弱网环境下的身份验证方法、装置、设备及存储介质与流程

本技术涉及图像处理，尤其涉及弱网环境下的身份验证方法、装置、设备及存储介质。

背景技术：

1、活体检测技术是一种用于在一些身份验证场景中确定对象真实生理特征的技术，目前的活体检测技术往往通过图像采集设备实时采集用户的图像或者视频，并对所采集的图像或者视频进行即时验证处理。

2、然而，当用户设备处于较差的网络环境时，目前的活体检测技术由于丢包、延迟等原因难以准确地、快速地对用户进行身份验证。

技术实现思路

1、本技术提供一种弱网环境下的身份验证方法、装置、设备及存储介质，以解决或者部分解决当用户设备处于较差的网络环境时，难以准确地、快速地对用户进行身份验证的问题。

2、本技术第一方面提供一种弱网环境下的身份验证方法，包括：

3、响应于针对用户的身份验证指令，获取所述用户使用的用户设备的通信参数；

4、根据所述通信参数判定所述用户设备处于弱网环境，获取预处理后的历史用户图像和待验证图像；

5、根据预设提取策略从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据；

6、采用所述历史轮廓数据和所述待验证轮廓数据进行轮廓匹配，生成与所述身份验证指令对应的身份验证结果。

7、在一种实例中，所述通信参数至少包括网络丢包率、网络信号强度以及网络类型，所述根据所述通信参数判定所述用户设备处于弱网环境，包括：

8、若所述网络丢包率大于或等于预设丢包率，则判定所述用户设备处于弱网环境；

9、和/或，若所述网络信号强度小于预设强度，则判定所述用户设备处于弱网环境；

10、和/或，若所述网络类型与预设类型相同，则判定所述用户设备处于弱网环境。

11、在一种实例中，所述预设提取策略包括预设颜色通道和边缘检测算子，所述根据预设提取策略从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据，包括：

12、对所述历史用户图像和所述待验证图像进行尺寸调整处理，并按照所述预设颜色通道对所述历史用户图像和所述待验证图像进行通道分离，获得若干张与所述颜色通道对应的通道图像；

13、采用所述边缘检测算子计算所述通道图像的幅值和方向变量，根据所述幅值和所述方向变量从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据。

14、在一种实例中，所述根据所述幅值和所述方向变量从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据，包括：

15、分别对所述历史用户图像和所述待验证图像的幅值和方向变量进行非最大值抑制，确定所述历史用户图像的历史边缘像素点和所述待验证图像的待验证边缘像素点；

16、采用所述历史边缘像素点从所述历史用户图像中提取所述历史轮廓数据；

17、采用所述待验证边缘像素点从所述待验证图像中提取所述待验证轮廓数据。

18、在一种实例中，所述分别对所述历史用户图像和所述待验证图像的幅值和方向变量进行非最大值抑制，确定所述历史用户图像的历史边缘像素点和所述待验证图像的待验证边缘像素点，包括：

19、分别对所述历史用户图像和所述待验证图像的幅值和方向变量进行非最大值抑制，剔除所述历史用户图像和所述待验证图像的非边缘像素点；

20、采用双阈值算法检测所述历史用户图像的历史边缘像素点和所述待验证图像的待验证边缘像素点。

21、在一种实例中，所述身份验证结果包括验证成功结果，所述采用所述历史轮廓数据和所述待验证轮廓数据进行轮廓匹配，生成与所述身份验证指令对应的身份验证结果，包括：

22、将所述历史轮廓数据和所述待验证轮廓数据进行向量化，获得与所述历史轮廓数据对应的历史轮廓向量和所述待验证轮廓数据对应的待验证轮廓向量；

23、采用预设相似度公式对所述历史轮廓向量和所述待验证轮廓向量进行所述相似度计算，获得相似度值；

24、若所述相似度值小于预设范围，则生成与所述身份验证指令对应的验证成功结果。

25、在一种实例中，所述采用预设相似度公式对所述历史轮廓向量和所述待验证轮廓向量进行所述相似度计算，获得相似度值，包括：

26、将所述历史轮廓向量和所述待验证轮廓向量代入至所述预设相似度公式进行所述相似度计算，获得相似度值；

27、所述预设相似度公式为：

28、

29、其中，s(a,b)为所述相似度值，a为所述历史轮廓向量，b为所述待验证轮廓向量，n为向量维度。

30、本技术第二方面提供一种弱网环境下的身份验证装置，包括：

31、通信参数获取模块，用于响应于针对用户的身份验证指令，获取所述用户使用的用户设备的通信参数；

32、弱网环境判定模块，用于根据所述通信参数判定所述用户设备处于弱网环境，获取预处理后的历史用户图像和待验证图像；

33、轮廓数据提取模块，用于根据预设提取策略从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据；

34、身份验证结果生成模块，用于采用所述历史轮廓数据和所述待验证轮廓数据进行轮廓匹配，生成与所述身份验证指令对应的身份验证结果。

35、在一种实例中，所述通信参数至少包括网络丢包率、网络信号强度以及网络类型，所述弱网环境判定模块具体用于：

36、若所述网络丢包率大于或等于预设丢包率，则判定所述用户设备处于弱网环境；

37、和/或，若所述网络信号强度小于预设强度，则判定所述用户设备处于弱网环境；

38、和/或，若所述网络类型与预设类型相同，则判定所述用户设备处于弱网环境。

39、在一种实例中，所述预设提取策略包括预设颜色通道和边缘检测算子，所述轮廓数据提取模块，包括：

40、通道图像获取子模块，用于对所述历史用户图像和所述待验证图像进行尺寸调整处理，并按照所述预设颜色通道对所述历史用户图像和所述待验证图像进行通道分离，获得若干张与所述颜色通道对应的通道图像；

41、轮廓数据提取子模块，用于采用所述边缘检测算子计算所述通道图像的幅值和方向变量，根据所述幅值和所述方向变量从所述历史用户图像中提取历史轮廓数据，从所述待验证图像中提取待验证轮廓数据。

42、在一种实例中，所述轮廓数据提取子模块，包括：

43、边缘像素点获取单元，用于分别对所述历史用户图像和所述待验证图像的幅值和方向变量进行非最大值抑制，确定所述历史用户图像的历史边缘像素点和所述待验证图像的待验证边缘像素点；

44、历史轮廓数据提取单元，用于采用所述历史边缘像素点从所述历史用户图像中提取所述历史轮廓数据；

45、待验证轮廓数据提取单元，用于采用所述待验证边缘像素点从所述待验证图像中提取所述待验证轮廓数据。

46、在一种实例中，所述边缘像素点获取单元具体用于：

47、分别对所述历史用户图像和所述待验证图像的幅值和方向变量进行非最大值抑制，剔除所述历史用户图像和所述待验证图像的非边缘像素点；

48、采用双阈值算法检测所述历史用户图像的历史边缘像素点和所述待验证图像的待验证边缘像素点。

49、在一种实例中，所述身份验证结果包括验证成功结果，所述身份验证结果生成模块，包括：

50、轮廓向量转换子模块，用于将所述历史轮廓数据和所述待验证轮廓数据进行向量化，获得与所述历史轮廓数据对应的历史轮廓向量和所述待验证轮廓数据对应的待验证轮廓向量；

51、相似度值计算子模块，用于采用预设相似度公式对所述历史轮廓向量和所述待验证轮廓向量进行所述相似度计算，获得相似度值；

52、身份验证结果生成子模块，若所述相似度值小于预设范围，则生成与所述身份验证指令对应的验证成功结果。

53、在一种实例中，所述相似度值计算子模块具体用于：

54、将所述历史轮廓向量和所述待验证轮廓向量代入至所述预设相似度公式进行所述相似度计算，获得相似度值；

55、所述预设相似度公式为：

56、

57、其中，s(a,b)为所述相似度值，a为所述历史轮廓向量，b为所述待验证轮廓向量，n为向量维度。

58、本技术第三方面提供一种电子设备，包括：

59、处理器；以及

60、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

61、本技术第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

62、本技术提供的技术方案可以包括以下有益效果：

63、在本技术实施例中，响应于针对用户的身份验证指令，获取用户使用的用户设备的通信参数，根据通信参数判定用户设备处于弱网环境，获取预处理后的历史用户图像和待验证图像，根据预设提取策略从历史用户图像中提取历史轮廓数据，从待验证图像中提取待验证轮廓数据，采用历史轮廓数据和待验证轮廓数据进行轮廓匹配，生成与身份验证指令对应的身份验证结果，从而在弱网环境下对用户进行身份验证时，通过提取历史用户图像的历史轮廓数据和待验证图像的待验证轮廓数据，实现利用历史轮廓数据和待验证轮廓数据进行轮廓匹配，进而避免弱网环境下难以对用户进行身份验证的问题，且大大提高了身份验证的准确性。

64、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。