生物特征的识别方法及装置、电子设备、存储介质制造方法及图纸

本发明专利技术公开了一种生物特征的识别方法及装置、电子设备、存储介质，涉及生物识别领域，其中，该方法包括：接收客户端上传的生物图像序列，其中，生物图像序列是指对目标对象进行视频采集后提取的图像序列；分析生物图像序列中的表情标签、意图情绪和生物特征比对结果；基于表情标签、意图情绪和生物特征比对结果中至少之一，确定识别置信度；在识别置信度大于预设置信度阈值的情况下，将对目标对象进行生物安全识别的异常告知结果输出至客户端。本发明专利技术解决了相关技术中，通过动作活体检测进行生物特征识别的安全性不足的技术问题。物特征识别的安全性不足的技术问题。物特征识别的安全性不足的技术问题。

【技术实现步骤摘要】
生物特征的识别方法及装置、电子设备、存储介质


[0001]本专利技术涉及生物识别领域，具体而言，涉及一种生物特征的识别方法及装置、电子设备、存储介质。

技术介绍

[0002]近年来，随着各种终端的更新换代以及各场景对信息安全的要求越来越高，人脸识别以其不可复制性、非接触性、可扩展性和便捷性等特点，已在各个领域得到广泛应用，特别是在线上身份认证场景的使用更是普遍，人脸识别已经成为信息安全验证不可避免的一部分。
[0003]在人脸识别技术应用过程中，主要包括动作活体检测和人脸识别比对两大环节，即通过活体检测判断为正常的人脸后，才进入人脸识别比对，从而确定待识别对象的身份。可见，人脸活体检测是提高人脸认证系统安全性、可靠性的重要环节，而人脸图像决定了最终的识别结果。
[0004]相关技术中，人脸识别应用最为广泛的移动APP等线上渠道场景，主要是通过应用发出的动作指令与用户交互来实现活体检测，让用户配合给定的随机动作指令，例如眨眼、转头、张嘴等运动，然后从采集视频中识别人脸区域的运动信息，并判断该运动信息是否与给定的指令一致来判断是否为活体，同时，从采集的内容中选择正面人脸照片，用于人脸识别比对。
[0005]动作活体检测技术广泛应用于生物特征识别场景，其能够有效防范静态照片、视频回放和静态头模等攻击，但其也存在如下弊端：第一，由于随机生成的动作指令类型较少，随着各种照片活化工具及AI换脸软件的出现，实现活体检测攻击的成本和难度越来越低，很容易通过视频的方式提前生成与动作指令相对应的动作来进行生物特征识别，欺骗业务人员；第二，某些特殊场景下，动作活体检测无法有效识别当事人是否是自愿进行人脸识别操作的；第三，在进行动作活体检测，用户不仅要正视屏幕，还需要根据屏幕指示做出相应动作，对于某些场景，例如用户戴口罩，或者未佩戴近视眼镜等情况，容易造成用户体验感不佳。
[0006]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0007]本专利技术实施例提供了一种生物特征的识别方法及装置、电子设备、存储介质，以至少解决相关技术中，通过动作活体检测进行生物特征识别的安全性不足的技术问题。
[0008]根据本专利技术实施例的一个方面，提供了一种生物特征的识别方法，应用于服务器，包括：接收客户端上传的生物图像序列，其中，所述生物图像序列是指对目标对象进行视频采集后提取的图像序列；分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果；基于所述表情标签、所述意图情绪和所述生物特征比对结果中至少之一，确定识别置信度；在所述识别置信度大于预设置信度阈值的情况下，将对所述目标对象进行生物安全
识别的异常告知结果输出至所述客户端。
[0009]可选地，分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果的步骤，包括：将所述生物图像序列输入至指定深度学习模型，输出与所述生物图像序列中每张生物图像对应的所述表情标签；将所述表情标签输入至指定分析模型，输出每个所述表情标签对应的权重，结合所述表情标签的权重和所有表情标签的正态分布信息，确定所述目标对象的所述意图情绪；采用生物特征提取算法提取与所述每张生物图像对应的特征向量值，将所述特征向量值与原始注册特征进行比对，得到所述生物特征比对结果。
[0010]可选地，所述指定深度学习模型中神经网络使用的目标损失函数值，采用归一化损失函数与岛屿损失函数计算得到，其中，所述归一化损失函数，采用的计算元素包括：训练样本数、标签分类数和输出向量的图像元素，其中，所述训练样本数为历史时间段中历史生物图像与对应的历史表情标签形成的训练样本的总数量，所述标签分类数为统计的所有待分类表情标签的总数量，所述输出向量为神经网络的输出表情标签对应的向量；所述岛屿损失函数，采用的计算元素包括：所述训练样本数、样本特征向量、表情标签集合、表情标签中心、第一预设权重值。
[0011]可选地，在将所述表情标签输入至指定分析模型，输出每个所述表情标签对应的权重之前，还包括：采用期望最大算法对包含多个高斯分布函数的混合模型进行训练，得到所述指定分析模型。
[0012]可选地，结合所述表情标签的权重和所有表情标签的正态分布信息，确定所述目标对象的所述意图情绪的步骤，包括：结合所述表情标签的权重和所有表情标签的正态分布信息，确定与所述生物图像序列对应的意图置信值；在所述意图置信值处于指定异常情绪的置信区间内的情况下，则确认所述目标对象的心理状态异常，所述目标对象的意图情绪异常；在所述意图置信值处于指定正常情绪的置信区间内的情况下，则确认所述目标对象的心理状态正常，所述目标对象的意图情绪正常。
[0013]可选地，采用生物特征提取算法提取与所述每张生物图像对应的特征向量值的步骤，包括：在所述生物特征为人脸特征的情况下，采用指定卷积神经网络提取所述每张生物图像中的人脸框；以所述人脸框为基准，采用指定人脸向量模型将所述每张生物图像中出现的人脸映射至多维空间向量，得到所述特征向量值。
[0014]可选地，所述指定卷积神经网络采用多任务卷积神经网络，所述多任务卷积神经网络包括三个子网络：生成候选窗口的第一子网络、过滤候选窗口的第二子网络和生成最终边界框与人脸关键点的第三子网络。
[0015]根据本专利技术实施例的另一方面，还提供了一种生物特征的识别方法，应用于客户端，包括：在检测到目标对象对准采集框时，根据指定帧率提取视频流中符合生物识别检测要求的图像，得到提取图像集合，其中，所述视频流是指通过拍摄设备采集所述目标对象的视频；获取所述提取图像集合中每张图像的的指定部位正面区域，截取指定部位区域图像，得到生物图像序列；将所述生物图像序列发送至服务器，其中，所述服务器在接收所述生物图像序列之后，分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果，并确定对所述目标对象的生物安全识别结果。
[0016]可选地，在截取指定部位区域图像，得到生物图像序列之后，还包括：采用行程编码策略压缩所述生物图像序列；采用指定加密算法对压缩后的所述生物图像序列进行加
密。
[0017]可选地，分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果的步骤，包括：所述服务器将所述生物图像序列输入至指定深度学习模型，输出与所述生物图像序列中每张生物图像对应的所述表情标签；所述服务器将所述表情标签输入至指定分析模型，输出每个所述表情标签对应的权重，结合所述表情标签的权重和所有表情标签的正态分布信息，确定所述目标对象的所述意图情绪；所述服务器采用生物特征提取算法提取与所述每张生物图像对应的特征向量值，将所述特征向量值与原始注册特征进行比对，得到所述生物特征比对结果。
[0018]可选地，所述指定部位正面区域至少包括：人脸正面区域。
[0019]根据本专利技术实施例的另一方面，还提供了一种生物特征的识别系统，包括：客户端，与拍摄设备连接，在接收所述拍摄设备传输的视频流后，执行上述应用于客户端的任意一项生物特征的识别方法；服务器，与所述客户端连接，执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生物特征的识别方法，其特征在于，应用于服务器，包括：接收客户端上传的生物图像序列，其中，所述生物图像序列是指对目标对象进行视频采集后提取的图像序列；分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果；基于所述表情标签、所述意图情绪和所述生物特征比对结果中至少之一，确定识别置信度；在所述识别置信度大于预设置信度阈值的情况下，将对所述目标对象进行生物安全识别的异常告知结果输出至所述客户端。2.根据权利要求1所述的识别方法，其特征在于，分析所述生物图像序列中的表情标签、意图情绪和生物特征比对结果的步骤，包括：将所述生物图像序列输入至指定深度学习模型，输出与所述生物图像序列中每张生物图像对应的所述表情标签；将所述表情标签输入至指定分析模型，输出每个所述表情标签对应的权重，结合所述表情标签的权重和所有表情标签的正态分布信息，确定所述目标对象的所述意图情绪；采用生物特征提取算法提取与所述每张生物图像对应的特征向量值，将所述特征向量值与原始注册特征进行比对，得到所述生物特征比对结果。3.根据权利要求2所述的识别方法，其特征在于，所述指定深度学习模型中神经网络使用的目标损失函数值，采用归一化损失函数与岛屿损失函数计算得到，其中，所述归一化损失函数，采用的计算元素包括：训练样本数、标签分类数和输出向量的图像元素，其中，所述训练样本数为历史时间段中历史生物图像与对应的历史表情标签形成的训练样本的总数量，所述标签分类数为统计的所有待分类表情标签的总数量，所述输出向量为神经网络的输出表情标签对应的向量；所述岛屿损失函数，采用的计算元素包括：所述训练样本数、样本特征向量、表情标签集合、表情标签中心、第一预设权重值。4.根据权利要求2所述的识别方法，其特征在于，在将所述表情标签输入至指定分析模型，输出每个所述表情标签对应的权重之前，还包括：采用期望最大算法对包含多个高斯分布函数的混合模型进行训练，得到所述指定分析模型。5.根据权利要求2所述的识别方法，其特征在于，结合所述表情标签的权重和所有表情标签的正态分布信息，确定所述目标对象的所述意图情绪的步骤，包括：结合所述表情标签的权重和所有表情标签的正态分布信息，确定与所述生物图像序列对应的意图置信值；在所述意图置信值处于指定异常情绪的置信区间内的情况下，则确认所述目标对象的心理状态异常，所述目标对象的意图情绪异常；在所述意图置信值处于指定正常情绪的置信区间内的情况下，则确认所述目标对象的心理状态正常，所述目标对象的意图情绪正常。6.根据权利要求2所述的识别方法，其特征在于，采用生物特征提取算法提取与所述每张生物图像对应的特征向量值的步骤，包括：在所述生物特征为人脸特征的情况下，采用指定卷积神经网络提取所述每张生物图像
中的人脸框；以所述人脸框为基准，采用指定人脸向量模型将所述每张生物图像中出现的人脸映射至多维空间向量，得到所述特征向量值。7.根据权利要求6所述的识别方法，其特征在于，所述指定卷积神经网络采用多任务卷积神经网络，所述多任务卷积神经网络包括三个子网络：生成候选窗口的第一子网络、过滤候选窗口的第二子网络和生成最终边界框与人脸关键点的第三子网络。8.一种生物特征的识别方法，其特征在于，应用于客户端，包括：在检测到目标对象对准采集框时，根据指定帧率提取视频流中符合生物识别检测要求的图像，得到提取图像集合，其中，所...

【专利技术属性】
技术研发人员：林晓锐，张锦元，刘唱，高伟，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：