本發(fā)明涉及人臉識別技術(shù)領域，特別是涉及一種基于全臉二進制匹配的身份驗證方法及裝置。

背景技術(shù)：

隨著科學技術(shù)的快速發(fā)展，身份驗證技術(shù)也得到了快速發(fā)展。在對手機、汽車等終端的解鎖過程中，在對終端中應用的解鎖過程中，在移動支付過程中，都需要進行身份驗證，以確定用戶身份是否合法。

現(xiàn)有的身份驗證方法多是通過用戶名、密碼等進行驗證。用戶名、密碼驗證通過后，即可確定用戶為合法用戶。

在現(xiàn)有的這種方法中，用戶名、密碼容易被非法人員竊取，從而非法人員利用竊取的用戶名、密碼等信息可以進行非法操作，安全性較低。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種基于全臉二進制匹配的身份驗證方法及裝置，以提高識別效率和準確率，增強系統(tǒng)安全性。

為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

一種基于全臉二進制匹配的身份驗證方法，包括：

在接收到用戶的身份驗證觸發(fā)指令時，獲得所述用戶的人臉圖像；

對所述人臉圖像進行預處理，獲得優(yōu)化的全臉灰度圖像，所述預處理包含灰度化處理和去除噪聲處理；

基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，確定所述全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征；

分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，獲得每個毛孔特征點的皮膚毛孔二進制特征；

分別將所述全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配；

根據(jù)匹配結(jié)果，確定所述用戶是否為合法用戶。

在本發(fā)明的一種具體實施方式中，所述根據(jù)匹配結(jié)果，確定所述用戶是否為合法用戶，包括：

如果匹配的毛孔特征點的數(shù)量與所述特征庫包含的毛孔特征點總數(shù)量的比值大于預設閾值，則確定所述用戶為合法用戶。

在本發(fā)明的一種具體實施方式中，所述基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，確定所述全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征，包括：

使用多個不同大小的高斯核與所述全臉灰度圖像進行卷積，生成多個具有不同分辨率的圖像；

將具有同一分辨率的圖像的像素值進行差分運算；

將進行差分運算后的圖像中局部最暗的點確定為候選特征點；

利用理想毛孔模型在確定的候選特征點中選擇毛孔特征點；

生成每個毛孔特征點的特征描述子，獲得每個毛孔特征點的皮膚毛孔特征。

在本發(fā)明的一種具體實施方式中，所述對所述人臉圖像進行預處理，獲得優(yōu)化的全臉灰度圖像，包括：

對所述人臉圖像進行灰度化處理，獲得灰度圖像；

在所述灰度圖像中提取設定區(qū)域圖像；

根據(jù)所述設定區(qū)域圖像的像素值，計算所述設定區(qū)域圖像的均值；

利用所述均值對所述灰度圖像進行去除噪聲處理，獲得優(yōu)化的全臉灰度圖像。

在本發(fā)明的一種具體實施方式中，所述分別將所述全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配，包括：

針對所述全臉灰度圖像中每個毛孔特征點，將該毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行邏輯異或運算；

計算該毛孔特征點的皮膚毛孔二進制特征與所述特征庫中相應毛孔特征點的參考二進制特征之間的漢明距離；

根據(jù)所述漢明距離，確定該毛孔特征點的皮膚毛孔二進制特征與所述特征庫中相應毛孔特征點的參考二進制特征是否匹配。

在本發(fā)明的一種具體實施方式中，在確定所述用戶不是合法用戶時，還包括：

重復執(zhí)行所述獲得所述用戶的人臉圖像的步驟，直至重復次數(shù)達到預設次數(shù)閾值時，確定所述用戶為非法用戶。

一種基于全臉二進制匹配的身份驗證裝置，包括：

人臉圖像獲得模塊，用于在接收到用戶的身份驗證觸發(fā)指令時，獲得所述用戶的人臉圖像；

預處理模塊，用于對所述人臉圖像進行預處理，獲得優(yōu)化的全臉灰度圖像，所述預處理包含灰度化處理和去除噪聲處理；

特征確定模塊，用于基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，確定所述全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征；

二進制特征獲得模塊，用于分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，獲得每個毛孔特征點的皮膚毛孔二進制特征；

二進制特征匹配模塊，用于分別將所述全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配；

合法性確定模塊，用于根據(jù)匹配結(jié)果，確定所述用戶是否為合法用戶。

在本發(fā)明的一種具體實施方式中，所述合法性確定模塊，具體用于：

在匹配的毛孔特征點的數(shù)量與所述特征庫包含的毛孔特征點總數(shù)量的比值大于預設閾值時，確定所述用戶為合法用戶。

在本發(fā)明的一種具體實施方式中，所述特征確定模塊，具體用于：

使用多個不同大小的高斯核與所述全臉灰度圖像進行卷積，生成多個具有不同分辨率的圖像；

將具有同一分辨率的圖像的像素值進行差分運算；

將進行差分運算后的圖像中局部最暗的點確定為候選特征點；

利用理想毛孔模型在確定的候選特征點中選擇毛孔特征點；

生成每個毛孔特征點的特征描述子，獲得每個毛孔特征點的皮膚毛孔特征。

在本發(fā)明的一種具體實施方式中，所述二進制特征匹配模塊，具體用于：

針對所述全臉灰度圖像中每個毛孔特征點，將該毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行邏輯異或運算；

計算該毛孔特征點的皮膚毛孔二進制特征與所述特征庫中相應毛孔特征點的參考二進制特征之間的漢明距離；

根據(jù)所述漢明距離，確定該毛孔特征點的皮膚毛孔二進制特征與所述特征庫中相應毛孔特征點的參考二進制特征是否匹配。

應用本發(fā)明實施例所提供的技術(shù)方案，在接收到用戶的身份驗證觸發(fā)指令時，可以獲得用戶的人臉圖像，對人臉圖像進行預處理，可以獲得優(yōu)化的全臉灰度圖像，基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，可以確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征，分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，可以獲得每個毛孔特征點的皮膚毛孔二進制特征，分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配，根據(jù)匹配結(jié)果，可以確定用戶是否為合法用戶，從而實現(xiàn)對用戶身份的驗證?；谌樆叶葓D像包含的毛孔特征點的皮膚毛孔二進制特征的匹配對人臉圖像進行識別，可以提高識別效率和準確率，增強系統(tǒng)安全性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例中一種基于全臉二進制匹配的身份驗證方法的實施流程圖；

圖2為本發(fā)明實施例中一種基于全臉二進制匹配的身份驗證裝置的結(jié)構(gòu)示意圖。

具體實施方式

為了使本技術(shù)領域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步的詳細說明。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明實施例提供了一種基于全臉二進制匹配的身份驗證方法，該方法可以應用于服務器，服務器與客戶端通信連接，可以進行信息交互，通過交互可以從客戶端獲得用戶的人臉圖像，進而對人臉圖像進行識別等相應處理。該方法還可以應用于客戶端，直接由客戶端對人臉圖像進行識別等相應處理。通過對人臉圖像的識別，確定用戶是否為合法用戶，提高相應系統(tǒng)的安全性。

參見圖1所示，為本發(fā)明實施例所提供的一種基于全臉二進制匹配的身份驗證方法的實施流程圖，該方法可以包括以下步驟：

S110：在接收到用戶的身份驗證觸發(fā)指令時，獲得用戶的人臉圖像。

本發(fā)明實施例通過人臉識別對用戶身份進行驗證。用戶身份驗證通過后，用戶可以進入設置有人臉識別裝置的安全場所，或者對移動終端、車輛等進行解鎖操作，或者打開終端中安裝的某個應用，或者進行移動支付等。

在實際應用中，可以為用戶提供認證入口，用戶通過該認證入口可以觸發(fā)身份驗證過程。在接收到用戶的身份驗證觸發(fā)指令時，可以獲得用戶的人臉圖像。具體的，可以通過認證入口相應位置設置的圖像采集設備采集用戶的人臉圖像。

以移動支付場景為例，用戶在移動終端上使用移動支付功能時，即可視為向客戶端發(fā)出了身份驗證觸發(fā)指令，該客戶端為移動支付客戶端?？蛻舳私邮盏接脩舻纳矸蒡炞C觸發(fā)指令時，可以調(diào)用移動終端的攝像頭采集用戶的人臉圖像，并將采集到的人臉圖像發(fā)送給服務器。服務器即可在接收到用戶的身份驗證觸發(fā)指令時，獲得用戶的人臉圖像。

S120：對人臉圖像進行預處理，獲得優(yōu)化的全臉灰度圖像。

其中，預處理包含灰度化處理和去除噪聲處理。

服務器獲得用戶的人臉圖像后，可以對人臉圖像進行預處理，如灰度化處理和去除噪聲處理等，去除噪聲處理可以使圖片平滑，減小銳化程度。通過對人臉圖像進行預處理，可以獲得優(yōu)化的全臉灰度圖像。

在本發(fā)明的一種具體實施方式中，步驟S120可以包括以下步驟：

步驟一：對人臉圖像進行灰度化處理，獲得灰度圖像；

步驟二：在灰度圖像中提取設定區(qū)域圖像；

步驟三：根據(jù)設定區(qū)域圖像的像素值，計算設定區(qū)域圖像的均值；

步驟四：利用均值對灰度圖像進行去除噪聲處理，獲得優(yōu)化的全臉灰度圖像。

為便于描述，將上述四個步驟結(jié)合起來進行說明。

對人臉圖像進行灰度化處理，獲得灰度圖像?；叶忍幚矸椒楝F(xiàn)有技術(shù)，本發(fā)明實施例對此不再贅述。

在灰度圖像中提取設定區(qū)域圖像，比如，提取人臉右眼珠至右嘴角的正方形區(qū)域圖像。根據(jù)該設定區(qū)域圖像的像素值，可以計算設定區(qū)域圖像的均值。具體的，可以將該設定區(qū)域圖像的像素值按照大小順序排序，得到像素中位數(shù)，再計算得到該設定區(qū)域圖像的像素值的像素均值，將像素中位數(shù)和像素均值的平均值確定為該設定區(qū)域圖像的均值。利用該均值對灰度圖像進行去除噪聲處理，獲得優(yōu)化的全臉灰度圖像。具體的，可以減低全臉灰度圖像中大于該均值的像素值。

通過對灰度圖像進行去除噪聲處理，可以使毛孔特征點的數(shù)量保持在一定的范圍，以在毛孔特征點匹配過程中，減小計算量，提高識別效率。

S130：基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征。

在本發(fā)明實施例中，可以預先實現(xiàn)一個能生成皮膚毛孔特征的毛孔級別尺度不變特征變換算法，即PSIFT(Pore Scale Invariant Feature Transform)算法，該PSIFT算法是基于SIFT(Scale Invariant Feature Transform，尺度不變特征變換)算法提出的。

在本發(fā)明實施例中，PSIFT算法在SIFT算法的基礎上主要做了以下三點改進：

1)、選取局部最暗的點作為候選特征點。SIFT算法將局部最亮和局部最暗的點作為候選特征點?？紤]到毛孔相對于周圍的皮膚亮度較暗，故在PSIFT算法中選取局部最暗的點作為候選特征點。

2)、引入理想毛孔模型來選取毛孔特征點?？紤]到高斯曲面與皮膚毛孔較為相似，因此將高斯函數(shù)做相應修改后作為理想毛孔模型，利用該理想毛孔模型在候選特征點中選取毛孔特征點。

3)、改進了毛孔特征點的特征描述子，即增加皮膚毛孔特征向量的維度。

在實際應用中，可以通過圖像采集設備實際采集人臉圖像，或者從圖像數(shù)據(jù)庫中獲取人臉圖像，從而獲得不同用戶的多個人臉圖像。對每個人臉圖像進行灰度化處理等預處理，可以得到每個人臉圖像對應的人臉灰度圖像樣本數(shù)據(jù)。分別對獲得的每個人臉灰度圖像樣本數(shù)據(jù)進行分析，可以對PSIFT算法的參數(shù)進行修正。人臉灰度圖像包含的毛孔特征點可以是表征左嘴角、右嘴角、左眼角、右眼角、下巴等人臉中不同位置的毛孔特征點。

通過以上改進，可以將SIFT算法修改成適合生成皮膚毛孔特征的PSIFT算法。PSIFT算法實現(xiàn)的過程也是對人臉灰度圖像包含的毛孔特征點及其對應的皮膚毛孔特征的圖像處理過程。

基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，可以確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征。

在本發(fā)明的一種具體實施方式中，步驟S130可以包括以下步驟：

第一個步驟：使用多個不同大小的高斯核與全臉灰度圖像進行卷積，生成多個具有不同分辨率的圖像；

第二個步驟：將具有同一分辨率的圖像的像素值進行差分運算；

第三個步驟：將進行差分運算后的圖像中局部最暗的點確定為候選特征點；

第四個步驟：利用理想毛孔模型在確定的候選特征點中選擇毛孔特征點；

第五個步驟：生成每個毛孔特征點的特征描述子，獲得每個毛孔特征點的皮膚毛孔特征。

為便于描述，將上述五個步驟結(jié)合起來進行說明。

在本發(fā)明實施例中，基于預先實現(xiàn)的PSIFT算法，可以確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征。具體的，可以使用多個不同大小的高斯核與全臉灰度圖像進行卷積，這樣，可以生成多個具有不同分辨率的圖像。將具有同一分辨率的圖像的像素值進行差分運算，即進行兩兩相減，得到進行差分運算后的圖像。將進行差分運算后的圖像中局部最暗的點確定為候選特征點。利用理想毛孔模型在確定的候選特征點中選擇出毛孔特征點，生成每個毛孔特征點的特征描述子，獲得每個毛孔特征點的皮膚毛孔特征。

S140：分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，獲得每個毛孔特征點的皮膚毛孔二進制特征。

在本發(fā)明實施例中，針對每個毛孔特征點，可以對該毛孔特征點的皮膚毛孔特征進行哈希處理，具體的，可以使用二值化哈希方法對皮膚毛孔特征進行哈希處理，獲得每個毛孔特征點的皮膚毛孔二進制特征。皮膚毛孔二進制特征具有強辨別能力。

S150：分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配。

在本發(fā)明實施例中，用戶在初次使用人臉識別功能時，需對用戶的人臉圖像進行識別，獲得該用戶的人臉圖像相應毛孔特征點的參考二進制特征，據(jù)此建立該用戶的特征庫。服務器中可以預先存儲有一個或多個用戶的特征庫。

在步驟S130，確定了全臉灰度圖像中多個毛孔特征點的皮膚毛孔二進制特征，可以分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配。

在接收到用戶的身份驗證觸發(fā)指令，獲得用戶的人臉圖像時，可以同時獲得用戶標識，該用戶標識可以是終端標識，還可以是用戶名等標識。進行匹配使用的特征庫為與用戶標識對應的特征庫。

針對全臉灰度圖像中每個毛孔特征點，可以將該毛孔特征點的皮膚毛孔二進制特征與特征庫中相應毛孔特征點的參考二進制特征進行匹配。使用皮膚毛孔二進制特征進行匹配，可以簡化匹配過程，減小匹配難度，提高識別效率。

在本發(fā)明的一種具體實施方式中，步驟S150可以包括以下步驟：

第一個步驟：針對全臉灰度圖像中每個毛孔特征點，將該毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行邏輯異或運算；

第二個步驟：計算該毛孔特征點的皮膚毛孔二進制特征與特征庫中相應毛孔特征點的參考二進制特征之間的漢明距離；

第三個步驟：根據(jù)漢明距離，確定該毛孔特征點的皮膚毛孔二進制特征與特征庫中相應毛孔特征點的參考二進制特征是否匹配。

為便于描述，將上述三個步驟結(jié)合起來進行說明。

在本發(fā)明實施例中，針對全臉灰度圖像中每個毛孔特征點，可以將該毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行邏輯異或運算，計算該皮膚毛孔二進制特征與相應參考二進制特征之間的漢明距離。根據(jù)漢明距離，確定該皮膚毛孔二進制特征與該相應參考二進制特征是否匹配。具體的，如果漢明距離小于某一預設第一閾值，則確定該皮膚毛孔二進制特征與該相應參考二進制特征匹配。或者，如果漢明距離與該皮膚毛孔二進制特征的長度的比值小于某一預設第二閾值，則確定該皮膚毛孔二進制特征與該相應參考二進制特征匹配。

需要說明的是，第一閾值和第二閾值可以根據(jù)實際情況進行設定和調(diào)整，如設定第一閾值為5，設定第二閾值為0.2，本發(fā)明實施例對此不做限制。

S160：根據(jù)匹配結(jié)果，確定用戶是否為合法用戶。

在步驟S150，分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配后，可以獲得全臉灰度圖像中每個毛孔特征點對應的匹配結(jié)果。

根據(jù)匹配結(jié)果，可以確定用戶是否為合法用戶。

具體的，可以根據(jù)匹配的毛孔特征點的絕對數(shù)量或者相對數(shù)量，確定用戶是否為合法用戶。

在本發(fā)明的一種具體實施方式中，步驟S160可以包括以下步驟：

如果匹配的毛孔特征點的數(shù)量與特征庫包含的毛孔特征點總數(shù)量的比值大于預設閾值，則確定用戶為合法用戶。

根據(jù)匹配結(jié)果，可以確定匹配的毛孔特征點的數(shù)量，從而可以確定匹配的毛孔特征點的數(shù)量與特征庫包含的毛孔特征點總數(shù)量的比值。如果該比值大于預設閾值，則可以認為該用戶與特征庫對應的用戶為同一個人，可以確定用戶為合法用戶。

預設閾值可以根據(jù)實際情況進行設定和調(diào)整，比如，設置為0.6，本發(fā)明實施例對此不做限制。

如果確定用戶為合法用戶，則表明用戶身份驗證通過，可以根據(jù)用戶指令執(zhí)行進一步操作。如果確定用戶不是合法用戶，則表明用戶身份驗證沒有通過，可以拒絕用戶的進一步操作。

在本發(fā)明的一種具體實施方式中，在確定用戶不是合法用戶時，可以重復執(zhí)行獲得用戶的人臉圖像的步驟，直至重復次數(shù)達到預設次數(shù)閾值時，確定用戶為非法用戶。重復執(zhí)行獲得用戶的人臉圖像的步驟，可以重新進行人臉識別。當重復次數(shù)達到設設的次數(shù)閾值時，可以確定用戶為非法用戶，在這種情況下，可以輸出告警信息。

應用本發(fā)明實施例所提供的方法，在接收到用戶的身份驗證觸發(fā)指令時，可以獲得用戶的人臉圖像，對人臉圖像進行預處理，可以獲得優(yōu)化的全臉灰度圖像，基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，可以確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征，分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，可以獲得每個毛孔特征點的皮膚毛孔二進制特征，分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配，根據(jù)匹配結(jié)果，可以確定用戶是否為合法用戶，從而實現(xiàn)對用戶身份的驗證?；谌樆叶葓D像包含的毛孔特征點的皮膚毛孔二進制特征的匹配對人臉圖像進行識別，可以提高識別效率和準確率，增強系統(tǒng)安全性。

相應于上面的方法實施例，本發(fā)明實施例還提供了一種基于全臉二進制匹配的身份驗證裝置，下文描述的一種基于全臉二進制匹配的身份驗證裝置與上文描述的一種基于全臉二進制匹配的身份驗證方法可相互對應參照。

參見圖2所示，該裝置包括以下模塊：

人臉圖像獲得模塊210，用于在接收到用戶的身份驗證觸發(fā)指令時，獲得用戶的人臉圖像；

預處理模塊220，用于對人臉圖像進行預處理，獲得優(yōu)化的全臉灰度圖像，預處理包含灰度化處理和去除噪聲處理；

特征確定模塊230，用于基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征；

二進制特征獲得模塊240，用于分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，獲得每個毛孔特征點的皮膚毛孔二進制特征；

二進制特征匹配模塊250，用于分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配；

合法性確定模塊260，用于根據(jù)匹配結(jié)果，確定用戶是否為合法用戶。

應用本發(fā)明實施例所提供的裝置，在接收到用戶的身份驗證觸發(fā)指令時，可以獲得用戶的人臉圖像，對人臉圖像進行預處理，可以獲得優(yōu)化的全臉灰度圖像，基于預先實現(xiàn)的毛孔級別尺度不變特征變換算法，可以確定全臉灰度圖像中多個毛孔特征點的皮膚毛孔特征，分別對每個毛孔特征點的皮膚毛孔特征進行哈希處理，可以獲得每個毛孔特征點的皮膚毛孔二進制特征，分別將全臉灰度圖像中每個毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行匹配，根據(jù)匹配結(jié)果，可以確定用戶是否為合法用戶，從而實現(xiàn)對用戶身份的驗證。基于全臉灰度圖像包含的毛孔特征點的皮膚毛孔二進制特征的匹配對人臉圖像進行識別，可以提高識別效率和準確率，增強系統(tǒng)安全性。

在本發(fā)明的一種具體實施方式中，合法性確定模塊260，具體用于：

在匹配的毛孔特征點的數(shù)量與特征庫包含的毛孔特征點總數(shù)量的比值大于預設閾值時，確定用戶為合法用戶。

在本發(fā)明的一種具體實施方式中，特征確定模塊230，具體用于：

使用多個不同大小的高斯核與全臉灰度圖像進行卷積，生成多個具有不同分辨率的圖像；

將具有同一分辨率的圖像的像素值進行差分運算；

將進行差分運算后的圖像中局部最暗的點確定為候選特征點；

利用理想毛孔模型在確定的候選特征點中選擇毛孔特征點；

生成每個毛孔特征點的特征描述子，獲得每個毛孔特征點的皮膚毛孔特征。

在本發(fā)明的一種具體實施方式中，二進制特征匹配模塊250，具體用于：

針對全臉灰度圖像中每個毛孔特征點，將該毛孔特征點的皮膚毛孔二進制特征與預先獲得的特征庫中相應毛孔特征點的參考二進制特征進行邏輯異或運算；

計算該毛孔特征點的皮膚毛孔二進制特征與特征庫中相應毛孔特征點的參考二進制特征之間的漢明距離；

根據(jù)漢明距離，確定該毛孔特征點的皮膚毛孔二進制特征與特征庫中相應毛孔特征點的參考二進制特征是否匹配。

在本發(fā)明的一種具體實施方式中，預處理模塊220，具體用于：

對人臉圖像進行灰度化處理，獲得灰度圖像；

在灰度圖像中提取設定區(qū)域圖像；

根據(jù)設定區(qū)域圖像的像素值，計算設定區(qū)域圖像的均值；

利用均值對灰度圖像進行去除噪聲處理，獲得優(yōu)化的全臉灰度圖像。

在本發(fā)明的一種具體實施方式中，還包括非法性確定模塊，用于：

在確定用戶不是合法用戶時，重復執(zhí)行獲得用戶的人臉圖像的步驟，直至重復次數(shù)達到預設次數(shù)閾值時，確定用戶為非法用戶。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同或相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應用和設計約束條件。專業(yè)技術(shù)人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù)領域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。

本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的技術(shù)方案及其核心思想。應當指出，對于本技術(shù)領域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權(quán)利要求的保護范圍內(nèi)。