CN111445640A - 基于虹膜识别的快递取件方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种基于虹膜识别的快递取件方法、装置、设备及存储介质，应用于智能物流技术领域，用于解决现有快递取件的效率较低、取件要求严苛的问题。本发明提供的方法包括：当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；通过摄像头对位于快递柜前方的人员进行活体检测，得到活体检测结果；若活体检测结果为非活体，则拒绝取件请求；若活体检测结果为活体，则通过摄像头采集人员的人脸影像，并提取人脸影像中的虹膜特征，得到第一虹膜特征；将第一虹膜特征与特征库中的预留虹膜特征进行比对；若存在对比一致的预留虹膜特征，则响应取件请求，并打开快递柜上与对比一致的预留虹膜特征对应的快递窗口。

Description

基于虹膜识别的快递取件方法、装置、设备及存储介质

技术领域

本发明涉及智能物流技术领域，尤其涉及基于虹膜识别的快递取件方法、装置、设备及存储介质。

背景技术

现在，越来越多的小区配备了快递柜，极大的方便人们取件，也节省了快递员上门送货的时间。快递员将快件存放在快递柜后，系统会自动向收件人发送短信取件码，收件人可以手动输入取件码，或者用手机扫描自提柜上的二维码开柜取件。不过令“剁手党”感到头痛的是，取件时难免会遇到忘带手机、手机信号差、验证码输入错误等状况。而且手机容易被植入木马，截获短信校验码，存在一定的风险。

蚂蚁金服推出的刷脸取件方案，但因用户通常都是早晚去取，光线的挑战对人脸识别的要求非常高，“刷脸”时需要眼睛直视摄像头，考虑到使用者的身高差异，这一点并不容易做到。在取件时候存在其他围观者时会有一定的干扰，总体来说，刷脸取件的识别速度要长于5秒，用户体验较差。可见，不管是传统的快递柜取件还是新型的刷脸取件，都存在弊端，需要一种更加便捷、友好的取件模式来满足用户的需求。

发明内容

本发明实施例提供一种基于虹膜识别的快递取件方法、装置、计算机设备及存储介质，以解决现有快递取件的效率较低、取件要求严苛的问题。

一种基于虹膜识别的快递取件方法，包括：

当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

若所述活体检测结果为非活体，则拒绝所述取件请求；

若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。

一种基于虹膜识别的快递取件装置，包括：

摄像头启动模块，用于当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

活体检测模块，用于通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

第一请求拒绝模块，用于若所述活体检测结果为非活体，则拒绝所述取件请求；

虹膜特征提取模块，用于若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

虹膜对比模块，用于将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

请求响应模块，用于若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于虹膜识别的快递取件方法的步骤。

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基于虹膜识别的快递取件方法的步骤。

上述基于虹膜识别的快递取件方法、装置、计算机设备及存储介质，首先，当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；然后，通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；若所述活体检测结果为非活体，则拒绝所述取件请求；若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；接着，将该第一虹膜特征与特征库中的预留虹膜特征进行比对；若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。可见，本发明可以通过一个带虹膜功能的摄像头完成对人员的活体检测、虹膜识别，无需人员做额外的操作即可快速实现身份验证并完成快递取件，既提高了快递取件的安全性，又提升了取件效率和用户体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于虹膜识别的快递取件方法的一应用环境示意图；

图2是本发明一实施例中基于虹膜识别的快递取件方法的一流程图；

图3是本发明一实施例中基于虹膜识别的快递取件方法步骤102在一个应用场景下的流程示意图；

图4是本发明一实施例中基于虹膜识别的快递取件方法在一个应用场景下进行rPPG心跳检测的流程示意图；

图5是本发明一实施例中基于虹膜识别的快递取件方法在一个应用场景下临时存储预留虹膜特征的流程示意图；

图6是本发明一实施例中基于虹膜识别的快递取件方法在一个应用场景下人脸识别环节的流程示意图；

图7是本发明一实施例中基于虹膜识别的快递取件方法步骤302在一个应用场景下的流程示意图；

图8是本发明一实施例中基于虹膜识别的快递取件装置的结构示意图；

图9是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的基于虹膜识别的快递取件方法，可应用在如图1的应用环境中，其中，快递柜通过网络与服务器进行通信。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于虹膜识别的快递取件方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

101、当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

当需要取件时，用户可以点击快递柜屏幕上的虹膜取件按钮，向服务器发起取件请求。服务器接收到取件请求后，启动快递柜上带虹膜功能的摄像头。

102、通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

可以理解的是，为了保证快递取件的安全性，鉴于很多非法分子采用盗取的照片、录像等方式骗取身份识别系统，从而盗取快递柜中的快递件，为了防止这种情况发生，本实施例中，服务器在身份验证之前先对人员进行活体检测，以确保参与身份识别的人员为活人。因此，服务器先通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果，若活体检测结果为活体，说明位于所述快递柜前方的人员为活人，反之，若活体检测结果为非活体，说明位于所述快递柜前方的人员为非活人。可见通过活体检测的前置手段可以预防以照片、录像等方式骗取快递件的盗窃行为发生。

需要说明的是，服务器可以采用的活体检测方式有很多，比如活体人脸检测、动作指令活体检测等。然而，不同的活体检测方式所采用硬件设备各有不同，适用在不同的应用场景下也各有优劣。为了更好地适用于快递柜取件场景，本实施例采用眼动活体检测与本方法结合，不仅无需增加其他硬件成本，而且可以与虹膜识别结合在一起，避免活体检测环节给用户额外延长取件时间，在保证取件效率的同时，提高取件的安全性。为此，如图3所示，进一步地，所述步骤102可以包括：

201、通过所述摄像头实时获取位于所述快递柜前方的人员的眼部图像；

202、利用眼神跟踪技术对所述眼部图像进行分析，实时确定所述人员的当前眼神位置，并在所述快递柜的显示屏上以预设第一标记实时更新显示所述当前眼神位置；

203、引导所述人员移动眼神，使得所述预设第一标记移动至预设指定位置上；

204、每当所述预设第一标记移动至预设指定位置上时，采集所述人员当前的眼部图像；

205、通过预先训练好的静态点位定位模型，判断采集到的眼部图像和所述预设指定位置是否符合预设的匹配要求；

206、若是，则确定所述活体检测结果为活体；

207、若否，则确定所述活体检测结果为非活体。

对于步骤201，服务器可以通过所述摄像头实时获取位于所述快递柜前方的人员的眼部图像，可知，取件人取件时均需要在快递柜的显示屏上操作，比如点击“取件”按钮，该摄像头可以设置在快递柜的显示屏上方，对准取件人的站立位置，用于拍摄取件人的上半身或脸部图像，从而，服务器可以从上半身图像或脸部图像获取到取件人的眼部图像。

对于步骤202，为了实现眼动活体检测，服务器在实时获取该人员的眼部图像之后，可以利用眼神跟踪技术对所述眼部图像进行分析，实时确定所述人员的当前眼神位置，并在所述快递柜的显示屏上以预设第一标记实时更新显示所述当前眼神位置，如图4中的圆点即为一个应用场景下该人员当前眼神的位置标记。

具体地，服务器可以使用单点标定方法来确定人员的眼神位置，通过单点标定采集人员的眼部图像，并通过旋转、平移等操作补偿当前人员与已有基准人员瞳孔-普洱钦斑向量的差异，然后匹配基准的映射模型，快速计算出该人员的注视点，也即人员的当前眼神位置。该映射模型可以使用神经网络算法，对已有样本集进行自主学习，可以模拟非线性关系，容错性强。其中，该映射模型的输入层为瞳孔坐标和普洱钦斑坐标，输出层为注视点在屏幕中的坐标，隐层神经元用于计算映射关系，激活函数为sigmoid。

该Sigmoid函数由下列公式定义：

其对x的导数可以用自身表示为：

对于步骤203，在显示屏上标记眼神位置是为了更好地引导该人员按照要求移动眼神，以便服务器确认该人员是否为活体。具体地，服务器可以在快递柜的显示屏上作出提示，，比如“请按顺序看1234”，在显示屏上显示1、2、3、4共4个点的位置，人员通过移动眼神将该第一标记(在图4中为圆点)依次序移动至1、2、3、4的过程，即可完成眼动活体的检测。

对于步骤204，可知，为了验证人员的眼神是否移动到位，每当所述预设第一标记移动至预设指定位置上时，服务器即可采集所述人员当前的眼部图像。承接图4的距离，每当人员的眼神移动至1、2、3、4的位置上时，服务器采集该人员当时的眼部图像，共可采集到至少4张眼部图像。

对于步骤205，服务器在采集所述人员当前的眼部图像之后，可以通过预先训练好的静态点位定位模型，判断采集到的眼部图像和所述预设指定位置是否符合预设的匹配要求，得到判断结果。其中，该预设的匹配要求可以是眼部图像中的瞳孔焦点是否与该预设指定位置重合，或者达到一定重合度。该静态点位定位模型可以通过对红点进行数字建模，使用卷积神经网络算法将多种眼睛显示的红点数字图片进行深度学习，从而判断眼瞳部部位的红点是否与预设指定位置是一致的，其中，这里所说的红点是指用户看到的预设指定位置在用户眼睛里的倒影。可知，通过上述方式对该静态点位定位模型进行训练，即可得到一个预先训练好的、可以判断眼部图像和所述预设指定位置是否重合或重合度足够的判断模型。

对于步骤206和步骤207，可知，当判断结果为是时，可以认为该人员是活人，因此，服务器可以确定所述活体检测结果为活体；当判断结果为否时，可以认为该人员不是活人，因此，服务器可以确定所述活体检测结果为非活体。

为了进一步确保该人员为活人，提高快递柜取件的安全性，本实施例还可以在确定所述活体检测结果为活体之前，对该人员进行心跳检测。由于rPPG心跳检测可以通过图像即可判断人员是否具有正常心跳，无需其它硬件和繁琐的操作环节，可以实现用户无感知地在虹膜识别的过程中完成心跳检测，在保证取件效率的同时，提高了取件安全性和用户使用体验。为此，如图4所示，本实施例中，在判断得知采集到的眼部图像和所述预设指定位置符合预设的匹配要求之后，且确定所述活体检测结果为活体之前，本方法还可以包括：

301、通过所述摄像头连续采集所述人员的多张人脸图像；

302、将所述多张人脸图像进行rPPG心跳检测；

303、若检测结果为是，则执行步骤206；

304、若检测结果为否，则确定所述活体检测结果为非活体。

对于步骤301，可以理解的是，在上述步骤中，人员需要参与到活体检测环节，此时，人员人脸对准该摄像头，服务器通过该摄像头同时完成对该人员的眼动活体检测、心跳检测和虹膜识别，因此，服务器可以通过该摄像头连续采集到该人员的多张人脸图像，对于该人员来说是无感知的，比如连拍0.5秒该人员的人脸图像，获取到多张人脸图像，人脸图像的数量取决于摄像头的采集频率，此处不作限定。

对于步骤302，在采集到该人员的多张人脸图像之后，服务器即可将所述多张人脸图像进行rPPG心跳检测，得到心跳检测结果，该检测结果一般为是正常心跳或不是正常心跳。

进一步地，如图7所示，步骤302可以具体包括：

701、从所述多张人脸图像上分别截取预设ROI区域的区域图像；

702、计算截取得到的各个区域图像的颜色RGB的空间均值；

703、应用预设的信号处理方法对所述各个空间均值进行处理，得到所述多张人脸图像各自对应的包含心率信息的分量；

704、采用快速傅立叶变换对各个所述分量进行处理，得到所述多张人脸图像各自对应的心率信号；

705、按照所述多张人脸图像的采集次序对各个所述心率信号进行整合，得到所述人员在连续采集时间段内的连续心率信号；

706、判断所述连续心率信号是否处于预设的活人心率信号范围内，若是，则执行步骤707，若否，则执行步骤708；

707、确定rPPG心跳检测的检测结果为是；

708、确定rPPG心跳检测的检测结果为否。

对于步骤701，在rPPG心跳检测中，可以预先选定几个人脸区域作为ROI(Regionof Interest)区域，这些ROI区域的选取可以手动选取或通过某些算法自动探测和追踪。本实施例中，由于快递取件场景单一，取件的人员通常也不存在较大幅度的运动，加上该人员需要完成虹膜识别和眼动追踪检测的要求，在采集人脸图像过程中，该人员基本固定在一个位置上。因此，本实施例中可以预先手动选取人脸的前额区域和/或脸颊区域作为ROI区域，可知，前额的皮肤较平较薄，在人说话或做表情时受到的影响较小，更有利于后续步骤中心率信息的提取；而脸颊区域可以作为前额区域的补充，相比前额区域来说，脸颊区域更不容易出现遮挡的问题，人员的脸颊通常会显露出来。

在执行步骤701时，本实施例中，具体地，服务器可以针对每张人脸图像，截取其中的前额区域部分图像，作为所述区域图像。

对于步骤702，可以理解的是，rPPG的原理在于人体不同结构对光的吸收和反射的程度不同，因此，为了分析去图像中蕴含的信号变化，服务器需要先计算截取得到的各个区域图像的颜色RGB的空间均值。具体地，在计算颜色RGB的空间均值时，可以计算某一通道，也可以计算多通道。

对于步骤703，具体地，该预设的信号处理方法可以采用低通滤波、盲源分离等方法，此处不再赘述。经过信号处理后得到的分量中包含了心率信息，再通过后续步骤提取其中的心率信息。

对于步骤704，最后，服务器可以将快速傅立叶变换(FFT)或峰值检测算法应用于该分量，以估计相应的心跳频率Fs(或处理持续时间T(s)期间的峰值数Ns)，具体地，每分钟节拍(bpm)形式下的心率可以被计算为60×Fs(或Ns/T×60)。

对于步骤705，可以理解的是，对每张人脸图像进行上述处理，得到每张人脸图像对应的心率信号，但这些心率信号还是零散的，由于多张人脸图像是连续采集得到，因此，将这些人脸图像各自对应的心率信号进行整合，可以得到连续采集时间段内该人员的连续心率信号。

对于步骤706-708，在现有医学上，正常活人的心率信号范围早已测定，因此，服务器可以通过判断所述连续心率信号是否处于预设的活人心率信号范围内，来确认该人员是否为活人。若是，则可以认为该人员是活人，执行步骤707，确定rPPG心跳检测的检测结果为是；反之，若否，则可以认为该人员不是活人，可能是图片、视频等载体，因此可以执行步骤708，确定rPPG心跳检测的检测结果为否。

对于步骤303和304，可以理解的是，当检测结果为是正常心跳时，可以认为该人员是活人，因此，服务器可以执行步骤206；反之，当检测结果为非正常心跳时，可以认为该人员并非是活人，比如可能是纸质照片、电子照片或电子视频等，因此服务器可以确定所述活体检测结果为非活体。

通过上述步骤301-304可知，本实施例中，服务器通过加入rPPG心跳检测可以有效地防止非法分子使用纸质照片、手机照片、手机视频等方式欺骗身份识别系统，能够确保采集到的人脸图像来自于活人，提高快递取件的安全性。

优选地，服务器还可以从采集到的多张人脸图像中挑选一张以上发送到公安机关的身份查询系统中进行身份核查，利用公安机关的力量进一步确保人员身份的准确性和真实性。

103、若所述活体检测结果为非活体，则拒绝所述取件请求；

若所述活体检测结果为非活体，则可以认为来自该人员的信息是危险的，应当拒绝取件，因此服务器拒绝所述取件请求。

104、若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

若所述活体检测结果为活体，则可知该人员是活人，排除了非法分子使用照片、视频来欺骗身份识别系统的可能性，服务器可以接下来对该人员进行身份识别。本实施例采用虹膜识别的方式来确认该人员的身份，具体地，服务器通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征。可以理解的是，该摄像头带有虹膜功能，服务器可以通过该摄像头同时拍摄人脸影像并采集其中的虹膜特征，无需该人员进行其它额外操作，提高了取件的便利性。

需要说明的是，虹膜识别可以不受外界干扰，在多人情况或其他环境(比如天黑)，都可以完成正常识别，相比其它识别方式有一定优势。

105、将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

可以理解的是，服务器可以预先设有特征库，该特征库可以存放在快递柜的存储中，也可以存放在于服务器连通的数据库中，该特征库用于存储所有已注册账户的预留虹膜特征。每个在服务器上注册的用户均可以预先留下自己的虹膜特征在特征库上，以便使用本方法中的虹膜识别功能快速取件。

因此，服务器在得到第一虹膜特征后，此时可以将所述第一虹膜特征与特征库中的预留虹膜特征进行比对，若该特征库中存在与该第一虹膜特征对比一致的预留虹膜特征，则可以确认该人员即为对比一致的预留虹膜特征的已注册用户，从而确定出了该人员的身份。

可以理解的是，为了便于虹膜取件功能的实现，在实现本方法之前，取件人应当先实名注册，因此，本方法还可以包括：获取注册人输入的手机号和身份证号；通过电信运营商查询该手机号的第一身份信息；通过身份证号查询公民的第二身份信息；若第一身份信息和第二身份信息一致，则采集注册人的虹膜特征，将采集得到的虹膜特征存储在特征库中，与注册人的手机号、身份证号建立关联关系。举例说明，在一个应用场景下，用户可以先在快递柜上注册，输入个人手机号码，点击虹膜采集，将眼睛对着快递柜操作终端内置的虹膜识别仪器，完成虹膜采集。虹膜采集成功后，服务器主动发送一条实名认证链接到该个人手机号码上，用户点击该实名认证连接，即可完成注册。

更进一步地，在用户注册过程中，服务器还可以要求用户进行实名认证，在实名认证环节要求用户提供自己的身份证号码，为了确保该身份证号码是真实的，本方法还可以包括如下步骤：获取注册人上传的身份证照片；对该身份证照片进行身份证异图验证，判断该身份证照片是否来自于对身份证原件的拍摄；若否，则拒绝本次注册；若是，则从身份证照片上提取身份证号。可以理解的是，对身份证照片进行身份证异图验证，可以区分身份证图片是来自原件、复印件还是屏拍件，只有来自原件的身份证图片才能确保用户的身份是真实的，增加了安全系数。可知，服务器还可以同时进行人证实名核身和手机号码实名核身，双重核身杜绝一切冒名、假冒等行为存在。人证实名核身：通过现场拍一张照片和OCR识别的身份证信息，一并传送到公民信息查询中心，确认是否是本人；手机号码实名核身：通过上传手机号码和OCR识别的身份信息，一并传到对应的运营商进行核验，确认是否是本人手机号码。

考虑到随着用户数量的大量增加，特征库中的预留虹膜特征将越来越多，因此，为了减轻服务器存储数据的压力，服务器可以设置一个虹膜数据库，用于存储所有已注册用户的预留虹膜特征，在快递柜本地则设置一个特征库，用于临时存储存放有快递件在快递柜中的用户的预留虹膜特征，当该用户的快递件被取走后，从本地的特征库中删除该预留虹膜特征，从而可以有效控制本地特征库中的预留虹膜特征的数据量，不仅便于服务器对预留虹膜特征的调用和对比，也减轻了快递柜的硬件负载，同时避免网络信号不好影响取件。如图5所示，进一步地，本方法还可以包括：

401、当接收到投件请求时，获取投件请求中的收件人；

402、若所述收件人已注册账户并预留了虹膜特征，则从虹膜数据库中提取所述收件人的虹膜特征至所述快递柜的特征库中；

403、在所述投件请求对应的快递件被取走后，将所述收件人对应的虹膜特征从所述特征库中删除。

对于步骤401，在快递员投递阶段，快递员会在快递柜上操作并投放快递件，此时，服务器可以接收到投件请求。可知，在当前快递投件过程中，快递员往往是采用扫描快递件上的二维码的方式，在发起投件请求的同时，让服务器识别到该快递件的收件人信息。当然，投件时也可以输入收件人的手机号、姓名等方式，服务器根据这些信息即可确认该投件请求中的收件人是谁。

对于步骤402，可以理解的是，快递柜为了适用于更多的快递取件情形，一般并不强制所有收件人均预留虹膜特征，对于未预留虹膜特征的用户，采用现有取件方式即可完成快递的投递和取件，此处不再赘述。而对于已注册账户并预留了虹膜特征的收件人，服务器可以从虹膜数据库中提取所述收件人的虹膜特征至所述快递柜的特征库中。

对于步骤403，为了控制快递柜的特征库中存储的预留虹膜特征的数据量，当该投件请求对应的快递件被取走后，服务器可以将所述收件人对应的虹膜特征从所述特征库中删除，从而使得该特征库中的预留虹膜特征的数据量维持在一个限度以内，不仅减轻了特征库的存储负担，而且提供了服务器将第一虹膜特征与特征库中的预留虹膜特征的对比效率。

106、若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。

当存在对比一致的预留虹膜特征时，由上述内容可知，服务器即可识别出该人员的身份，从而确定当前取件的人员具体是谁，通过已注册的用户信息即可获知，快递柜上哪个快递窗口中的快递件是属于该人员的，因此，服务器可以响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。

为了进一步加强快递取件的安全性，本实施例中在虹膜识别的基础上还可以增加人脸识别的环节，由于人脸识别和虹膜识别可以使用同一个摄像头，无需额外的硬件负担，同时，人脸识别所依据的人脸影像也可以与虹膜识别时采集的人脸图像相同，或同时采集得到，对于取件人来说是无感知的，可以实现在保证取件时效性和便利性的同时，提高取件的安全性。具体地，如图6所示，在步骤106之前，本方法还可以包括：

501、获取所述对比一致的预留虹膜特征与所述第一虹膜特征之间的对比相似度；

502、若所述对比相似度超过预设阈值，则执行步骤106；

503、若所述对比相似度不超过预设阈值，则提取所述人脸影像中的第一人脸特征；

504、将所述第一人脸特征与预留的目标人脸特征进行对比，所述目标人脸特征是指预留所述对比一致的预留虹膜特征的用户的人脸特征；

505、若对比不一致，则拒绝所述取件请求；

506、若对比一致，则执行步骤106。

对于步骤501，服务器在对比该第一虹膜特征与该对比一致的预留虹膜特征时，会计算两者之间的对比相似度。

对于步骤502，可以理解的是，服务器上可以预先设定一个阈值，比如90％，对比相似度超过该阈值时，说明该第一虹膜特征与该对比一致的预留虹膜特征之间极其相似，可以认为该人员的身份确凿无疑，因此服务器可以直接执行步骤106，无需再对该人员进行人脸识别验证。

对于步骤503-506，可知，当该对比相似度不超过预设阈值时，说明该人员的身份尚不足以确认，存在一定误识别的风险，因此，为了提高取件安全性，服务器可以提取所述人脸影像中的第一人脸特征，然后将所述第一人脸特征与预留的目标人脸特征进行对比，如果对比不一致，说明两者对应的人员不为同一人，此时服务器应当拒绝该取件请求；反之，如果对比一致，说明两者对应的人员为同一人，此时，服务器可以执行步骤106。

举例说明，当对比相似度低于阈值时，则第一人脸特征与目标人脸特征进行1：1人脸比对，若比对分数高于预设的阈值，则认为两者对比一致，快递柜打开相对应的柜门；若比对分数低于预设的阈值，则比对失败，认为两者对比不一致，此时拒绝该取件请求，服务器可以提示用户暂无取件信息。

需要说明的是，在进行二次比对时(人脸比对)，因采用的是带虹膜功能的摄像头，不需要用户再次拍照，用户无感知，既提高了安全系数，也不影响用户使用的便利性。

本发明实施例中，首先，当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；然后，通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；若所述活体检测结果为非活体，则拒绝所述取件请求；若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；接着，将该第一虹膜特征与特征库中的预留虹膜特征进行比对；若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。可见，本发明可以通过一个带虹膜功能的摄像头完成对人员的活体检测、虹膜识别，无需人员做额外的操作即可快速实现身份验证并完成快递取件，既提高了快递取件的安全性，又提升了取件效率和用户体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于虹膜识别的快递取件装置，该基于虹膜识别的快递取件装置与上述实施例中基于虹膜识别的快递取件方法一一对应。如图8所示，该基于虹膜识别的快递取件装置包括摄像头启动模块601、活体检测模块602、第一请求拒绝模块603、虹膜特征提取模块604、虹膜对比模块605和请求响应模块606。各功能模块详细说明如下：

摄像头启动模块601，用于当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

活体检测模块602，用于通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

第一请求拒绝模块603，用于若所述活体检测结果为非活体，则拒绝所述取件请求；

虹膜特征提取模块604，用于若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

虹膜对比模块605，用于将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

请求响应模块606，用于若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口。

进一步地，所述活体检测模块可以包括：

眼部图像获取单元，用于通过所述摄像头实时获取位于所述快递柜前方的人员的眼部图像；

眼神跟踪单元，用于利用眼神跟踪技术对所述眼部图像进行分析，实时确定所述人员的当前眼神位置，并在所述快递柜的显示屏上以预设第一标记实时更新显示所述当前眼神位置；

引导单元，用于引导所述人员移动眼神，使得所述预设第一标记移动至预设指定位置上；

眼部图像采集单元，用于每当所述预设第一标记移动至预设指定位置上时，采集所述人员当前的眼部图像；

判断单元，用于通过预先训练好的静态点位定位模型，判断采集到的眼部图像和所述预设指定位置是否符合预设的匹配要求；

第一确定单元，用于若所述判断单元的判断结果为是，则确定所述活体检测结果为活体；

第二确定单元，用于若所述判断单元的判断结果为否，则确定所述活体检测结果为非活体。

进一步地，所述基于虹膜识别的快递取件装置还可以包括：

人脸图像采集模块，用于通过所述摄像头采集所述人员的多张人脸图像；

心跳检测模块，用于将所述多张人脸图像进行rPPG心跳检测；

第一触发模块，用于若所述心跳检测模块的检测结果为是，则触发所述第一确定单元。

非活体确定模块，用于若所述心跳检测模块的检测结果为否，则确定所述活体检测结果为非活体。

进一步地，所述心跳检测模块可以包括：

区域图像截取单元，用于从所述多张人脸图像上分别截取预设ROI区域的区域图像；

空间均值计算单元，用于计算截取得到的各个区域图像的颜色RGB的空间均值；

信号处理单元，用于应用预设的信号处理方法对所述各个空间均值进行处理，得到所述多张人脸图像各自对应的包含心率信息的分量；

心率信号处理单元，用于采用快速傅立叶变换对各个所述分量进行处理，得到所述多张人脸图像各自对应的心率信号；

心率信号整合单元，用于按照所述多张人脸图像的采集次序对各个所述心率信号进行整合，得到所述人员在连续采集时间段内的连续心率信号；

心率判断单元，用于判断所述连续心率信号是否处于预设的活人心率信号范围内；

第一确定单元，用于若所述心率判断单元的判断结果为是，则确定rPPG心跳检测的检测结果为是；

第二确定单元，用于若所述心率判断单元的判断结果为否，则确定rPPG心跳检测的检测结果为否。

进一步地，所述基于虹膜识别的快递取件装置还可以包括：

收件人获取模块，用于当接收到投件请求时，获取投件请求中的收件人；

虹膜特征提取模块，用于若所述收件人已注册账户并预留了虹膜特征，则从虹膜数据库中提取所述收件人的虹膜特征至所述快递柜的特征库中；

虹膜特征删除模块，用于在所述投件请求对应的快递件被取走后，将所述收件人对应的虹膜特征从所述特征库中删除。

进一步地，所述基于虹膜识别的快递取件装置还可以包括：

相似度获取模块，用于获取所述对比一致的预留虹膜特征与所述第一虹膜特征之间的对比相似度；

第二触发模块，用于若所述对比相似度超过预设阈值，则触发所述请求响应模块；

人脸特征提取模块，用于若所述对比相似度不超过预设阈值，则提取所述人脸影像中的第一人脸特征；

人脸特征对比模块，用于将所述第一人脸特征与预留的目标人脸特征进行对比，所述目标人脸特征是指预留所述对比一致的预留虹膜特征的用户的人脸特征；

请求拒绝模块，用于若所述人脸特征对比模块的对比结果为对比不一致，则拒绝所述取件请求；

第三触发模块，用于若所述人脸特征对比模块的对比结果对比一致，则触发所述请求响应模块。

关于基于虹膜识别的快递取件装置的具体限定可以参见上文中对于基于虹膜识别的快递取件方法的限定，在此不再赘述。上述基于虹膜识别的快递取件装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于虹膜识别的快递取件方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于虹膜识别的快递取件方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于虹膜识别的快递取件方法的步骤，例如图2所示的步骤101至步骤106。或者，处理器执行计算机程序时实现上述实施例中基于虹膜识别的快递取件装置的各模块/单元的功能，例如图8所示模块601至模块606的功能。为避免重复，这里不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于虹膜识别的快递取件方法的步骤，例如图2所示的步骤101至步骤106。或者，计算机程序被处理器执行时实现上述实施例中基于虹膜识别的快递取件装置的各模块/单元的功能，例如图8所示模块601至模块606的功能。为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于虹膜识别的快递取件方法，其特征在于，包括：

当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

若所述活体检测结果为非活体，则拒绝所述取件请求；

若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口；

所述通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果包括：

通过所述摄像头实时获取位于所述快递柜前方的人员的眼部图像；

利用眼神跟踪技术对所述眼部图像进行分析，实时确定所述人员的当前眼神位置，并在所述快递柜的显示屏上以预设第一标记实时更新显示所述当前眼神位置；

引导所述人员移动眼神，使得所述预设第一标记移动至预设指定位置上；

每当所述预设第一标记移动至预设指定位置上时，采集所述人员当前的眼部图像；

通过预先训练好的静态点位定位模型，判断采集到的眼部图像和所述预设指定位置是否符合预设的匹配要求；

若是，则确定所述活体检测结果为活体；

若否，则确定所述活体检测结果为非活体。

2.根据权利要求1所述的基于虹膜识别的快递取件方法，其特征在于，在判断得知采集到的眼部图像和所述预设指定位置符合预设的匹配要求之后，且确定所述活体检测结果为活体之前，还包括：

通过所述摄像头采集所述人员的多张人脸图像；

将所述多张人脸图像进行rPPG心跳检测；

若检测结果为是，则执行确定所述活体检测结果为活体的步骤。

若检测结果为否，则确定所述活体检测结果为非活体。

3.根据权利要求2所述的基于虹膜识别的快递取件方法，其特征在于，所述将所述多张人脸图像进行rPPG心跳检测包括：

从所述多张人脸图像上分别截取预设ROI区域的区域图像；

计算截取得到的各个区域图像的颜色RGB的空间均值；

应用预设的信号处理方法对所述各个空间均值进行处理，得到所述多张人脸图像各自对应的包含心率信息的分量；

采用快速傅立叶变换对各个所述分量进行处理，得到所述多张人脸图像各自对应的心率信号；

按照所述多张人脸图像的采集次序对各个所述心率信号进行整合，得到所述人员在连续采集时间段内的连续心率信号；

判断所述连续心率信号是否处于预设的活人心率信号范围内；

若所述连续心率信号处于预设的活人心率信号范围内，则确定rPPG心跳检测的检测结果为是；

若所述连续心率信号不处于预设的活人心率信号范围内，则确定rPPG心跳检测的检测结果为否。

4.根据权利要求1所述的基于虹膜识别的快递取件方法，其特征在于，还包括：

当接收到投件请求时，获取投件请求中的收件人；

若所述收件人已注册账户并预留了虹膜特征，则从虹膜数据库中提取所述收件人的虹膜特征至所述快递柜的特征库中；

在所述投件请求对应的快递件被取走后，将所述收件人对应的虹膜特征从所述特征库中删除。

5.根据权利要求1至4中任一项所述的基于虹膜识别的快递取件方法，其特征在于，在响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口之前，还包括：

获取所述对比一致的预留虹膜特征与所述第一虹膜特征之间的对比相似度；

若所述对比相似度超过预设阈值，则执行所述响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口的步骤；

若所述对比相似度不超过预设阈值，则提取所述人脸影像中的第一人脸特征；

将所述第一人脸特征与预留的目标人脸特征进行对比，所述目标人脸特征是指预留所述对比一致的预留虹膜特征的用户的人脸特征；

若对比不一致，则拒绝所述取件请求；

若对比一致，则执行所述响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口的步骤。

6.一种基于虹膜识别的快递取件装置，其特征在于，包括：

摄像头启动模块，用于当接收到取件请求时，启动快递柜上带虹膜功能的摄像头；

活体检测模块，用于通过所述摄像头对位于所述快递柜前方的人员进行活体检测，得到活体检测结果；

第一请求拒绝模块，用于若所述活体检测结果为非活体，则拒绝所述取件请求；

虹膜特征提取模块，用于若所述活体检测结果为活体，则通过所述摄像头采集所述人员的人脸影像，并提取所述人脸影像中的虹膜特征，得到第一虹膜特征；

虹膜对比模块，用于将所述第一虹膜特征与特征库中的预留虹膜特征进行比对；

请求响应模块，用于若存在对比一致的预留虹膜特征，则响应所述取件请求，并打开所述快递柜上与对比一致的预留虹膜特征对应的快递窗口；

所述活体检测模块包括：

眼部图像获取单元，用于通过所述摄像头实时获取位于所述快递柜前方的人员的眼部图像；

眼神跟踪单元，用于利用眼神跟踪技术对所述眼部图像进行分析，实时确定所述人员的当前眼神位置，并在所述快递柜的显示屏上以预设第一标记实时更新显示所述当前眼神位置；

引导单元，用于引导所述人员移动眼神，使得所述预设第一标记移动至预设指定位置上；

眼部图像采集单元，用于每当所述预设第一标记移动至预设指定位置上时，采集所述人员当前的眼部图像；

判断单元，用于通过预先训练好的静态点位定位模型，判断采集到的眼部图像和所述预设指定位置是否符合预设的匹配要求；

第一确定单元，用于若所述判断单元的判断结果为是，则确定所述活体检测结果为活体；

第二确定单元，用于若所述判断单元的判断结果为否，则确定所述活体检测结果为非活体。

7.根据权利要求6所述的基于虹膜识别的快递取件装置，其特征在于，所述基于虹膜识别的快递取件装置还包括：

人脸图像采集模块，用于通过所述摄像头采集所述人员的多张人脸图像；

心跳检测模块，用于将所述多张人脸图像进行rPPG心跳检测；

第一触发模块，用于若所述心跳检测模块的检测结果为是，则执行确定所述活体检测结果为活体的步骤。

非活体确定模块，用于若所述心跳检测模块的检测结果为否，则确定所述活体检测结果为非活体。

8.根据权利要求7所述的基于虹膜识别的快递取件装置，其特征在于，所述心跳检测模块包括：

区域图像截取单元，用于从所述多张人脸图像上分别截取预设ROI区域的区域图像；

空间均值计算单元，用于计算截取得到的各个区域图像的颜色RGB的空间均值；

信号处理单元，用于应用预设的信号处理方法对所述各个空间均值进行处理，得到所述多张人脸图像各自对应的包含心率信息的分量；

心率信号处理单元，用于采用快速傅立叶变换对各个所述分量进行处理，得到所述多张人脸图像各自对应的心率信号；

心率信号整合单元，用于按照所述多张人脸图像的采集次序对各个所述心率信号进行整合，得到所述人员在连续采集时间段内的连续心率信号；

心率判断单元，用于判断所述连续心率信号是否处于预设的活人心率信号范围内；

第一确定单元，用于若所述心率判断单元的判断结果为是，则确定rPPG心跳检测的检测结果为是；

第二确定单元，用于若所述心率判断单元的判断结果为否，则确定rPPG心跳检测的检测结果为否。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述基于虹膜识别的快递取件方法。

10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述基于虹膜识别的快递取件方法。

Images