基于多因素、多引擎、人机相结合的身份验证方法与系统技术方案

本发明专利技术提供一种基于多因素、多引擎、人机相结合的身份验证方法，包括：获取到当前用户提供的至少两个类别的生物特征信息；采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个识别结果；将得出的所有识别结果进行融合，以得出融合结果，对融合结果进行决策，并根据决策结果以得出当前用户的身份验证结果；若决策结果为属于怀疑区间，则采用人工验证方式对生物特征信息进行验证，并以人工验证结果作为验证结果。实施上述方法的身份验证系统，包括生物特征信息采集装置、生物特征信息识别装置与生物特征信息数据库。本发明专利技术具有识别准确率高的特点，可满足银行、社保等金融机构对身份识别精度要求高的需求。

【技术实现步骤摘要】
基于多因素、多引擎、人机相结合的身份验证方法与系统
本专利技术涉及一种身份验证方法，尤其是一种基于多因素、多引擎、人机相结合的身份验证方法与系统。
技术介绍
在现有基于生物特征的识别方法或识别系统具有各自的优点，但是，由于以下几个原因，使其在使用过程中受到限制：1、在某些应用场合达不到所要求的准确率，例如银行金融系统，对身份识别的精确度要求就比公司基于生物特征的考勤机的识别精度要求高很多；2、由于传感器的噪声以及特征提取和匹配的缺陷，往往不能保证得出正确的识别结果。
技术实现思路
针对上述问题中存在的不足之处，本专利技术提供一种识别准确率高，可满足银行、社保等金融机构对用户身份识别精度要求高的需求的基于多因素、多引擎、人机相结合的身份验证方法与系统。为实现上述目的，本专利技术提供一种基于多因素、多引擎、人机相结合的身份验证方法，包括以下步骤：步骤1、获取到当前用户提供的至少两个类别的生物特征信息；步骤2、采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个识别结果；步骤3、将得出的所有识别结果进行融合，以得出融合结果，对融合结果进行决策，并根据决策结果以得出当前用户的身份验证结果。步骤4、若决策结果被判定为属于怀疑区间，则采用人工验证方法对可以通过目测的生物特征信息进行验证，并以人工验证结果为当前用户的身份验证结果。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤2中，包括以下决策层与匹配层两种情况：针对决策层的情况如下：采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配与初次决策后，分别得出多个识别结论，该识别结论为Yes或No；针对匹配层的情况如下：采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个匹配分值。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤3中，包括以下决策层与匹配层两种情况：针对决策层的情况包括以下子步骤：步骤31、将得出的所有Yes或No的识别结论进行融合，以得出有包含Yes的数量与No的数量的融合结论；步骤32、对融合结论进行决策，并根据决策结果以得出当前用户的身份验证结果；针对匹配层的情况包括以下子步骤：步骤31`、将所有的匹配分值分别进行归一化处理，以得出所有的匹配分值`；步骤32`、所有的匹配分值`进行融合处理，以得出基于所有的匹配分值`的匹配得分之和；步骤33`、对匹配得分之和进行决策，并根据决策结果以得出当前用户的身份验证结果。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤31`中，采用下式对所有的匹配分值分别进行归一化处理：n＝(s-min)/(max-min)其中，s表示匹配得分，n表示归一化后的匹配得分`，max，min分别表示最大、最小的匹配值。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤32`中，采用下式对所有的匹配分值`进行融合处理：其中，nm表示第m个匹配得分`，M表示匹配得分`的数量，f表示匹配得分之和。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤4中，在基于融合结论或匹配得分之和得出决策结果后，若决策结果被判定为属于怀疑区间，则采用人工验证方式对可以通过目测的生物特征信息进行验证，并以人工验证结果作为当前用户的身份验证结果。上述的基于多因素、多引擎、人机相结合的身份验证方法，其中，在步骤1实施前，还包括采集用户的生物特征信息，以建立用户的生物特征信息数据库的步骤，其中，所采集的用户生物特征信息包括用户的脸部特征、指纹特征、虹膜特征与声音特征。本专利技术还提供一种基于多因素、多引擎、人机相结合的身份验证系统，包括生物特征信息采集装置、生物特征信息识别装置与生物特征信息数据库；所述生物特征信息采集装置用于采集用户的生物特征信息；所述生物特征信息识别装置用于对所采集到的用户生物特征信息进行识别，以根据识别结果得出当前用户的身份验证结果；所述生物特征信息数据库用于存储所采集的用户生物特征信息包括用户的脸部特征信息、指纹特征信息、虹膜特征信息与声音特征信息；还存储有采用现有的多种脸部特征识别方法、多种指纹特征识别方法、多种虹膜特征识别方法与多种声音特征识别方法分别对用户的脸部特征、指纹特征、虹膜特征与声音特征进行识别后，以得出的多个脸部特征识别信息、指纹特征识别信息、虹膜特征识别信息与声音特征识别信息。上述的基于多因素、多引擎、人机相结合的身份验证系统，其中，所述生物特征信息识别装置中包括决策层识别部分或匹配层识别部分；所述决策层识别部分包括多个决策层识别装置、融合模块与最终次决策模块，所述决策层识别装置包括提取模块、识别模块、匹配模块与初次决策模块；所述提取模块用于提取采集到的用户的生物特征信息；所述识别模块用于采用与生物特征信息相对应的多种生物特征识别方法以对当前的生物特征信息进行识别，以得出识别信息；所述匹配模块用于将识别信息与所述生物特征信息数据库中预存的该生物特征的识别信息以进行比较，以得出匹配数值；所述初次决策模块用于对匹配数值进行决策，以得出识别结论，该识别结论为Yes或No；所述融合模块用于将所有Yes或No的识别结论进行融合，以得出有包含Yes的数量与No的数量的融合结论；所述最终次决策模块用于对融合结论进行决策，并根据决策结果以得出当前用户的身份验证结果；所述匹配层识别部分包括多个匹配层识别装置、归一化处理模块、融合模块与决策模块，所述匹配层识别装置包括提取模块、识别模块与匹配模块；所述提取模块用于提取采集到的用户的生物特征信息；所述识别模块用于采用与生物特征信息相对应的多种生物特征识别方法以对当前的生物特征信息进行识别，以得出识别信息；所述匹配模块用于将识别信息与所述生物特征信息数据库中预存的该生物特征的识别信息以进行比较，以得出匹配分值；所述归一化处理模块用于所有的匹配分值分别进行归一化处理，以得出所有的匹配分值`；所述融合模块用于对所有的匹配分值`进行融合处理，以得出基于所有的匹配分值`的匹配得分之和；所述决策模块用于对匹配得分之和进行决策，并根据决策结果以得出当前用户的身份验证结果。上述的基于多因素、多引擎、人机相结合的身份验证系统，其中，还包括人工验证部分，若决策结果被判定为属于怀疑区间，则采用人工验证部分对可以通过目测的生物特征信息进行验证，并以人工验证结果为当前用户的身份验证结果。与现有技术相比，本专利技术具有以下优点：本专利技术具有识别准确率高的特点，可满足银行、社保等金融机构对身份识别精度要求高的需求。附图说明图1为本专利技术中方法部分的流程图；图2为本专利技术中系统部分的第一实施例的结构框图；图3为本专利技术中系统部分的第二实施例的结构框图。具体实施方式如图1所示，本实施例提供一种基于多因素、多引擎、人机相结合的身份验证方法，包括以下步骤：步骤1、获取到当前用户提供的至少两个类别的生物特征信息；步骤2、采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个识别结果；步骤3、将得出的所有识别结果进行融合，以得出融合结果，对融合结果进行决策，并根据决策结果以得出当前用户的身份验证结果。步骤4、若决策结果被判定为属于怀疑区间，则采用人工验证方法对可以通过目测本文档来自技高网...

【技术保护点】
一种基于多因素、多引擎、人机相结合的身份验证方法，包括以下步骤：步骤1、获取到当前用户提供的至少两个类别的生物特征信息；步骤2、采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个识别结果；步骤3、将得出的所有识别结果进行融合，以得出融合结果，对融合结果进行决策，并根据决策结果以得出当前用户的身份验证结果。步骤4、若决策结果被判定为属于怀疑区间，则采用人工验证方法对可以通过目测的生物特征信息进行验证，并以人工验证结果为当前用户的身份验证结果。

【技术特征摘要】
1.一种基于多因素、多引擎、人机相结合的身份验证方法，包括以下步骤：步骤1、获取到当前用户提供的至少两个类别的生物特征信息；步骤2、采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个识别结果；其中，在步骤2中，包括以下决策层与匹配层两种情况：针对决策层的情况如下：采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配与初次决策后，分别得出多个识别结论，该识别结论为Yes或No；针对匹配层的情况如下：采用多种不同的识别方法对每个类别的生物特征信息进行识别，在经过匹配后，分别得出多个匹配分值；步骤3、将得出的所有识别结果进行融合，以得出融合结果，对融合结果进行决策，并根据决策结果以得出当前用户的身份验证结果；步骤4、若决策结果被判定为属于怀疑区间，则采用人工验证方法对可以通过目测的生物特征信息进行验证，并以人工验证结果为当前用户的身份验证结果。2.根据权利要求1所述的基于多因素、多引擎、人机相结合的身份验证方法，其特征在于，在步骤3中，包括以下决策层与匹配层两种情况：针对决策层的情况包括以下子步骤：步骤31、将得出的所有Yes或No的识别结论进行融合，以得出有包含Yes的数量与No的数量的融合结论；步骤32、对融合结论进行决策，并根据决策结果以得出当前用户的身份验证结果；针对匹配层的情况包括以下子步骤：步骤31`、将所有的匹配分值分别进行归一化处理，以得出所有的匹配分值`；步骤32`、所有的匹配分值`进行融合处理，以得出基于所有的匹配分值`的匹配得分之和；步骤33`、对匹配得分之和进行决策，并根据决策结果以得出当前用户的身份验证结果。3.根据权利要求2所述的基于多因素、多引擎、人机相结合的身份验证方法，其特征在于，在步骤31`中，采用下式对所有的匹配分值分别进行归一化处理：n＝(s–min)/(max–min)其中，s表示匹配得分，n表示归一化后的匹配得分`，max，min分别表示最大、最小的匹配值。4.根据权利要求2所述的基于多因素、多引擎、人机相结合的身份验证方法，其特征在于，在步骤32`中，采用下式对所有的匹配分值`进行融合处理：其中，nm表示第m个匹配得分`，M表示匹配得分`的数量，f表示匹配得分之和。5.根据权利要求1所述的基于多因素、多引擎、人机相结合的身份验证方法，其特征在于，在步骤4中，在基于融合结论或匹配得分之和得出决策结果后，若决策结果被判定为属于怀疑区间，则采用人工验证方法对可以通过目测的生物特征信息进行验证，并以人工验证结果为当前用户的身份验证结果。6.根据权利要求1所述的基于多因素、多引擎、人机相结合的身份验证方法，其特征在于，在步骤1实施前，还包括采集用户的生物特征信息，以建立用户的生物特征信息数据库的步骤，其中，所采集的...

【专利技术属性】
技术研发人员：胡勇，蔡佳琪，曹学光，敖翔，罗忠奎，伍振宇，
申请(专利权)人：北京信安盟科技有限公司，
类型：发明
国别省市：北京;11