專利名稱:一種基于生物特征的認證方法、裝置及系統(tǒng)的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及計算機領(lǐng)域,特別涉及一種基于生物特征的認證方法、裝置及系統(tǒng)。
背景技術(shù):
生物特征識別技術(shù)是利用人的生理特征或行為特征,來進行個人身份的鑒定。在當今信息化時代,如何準確鑒定一個人的身份、保護信息安全,已成為一個必須解決的關(guān)鍵社會問題。傳統(tǒng)的身份認證由于極易偽造和丟失,越來越難以滿足社會的需求,目前最為便捷與安全的解決方案無疑就是生物識別技術(shù)。它不但簡潔快速,而且利用它進行身份的認定,安全、可靠、準確。目前,主要包括的生物特征識別技術(shù)包括人臉識別、指紋識別、虹膜識別等。其中,以人臉識別為例進行說明,在現(xiàn)階段包括多種基于人臉識別的認證服務(wù)。例如基于考勤機等硬件的考勤服務(wù),在本地進行人臉采集與匹配,實現(xiàn)人臉考勤與門禁的功能,例如某些公司的人臉考勤機;還包含基于計算機與移動終端的登錄服務(wù),比如某些型號筆記本的人臉驗證開機,以及某些型號智能手機的人臉驗證解鎖。在實現(xiàn)本發(fā)明的過程中,發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題現(xiàn)有的生物特征識別技術(shù)都是基于本地進行的,應(yīng)用具有局限性,不能夠支持多客戶端的擴展,缺乏多樣化的功能,而且認證是在客戶端進行的,會導(dǎo)致客戶端的邏輯相對復(fù)雜。
發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)中存在的問題,本發(fā)明實施例提供了一種基于生物特征的認證方法、裝置及系統(tǒng)。所述技術(shù)方案如下一種基于生物特征的認證方法,所述方法包括接收客戶端發(fā)送的待認證生物特征圖像;對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果。進一步地,所述對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,包括對所述待認證生物特征圖像進行光照歸一化處理;對所述光照歸一化處理后的待認證生物特征圖像進行特征抽取,并對抽取得到的特征進行降維度計算,將降維度計算結(jié)果依次串連得到所述待認證生物特征模板。進一步地,所述接收客戶端發(fā)送的待認證生物特征圖像之前,所述方法還包括接收所述客戶端發(fā)送的生物特征圖像、客戶端標識和用戶標識;對所述生物特征圖像進行特征抽取得到生物特征模板,保存所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系,完成用戶的注冊,并返回注冊結(jié)果。進一步地,所述接收客戶端發(fā)送的待認證生物特征圖像時,所述方法還包括
接收所述客戶端發(fā)送的客戶端標識;相應(yīng)地,所述與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果,包括根據(jù)所述客戶端標識查找與所述客戶端標識對應(yīng)的本地預(yù)存的生物特征模板的集合;將所述待認證生物特征模板與所述集合中的每個生物特征模板進行相似度計算,當所述生物特征模板與所述待認證生物特征模板的相似度大于預(yù)設(shè)的識別閾值時,則將所述生物特征模板對應(yīng)的用戶標識加入到識別結(jié)果集中;根據(jù)相似度由大到小的順序?qū)⑺鲎R別結(jié)果集中的用戶標識進行排序,并將所述識別結(jié)果集返回給所述客戶端。進一步地,所述接收客戶端發(fā)送的待認證生物特征圖像時,所述方法還包括接收所述客戶端發(fā)送的客戶端標識和用戶標識;相應(yīng)地,所述與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果,包括根據(jù)所述客戶端標識和用戶標識查找得到與所述客戶端標識和用戶標識對應(yīng)的生物特征模板;將所述待認證生物特征模板與所述客戶端標識和用戶標識對應(yīng)的生物特征模板進行相似度計算,當計算得出的相似度大于預(yù)設(shè)的驗證閾值時,則用戶驗證通過,將驗證結(jié)果返回給所述客戶端。一種基于生物特征的認證方法,所述方法包括采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像;向云服務(wù)器發(fā)送所述待認證生物特征圖像,以便于所述云服務(wù)器對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與預(yù)存的生物特征模板進行匹配認證;接收所述云服務(wù)器返回的匹配認證結(jié)果。進一步地,所述進行生物特征定位處理得到待認證生物特征圖像,包括當檢測到所述用戶圖像中包括預(yù)設(shè)的生物特征時,標定所述生物特征的位置;選取所述生物特征的關(guān)鍵點位置,并獲取所述關(guān)鍵點位置的坐標;對所述關(guān)鍵點位置進行姿態(tài)矯正得到待認證生物特征圖像。一種云服務(wù)器,所述云服務(wù)器包括接入模塊,用于接收客戶端發(fā)送的待認證生物特征圖像;認證模塊,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與數(shù)據(jù)模塊中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果;所述數(shù)據(jù)模塊,用于保存生物特征模板。進一步地,所述認證模塊包括光照處理單元,用于對所述待認證生物特征圖像進行光照歸一化處理;特征抽取單元,用于對所述光照歸一化處理后的待認證生物特征圖像進行特征抽 取,并對抽取得到的特征進行降維度計算,將降維度計算結(jié)果依次串連得到所述待認證生物特征模板;
認證單元,用于將所述待認證生物特征模板與數(shù)據(jù)模塊中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果。進一步地,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像之前,接收所述客戶端發(fā)送的生物特征圖像、客戶端標識和用戶標識;相應(yīng)地,所述云服務(wù)器還包括
會話模塊,用于對所述生物特征圖像進行特征抽取得到生物特征模板,并將所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系發(fā)送給所述數(shù)據(jù)模塊,完成用戶的注冊,并返回注冊結(jié)果;所述數(shù)據(jù)模塊,還用于保存所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系。進一步地,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像時,接收所述客戶端發(fā)送的客戶端標識;相應(yīng)地,所述認證模塊,包括第一模板獲取單元,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板;集合獲取單元,用于根據(jù)所述客戶端標識查找與所述客戶端標識對應(yīng)的生物特征模板的集合;識別單元,用于將所述待認證生物特征模板與所述集合中的每個生物特征模板進行相似度計算,當所述生物特征模板與所述待認證生物特征模板的相似度大于預(yù)設(shè)的識別閾值時,則將所述生物特征模板對應(yīng)的用戶標識加入到識別結(jié)果集中;識別結(jié)果發(fā)送單元,用于根據(jù)相似度由大到小的順序?qū)⑺鲎R別結(jié)果集中的用戶標識進行排序,并將所述識別結(jié)果集通過所述接入模塊返回給所述客戶端。進一步地,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像時,接收所述客戶端發(fā)送的客戶端標識和用戶標識;相應(yīng)地,所述認證模塊,包括第二模板獲取單元,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板;查找單元,用于根據(jù)所述客戶端標識和用戶標識查找得到與所述客戶端標識和用戶標識對應(yīng)的生物特征模板;驗證單元,用于將所述待認證生物特征模板與所述客戶端標識和用戶標識對應(yīng)的生物特征模板進行相似度計算,當計算得出的相似度大于預(yù)設(shè)的驗證閾值時,判定用戶驗證通過;驗證結(jié)果發(fā)送單元,用于將驗證結(jié)果通過所述接入模塊返回給所述客戶端。一種客戶端,所述客戶端包括采集模塊,用于采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像;發(fā)送模塊,用于向云服務(wù)器發(fā)送所述待認證生物特征圖像,以便于所述云服務(wù)器對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與預(yù)存的生物特征模板進行匹配認證;
接收模塊,用于接收所述云服務(wù)器返回的匹配認證結(jié)果。進一步地,所述采集模塊包括采集單元,用于采集用戶圖像;檢測單元,用于當檢測到所述用戶圖像中包括預(yù)設(shè)的生物特征時,標定所述生物特征的位置;關(guān)鍵點定位單元,用于選取所述生物特征的關(guān)鍵點位置,并獲取所述關(guān)鍵點位置的坐標;位姿歸一化單元,用于對所述關(guān)鍵點位置進行姿態(tài)矯正得到待認證生物特征圖像。一種基于生物特征的認證系統(tǒng),所述系統(tǒng)包括如上所述的云服務(wù)器和如上所述的
客戶端。本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是客戶端獲取生物特征圖像后,只要將生物特征圖像發(fā)送給云服務(wù)器,云服務(wù)器即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的認證,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。
為了更清楚地說明本發(fā)明實施例中的技術(shù)方案,下面將對實施例描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)這些附圖獲得其他的附圖。圖I是本發(fā)明實施例I中提供的一種基于生物特征的認證方法的流程示意圖;圖2是本發(fā)明實施例2中提供的改進得到的用于基于生物特征的注冊和認證服務(wù)的網(wǎng)絡(luò)架構(gòu)不意圖;圖3是本發(fā)明實施例2中提供的改進得到的用于基于生物特征的注冊的網(wǎng)絡(luò)架構(gòu)示意圖;圖4是本發(fā)明實施例2中提供的一種基于生物特征的注冊方法的流程示意圖;圖5是本發(fā)明實施例3中提供的基于生物特征識別的驗證方法的流程概述示意圖;圖6是本發(fā)明實施例3中提供的改進得到的用于基于生物特征的驗證的網(wǎng)絡(luò)架構(gòu)示意圖;圖7是本發(fā)明實施例3中提供的一種基于生物特征識別的驗證方法的流程示意 圖;圖8是本發(fā)明實施例4中提供的基于生物特征識別的識別方法的流程概述示意圖;圖9是本發(fā)明實施例4中提供的改進得到的用于基于生物特征的識別的網(wǎng)絡(luò)架構(gòu)示意圖;圖10是本發(fā)明實施例4中提供的一種基于生物特征識別的識別方法的流程示意圖;圖11是本發(fā)明實施例5中提供的一種云服務(wù)器的結(jié)構(gòu)示意圖;圖12是本發(fā)明實施例5中提供的一種云服務(wù)器中的認證模塊的結(jié)構(gòu)示意圖;圖13是本 發(fā)明實施例5中提供的一種云服務(wù)器的第二種結(jié)構(gòu)示意圖;圖14是本發(fā)明實施例5中提供的一種云服務(wù)器中的認證模塊的第二種結(jié)構(gòu)示意圖;圖15是本發(fā)明實施例5中提供的一種云服務(wù)器中的認證模塊的第三種結(jié)構(gòu)示意圖;圖16是本發(fā)明實施例6中提供的一種客戶端的結(jié)構(gòu)示意圖;圖17是本發(fā)明實施例6中提供的一種客戶端中的采集模塊的結(jié)構(gòu)示意圖。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚,下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。實施例I如圖I所示,本實施例提供了一種基于生物特征的認證方法,該方法包括如下步驟101、客戶端采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像;102、客戶端向云服務(wù)器發(fā)送待認證生物特征圖像;103、云服務(wù)器對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與本地預(yù)存的生物特征模板進行匹配認證;104、云服務(wù)器向客戶端返回匹配認證結(jié)果。本實施例提供了一種基于生物特征的認證方法,客戶端獲取生物特征圖像后,只要將生物特征圖像發(fā)送給云服務(wù)器,云服務(wù)器即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的認證,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。實施例2本發(fā)明所提供的方法,能夠完成用戶基于生物特征的注冊和認證服務(wù),其中,認證服務(wù)包括驗證服務(wù)和識別服務(wù)。并且,本發(fā)明提供了如圖2所示的架構(gòu),用于完成上述功倉泛。其中,接入服務(wù)器(Access Server)、會話服務(wù)器(Session Server)、認證服務(wù)器(Verification Server)、識別服務(wù)器(Recognition Server)和數(shù)據(jù)服務(wù)器(Data Server)共同組成云服務(wù)器;接入服務(wù)器用于與客戶端與云服務(wù)器之間可通過http協(xié)議、TCP協(xié)議等基于互聯(lián)網(wǎng)的任一協(xié)議進行數(shù)據(jù)交換;會話服務(wù)器用于完成用戶基于生物特征的注冊服務(wù);認證服務(wù)器用于完成用戶基于生物特征的驗證服務(wù);識別服務(wù)器用于完成用戶基于生物特征的識別服務(wù);
數(shù)據(jù)服務(wù)器用于存在用戶ID、客戶端ID、合法的生物特征模板及三者的對應(yīng)關(guān)系O
為了便于說明,本實施例2提供了一種基于生物特征的注冊方法,需要說明的是,在用戶通過客戶端進行基于生物特征的認證之前,需要進行基于生物特征的注冊,即在云服務(wù)器端將客戶端ID(Identity,標識)、用戶ID、合法的生物特征模板綁定才可以。為了能夠完成注冊,本實施例2在進行實施時具體的基于如圖3所示的架構(gòu),且在本實施例2及以下的實施例3和4中均以人臉識別作為生物特征識別技術(shù)進行具體說明,但是并不限于人臉識別,還可以為虹膜識別、指紋識別等其他基于生物特征識別的技術(shù)。如圖4所示,一種基于生物特征的注冊方法,包括如下步驟201、客戶端采集用戶圖像;其中,客戶端在本發(fā)明中具體的包括但并不限于手機、平板電腦、筆記本電腦、個人電腦、車載電子系統(tǒng)、掌上電腦,PDA (Personal Digital Assistant,掌上電腦)等,可以是任何以接入互聯(lián)網(wǎng)的外設(shè)??蛻舳瞬杉脩魣D像,具體的可以在圖片或視頻中進行采集,例如,通過手機攝像頭進行采集。202、客戶端在用戶圖像中檢測人臉,并標定人臉的位置;具體地,當用戶圖像中存在人臉時,標定人臉的位置。本步驟采用Haar特征+adaboost人臉檢測算法進行實現(xiàn),adaboost人臉檢測算法包括Haar特征選取和特征計算,特征計算可采用積分圖的方法其中,Haar特征分為三類邊緣特征、線性特征、中心特征和對角線特征,組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形,并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。積分圖主要的思想是將圖像從起點開始到各個點所形成的矩形區(qū)域像素之和作為一個數(shù)組的元素保存在內(nèi)存中,當要計算某個區(qū)域的像素和時可以直接索引數(shù)組的元素,不用重新計算這個區(qū)域的像素和,從而加快了計算。積分圖能夠在多種尺度下,使用相同的時間來計算不同的特征,因此能夠大大提高了檢測速度。Adaboost算法為人臉檢測的現(xiàn)有技術(shù)手段,這里不再贅述。進一步地,需要說明的是,當用戶的人臉位置左右傾斜度在-30 30度的小姿態(tài)下,能夠獲得較準確的定位。203、客戶端選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標;在本實施例中,將人臉的眼睛和嘴作為關(guān)鍵點位置,因此,選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標,具體可以為在獲取的人臉區(qū)域上,標定出人臉的眼睛、嘴巴的位置,采用圖像投影獲得候選眼睛與嘴巴區(qū)域,并分別在眼睛區(qū)域利用Haar特征+adaboost算法獲得準確眼睛中心坐標,在嘴巴區(qū)域利用gabor特征和adaboost算法獲得準確嘴角坐標。其中,gabor特征的抽取為人臉識別的現(xiàn)有技術(shù)手段,這里不再贅述。204、客戶端對關(guān)鍵點位置進行位姿歸一化處理得到臉像圖像;其中,對關(guān)鍵點位置進行位姿歸一化處理得到臉像圖像,具體可以為根據(jù)獲得的眼睛與嘴的位置,經(jīng)過裁剪、縮放、姿態(tài)矯正等歸一化操作將原始圖像轉(zhuǎn)換為標準人臉模版,確 保眼睛與嘴巴處于標準位置,得到標準的臉像圖像。205、客戶端對臉像圖像進行壓縮,并將壓縮后的臉像圖像通過無線網(wǎng)絡(luò)發(fā)送給云服務(wù)器;其中,在將壓縮后的臉像圖像發(fā)送給云服務(wù)器時,還包括發(fā)送用戶ID和客戶端ID給云服務(wù)器。206、云服務(wù)器進行圖像解壓縮;207、對解壓縮后的臉像圖像進行光照歸一化處理;其中,由于光照強度和方向的不同,會導(dǎo)致在人臉識別時的準確率下降,因此,通過光照歸一化處理,使得獲取的臉像圖像均處于同一光照情況下。208、進行特征抽取,得到人臉特征模板;在本實施例中,進行特征抽取,得到人臉特征模板,具體可以為在進行光照歸一化處理后的臉像圖像上,進行包含Gabor局部特征、LBP(LocalBinary Patterns,局部二值模式)和 HOG (Histograms of Oriented Gradients,方向梯度直方圖)的全局分塊特征,并對抽取得到的特征使用LDA(Linear Discriminant Analysis,線性鑒別分析)模型進行降維度計算,將降維度計算結(jié)果依次串連得到人臉特征模板。其中,LDA是一個集合概率模型,主要用于處理離散的數(shù)據(jù)集合,降低維度。209、完成基于人臉特征的注冊。其中,本步驟具體的可以為云服務(wù)器建立并保存用戶ID、客戶端ID和合法的人臉特征模板的對應(yīng)關(guān)系,完成用戶的注冊。210、向客戶端返回注冊結(jié)果。本實施例提供了一種基于生物特征的注冊方法,使得用戶或客戶端可以將生物特征圖像傳送的云服務(wù)器進行注冊,并將用戶ID、客戶端ID與生物特征的對應(yīng)關(guān)系保存在云服務(wù)器,使得在進行生物特征認證時,可以基于互聯(lián)網(wǎng)進行,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。實施例3本實施例3提供了一種基于生物特征識別的驗證方法,如圖5所示,可以通過特征抽取獲取用戶的待驗證人臉特征模板,并通過用戶ID和客戶端ID在云服務(wù)器的模板數(shù)據(jù)庫中進行對應(yīng)模板的選擇,并與待驗證人臉特征模板進行比對,以完成對用戶及客戶端進行基于生物特征的驗證,確定用戶對客戶端的使用權(quán)限。在本實施例3中,提供了如圖6所示的架構(gòu),用于完成基于生物特征識別的驗證,且在本實施例中,仍以人臉識別作為生物特征識別進行說明。如圖7所示,一種基于生物特征識別的驗證方法,包括如下步驟301、客戶端采集用戶圖像;其中,客戶端在本發(fā)明中具體的包括但并不限于手機、平板電腦、筆記本電腦、個人電腦、車載電子系統(tǒng)、掌上電腦,PDA等,可以是任何以接入互聯(lián)網(wǎng)的外設(shè)??蛻舳瞬杉脩魣D像,具體的可以在圖片或視頻中進行采集,例如,通過手機攝像頭進行采集。
302、客戶端在用戶圖像中檢測人臉,并標定人臉的位置;具體地,當用戶圖像中存在人臉時,標定人臉的位置。本步驟采用Haar特征+adaboost人臉檢測算法進行實現(xiàn),adaboost人臉檢測算法包括Haar特征選取和特征計算,特征計算可采用積分圖的方法其中,Haar特征分為三類邊緣特征、線性特征、中心特征和對角線特征,組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形,并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。積分圖主要的思想是將圖像從起點開始到各個點所形成的矩形區(qū)域像素之和作為一個數(shù)組的元素保存在內(nèi)存中,當要計算某個區(qū)域的像素和時可以直接索引數(shù)組的元素,不用重新計算這個區(qū)域的像素和,從而加快了計算。積分圖能夠在多種尺度下,使用相同的時間來計算不同的特征,因此能夠大大提高了檢測速度。進一步地,需要說明的是,當用戶的人臉位置左右傾斜度在-30 30度的小姿態(tài)下,能夠獲得較準確的定位。303、客戶端選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標;在本實施例中,將人臉的眼睛和嘴作為關(guān)鍵點位置,因此,選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標,具體可以為在獲取的人臉區(qū)域上,標定出人臉的眼睛、嘴巴的位置,采用圖像投影獲得候選眼睛與嘴巴區(qū)域,并分別在眼睛區(qū)域利用Haar特征+adaboost算法獲得準確眼睛中心坐標,在嘴巴區(qū)域利用gabor特征和adaboost算法獲得準確嘴角坐標。其中,gabor特征的抽取為人臉識別的現(xiàn)有技術(shù)手段,這里不再贅述。304、客戶端對關(guān)鍵點位置進行位姿歸一化處理得到待驗證臉像圖像;其中,對關(guān)鍵點位置進行位姿歸一化處理得到臉像圖像,具體可以為根據(jù)獲得的眼睛與嘴的位置,經(jīng)過裁剪、縮放、姿態(tài)矯正等歸一化操作將原始圖像轉(zhuǎn)換為標準人臉模版,確保眼睛與嘴巴處于標準位置,得到標準的臉像圖像。305、客戶端對待驗證臉像圖像進行壓縮,并將壓縮后的待驗證臉像圖像通過無線網(wǎng)絡(luò)發(fā)送給云服務(wù)器;其中,在將壓縮后的待驗證臉像圖像發(fā)送給云服務(wù)器時,還包括發(fā)送用戶ID和客戶端ID給云服務(wù)器。306、云服務(wù)器進行圖像解壓縮;307、對解壓縮后的待驗證臉像圖像進行光照歸一化處理;其中,由于光照強度和方向的不同,會導(dǎo)致在人臉識別時的準確率下降,因此,通過光照歸一化處理,使得獲取的臉像圖像均處于同一光照情況下。308、云服務(wù)器進行特征抽取,得到待驗證人臉特征模板;在本實施例中,進行特征抽取,得到待驗證人臉特征模板,具體可以為在進行光照歸一化處理后的臉像圖像上,進行包含Gabor局部特征、LBP和HOG的全局分塊特征,并對抽取得到的特征使用LDA模型進行降維度計算,將降維度計算結(jié)果依次串連得到人臉特征模板。其中,LDA是一個集合概率模型,主要用于處理離散的數(shù)據(jù)集合,降低維度。 309、將上述待驗證人臉特征模板與本地保存的目標人臉特征模板進行匹配;
進一步地,將上述待驗證人臉特征模板與本地保存的目標人臉特征模板進行匹配,并返回驗證結(jié)果,具體可以包括309-1、根據(jù)用戶ID和客戶端ID在模板數(shù)據(jù)庫中獲取對應(yīng)的人臉特征模板;309-2、計算上述用戶ID和客戶端ID對應(yīng)的人臉特征模板與待驗證人臉特征模板的相似度;在本實施例中,進行 相似度計算使用余弦距離與KNN (k-Nearest Neighbor, K最鄰近分類)算法,這里不再贅述。309-3、判斷相似度是否大于預(yù)設(shè)的驗證閾值,如果是,則執(zhí)行步驟309-4,如果不是,則驗證未通過;309-4、驗證通過。310、向客戶端返回驗證結(jié)果。本實施例提供了一種基于生物特征的驗證方法,客戶端獲取生物特征圖像后,只要將生物特征圖像發(fā)送給云服務(wù)器,云服務(wù)器即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的驗證,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。實施例4本實施例4提供了一種基于生物特征識別的識別方法,如圖8所示,可以通過特征抽取獲取用戶的待識別人臉特征模板,并通過客戶端ID在云服務(wù)器的模板數(shù)據(jù)庫中進行對應(yīng)模板的選擇,并與待驗證人臉特征模板進行比對,以完成對用戶及客戶端進行基于生物特征的識別,得到與待識別人臉特征模板對應(yīng)的用戶ID。在本實施例4中,提供了如圖9所示的架構(gòu),用于完成基于生物特征識別的識別,且在本實施例中,仍以人臉識別作為生物特征識別進行說明。如圖10所示,一種基于生物特征識別的識別方法,包括如下步驟401、客戶端采集用戶圖像;其中,客戶端在本發(fā)明中具體的包括但并不限于手機、平板電腦、筆記本電腦、個人電腦、車載電子系統(tǒng)、掌上電腦,PDA等,可以是任何以接入互聯(lián)網(wǎng)的外設(shè)??蛻舳瞬杉脩魣D像,具體的可以在圖片或視頻中進行采集,例如,通過手機攝像頭進行采集。402、客戶端在用戶圖像中檢測人臉,并標定人臉的位置;具體地,當用戶圖像中存在人臉時,標定人臉的位置。本步驟采用Haar特征+adaboost人臉檢測算法進行實現(xiàn),adaboost人臉檢測算法包括Haar特征選取和特征計算,特征計算可采用積分圖的方法其中,Haar特征分為三類邊緣特征、線性特征、中心特征和對角線特征,組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形,并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。積分圖主要的思想是將圖像從起點開始到各個點所形成的矩形區(qū)域像素之和作為一個數(shù)組的元素保存在內(nèi)存中,當要計算某個區(qū)域的像素和時可以直接索引數(shù)組的元素,不用重新計算這個區(qū)域的像素和,從而加快了計算。積分圖能夠在多種尺度下,使用相同的時間來計算不同的特征,因此能夠大大提高了檢測速度。進一步地,需要說明的是,當用戶的人臉位置左右傾斜度在-30 30度的小姿態(tài)下,能夠獲得較準確的定位。403、客戶端選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標;在本實施例中,將人臉的眼睛和嘴作為關(guān)鍵點位置,因此,選取人臉的關(guān)鍵點位置,并獲取關(guān)鍵點位置 的坐標,具體可以為在獲取的人臉區(qū)域上,標定出人臉的眼睛、嘴巴的位置,采用圖像投影獲得候選眼睛與嘴巴區(qū)域,并分別在眼睛區(qū)域利用Haar特征+adaboost算法獲得準確眼睛中心坐標,在嘴巴區(qū)域利用gabor特征和adaboost算法獲得準確嘴角坐標。其中,gabor特征的抽取為人臉識別的現(xiàn)有技術(shù)手段,這里不再贅述。404、客戶端對關(guān)鍵點位置進行位姿歸一化處理得到待識別臉像圖像;其中,對關(guān)鍵點位置進行位姿歸一化處理得到臉像圖像,具體可以為根據(jù)獲得的眼睛與嘴的位置,經(jīng)過裁剪、縮放、姿態(tài)矯正等歸一化操作將原始圖像轉(zhuǎn)換為標準人臉模版,確保眼睛與嘴巴處于標準位置,得到標準的臉像圖像。405、客戶端對待識別臉像圖像進行壓縮,并將壓縮后的待識別臉像圖像通過無線網(wǎng)絡(luò)發(fā)送給云服務(wù)器;其中,在將壓縮后的待識別臉像圖像發(fā)送給云服務(wù)器時,還包括發(fā)送用戶ID和客戶端ID給云服務(wù)器。406、云服務(wù)器進行圖像解壓縮;407、對解壓縮后的待識別臉像圖像進行光照歸一化處理;其中,由于光照強度和方向的不同,會導(dǎo)致在人臉識別時的準確率下降,因此,通過光照歸一化處理,使得獲取的臉像圖像均處于同一光照情況下。408、云服務(wù)器進行特征抽取,得到待識別人臉特征模板;在本實施例中,進行特征抽取,得到待識別人臉特征模板,具體可以為在進行光照歸一化處理后的臉像圖像上,進行包含Gabor局部特征、LBP和HOG的全局分塊特征,并對抽取得到的特征使用LDA模型進行降維度計算,將降維度計算結(jié)果依次串連得到人臉特征模板。其中,LDA是一個集合概率模型,主要用于處理離散的數(shù)據(jù)集合,降低維度。409、將上述待識別人臉特征模板與本地保存的目標人臉特征模板進行匹配;進一步地,將上述待識別人臉特征模板與本地保存的目標人臉特征模板進行匹配,并返回識別結(jié)果,具體可以包括409-1、根據(jù)用戶ID和客戶端ID在模板數(shù)據(jù)庫中獲取對應(yīng)的人臉特征模板的集合;其中,所述集合中可能包括一個或多個與客戶端ID對應(yīng)的人臉特征模板。409-2、依次計算上述集合中的人臉特征模板與待識別人臉特征模板的相似度;在本實施例中,進行相似度計算使用余弦距離與KNN算法,這里不再贅述。409-3、依次判斷相似度是否大于預(yù)設(shè)的識別閾值,如果是,則執(zhí)行步驟409-4,如果不是,則識別未通過;409-4、將相似度大于預(yù)設(shè)的識別閾值的人臉特征模板對應(yīng)的用戶ID加入到識別結(jié)果集中;
409-5、根據(jù)相似度由大到小的順序?qū)⒆R別結(jié)果集中的用戶ID進行排序。410、并返回識別結(jié)果。在本實施例中,識別結(jié)果具體的為排序后的識別結(jié)果集。本實施例提供了一種基于生物特征的識別方法,客戶端獲取生物特征圖像后,只要將生物特征圖像發(fā)送給云服務(wù)器,云服務(wù)器即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的識別,并返回對應(yīng)的用戶ID,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。實施例5如圖11所示,本實施例提供了一種云服務(wù)器5,該云服務(wù)器5包括接入模塊51,用于接收客戶端發(fā)送的待認證生物特征圖像;認證模塊52,用于對待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與數(shù)據(jù)模塊53中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果;數(shù)據(jù)模塊53,用于保存生物特征模板。其中,在上述云服務(wù)器5中,接入模塊可具體通過實施例2-4中提供的接入服務(wù)器進行實現(xiàn),認證模塊可具體通過實施例2-4中提供的認證服務(wù)器或識別服務(wù)器進行實現(xiàn),數(shù)據(jù)模塊可通過實施例2-4中提供的數(shù)據(jù)服務(wù)器進行實現(xiàn)。進一步地,如圖12所示,認證模塊52包括光照處理單元521,用于對待認證生物特征圖像進行光照歸一化處理;特征抽取單元522,用于對光照歸一化處理后的待認證生物特征圖像進行特征抽取,并對抽取得到的特征進行降維度計算,將降維度計算結(jié)果依次串連得到待認證生物特征模板;認證單元523,用于將待認證生物特征模板與數(shù)據(jù)模塊中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果。進一步地,接入模塊51還用于在接收客戶端發(fā)送的待認證生物特征圖像之前,接收客戶端發(fā)送的生物特征圖像、客戶端標識和用戶標識;相應(yīng)地,如圖13所示,云服務(wù)器5還包括會話模塊54,用于對生物特征圖像進行特征抽取得到生物特征模板,并將生物特征模板、客戶端標識和用戶標識的對應(yīng)關(guān)系發(fā)送給數(shù)據(jù)模塊,完成用戶的注冊,并返回注冊結(jié)果;數(shù)據(jù)模塊53,還用于保存生物特征模板、客戶端標識和用戶標識的對應(yīng)關(guān)系。進一步地,接入模塊51還用于在接收客戶端發(fā)送的待認證生物特征圖像時,接收客戶端發(fā)送的客戶端標識;相應(yīng)地,如圖14所示,認證模塊52,包括第一模板獲取單元524,用于對待認證生物特征圖像進行特征抽取得到待認證生物特征模板;集合獲取單元525,用于根據(jù)客戶端標識查找與客戶端標識對應(yīng)的生物特征模板的集合;
識別單元526,用于將待認證生物特征模板與集合中的每個生物特征模板進行相似度計算,當生物特征模板與待認證生物特征模板的相似度大于預(yù)設(shè)的識別閾值時,則將生物特征模板對應(yīng)的用戶標識加入到識別結(jié)果集中;識別結(jié)果發(fā)送單元527,用于根據(jù)相似度由大到小的順序?qū)⒆R別結(jié)果集中的用戶標識進行排序,并將識別結(jié)果集通過接入模塊51返回給客戶端。其中,如圖14所示的認證模塊52可具體通過實施例2-4中提供的識別服務(wù)器進行實現(xiàn)。進一步地,接入模塊51還用于在接收客戶端發(fā)送的待認證生物特征圖像時,接收客戶端發(fā)送的客戶端標識和用戶標識;相應(yīng)地,如圖15所示,認證模塊52,包括第二模板獲取單元528,用于對待認證生物特征圖像進行特征抽取得到待認證生物特征模板;查找單元529,用于根據(jù)客戶端標識和用戶標識查找得到與客戶端標識和用戶標識對應(yīng)的生物特征模板;驗證單元5210,用于將待認證生物特征模板與客戶端標識和用戶標識對應(yīng)的生物特征模板進行相似度計算,當計算得出的相似度大于預(yù)設(shè)的驗證閾值時,判定用戶驗證通過;驗證結(jié)果發(fā)送單元5211,用于將驗證結(jié)果通過接入模塊51返回給客戶端。其中,如圖15所示的認證模塊52可通過實施例2_4中提供的驗證服務(wù)器進行實現(xiàn)。本實施例提供了一種云服務(wù)器,該云服務(wù)器獲取客戶端發(fā)送的生物特征圖像后,即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的認證,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。實施例6如圖16所示,本實施例提供了一種客戶端6,該客戶端6包括采集模塊61,用于采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像;發(fā)送模塊62,用于向云服務(wù)器發(fā)送待認證生物特征圖像,以便于云服務(wù)器對待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與預(yù)存的生物特征模板進行匹配認證;接收模塊63,用于接收云服務(wù)器返回的匹配認證結(jié)果。進一步地,如圖17所示,采集模塊61包括采集單元611,用于采集用戶圖像;檢測單元612,用于當檢測到用戶圖像中包括預(yù)設(shè)的生物特征時,標定生物特征的位置;關(guān)鍵點定位單元613,用于選取生物特征的關(guān)鍵點位置,并獲取關(guān)鍵點位置的坐標;
位姿歸一化單元614,用于對關(guān)鍵點位置進行姿態(tài)矯正得到待認證生物特征圖像。
本實施例提供了一種客戶端,該客戶端可獲取用戶的生物特征圖像,并將該生物特征圖像發(fā)送給云服務(wù)器,使得云服務(wù)器進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的認證,特征抽取的過程在云服務(wù)器端完成,客戶端的復(fù)雜度低,客戶端的可擴展性強,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。本發(fā)明還提供了一種基于生物特征的認證系統(tǒng),該系統(tǒng)包括如實施例5所述的云服務(wù)器5和如實施例6所述的客戶端6。本領(lǐng)域普通技術(shù)人員 可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成,也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,上述提到的存儲介質(zhì)可以是只讀存儲器,磁盤或光盤等。以上所述僅為本發(fā)明的較佳實施例,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi),所作的任何修改、等同替換、改進等,均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于生物特征的認證方法,其特征在于,所述方法包括 接收客戶端發(fā)送的待認證生物特征圖像; 對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果。
2.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,包括 對所述待認證生物特征圖像進行光照歸一化處理; 對所述光照歸一化處理后的待認證生物特征圖像進行特征抽取,并對抽取得到的特征進行降維度計算,將降維度計算結(jié)果依次串連得到所述待認證生物特征模板。
3.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述接收客戶端發(fā)送的待認證生物特征圖像之前,所述方法還包括 接收所述客戶端發(fā)送的生物特征圖像、客戶端標識和用戶標識; 對所述生物特征圖像進行特征抽取得到生物特征模板,保存所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系,完成用戶的注冊,并返回注冊結(jié)果。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述接收客戶端發(fā)送的待認證生物特征圖像時,所述方法還包括 接收所述客戶端發(fā)送的客戶端標識; 相應(yīng)地,所述與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果,包括 根據(jù)所述客戶端標識查找與所述客戶端標識對應(yīng)的本地預(yù)存的生物特征模板的集合; 將所述待認證生物特征模板與所述集合中的每個生物特征模板進行相似度計算,當所述生物特征模板與所述待認證生物特征模板的相似度大于預(yù)設(shè)的識別閾值時,則將所述生物特征模板對應(yīng)的用戶標識加入到識別結(jié)果集中; 根據(jù)相似度由大到小的順序?qū)⑺鲎R別結(jié)果集中的用戶標識進行排序,并將所述識別結(jié)果集返回給所述客戶端。
5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述接收客戶端發(fā)送的待認證生物特征圖像時,所述方法還包括 接收所述客戶端發(fā)送的客戶端標識和用戶標識; 相應(yīng)地,所述與本地預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果,包括根據(jù)所述客戶端標識和用戶標識查找得到與所述客戶端標識和用戶標識對應(yīng)的生物特征模板; 將所述待認證生物特征模板與所述客戶端標識和用戶標識對應(yīng)的生物特征模板進行相似度計算,當計算得出的相似度大于預(yù)設(shè)的驗證閾值時,則用戶驗證通過,將驗證結(jié)果返回給所述客戶端。
6.一種基于生物特征的認證方法,其特征在于,所述方法包括 采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像; 向云服務(wù)器發(fā)送所述待認證生物特征圖像,以便于所述云服務(wù)器對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與預(yù)存的生物特征模板進行匹配認證;接收所述云服務(wù)器返回的匹配認證結(jié)果。
7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述進行生物特征定位處理得到待認證生物特征圖像,包括 當檢測到所述用戶圖像中包括預(yù)設(shè)的生物特征時,標定所述生物特征的位置; 選取所述生物特征的關(guān)鍵點位置,并獲取所述關(guān)鍵點位置的坐標; 對所述關(guān)鍵點位置進行姿態(tài)矯正得到待認證生物特征圖像。
8.—種云服務(wù)器,其特征在于,所述云服務(wù)器包括 接入模塊,用于接收客戶端發(fā)送的待認證生物特征圖像; 認證模塊,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與數(shù)據(jù)模塊中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果; 所述數(shù)據(jù)模塊,用于保存生物特征模板。
9.根據(jù)權(quán)利要求8所述的云服務(wù)器,其特征在于,所述認證模塊包括 光照處理單元,用于對所述待認證生物特征圖像進行光照歸一化處理; 特征抽取單元,用于對所述光照歸一化處理后的待認證生物特征圖像進行特征抽取,并對抽取得到的特征進行降維度計算,將降維度計算結(jié)果依次串連得到所述待認證生物特征模板; 認證單元,用于將所述待認證生物特征模板與數(shù)據(jù)模塊中預(yù)存的生物特征模板進行匹配認證,返回匹配認證結(jié)果。
10.根據(jù)權(quán)利要求8所述的云服務(wù)器,其特征在于,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像之前,接收所述客戶端發(fā)送的生物特征圖像、客戶端標識和用戶標識; 相應(yīng)地,所述云服務(wù)器還包括 會話模塊,用于對所述生物特征圖像進行特征抽取得到生物特征模板,并將所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系發(fā)送給所述數(shù)據(jù)模塊,完成用戶的注冊,并返回注冊結(jié)果; 所述數(shù)據(jù)模塊,還用于保存所述生物特征模板、所述客戶端標識和所述用戶標識的對應(yīng)關(guān)系。
11.根據(jù)權(quán)利要求10所述的云服務(wù)器,其特征在于,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像時,接收所述客戶端發(fā)送的客戶端標識; 相應(yīng)地,所述認證模塊,包括 第一模板獲取單元,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板; 集合獲取單元,用于根據(jù)所述客戶端標識查找與所述客戶端標識對應(yīng)的生物特征模板的集合; 識別單元,用于將所述待認證生物特征模板與所述集合中的每個生物特征模板進行相似度計算,當所述生物特征模板與所述待認證生物特征模板的相似度大于預(yù)設(shè)的識別閾值時,則將所述生物特征模板對應(yīng)的用戶標識加入到識別結(jié)果集中; 識別結(jié)果發(fā)送單元,用于根據(jù)相似度由大到小的順序?qū)⑺鲎R別結(jié)果集中的用戶標識進行排序,并將所述識別結(jié)果集通過所述接入模塊返回給所述客戶端。
12.根據(jù)權(quán)利要求10所述的云服務(wù)器,其特征在于,所述接入模塊還用于在接收所述客戶端發(fā)送的待認證生物特征圖像時,接收所述客戶端發(fā)送的客戶端標識和用戶標識; 相應(yīng)地,所述認證模塊,包括 第二模板獲取單元,用于對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板; 查找單元,用于根據(jù)所述客戶端標識和用戶標識查找得到與所述客戶端標識和用戶標識對應(yīng)的生物特征模板; 驗證單元,用于將所述待認證生物特征模板與所述客戶端標識和用戶標識對應(yīng)的生物特征模板進行相似度計算,當計算得出的相似度大于預(yù)設(shè)的驗證閾值時,判定用戶驗證通過; 驗證結(jié)果發(fā)送單元,用于將驗證結(jié)果通過所述接入模塊返回給所述客戶端。
13.—種客戶端,其特征在于,所述客戶端包括 采集模塊,用于采集用戶圖像,并進行生物特征定位處理得到待認證生物特征圖像; 發(fā)送模塊,用于向云服務(wù)器發(fā)送所述待認證生物特征圖像,以便于所述云服務(wù)器對所述待認證生物特征圖像進行特征抽取得到待認證生物特征模板,并與預(yù)存的生物特征模板進行匹配認證; 接收模塊,用于接收所述云服務(wù)器返回的匹配認證結(jié)果。
14.根據(jù)權(quán)利要求13所述的客戶端,其特征在于,所述采集模塊包括 采集單元,用于采集用戶圖像; 檢測單元,用于當檢測到所述用戶圖像中包括預(yù)設(shè)的生物特征時,標定所述生物特征的位置; 關(guān)鍵點定位單元,用于選取所述生物特征的關(guān)鍵點位置,并獲取所述關(guān)鍵點位置的坐標; 位姿歸一化單元,用于對所述關(guān)鍵點位置進行姿態(tài)矯正得到待認證生物特征圖像。
15.一種基于生物特征的認證系統(tǒng),其特征在于,所述系統(tǒng)包括如權(quán)利要求8-12任一權(quán)利要求所述的云服務(wù)器和如權(quán)利要求13-14任一權(quán)利要求所述的客戶端。
全文摘要
本發(fā)明公開了一種基于生物特征的認證方法、裝置及系統(tǒng),屬于計算機領(lǐng)域。本發(fā)明通過客戶端獲取生物特征圖像后,只要將生物特征圖像發(fā)送給云服務(wù)器,云服務(wù)器即可進行特征抽取得到生物特征模板,對用戶或客戶端進行基于生物特征的認證,特征抽取的過程在云服務(wù)器端完成,能夠降低客戶端的復(fù)雜度,增加客戶端的可擴展性,消除了只能在本地完成生物特征識別的局限性,可支持多樣化的應(yīng)用。
文檔編號H04L9/32GK102646190SQ20121007214
公開日2012年8月22日 申請日期2012年3月19日 優(yōu)先權(quán)日2012年3月19日
發(fā)明者侯杰, 劉海龍, 熊鵬飛, 陳波 申請人:騰訊科技(深圳)有限公司