[发明专利]风险检测方法、装置及设备在审

专利信息
申请号: 201911286075.X 申请日: 2019-12-13
公开(公告)号: CN111126216A 公开(公告)日: 2020-05-08
发明(设计)人: 曹佳炯 申请(专利权)人: 支付宝(杭州)信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06T7/80
代理公司: 北京国昊天诚知识产权代理有限公司 11315 代理人: 朱文杰
地址: 310000 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 风险 检测 方法 装置 设备
【权利要求书】:

1.一种风险检测方法,包括:

获取待检测用户的生物特征图像组合,其中,所述生物特征图像组合包括:由多目摄像头对所述待检测用户的指定身体部位进行单次拍摄所得的多个图像;

通过预先训练的第一检测模型,对所述多个图像进行一致性检测,得到第一检测结果;以及,通过预先训练的第二检测模型,对所述多个图像进行活体检测,得到第二检测结果;

根据所述第一检测结果和所述第二检测结果,确定所述待检测用户的活体检测是否存在受攻击的风险。

2.根据权利要求1所述的方法,所述通过预先训练的第一检测模型,对所述多个图像进行一致性检测,包括:

对所述多个图像进行第一预处理,得到已处理图像;

将所述已处理图像输入至所述第一检测模型,以基于所述第一检测模型对所述已处理图像进行一致性检测。

3.根据权利要求2所述的方法,所述对所述多个图像进行第一预处理,得到已处理图像,包括:

确定所述多个图像与所述多目摄像头中的多个摄像头的一一对应关系;

获取所述多目摄像头的转换矩阵和所述多个摄像头中每个摄像头对应的转换参数;其中,所述转换矩阵为训练所述第一检测模型之前,对所述多个摄像头进行标定处理而得;所述转换参数为训练所述第一检测模型时,对待训练的样本集进行第三预处理而得;

根据所述转换矩阵,对所述多个图像进行空间对齐处理;

根据所述转换参数,对对应的所述空间对齐处理后的图像进行预设转换处理;

将所述预设转换处理后的图像确定为已处理图像。

4.根据权利要求1所述的方法,所述根据所述第一检测结果和所述第二检测结果,确定所述待检测用户的活体检测是否存在受攻击的风险,包括:

根据预设的加权系数,对所述第一检测结果和所述第二检测结果进行加权计算,得到计算结果;

若所述计算结果大于预设的第一阈值,则确定所述待检测用户的活体检测不存在受攻击的风险;

若所述计算结果不大于预设的第一阈值,则确定所述待检测用户的活体检测存在受攻击的风险。

5.根据权利要求1所述的方法,所述根据所述第一检测结果和所述第二检测结果,确定所述待检测用户的活体检测是否存在受攻击的风险,包括:

若所述第一检测结果大于预设的第二阈值、且所述第二检测结果大于预设的第三阈值,则确定所述待检测用户的活体检测不存在受攻击的风险。

6.根据权利要求1所述的方法,所述多目摄像头为双目摄像头。

7.根据权利要求1-6任一项所述的方法,所述获取待检测的用户的生物特征图像组合之前,还包括:

获取所述多目摄像头采集的待训练的生物特征图像组合;

对所述待训练的生物特征图像组合进行第二预处理,得到待训练的样本集;

基于所述样本集训练所述第一检测模型。

8.根据权利要求7所述的方法,所述对所述待训练的生物特征图像组合进行第二预处理之前,还包括:

对所述多目摄像头中的多个摄像头进行标定处理,得到转换矩阵;

所述对所述待训练的生物特征图像组合进行第二预处理,得到待训练的样本集,包括:

根据所述转换矩阵,对所述待训练的生物特征图像组合中的图像进行空间对齐处理;

将所述空间对齐处理后的生物特征图像组合作为样本,并将所述样本划分为正样本和负样本;其中,所述正样本中的各图像一致,所述负样本中的各图像不一致;

将所述正样本和所述负样本确定为待训练的样本集。

9.根据权利要求8所述的方法,所述基于所述样本集训练所述第一检测模型,包括:

将所述样本集划分为训练集和测试集;其中,所述训练集和所述测试集包括的所述正样本与所述负样本的比例相同;

对所述训练集和所述测试集进行第三预处理,得到目标训练集和目标测试集;

基于所述目标训练集和所述目标测试集进行训练操作,得到第一检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911286075.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top