System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 身份认证方法、装置、存储介质及电子设备制造方法及图纸_技高网

身份认证方法、装置、存储介质及电子设备制造方法及图纸

技术编号:40287394 阅读:3 留言:0更新日期:2024-02-07 20:39
本发明专利技术公开了一种身份认证方法、装置、存储介质及电子设备,涉及金融科技领域或其他相关领域。该方法包括:获取待认证对象的第一步态序列和身体状态信息;依据身体状态信息确定目标认证策略;若目标认证策略为第一步态认证策略,则通过目标神经网络模型对第一步态序列进行步态认证,得到第一认证结果;若第一认证结果表征待认证对象认证成功,则获取待认证对象的第二步态序列,并通过目标神经网络模型对第二步态序列进行步态认证,得到目标认证结果。本发明专利技术解决了现有技术中使用数字密码进行保险箱开锁的身份认证,存在认证安全性较低的技术问题。

【技术实现步骤摘要】

本专利技术涉及金融科技领域或其他相关领域,具体而言,涉及一种身份认证方法、装置、存储介质及电子设备


技术介绍

1、随着社会的发展,人们对保险箱的需求不断增加。目前,金融机构现有的保险箱的身份认证需要使用钥匙或数字密码,钥匙容易丢失,数字密码容易被猜测或泄露,存在认证安全性较低的问题。

2、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

1、本专利技术实施例提供了一种身份认证方法、装置、存储介质及电子设备,以至少解决现有技术中使用数字密码进行保险箱开锁的身份认证,存在认证安全性较低的技术问题。

2、根据本专利技术实施例的一个方面,提供了一种身份认证方法,包括:获取待认证对象的第一步态序列和身体状态信息,其中,待认证对象为请求保险箱开锁的对象,身体状态信息用于表征待认证对象的身体活动度情况;依据身体状态信息确定目标认证策略,其中,目标认证策略为以下之一:第一步态认证策略、第二步态认证策略,第一步态认证策略对应的身体活动度大于第二步态认证策略对应的身体活动度;若目标认证策略为第一步态认证策略,则通过目标神经网络模型对第一步态序列进行步态认证,得到第一认证结果,其中,第一认证结果用于表征待认证对象是否认证成功,目标神经网络模型是通过样本数据集对卷积神经网络训练得到的;若第一认证结果表征待认证对象认证成功,则获取待认证对象的第二步态序列,并通过目标神经网络模型对第二步态序列进行步态认证,得到目标认证结果,其中,第二步态序列与第一步态序列对应的步频不同,目标认证结果用于表征待认证对象是否认证成功。

3、进一步地,获取待认证对象的第一步态序列,包括:获取待认证对象的步态视频信息,并通过高斯混合模型对步态视频信息进行背景分割处理,得到背景图像序列和前景图像序列;通过背景减除法对前景图像序列进行人体轮廓提取处理,得到待认证对象的第一步态序列。

4、进一步地,通过目标神经网络模型对第一步态序列进行步态认证,得到第一认证结果,包括:获取待认证对象对应的第一目标步态序列,并将第一步态序列和第一目标步态序列输入目标神经网络模型;通过目标神经网络模型计算第一步态序列与第一目标步态序列之间的相似度,并对相似度与预设阈值进行比对;若相似度大于预设阈值,则将待认证对象认证成功作为第一认证结果;若相似度小于或等于预设阈值,则将待认证对象认证失败作为第一认证结果。

5、进一步地,在依据身体状态信息确定目标认证策略之后,该方法还包括:若目标认证策略为第二步态认证策略,则判断是否存在待认证对象对应的第二目标步态序列;若存在第二目标步态序列,则通过目标神经网络模型依据第一步态序列和第二目标步态序列进行步态认证,得到第二认证结果;若不存在第二目标步态序列,则采集待认证对象的第二目标步态序列,并对第二目标步态序列进行存储。

6、进一步地,在获取待认证对象的第一步态序列和身体状态信息之前,该方法还包括:在待认证对象办理保险箱申请业务的过程中,采集待认证对象的第一目标步态序列和第三目标步态序列,其中,第三目标步态序列用于对第二步态序列进行步态认证;对第一目标步态序列和第三目标步态序列进行存储。

7、进一步地,通过以下步骤生成目标神经网络模型:获取样本数据集,并将样本数据集拆分为训练集和测试集,其中,样本数据集包含真实标签,真实标签用于标识样本对象的真实身份认证结果;依据训练集和测试集对卷积神经网络进行训练和优化,得到目标神经网络模型。

8、进一步地,依据训练集和测试集对卷积神经网络进行训练和优化,得到目标神经网络模型,包括:将训练集中的训练样本输入卷积神经网络,输出训练样本对应的预测身份认证结果;依据真实标签、预测身份认证结果以及测试集,对卷积神经网络进行优化,直至目标损失函数的损失值满足预设条件,得到目标神经网络模型。

9、根据本专利技术实施例的另一方面,还提供了一种身份认证装置,包括:获取模块,用于获取待认证对象的第一步态序列和身体状态信息,其中,待认证对象为请求保险箱开锁的对象,身体状态信息用于表征待认证对象的身体活动度情况;确定模块,用于依据身体状态信息确定目标认证策略,其中,目标认证策略为以下之一:第一步态认证策略、第二步态认证策略,第一步态认证策略对应的身体活动度大于第二步态认证策略对应的身体活动度;第一处理模块,用于若目标认证策略为第一步态认证策略,则通过目标神经网络模型对第一步态序列进行步态认证,得到第一认证结果,其中,第一认证结果用于表征待认证对象是否认证成功,目标神经网络模型是通过样本数据集对卷积神经网络训练得到的;第二处理模块,用于若第一认证结果表征待认证对象认证成功,则获取待认证对象的第二步态序列,并通过目标神经网络模型对第二步态序列进行步态认证,得到目标认证结果,其中,第二步态序列与第一步态序列对应的步频不同,目标认证结果用于表征待认证对象是否认证成功。

10、根据本专利技术实施例的另一方面,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述的身份认证方法。

11、根据本专利技术实施例的另一方面,还提供了一种电子设备,该电子设备包括一个或多个处理器;存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现用于运行程序,其中,程序被设置为运行时执行上述的身份认证方法。

12、在本专利技术实施例中,采用基于步态识别进行保险箱的身份认证的方式,首先获取待认证对象的第一步态序列和身体状态信息,然后依据身体状态信息确定目标认证策略,若目标认证策略为第一步态认证策略,则通过目标神经网络模型对第一步态序列进行步态认证,得到第一认证结果,若第一认证结果表征待认证对象认证成功,则获取待认证对象的第二步态序列,并通过目标神经网络模型对第二步态序列进行步态认证,得到目标认证结果。其中,待认证对象为请求保险箱开锁的对象,身体状态信息用于表征待认证对象的身体活动度情况,目标认证策略为以下之一:第一步态认证策略、第二步态认证策略,第一步态认证策略对应的身体活动度大于第二步态认证策略对应的身体活动度,第一认证结果用于表征待认证对象是否认证成功,目标神经网络模型是通过样本数据集对卷积神经网络训练得到的,第二步态序列与第一步态序列对应的步频不同,目标认证结果用于表征待认证对象是否认证成功。

13、在上述过程中,依据身体状态信息可以确定出目标认证策略,即在本方案中,可以通过训练好的目标神经网络模型根据用户的正常步态和自定义步态进行用户身份认证,用户在正常情况下使用步态进行一次认证完成后,按照自定义步态进行二次认证,当两次认证通过后,完成保险箱开锁;也可以在用户身体状况异常时根据异常步态进行用户身份认证,基于独有的生物特征,使用用户步态作为解锁方式,有效地提高了身份认证的安全性,从而加强了保险箱的安全性,减少身份冒用和欺诈风险,并且用户无需记住复杂的密码就可以快速完成身份认证,提高了用户对保险箱开锁的便利性。

14、由此本文档来自技高网...

【技术保护点】

1.一种身份认证方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取待认证对象的第一步态序列,包括:

3.根据权利要求1所述的方法,其特征在于,通过目标神经网络模型对所述第一步态序列进行步态认证,得到第一认证结果,包括:

4.根据权利要求1所述的方法,其特征在于,在依据所述身体状态信息确定目标认证策略之后,所述方法还包括:

5.根据权利要求3所述的方法,其特征在于,在获取待认证对象的第一步态序列和身体状态信息之前,所述方法还包括:

6.根据权利要求1所述的方法,其特征在于,通过以下步骤生成所述目标神经网络模型:

7.根据权利要求6所述的方法,其特征在于,依据所述训练集和所述测试集对所述卷积神经网络进行训练和优化,得到所述目标神经网络模型,包括:

8.一种身份认证装置,其特征在于,包括:

9.一种计算机可读存储介质,其特征在于,计算机可读存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行权利要求1至7任一项中的身份认证方法。

10.一种电子设备,其特征在于,电子设备包括一个或多个处理器;存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现用于运行程序,其中,程序被设置为运行时执行权利要求1至7任一项中的身份认证方法。

...

【技术特征摘要】

1.一种身份认证方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取待认证对象的第一步态序列,包括:

3.根据权利要求1所述的方法,其特征在于,通过目标神经网络模型对所述第一步态序列进行步态认证,得到第一认证结果,包括:

4.根据权利要求1所述的方法,其特征在于,在依据所述身体状态信息确定目标认证策略之后,所述方法还包括:

5.根据权利要求3所述的方法,其特征在于,在获取待认证对象的第一步态序列和身体状态信息之前,所述方法还包括:

6.根据权利要求1所述的方法,其特征在于,通过以下步骤生成所述目标神经网络模型:

【专利技术属性】
技术研发人员:段晗张浩傅媛媛丘士丹
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:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1