點的灰度值表示其亮度，並計算上述亮度參數集中的各個參數值。在其他實施方式中，還可以選擇與上述參數不同的參數作為所述待識別號碼圖像的特徵值，例如，色相平均值、飽和度平均值等。
(3)採用KNN演算法進行字元識別。
KNN(k-NearestNeighbor)是K最近鄰分類演算法的英文縮寫，其核心思想是如果一個樣本在特徵空間中的k個最相似的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別，並具有這個類別上樣本的特性。本實施例的技術方案採用KNN演算法識別所述待識別號碼圖像中的字元。
在本實施例的一個具體例子中，採用了簡化的k=1的 最近鄰演算法，即：預先產生0-9這9個樣本號碼圖像的特徵集，其中每個樣本號碼圖像的特徵集都包含上面描述的亮度參數集中每個參數的對應取值(樣本號碼圖像的特徵值)，採用如下所示的公式計算待識別號碼圖像特徵值與每個樣本號碼圖像特徵值之間的距離集D<di>，其中，i
Figure TWI678638B_D0003
[0,9]：
Figure TWI678638B_D0004
其中，di是相對第i個樣本號碼圖像特徵值的距離，cij是第i個樣本號碼圖像的第j個特徵值的值。xj為待識別號碼圖像第j個特徵值的值。透過上述計算得到的距離集中的最小di對應的樣本號碼圖像特徵值即為待識別號碼圖像特徵值的最近鄰，則可以判定所述待識別號碼圖像包含的字元與所述樣本號碼圖像中的字元一致，從而識別出了所述待識別號碼圖像所包含的字元。
針對每個待識別號碼圖像，重複上述處理過程，就可以逐一識別出每個待識別號碼圖像中包含的號碼，將這些號碼按照在所述卡片圖像中的位置串接在一起，就得到了所述卡片圖像中的號碼資訊，即本發明所述的號碼特徵。
步驟103-2：從待驗證卡片圖像中提取圖案特徵。
本實施例技術方案所述的圖案特徵，是指卡片圖像的圖像特徵。在步驟101中從基準卡片圖像中提取圖案特徵，與本步驟從待驗證卡片圖像中提取圖案特徵，採用的是相同的方法，下面結合附圖5，透過下述步驟103-2-1 至103-2-5對圖案特徵的提取作詳細說明。
步驟103-2-1：按照預先設定的尺寸，對所述卡片圖像尺寸進行正歸化。
由於用戶端上傳的所述待驗證卡片圖像與基準卡片圖像的尺寸可能存在不一致的情況，為了提高影像處理效率和獲取正確的處理結果，在從卡片圖像中提取圖案特徵值時，可以先進行卡片圖像尺寸的正歸化，在本實施例的一個具體例子中，將所述卡片圖像的尺寸調整為170x108圖元。在具體實施時，可以調用openCV庫提供的cvResize( )函數或者其他類似函數對卡片圖像的尺寸進行調整。
為了減少後續處理的運算量，在進行上述正歸化操作前，可以對圖像進行灰度化處理，將彩色圖像轉換為灰度圖像。關於灰度處理的相關說明請參見步驟103-1-1中的說明。
步驟103-2-2：按照預先設定的位置和尺寸，從所述卡片圖像中提取預先設定數量的圖像塊。
由於本實施例的技術方案採用字典學習的方法獲取所述卡片圖像的圖案特徵，因此需要先提取一定數量的圖像塊。
為了使得採用字典學習方法得到的圖案特徵能夠正確地進行匹配，從基準卡片中提取圖案特徵與從待驗證卡片中提取圖案特徵時，可以從所述卡片圖像的相同位置、選擇相同數量的、相同尺寸的圖像塊，所述圖像塊的大小可 以為8x8、16x16等。
步驟103-2-3：對每一個圖像塊進行樣本集正歸化，使得所述圖像塊中每個圖元值都在特定範圍內。
樣本集正歸化，是為了便於後續的資料處理操作，避免樣本資料中存在的奇異樣本資料導致後續的演算法或者訓練過程無法收斂或者收斂速度過慢。具體到本步驟中，進行樣本集正歸化，就是使圖像塊中每個圖元值都在特定範圍內，例如將圖元的灰度值或者RGB分量值正歸化為0~1的範圍內。
步驟103-2-4：針對上述圖像塊，採用字典學習的方法獲取局部特徵。
在採用字典學習的方法獲取局部特徵之前，可以先進行白化處理。由於圖像塊中相鄰圖元值之間通常具有比較強的相關性，也就是說存在冗餘資訊，透過白化操作可以去除上述資料之間的相關性，減少後續字典學習過程中的資料登錄量，提高處理效率。在本實施例的一個具體例子中，採用PCA(Principal Component Analysis--主成分分析)方法進行白化處理。在具體實施時，可以調用openCV庫提供的cvCalcPCA( )函數或者其他相關函數來實現。
採用字典學習的方法獲取局部向量，首先要提取所述各個圖像塊的特徵向量，例如，可以採用SIFT演算法進行特徵向量的提取。
SIFT(Scale-Invariant feature Transform)演算法是 一種圖像特徵提取與匹配演算法，SIFT特徵在圖像發生平移、旋轉、尺度變化、光照變化情況下保持不變，並能在一定程度上對視角變化、仿射變化也具備較為穩定的特徵匹配能力。SIFT演算法的本質就是從圖像中提取關鍵點(也稱為特徵點)的過程，該過程通常包括以下4個步驟：
(1)尺度空間的極值檢測，以初步確定關鍵點位置和所在尺度。
(2)關鍵點的確定。從SIFT候選關鍵點集合中去除低對比度(即：與周圍圖元無明顯差異)的關鍵點和不穩定的邊緣點。
(3)利用關鍵點鄰域圖元的梯度方向分佈特性為每個關鍵點指定方向參數，使運算元具備旋轉不變性。
(4)產生SIFT特徵向量。根據已經獲取的關鍵點的座標、尺度和方向，產生SIFT特徵向量。
採取上述步驟就可以提取每個圖像塊的特徵向量，在具體實施過程中，也可以採用OpenCV庫提供的FeatureDetector類的detect( )方法來提取圖像塊的SIFT特徵向量。
採用SIFT演算法提取每個圖像塊的特徵向量後，利用稀疏編碼模型為上述特徵向量求取一組過完備基，即：產生一個字典，然後為各個特徵向量依據該字典進行編碼，即獲得上述特徵向量在該字典上的線性表達。此處所述的線性表達就是圖像塊基於該字典的局部特徵表達。
步驟103-2-5：根據所述局部特徵，採用平均池化技術或者最大池化技術獲取所述卡片圖像的圖像特徵，作為所述卡片的圖案特徵。
透過上面的字典學習過程，已經獲取了各個圖像塊的局部特徵，將這些局部特徵組合在一起就可以獲取表徵所述卡片圖像整體特徵的圖案特徵。
為了簡化對圖案特徵的描述，同時保持圖案特徵的某種不變性(例如旋轉、平移、伸縮等)，可以採用池化技術(pooling)進行處理。由於圖像具有一種“靜態性”的屬性，某個圖像塊的某個特徵極有可能在另一個圖像塊中同樣適用，因此為了簡化對圖像特徵的描述，一個很自然的想法就是對不同位置的特徵進行聚合統計，具體說，將小鄰域內的特徵透過計算平均值或者最大值整合得到新的特徵。上述處理通常稱為池化，根據聚合統計演算法的不同，可以分為平均池化技術和最大池化技術。在已獲取的各個圖像塊的局部特徵的基礎上，採用上述池化技術進行處理，即可獲取卡片的圖案特徵。
需要說明的是，在獲取基準卡片的圖案特徵時，可以將產生的字典儲存在字典檔中，在提取待識別卡片的圖案特徵時，則可以不再產生新的字典，而是直接利用從所述字典檔中讀取的字典，按照上述過程獲取待識別卡片的圖案特徵。
本步驟103-2的上述文字，描述了透過字典學習的方法獲取卡片圖案特徵的處理流程，本實施例技術方案還提 供另外一種獲取卡片圖案特徵的方法，即：採用SIFT演算法提取卡片圖像的特徵點(也稱關鍵點)及對應的特徵向量，作為所述卡片圖像的圖案特徵。關於採用SIFT演算法提取特徵向量的說明，請參見步驟103-2-4中的描述。
步驟103-3：從待驗證卡片圖像中提取材質特徵。
本發明所述的材質特徵，是指與卡片材質相關的資料，透過對基準卡片和待識別卡片的上述材質特徵資料的分析比對，可以反映兩張卡片的材質是否相符。步驟101中從基準卡片圖像中提取材質特徵，與本步驟從待驗證卡片圖像中提取材質特徵，採用的是相同的方法，下面結合附圖6，透過下述步驟103-3-1至103-3-2對材質特徵的提取作詳細說明。
步驟103-3-1：按照預先設定的位置和尺寸，從所述卡片圖像中截取一個圖像區域，作為材質提取區域。
本步驟按照預先設定的位置和尺寸，從所述卡片圖像中截取一個圖像區域，步驟103-3-2從該區域的圖像中提取與卡片材質相關的資料。例如，卡片的尺寸為w×h圖元，本步驟按照預先設定的位置和尺寸，從卡片圖像右上角截取一塊大小為(1/20)w×(1/10)h圖元的圖像區域，作為所述材質提取區域。
步驟103-3-2：提取所述材質提取區域中每一圖元點的色調H、飽和度S和亮度I分量的值，作為所述與卡片材質相關的資料。
所述色調H、飽和度S和亮度I，是HSI色彩空間模型用於描述顏色特性的三個參數，這三個參數與物體材質存在如下的關係：不同表面結構、照射光源及視覺生理特性，影響著物體的色調、亮度、飽和度這三個基本特性，在不同亮度的自然光下，同一材質物體的表面圖元點分佈在近似相同的色彩空間曲面上；而不同表面材質的物體，其表面圖元點分佈在不同的色彩空間曲面上。本實施例的技術方案就是基於上述原理，從所述材質提取區域的圖像中提取每個圖元點的色調H、飽和度S和亮度I分量的值，作為所述與卡片材質相關的資料。
卡片圖像中的每個圖元點通常是採用RGB三個分量(即：RGB色彩空間)進行描述的，而HSI色彩空間與RGB色彩空間存在一定的對應關係，可以相互進行轉換。因此在具體實施時，可以根據上述兩個空間中各個分量的對應關係，根據所述材質提取區域中的每個圖元點的RGB分量值，轉換得到對應的HSI分量值，也可以採用matlab提供的rgb2hsv( )介面獲取H、S、I分量的值，從而得到與卡片材質相關的資料，即本發明所述的材質特徵。
步驟103-4：從待驗證卡片圖像中提取局部圖形特徵。
本發明所述的局部圖形特徵，是指卡片上的位元於特定區域中的圖像，針對不同的特定區域，所述局部圖形特徵包括：文字特徵、徽標特徵、簽名特徵，其中，文字特徵是指卡片名稱所在區域的圖像(例如，銀行卡上的銀行 名稱所在區域圖像)，徽標特徵是指logo圖像，簽名特徵則是指簽名區域的圖像(例如，銀行卡背面的簽名區域的圖像)。在具體的實施中，可以根據需要從卡片圖像中提取上述一種或者一種以上局部圖形特徵。
步驟101從基準卡片圖像中提取局部圖形特徵，與本步驟從待驗證卡片圖像中提取局部圖形特徵，採用的是相同的方法，下面結合附圖7，透過步驟103-4-1至103-4-2對局部圖形特徵的提取作詳細說明。
步驟103-4-1：獲取預存的對應所述卡片圖像的卡片範本。
本步驟的處理過程與步驟103-1-2中描述的獲取卡片範本的方式基本相同，因此不再贅述，請參見步驟103-1-2中的相關說明。
步驟103-4-2：根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中與所述局部圖形特徵對應的圖像區域中的圖像。
例如，要獲取簽名特徵，則從所述卡片範本記錄的區域位置資訊中，讀取簽名區域的位置資訊，並根據該位置資訊，從所述卡片圖像中截圖，從而獲取簽名區域的圖像，該圖像即為本實施例技術方案所述的局部圖形特徵中的簽名特徵。
至此，透過上述步驟103-1至103-4，分別對號碼特徵、圖案特徵、材質特徵以及局部圖形特徵的提取作了詳細的說明。需要說明的是，之所以採用4個步驟分別描述 4種卡片特徵的提取過程，是為了能夠比較清晰地描述這部分內容。而實際上上述4個步驟的序號並不代表對上述特徵進行提取的先後順序，在具體實施中，可以採取不同順序進行上述特徵的提取，也可以僅提取上述4種特徵中的某幾種，當然也可以提取沒有在本實施例中列舉出的其它可以表徵卡片特徵的資料，這些實施方式的變更，都不偏離本發明的核心，都在本發明的保護範圍之內。
步驟104：判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符；若是，則判定所述用戶端通過所述身份驗證。
由於在步驟103中可以提取多種待驗證卡片特徵，因此在本步驟中，需要針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符；當上述判斷結果都為“是”時，則判定所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵相符，同時判定所述用戶端通過當前的身份驗證。
與步驟103中的描述相對應，在下文中結合附圖8，透過步驟104-1至104-4分別針對各種卡片特徵，說明如何判斷待驗證卡片與基準卡片的相應特徵是否相符。
步驟104-1：判斷號碼特徵是否相符。
根據待驗證用戶端的帳戶資訊，從資料庫或者其它儲存系統中提取已存的基準卡片的號碼特徵，如果該資料是加密後的資料，則採用與加密演算法對應的解密演算法進行解密。上述提取已存卡片特徵以及對解密的處理過程， 對於後續的步驟104-2至104-4來說也都是類似的，因此在後續步驟中不再重複描述這部分內容，而是重點說明如何判斷卡片特徵是否相符。
將基準卡片的號碼特徵與步驟103-1從待驗證卡片圖像中提取的號碼特徵進行比對，由於號碼特徵就是一串號碼，因此可以採用字串比對的方式，如果比對結果為相同，則判定所述待驗證卡片的號碼特徵與所述基準卡片的號碼特徵相符。
步驟104-2：判斷圖案特徵是否相符。
如果在前面的步驟中採用字典學習的方法產生的基準卡片和待驗證卡片的圖案特徵，則可以在本步驟中透過以下兩個步驟進行判斷：
(1)計算基準卡片圖案特徵與待驗證卡片圖案特徵之間的歐式距離，所述歐式距離通常可以表徵上述兩種特徵對應的圖案圖像的相似度。在具體實施時，可以採用matlab提供的pdist( )介面函數計算上述兩種特徵之間的歐式距離。
(2)判斷所述歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵對應相同的卡片。
如果在前面的步驟中採用SIFT演算法提取的基準卡片和待驗證卡片的圖案特徵，則可以在本步驟中透過以下兩個步驟進行判斷：
(1)針對所述待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與所述基準卡片圖案特徵中的每個特 徵點對應的特徵向量之間的歐式距離，並選擇最近歐式距離和次近歐式距離對應的兩個特徵點，如果所述最近歐式距離與所述次近歐式距離的比值小於預先設定的閾值，則認為待驗證卡片圖案特徵的當前特徵點與基準卡片圖案特徵中的所述最近歐式距離對應的特徵點匹配成功，累加匹配成功的特徵點的數目。
(2)完成上述特徵點匹配操作後，判斷所述匹配成功的特徵點的總數是否滿足預先設定的閾值；若是，則判定所述待驗證卡片的圖案特徵與所述基準卡片的圖案特徵相符。
步驟104-3：判斷材質特徵是否相符。
由於在不同亮度的自然光下，同一材質物體的表面圖元點分佈在近似相同的色彩空間曲面上；而不同表面材質的物體，其表面圖元點分佈在不同的色彩空間曲面上，基於上述基本原理，本實施例的技術方案透過以下步驟104-3-1至104-3-4判斷所述基準卡片與待驗證卡片的材質特徵是否相符，下面結合附圖9進行詳細說明。
步驟104-3-1：產生離散樣本曲面。
根據所述基準卡片材質特徵中各個圖元點的色調H、飽和度S和亮度I分量的值，以預先設定的特定分量作為縱向座標、以其他兩個分量作為平面座標，產生離散樣本曲面。
考慮到同一材質、同一色度的物體在飽和度達到上限的情況下，其飽和度不再隨亮度值的降低而增加，因此如 果以亮度作為離散樣本曲面的縱向座標，誤差可能會比較大，比較優選的實施方式是，以色調和亮度這兩個分量作為離散樣本曲面的平面座標，以飽和度分量作為縱向座標，獲得到比較準確的計算結果，在下面步驟的描述中都以飽和度S分量作為縱向座標進行說明。
步驟104-3-2：對所述離散樣本曲面進行平滑處理，獲取局部連續曲面。
在具體實施中，可以採用訓練神經網路的方式獲取所述局部連續曲面，具體說，以基準卡片材質特徵中每個圖元點的H分量和I分量的值作為神經網路輸入端的訓練資料，以S分量的值作為輸出端訓練資料，來訓練神經網路，則可以得到所述局部連續網路。
上述採用神經網路進行訓練的方式，通常訓練時間較長，而且精度難以得到保證，因此也可以採用另外一種實施方式：利用數學形態學中結構元素的概念，將離散的樣本曲面變換成局部連續的樣本曲面，即：對所述離散樣本曲面中的空缺圖元點周圍的圖元點分佈情況進行分析，當所述周圍圖元點的分佈滿足一定要求時，則可以將所述周圍圖元點的圖元值的平均值，作為所述空缺圖元點的圖元值，透過上述填補空缺點的處理過程，同樣可以獲取局部連續曲面。
步驟104-3-3：獲取符合基準卡片材質特徵的圖元點數目。
對待驗證卡片材質特徵中的每個圖元點，計算該圖元 點的S分量值與所述局部連續曲面之間的最近距離d，並用1與所述最近距離d的差值作為該圖元點的相似度係數，判斷所述相似度係數是否滿足預先設定的要求，若是則判定該圖元點符合基準卡片材質特徵，並累加所述符合基準卡片材質特徵的圖元點的數目。
在本實施例的一個具體例子中，預先設定的要求是相似度係數大於0.9，也就是說當待驗證卡片材質特徵中某個圖元點的相似度係數大於0.9時，則認為該圖元點符合基準卡片材質特徵。
步驟104-3-4：判斷兩種材質特徵是否相符。
判斷上述獲取的符合基準卡片材質特徵的圖元點的總數是否大於預先設定的材質判定閾值，若是，則判定所述待驗證卡片材質特徵與所述基準卡片材質特徵相符。
步驟104-4：判斷局部圖形特徵是否相符。
判斷基準卡片與待驗證卡片的局部圖形特徵是否相符，可以採用圖形比對的方式，即比對每個圖元點的圖元值是否相同，並根據比對結果進行判斷。
具體說，首先調整所述待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同；然後針對所述待驗證卡片的所述圖像區域中的每一個圖元點，比較其圖元值與所述基準卡片相應圖像中的相應圖元點的圖元值是否相同(對於彩色圖像，提取RGB分量分別進行比對，對於灰度圖像，則直接提取灰度值進行比對即可)，如果比對結果相同，則說明當前比對的兩個圖元 點相同，累加相同圖元點的數目；最後，判斷所述相同圖元點的總數是否滿足預先設定的要求；若是，判定所述待驗證卡片的所述局部圖形特徵與所述基準卡片的所述局部圖形特徵相符。
如果上述步驟104-1至104-4的判斷結果都為“是”，則判定所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵相符，所述用戶端通過當前的身份驗證，否則判定所述用戶端未通過當前的身份驗證，並將上述身份驗證結果返回給所述用戶端。在具體實施中，為了提高效率，只要上述判斷步驟中有一個的結果為“否”，即：只要待驗證卡片有一種卡片特徵與基準卡片的相應特徵不相符，就可以直接判定所述用戶端未通過當前的身份驗證。
在上述的實施例中，提供了一種利用卡片特徵進行身份驗證的方法，與之相對應的，本發明還提供一種利用卡片特徵進行身份驗證的裝置。請參看圖10，其為本發明的一種利用卡片特徵進行身份驗證的裝置實施例示意圖。由於裝置實施例基本相似於方法實施例，所以描述得比較簡單，相關之處參見方法實施例的部分說明即可。下述描述的裝置實施例僅僅是示意性的。
本實施例的一種利用卡片特徵進行身份驗證的裝置，包括：基準卡片特徵產生單元1001，用於產生並儲存對應特定帳戶的基準卡片特徵；身份驗證請求接收單元1002，用於接收待驗證用戶端發送的對應特定帳戶的身份 驗證請求，所述身份驗證請求中包含待驗證卡片圖像；待驗證卡片特徵提取單元1003，用於從所述待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵；身份驗證判斷單元1004，用於判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符；若是，則判定所述用戶端通過所述身份驗證。
可選的，所述基準卡片特徵產生單元包括：基準卡片圖像接收子單元，用於接收用戶端發送的對應所述特定帳戶的基準卡片圖像；基準卡片特徵提取子單元，用於從所述基準卡片圖像中提取卡片特徵，作為所述基準卡片特徵；基準卡片特徵儲存子單元，用於儲存已提取的對應所述特定帳戶的基準卡片特徵。
可選的，所述基準卡片特徵產生單元還包括：加密子單元，用於採用加密演算法對已提取的基準卡片特徵加密；相應的，所述基準卡片特徵儲存子單元具體用於，儲存加密後的基準卡片特徵；相應的，所述身份驗證判斷單元包括：解密子單元，用於採用與所述加密演算法對應的解密演算法，對所述特定帳戶已存的基準卡片特徵進行解密；特徵相符判斷子單元，用於判斷所述待驗證卡片特徵與所述解密後的基準卡片特徵是否相符；透過判斷子單元，用於當所述特徵相符判斷子單元的 輸出為“是”時，判定所述用戶端通過所述身份驗證。
可選的，所述身份驗證判斷單元包括：特徵判斷子單元，用於針對每一種待驗證卡片特徵，判斷該特徵與所述特定帳戶已存的相應基準卡片特徵是否相符；身份驗證子單元，用於當所述特徵判斷子單元輸出的判斷結果都為“是”時，則判定所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵相符，所述用戶端通過所述身份驗證。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：號碼特徵提取子單元，用於從對應的卡片圖像中提取號碼資訊，所述號碼資訊即為對應卡片的號碼特徵；所述號碼特徵提取子單元包括：灰度處理子單元，用於將所述卡片圖像轉換為灰度圖像；號碼區域獲取子單元，用於獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；號碼識別子單元，用於識別所述矩形圖像區域中的號碼資訊；相應的，所述特徵判斷子單元包括：號碼特徵判斷子單元，用於比較所述待驗證卡片圖像包含的號碼資訊與所述基準卡片圖像包含的號碼資訊是否一致；若是，判定所述待驗證卡片的號碼特徵與所述基準 卡片的號碼特徵相符。
可選的，所述號碼區域獲取子單元具體用於，獲取預存的對應所述卡片圖像的卡片範本，根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域；或者，所述號碼區域獲取子單元具體用於，採用邊緣檢測演算法，對所述卡片圖像進行橫向分割，獲取所述卡片圖像中包含號碼資訊的矩形圖像區域。
可選的，所述號碼識別子單元包括：號碼圖像縱向分割子單元，用於採用邊緣檢測演算法，對所述矩形圖像區域進行縱向分割，獲取若干個待識別號碼圖像，所述每個待識別號碼圖像中包含一個待識別號碼；特徵值獲取子單元，用於獲取每個待識別號碼圖像的特徵值；號碼識別執行子單元，用於針對每個待識別號碼圖像，採用KNN演算法計算所述待識別號碼圖像特徵值與預先儲存的每個樣本號碼圖像的特徵值之間的距離，並根據計算結果選擇與所述待識別號碼圖像對應的樣本號碼，所述樣本號碼即為所述待識別號碼圖像中包含的號碼。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：第一圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵； 所述第一圖案特徵提取子單元包括：圖像尺寸正歸化子單元，用於按照預先設定的尺寸，對所述卡片圖像尺寸進行正歸化；圖像塊提取子單元，用於按照預先設定的位置和尺寸，從所述卡片圖像中提取預先設定數量的圖像塊；樣本集正歸化子單元，用於對每一個圖像塊進行樣本集正歸化，使得所述圖像塊中每個圖元值都在特定範圍內；局部特徵獲取子單元，用於針對上述圖像塊，採用字典學習的方法獲取局部特徵；圖案特徵獲取子單元，用於根據所述局部特徵，採用平均池化技術或者最大池化技術獲取所述卡片圖像的圖像特徵，作為所述卡片的圖案特徵。
相應的，所述特徵判斷子單元包括：第一圖案特徵判斷子單元，用於計算所述待驗證卡片的圖案特徵與所述特定帳戶已存的基準卡片的圖案特徵之間的歐式距離，所述歐式距離用於表徵上述兩種特徵對應的圖案圖像的相似度；判斷所述歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：第二圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵；所述第二圖案特徵提取子單元具體用於，採用SIFT 演算法提取所述卡片圖像的特徵點及對應的特徵向量，作為所述卡片圖像的圖案特徵；相應的，所述特徵判斷子單元包括：第二圖案特徵判斷子單元，用於針對所述待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與所述基準卡片圖案特徵中的每個特徵點對應的特徵向量之間的歐式距離，並根據計算結果累加匹配成功的特徵點數目，判斷所述匹配成功的特徵點總數是否滿足預先設定的閾值，若是，則判定所述待驗證卡片的圖案特徵與所述基準卡片的圖案特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：材質特徵提取子單元，用於從對應的卡片圖像中提取與卡片材質相關的資料；所述材質特徵提取子單元包括：材質區域截取子單元，用於按照預先設定的位置和尺寸，從所述卡片圖像中截取一個圖像區域，作為材質提取區域；材質數據獲取子單元，用於提取所述材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值，作為所述與卡片材質相關的資料；相應的，所述特徵判斷子單元包括：材質特徵判斷子單元，用於根據所述基準卡片材質特徵和待驗證卡片材質特徵中的各個圖元點的色調H、飽和 度S和亮度I分量的值，判斷所述待驗證卡片材質特徵中的各個圖元點是否符合基準卡片材質特徵，並累加符合的圖元點數目，並判斷所述圖元點總數是否大於預先設定的材質判定閾值，若是，則判定所述待驗證卡片材質特徵與所述基準卡片材質特徵相符。
可選的，所述基準卡片特徵提取子單元和所述待驗證卡片特徵提取單元分別包括：局部圖形特徵提取子單元，用於從對應的卡片圖像中提取所述局部圖形特徵；所述局部圖形特徵提取子單元包括：卡片範本獲取子單元，用於獲取預存的對應所述卡片圖像的卡片範本；局部圖形圖像獲取子單元，用於根據所述卡片範本記錄的區域位置資訊，獲取所述卡片圖像中與所述局部圖形特徵對應的圖像區域中的圖像；相應的，所述特徵判斷子單元包括：局部圖形特徵判斷子單元，用於調整所述待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同，比較所述待驗證卡片與所述基準卡片相應圖像區域中的相應圖元點的圖元值是否相同，並累加相同圖元點的數目，判斷所述相同圖元點的總數是否滿足預先設定的要求，若是，判定所述待驗證卡片的所述局部圖形特徵與所述基準卡片的所述局部圖形特徵相符。
與上述的一種利用卡片特徵進行身份驗證的方法相對 應的，本發明還提供一種用戶端身份驗證方法。請參考圖11，其為本發明提供的一種用戶端身份驗證方法的實施例的流程圖，本實施例與第一實施例步驟相同的部分不再贅述，下面重點描述不同之處。本發明提供的一種用戶端身份驗證方法包括：
步驟1101：獲取作為身份驗證比對基準的基準卡片圖像。
根據卡片特徵進行身份驗證的用戶端，首先要向服務端提供作為身份驗證比對基準的基準卡片圖像，這個過程通常也稱為註冊，本步驟的主要目的就是在用戶端獲取用於註冊的基準卡片圖像。
在具體實施中，對於具有攝像頭的個人電腦、智慧手機等終端設備，可以採用拍攝卡片的方式獲取基準卡片圖像。對於不同的終端設備及應用場景，可以採用不同的方式獲取基準卡片圖像。例如，對於具有攝像頭的個人電腦網頁，可以採用CAB包方式(例如使用ImageCapOnWeb.cab)，透過本地ActiveX調用獲取基準卡片圖像；對於智慧手機等終端設備，則可以調用SDK工具箱或者系統提供的介面獲取基準卡片圖像，例如在Android手機設備上，可以調用系統提供的Camera API中的相關介面實現上述功能。
因為卡片的正面通常包含了卡片的主要圖像或者資訊，例如銀行卡的正面包含銀行卡號、銀行名稱、logo等，因此可以只獲取卡片的正面圖像。考慮到卡面反面通 常也可能包含一些表徵卡片特徵的圖像或者資訊，例如，銀行卡背面的用戶簽名等，因此也可以只獲取卡片的反面圖像。為了使服務端能夠提取基準卡片的更為豐富的卡片特徵，為後續基於卡片特徵的身份驗證提供更為完善的資料，從而使得身份驗證過程更為安全有效，在本步驟中還可以採用正方兩方面均拍攝一次的方式，獲取基準卡片圖像的正面圖像和反面圖像。
步驟1102：向服務端發送對應特定帳戶的所述基準卡片圖像；所述服務端根據所述基準卡片圖像對所述特定帳戶用戶端的身份驗證請求進行驗證。
將在步驟1101中獲取的基準卡片圖像發送給負責進行身份驗證的服務端，因為所述基準卡片圖像是與特定帳戶相關聯的，因此在本步驟通常也將用戶端當前使用的帳戶資訊一併發送給所述服務端。所述服務端接收上述資訊後，通常將基準卡片圖像與對應的帳戶資訊進行加密並儲存，為後續的所述特定帳戶用戶端的身份驗證做好準備。
步驟1103：獲取用於進行身份驗證的待驗證卡片圖像。
獲取待驗證卡片圖像，與獲取基準卡片圖像的步驟是類似的，請參見步驟1101中的相關說明。本步驟與步驟1101類似，也可以獲取所述待驗證卡片的正面圖像和/或反面圖像。
步驟1104：向服務端發送特定帳戶的用戶端身份驗證請求，所述請求中包含所述服務端驗證用戶端身份所需 的所述待驗證卡片圖像。
當用戶端要執行一些比較重要的操作之前，可以根據所持有的實體卡片的卡片特徵進行身份驗證，因此在本步驟中向服務端發送對應特定帳戶的用戶端身份驗證請求，所述請求中包含了在步驟1103中獲取的待驗證卡片圖像。所述請求中還可以攜帶用戶端當前的帳戶資訊，所述服務端可以依據該帳戶資訊提取對應的基準卡片特徵，並完成身份驗證處理。
步驟1105：接收所述服務端返回的所述用戶端是否通過身份驗證的應答。
接收所述服務端返回的關於身份驗證是否通過的應答，如果通過，則可以授權用戶端繼續執行後續的重要操作，或者提示用戶端用戶進行進一步的身份驗證，例如要求用戶端提供與卡片對應的密碼等資訊；如果未通過，說明當前用戶端用戶可能未持有與所述特定帳戶對應的有效實體卡片，因此可以禁止用戶端用戶繼續執行後續的重要操作，例如，禁止用戶端用戶執行線上支付操作，從而避免可能出現的盜刷卡情況。
在上述的實施例中，提供了一種用戶端身份驗證方法，與之相對應的，本發明還提供一種用戶端身份驗證裝置。請參看圖12，其為本發明的一種用戶端身份驗證裝置的實施例示意圖。由於裝置實施例基本相似於方法實施例，所以描述得比較簡單，相關之處參見方法實施例的部分說明即可。下述描述的裝置實施例僅僅是示意性的。
本實施例的一種用戶端身份驗證裝置，包括：基準卡片圖像獲取單元1201，用於獲取作為身份驗證比對基準的基準卡片圖像；基準卡片圖像發送單元1202，用於向所述服務端發送所述特定帳戶的基準卡片圖像，所述服務端根據所述基準卡片圖像對所述特定帳戶用戶端的身份驗證請求進行驗證；待驗證卡片圖像獲取單元1203，用於獲取用於進行身份驗證的待驗證卡片圖像；身份驗證請求發送單元1204，用於向服務端發送特定帳戶的用戶端身份驗證請求，所述請求中包含所述服務端驗證用戶端身份所需的所述待驗證卡片圖像；身份驗證應答接收單元1205，用於接收所述服務端返回的所述用戶端是否通過身份驗證的應答。
可選的，所述基準卡片圖像獲取單元具體用於，獲取所述卡片的正面圖像和/或反面圖像； 相應的，所述待驗證卡片圖像獲取單元具體用於，採用與所述基準卡片圖像獲取單元相同的方式獲取所述卡片的正面圖像和/或反面圖像。
本發明實施例還提供了一種利用卡片特徵進行身份驗證的系統，如圖13所示，該系統包括上述實施例所述的利用卡片特徵進行身份驗證的裝置1301，用戶端身份驗證裝置1302。
所述用戶端身份驗證裝置可以部署於移動通訊設備、個人電腦、PAD、iPad等多種具有攝像頭或者具備拍攝功能的終端設備；所述利用卡片特徵進行身份驗證的裝置 通常部署於伺服器，但並不局限於伺服器，也可以是能夠實現本發明的利用卡片特徵進行身份驗證的方法的任何設備。下面以所述用戶端身份驗證裝置部署在智慧手機用戶端、所述利用卡片特徵進行身份驗證的裝置部署於伺服器、並且智慧手機用戶端採用銀行卡進行線上支付為例，說明本系統的處理流程。
智慧手機用戶端在註冊階段，利用攝像頭獲取銀行卡的正、反兩面的圖像，作為基準卡片圖像，並將該圖像發送給伺服器，伺服器從接收到的基準卡片圖像中提取號碼特徵、圖案特徵、材質特徵以及簽名特徵，並將加密後的上述特徵資料以及對應的用戶端帳戶資訊儲存在銀行卡資料庫中，至此完成了基準卡片特徵的註冊過程。此後，當所述智慧手機用戶端需要執行線上支付操作時，首先利用攝像頭拍攝線上支付所用銀行卡的正、反兩面的圖像，並上傳給伺服器，伺服器從接收到的待驗證卡片圖像中提取號碼特徵、圖案特徵、材質特徵以及簽名特徵，並從銀行卡資料庫中取出與待驗證用戶端帳戶對應的上述四種基準卡片特徵，並按照特定的演算法將待驗證卡片特徵與基準卡片特徵中的每種對應的卡片特徵進行比對，判斷是否相符，如果上述4種卡片特徵的比對結果都為相符，則判定所述智慧手機用戶端通過身份驗證，並將該結果返回給所述智能手機用戶端。所述智慧手機用戶端根據接收到的身份驗證結果執行後續的操作，如果通過身份驗證，則繼續執行後續的與線上支付有關的操作，如果未通過身份驗 證，則禁止用戶端執行後續的與線上支付有關的操作。
上面描述的僅僅是有助於理解本系統處理流程的一個具體例子。在具體的實施過程中，可以根據實際需要進行相應的變更。例如，進行身份驗證的卡片並不限於銀行卡，可以是其他可用於身份驗證的卡片；用戶端上傳給服務端的可以是正反兩面的兩幅卡片圖像，也可以是正面或者反面的一幅卡片圖像；根據用戶端上傳的卡片圖像，服務端可以根據自己的策略從中提取某一種或者多種卡片特徵。還有其他實施方式的變更，不在此處一一列舉，只要能夠實現本發明提供的利用卡片特徵進行身份驗證的系統的整體功能，都在本發明的保護範圍之內。
本發明提供的利用卡片特徵進行身份驗證的技術方案，用戶端向服務端發送身份驗證請求，所述請求中攜帶對應特定帳戶的待驗證卡片圖像，服務端接收該請求後，從所述請求包含的待驗證卡片圖像中提取待驗證卡片特徵，判斷所述待驗證卡片特徵與所述特定帳戶已存的基準卡片特徵是否相符，從而判定所述用戶端是否通過身份驗證。採用上述方法，透過對實體卡片的圖像特徵的識別和比對，提供對持卡人進行身份驗證的一種有效方法，保障持卡人的合法利益，特別是應用於使用銀行卡進行線上支付的場景，可以避免因為銀行卡資訊洩露導致的盜刷卡情況的發生，提高線上支付的安全性。
本發明雖然以較佳實施例揭示如上，但其並不是用來限定本發明，任何本領域技術人員在不脫離本發明的精神 和範圍內，都可以做出可能的變動和修改，因此本發明的保護範圍應當以本發明申請專利範圍所界定的範圍為准。
在一個典型的配置中，計算設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。
記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體(RAM)和/或非易失性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的示例。
1、電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備訪問的資訊。按照本文中的界定，電腦可讀媒體不包括非暫態電腦可讀媒體(transitory media)，如調製的資料信號和載波。
2、本領域技術人員應明白，本發明的實施例可提供為方法、系統或電腦程式產品。因此，本發明可採用完全 硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。

Claims (29)

  1. 一種利用卡片特徵進行身份驗證的方法，其特徵在於，該方法包括：接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，該身份驗證請求中包含待驗證卡片圖像；從該待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵，該卡片特徵包括材質特徵，該材質特徵從對應的卡片圖像中提取與卡片材質相關的資料獲得；且該與卡片材質相關的資料為提取材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值；且該材質提取區域為按照預先設定的位置和尺寸，從該卡片圖像中截取一個圖像區域；判斷該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵是否相符；若是，則判定該用戶端通過該身份驗證；相應的，針對每一種該待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵的該材質特徵是否相符包括：根據該基準卡片材質特徵中各個圖元點的色調H、飽和度S和亮度I分量的值，以預先設定的特定分量作為縱向座標、以其他兩個分量作為平面座標，產生離散樣本曲面；對該離散樣本曲面進行平滑處理，獲取局部連續曲面；對待驗證卡片材質特徵中的每個圖元點，計算該圖元點的該特定分量值與該局部連續曲面之間的最近距離，判斷該最近距離是否滿足預先設定的要求，若是則判定該圖元點符合基準卡片材質特徵，並累加該符合基準卡片材質特徵的圖元點的數目；以及判斷該符合基準卡片材質特徵的圖元點的總數是否大於預先設定的材質判定閾值，若是，則判定該待驗證卡片材質特徵與該基準卡片材質特徵相符。
  2. 根據申請專利範圍第1項所述的利用卡片特徵進行身份驗證的方法，其中，該特定帳戶已存的基準卡片特徵採用如下步驟產生：接收用戶端發送的對應該特定帳戶的基準卡片圖像；從該基準卡片圖像中提取卡片特徵，作為該基準卡片特徵；以及儲存已提取的對應該特定帳戶的基準卡片特徵。
  3. 根據申請專利範圍第2項所述的利用卡片特徵進行身份驗證的方法，其中，該方法還包括：採用加密演算法對已提取的基準卡片特徵加密；相應的，該儲存已提取的對應該特定帳戶的基準卡片特徵是指，儲存加密後的基準卡片特徵；相應的，該判斷該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵是否相符包括：採用與該加密演算法對應的解密演算法，對該特定帳戶已存的基準卡片特徵進行解密；判斷該待驗證卡片特徵與該解密後的基準卡片特徵是否相符。
  4. 根據申請專利範圍第2項所述的利用卡片特徵進行身份驗證的方法，其中，該卡片特徵還包括以下特徵中的至少一種：號碼特徵、圖案特徵、局部圖形特徵；該局部圖形特徵包括以下特徵中的至少一種：文字特徵、徽標特徵、簽名特徵；相應的，該判斷該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵是否相符是指，針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符；當上述判斷結果都為“是”時，則判定該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵相符。
  5. 根據申請專利範圍第4項所述的利用卡片特徵進行身份驗證的方法，其中，該卡片特徵包括號碼特徵時，該提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取號碼資訊，該號碼資訊即為對應卡片的號碼特徵；該從對應的卡片圖像中提取號碼資訊，包括：將該卡片圖像轉換為灰度圖像；獲取該卡片圖像中包含號碼資訊的矩形圖像區域；識別該矩形圖像區域中的號碼資訊；相應的，該針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符包括：比較該待驗證卡片圖像包含的號碼資訊與該基準卡片圖像包含的號碼資訊是否一致，若是，判定該待驗證卡片的號碼特徵與該基準卡片的號碼特徵相符。
  6. 根據申請專利範圍第5項所述的利用卡片特徵進行身份驗證的方法，其中，採用如下兩種方式中的一種，獲取該卡片圖像中包含號碼資訊的矩形圖像區域：獲取預存的對應該卡片圖像的卡片範本；根據該卡片範本記錄的區域位置資訊，獲取該卡片圖像中包含號碼資訊的矩形圖像區域；或者，採用邊緣檢測演算法，對該卡片圖像進行橫向分割，獲取該卡片圖像中包含號碼資訊的矩形圖像區域。
  7. 根據申請專利範圍第5項所述的利用卡片特徵進行身份驗證的方法，其中，該識別該矩形圖像區域中的號碼資訊包括：採用邊緣檢測演算法，對該矩形圖像區域進行縱向分割，獲取若干個待識別號碼圖像，該每個待識別號碼圖像中包含一個待識別號碼；獲取每個待識別號碼圖像的特徵值；以及針對每個待識別號碼圖像，採用KNN演算法計算該待識別號碼圖像特徵值與預先儲存的每個樣本號碼圖像的特徵值之間的距離，並根據計算結果選擇與該待識別號碼圖像對應的樣本號碼，該樣本號碼即為該待識別號碼圖像中包含的號碼。
  8. 根據申請專利範圍第4項所述的利用卡片特徵進行身份驗證的方法，其中，該卡片特徵包括圖案特徵時，該提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取圖案特徵；該從對應的卡片圖像中提取圖案特徵，包括：按照預先設定的尺寸，對該卡片圖像尺寸進行正歸化；按照預先設定的位置和尺寸，從該卡片圖像中提取預先設定數量的圖像塊；對每一個圖像塊進行樣本集正歸化，使得該圖像塊中每個圖元值都在特定範圍內；針對上述圖像塊，採用字典學習的方法獲取局部特徵；根據該局部特徵，採用平均池化技術或者最大池化技術獲取該卡片圖像的圖像特徵，作為該卡片的圖案特徵；相應的，該針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符包括：計算該待驗證卡片的圖案特徵與該特定帳戶已存的基準卡片的圖案特徵之間的歐式距離，該歐式距離用於表徵上述兩種特徵對應的圖案圖像的相似度；以及判斷該歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵相符。
  9. 根據申請專利範圍第8項所述的利用卡片特徵進行身份驗證的方法，其中，在對該卡片圖像尺寸進行正歸化之前，執行下述步驟：將待提取圖案特徵的卡片圖像轉換為灰度圖像。
  10. 根據申請專利範圍第8項所述的利用卡片特徵進行身份驗證的方法，其中，在該採用字典學習的方法獲取局部特徵之前，執行下述操作：對執行了樣本集正歸化後的圖像塊進行白化處理去除相關性。
  11. 根據申請專利範圍第4項所述的利用卡片特徵進行身份驗證的方法，其中，該卡片特徵包括圖案特徵時，該提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取圖案特徵；該從對應的卡片圖像中提取圖案特徵是指，採用SIFT演算法提取該卡片圖像的特徵點及對應的特徵向量，作為該卡片圖像的圖案特徵；相應的，該針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符包括：針對該待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與該基準卡片圖案特徵中的每個特徵點對應的特徵向量之間的歐式距離，並根據計算結果判斷該特徵點是否匹配成功，若匹配成功，則累加匹配成功的特徵點的數目；以及判斷該匹配成功的特徵點的總數是否滿足預先設定的閾值，若是，則判定該待驗證卡片的圖案特徵與該基準卡片的圖案特徵相符。
  12. 根據申請專利範圍第1項所述的利用卡片特徵進行身份驗證的方法，其中，該預先設定的特定分量是指，飽和度S分量。
  13. 根據申請專利範圍第4項所述的利用卡片特徵進行身份驗證的方法，其中，該卡片特徵包括一種或者一種以上局部圖形特徵時，針對每一種局部圖形特徵，該提取基準卡片特徵和提取待驗證卡片特徵的步驟中分別包括：從對應的卡片圖像中提取該局部圖形特徵的步驟；該從對應的卡片圖像中提取該局部圖形特徵，包括：獲取預存的對應該卡片圖像的卡片範本；根據該卡片範本記錄的區域位置資訊，獲取該卡片圖像中與該局部圖形特徵對應的圖像區域中的圖像；相應的，該針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否對應相同的卡片包括：調整該待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同；針對該待驗證卡片調整尺寸後的圖像區域中的每一個圖元點，比較其圖元值與該基準卡片相應圖像區域中的相應圖元點的圖元值是否相同；若相同，累加相同圖元點的數目；以及判斷該相同圖元點的總數是否滿足預先設定的要求；若是，判定該待驗證卡片的該局部圖形特徵與該基準卡片的該局部圖形特徵相符。
  14. 一種利用卡片特徵進行身份驗證的裝置，其特徵在於，該裝置包括：身份驗證請求接收單元，用於接收待驗證用戶端發送的對應特定帳戶的身份驗證請求，該身份驗證請求中包含待驗證卡片圖像；待驗證卡片特徵提取單元，用於從該待驗證卡片圖像中提取卡片特徵，作為待驗證卡片特徵；該待驗證卡片特徵提取單元包括：材質特徵提取子單元，用於從對應的卡片圖像中提取與卡片材質相關的資料；材質區域截取子單元，用於按照預先設定的位置和尺寸，從該卡片圖像中截取一個圖像區域，作為材質提取區域；該材質特徵提取子單元包括：材質資料獲取子單元，用於提取該材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值，作為該與卡片材質相關的資料；身份驗證判斷單元，用於判斷該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵是否相符；若是，則判定該用戶端通過該身份驗證；該身份驗證判斷單元包括：特徵判斷子單元，用於針對每一種該待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符；相應的，該特徵判斷子單元包括：材質特徵判斷子單元，用於根據該基準卡片材質特徵和待驗證卡片材質特徵中的各個圖元點的色調H、飽和度S和亮度I分量的值，判斷該待驗證卡片材質特徵中的各個圖元點是否符合該基準卡片材質特徵，並累加符合的圖元點數目，判斷該圖元點總數是否大於預先設定的材質判定閾值，若是，則判定該待驗證卡片材質特徵與該基準卡片材質特徵相符。
  15. 根據申請專利範圍第14項所述的利用卡片特徵進行身份驗證的裝置，其中，該裝置還包括：基準卡片特徵產生單元，用於產生並儲存對應特定帳戶的基準卡片特徵；該基準卡片特徵產生單元包括：基準卡片圖像接收子單元，用於接收用戶端發送的對應該特定帳戶的基準卡片圖像；基準卡片特徵提取子單元，用於從該基準卡片圖像中提取卡片特徵，作為該基準卡片特徵；以及基準卡片特徵儲存子單元，用於儲存已提取的對應該特定帳戶的基準卡片特徵。
  16. 根據申請專利範圍第15項所述的利用卡片特徵進行身份驗證的裝置，其中，該基準卡片特徵產生單元還包括：加密子單元，用於採用加密演算法對已提取的基準卡片特徵加密；相應的，該基準卡片特徵儲存子單元具體用於，儲存加密後的基準卡片特徵；相應的，該身份驗證判斷單元包括：解密子單元，用於採用與該加密演算法對應的解密演算法，對該特定帳戶已存的基準卡片特徵進行解密；特徵相符判斷子單元，用於判斷該待驗證卡片特徵與該解密後的基準卡片特徵是否相符；通過判斷子單元，用於當該特徵相符判斷子單元的輸出為“是”時，判定該用戶端通過該身份驗證。
  17. 根據申請專利範圍第15項所述的利用卡片特徵進行身份驗證的裝置，其中，該身份驗證判斷單元包括：特徵判斷子單元，用於針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符；身份驗證子單元，用於當該特徵判斷子單元輸出的判斷結果都為“是”時，判定該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵相符，該用戶端通過該身份驗證。
  18. 根據申請專利範圍第17項所述的利用卡片特徵進行身份驗證的裝置，其中，該基準卡片特徵提取子單元和該待驗證卡片特徵提取單元分別包括：號碼特徵提取子單元，用於從對應的卡片圖像中提取號碼資訊，該號碼資訊即為對應卡片的號碼特徵；該號碼特徵提取子單元包括：灰度處理子單元，用於將該卡片圖像轉換為灰度圖像；號碼區域獲取子單元，用於獲取該卡片圖像中包含號碼資訊的矩形圖像區域；號碼識別子單元，用於識別該矩形圖像區域中的號碼資訊；相應的，該特徵判斷子單元包括：號碼特徵判斷子單元，用於比較該待驗證卡片圖像包含的號碼資訊與該基準卡片圖像包含的號碼資訊是否一致；若是，判定該待驗證卡片的號碼特徵與該基準卡片的號碼特徵相符。
  19. 根據申請專利範圍第18項所述的利用卡片特徵進行身份驗證的裝置，其中，該號碼區域獲取子單元採用如下兩種方式中的一種，獲取該矩形圖像區域：獲取預存的對應該卡片圖像的卡片範本，根據該卡片範本記錄的區域位置資訊，獲取該卡片圖像中包含號碼資訊的矩形圖像區域；或者，採用邊緣檢測演算法，對該卡片圖像進行橫向分割，獲取該卡片圖像中包含號碼資訊的矩形圖像區域。
  20. 根據申請專利範圍第18項所述的利用卡片特徵進行身份驗證的裝置，其中，該號碼識別子單元包括：號碼圖像縱向分割子單元，用於採用邊緣檢測演算法，對該矩形圖像區域進行縱向分割，獲取若干個待識別號碼圖像，該每個待識別號碼圖像中包含一個待識別號碼；特徵值獲取子單元，用於獲取每個待識別號碼圖像的特徵值；號碼識別執行子單元，用於針對每個待識別號碼圖像，採用KNN演算法計算該待識別號碼圖像特徵值與預先儲存的每個樣本號碼圖像的特徵值之間的距離，並根據計算結果選擇與該待識別號碼圖像對應的樣本號碼，該樣本號碼即為該待識別號碼圖像中包含的號碼。
  21. 根據申請專利範圍第17項所述的利用卡片特徵進行身份驗證的裝置，其中，該基準卡片特徵提取子單元和該待驗證卡片特徵提取單元分別包括：第一圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵；該第一圖案特徵提取子單元包括：圖像尺寸正歸化子單元，用於按照預先設定的尺寸，對該卡片圖像尺寸進行正歸化；圖像塊提取子單元，用於按照預先設定的位置和尺寸，從該卡片圖像中提取預先設定數量的圖像塊；樣本集正歸化子單元，用於對每一個圖像塊進行樣本集正歸化，使得該圖像塊中每個圖元值都在特定範圍內；局部特徵獲取子單元，用於針對上述圖像塊，採用字典學習的方法獲取局部特徵；圖案特徵獲取子單元，用於根據該局部特徵，採用平均池化技術或者最大池化技術獲取所述卡片圖像的圖像特徵，作為該卡片的圖案特徵；相應的，該特徵判斷子單元包括：第一圖案特徵判斷子單元，用於計算該待驗證卡片的圖案特徵與所述特定帳戶已存的基準卡片的圖案特徵之間的歐式距離，該歐式距離用於表徵上述兩種特徵對應的圖案圖像的相似度；判斷該歐式距離是否大於預先設定的閾值，若是，則判定上述兩種特徵相符。
  22. 根據申請專利範圍第17項所述的利用卡片特徵進行身份驗證的裝置，其中，該基準卡片特徵提取子單元和該待驗證卡片特徵提取單元分別包括：第二圖案特徵提取子單元，用於從對應的卡片圖像中提取圖案特徵；該第二圖案特徵提取子單元具體用於，採用SIFT演算法提取該卡片圖像的特徵點及對應的特徵向量，作為該卡片圖像的圖案特徵；相應的，該特徵判斷子單元包括：第二圖案特徵判斷子單元，用於針對該待驗證卡片圖案特徵中的每一個特徵點，計算其特徵向量與該基準卡片圖案特徵中的每個特徵點對應的特徵向量之間的歐式距離，並根據計算結果累加匹配成功的特徵點數目，判斷該匹配成功的特徵點總數是否滿足預先設定的閾值，若是，則判定該待驗證卡片的圖案特徵與該基準卡片的圖案特徵相符。
  23. 根據申請專利範圍第17項所述的利用卡片特徵進行身份驗證的裝置，其中，該基準卡片特徵提取子單元和該待驗證卡片特徵提取單元分別包括：局部圖形特徵提取子單元，用於從對應的卡片圖像中提取該局部圖形特徵；該局部圖形特徵提取子單元包括：卡片範本獲取子單元，用於獲取預存的對應該卡片圖像的卡片範本；局部圖形圖像獲取子單元，用於根據該卡片範本記錄的區域位置資訊，獲取該卡片圖像中與該局部圖形特徵對應的圖像區域中的圖像；相應的，該特徵判斷子單元包括：局部圖形特徵判斷子單元，用於調整該待驗證卡片的局部圖形特徵對應的圖像尺寸，使其與基準卡片的相應圖像的尺寸相同，比較該待驗證卡片與該基準卡片相應圖像區域中的相應圖元點的圖元值是否相同，並累加相同圖元點的數目，判斷該相同圖元點的總數是否滿足預先設定的要求，若是，判定該待驗證卡片的該局部圖形特徵與該基準卡片的該局部圖形特徵相符。
  24. 一種用戶端身份驗證方法，其特徵在於，該方法包括：獲取用於進行身份驗證的待驗證卡片圖像；向服務端發送特定帳戶的用戶端身份驗證請求，該請求中包含該服務端驗證用戶端身份所需的該待驗證卡片圖像；該待驗證卡片圖像包括材質特徵，該材質特徵從對應的卡片圖像中提取與卡片材質相關的資料獲得；且該與卡片材質相關的資料為提取材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值；且該材質提取區域為按照預先設定的位置和尺寸，從該卡片圖像中截取一個圖像區域；其中，該材質特徵驗證如下：根據該基準卡片材質特徵中各個圖元點的色調H、飽和度S和亮度I分量的值，以預先設定的特定分量作為縱向座標、以其他兩個分量作為平面座標，產生離散樣本曲面；對該離散樣本曲面進行平滑處理，獲取局部連續曲面；對待驗證卡片材質特徵中的每個圖元點，計算該圖元點的該特定分量值與該局部連續曲面之間的最近距離，判斷該最近距離是否滿足預先設定的要求，若是則判定該圖元點符合基準卡片材質特徵，並累加該符合基準卡片材質特徵的圖元點的數目；判斷該符合基準卡片材質特徵的圖元點的總數是否大於預先設定的材質判定閾值，若是，則判定該待驗證卡片材質特徵與該基準卡片材質特徵相符；以及接收該服務端返回的該用戶端是否通過身份驗證的應答。
  25. 根據申請專利範圍第24項所述的用戶端身份驗證方法，其中，在執行該獲取用於進行身份驗證的待驗證卡片圖像的步驟之前，執行下述步驟：獲取作為身份驗證比對基準的基準卡片圖像；向該服務端發送該特定帳戶的基準卡片圖像，該服務端根據該基準卡片圖像對該特定帳戶用戶端的身份驗證請求進行驗證。
  26. 根據申請專利範圍第24項所述的用戶端身份驗證方法，其中，該獲取作為身份驗證比對基準的基準卡片圖像包括：獲取該卡片的正面圖像和/或反面圖像；相應的，該獲取用於進行身份驗證的待驗證卡片圖像，採用相同方式獲取該卡片的正面圖像和/或反面圖像。
  27. 一種用戶端身份驗證裝置，其特徵在於，包括：待驗證卡片圖像獲取單元，用於獲取用於進行身份驗證的待驗證卡片圖像；身份驗證請求發送單元，用於向服務端發送特定帳戶的用戶端身份驗證請求，該請求中包含該服務端驗證用戶端身份所需的該待驗證卡片圖像，以及該待驗證卡片圖像包括材質特徵，該材質特徵從對應的卡片圖像中提取與卡片材質相關的資料獲得；且該與卡片材質相關的資料為提取材質提取區域中每個圖元點的色調H、飽和度S和亮度I分量的值；且該材質提取區域為按照預先設定的位置和尺寸，從該卡片圖像中截取一個圖像區域；其中，身份驗證請求發送單元包括：身份驗證判斷單元，用於判斷該待驗證卡片特徵與該特定帳戶已存的基準卡片特徵是否相符；若是，則判定該用戶端通過該身份驗證；該身份驗證判斷單元包括：特徵判斷子單元，用於針對每一種待驗證卡片特徵，判斷該特徵與該特定帳戶已存的相應基準卡片特徵是否相符；相應的，該特徵判斷子單元包括：材質特徵判斷子單元，用於根據該基準卡片材質特徵和待驗證卡片材質特徵中的各個圖元點的色調H、飽和度S和亮度I分量的值，判斷該待驗證卡片材質特徵中的各個圖元點是否符合該基準卡片材質特徵，並累加符合的圖元點數目，判斷該圖元點總數是否大於預先設定的材質判定閾值，若是，則判定該待驗證卡片材質特徵與該基準卡片材質特徵相符；身份驗證應答接收單元，用於接收該服務端返回的該用戶端是否通過身份驗證的應答。
  28. 根據申請專利範圍第27項所述的用戶端身份驗證裝置，其中，該裝置還包括：基準卡片圖像獲取單元，用於獲取作為身份驗證比對基準的基準卡片圖像；基準卡片圖像發送單元，用於向該服務端發送該特定帳戶的基準卡片圖像，該服務端根據該基準卡片圖像對該特定帳戶用戶端的身份驗證請求進行驗證。
  29. 一種利用卡片特徵進行身份驗證的系統，其特徵在於，包括：根據申請專利範圍第14項所述的利用卡片特徵進行身份驗證的裝置，以及根據申請專利範圍第27項所述的用戶端身份驗證裝置。
TW104103225A 2014-08-14 2015-01-30 利用卡片特徵進行身份驗證的方法、裝置及系統 TWI678638B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410398375.8A CN105450411B (zh) 2014-08-14 2014-08-14 利用卡片特征进行身份验证的方法、装置及系统
CN201410398375.8 2014-08-14

Publications (2)

Publication Number Publication Date
TW201606556A TW201606556A (zh) 2016-02-16
TWI678638B true TWI678638B (zh) 2019-12-01

Family

ID=55302467

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104103225A TWI678638B (zh) 2014-08-14 2015-01-30 利用卡片特徵進行身份驗證的方法、裝置及系統

Country Status (5)

Country Link
US (1) US10248954B2 (zh)
CN (1) CN105450411B (zh)
HK (1) HK1221579A1 (zh)
TW (1) TWI678638B (zh)
WO (1) WO2016025071A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI759838B (zh) * 2020-01-17 2022-04-01 大陸商中國銀聯股份有限公司 一種圖形化代碼生成方法、裝置、移動設備、服務平台以及電腦可讀儲存介質

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997580B (zh) * 2016-01-25 2020-09-01 阿里巴巴集团控股有限公司 图片处理方法和装置
SG10201603768SA (en) 2016-05-11 2017-12-28 Mastercard Asia Pacific Pte Ltd Method And System For Identifying A Payment Card Design
US10635894B1 (en) * 2016-10-13 2020-04-28 T Stamp Inc. Systems and methods for passive-subject liveness verification in digital media
US10460153B2 (en) * 2016-11-15 2019-10-29 Futurewei Technologies, Inc. Automatic identity detection
CN108604341B (zh) * 2016-11-21 2022-04-12 华为技术有限公司 交易方法、支付设备、校验设备和服务器
CN106683257A (zh) * 2016-12-30 2017-05-17 深圳怡化电脑股份有限公司 冠字号定位方法及装置
CN106991566A (zh) * 2017-03-23 2017-07-28 上海族蚂信息科技有限公司 一种在线交互数据处理系统
CN108875451B (zh) * 2017-05-10 2023-04-07 腾讯科技（深圳）有限公司 一种定位图像的方法、装置、存储介质和程序产品
CN107516105B (zh) * 2017-07-20 2020-06-16 阿里巴巴集团控股有限公司 图像处理方法及装置
CN107944339B (zh) * 2017-10-20 2020-01-21 阿里巴巴集团控股有限公司 一种证件验证、身份验证方法和装置
US10559211B2 (en) 2017-11-27 2020-02-11 Uber Technologies, Inc. Real-time service provider progress monitoring
CN108268641B (zh) * 2018-01-18 2020-11-13 大象慧云信息技术有限公司 发票信息识别方法及发票信息识别装置、设备和存储介质
US11457042B1 (en) 2018-02-27 2022-09-27 Wells Fargo Bank, N.A. Multi-tiered system for detecting and reducing unauthorized network access
US11093771B1 (en) 2018-05-04 2021-08-17 T Stamp Inc. Systems and methods for liveness-verified, biometric-based encryption
US11496315B1 (en) 2018-05-08 2022-11-08 T Stamp Inc. Systems and methods for enhanced hash transforms
CN109374042B (zh) * 2018-07-12 2021-05-28 中山职业技术学院 一种智能定制家具组装部件质检系统及方法
US10733473B2 (en) * 2018-09-20 2020-08-04 Uber Technologies Inc. Object verification for a network-based service
US10999299B2 (en) * 2018-10-09 2021-05-04 Uber Technologies, Inc. Location-spoofing detection system for a network service
CN109658103B (zh) * 2018-10-25 2021-01-01 创新先进技术有限公司 身份认证、号码保存和发送、绑定号码方法、装置及设备
US11436366B2 (en) * 2019-01-21 2022-09-06 Bitdefender IPR Management Ltd. Parental control systems and methods for detecting an exposure of confidential information
CN110032878B (zh) * 2019-03-04 2021-11-02 创新先进技术有限公司 一种安全的特征工程方法和装置
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
KR20190106853A (ko) * 2019-08-27 2019-09-18 엘지전자 주식회사 텍스트 인식 장치 및 방법
CN113159288B (zh) * 2019-12-09 2022-06-28 支付宝(杭州)信息技术有限公司 防止隐私数据泄漏的编码模型训练方法及装置
CN111079644B (zh) * 2019-12-13 2023-06-06 四川新网银行股份有限公司 基于距离和关节点识别外力辅助拍照的方法及存储介质
CN111415243A (zh) * 2020-03-24 2020-07-14 支付宝(杭州)信息技术有限公司 辅助国际银行卡审核的方法及其装置
CN113282903A (zh) * 2020-03-26 2021-08-20 深圳怡化电脑股份有限公司 一种电子卡片的认证方法及装置
US11967173B1 (en) 2020-05-19 2024-04-23 T Stamp Inc. Face cover-compatible biometrics and processes for generating and using same
US11809988B2 (en) * 2020-06-22 2023-11-07 Mitsubishi Electric Research Laboratories, Inc. Artificial intelligence system for classification of data based on contrastive learning
CN112070913B (zh) * 2020-07-17 2022-05-10 盛威时代科技集团有限公司 基于物联网技术的检票处理方法
US11977611B2 (en) 2020-10-20 2024-05-07 Mastercard International Incorporated Digital rights management platform
US12079371B1 (en) 2021-04-13 2024-09-03 T Stamp Inc. Personal identifiable information encoder
US12106334B2 (en) * 2021-05-07 2024-10-01 Tina Anne Sebastian Artificial intelligence-based system and method for grading collectible trading cards
CN114268621B (zh) * 2021-12-21 2024-04-19 东方数科(北京)信息技术有限公司 基于深度学习的数字仪表读表方法及装置
WO2024006851A1 (en) * 2022-06-28 2024-01-04 Entrust Corporation Integrated digital and physical card issuance processes
CN118072336B (zh) * 2024-01-08 2024-08-13 北京三维天地科技股份有限公司 基于OpenCV的固定版式卡证和表单结构化识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI236637B (en) * 2003-03-25 2005-07-21 Top Dihital Co Ltd Portable electronic device having a pattern identification system
TW201037533A (en) * 2009-04-01 2010-10-16 Univ Nat Taiwan Science Tech Portable identification system
TW201137762A (en) * 2010-04-23 2011-11-01 Chung Shan Inst Of Science System and method for determining whether an individual to be identified as a registered individual
WO2012045128A1 (en) * 2010-10-08 2012-04-12 Ecred Pty Ltd System and method of conducting transactions
US20140037184A1 (en) * 2012-08-06 2014-02-06 A2iA S.A. Systems and methods for recognizing information in objects using a mobile device
US20140052636A1 (en) * 2012-08-15 2014-02-20 Jumio Inc. Image Processing For Credit Card Validation

Family Cites Families (117)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4281391A (en) 1979-01-15 1981-07-28 Leland Stanford Junior University Number theoretic processor
US6134536A (en) 1992-05-29 2000-10-17 Swychco Infrastructure Services Pty Ltd. Methods and apparatus relating to the formulation and trading of risk management contracts
CN1619561A (zh) 1997-12-08 2005-05-25 新日铁系统集成株式会社 商品交易装置
ES2151844B1 (es) 1998-09-22 2001-07-16 Eliop Sa Sistema de cuenta de personas por imagenes de presion
CN1630865A (zh) 1998-11-13 2005-06-22 大通银行 在非安全的网络上用于多币种多银行处理的系统和方法
US6697947B1 (en) 1999-06-17 2004-02-24 International Business Machines Corporation Biometric based multi-party authentication
US6526166B1 (en) * 1999-12-29 2003-02-25 Intel Corporation Using a reference cube for capture of 3D geometry
US6726094B1 (en) * 2000-01-19 2004-04-27 Ncr Corporation Method and apparatus for multiple format image capture for use in retail transactions
US7043457B1 (en) 2000-06-28 2006-05-09 Probuild, Inc. System and method for managing and evaluating network commodities purchasing
US6938019B1 (en) 2000-08-29 2005-08-30 Uzo Chijioke Chukwuemeka Method and apparatus for making secure electronic payments
US8159338B2 (en) 2002-06-11 2012-04-17 Automotive Technologies International, Inc. Asset monitoring arrangement and method
US7383223B1 (en) 2000-09-20 2008-06-03 Cashedge, Inc. Method and apparatus for managing multiple accounts
JP3532860B2 (ja) 2001-01-22 2004-05-31 株式会社東芝 剰余系表現を利用した演算装置及び方法及びプログラム
US20020111916A1 (en) 2001-02-12 2002-08-15 Coronna Mark S. Payment management
US6731994B2 (en) 2001-04-27 2004-05-04 International Business Machines Corporation Computer method for providing optimization of manufacturing processes, with dynamic constraints
CA2403300A1 (en) 2002-09-12 2004-03-12 Pranil Ram A method of buying or selling items and a user interface to facilitate the same
US7111789B2 (en) 2001-08-31 2006-09-26 Arcot Systems, Inc. Enhancements to multi-party authentication and other protocols
US7269737B2 (en) * 2001-09-21 2007-09-11 Pay By Touch Checking Resources, Inc. System and method for biometric authorization for financial transactions
US7389275B2 (en) 2002-03-05 2008-06-17 Visa U.S.A. Inc. System for personal authorization control for card transactions
US6915284B2 (en) 2002-04-18 2005-07-05 Hewlett-Packard Development Company, Lp. System and method for automated message response, within a system for harvesting community knowledge
US20050038707A1 (en) 2002-08-30 2005-02-17 Navio Systems, Inc. Methods and apparatus for enabling transactions in networks
US8577795B2 (en) 2002-10-10 2013-11-05 Convergys Information Management Group, Inc. System and method for revenue and authorization management
US7827101B2 (en) 2003-01-10 2010-11-02 First Data Corporation Payment system clearing for transactions
US7809762B1 (en) 2003-07-11 2010-10-05 Bmc Software, Inc. Outage-less database change operation
JP4306390B2 (ja) 2003-09-29 2009-07-29 日本電気株式会社 パスワード認証装置、方法及びプログラム
JP2005112499A (ja) 2003-10-03 2005-04-28 Hitachi Ltd 物品残量在庫管理発注システムおよびそれを用いた物品受発注管理システム
US7359724B2 (en) 2003-11-20 2008-04-15 Nokia Corporation Method and system for location based group formation
US7111137B2 (en) 2003-12-29 2006-09-19 Sun Microsystems, Inc. Data storage systems and processes, such as one-way data mirror using write mirroring
US7251495B2 (en) 2004-02-04 2007-07-31 Microsoft Corporation Command based group SMS with mobile message receiver and server
GB2412980A (en) 2004-04-07 2005-10-12 Hewlett Packard Development Co A method of distributing load amongst two or more computer system resources
US7946474B1 (en) 2004-06-21 2011-05-24 Agrawal Subhash C Method of and apparatus for forecasting cash demand and load schedules for money dispensers
US20060089897A1 (en) 2004-08-25 2006-04-27 Eric Maas Systems and methods for online trade-in of goods
US20060056626A1 (en) 2004-09-16 2006-03-16 International Business Machines Corporation Method and system for selectively masking the display of data field values
DE102004047258A1 (de) 2004-09-24 2006-04-13 Siemens Ag Vorrichtung zur Ermittlung der Auslastung von Fahrzeugen
CN101536581B (zh) 2005-01-11 2011-10-26 泰克迪亚科技公司 用以建立和组织ad-hoc无线对等网络的方法
US7770006B2 (en) 2005-05-26 2010-08-03 Oracle International Corporation Method and apparatus for authorizing a database operation
US7774238B2 (en) 2005-07-08 2010-08-10 Monsoon, Inc. Online marketplace management system with automated pricing tool
KR100663483B1 (ko) * 2005-08-09 2007-01-02 삼성전자주식회사 전방향 카메라를 이용한 무인 감시 방법 및 장치
US7729977B2 (en) 2005-08-17 2010-06-01 Quan Xiao Method and system for grouping merchandise, services and users and for trading merchandise and services
US8301499B2 (en) 2005-12-29 2012-10-30 Ebay Inc. Product-based advertising
US8090642B1 (en) 2006-02-17 2012-01-03 TechForward, Inc. Option computation for tangible depreciating items
WO2007109559A2 (en) 2006-03-21 2007-09-27 Phone1, Inc. Financial transactions using a communication device
US20080306839A1 (en) * 2006-04-28 2008-12-11 Myecheck, Inc. Method and apparatus for online check processing
US7980466B2 (en) 2006-05-24 2011-07-19 Ebay Inc. Point-of-sale promotions
US8280782B1 (en) 2006-05-31 2012-10-02 Amazon Technologies, Inc. System and method for managing a listing of offers between buyers and sellers
US7941760B2 (en) 2006-09-06 2011-05-10 Apple Inc. Soft keyboard display for a portable multifunction device
US20080077542A1 (en) 2006-09-22 2008-03-27 Second Rotation Inc. Systems and methods for determining market price of merchandise
US8118223B2 (en) 2006-09-28 2012-02-21 Visa U.S.A. Inc. Smart sign mobile transit fare payment
US20080097805A1 (en) 2006-10-23 2008-04-24 Wells R Scott Transaction processing method
US20080120160A1 (en) 2006-11-20 2008-05-22 Ebay Inc. Method and system for listing an item
US20080119160A1 (en) 2006-11-22 2008-05-22 Laurent Andriantsiferana Enhanced location-based billing for gprs/umts networks
US8649798B2 (en) 2007-01-25 2014-02-11 At&T Intellectual Property I, L.P. Methods and devices for attracting groups based upon mobile communications device location
US8423376B2 (en) 2007-03-09 2013-04-16 Auto Bid Systems, Inc. Apparatus and method for online negotiation
US20080228595A1 (en) 2007-03-13 2008-09-18 Swapedo.Com, Inc. System for supporting electronic commerce in social networks
US20090076926A1 (en) 2007-09-14 2009-03-19 David Zinberg Method For Selling Multiple Like-Items In A Single Auction
TW200917161A (en) 2007-10-09 2009-04-16 Universal Scient Ind Co Ltd Method of ticket inspection for railway transportation
US20100250436A1 (en) 2007-10-17 2010-09-30 The Western Union Company Mobile customer service centers with a mobile pickup model
US7921454B2 (en) 2007-10-22 2011-04-05 International Business Machines Corporation System and method for user password protection
US7873748B2 (en) 2007-11-30 2011-01-18 International Business Machines Corporation Synchronization of locally and remotely stored browser data
US8126881B1 (en) 2007-12-12 2012-02-28 Vast.com, Inc. Predictive conversion systems and methods
US20090157522A1 (en) 2007-12-18 2009-06-18 Arun Srinivasan Estimating vehicle prices using market data
US7953268B2 (en) 2008-01-18 2011-05-31 Mitek Systems, Inc. Methods for mobile image capture and processing of documents
US8161545B2 (en) 2008-01-29 2012-04-17 Craine Dean A Keyboard with programmable username and password keys and system
US9552155B2 (en) 2008-02-04 2017-01-24 Microsoft Technology Liecsnsing, LLC Dynamic soft keyboard
CN101620703B (zh) 2008-07-04 2013-10-16 阿里巴巴集团控股有限公司 一种缓冲记账方法及装置
US9305230B2 (en) * 2008-07-14 2016-04-05 Jumio Inc. Internet payment system using credit card imaging
TWI360762B (en) 2008-09-05 2012-03-21 Mitake Information Corp On-screen virtual keyboard system
US8421756B2 (en) 2008-09-23 2013-04-16 Sony Ericsson Mobile Communications Ab Two-thumb qwerty keyboard
US9159238B2 (en) 2008-10-02 2015-10-13 Microsoft Technology Licensing, LLP Location-aware selection of public transportation
US20110093493A1 (en) 2008-10-28 2011-04-21 Honeywell International Inc. Building management system site categories
WO2010071888A2 (en) 2008-12-19 2010-06-24 Watchguard Technologies, Inc. Cluster architecture and configuration for network security devices
US8041639B2 (en) 2009-01-23 2011-10-18 Vidicom Limited Systems and methods to facilitate online transactions
US8467768B2 (en) 2009-02-17 2013-06-18 Lookout, Inc. System and method for remotely securing or recovering a mobile device
US9846690B2 (en) 2009-03-02 2017-12-19 International Business Machines Corporation Automating interrogative population of electronic forms using a real-time communication platform
US8176324B1 (en) 2009-07-02 2012-05-08 Exelis Inc. Method and system for a secure virtual keyboard
US8214892B2 (en) 2009-07-15 2012-07-03 Hewlett-Packard Development Company, L.P. Password authentication system and methods
US8645295B1 (en) 2009-07-27 2014-02-04 Amazon Technologies, Inc. Methods and system of associating reviewable attributes with items
CN201498035U (zh) 2009-08-19 2010-06-02 四川久远新方向智能科技有限公司 地铁afc系统乘客通行控制设备
MX2009009454A (es) 2009-09-03 2011-03-11 Compracel S A De C V Star Metodos para pago de servicios utilizando medios electronicos.
US20110184840A1 (en) 2010-01-27 2011-07-28 Ebay Inc. Systems and methods for facilitating account verification over a network
US8423467B1 (en) 2010-03-08 2013-04-16 Jesper M. Johansson Merchant-specific shadow account numbers
US20110231465A1 (en) 2010-03-09 2011-09-22 Phatak Dhananjay S Residue Number Systems Methods and Apparatuses
US9239722B1 (en) 2010-03-31 2016-01-19 Salesforce.Com, Inc. System, method and computer program product for interacting with a process diagram
US8423392B2 (en) 2010-04-01 2013-04-16 Google Inc. Trusted participants of social network providing answers to questions through on-line conversations
US8352473B2 (en) 2010-04-21 2013-01-08 Microsoft Corporation Product synthesis from multiple sources
US20120016799A1 (en) 2010-07-16 2012-01-19 Patrick Killian Money transfer system gateway service
US20120076283A1 (en) 2010-09-23 2012-03-29 Ajmera Dinesh Predictive Customer Service Environment
KR101765655B1 (ko) 2010-10-25 2017-08-24 삼성전자주식회사 휴대 단말기를 이용한 대중교통 요금 결제 방법 및 시스템
US20120117271A1 (en) 2010-11-05 2012-05-10 Sony Corporation Synchronization of Data in a Distributed Computing Environment
CN102780724B (zh) 2011-05-12 2016-02-10 阿里巴巴集团控股有限公司 一种类目信息的发送方法、系统及设备
US9183373B2 (en) 2011-05-27 2015-11-10 Qualcomm Incorporated Secure input via a touchscreen
CN103765861B (zh) 2011-06-27 2016-08-17 亚马逊技术股份有限公司 移动设备的支付选择和授权
US8514180B2 (en) 2011-07-08 2013-08-20 Research In Motion Limited Method and apparatus pertaining to dynamically determining entered telephone numbers
WO2013006979A1 (en) 2011-07-13 2013-01-17 Han Yui Group-based social interaction using location-aware mobile devices
US9311404B2 (en) 2011-09-08 2016-04-12 International Business Machines Corporation Obscuring search results to increase traffic to network sites
US8781218B2 (en) 2011-11-02 2014-07-15 Nec Laboratories America, Inc. Receptive field learning for pooled image features
US8762230B2 (en) 2011-11-02 2014-06-24 Virtual Piggy, Inc. System and method for virtual piggy bank wish-list
ES2434101B1 (es) 2012-04-02 2014-11-25 Telefónica, S.A. Método y sistema para gestionar teclados virtuales para dispositivo informático
US9081608B2 (en) 2012-05-19 2015-07-14 Digital System Research Inc. Residue number arithmetic logic unit
US20130317895A1 (en) 2012-05-22 2013-11-28 Chris Turner Wireless Mobile Communication System Rewards Royalty System and Method
US9031543B2 (en) 2012-06-06 2015-05-12 Qualcomm Incorporated Visualization of network members based on location and direction
US9111073B1 (en) 2012-11-19 2015-08-18 Trend Micro Inc. Password protection using pattern
US20140156512A1 (en) 2012-12-04 2014-06-05 Pangea Universal Holdings, Inc. Providing money transfer using a money transfer platform
US20140164109A1 (en) 2012-12-12 2014-06-12 Ebay Inc. Intelligent provisioning of offers
CN103106413A (zh) * 2013-02-07 2013-05-15 华中科技大学 一种签名二维码表示与认证的方法
US20140280910A1 (en) 2013-03-14 2014-09-18 Nomadix, Inc. Hierarchical rule-based routing system
US9773236B2 (en) 2013-03-15 2017-09-26 Hossein Mohsenzadeh Systems, devices, and methods for processing payments for a card
US20140310171A1 (en) 2013-04-12 2014-10-16 Bank Of America Corporation Certified person-to-person payment system
US20150066679A1 (en) 2013-09-03 2015-03-05 Steven A. Mack Methods and systems for generating merchandise leads
US10607281B2 (en) 2013-12-27 2020-03-31 Ebay Inc. Dynamically updated listing user interface
WO2015127095A1 (en) 2014-02-19 2015-08-27 Swyft Technologies Inc. Automatic wireless transportation monitoring and transactions for mobile drvices
CN105224858A (zh) 2014-06-05 2016-01-06 阿里巴巴集团控股有限公司 一种密码输入界面显示方法及系统
US9621348B2 (en) 2014-06-16 2017-04-11 Ahmed Abdullah BAHJAT System and method of secure text generation
US20150379460A1 (en) 2014-06-27 2015-12-31 Kamal Zamer Recognizing neglected items
CN105446992A (zh) 2014-07-08 2016-03-30 阿里巴巴集团控股有限公司 建立商品对象回收信息数据库、确定价值信息方法及装置
US9940016B2 (en) 2014-09-13 2018-04-10 Microsoft Technology Licensing, Llc Disambiguation of keyboard input
DE102015119609A1 (de) 2015-11-13 2017-05-18 Endress + Hauser Process Solutions Ag Tastaturapplikation für eine Gerätezugriffssoftware

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI236637B (en) * 2003-03-25 2005-07-21 Top Dihital Co Ltd Portable electronic device having a pattern identification system
TW201037533A (en) * 2009-04-01 2010-10-16 Univ Nat Taiwan Science Tech Portable identification system
TW201137762A (en) * 2010-04-23 2011-11-01 Chung Shan Inst Of Science System and method for determining whether an individual to be identified as a registered individual
WO2012045128A1 (en) * 2010-10-08 2012-04-12 Ecred Pty Ltd System and method of conducting transactions
US20140037184A1 (en) * 2012-08-06 2014-02-06 A2iA S.A. Systems and methods for recognizing information in objects using a mobile device
US20140052636A1 (en) * 2012-08-15 2014-02-20 Jumio Inc. Image Processing For Credit Card Validation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI759838B (zh) * 2020-01-17 2022-04-01 大陸商中國銀聯股份有限公司 一種圖形化代碼生成方法、裝置、移動設備、服務平台以及電腦可讀儲存介質

Also Published As

Publication number Publication date
CN105450411A (zh) 2016-03-30
HK1221579A1 (zh) 2017-06-02
CN105450411B (zh) 2019-01-08
US20160048837A1 (en) 2016-02-18
US10248954B2 (en) 2019-04-02
WO2016025071A1 (en) 2016-02-18
TW201606556A (zh) 2016-02-16

Similar Documents

Publication Publication Date Title
TWI678638B (zh) 利用卡片特徵進行身份驗證的方法、裝置及系統
CN110414200B (zh) 身份验证方法、装置、存储介质和计算机设备
US10885644B2 (en) Detecting specified image identifiers on objects
US11669607B2 (en) ID verification with a mobile device
JP6487105B2 (ja) アクセス制御される環境へのアクセスを認可するためのシステム及び方法
CN110084013B (zh) 生物特征模板安全性及密钥产生
US8744141B2 (en) Texture features for biometric authentication
Deb et al. Look locally infer globally: A generalizable face anti-spoofing approach
US10403076B2 (en) Method for securing and verifying a document
US11244150B2 (en) Facial liveness detection
CN111339897B (zh) 活体识别方法、装置、计算机设备和存储介质
US10963552B2 (en) Method and electronic device for authenticating a user
US20210264135A1 (en) Secure facial recognition
CN107886330A (zh) 结算方法、装置及系统
CN106886707B (zh) 一种图像鉴权的方法及装置
KR101853270B1 (ko) 지문인식방법을 채용한 휴대용 보안인증기의 보안 인증방법
JP2015041307A (ja) 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム
Benlamoudi et al. Face spoofing detection from single images using active shape models with stasm and lbp
Boragule et al. On-device Face Authentication System for ATMs and Privacy Preservation
Ishiyama et al. Melon authentication by agri-biometrics-identifying individual fruits using a single image of rind pattern
Liu et al. Multifeature fusion detection method for fake face attack in identity authentication
Bhat et al. Prevention of spoofing attacks in FR based attendance system using liveness detection
CN114840830A (zh) 身份验证方法、装置、计算机设备和存储介质
Kil et al. A study on the portable secure authenticator using fingerprint