一种用户身份验证方法与设备的制造方法
【技术领域】
[0001] 本发明多个实施例设及一种用户的身份验证方法与设备，尤其是智能家居领域的 用户身份验证技术。
【背景技术】
[0002] 随着计算机等方面技术的迅速发展W及人们生活水平的提高，家居服务机器人已 逐步进入大众的生活。为了实现家居服务机器人恰当合法W及方便的使用，家居服务机器 人需要具备用户身份验证的功能。比如，用户通过语音命令家居服务机器人去打开或关闭 某一家用电器，如果没有身份验证功能，那就是任何人都可W去命令去做类似的事情，运显 然是不合理的。
[0003] 生物认证现在已经成为身份验证的研究热点，逐渐成为身份验证的主流方法。生 物认证相对于传统的身份验证方法具有更好的安全性，同时更为便捷。生物认证主要包括 接触式与非接触式两大类，其中接触式的生物认证包括指纹认证、掌纹认证等，非接触式的 生物认证包括面部、声纹、虹膜等认证方式。
[0004] 单一生物特征的生物认证是目前通常采用的方法，但是，单一的生物特征具有一 定的不稳定性，比如，声音会随着音量、速度和音质的变化（如人感冒时）而影响声纹特征。 在面部结构相似（如双胞胎）的运种情况下，现有技术水平下的面部认证基本失效；外部遮 挡物，如眼镜、胡须、头发等的遮挡可能导致面部特征的变化。而且，单一生物特征的生物认 证方式还存在一定的漏桐，例如，非合法使用者可W用录音去破解声纹识别系统，用照片或 视频去破解面部识别系统。
【发明内容】
阳〇化]因此，为了提高身份验证的稳定性、安全性，同时考虑到用户体验，本发明提供一 种多重身份验证方法及实现此方法的设备，其安全程度高，稳定性强，用户体验好，适用于 各类人群。本发明的方法和设备例如可应用于家居服务机器人或其他计算设备，诸如移动 电话或便携式计算机。
[0006] 本发明的用户身份验证方法和设备的实现主要是采用多重身份验证的融合方式， 避免上述单一验证缺陷和问题，它可由若干种单一的生物认证方式组成：例如面部识别和 声纹、虹膜、掌纹、指纹识别等。作为本发明的技术方案之一，前一次身份验证步骤是作为后 一次/多次身份验证步骤的逻辑基础。例如，前一次身份验证的评分值会作为后一次验证 方式的逻辑引用值，或者，前一次的身份验证的特征矢量是作为后一次验证方式的激励信 号。在本技术方案效果中，即使前一次的验证被处理器或计算机判定为例如"非合法用户"， 后一次验证操作仍可W继续进行，最终的判定是基于多次验证的禪合来实现（例如，评分 赋值、矢量和）。
[0007] 为实现上述目的和效果，在一个实施例中，提供了一种用户身份验证方法，包括： 结合至少两种非接触身份验证方式对用户特征进行识别；W及根据上述识别验证所述用 户。
[0008] 在另一实施例中，提供了一种用户身份验证设备，包括：接收装置，用于接收至少 两种身份验证方式的用户特征；W及连接至所述接收装置的处理器，被配置为：结合所述 至少两种身份验证方式对所述用户特征进行识别；W及根据上述识别验证所述用户。
[0009] 在上述实施例中，所述"结合"步骤是通过特定设计的融合逻辑加W实施，所述融 合逻辑的方式是通过W下结合附图的具体实例加W详尽描述。
【附图说明】
[0010] 图1为本发明的用户身份验证方法的第一实施例的流程图；
[0011] 图2为图1所示实施例的步骤300的详细流程图；
[0012] 图3为本发明实现上述方法的设备原理图。
【具体实施方式】
[0013] 下文将描述一个或多个特定实施例。为了提供对运些实施例的简要描述，说明书 中未描述实际实施方案的所有特征。应当理解的是，下述实施方案的实现步骤可在次序之 间有所不同。此外，相同或相似的特征可指示相同功能的部件或实现方式。
[0014] 基于机器人的用户身份验证
[0015] 在一个实施例中，执行用户身份验证的主体是机器人。本实施例中所指的"机器 人"，是泛指具备大型运算功能的移动机械装置或者嵌入在数据计算设备（例如移动电话、 PC机）的运算载体内，运种载体可W是搭载的处理器或者相同类型的集成电路板或软件命 令模块，机器人能够按照其上位设备，或用户本身口述的指令通过大型计算的方式完成相 应的动作，在数据运算方面，机器人的计算效率或存储量可能是有限的，从而可通过例如远 程获取所需完成的指令W及相关的数据集。
[0016] 此外，在本发明所示实施例中，机器人是指按照仿生结构制造出的人型机械结构， 特定使用在室内用户家居环境下服务于居民的机器人装置，机器人在执行用户的指令时， 出于安全方面的考虑，需要对用户进行多次身份验证操作。在本实施例中，非接触式身份验 证方式包括了用户语音、面部或步态方式。
[0017] 参照图1，图1为本发明的用户身份验证方法的第一实施例的流程图。根据本发明 的一个实施例，通过上述机器人进行用户身份验证的方法可包括：
[0018] 在步骤100中，用户可通过语音方式呼唤机器人，机器人通过麦克风或者类似扬 声器等传感器设备收集运段用户语音片段内容，W通过声纹识别的方式被唤醒。用户呼唤 机器人时，不限于指定的语句，但是可W包括机器人的名字或特定编码（运是为了防止操 作对象的误解）。进一步地，在该步骤中用户呼唤机器人时，机器人提取语音信息中的声纹 特征，通过内置的声纹识别算法判断是否为用户模型库中的用户，如果是，进行后续操作； 否则不进行任何响应；
[0019] 在步骤200中，在呼唤机器人后如果接收到用户声纹识别验证信息（信息包含了 验证矢量），机器人使用其本体上装设的摄像头进行360°扫描，寻找声源W确定用户的位 置，例如机器人可根据声源方向移动到用户面前。机器人通过摄像头扫描用户的面部，提取 面部特征来进行面部识别；
[0020] 在步骤300中，使用与上述两种非接触身份验证方式相关联的融合逻辑对用户特 征进行识别；W及
[0021] 在步骤400中，根据上述识别验证用户。
[0022] 在上述实施例的步骤100,即上述用户身份验证步骤之前，可进一步包括：在机器 人内置的计算机或处理器中，或者单独设计的存储器中搭建一个用户特征模型库，每个用 户模型库可包括声纹模型库和面部模型库，在一个较佳例子里，又包括用户的特定标识符 识别库，例如用户的用户名和账户信息；例如，为了安全性考虑，声纹模型和面部模型的录 入只能通过本地录入，而不能远程操作。声纹模型库或面部模型库在逻辑上可关联于用户 的所述特定标识符识别库，在身份识别完成后，机器人自动生成与所述特定标识符对应的 提取信号来完成对用户信息的触发。在另一个较佳例子里，用户特征识别库被搭建为矢量 空间或矩阵形式，基于本发明各个实施例的主要精神，可不另外再单独区别声纹模型库和 面部模型库，运两种模型库可W被合并入上述矢量空间，所述的处理器在每一次需要验证 时，基于该矢量空间形成评判矢量（例如，下文所述的预设评判矢量G')，将评判矢量作为 验证是否通过的一个基础。
[0023] 参照图2,图2为图1所示实施例的步骤300的详细流程图。在一个较佳例子中， 上述用户身份验证方法中的步骤300可进一步包括步骤：
[0024] 在步骤301中，获取通过语音身份验证方式的用户特征得到的第一标识矢量V，根 据第一标识矢量V来获取通过面部身份验证方式的用户特征得到的第二标识矢量F。例如， 通过获取来自步骤100中的语音声纹特征信号，设定取样区间[0,k]，从而根据运些取样样 本点信号组成表征声纹样本的第一标识矢量V={vl，v2，…，vm}T(m<k)。并且，通过机 器人计算机响应于声纹特征信号的特定频谱获取来自步骤200中的面部特征信号，设定特 征区间[0,P]，从而根据运些取样样本点信号组成表征面部特征的第二标识矢量F={fl， f2，…，fn}T(n<p)。
[0025] 其中，对特定频谱的测算可通过例如全通翅曲函数，从而在不增加样本点数目的 前提下抽取声纹样本中一定幅值频谱（例如，使用测定能量值的方式）。对一段声纹样本信 号的重要频段提高分析精度，对该信号的不重要频段降低分析精度，而不同于W往单纯为 了提高取样精度而增加样本点数量值。对声纹特征的提取包括了用户寻找和用户验证确认 两种方式。其中，机器人存储器内存储的声纹特征库可为多个室内用户，为了响应每一用户 的口令，需要首先进行用户寻找步骤，然后对该用户进行身份验证确认。
[00%] 在步骤302中，为了实现第一标识矢量V与第二标识矢量F的完全禪合性，将第一 标识矢量V进行加权归一化得出矢量V' =V?O，其中O表示对矢量V的加权；
[0027] 在步骤303中，使用归一化后的第一标识矢量V'作为对第二标识矢量F的激励 源，则可通过所述融合逻辑将所述第一、第二标识矢量相互卷积禪合得出验证矢量G。其中 在与所述的第二标识矢量F相关的[0,n]矢量区间内任一样本点T，使用上述融合逻辑， 该融合逻辑是使用机器人内置计算机实现的逻辑，该逻辑满足下述关系式：
[0029] 其中，验证矢量G是表示用户特征与用户特征样本之间的关系函数，计算机可通 过运个逻辑关系将其与预设评判矢量G'加W比较W得出是否判断用户为合法用户。例如， 比较可使用测算两矢量间相角0的方式，满足关系式：
[0031] 其中所述相角极限越趋近于零，则表示用户特征越符合于预存的用户特征模型。 较佳地，对上述用户面部特征的识别选择为图像区域算法识别，在本发明系统中可采用区 域特征建模的方式，或者通过图像比对判定灰度值的方式。而采用灰度值测算获得的向量 为特征向量。
[0032] 在步骤304中，将所述验证矢量G与一个用户特征模型库（或者，至少一个用户身 份标识码）进行匹配。按照前述，用户身份标识码是来自所建立的用户特征模型库，用户特 征模型可被计算机转译为用户的姓名、账户或序列代码。
[0033] 作为改进，为了上述方法能够W高级验证的方式来驱动机器人执行更为复杂的指 令或者是运种验证方式的一种变形，上述方法中的得出验证矢量G又可包括步骤： 阳034] 在步骤305中，根据第一标识矢量V、第二标识矢量F中或者是矢量G获取通过步 态或掌纹身份验证方式得到的第=标识矢量W;W及
[0035] 在步骤306中，通过所述融合逻辑将所述第一、第二和第=标识矢量相禪合得出 验证矢量H。例如，验证矢量H是使用与前述融合逻