本發(fā)明涉及身份驗證技術(shù)領(lǐng)域，尤其涉及一種身份驗證方法及裝置。

背景技術(shù)：

通常，身份證用于證明持有人身份的唯一證件，作為每個人獨一無二的公民身份的證明工具。生活中，比如坐火車、飛機、醫(yī)院掛號等，都需要對身份證的驗證從而驗證持有人身份的合法性。

然而，有些人利用他人身份證進行相關(guān)操作，從中謀利。比如，號販子利用他人身份證掛了大量號，接著將掛到的號高價賣給有需要的患者，擾亂醫(yī)院的就醫(yī)秩序，損害患者的利益。由此，需要一種能夠準(zhǔn)備驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人的方法，從而避免不是本人使用身份證進行的相關(guān)操作。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種身份驗證方法，該方法能夠準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，避免了不是本人使用身份證進行的相關(guān)操作，提高了人臉驗證的準(zhǔn)確性。

本發(fā)明的第二個目的在于提出一種身份驗證裝置。

本發(fā)明的第三個目的在于提出另一種身份驗證裝置。

本發(fā)明的第四個目的在于提出一種非臨時性計算機可讀存儲介質(zhì)。

本發(fā)明的第五個目的在于提出一種計算機程序產(chǎn)品。

為達上述目的，本發(fā)明第一方面實施例提出了一種身份驗證方法，包括：

獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；

采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；

計算所述第一年齡和所述第二年齡之間的間隔時間，通過主成分分析算法計算與所述間隔時間對應(yīng)的對比閾值；

將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配，若比較獲知所述匹配結(jié)果大于所述對比閾值，則確定當(dāng)前用戶的身份具有合法性。

本發(fā)明實施例的身份驗證方法，通過獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡，以及采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡，接著計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值，最后將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。由此，能夠準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，避免了不是本人使用身份證進行的相關(guān)操作，提高了人臉驗證的準(zhǔn)確性。

另外，根據(jù)本發(fā)明上述實施例的身份驗證方法還可以具有如下附加的技術(shù)特征：

在本發(fā)明的一個實施例中，所述應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡，包括：

根據(jù)所述第一面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取所述第一人臉特征數(shù)據(jù)以及第一年齡；

所述應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡，包括：

根據(jù)所述第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取所述第二人臉特征數(shù)據(jù)以及第二年齡。

在本發(fā)明的一個實施例中，所述采集當(dāng)前用戶的第二面部照片，包括：

若檢測到當(dāng)前用戶的面部到達預(yù)設(shè)區(qū)域時，觸發(fā)定位燈亮起，提示當(dāng)前用戶的雙眼在預(yù)設(shè)時間內(nèi)直視所述定位燈；

在當(dāng)前用戶的雙眼直視所述定位燈的過程中，應(yīng)用Adaboost學(xué)習(xí)算法進行人臉檢測，提取面部矩形特征并采集對應(yīng)的第二面部照片。

在本發(fā)明的一個實施例中，在所述應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理之前，還包括：

對所述第二面部照片進行圖像預(yù)處理操作，其中，所述圖像預(yù)處理操作包括：光線補償、灰度變換、直方圖均衡化，幾何校正中的一種或者多種操作組合。

在本發(fā)明的一個實施例中，在將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配之后，還包括：

若比較獲知所述匹配結(jié)果小于等于所述對比閾值，則報警提示當(dāng)前用戶的身份不具有合法性，并對所述身份證進行吞卡處理。

為達上述目的，本發(fā)明第二方面實施例提出了一種身份驗證裝置，包括：

獲取模塊，用于獲取身份證上的第一面部照片；

第一提取模塊，用于應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；

采集模塊，用于采集當(dāng)前用戶的第二面部照片；

第二提取模塊，用于應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；

計算模塊，用于計算所述第一年齡和所述第二年齡之間的間隔時間，通過主成分分析算法計算與所述間隔時間對應(yīng)的對比閾值；

處理模塊，用于將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配，在比較獲知所述匹配結(jié)果大于所述對比閾值時，確定當(dāng)前用戶的身份具有合法性。

本發(fā)明實施例的身份驗證裝置，通過獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡，以及采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡，接著計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值，最后將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。由此，能夠準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，避免了不是本人使用身份證進行的相關(guān)操作，提高了人臉驗證的準(zhǔn)確性。

另外，根據(jù)本發(fā)明上述實施例的身份驗證裝置還可以具有如下附加的技術(shù)特征：

在本發(fā)明的一個實施例中，第一提取模塊用于：根據(jù)所述第一面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取所述第一人臉特征數(shù)據(jù)以及第一年齡；

第二提取模塊用于：根據(jù)所述第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取所述第二人臉特征數(shù)據(jù)以及第二年齡。

在本發(fā)明的一個實施例中，所述采集模塊用于：若檢測到當(dāng)前用戶的面部到達預(yù)設(shè)區(qū)域時，觸發(fā)定位燈亮起，提示當(dāng)前用戶的雙眼在預(yù)設(shè)時間內(nèi)直視所述定位燈；

在當(dāng)前用戶的雙眼直視所述定位燈的過程中，應(yīng)用Adaboost學(xué)習(xí)算法進行人臉檢測，提取面部矩形特征并采集對應(yīng)的第二面部照片。

在本發(fā)明的一個實施例中，所述的裝置，還包括：預(yù)處理模塊，用于對所述第二面部照片進行圖像預(yù)處理操作，其中，所述圖像預(yù)處理操作包括：光線補償、灰度變換、直方圖均衡化，幾何校正中的一種或者多種操作組合。

在本發(fā)明的一個實施例中，所述處理模塊還用于：在比較獲知所述匹配結(jié)果小于等于所述對比閾值時，報警提示當(dāng)前用戶的身份不具有合法性，并對所述身份證進行吞卡處理。

為達上述目的，本發(fā)明第三方面實施例提出了另一種身份驗證裝置，包括：處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為：

獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；

采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；

計算所述第一年齡和所述第二年齡之間的間隔時間，通過主成分分析算法計算與所述間隔時間對應(yīng)的對比閾值；

將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配，若比較獲知所述匹配結(jié)果大于所述對比閾值，則確定當(dāng)前用戶的身份具有合法性。

為了實現(xiàn)上述目的，本發(fā)明第四方面實施例提出了一種非臨時性計算機可讀存儲介質(zhì)，當(dāng)所述存儲介質(zhì)中的指令由服務(wù)器端的處理器被執(zhí)行時，使得服務(wù)器端能夠執(zhí)行一種身份驗證方法，所述方法包括：

獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；

采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；

計算所述第一年齡和所述第二年齡之間的間隔時間，通過主成分分析算法計算與所述間隔時間對應(yīng)的對比閾值；

將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配，若比較獲知所述匹配結(jié)果大于所述對比閾值，則確定當(dāng)前用戶的身份具有合法性。

為了實現(xiàn)上述目的，本發(fā)明第五方面實施例提出了一種計算機程序產(chǎn)品，當(dāng)所述計算機程序產(chǎn)品中的指令處理器執(zhí)行時，執(zhí)行一種身份驗證方法，所述方法包括：

獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對所述第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；

采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對所述第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；

計算所述第一年齡和所述第二年齡之間的間隔時間，通過主成分分析算法計算與所述間隔時間對應(yīng)的對比閾值；

將所述第一人臉特征數(shù)據(jù)與所述第二人臉特征數(shù)據(jù)進行匹配，若比較獲知所述匹配結(jié)果大于所述對比閾值，則確定當(dāng)前用戶的身份具有合法性。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明實施例提供的一種身份驗證方法的流程示意圖；

圖2為本發(fā)明實施例提供的另一種身份驗證方法的流程示意圖；

圖3為本發(fā)明實施例提供的一種身份驗證裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例提供的另一種身份驗證裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

下面參考附圖描述本發(fā)明實施例的身份驗證方法及裝置。

目前，各大醫(yī)院中存在號販子利用他人身份證預(yù)約掛號，然后將掛到的號高價賣給有需要的患者，擾亂醫(yī)院的就醫(yī)秩序，損害患者的利益。

為了控制上述行為，需要準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，提高人臉驗證的準(zhǔn)確性。本發(fā)明提出一種身份驗證方法。具體如下：

圖1為本發(fā)明實施例提供的一種身份驗證方法的流程示意圖。

如圖1所示，該身份驗證方法包括以下步驟：

步驟110，獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡。

具體地，在用戶使用身份證進行某項操作(買火車票、掛號等)時，獲取身份證的第一面部照片。其中，獲取身份證的第一面部照片的方式有很多種，可以根據(jù)實際需要進行選擇設(shè)置，舉例說明如下：

第一種示例，可以通過調(diào)用公安部身份證信息庫獲取身份證的相關(guān)信息(姓名、身份證號碼和辦理身份證時的面部照片等)。由此，可以獲取身份證的面部照片作為第一面部照片。

第二種示例，可以通過面部識別裝置，直接對身份證上的照片進行掃描等方式獲取身份證的面部照片作為第一面部照片。

進一步地，通過預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡。為了本領(lǐng)域人員更加清楚上述過程，下面以預(yù)設(shè)算法為獨立成分分析算法舉例說明如下：

具體地，首先獲取第一面部照片中人臉圖像的形狀輪廓和位置關(guān)系，接著通過獨立成分分析算法估計出第一人臉特征數(shù)據(jù)以及第一年齡。

其中，第一年齡是根據(jù)第一面部照片估計出來的。其中，第一人臉特征數(shù)據(jù)可以為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。

步驟120，采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡。

具體地，在用戶使用身份證進行某項操作(買火車票、掛號等)時，采集當(dāng)前用戶的第二面部照片，其中，采集當(dāng)前用戶的第二面部照片的方式有很多種，可以根據(jù)實際需要進行選擇設(shè)置，舉例說明如下：

第一種示例，在檢測到當(dāng)前用戶的面部到達預(yù)設(shè)區(qū)域時，觸發(fā)定位燈亮起，提示當(dāng)前用戶的雙眼在預(yù)設(shè)時間內(nèi)直視定位燈，并在當(dāng)前用戶的雙眼直視定位燈的過程中，應(yīng)用Adaboost學(xué)習(xí)算法進行人臉檢測，提取面部矩形特征并采集對應(yīng)的第二面部照片。

其中，預(yù)設(shè)區(qū)域是預(yù)先設(shè)置的能夠進行面部識別的區(qū)域，即當(dāng)前用戶的面部進入該預(yù)設(shè)區(qū)域內(nèi)表示面部識別模塊可以開始采集工作。

第二種示例，通過面部識別裝置，直接對當(dāng)前用戶進行識別，搜索到當(dāng)前用戶的面部時，開始采集面部矩形特征并采集對應(yīng)的面部照片作為第二面部照片。

進一步地，通過預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡。為了本領(lǐng)域人員更加清楚上述過程，下面以預(yù)設(shè)算法為獨立成分分析算法舉例說明如下：

具體地，首先獲取第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系，接著通過獨立成分分析算法估計出第二人臉特征數(shù)據(jù)以及第二年齡。

其中，第二年齡是根據(jù)第二面部照片估計出來的。其中，第二人臉特征數(shù)據(jù)可以為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。

步驟130，計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值。

步驟140，將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。

具體地，計算第一年齡和第二年齡之間的間隔時間，可以是第一年齡減去第二年齡的差值的絕對值作為間隔時間，也可以是第二年齡減去第一年齡的差值的絕對值作為間隔時間。

進一步地，通過根據(jù)間隔時間能夠動態(tài)的調(diào)整出匹配的對比閾值。

可以理解的是，間隔時間越大，第一面部照片與第二面部照片的差距越大，相對應(yīng)調(diào)整降低對比閾值；間隔時間越小，第一面部照片與第二面部照片的差距越小，相對應(yīng)調(diào)整提高對比閾值。舉例說明如下：

第一種示例，間隔時間為A1確定匹配的對比閾值為A2(比如為8)。其中，A1比較小比如為3年，由此能夠確定第一面部照片與第二面部照片差距不是很大，相對應(yīng)提高對比閾值為9(最大為10)。

第二種示例，間隔時間為B1確定匹配的對比閾值為B2(比如為8)。其中，B1比較大比如為20年，由此能夠確定第一面部照片與第二面部照片差距比較大，相對應(yīng)降低對比閾值為7(最大為10)。

還可以理解的是，可以設(shè)置一個時間間隔范圍，比如1至5年的對比閾值為9；6至10年的對比閾值為8.5，10至15年的對比閾值為8等等。由此，能夠更加準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，進一步提高了人臉驗證的準(zhǔn)確性。

進一步地，將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，可以通過預(yù)設(shè)的算法將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，也可以通過預(yù)設(shè)的人臉匹配模型將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配等。

進一步地，將匹配結(jié)果與對比閾值進行比較，并在匹配結(jié)果大于對比閾值時確定當(dāng)前用戶的身份具有合法性。

綜上所述，本發(fā)明實施例的身份驗證方法，通過獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡，以及采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡，接著計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值，最后將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。由此，能夠準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，避免了不是本人使用身份證進行的相關(guān)操作，提高了人臉驗證的準(zhǔn)確性。

圖2為本發(fā)明實施例提供的另一種身份驗證方法的流程示意圖。

如圖2所示，該身份驗證方法包括以下步驟：

步驟210，獲取身份證上的第一面部照片，根據(jù)第一面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第一人臉特征數(shù)據(jù)以及第一年齡。

具體地，獲取身份證上的第一面部照片的方式請參見步驟110的具體描述，此處不再詳述。

進一步地，獲取第一面部照片中人臉圖像的形狀輪廓，以及人臉器官的位置關(guān)系，通過獨立成分分析算法進行處理得到第一人臉特征數(shù)據(jù)以及第一面部照片對應(yīng)的第一年齡。

步驟220，若檢測到當(dāng)前用戶的面部到達預(yù)設(shè)區(qū)域時，觸發(fā)定位燈亮起，提示當(dāng)前用戶的雙眼在預(yù)設(shè)時間內(nèi)直視定位燈。

步驟230，在當(dāng)前用戶的雙眼直視定位燈的過程中，應(yīng)用Adaboost學(xué)習(xí)算法進行人臉檢測，提取面部矩形特征并采集對應(yīng)的第二面部照片。

具體地，當(dāng)前用戶在采集設(shè)備的預(yù)設(shè)區(qū)域時，采集設(shè)備會自動搜索并拍攝當(dāng)前用戶的面部圖像。由此，在當(dāng)前用戶的雙眼直視定位釘?shù)倪^程中(即人臉檢測的過程中)可以在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。面部圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。

進一步地，Adaboost算法是一種用來分類的方法，它可以把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。使用Adaboost算法挑選出一些最能代表人臉的面部矩形特征(弱分類器)，按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強分類器，再將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。從而獲取最接近當(dāng)前用戶真實狀態(tài)的第二面部照片。

步驟240，對第二面部照片進行圖像預(yù)處理操作，其中，圖像預(yù)處理操作包括：光線補償、灰度變換、直方圖均衡化，幾何校正中的一種或者多種操作組合。

具體地，對于第二面部照片進行圖像預(yù)處理操作是基于上述人臉檢測結(jié)果。首先獲取的第二面部照片由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在提取第二人臉特征數(shù)據(jù)以及第二年齡之前對第二面部照片進行光線補償、灰度變換、直方圖均衡化，幾何校正中等圖像預(yù)處理。

其中，可以根據(jù)實際應(yīng)用需要選擇上述光線補償、灰度變換、直方圖均衡化，幾何校正中的一種或者多種操作組合。

步驟250，根據(jù)第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第二人臉特征數(shù)據(jù)以及第二年齡。

具體地，獲取進行預(yù)處理操作之后的第二面部照片中人臉圖像的形狀輪廓，以及人臉器官的位置關(guān)系，通過獨立成分分析算法進行處理得到第二人臉特征數(shù)據(jù)以及第二面部照片對應(yīng)的第二年齡。

步驟260，計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值。

步驟270，將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。

需要說明的是，步驟S260-S270的描述與上述步驟S130-S140相對應(yīng)，因此對的步驟S260-S270的描述參考上述步驟S130-S140的描述，在此不再贅述。

步驟280，若比較獲知匹配結(jié)果小于等于對比閾值，則報警提示當(dāng)前用戶的身份不具有合法性，并對身份證進行吞卡處理。

具體地，將匹配結(jié)果與對比閾值進行比較，并在匹配結(jié)果小于等于對比閾值時身份證和其持有者不是同一個人，報警提示當(dāng)前用戶的身份不具有合法性。進一步地，對身份證進行吞卡處理。

其中，報警的方式可以有很多種，例如通過語音報警，或者是連接到管理人員的終端設(shè)備上進行振動、語音等提示，當(dāng)前使用身份證的用戶不合法，需要進一步確認處理。

綜上所述，本發(fā)明實施例的身份驗證方法，在根據(jù)第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第二人臉特征數(shù)據(jù)以及第二年齡之前，對第二面部照片進行圖像預(yù)處理操作，并且比較獲知匹配結(jié)果小于等于對比閾值，則報警提示當(dāng)前用戶的身份不具有合法性，并對身份證進行吞卡處理。進一步提高人臉驗證的準(zhǔn)確性，并能夠?qū)Ξ?dāng)前不合法行為進行報警提示及相應(yīng)處理，更加有效避免了不是本人使用身份證進行的相關(guān)操作。

為了實現(xiàn)上述實施例，本發(fā)明還提出一種身份驗證裝置。

圖3為本發(fā)明實施例提供的一種身份驗證裝置的結(jié)構(gòu)示意圖。

如圖3所示，該身份驗證裝置包括：獲取模塊31、第一提取模塊32、采集模塊33、第二提取模塊34、計算模塊35和處理模塊36。

其中，獲取模塊31用于獲取身份證上的第一面部照片。

第一提取模塊32用于應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡。

采集模塊33用于采集當(dāng)前用戶的第二面部照片。

第二提取模塊34用于應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡。

計算模塊35用于計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值。

處理模塊36用于將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，在比較獲知匹配結(jié)果大于對比閾值時，確定當(dāng)前用戶的身份具有合法性。

其中，在本發(fā)明的一個實施例中，第一提取模塊32用于根據(jù)第一面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第一人臉特征數(shù)據(jù)以及第一年齡。

其中，在本發(fā)明的一個實施例中，第二提取模塊34用于根據(jù)第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第二人臉特征數(shù)據(jù)以及第二年齡。

其中，在本發(fā)明的一個實施例中，采集模塊33用于若檢測到當(dāng)前用戶的面部到達預(yù)設(shè)區(qū)域時，觸發(fā)定位燈亮起，提示當(dāng)前用戶的雙眼在預(yù)設(shè)時間內(nèi)直視定位燈；在當(dāng)前用戶的雙眼直視定位燈的過程中，應(yīng)用Adaboost學(xué)習(xí)算法進行人臉檢測，提取面部矩形特征并采集對應(yīng)的第二面部照片。

需要說明的是，前述對身份驗證方法實施例的解釋說明也適用于身份驗證裝置，此處不再贅述。

綜上所述，本發(fā)明實施例的身份驗證裝置，通過獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡，以及采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡，接著計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值，最后將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。由此，能夠準(zhǔn)確驗證身份證中的面部照片與當(dāng)前用戶的面部照片是否為同一人，避免了不是本人使用身份證進行的相關(guān)操作，提高了人臉驗證的準(zhǔn)確性。

為了清楚說明上一實施例，本實施例提供了另一種身份驗證裝置。

圖4為本實施例提供的另一種身份驗證裝置的結(jié)構(gòu)示意圖。

如圖4所示，在上一實施例的基礎(chǔ)上，該裝置還包括：預(yù)處理模塊37。

其中，預(yù)處理模塊37用于對第二面部照片進行圖像預(yù)處理操作，其中，圖像預(yù)處理操作包括：光線補償、灰度變換、直方圖均衡化，幾何校正中的一種或者多種操作組合。

其中，在本發(fā)明的一個實施例中，處理模塊36還用于在比較獲知匹配結(jié)果小于等于對比閾值時，報警提示當(dāng)前用戶的身份不具有合法性，并對身份證進行吞卡處理。

需要說明的是，前述對身份驗證方法實施例的解釋說明也適用于身份驗證裝置，此處不再贅述。

綜上所述，本發(fā)明實施例的身份驗證裝置，在根據(jù)第二面部照片中人臉圖像的形狀輪廓和位置關(guān)系通過獨立成分分析算法提取第二人臉特征數(shù)據(jù)以及第二年齡之前，對第二面部照片進行圖像預(yù)處理操作，并且比較獲知匹配結(jié)果小于等于對比閾值，則報警提示當(dāng)前用戶的身份不具有合法性，并對身份證進行吞卡處理。進一步提高人臉驗證的準(zhǔn)確性，并能夠?qū)Ξ?dāng)前不合法行為進行報警提示及相應(yīng)處理，更加有效避免了不是本人使用身份證進行的相關(guān)操作。

為了實現(xiàn)上述實施例，本發(fā)明還提出另一種身份驗證裝置，包括：處理器，以及用于存儲所述處理器可執(zhí)行指令的存儲器。

其中，處理器被配置為：獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值；將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。

為了實現(xiàn)上述實施例，本發(fā)明還提出一種非臨時性計算機可讀存儲介質(zhì)，當(dāng)所述存儲介質(zhì)中的指令由服務(wù)器端的處理器被執(zhí)行時，使得服務(wù)器端能夠執(zhí)行一種身份驗證方法，所述方法包括：獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值；將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。

為了實現(xiàn)上述實施例，本發(fā)明還提出一種計算機程序產(chǎn)品，當(dāng)所述計算機程序產(chǎn)品中的指令處理器執(zhí)行時，執(zhí)行一種身份驗證方法，所述方法包括：獲取身份證上的第一面部照片，應(yīng)用預(yù)設(shè)算法對第一面部照片進行處理，提取第一人臉特征數(shù)據(jù)以及第一年齡；采集當(dāng)前用戶的第二面部照片，應(yīng)用預(yù)設(shè)算法對第二面部照片進行處理，提取第二人臉特征數(shù)據(jù)以及第二年齡；計算第一年齡和第二年齡之間的間隔時間，通過主成分分析算法計算與間隔時間對應(yīng)的對比閾值；將第一人臉特征數(shù)據(jù)與第二人臉特征數(shù)據(jù)進行匹配，若比較獲知匹配結(jié)果大于對比閾值，則確定當(dāng)前用戶的身份具有合法性。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。

此外，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)定制邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說明書而言，"計算機可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計算機可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(RAM)，只讀存儲器(ROM)，可擦除可編輯只讀存儲器(EPROM或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(CDROM)。另外，計算機可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因為可以例如通過對紙或其他介質(zhì)進行光學(xué)掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。