CN104598796B - 身份识别方法及系统 - Google Patents

Abstract

本发明公开了一种身份识别方法及系统，该方法包括：在用户注册时，生成对应用户注册身份标识的生物特征模型；在进行用户身份识别时，生成并显示验证文本，并录入用户朗读验证文本的语音和图像；对录入的用户朗读验证文本的语音和图像进行识别，得到语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；如果唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符，则获取用户的生物特征；将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分；根据匹配得分确定用户身份是否正确。利用本发明，可以有效提高身份认证的安全性。

Description

身份识别方法及系统

技术领域

本发明涉及身份识别技术领域，具体涉及一种身份识别方法及系统。

背景技术

随着移动互联网技术的普及，移动支付已经成为人们工作、学习、娱乐、生活中非常重要的一部分。随之，移动支付所带来的安全问题日益凸显，如何保障用户的信息安全以及如何对用户身份进行便捷有效的确认已经成为移动支付一个重要环节。当今主流的支付平台，多是采用传统的密码方式，或者配合动态token(令牌)等方法确认用户身份。该方法在一定程度上起到了对用户信息的保护作用。

但是，传统方法并不能实现对用户的身份进行确认，仅仅只是对密码内容进行确认，一旦密码被他人盗取则会造成巨大的经济损失。而且当今用户有很多场景需要使用密码，如果分别使用不同的密码会很容易造成遗忘；如果使用统一的密码则很容易被人通过其他渠道盗取，例如撞库攻击方式等。因此，传统密码方式在如今快速发展的移动互联网时代逐步显示出其安全性、有效性及便捷性的不足。

为此，生物认证逐渐成为了当前研究的热点。生物认证又称生物识别，是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生物认证与其他的认证方法相比较，具有自己独特的优点：第一是安全性。第二是方便性——与使用钥匙、卡片、令牌、或者个人身份号码相比，生物认证更为方便快捷。第三是生物特征不存在遗失遗忘的问题，也不必担心密码、身份号码被盗的问题。最后，生物特征有很好的稳定性和持久性。

在现阶段，生物认证通常采用单一的生物特征，即使采用多个生物特征，也是简单地依次分别对每个生物特征进行识别。因此，攻击者仍可采取逐个击破的手段，比如录音攻击声纹系统，录像攻击人脸系统等；导致系统极易被攻破。大大降低了系统的安全性。

发明内容

本发明实施例提供一种身份识别方法及系统，以提高身份认证的安全性。

为此，本发明实施例提供如下技术方案：

一种身份识别方法，包括：

在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中；

在进行用户身份识别时，获取用户身份标识；

生成并显示验证文本，并录入用户朗读所述验证文本的语音和图像；

对录入的用户朗读所述验证文本的语音和图像进行识别，，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；

如果所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符，则获取用户的生物特征；

基于所述用户身份标识，将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分；

根据所述匹配得分确定用户身份是否正确。

优选地，所述方法还包括：

检查所述用户注册数据库中是否存在所述用户身份标识；；

如果是，则执行生成并显示验证文本的步骤；否则，确定用户身份错误。

可选地，所述生物特征模型为声纹模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述声纹特征与用户注册数据库中所述用户身份标识对应的声纹模型进行匹配，得到匹配得分；

或者

所述生物特征模型为人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述人脸特征与用户注册数据库中所述用户身份标识对应的人脸模型进行匹配，得到匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征，并从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：

将获取的声纹特征与用户注册数据库中所述用户身份标识对应的声纹模型进行匹配，得到第一得分；

将获取的人脸特征与用户注册数据库中所述用户身份标识对应的人脸模型进行匹配，得到第二得分；

将第一得分与第二得分进行融合，得到匹配得分。

相应地，所述根据所述匹配得分确定用户身份是否正确包括：

如果所述匹配得分大于设定的阈值，则确定用户身份正确；否则确定用户身份错误。

可选地，所述生物特征模型为声纹模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述声纹特征与用户注册数据库中各声纹模型进行匹配，得到多侯选匹配得分；

或者

所述生物特征模型为人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述人脸特征与用户注册数据库中各人脸模型进行匹配，得到多候选匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述获取用户的生物特征包括：

从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征，并从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：

将获取的声纹特征及人脸特征分别与用户注册数据库中的声纹特征及人脸模型进行融合匹配，得到多候选匹配得分。

相应地，所述根据所述匹配得分确定用户身份是否正确包括：

判断匹配得分最高的特征模型对应的用户注册身份标识与获取的所述用户身份标识是否相同；

如果是，则确定用户身份正确；否则确定用户身份错误。

优选地，所述方法还包括：

在接收到用户注册请求后，生成并显示注册文本，并录入用户朗读所述注册文本的语音和图像；

对录入的用户朗读所述注册文本的语音和图像进行识别，，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；

如果所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述注册文本相符，则允许注册；否则禁止注册；

在允许注册后，再执行生成对应用户注册身份标识的生物特征模型的步骤。

可选地，所述验证文本和/或注册文本为静态文本或随机动态文本。

一种身份识别系统，包括：

注册模块，用于在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中；

身份标识获取模块，用于在进行用户身份识别时，获取用户身份标识；

文本处理模块，用于生成并显示验证文本；

录入模块，用于录入用户朗读所述验证文本的语音和图像；

识别模块，用于对录入的用户朗读所述验证文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符；；

生物特征提取模块，用于在所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符时，获取用户的生物特征；

匹配模块，用于基于所述用户身份标识，将所述生物特征提取模块获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分；

判断模块，用于根据所述匹配得分确定用户身份是否正确。

优选地，所述系统还包括：

检查模块，用于检查所述用户注册数据库中是否存在所述用户身份标识；如果是，则触发所述文本处理模块生成并显示验证文本；否则确定用户身份错误。

可选地，所述生物特征模型为声纹模型；所述生物特征提取模块具体用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；所述匹配判断模块将所述生物特征提取模块获取的声纹特征与所述身份标识获取模块获取的用户身份标识对应的声纹模型进行匹配，得到匹配得分；

或者

所述生物特征模型为人脸模型；所述生物特征提取模块具体用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；所述匹配判断模块将所述生物特征提取模块获取的人脸特征与所述身份标识获取模块获取的用户身份标识对应的人脸模型进行匹配，得到匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述生物特征提取模块包括：

第一提取单元，用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

第二提取单元，用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块包括：

第一匹配单元，用于将所述第一提取单元获取的声纹特征与所述身份标识获取模块获取的身份标识对应的声纹模型进行匹配，得到第一得分；

第二匹配单元，用于将所述第二提取单元获取的人脸特征与所述身份标识获取模块获取的身份标识对应的人脸模型进行匹配，得到第二得分；

融合单元，用于将所述第一得分与所述第二得分进行融合，得到匹配得分。

相应地，所述判断模块，具体用于在所述匹配得分大于设定的阈值时，确定用户身份正确；否则确定用户身份错误。

可选地，所述生物特征模型为声纹模型；

所述生物特征提取模块，具体用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述匹配模块，具体用于将所述声纹特征与用户注册数据库中各声纹模型进行匹配，得多侯选匹配得分；

或者

所述生物特征模型为人脸模型；

所述生物特征提取模块，具体用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块，具体用于将所述人脸特征与用户注册数据库中各人脸模型进行匹配，得到多候选匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述生物特征提取模块包括：

第一提取单元，用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

第二提取单元，用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块，具体用于将所述第一提取单元获取的声纹特征及所述第二提取单元获取的人脸特征分别与用户注册数据库中的声纹特征及人脸模型进行融合匹配，得到多候选匹配得分。

相应地，所述判断模块，具体用于判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则确定用户身份正确；否则确定用户身份错误。

优选地，所述文本处理模块，还用于在所述注册模块接收到用户注册请求后，生成并显示注册文本；

所述录入模块，还用于录入用户朗读所述注册文本的语音和图像；

所述识别模块，还用于对录入的用户朗读所述注册文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符，并在均相符时确定允许注册，否则禁止注册；

所述注册模块具体用于在所述识别模块确定允许注册后，，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中。

本发明实施例提供的身份识别方法及系统，在进行用户身份识别时，生成并显示验证文本，然后录入用户朗读验证文本的语音和图像，对该语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；在所述唇动的有效起始时间与语音的有效起始时间相符、并且唇语文本内容和语音文本内容均与所述验证文本相符的情况下，进一步利用用户的生物特征对用户进行身份合法性验证。由于在身份识别过程中结合了动态的生物特征与静态的生物特征，因此有效地避免了用户信息被仿冒、盗取的风险，大大提高了身份验证的安全性；并且用户的生物特征与生俱来，不需要特别记忆，从而提升了用户身份验认的便捷性、有效性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例身份识别方法的流程图；

图2A是本发明方法中特征匹配及身份验证的一种流程图；

图2B是本发明方法中特征匹配及身份验证的另一种流程图；

图2C是本发明方法中特征匹配及身份验证的另一种流程图；

图2D是本发明方法中特征匹配及身份验证的另一种流程图；

图3是本发明实施例中用户注册的一种流程图；

图4是本发明实施例身份识别系统的一种结构示意图；

图5A是本发明实施例中匹配模块的一种具体结构示意图；

图5B是本发明实施例中匹配模块的另一种具体结构示意图；

图5C是本发明实施例中匹配模块的另一种具体结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

如图1所示，是本发明实施例提供的身份识别方法的流程图，包括以下步骤：

步骤101，在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中。

所述生物特征模型可以是声纹模型、和/或人脸模型，当然也可以是其它生物特征模型，比如，指纹、虹膜等，对此本发明实施例不做限定。用户的注册过程将在后面详细说明。

步骤102，在进行用户身份识别时，获取用户身份标识。

步骤103，生成并显示验证文本，并录入用户朗读所述验证文本的语音和图像。

需要说明的是，所述验证文本可以是固定文本，也可以是随机动态文本。在显示验证文本的同时，可以显示用于提示用户朗读所述验证文本的提示信息，比如可以是“请朗读显示文字”等。在用户朗读该验证文本的过程中，启动录音及录像，录入用户朗读时的语音和图像。

步骤104，对录入的用户朗读所述验证文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容。

语音的有效起始时间可以通过VAD(Voice Activity Detector，语音激活检测)等技术来实现，语音识别可以利用现有的语音识别技术。

唇动定位和特征提取是唇语识别的先决条件，具体可以采用现有的一些识别方法，比如，基于形状的方法-可变模板和Snake方法，基于图像的方法-主成份分析方法，基于运动的方法-光流分析法等。

步骤105，判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符；如果是，则执行步骤106；否则，执行步骤109。

所述唇动的有效起始时间与语音的有效起始时间相符是指唇动的有效起始时间与语音的有效起始时间相差在容许的范围内，比如在1s内。

唇语文本内容和语音文本内容均与所述验证文本相符是指唇语文本内容与所述验证文本的匹配度、以及语音文本内容与所述验证文本的匹配度均满足一定要求，比如，对唇语文本内容与验证文本的匹配度、以及语音文本内容与验证文本的匹配度分别设置相应的门限值，在计算得到的匹配度大于相应的门限值时，确定内容相符，否则确定内容不相符。

通过判断唇动的有效起始时间与语音的有效起始时间是否相符，保证了待识别用户的现场操作，避免了录音、录像等方式的攻击。

步骤106，获取用户的生物特征。

所述生物特征的具体类别需要与用户注册时所用到的生物特征相同，比如，声纹、人脸、指纹、虹膜等，可以是这些生物特征中的任意一种或其任意组合。

步骤107，基于所述用户身份标识，将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分。

生物特征的具体匹配方法与所提取的生物特征的种类相关，具体可采用现有的一些匹配方式，对此本发明实施例不做限定。

步骤108，根据所述匹配得分确定用户身是否份正确。

步骤109，确定用户身份错误。

通过本发明方案进行身份识别需要先进行用户身份的注册，在用户注册时，获取用户注册身份标识，并根据用户的生物特征，生成对应该注册身份标识的生物特征模型。用户注册身份标识可以是数字、字母、特定符号或其组合等。

在本发明方法另一实施例中，在进行用户身份识别时，也可以先检查所述用户注册数据库中是否存在该身份标识。

上述身份标识的检查过程可以在上述步骤103之前进行，，即，如果用户注册身份标识中包括获取的用户身份标识，则再执行步骤103，否则，确定用户身份错误。

上述身份标识的检查过程也可以在上述步骤105和步骤106之间进行，即在判断所述唇动的有效起始时间与语音的有效起始时间相符，，并且唇语文本内容和语音文本内容是否均与所述验证文本相符后，进行上述身份标识的检查，如果用户注册数据库中存在所述身份标识，则执行获取用户的生物特征的步骤；否则，确定用户身份错误。

需要说明的是，在进行匹配时，可以将获取的生物特征仅与获取的用户身份标识对应的生物模型进行匹配，得到匹配得分，然后再判断所述匹配得分是否大于设定的阈值，如果是，则确定用户身份正确，否则确定用户身份错误；也可以将获取的生物特征与用户注册数据库中所有的相应生物特征模型相匹配，得到多候选匹配得分，然后再判断其中匹配得分最高的特征模型对应的注册用户标识与获取的用户身份标识是否相同；如果是，则确定用户身份正确；否则确定用户身份错误。

前面提到，所述生物特征模型可以是声纹模型、和/或人脸模型，当然也可以是其它生物特征模型，比如，指纹、虹膜等。

如果采用单一的生物特征模型，则可以将提取的生物特征与相应的生物特征模型进行匹配，得到匹配得分，比如：如果所述生物特征模型为声纹模型，则在上述步骤106中可以从录入的用户朗读所述验证文本的语音中获取用户的声纹特征，然后进行声纹特征的匹配；如果所述生物特征模型为人脸模型，则在上述步骤106中可以从录入的用户朗读所述验证文本的图像中获取用户的人脸特征。

如果采用多生物特征模型，则可以在上述步骤106中分别将获取的不同生物特征与相应的生物特征模型进行匹配。下面以综合采用声纹特征和人脸特征为例，对上述两种不同的匹配方式进行详细说明。

如图2A所示，是本发明实施例身份识别方法中特征匹配及身份验证的一种流程图，包括以下步骤：

步骤A1，将获取的声纹特征与用户身份标识对应的声纹模型进行匹配，得到第一得分；

步骤A2，将获取的人脸特征与用户身份标识对应的人脸模型进行匹配，得到第二得分；

步骤A3，将第一得分与第二得分进行融合，得到匹配得分。

具体的融合方式可以采用直接求和、加权求和、均值等多种方式，对此本发明实施例不做限定。

步骤A4，判断所述匹配得分是否大于设定的阈值，如果是，则执行步骤A5；否则，执行步骤A6；

步骤A5，确定用户身份正确；

步骤A6，确定用户身份错误。

如图2B所示，是本发明实施例身份识别方法中特征匹配及身份验证的一种流程图，包括以下步骤：

步骤B1，将获取的声纹特征与用户身份标识对应的声纹模型进行匹配，得到第一得分；

步骤B2,判断所述第一得分是否大于声纹匹配阈值；如果是，则执行步骤B3；否则，执行步骤B6；

步骤B3，将获取的人脸特征与用户身份标识对应的人脸模型进行匹配，得到第二得分；

步骤B4，判断所述第二得分是否大于人脸匹配阈值；如果是，则执行步骤B5；否则，执行步骤B6；

步骤B5，确定用户身份正确；

步骤B6，确定用户身份错误。

需要说明的是，在实际应用中，也可以先进行人脸特征的匹配，然后再进行声纹特征的匹配；当然也可以同时进行声纹特征及人脸特征的匹配，然后分别判断两种匹配结果是否均满足相应的条件，如果均满足，则确定用户身份正确，否则确定用户身份错误。

如图2C所示，是本发明实施例身份识别方法中特征匹配及身份验证的一种流程图，包括以下步骤：

步骤C1,将获取的声纹特征与用户注册数据库中的各声纹模型进行匹配，得到多个第一匹配得分；

步骤C2,基于符合设定条件的第一匹配得分确定待匹配的人脸模型；

所述符合设定条件的第一匹配得分为：所述第一匹配得分大于第一阈值的第一匹配得分；或者所述第一匹配得分最大的前设定个数的第一匹配得分；

步骤C3,将获取的人脸特征与所述待匹配的人脸模型进行匹配，得到多个第二匹配得分；

步骤C4,将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选匹配得分；

步骤C5,判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则执行步骤C6；否则执行步骤C7；

步骤C6，确定用户身份正确；

步骤C7，确定用户身份错误。

在实际应用中，同样可以先进行人脸特征的匹配，然后再进行声纹特征的匹配，对此本发明实施例不做限定。

如图2D所示，是本发明实施例身份识别方法中特征匹配及身份验证的一种流程图，包括以下步骤：

步骤D1,将获取的声纹特征与用户注册数据库中的各声纹模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

步骤D2,将获取的人脸特征与用户注册数据库中的各人脸模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

步骤D3,对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

步骤D4,对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选匹配得分；

步骤D5,判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则执行步骤D6；否则执行步骤D7；

步骤D6，确定用户身份正确；

步骤D7，确定用户身份错误。

上述第一条件和第二条件分别为：匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。

为了进一步保证用户注册的安全性，在本发明另一实施例中，在用户注册时，还可以针对用户的注册行为进行识别，防止攻击者假冒用户信息进行注册。

如图3所示，是本发明实施例中用户注册的一种流程图，，包括以下步骤：

步骤301，在接收到用户注册请求后，生成并显示注册文本，并录入用户朗读所述注册文本的语音和图像。

步骤302，对录入的用户朗读所述注册文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容。

同样，所述注册文本可以是固定文本，也可以是随机动态文本。而且，上面提取的验证文本可以与所述注册文本相同，也可以不同。

步骤303，判断所述唇动的有效起始时间与语音的有效起始时间是否相符，并且唇语文本内容和语音文本内容是否均与所述注册文本相符；如果是，则执行步骤304；否则，执行步骤306。

步骤304，确定允许注册。

步骤305，在允许注册后，根据用户的生物特征生成对应用户注册身份标识的生物特征模型。

步骤306，禁止注册。

也就是说，在允许注册后，再根据获取的用户的生物特征生成对应用户注册身份标识的生物特征模型。而如果所述唇动的有效起始时间与语音的有效起始时间不相符，或者唇语文本内容和语音文本内容与所述注册文本不相符，则表明用户提供的信息错误，在这种情况下，禁止该用户注册，或者提示用户重新注册。

另外，需要说明的是，在实际应用中，在上述步骤305中，也可以不是从所述语音和/或图像中提取用户的生物特征，而是提取其它形式的生物特征，对此本发明实施例不做限定。

可见，本发明实施例提供的身份识别方法，在进行用户身份识别时，生成验证文本，然后录入用户朗读验证文本的语音和图像，对该语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；在所述唇动的有效起始时间与语音的有效起始时间相符、并且唇语文本内容和语音文本内容均与所述验证文本相符的情况下，，进一步利用用户的生物特征对用户进行身份合法性验证。由于在身份识别过程中结合了动态的生物特征与静态的生物特征，因此有效地避免了用户信息被仿冒、盗取的风险，大大提高了身份验证的安全性；并且用户的生物特征与生俱来，不需要特别记忆，从而提升了用户身份验认的便捷性、有效性。

相应地，本发明实施例还提供一种身份识别系统，如图4所示，是该系统的一种结构示意图。该系统包括：

注册模块400，用于在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库500中；

身份标识获取模块401，用于在进行用户身份识别时，获取用户身份标识；

文本处理模块402，用于生成并显示验证文本；

录入模块403，用于录入用户朗读所述验证文本的语音和图像；

识别模块404，用于对录入的用户朗读所述验证文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符；

生物特征提取模块405，用于在所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符时，获取用户的生物特征；

匹配模块406，用于基于所述用户身份标识，将提取的生物特征与所述ID对应的生物特征模型进行匹配，得到匹配得分；

判断模块407，用于根据所述匹配得分确定用户身份是否正确。

在本发明系统另一实施例中，所述系统还可进一步包括：：

检查模块(未图示)，用于检查所述用户注册数据库中是否存在所述用户身份标识；如果是，则触发所述文本处理模块402生成并显示验证文本；否则确定用户身份错误。

需要说明的是，在本发明实施例中，所述生物特征模型可以是声纹模型、人脸模型、指纹模型、虹膜模型等，可以是单一的生物特征模型，也可以同时包含多种生物特征模型。

比如，如果所述生物特征模型为声纹模型，相应地，生物特征提取模块405可以从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；如果所述生物特征模型为人脸模型，相应地，生物特征提取模块405可以从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；如果所述生物特征模型包括：声纹模型及人脸模型，相应地，生物特征提取模块405可以包括：第一提取单元，用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；第二提取单元，用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征。

在实际应用中，所述匹配模块406可以采用多种方式对获取的生物特征与用户注册数据库中的生物特征模型进行匹配。比如，可以将生物特征提取模块405获取的生物特征仅与获取的用户身份标识对应的生物模型进行匹配，得到匹配得分，或者将生物特征提取模块405获取的生物特征与用户注册数据库中所有的相应生物特征模型相匹配，得到多候选匹配得分。相应地，根据匹配模块406具体采用的匹配方式的不同，判断模块407也可以有不同的判断方式。

下面以综合采用声纹特征和人脸特征为例，对不同的匹配方式及判断方式进行详细说明。

如图5A所示，是本发明实施例中匹配模块的一种具体结构示意图。

在该实施例中，所述匹配模块包括：

第一匹配单元511，用于将所述第一提取单元获取的声纹特征与所述身份标识获取模块获取的身份标识对应的声纹模型进行匹配，得到第一得分；

第二匹配单元512，用于将所述第二提取单元获取的人脸特征与所述身份标识获取模块获取的身份标识对应的人脸模型进行匹配，得到第二得分；

融合单元513，用于将第一得分与第二得分进行融合，得到匹配得分。

相应地，基于该实施例的匹配模块得到的匹配得分，上述判断模块407具体用于在所述匹配得分大于设定的阈值时，确定用户身份正确；否则确定用户身份错误。

在实际应用中，所述匹配模块还可以仅包括上述第一匹配单元511和第二匹配单元512。相应地，上述判断模块407具体判断所述第一得分是否大于声纹匹配阈值，并且判断所述第二得分是否大于人脸匹配阈值；如果是，则确定用户身份正确；否则确定用户身份错误。当然，在实际应用中，上述判断模块407也可以在第一匹配单元511得到第一得分后即判断所述第一得分是否大于声纹匹配阈值，如果是，则触发第二匹配单元执行相应的匹配操作；否则确定用户身份错误。

如图5B所示，是本发明实施例中匹配模块的另一种具体结构示意图。

在该实施例中，所述匹配模块包括：

第三匹配单元521，用于将所述第一提取单元获取的声纹特征与用户注册数据库中的各声纹模型进行匹配，得到多个第一匹配得分；

第一确定单元522,用于基于符合设定条件的第一匹配得分确定待匹配的人脸模型；所述符合设定条件的第一匹配得分为：所述第一匹配得分大于第一阈值的第一匹配得分；或者所述第一匹配得分最大的前设定个数的第一匹配得分；

第四匹配单元523，用于将获取的人脸特征与所述待匹配的人脸模型进行匹配，得到多个第二匹配得分；

得分融合单元524，用于将各第二匹配得分与其对应的第一匹配得分进行融合，得到多候选匹配得分。

需要说明的是，在实际应用中，还可以由第四匹配单元523先进行人脸特征的匹配，然后由第一确定单元521根据匹配得分确定待匹配的声纹模型，然后再由第三匹配单元521进行声纹特征的匹配。

相应地，基于该实施例的匹配模块得到的多候选匹配得分，上述判断模块407具体用于判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则确定用户身份正确；否则确定用户身份错误。

如图5C所示，是本发明实施例中匹配模块的另一种具体结构示意图。

在该实施例中，所述匹配模块包括：

第一匹配选择单元531,用于将所述第一提取单元获取的声纹特征与用户注册数据库中的各声纹模型进行匹配，得到多个第一匹配得分，并选择符合第一条件的第一匹配得分作为待融合第一得分；

第二匹配选择单元532,用于将所述第二提取单元获取的人脸特征与用户注册数据库中的各人脸模型进行匹配，得到多个第二匹配得分，并选择符合第二条件的第二匹配得分作为待融合第二得分；

并集单元533,用于对所述待融合第一得分对应的注册用户标识和所述待融合第二得分对应的注册用户标识取并集；

并集融合单元534,用于对所述并集中的注册用户标识对应的第一匹配得分及第二匹配得分进行融合，得到多候选匹配得分；

上述第一条件和第二条件分别为：匹配得分大于设定阈值；或者匹配得分最大的前设定个数的匹配得分。

相应地，基于该实施例的匹配模块得到的多候选匹配得分，上述判断模块407具体用于判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则确定用户身份正确；否则确定用户身份错误。

上述各模型功能的具体实现方式可参照前面本发明方法实施例中的描述，在此不再赘述。

另外，需要说明的是，在本实际应用中，注册模块301可以仅提取用户的一种生物特征，也可以提取多种生物特征，生成相应的生物特征模型。

为了进一步保证用户注册的安全性，在本发明系统另一实施例中，在用户注册时，还可以由上述各模块针对用户的注册行为进行识别，防止攻击者假冒用户信息进行注册。

具体地，在用户注册时，上述各模块还执行以下操作：

所述文本处理模块402在所述注册模块接收到用户注册请求后，生成并显示注册文本；

所述录入模块403，还用于录入用户朗读所述注册文本的语音和图像；

所述识别模块404，还用于对录入的用户朗读所述注册文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符，并在均相符时通知所述注册模块允许注册，否则通知所述注册模块301禁止注册。

相应地，所述注册模块具体用于在所述识别模块404确定允许注册后，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中。

本发明实施例提供的身份识别系统，在用户注册时，生成验证文本，然后录入用户朗读验证文本的语音和图像，对该语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；在所述唇动的有效起始时间与语音的有效起始时间相符、并且唇语文本内容和语音文本内容均与所述验证文本相符的情况下，进一步利用用户的生物特征对用户进行身份合法性验证。由于在身份识别过程中结合了动态的生物特征与静态的生物特征，因此有效地避免了用户信息被仿冒、盗取的风险，大大提高了身份验证的安全性；并且用户的生物特征与生俱来，不需要特别记忆，从而提升了用户身份验认的便捷性、有效性。

本发明实施例的方案通过交叉验证的方式将多种验证联系起来，可以全方位立体式地刻画用户的生物特征；同时，对分系统攻击有很好的防御性，攻击者很难实时、多维度地模仿用户生物特征，极大地增强了系统的安全性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及设备；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种身份识别方法，其特征在于，包括：

在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中；

在进行用户身份识别时，获取用户身份标识；

生成并显示验证文本，并录入用户朗读所述验证文本的语音和图像；

对录入的用户朗读所述验证文本的语音和图像进行识别，，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；

如果所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符，则获取用户的生物特征；

基于所述用户身份标识，将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分；

根据所述匹配得分确定用户身份是否正确。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检查所述用户注册数据库中是否存在所述用户身份标识；

如果是，则执行生成并显示验证文本的步骤；否则，确定用户身份错误。

3.根据权利要求2所述的方法，其特征在于，

所述生物特征模型为声纹模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述声纹特征与用户注册数据库中所述用户身份标识对应的声纹模型进行匹配，得到匹配得分；

或者

所述生物特征模型为人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述人脸特征与用户注册数据库中所述用户身份标识对应的人脸模型进行匹配，得到匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征，并从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：

将获取的声纹特征与用户注册数据库中所述用户身份标识对应的声纹模型进行匹配，得到第一得分；

将获取的人脸特征与用户注册数据库中所述用户身份标识对应的人脸模型进行匹配，得到第二得分；

将第一得分与第二得分进行融合，得到匹配得分。

4.根据权利要求3所述的方法，其特征在于，所述根据所述匹配得分确定用户身份是否正确包括：

如果所述匹配得分大于设定的阈值，则确定用户身份正确；否则确定用户身份错误。

5.根据权利要求2所述的方法，其特征在于，

所述生物特征模型为声纹模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述声纹特征与用户注册数据库中各声纹模型进行匹配，得到多侯选匹配得分；

或者

所述生物特征模型为人脸模型；

所述获取用户的生物特征包括：从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：将所述人脸特征与用户注册数据库中各人脸模型进行匹配， 得到多候选匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述获取用户的生物特征包括：

从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征，并从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述将获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分包括：

将获取的声纹特征及人脸特征分别与用户注册数据库中的声纹特征及人脸模型进行融合匹配，得到多候选匹配得分。

6.根据权利要求5所述的方法，其特征在于，所述根据所述匹配得分确定用户身份是否正确包括：

判断匹配得分最高的特征模型对应的用户注册身份标识与获取的所述用户身份标识是否相同；

如果是，则确定用户身份正确；否则确定用户身份错误。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

在接收到用户注册请求后，生成并显示注册文本，并录入用户朗读所述注册文本的语音和图像；

对录入的用户朗读所述注册文本的语音和图像进行识别，，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容；

如果所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述注册文本相符，则允许注册；否则禁止注册；

在允许注册后，再执行生成对应用户注册身份标识的生物特征模型的步骤。

8.根据权利要求7所述的方法，其特征在于，所述验证文本和/或注册文本为静态文本或随机动态文本。

9.一种身份识别系统，其特征在于，包括：

注册模块，用于在用户注册时，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中；

身份标识获取模块，用于在进行用户身份识别时，获取用户身份标识；

文本处理模块，用于生成并显示验证文本；

录入模块，用于录入用户朗读所述验证文本的语音和图像；

识别模块，用于对录入的用户朗读所述验证文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符；；

生物特征提取模块，用于在所述唇动的有效起始时间与语音的有效起始时间相符，并且唇语文本内容和语音文本内容均与所述验证文本相符时，获取用户的生物特征；

匹配模块，用于基于所述用户身份标识，将所述生物特征提取模块获取的生物特征与用户注册数据库中的生物特征模型进行匹配，得到匹配得分；

判断模块，用于根据所述匹配得分确定用户身份是否正确。

10.根据权利要求9所述的系统，其特征在于，所述系统还包括：

检查模块，用于检查所述用户注册数据库中是否存在所述用户身份标识；如果是，则触发所述文本处理模块生成并显示验证文本；否则确定用户身份错误。

11.根据权利要求10所述的系统，其特征在于，

所述生物特征模型为声纹模型；所述生物特征提取模块具体用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；所述匹配判断模块将所述生物特征提取模块获取的声纹特征与所述身份标识获取模块获取的用户身份标识对应的声纹模型进行匹配，得到匹配得分；

或者

所述生物特征模型为人脸模型；所述生物特征提取模块具体用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；所述匹配判断模块将所述生物特征提取模块获取的人脸特征与所述身份标识获取模块获取的用户身份标识对应的人脸模型进行匹配，得到匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述生物特征提取模块包括：

第一提取单元，用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

第二提取单元，用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块包括：

第一匹配单元，用于将所述第一提取单元获取的声纹特征与所述身份标识获取模块获取的身份标识对应的声纹模型进行匹配，得到第一得分；

第二匹配单元，用于将所述第二提取单元获取的人脸特征与所述身份标识获取模块获取的身份标识对应的人脸模型进行匹配，得到第二得分；

融合单元，用于将所述第一得分与所述第二得分进行融合，得到匹配得分。

12.根据权利要求11所述的系统，其特征在于，

所述判断模块，具体用于在所述匹配得分大于设定的阈值时，确定用户身份正确；否则确定用户身份错误。

13.根据权利要求10所述的系统，其特征在于，

所述生物特征模型为声纹模型；

所述生物特征提取模块，具体用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

所述匹配模块，具体用于将所述声纹特征与用户注册数据库中各声纹模型进行匹配，得多侯选匹配得分；

或者

所述生物特征模型为人脸模型；

所述生物特征提取模块，具体用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块，具体用于将所述人脸特征与用户注册数据库中各人脸模型进行匹配，得到多候选匹配得分；

或者

所述生物特征模型包括：声纹模型及人脸模型；

所述生物特征提取模块包括：

第一提取单元，用于从所述录入的用户朗读所述验证文本的语音中获取用户的声纹特征；

第二提取单元，用于从所述录入的用户朗读所述验证文本的图像中获取用户的人脸特征；

所述匹配模块，具体用于将所述第一提取单元获取的声纹特征及所述第二提取单元获取的人脸特征分别与用户注册数据库中的声纹特征及人脸模型进行融合匹配，得到多候选匹配得分。

14.根据权利要求13所述的系统，其特征在于，

所述判断模块，具体用于判断匹配得分最高的特征模型对应的注册用户标识与获取的身份标识是否相同；如果是，则确定用户身份正确；否则确定用户身份错误。

15.根据权利要求9至14任一项所述的系统，其特征在于，

所述文本处理模块，还用于在所述注册模块接收到用户注册请求后，生成并显示注册文本；

所述录入模块，还用于录入用户朗读所述注册文本的语音和图像；

所述识别模块，还用于对录入的用户朗读所述注册文本的语音和图像进行识别，得到所述语音的有效起始时间及语音文本内容、唇动的有效起始时间及唇语文本内容，并判断所述唇动的有效起始时间与语音的有效起始时间是否相符，以及唇语文本内容和语音文本内容是否均与所述验证文本相符，并在均相符时确定允许注册，否则禁止注册；

所述注册模块具体用于在所述识别模块确定允许注册后，，生成对应用户注册身份标识的生物特征模型，并将所述生物特征模型保存到用户注册数据库中。