身份验证方法和装置、电子设备及存储介质与流程

本技术涉及金融科技(fi ntech)，尤其涉及一种身份验证方法和装置、电子设备及存储介质。

背景技术：

1、目前，用户在进行身份验证时，是通过识别用户的生物特征来实现。基于生物特征的身份验证是指基于每个人身体上独一无二的特征，如人脸、指纹、虹膜等。现有的身份验证方法是采用单一模态生物识别或者简单叠加的多模态生物识别技术来实现，然而，单一模态生物识别技术安全性不够高，简单叠加的多模态生物识别技术无法智能地适应用户进行身份验证时所处不同的复杂环境，导致识别的准确性和鲁棒性较差。

2、在金融场景下，例如在银行开户、贷款审批和大额转账等需要高安全性的场景中，现有的身份验证方法由于存在上述的技术缺陷，因此存在身份盗用和欺诈的风险。基于此，在金融场景下，如何提高用户身份验证的安全性和准确性成为亟待解决的技术问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种身份验证方法和装置、电子设备及存储介质，能够提高用户身份验证的安全性和准确性，尤其在金融场景下，可以智能和精准地对处于不同复杂环境的用户进行身份验证，有助于降低身份盗用和欺诈的风险，提高金融服务的安全性和准确性，提升客户满意度，从而提升金融企业的竞争力。

2、为实现上述目的，本技术实施例的第一方面提出了一种身份验证方法，所述方法包括：

3、获取用户处于当前环境的多模态生物识别数据，所述多模态生物识别数据包括人脸图像、虹膜图像和指纹信息；

4、通过卷积神经网络对所述人脸图像进行特征提取，得到人脸特征；

5、通过支持向量机对所述虹膜图像和所述指纹信息进行特征提取，生成虹膜特征和指纹特征；

6、识别用户处于当前环境的脸部姿态和所述当前环境的环境类型；

7、根据所述脸部姿态和所述环境类型调整所述人脸特征、所述虹膜特征和所述指纹特征各自对应的权重值；

8、根据所述权重值对所述人脸特征、所述虹膜特征和所述指纹特征进行加权融合，生成对应所述用户在所述当前环境的身份验证结果。

9、在一些实施例，所述识别用户处于当前环境的脸部姿态和所述当前环境的环境类型，包括：

10、根据所述人脸图像确定所述用户处于当前环境的脸部姿态参数，所述人脸图像由摄像头拍摄所述用户而得到；

11、将所述脸部姿态参数输入至预设的脸部姿态判别模块，识别所述用户处于当前环境的脸部姿态；

12、通过环境传感器获取所述当前环境的环境条件参数；

13、将所述环境条件参数输入至预设的环境判别模块，识别所述用户处于当前环境的环境类型。

14、在一些实施例，所述根据所述脸部姿态和所述环境类型调整所述人脸特征、所述虹膜特征和所述指纹特征各自对应的权重值，包括：

15、根据所述脸部姿态和所述环境类型确定场景模式；

16、根据所述场景模式确定由预设的决策融合层输出的权重值调整策略；

17、基于所述权重值调整策略调整所述人脸特征对应的第一权重值、所述虹膜特征对应的第二权重值和所述指纹特征对应的第三权重值。

18、在一些实施例，所述权重值调整策略包括：

19、在确定所述脸部姿态为正视所述摄像头，且所述环境类型为高光照环境的情况下，增加所述人脸特征对应的第一权重值，减小所述虹膜特征对应的第二权重值和所述指纹特征对应的第三权重值；

20、在确定所述脸部姿态为正视所述摄像头，且所述环境类型为低光照环境的情况下，减小所述人脸特征对应的第一权重值，增加所述虹膜特征对应的第二权重值和所述指纹特征对应的第三权重值；

21、在确定所述脸部姿态为不正视所述摄像头，且所述环境类型为高光照环境的情况下，减小所述人脸特征对应的第一权重值和所述虹膜特征对应的第二权重值，增加所述指纹特征对应的第三权重值；

22、在确定所述脸部姿态为不正视所述摄像头，且所述环境类型为低光照环境的情况下，减小所述人脸特征对应的第一权重值和所述虹膜特征对应的第二权重值，增加所述指纹特征对应的第三权重值。

23、在一些实施例，所述决策融合层的训练方法包括：

24、获取不同场景模式下的所述人脸特征、所述虹膜特征和所述指纹特征；

25、对所述人脸特征、所述虹膜特征和所述指纹特征进行标准化，得到标准化特征；

26、将所述标准化特征输入至所述决策融合层进行训练，在训练过程中通过反向传播算法对所述人脸特征、所述虹膜特征和所述指纹特征各自对应的权重进行调优，直至达到预设优化目标，得到对应不同场景模式下的权重值调整策略，其中，所述决策融合层采用多层感知器模型。

27、在一些实施例，所述方法还包括：

28、在生成所述身份验证结果失败或者所述身份验证结果置信度低于预设置信度的情况下，记录对应所述用户的反馈数据，所述反馈数据包括所述用户的多模态生物识别数据、所述用户处于当前环境的脸部姿态和所述当前环境的环境条件参数；

29、根据反馈数据调整所述决策融合层的权重值调整策略。

30、在一些实施例，所述方法还包括：

31、在所述脸部姿态被遮挡的情况下，通过遮挡人脸识别算法对脸部姿态判别模块进行参数优化，以使所述脸部姿态判别模块识别所述用户的脸部姿态；

32、在所述环境条件参数中的光照参数超过预设光照阈值范围的情况下，通过人脸识别算法的光照补偿机制对环境判别模块进行参数优化，以使所述环境判别模块识别所述用户所处的当前环境。

33、为实现上述目的，本技术实施例的第二方面提出了一种身份验证装置，所述装置包括：

34、获取模块，用于获取用户处于当前环境的多模态生物识别数据，所述多模态生物识别数据包括人脸图像、虹膜图像和指纹信息；

35、第一提取模块，用于通过卷积神经网络对所述人脸图像进行特征提取，得到人脸特征；

36、第二提取模块，用于通过支持向量机对所述虹膜图像和所述指纹信息进行特征提取，生成虹膜特征和指纹特征；

37、识别模块，用于识别用户处于当前环境的脸部姿态和所述当前环境的环境类型；

38、调整模块，用于根据所述脸部姿态和所述环境类型调整所述人脸特征、所述虹膜特征和所述指纹特征各自对应的权重值；

39、生成模块，用于根据所述权重值对所述人脸特征、所述虹膜特征和所述指纹特征进行加权融合，生成对应所述用户在所述当前环境的身份验证结果。

40、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

41、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

42、本技术提出的身份验证方法和装置、电子设备及存储介质,获取用户处于当前环境的多模态生物识别数据，多模态生物识别数据包括人脸图像、虹膜图像和指纹信息；通过卷积神经网络对人脸图像进行特征提取，得到人脸特征；通过支持向量机对虹膜图像和指纹信息进行特征提取，生成虹膜特征和指纹特征；识别用户处于当前环境的脸部姿态和当前环境的环境类型；根据脸部姿态和环境类型调整人脸特征、虹膜特征和指纹特征各自对应的权重值；根据权重值对人脸特征、虹膜特征和指纹特征进行加权融合，生成对应用户在当前环境的身份验证结果。通过获取用户处于当前环境的多模态生物识别数据，并对人脸图像、虹膜图像和指纹信息进行特征提取，得到人脸特征、虹膜特征和指纹特征。并根据用户处于当前环境的脸部姿态和当前环境的环境类型来调整人脸特征、虹膜特征和指纹特征各自对应的权重值，再根据权重值对人脸特征、虹膜特征和指纹特征进行加权融合，生成对应用户在当前环境的身份验证结果。本技术实施例不但结合多模态特征来对用户进行身份验证，安全性高，而且可以根据用户所处环境的脸部姿态和环境类型来动态自适应调整不同模态的权重值，以适应不同的用户姿态和环境条件。由于根据不同使用场景实时调整各模态的权重，使得权重分配更具智能性和适应性，从而在复杂环境下提高识别的准确性和鲁棒性。基于此，本技术实施例能够提高用户身份验证的安全性和准确性，尤其在金融场景下，可以智能和精准地对处于不同复杂环境的用户进行身份验证，有助于降低身份盗用和欺诈的风险，提高金融服务的安全性和准确性，提升客户满意度，从而提升金融企业的竞争力。