【技术实现步骤摘要】
本专利技术涉及智能门锁，尤其涉及生物特征识别领域，具体是指一种基于深度学习实现生物特征识别攻击检测处理的方法、系统、装置、处理器及其计算机可读存储介质。
技术介绍
1、生物特征识别在移动设备上的应用越来越普遍,为开机解锁﹑移动支付等提供了方便快捷的身份识别方式，但是伴随而来的就是生物特征识别的假冒攻击、对抗攻击等带来的安全隐患,如指纹膜攻击、人脸仿真面具攻击等,生物特征识别应用安全面临较大的挑战。通常﹐假冒攻击﹑对抗攻击等都可以归结为呈现攻击的范畴﹐所谓呈现攻击,即以干扰生物特征识别系统的操作为目的,通过仿冒或改变生物特征样本,对生物特征采集装置进行的一种攻击行为，对呈现攻击进行自动检测以达到判断呈现样本真伪的目的,称之为呈现攻击检测。为了防范呈现攻击行为,在生物特征识别中增加呈现攻击检测功能﹐逐渐成为必不可少环节。但是,呈现攻击手段多种多样,对呈现攻击的检测构成挑战,以指纹识别为例，曾经有人用橘子皮、胶片补丁、乃至头发丝等尝试攻击手机指纹传感器,并且能够解锁成功。对于简单的伪造、仿冒能够轻易奏效的原因,主要还是对生物特征样本的呈现攻击检测的缺失或不足。
2、然而现有技术中，普遍是采取指纹识别、人脸识别等单一生物特征识别的智能门锁。单一生物特征识别的智能门锁的识别功能相对局限。同时,针对单一生物特征识别的智能门锁已有破解措施,性能和安全性上无法保障。因此，如何提供一种基于深度学习的生物特征识别攻击检测方法及系统是本领域技术人员急需解决的技术问题。
技术实现思路
1、本专
2、为了实现上述目的，本专利技术的基于深度学习实现生物特征识别攻击检测处理的方法、系统、装置、处理器及其计算机可读存储介质如下：
3、该基于深度学习实现生物特征识别攻击检测处理的方法，其主要特点是，所述的方法包括以下步骤：
4、(1)当智能门锁受到外部开锁请求时，实时拍摄视频并实时检测目标预设区域内不同时刻的生物静态信息，以及所述目标预设区域内不同时刻的生物动态信息；其中，
5、所述生物静态信息包括指纹信息、虹膜信息以及面部识别信息，所述生物动态信息包括声音信息以及步态信息；
6、(2)根据所述生物静态信息构建第一攻击风险矩阵，并通过静态深度检测算法对所述第一攻击风险矩阵进行检测，确定各时刻下的静态介质；
7、(3)根据所述生物特征信息构建第二攻击风险矩阵，并通过动态深度检测算法对所述第二攻击风险矩阵进行检测，确定各时刻下的动态介质；
8、(4)根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式，并根据呈现攻击方式控制所述智能门锁；其中，
9、当呈现攻击方式所对应的生物特征来源为真人且为预设目标用户时，控制所述智能门锁开启；
10、当呈现攻击方式所对应的生物特征来源不为真人，或为真人且不为所述预设目标用户时，控制所述智能门锁保持关闭。
11、较佳地，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式，具体包括以下步骤：
12、将同一时刻的所述动态介质与所述静态介质进行边界线绘制，并从实时拍摄视频中提取对应时刻下的帧图像，并对所述帧图像中存在的人物边界线进行锁定；
13、根据各时刻的所述动态介质和所述静态介质中确定重叠动态介质以及重叠静态介质，且结合不同时刻下的边界线绘制结果以及人物边界线锁定结果，确定所述目标预设区域的呈现攻击方式。
14、较佳地，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式时，还包括以下步骤：
15、通过深度学习算法实时检测是否存在生物异常行为，所述生物异常行为检测包括识别速度v和识别错误率i；其中，
16、当所述识别速度v小于预设标准识别速度v0时，确定存在生物异常行为，并输出异常行为风险等级；
17、当所述识别错误率i大于预设标准识别错误率i0时，确定存在生物异常行为，并输出异常行为风险等级。
18、较佳地，所述的方法还包括以下步骤：
19、预先设定有第一预设识别速度t01，第二预设识别速度t02，第三预设识别速度t03，第四预设识别速度t04，且t01＜t02＜t03＜t04＜v0；
20、预先设定有第一预设风险等级a1，第二预设风险等级a2，t03为第三预设风险等级a3，第四预设风险等级a4；
21、当所述识别错误率v小于所述预设标准识别错误率v0时，根据v和与各预设识别速度之间的关系选定相应地风险等级作为输出异常行为风险等级；
22、当v＜t01时，选定所述第四预设风险等级a4作为输出异常行为风险等级；
23、当t01≤v＜t02时，选定所述第三预设风险等级a3作为输出异常行为风险等级；
24、当t02≤v＜t03时，选定所述第二预设风险等级a2作为输出异常行为风险等级；
25、当t03≤v＜t04时，选定所述第一预设风险等级a1作为输出异常行为风险等级；
26、预先设定有第一预设识别错误率w01，第二预设识别错误率w02，第三预设识别错误率w03，第四预设识别错误率w04，且w01＜w02＜w03＜w04＜v0；
27、当所述识别错误率i大于预设标准识别错误率i0时，根据i和与各预设识别错误率之间的关系选定相应地风险等级作为输出异常行为风险等级；
28、当i＜w01时，选定所述第一预设风险等级a1作为输出异常行为风险等级；
29、当w01≤i＜w02时，选定所述第二预设风险等级a2作为输出异常行为风险等级；
30、当w02≤i＜w03时，选定所述第三预设风险等级a3作为输出异常行为风险等级；
31、当w03≤i＜w04时，选定所述第四预设风险等级a4作为输出异常行为风险等级。
32、较佳地，所述的方法还包括以下步骤：
33、当输出所述第三预设风险等级a3或所述第四预设风险等级a4时，进行实时报警并控制所述智能门锁保持关闭。
34、该基于深度学习实现生物特征识别攻击检测处理的系统，应用于智能门锁中，其主要特点是，所述的系统包括：
35、检测单元，用于当智能门锁受到外部开锁请求时，实时拍摄视频并实时检测目标预设区域内不同时刻的生物静态信息，以及所述目标预设区域内不同时刻的生物动态信息；其中，
36、所述生物静态信息包括指纹信息、虹膜信息以及面部识别信息，所述生物动态信息包括声音信息以及步态信息；
37、第一处理单元，用于根据所述生物静态信息构建第一攻击风险矩阵，并通过静态深度检测算法对所述第一攻击风险矩阵进行本文档来自技高网...
【技术保护点】
1.一种基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法包括以下步骤：
2.根据权利要求1所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式，具体包括以下步骤：
3.根据权利要求1所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式时，还包括以下步骤：
4.根据权利要求3所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法还包括以下步骤：
5.根据权利要求4所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法还包括以下步骤：
6.一种基于深度学习实现生物特征识别攻击检测处理的系统，应用于智能门锁中，其特征在于，所述的系统包括：
7.根据权利要求6所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元还用于将同
8.根据权利要求6所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元还用于通过深度学习算法实时检测是否存在生物异常行为，所述生物异常行为检测包括识别速度v和识别错误率i；其中，当所述识别速度v小于预设标准识别速度v0时，确定存在生物异常行为，并输出异常行为风险等级；
9.根据权利要求8所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元内预先设定有第一预设识别速度T01，第二预设识别速度T02，第三预设识别速度T03，第四预设识别速度T04，且T01＜T02＜T03＜T04＜v0；
10.根据权利要求9所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元还用于当输出所述第三预设风险等级A3或所述第四预设风险等级A4时，进行实时报警并控制所述智能门锁保持关闭。
11.一种用于实现基于深度学习的生物特征识别攻击检测处理的装置，其特征在于，所述的装置包括：
12.一种用于实现基于深度学习的生物特征识别攻击检测处理的处理器，其特征在于，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现权利要求1至5中任一项所述的基于深度学习实现生物特征识别攻击检测处理的方法的各个步骤。
13.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现权利要求1至5中任一项所述的基于深度学习实现生物特征识别攻击检测处理的方法的各个步骤。
...【技术特征摘要】
1.一种基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法包括以下步骤：
2.根据权利要求1所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式，具体包括以下步骤：
3.根据权利要求1所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的步骤(4)中根据各时刻的所述静态介质和所述动态介质确定所述目标预设区域的呈现攻击方式时，还包括以下步骤：
4.根据权利要求3所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法还包括以下步骤：
5.根据权利要求4所述的基于深度学习实现生物特征识别攻击检测处理的方法，其特征在于，所述的方法还包括以下步骤：
6.一种基于深度学习实现生物特征识别攻击检测处理的系统，应用于智能门锁中，其特征在于，所述的系统包括：
7.根据权利要求6所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元还用于将同一时刻的所述动态介质与所述静态介质进行边界线绘制，并从实时拍摄视频中提取对应时刻下的帧图像，并对所述帧图像中存在的人物边界线进行锁定；
8.根据权利要求6所述的基于深度学习实现生物特征识别攻击检测处理的系统，其特征在于，所述的控制单元还用于...
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。