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()
【技术实现步骤摘要】
本专利技术涉及科技金融,尤其涉及一种人脸库中相同用户的甄别方法。
技术介绍
1、人脸库在银行领域的应用主要体现在以下几个方面:客户身份验证:银行可以利用人脸库中的信息,通过人脸识别技术快速准确地验证客户的身份。这种验证方式不仅提高了效率,还避免了人为因素的影响,提高了准确度。在开户、面签、信用卡网络申请、信贷网上申请等场景中,人脸识别技术都得到了广泛应用。安全保卫:银行作为金融机构,安全是其首要考虑的问题。人脸库可以帮助银行监控和识别可疑人员,及时发现并处理安全风险。同时,对于已知的失信人员,银行可以通过人脸识别技术在全网点内进行身份识别和验证,有效防止其恶意骗贷或冒名贷款。
2、尽管人脸库在银行领域的应用具有诸多优势,但在实际使用的过程中也存在问题,人脸库中的人脸是基于在银行办理业务的客户进行现场采集,以及线上办理业务的客户进行人脸采集,然后将采集的所有人脸数据建立人脸库,在人脸库中的数据作为后续人脸识别的分析数据,人脸相互之间存在近似以及通过化妆整容等手段,都可能导致人脸库中近似人脸的识别出错,这些人脸数据属于敏感数据,近似人脸的数据容易导致人脸识别存在安全隐患,为此研发出一种人脸库中相同用户的甄别方法。
技术实现思路
1、本专利技术的目的在于提供一种人脸库中相同用户的甄别方法,以解决了在人脸库中的数据作为后续人脸识别的分析数据,人脸相互之间存在近似以及通过化妆整容等手段,都可能导致人脸库中近似人脸的识别出错,这些人脸数据属于敏感数据的问题。
2、本专利
3、获取用户人脸数据信息,将获取的人脸数据信息建立用户人脸数据存储顺序,根据用户人脸数据存储顺序将用户人脸数据信息存储至人脸数据库;
4、对存储至人脸数据库内的数据进行人脸数据特征提取,得到人脸数据特征提取结果,根据人脸数据特征提取结果建立近似人脸数据组以及常规人脸数据组;
5、将近似人脸数据组中的数据特征按预设时间周期在常规人脸数据组中进行匹配,得到人脸相似度匹配结果,调取人脸相似度匹配结果中近似人脸对应的基础数据,其中包括人脸数据采集的时间信息、地点信息以及人脸数据对应的数据日志;
6、将近似人脸对应的基础数据与人脸数据库中的历史数据进行比对,若比对结果不同,则生成数据篡改预警信息;
7、在数据篡改预警信息中调取对应的用户身份信息,进行异常身份标记,采集异常身份标记新的人脸数据,并对人脸数据进行人脸特征增强,重新对近似人脸数据进行匹配,若近似人脸匹配无法匹配成功,则将人脸特征增强信息代入至人脸数据库,并清除原有的近似人脸数据。
8、进一步地,获取用户人脸数据信息,将获取的人脸数据信息建立用户人脸数据存储顺序,根据用户人脸数据存储顺序将用户人脸数据信息存储至人脸数据库,包括;
9、将获取的人脸数据信息存储至区块链生成人脸数据对应的哈希值;
10、建立数据存储随机位置标签,使用预设的哈希函数将人脸数据对应的哈希值与数据存储随机位置标签建立人脸数据映射关系;
11、根据人脸数据映射关系将获取的人脸数据存储至数据库。
12、进一步地,对存储至人脸数据库内的数据进行人脸数据特征提取,得到人脸数据特征提取结果,根据人脸数据特征提取结果建立近似人脸数据组以及常规人脸数据组,包括;
13、将存储至人脸数据库内的人脸数据按存储时间顺序进行人脸关键点标注,所述人脸关键点标注包括人脸图像中人脸五官标注以及轮廓定位标注,得到人脸数据特征提取结果;
14、将人脸数据库内提取得到的人脸数据特征提取结果进行近似度匹配,得到近似人脸数据;
15、将近似人脸数据根据人脸的特征和差异进行分组,得到构建得到近似人脸数据组。
16、进一步地,将近似人脸对应的基础数据与人脸数据库中的历史数据进行比对,若比对结果不同,则生成数据篡改预警信息,包括;
17、在人脸数据库中调取历史数据,对历史数据建立比对标签;
18、将历史数据比对标签与近似人脸对应的基础数据建立近似人脸比对关系,根据近似人脸比对关系进行人脸近似比对,将比对结果代入至预设隐私计算模型中,得到加密近似人脸数据比对加密数据;
19、所述近似人脸数据比对加密数据中包括比对结果相同信息,以及比对结果不同信息,若比对结果不同,则生成数据篡改预警信息,若比对结果相同,则生成数据无篡改信息。
20、进一步地,在数据篡改预警信息中调取对应的用户身份信息,进行异常身份标记,采集异常身份标记新的人脸数据,并对人脸数据进行人脸特征增强,重新对近似人脸数据进行匹配,若近似人脸匹配无法匹配成功,则将人脸特征增强信息代入至人脸数据库,并清除原有的近似人脸数据,包括;
21、采集异常身份标记新的人脸数据,通过对异常身份标记新的人脸数据进行预处理,预处理包括图像对比度增强以及图像锐化,得到待特征增强人脸图像;
22、将待特征增强人脸图像进行人脸图像调节,人脸图像调节包括人脸图像旋转、缩放以及平移,对人脸图像旋转、缩放以及平移过程中的人脸图像数据进行提取,构建得到人脸图像多样性数据;
23、对人脸图像多样性数据进行人脸数据特征扩展增强,所述人脸数据特征扩展增强包括通过预设深度学习模型,提取人脸深层次特征并结合局部二值模式构建人脸特征向量标记;
24、对人脸特征向量标记包括不同的区域、轮廓以及关键点;
25、使用人脸特征向量标记好的人脸数据来训练人脸识别模型。通过预设人脸识别模型进行人脸识别训练;
26、在训练过程中,使用预设人脸数据增强模型来生成人脸识别训练样本;
27、对训练后人脸识别训练样本提取人脸图像,人脸的纹理特征、形状特征和深度学习提取的特征来进行人脸近似分析,得到匹配结果信息。
28、本专利技术的有益效果如下:本专利技术提供的一种人脸库中相同用户的甄别方法,在数据篡改预警信息中调取对应的用户身份信息,进行异常身份标记,采集异常身份标记新的人脸数据,并对人脸数据进行人脸特征增强,重新对近似人脸数据进行匹配,若近似人脸匹配无法匹配成功,则将人脸特征增强信息代入至人脸数据库,并清除原有的近似人脸数据,本申请通过对原有人脸数据进行比对,并根据比对结果对人脸数据进行特征增强,从而提升人脸甄别的准确度,解决了在人脸库中的数据作为后续人脸识别的分析数据,人脸相互之间存在近似以及通过化妆整容等手段,都可能导致人脸库中近似人脸的识别出错,这些人脸数据属于敏感数据的问题。
本文档来自技高网...【技术保护点】
1.一种人脸库中相同用户的甄别方法,其特征在于,包括;
2.如权利要求1所述的方法,其特征在于,获取用户人脸数据信息,将获取的人脸数据信息建立用户人脸数据存储顺序,根据用户人脸数据存储顺序将用户人脸数据信息存储至人脸数据库,包括;
3.如权利要求1所述的方法,其特征在于,对存储至人脸数据库内的数据进行人脸数据特征提取,得到人脸数据特征提取结果,根据人脸数据特征提取结果建立近似人脸数据组以及常规人脸数据组,包括;
4.如权利要求1所述的方法,其特征在于,将近似人脸对应的基础数据与人脸数据库中的历史数据进行比对,若比对结果不同,则生成数据篡改预警信息,包括;
5.如权利要求1所述的方法,其特征在于,在数据篡改预警信息中调取对应的用户身份信息,进行异常身份标记,采集异常身份标记新的人脸数据,并对人脸数据进行人脸特征增强,重新对近似人脸数据进行匹配,若近似人脸匹配无法匹配成功,则将人脸特征增强信息代入至人脸数据库,并清除原有的近似人脸数据,包括;
【技术特征摘要】
1.一种人脸库中相同用户的甄别方法,其特征在于,包括;
2.如权利要求1所述的方法,其特征在于,获取用户人脸数据信息,将获取的人脸数据信息建立用户人脸数据存储顺序,根据用户人脸数据存储顺序将用户人脸数据信息存储至人脸数据库,包括;
3.如权利要求1所述的方法,其特征在于,对存储至人脸数据库内的数据进行人脸数据特征提取,得到人脸数据特征提取结果,根据人脸数据特征提取结果建立近似人脸数据组以及常规人脸数据组,包括;
【专利技术属性】
技术研发人员:阳城,程玉,邓日晓,聂璇,
申请(专利权)人:湖南三湘银行股份有限公司,
类型:发明
国别省市:
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。