[go: up one dir, main page]

CN105450411B - 利用卡片特征进行身份验证的方法、装置及系统 - Google Patents

利用卡片特征进行身份验证的方法、装置及系统 Download PDF

Info

Publication number
CN105450411B
CN105450411B CN201410398375.8A CN201410398375A CN105450411B CN 105450411 B CN105450411 B CN 105450411B CN 201410398375 A CN201410398375 A CN 201410398375A CN 105450411 B CN105450411 B CN 105450411B
Authority
CN
China
Prior art keywords
card
image
features
feature
verified
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410398375.8A
Other languages
English (en)
Other versions
CN105450411A (zh
Inventor
金伟安
张洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201410398375.8A priority Critical patent/CN105450411B/zh
Priority to TW104103225A priority patent/TWI678638B/zh
Priority to US14/739,711 priority patent/US10248954B2/en
Priority to PCT/US2015/035883 priority patent/WO2016025071A1/en
Publication of CN105450411A publication Critical patent/CN105450411A/zh
Priority to HK16109710.2A priority patent/HK1221579A1/zh
Application granted granted Critical
Publication of CN105450411B publication Critical patent/CN105450411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/409—Device specific authentication in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/327—Short range or proximity payments by means of M-devices
    • G06Q20/3276—Short range or proximity payments by means of M-devices using a pictured code, e.g. barcode or QR-code, being read by the M-device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/513—Sparse representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Microelectronics & Electronic Packaging (AREA)

Abstract

本申请公开了一种利用卡片特征进行身份验证的方法和装置、一种客户端身份验证方法和装置、以及一种利用卡片特征进行身份验证的系统。其中所述利用卡片特征进行身份验证的方法包括：接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；从待验证卡片图像中提取卡片特征，作为待验证卡片特征；判断待验证卡片特征与特定账户已存的基准卡片特征是否相符；若是，则判定客户端通过身份验证。本申请通过对实体卡片的图像特征的识别和比对，提供了一种对持卡人进行身份验证的有效方法，能够保障持卡人的合法利益，特别是应用于使用银行卡进行在线支付的场景，可以避免盗刷卡情况的发生，提高在线支付的安全性。

Description

利用卡片特征进行身份验证的方法、装置及系统
技术领域
本申请涉及身份验证领域，具体涉及一种利用卡片特征进行身份验证的方法和装置。本申请同时提供一种客户端身份验证方法和装置，以及一种利用卡片特征进行身份验证的系统。
背景技术
随着社会的进步和技术的发展，人们对访问控制的安全性和便捷性要求越来越高，自动、快速、准确、安全地实现身份验证成为许多应用或者操作的前提。在互联网领域中，某些互联网应用程序需要基于用户持有的特定卡片中存储的信息执行所需的操作，所述信息包括与用户相关的信息，例如用户的个人财务信息等。在这种情况下，互联网应用程序通常会对卡片持有者的身份进行验证，通常包括以下几个步骤：
1)在客户端的身份验证界面中，提示用户输入与当前账户对应的特定卡片的卡号、密码等信息；
2)将用户输入的卡号、密码等信息发送给负责进行身份验证的服务端，该服务端根据预先存储的所述账户的相应信息，判断所述卡号和密码信息是否正确，并向客户端返回身份验证是否通过的应答；
3)接收所述服务端返回的应答并执行相应的操作，若通过身份验证，则允许用户继续执行基于该卡片的相关操作，否则禁止用户执行。
基于卡片信息的各种互联网应用，其身份验证流程的细节可能与上述流程不完全一致，但是通常有一个共同点，即：仅需客户端提供卡号和密码信息，也就是说服务端仅使用卡号和密码信息对执行相关操作的客户端进行身份验证。采用这种“卡号+密码”的验证方式，比较便捷、易于操作，但是存在潜在的安全隐患。
如果用户的卡片信息(包括卡号和密码信息)在服务端或者是网络传输过程中被泄露，或者其他人通过恶意的手段盗用了该信息，那么就可能出现用户卡片被盗用的情况，即：非持卡人通过输入获取的卡号和密码，就可以完成与所述卡片相关的操作，持卡人的合法利益无法得到有效的保障，特别是一旦出现银行卡被盗用的情况，将会给用户带来不便，甚至是经济上的损失。随着卡片信息泄露越来越普遍，这种身份验证方式的风险越来越高，是目前面临的一个亟待解决的问题。
发明内容
本申请提供一种利用卡片特征进行身份验证的方法和装置，以解决现有的身份验证方法不够完善、无法对持卡人的合法利益提供有效保障的问题。本申请另外提供一种客户端身份验证方法和装置，以及一种利用卡片特征进行身份验证的系统。
本申请提供一种利用卡片特征进行身份验证的方法，包括：
接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；
从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征；
判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证。
可选的，所述特定账户已存的基准卡片特征采用如下步骤生成：
接收客户端发送的对应所述特定账户的基准卡片图像；
从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征；
存储已提取的对应所述特定账户的基准卡片特征。
可选的，所述方法还包括：
采用加密算法对已提取的基准卡片特征加密；
相应的，所述存储已提取的对应所述特定账户的基准卡片特征是指，存储加密后的基准卡片特征；
相应的，所述判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符包括：
采用与所述加密算法对应的解密算法，对所述特定账户已存的基准卡片特征进行解密；
判断所述待验证卡片特征与所述解密后的基准卡片特征是否相符。
可选的，所述卡片特征包括以下特征中的至少一种：号码特征、图案特征、材质特征、局部图形特征；所述局部图形特征包括以下特征中的至少一种：文字特征、徽标特征、签名特征；
相应的，所述判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符是指，
针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；当上述判断结果都为“是”时，则判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符。
可选的，所述卡片特征包括号码特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取号码信息，所述号码信息即为对应卡片的号码特征；
所述从对应的卡片图像中提取号码信息，包括：
将所述卡片图像转换为灰度图像；
获取所述卡片图像中包含号码信息的矩形图像区域；
识别所述矩形图像区域中的号码信息；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
比较所述待验证卡片图像包含的号码信息与所述基准卡片图像包含的号码信息是否一致；若是，判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
可选的，采用如下两种方式中的一种，获取所述卡片图像中包含号码信息的矩形图像区域：
获取预存的对应所述卡片图像的卡片模板；
根据所述卡片模板记录的区域位置信息，获取所述卡片图像中包含号码信息的矩形图像区域；
或者，
采用边缘检测算法，对所述卡片图像进行横向分割，获取所述卡片图像中包含号码信息的矩形图像区域。
可选的，所述识别所述矩形图像区域中的号码信息包括：
采用边缘检测算法，对所述矩形图像区域进行纵向分割，获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码；
获取每个待识别号码图像的特征值；
针对每个待识别号码图像，采用KNN算法计算所述待识别号码图像特征值与预先存储的每个样本号码图像的特征值之间的距离，并根据计算结果选择与所述待识别号码图像对应的样本号码，所述样本号码即为所述待识别号码图像中包含的号码。
可选的，所述卡片特征包括图案特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取图案特征；
所述从对应的卡片图像中提取图案特征，包括：
按照预先设定的尺寸，对所述卡片图像尺寸进行归一化；
按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块；
对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内；
针对上述图像块，采用字典学习的方法获取局部特征；
根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征。
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
计算所述待验证卡片的图案特征与所述特定账户已存的基准卡片的图案特征之间的欧式距离，所述欧式距离用于表征上述两种特征对应的图案图像的相似度；
判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征相符。
可选的，在对所述卡片图像尺寸进行归一化之前，执行下述步骤：
将待提取图案特征的卡片图像转换为灰度图像。
可选的，在所述采用字典学习的方法获取局部特征之前，执行下述操作：
对执行了样本集归一化后的图像块进行白化处理去除相关性。
可选的，所述卡片特征包括图案特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取图案特征；
所述从对应的卡片图像中提取图案特征是指，采用SIFT算法提取所述卡片图像的特征点及对应的特征向量，作为所述卡片图像的图案特征；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并根据计算结果判断所述特征点是否匹配成功；若匹配成功，则累加匹配成功的特征点的数目；
判断所述匹配成功的特征点的总数是否满足预先设定的阈值；若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
可选的，所述卡片特征包括材质特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取与卡片材质相关的数据，所述与卡片材质相关的数据即为对应卡片的材质特征；
所述从对应的卡片图像中提取与卡片材质相关的数据包括：
按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，作为材质提取区域；
提取所述材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
根据所述基准卡片材质特征中各个像素点的色调H、饱和度S和亮度I分量的值，以预先设定的特定分量作为纵向坐标、以其他两个分量作为平面坐标，生成离散样本曲面；
对所述离散样本曲面进行平滑处理，获取局部连续曲面；
对待验证卡片材质特征中的每个像素点，计算该像素点的所述特定分量值与所述局部连续曲面之间的最近距离，判断所述最近距离是否满足预先设定的要求，若是则判定所述像素点符合基准卡片材质特征，并累加所述符合基准卡片材质特征的像素点的数目；
判断所述符合基准卡片材质特征的像素点的总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
可选的，所述预先设定的特定分量是指，饱和度S分量。
可选的，所述卡片特征包括一种或者一种以上局部图形特征时，针对每一种局部图形特征，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取所述局部图形特征的步骤；
所述从对应的卡片图像中提取所述局部图形特征，包括：
获取预存的对应所述卡片图像的卡片模板；
根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否对应相同的卡片包括：
调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同；
针对所述待验证卡片调整尺寸后的图像区域中的每一个像素点，比较其像素值与所述基准卡片相应图像区域中的相应像素点的像素值是否相同；若相同，累加相同像素点的数目；
判断所述相同像素点的总数是否满足预先设定的要求；若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
相应的，本申请还提供一种利用卡片特征进行身份验证的装置，包括：
身份验证请求接收单元，用于接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；
待验证卡片特征提取单元，用于从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征；
身份验证判断单元，用于判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证。
可选的，所述装置还包括：
基准卡片特征生成单元，用于生成并存储对应特定账户的基准卡片特征；
所述基准卡片特征生成单元包括：
基准卡片图像接收子单元，用于接收客户端发送的对应所述特定账户的基准卡片图像；
基准卡片特征提取子单元，用于从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征；
基准卡片特征存储子单元，用于存储已提取的对应所述特定账户的基准卡片特征。
可选的，所述基准卡片特征生成单元还包括：
加密子单元，用于采用加密算法对已提取的基准卡片特征加密；
相应的，所述基准卡片特征存储子单元具体用于，存储加密后的基准卡片特征；
相应的，所述身份验证判断单元包括：
解密子单元，用于采用与所述加密算法对应的解密算法，对所述特定账户已存的基准卡片特征进行解密；
特征相符判断子单元，用于判断所述待验证卡片特征与所述解密后的基准卡片特征是否相符；
通过判断子单元，用于当所述特征相符判断子单元的输出为“是”时，判定所述客户端通过所述身份验证。
可选的，所述身份验证判断单元包括：
特征判断子单元，用于针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；
身份验证子单元，用于当所述特征判断子单元输出的判断结果都为“是”时，判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符，所述客户端通过所述身份验证。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
号码特征提取子单元，用于从对应的卡片图像中提取号码信息，所述号码信息即为对应卡片的号码特征；
所述号码特征提取子单元包括：
灰度处理子单元，用于将所述卡片图像转换为灰度图像；
号码区域获取子单元，用于获取所述卡片图像中包含号码信息的矩形图像区域；
号码识别子单元，用于识别所述矩形图像区域中的号码信息；
相应的，所述特征判断子单元包括：
号码特征判断子单元，用于比较所述待验证卡片图像包含的号码信息与所述基准卡片图像包含的号码信息是否一致；若是，判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
可选的，所述号码区域获取子单元采用以下两种方式中的一种获取所述矩形图像区域：
获取预存的对应所述卡片图像的卡片模板，根据所述卡片模板记录的区域位置信息，获取所述卡片图像中包含号码信息的矩形图像区域；或者，
采用边缘检测算法，对所述卡片图像进行横向分割，获取所述卡片图像中包含号码信息的矩形图像区域。
可选的，所述号码识别子单元包括：
号码图像纵向分割子单元，用于采用边缘检测算法，对所述矩形图像区域进行纵向分割，获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码；
特征值获取子单元，用于获取每个待识别号码图像的特征值；
号码识别执行子单元，用于针对每个待识别号码图像，采用KNN算法计算所述待识别号码图像特征值与预先存储的每个样本号码图像的特征值之间的距离，并根据计算结果选择与所述待识别号码图像对应的样本号码，所述样本号码即为所述待识别号码图像中包含的号码。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第一图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第一图案特征提取子单元包括：
图像尺寸归一化子单元，用于按照预先设定的尺寸，对所述卡片图像尺寸进行归一化；
图像块提取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块；
样本集归一化子单元，用于对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内；
局部特征获取子单元，用于针对上述图像块，采用字典学习的方法获取局部特征；
图案特征获取子单元，用于根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征。
相应的，所述特征判断子单元包括：
第一图案特征判断子单元，用于计算所述待验证卡片的图案特征与所述特定账户已存的基准卡片的图案特征之间的欧式距离，所述欧式距离用于表征上述两种特征对应的图案图像的相似度；判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第二图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第二图案特征提取子单元具体用于，采用SIFT算法提取所述卡片图像的特征点及对应的特征向量，作为所述卡片图像的图案特征；
相应的，所述特征判断子单元包括：
第二图案特征判断子单元，用于针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并根据计算结果累加匹配成功的特征点数目，判断所述匹配成功的特征点总数是否满足预先设定的阈值，若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
材质特征提取子单元，用于从对应的卡片图像中提取与卡片材质相关的数据；
所述材质特征提取子单元包括：
材质区域截取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，作为材质提取区域；
材质数据获取子单元，用于提取所述材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据；
相应的，所述特征判断子单元包括：
材质特征判断子单元，用于根据所述基准卡片材质特征和待验证卡片材质特征中的各个像素点的色调H、饱和度S和亮度I分量的值，判断所述待验证卡片材质特征中的各个像素点是否符合基准卡片材质特征，并累加符合的像素点数目，判断所述像素点总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
局部图形特征提取子单元，用于从对应的卡片图像中提取所述局部图形特征；
所述局部图形特征提取子单元包括：
卡片模板获取子单元，用于获取预存的对应所述卡片图像的卡片模板；
局部图形图像获取子单元，用于根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像；
相应的，所述特征判断子单元包括：
局部图形特征判断子单元，用于调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同，比较所述待验证卡片与所述基准卡片相应图像区域中的相应像素点的像素值是否相同，并累加相同像素点的数目，判断所述相同像素点的总数是否满足预先设定的要求，若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
此外，本申请还提供一种客户端身份验证方法，包括：
获取用于进行身份验证的待验证卡片图像；
向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像；
接收所述服务端返回的所述客户端是否通过身份验证的应答。
可选的，在执行所述获取用于进行身份验证的待验证卡片图像的步骤之前，执行下述步骤：
获取作为身份验证比对基准的基准卡片图像；
向所述服务端发送所述特定账户的基准卡片图像，所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证。
可选的，所述获取作为身份验证比对基准的基准卡片图像包括：获取所述卡片的正面图像和/或反面图像；
相应的，所述获取用于进行身份验证的待验证卡片图像，采用相同方式获取所述卡片的正面图像和/或反面图像。
相应的，本申请还提供一种客户端身份验证装置，包括：
待验证卡片图像获取单元，用于获取用于进行身份验证的待验证卡片图像；
身份验证请求发送单元，用于向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像；
身份验证应答接收单元，用于接收所述服务端返回的所述客户端是否通过身份验证的应答。
可选的，所述装置还包括：
基准卡片图像获取单元，用于获取作为身份验证比对基准的基准卡片图像；
基准卡片图像发送单元，用于向所述服务端发送所述特定账户的基准卡片图像，所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证。
此外，本申请还提供一种利用卡片特征进行身份验证的系统，包括：根据上述任一项所述的利用卡片特征进行身份验证的装置，以及根据上述任一项所述的客户端身份验证装置。
与现有技术相比，本申请具有以下优点:
本申请提供的利用卡片特征进行身份验证的方法，通过接收待验证客户端发送的对应特定账户的身份验证请求，从所述请求包含的待验证卡片图像中提取待验证卡片特征，判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符，从而判定所述客户端是否通过身份验证。采用上述方法，通过对实体卡片的图像特征的识别和比对，提供对持卡人进行身份验证的一种有效方法，保障持卡人的合法利益，特别是应用于使用银行卡进行在线支付的场景，可以避免因为银行卡信息泄露导致的盗刷卡情况的发生，提高在线支付的安全性。
附图说明
图1是本申请的一种利用卡片特征进行身份验证的方法实施例的流程图；
图2是本实施例提供的获取并存储特定账户基准卡片特征的处理流程图；
图3是本实施例提供的从待验证卡片图像中提取卡片特征的处理流程图；
图4是本实施例提供的从卡片图像中提取号码特征的处理流程图；
图5是本实施例提供的从卡片图像中提取图案特征的处理流程图；
图6是本实施例提供的从卡片图像中提取材质特征的处理流程图；
图7是本实施例提供的从卡片图像中提取局部图形特征的处理流程图；
图8是本实施例提供的判断待验证卡片与基准卡片的相应特征是否相符的处理流程图；
图9是本实施例提供的判断待验证卡片与基准卡片的材质特征是否相符的处理流程图；
图10是本申请的一种利用卡片特征进行身份验证的装置实施例的示意图；
图11是本申请的一种客户端身份验证方法的实施例的流程图；
图12是本申请的一种客户端身份验证装置的实施例的示意图；
图13是本申请的一种利用卡片特征进行身份验证的系统实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在本申请中，分别提供了一种利用卡片特征进行身份验证的方法和装置、一种客户端身份验证方法和装置、以及一种利用卡片特征进行身份验证的系统，在下面的实施例中逐一进行详细说明。
请参考图1，其为本申请的一种利用卡片特征进行身份验证的方法实施例的流程图。所述方法包括如下步骤：
步骤101：获取并存储特定账户的基准卡片特征。
首先对本申请技术方案的应用场景作简要的说明。针对执行在线支付操作的客户端发起的身份验证请求，服务端从接收到的银行卡图像中提取卡片特征，并将所述卡片特征与预存的对应该账户的卡片特征进行比对，如果两者相符，则认为执行当前支付操作的用户持有正确有效的银行卡，从而判定客户端通过当前的身份验证，授权客户端执行在线支付操作，或者采用传统的银行卡号+密码的方式对客户端进行进一步的身份验证。在上述在线支付场景中，使用本申请的技术方案，能够有效避免因为银行卡信息的泄漏而引起的盗刷卡情况的发生，提高在线支付的安全性。
上面描述的是本申请技术方案的一种应用场景，实际上，本申请技术方案所述的卡片不仅仅局限于银行卡，本申请技术方案提供的身份验证方法，也不仅仅应用于在线支付的场景，只要是需要对持卡人身份进行验证的场合都可以使用本申请的技术方案。传统方法通常根据客户端提供的卡号和密码等信息进行身份验证，采用本申请的技术方案，通过对实体卡片特征与预存卡片特征的比对进行客户端身份验证，在卡片信息泄漏的情况下依然可以为持卡人提供有效的安全保障。
通过上面的描述可以看出，本申请的技术方案是基于卡片特征的比对来进行身份验证的，为了实现这一功能，服务端可以预先存储与客户端账户对应的卡片特征，也称基准卡片特征，该过程就是通常所说的注册过程，或者采集过程，包括如下所示的步骤101-1至101-3，下面结合附图2对每一个步骤进行说明。
步骤101-1：接收客户端发送的对应所述特定账户的基准卡片图像。
客户端通过拍摄等方式获取与特定账户对应的基准卡片图像并上传，负责进行身份验证的服务端就会接收到所述基准卡片图像。之所以称其为基准卡片图像，是因为该图像是后续对所述客户端进行身份验证的基准。
考虑到卡片的正反面都可能包含卡片特征信息(例如：银行卡正面的卡号信息，银行卡背面的签名区域图像)，因此客户端可以提供基准卡片的正反面两幅图像，在这种情况下，本步骤接收到的来自客户端的基准卡片图像自然就包括正、反面两幅图像。
步骤101-2：从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征。
本实施例技术方案所述的卡片特征包括以下特征中的至少一种：号码特征、图案特征、材质特征、局部图形特征；所述局部图形特征包括以下特征中的至少一种：文字特征、徽标特征、签名特征。关于各种卡片特征的含义，请参见步骤103中相应的说明。
需要说明的是，因为基准卡片特征是后续进行客户端身份验证的基准，因此在本步骤中通常应该提取相对完备的卡片特征(例如，可以从基准卡片图像中提取上述列举的每一种卡片特征)作为基准，从而便于在后续的步骤104中根据待验证卡片特征找到与之对应的基准卡片特征，并进行相应的比对判断。
本步骤从所述基准卡片图像中提取基准卡片特征的过程，与后续步骤103从待验证卡片图像中提取待验证卡片特征的过程基本一致，因此请参见步骤103中相应的说明。
步骤101-3：存储已提取的对应所述特定账户的基准卡片特征。
从步骤101-2中提取基准卡片特征后，可以将所述基准卡片特征与对应的特定账户信息存储在数据库中，后续接收到来自客户端的对应所述特定账户的身份验证请求后，就可以根据所述特定账户信息，从数据库中提取对应的基准卡片特征并进行所需的比对操作。
考虑到从卡片上提取的卡片特征，有些是卡片自身的特征(例如：图案特征、材质特征等)，有些则包含所述特定账户的隐私信息(例如：银行卡的号码特征)，从用户信息安全性的角度考虑，本实施例的技术方案采用加密存储的方式：即，对已提取的基准卡片特征进行加密，然后将加密后的数据存储在数据库中。后续需要使用基准卡片特征进行比对时，则采用与所述加密算法对应的解密算法，对从数据库中提取出的相应数据进行解密，还原基准卡片特征。
在本实施例的一个具体例子中，采用的是对称加密算法RC4，在其他实施方式中，也可以根据需要，不对存储在数据库中的基准卡片特征进行加密，或者采用其他加密算法，本实施例的技术方案对此不作具体的限定。
步骤102：接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像。
待验证客户端需要依据卡片包含的信息执行某些重要操作时，例如：根据银行卡包含的银行卡号信息进行在线支付，这时待验证客户端可以向负责进行身份验证的服务端发送身份验证请求，所述请求中携带了通过拍摄等方式获取的待验证卡片图像，同步骤101-1类似，所述待验证卡片图像也可以包括正、反面两幅图像。所述服务端接收上述请求与图像后，就可以执行后续的步骤103进行待验证卡片特征的提取操作。
步骤103：从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征。
本步骤从待验证卡片图像中提取的卡片特征，可以是步骤101-2中所述的多种卡片特征中的一种，也可以是其中的几种。具体提取哪几种卡片特征，在具体实施中可以根据实际需要选择，本实施例技术方案不对此作限定。为了全面描述本实施例的技术方案，下面结合附图3，通过步骤103-1至103-4分别对每一种卡片特征的提取作详细的说明。
步骤103-1：从待验证卡片图像中提取号码特征。
本实施例技术方案所述的号码特征，是指卡片图像中包含的号码信息，通常是指卡号信息，例如：银行卡号。在步骤101中从基准卡片图像中提取号码特征，与本步骤从待验证卡片图像中提取号码特征，采用的是相同的方法，下面结合附图4，通过步骤103-1-1至103-1-3对号码特征的提取作详细说明。
步骤103-1-1：将所述卡片图像转换为灰度图像。
为了减少图像中的噪声对图像处理的影响，在本步骤对图像进行灰度化之前，可以先进行降噪处理。一幅图像中常见的噪声包括高斯噪声、椒盐噪声，所谓高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声；椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声，通常可以采用低通滤波、中值滤波等方法减少或者消除上述两种噪声。
降噪处理后，可以将所述卡片图像转换为灰度图像，即：灰度化处理。之所以要进行该处理，一方面是因为后续步骤需要根据卡片图像的灰度平均值获取预存的卡片模板，另一方面是为了减少后续的计算量。彩色图像中的每个像素的颜色由R、G、B三个分量决定，而每个分量的取值范围为0～255，这样一个像素点可以有1600多万(256*256*256)种不同的取值情况，灰度图像则是R、G、B三个分量相同的一种特殊图像，其一个像素点取值的变化范围只有256种，所以在数字图像处理中一般先将彩色图像转变成灰度图像，以减少后续计算的复杂度。图像的灰度化处理可用采用多种方法，下面给出两种比较常用的方法：
(1)针对每个像素点，求出R、G、B三个分量的平均值，然后将这个平均值赋予所述像素点；
(2)根据RGB和YUV颜色空间的变化关系，建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，并用计算出的每个像素点的亮度值Y作为对应的灰度值。
步骤103-1-2：获取所述卡片图像中包含号码信息的矩形图像区域。
本步骤中可以采用以下两种方式中的一种获取所述卡片图像中包含号码信息的矩形图像区域。
(1)根据预存的卡片模板获取。
因为每种卡片图像中的各个区域的分布都有自己一定的规律，因此可以预先收集并生成各种卡片的模板信息，所述模板信息包括：卡片图像的灰度平均值、银联标志在卡片图像中的位置、银联标志图像的尺寸、具体的银联标志图像、以及卡片中每个图像区域的位置信息，并可将每种卡片的模板信息存储在数据库中。
在本步骤中，计算已经灰度化的卡片图像的灰度平均值，然后在数据库存储的各种卡片的模板信息中进行搜索，查找与计算出的灰度平均值相匹配的模板信息，这里所说的相匹配是指计算出的灰度平均值与数据库中某项模板信息记录的灰度平均值相同，或者其差异在预先设定的范围内。
如果通过灰度平均值查找得到的匹配模板信息不只一项，可以继续根据银联标志进行匹配。具体说，针对当前匹配的每一项模板信息，根据所述模板信息记录的银联标志在卡片图像中的位置和银联标志图像的尺寸，用所述卡片图像与所述模板信息中的银联标志图像进行图形匹配，即：逐像素点进行匹配，当匹配成功的像素点的数目或者比例达到预先设定的某个阈值时(例如：匹配成功的像素点数目占银联标志图像所有像素点总数目的比值超过70％)，则判定找到了与所述卡片图像对应的卡片模板。
从找到的卡片模板所包含的多个区域位置信息中，提取号码图像区域的位置信息，根据所述位置信息，即可从所述卡片图像中获取包含号码信息的矩形图像区域。
(2)采用边缘检测算法获取。
因为卡片图像中包含号码信息的图像区域含有丰富的边缘，与卡片图像中的其他区域有比较明显的区别，因此可以采用边缘检测算法，获取包含号码信息的矩形图像区域。所述边缘是指周围像素灰度有阶跃变化或屋顶变化的像素点的集合，所谓边缘检测，则是指采用某种算法提取出上述像素点的集合，即：图像中主体对象与背景之间的交界线。具体说，可以通过一阶求导计算边缘强度的方式进行边缘检测，也可以通过计算图像的二阶导数的零交叉点来定位边缘。
在本实施例的一个具体例子中，使用Prewitt算子对图像进行纵向边缘一阶求导，根据得到的边缘点相对比较密集的区域的形状、边缘点的分布特点得到号码区域的大致位置，根据该区域中的边缘点在卡片图像中的纵向坐标的最大值和最小值，选取进行横向分割的临界点，即：确定所述卡片图像包含的号码信息的上边界和下边界的位置，最后依据所述位置信息从所述卡片图像中截取带状图像区域，即得到包含号码信息的矩形图像区域。
步骤103-1-3：识别所述矩形图像区域中的号码信息。
从所述矩形图像区域中识别号码信息，包括纵向分割、特征值提取和根据特征值进行字符识别这样三个过程，下面分别进行说明。
(1)采用边缘检测算法，对所述矩形图像区域进行纵向分割。
使用算子分别对已获取的包含号码信息的矩形图像区域进行全方位边缘检测，由于每两个号码之间有一定间隔，在该间隔中通常不会有边缘点，根据这一特点，对通过上述全方位边缘检测在所述矩形图像区域中检测出的边缘点，根据其坐标值、以及号码字符的投影特征等进行计算分析，获取包含待识别号码的每个号码图像区域的纵向分割临界点，并进行纵向图像分割，从而获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码。
在本实施例的一个具体例子中，进行全方位边缘检测采用的算子分别如下所示：
横向算子为：
纵向算子为：
在其他实施方式中，可以采用不同于上述算子的其他算子进行全方位边缘检测，也可以采用其他方式进行号码图像的分割。
(2)获取每个待识别号码图像的特征值。
针对已经得到的每个待识别号码图像，通过二值化、去噪、整形、以及提取亮度参数等过程获取所述待识别号码图像的特征值，下面对上述过程进行说明。
提取所述待识别号码图像中的每个像素点的灰度值，并对其取值进行统计分析，由于属于背景图像中的像素点的灰度值通常在一定范围内，而属于图像主体的号码部分的像素点的灰度值也在一定的范围内，根据这一特点，选取一个合适的、能够将两者的取值范围相区分的阈值，并依据该阈值对所述待识别号码图像进行二值化处理，形成对应的二值化矩阵，即：灰度值小于阈值的像素在该矩阵中的值为True，灰度值大于阈值的像素在该矩阵中的值为False。
根据获取的二值化矩阵进行去噪处理，保留黑色(即值为True)的相关联的像素点集合，剔除孤立的黑色像素点，即：将孤立的黑色像素点对应的值写为白色，从而消除噪声对图像处理的影响，该处理过程也就是通常所说的低通滤波去噪过程。然后，依据得到的黑色点集合(即：目标点集)对所述待识别号码图像进行截图，截取只包含目标点集的最大图像，并对截取的图像进行标准化压缩处理，使其尺寸与预先存储的样本号码图像的尺寸一致，在本实施例的一个具体例子中，预先存储的样本号码图像的尺寸为10x13像素。
提取进行标准化压缩处理的图像的亮度参数集作为所述待识别号码图像的特征值。所述亮度参数集中包含的参数包括：最大亮度、最小亮度、平均亮度和亮度标准方差。在本实施例的一个具体例子中，由于在步骤103-1-1中已经对所述卡片图像进行了灰度化处理，因此在本步骤中用每个像素点的灰度值表示其亮度，并计算上述亮度参数集中的各个参数值。在其他实施方式中，还可以选择与上述参数不同的参数作为所述待识别号码图像的特征值，例如，色相平均值、饱和度平均值等。
(3)采用KNN算法进行字符识别。
KNN(k-NearestNeighbor)是K最近邻分类算法的英文缩写，其核心思想是如果一个样本在特征空间中的k个最相似的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。本实施例的技术方案采用KNN算法识别所述待识别号码图像中的字符。
在本实施例的一个具体例子中，采用了简化的k＝1的最近邻算法，即：预先生成0-9这9个样本号码图像的特征集，其中每个样本号码图像的特征集都包含上面描述的亮度参数集中每个参数的对应取值(样本号码图像的特征值)，采用如下所示的公式计算待识别号码图像特征值与每个样本号码图像特征值之间的距离集D<di>，其中，i∈[0,9]：
其中，di是相对第i个样本号码图像特征值的距离，cij是第i个样本号码图像的第j个特征值的值。xj为待识别号码图像第j个特征值的值。通过上述计算得到的距离集中的最小di对应的样本号码图像特征值即为待识别号码图像特征值的最近邻，则可以判定所述待识别号码图像包含的字符与所述样本号码图像中的字符一致，从而识别出了所述待识别号码图像所包含的字符。
针对每个待识别号码图像，重复上述处理过程，就可以逐一识别出每个待识别号码图像中包含的号码，将这些号码按照在所述卡片图像中的位置串接在一起，就得到了所述卡片图像中的号码信息，即本申请所述的号码特征。
步骤103-2：从待验证卡片图像中提取图案特征。
本实施例技术方案所述的图案特征，是指卡片图像的图像特征。在步骤101中从基准卡片图像中提取图案特征，与本步骤从待验证卡片图像中提取图案特征，采用的是相同的方法，下面结合附图5，通过下述步骤103-2-1至103-2-5对图案特征的提取作详细说明。
步骤103-2-1：按照预先设定的尺寸，对所述卡片图像尺寸进行归一化。
由于客户端上传的所述待验证卡片图像与基准卡片图像的尺寸可能存在不一致的情况，为了提高图像处理效率和获取正确的处理结果，在从卡片图像中提取图案特征值时，可以先进行卡片图像尺寸的归一化，在本实施例的一个具体例子中，将所述卡片图像的尺寸调整为170x108像素。在具体实施时，可以调用openCV库提供的cvResize()函数或者其他类似函数对卡片图像的尺寸进行调整。
为了减少后续处理的运算量，在进行上述归一化操作前，可以对图像进行灰度化处理，将彩色图像转换为灰度图像。关于灰度处理的相关说明请参见步骤103-1-1中的说明。
步骤103-2-2：按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块。
由于本实施例的技术方案采用字典学习的方法获取所述卡片图像的图案特征，因此需要先提取一定数量的图像块。
为了使得采用字典学习方法得到的图案特征能够正确地进行匹配，从基准卡片中提取图案特征与从待验证卡片中提取图案特征时，可以从所述卡片图像的相同位置、选择相同数量的、相同尺寸的图像块，所述图像块的大小可以为8x8、16x16等。
步骤103-2-3：对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内。
样本集归一化，是为了便于后续的数据处理操作，避免样本数据中存在的奇异样本数据导致后续的算法或者训练过程无法收敛或者收敛速度过慢。具体到本步骤中，进行样本集归一化，就是使图像块中每个像素值都在特定范围内，例如将像素的灰度值或者RGB分量值归一化为0～1的范围内。
步骤103-2-4：针对上述图像块，采用字典学习的方法获取局部特征。
在采用字典学习的方法获取局部特征之前，可以先进行白化处理。由于图像块中相邻像素值之间通常具有比较强的相关性，也就是说存在冗余信息，通过白化操作可以去除上述数据之间的相关性，减少后续字典学习过程中的数据输入量，提高处理效率。在本实施例的一个具体例子中，采用PCA(Principal Component Analysis——主成分分析)方法进行白化处理。在具体实施时，可以调用openCV库提供的cvCalcPCA()函数或者其他相关函数来实现。
采用字典学习的方法获取局部向量，首先要提取所述各个图像块的特征向量，例如，可以采用SIFT算法进行特征向量的提取。
SIFT(Scale-Invariant feature Transform)算法是一种图像特征提取与匹配算法，SIFT特征在图像发生平移、旋转、尺度变化、光照变化情况下保持不变，并能在一定程度上对视角变化、仿射变化也具备较为稳定的特征匹配能力。SIFT算法的本质就是从图像中提取关键点(也称为特征点)的过程，该过程通常包括以下4个步骤：
(1)尺度空间的极值检测，以初步确定关键点位置和所在尺度。
(2)关键点的确定。从SIFT候选关键点集合中去除低对比度(即：与周围像素无明显差异)的关键点和不稳定的边缘点。
(3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。
(4)生成SIFT特征向量。根据已经获取的关键点的坐标、尺度和方向，生成SIFT特征向量。
采取上述步骤就可以提取每个图像块的特征向量，在具体实施过程中，也可以采用OpenCV库提供的FeatureDetector类的detect()方法来提取图像块的SIFT特征向量。
采用SIFT算法提取每个图像块的特征向量后，利用稀疏编码模型为上述特征向量求取一组过完备基，即：生成一个字典，然后为各个特征向量依据该字典进行编码，即获得上述特征向量在该字典上的线性表达。此处所述的线性表达就是图像块基于该字典的局部特征表达。
步骤103-2-5：根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征。
通过上面的字典学习过程，已经获取了各个图像块的局部特征，将这些局部特征组合在一起就可以获取表征所述卡片图像整体特征的图案特征。
为了简化对图案特征的描述，同时保持图案特征的某种不变性(例如旋转、平移、伸缩等)，可以采用池化技术(pooling)进行处理。由于图像具有一种“静态性”的属性，某个图像块的某个特征极有可能在另一个图像块中同样适用，因此为了简化对图像特征的描述，一个很自然的想法就是对不同位置的特征进行聚合统计，具体说，将小邻域内的特征通过计算平均值或者最大值整合得到新的特征。上述处理通常称为池化，根据聚合统计算法的不同，可以分为平均池化技术和最大池化技术。在已获取的各个图像块的局部特征的基础上，采用上述池化技术进行处理，即可获取卡片的图案特征。
需要说明的是，在获取基准卡片的图案特征时，可以将生成的字典存储在字典文件中，在提取待识别卡片的图案特征时，则可以不再生成新的字典，而是直接利用从所述字典文件中读取的字典，按照上述过程获取待识别卡片的图案特征。
本步骤103-2的上述文字，描述了通过字典学习的方法获取卡片图案特征的处理流程，本实施例技术方案还提供另外一种获取卡片图案特征的方法，即：采用SIFT算法提取卡片图像的特征点(也称关键点)及对应的特征向量，作为所述卡片图像的图案特征。关于采用SIFT算法提取特征向量的说明，请参见步骤103-2-4中的描述。
步骤103-3：从待验证卡片图像中提取材质特征。
本申请所述的材质特征，是指与卡片材质相关的数据，通过对基准卡片和待识别卡片的上述材质特征数据的分析比对，可以反映两张卡片的材质是否相符。步骤101中从基准卡片图像中提取材质特征，与本步骤从待验证卡片图像中提取材质特征，采用的是相同的方法，下面结合附图6，通过下述步骤103-3-1至103-3-2对材质特征的提取作详细说明。
步骤103-3-1：按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，作为材质提取区域。
本步骤按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，步骤103-3-2从该区域的图像中提取与卡片材质相关的数据。例如，卡片的尺寸为w×h像素，本步骤按照预先设定的位置和尺寸，从卡片图像右上角截取一块大小为(1/20)w×(1/10)h像素的图像区域，作为所述材质提取区域。
步骤103-3-2：提取所述材质提取区域中每一像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据。
所述色调H、饱和度S和亮度I，是HSI色彩空间模型用于描述颜色特性的三个参数，这三个参数与物体材质存在如下的关系：不同表面结构、照射光源及视觉生理特性，影响着物体的色调、亮度、饱和度这三个基本特性，在不同亮度的自然光下，同一材质物体的表面像素点分布在近似相同的色彩空间曲面上；而不同表面材质的物体，其表面像素点分布在不同的色彩空间曲面上。本实施例的技术方案就是基于上述原理，从所述材质提取区域的图像中提取每个像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据。
卡片图像中的每个像素点通常是采用RGB三个分量(即：RGB色彩空间)进行描述的，而HSI色彩空间与RGB色彩空间存在一定的对应关系，可以相互进行转换。因此在具体实施时，可以根据上述两个空间中各个分量的对应关系，根据所述材质提取区域中的每个像素点的RGB分量值，转换得到对应的HSI分量值，也可以采用matlab提供的rgb2hsv()接口获取H、S、I分量的值，从而得到与卡片材质相关的数据，即本申请所述的材质特征。
步骤103-4：从待验证卡片图像中提取局部图形特征。
本申请所述的局部图形特征，是指卡片上的位于特定区域中的图像，针对不同的特定区域，所述局部图形特征包括：文字特征、徽标特征、签名特征，其中，文字特征是指卡片名称所在区域的图像(例如，银行卡上的银行名称所在区域图像)，徽标特征是指logo图像，签名特征则是指签名区域的图像(例如，银行卡背面的签名区域的图像)。在具体的实施中，可以根据需要从卡片图像中提取上述一种或者一种以上局部图形特征。
步骤101从基准卡片图像中提取局部图形特征，与本步骤从待验证卡片图像中提取局部图形特征，采用的是相同的方法，下面结合附图7，通过步骤103-4-1至103-4-2对局部图形特征的提取作详细说明。
步骤103-4-1：获取预存的对应所述卡片图像的卡片模板。
本步骤的处理过程与步骤103-1-2中描述的获取卡片模板的方式基本相同，因此不再赘述，请参见步骤103-1-2中的相关说明。
步骤103-4-2：根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像。
例如，要获取签名特征，则从所述卡片模板记录的区域位置信息中，读取签名区域的位置信息，并根据该位置信息，从所述卡片图像中截图，从而获取签名区域的图像，该图像即为本实施例技术方案所述的局部图形特征中的签名特征。
至此，通过上述步骤103-1至103-4，分别对号码特征、图案特征、材质特征以及局部图形特征的提取作了详细的说明。需要说明的是，之所以采用4个步骤分别描述4种卡片特征的提取过程，是为了能够比较清晰地描述这部分内容。而实际上上述4个步骤的序号并不代表对上述特征进行提取的先后顺序，在具体实施中，可以采取不同顺序进行上述特征的提取，也可以仅提取上述4种特征中的某几种，当然也可以提取没有在本实施例中列举出的其它可以表征卡片特征的数据，这些实施方式的变更，都不偏离本申请的核心，都在本申请的保护范围之内。
步骤104：判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证。
由于在步骤103中可以提取多种待验证卡片特征，因此在本步骤中，需要针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；当上述判断结果都为“是”时，则判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符，同时判定所述客户端通过当前的身份验证。
与步骤103中的描述相对应，在下文中结合附图8，通过步骤104-1至104-4分别针对各种卡片特征，说明如何判断待验证卡片与基准卡片的相应特征是否相符。
步骤104-1：判断号码特征是否相符。
根据待验证客户端的账户信息，从数据库或者其它存储系统中提取已存的基准卡片的号码特征，如果该数据是加密后的数据，则采用与加密算法对应的解密算法进行解密。上述提取已存卡片特征以及对解密的处理过程，对于后续的步骤104-2至104-4来说也都是类似的，因此在后续步骤中不再重复描述这部分内容，而是重点说明如何判断卡片特征是否相符。
将基准卡片的号码特征与步骤103-1从待验证卡片图像中提取的号码特征进行比对，由于号码特征就是一串号码，因此可以采用字符串比对的方式，如果比对结果为相同，则判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
步骤104-2：判断图案特征是否相符。
如果在前面的步骤中采用字典学习的方法生成的基准卡片和待验证卡片的图案特征，则可以在本步骤中通过以下两个步骤进行判断：
(1)计算基准卡片图案特征与待验证卡片图案特征之间的欧式距离，所述欧式距离通常可以表征上述两种特征对应的图案图像的相似度。在具体实施时，可以采用matlab提供的pdist()接口函数计算上述两种特征之间的欧式距离。
(2)判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征对应相同的卡片。
如果在前面的步骤中采用SIFT算法提取的基准卡片和待验证卡片的图案特征，则可以在本步骤中通过以下两个步骤进行判断：
(1)针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并选择最近欧式距离和次近欧式距离对应的两个特征点，如果所述最近欧式距离与所述次近欧式距离的比值小于预先设定的阈值，则认为待验证卡片图案特征的当前特征点与基准卡片图案特征中的所述最近欧式距离对应的特征点匹配成功，累加匹配成功的特征点的数目。
(2)完成上述特征点匹配操作后，判断所述匹配成功的特征点的总数是否满足预先设定的阈值；若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
步骤104-3：判断材质特征是否相符。
由于在不同亮度的自然光下，同一材质物体的表面像素点分布在近似相同的色彩空间曲面上；而不同表面材质的物体，其表面像素点分布在不同的色彩空间曲面上，基于上述基本原理，本实施例的技术方案通过以下步骤104-3-1至104-3-4判断所述基准卡片与待验证卡片的材质特征是否相符，下面结合附图9进行详细说明。
步骤104-3-1：生成离散样本曲面。
根据所述基准卡片材质特征中各个像素点的色调H、饱和度S和亮度I分量的值，以预先设定的特定分量作为纵向坐标、以其他两个分量作为平面坐标，生成离散样本曲面。
考虑到同一材质、同一色度的物体在饱和度达到上限的情况下，其饱和度不再随亮度值的降低而增加，因此如果以亮度作为离散样本曲面的纵向坐标，误差可能会比较大，比较优选的实施方式是，以色调和亮度这两个分量作为离散样本曲面的平面坐标，以饱和度分量作为纵向坐标，获得到比较准确的计算结果，在下面步骤的描述中都以饱和度S分量作为纵向坐标进行说明。
步骤104-3-2：对所述离散样本曲面进行平滑处理，获取局部连续曲面。
在具体实施中，可以采用训练神经网络的方式获取所述局部连续曲面，具体说，以基准卡片材质特征中每个像素点的H分量和I分量的值作为神经网络输入端的训练数据，以S分量的值作为输出端训练数据，来训练神经网络，则可以得到所述局部连续网络。
上述采用神经网络进行训练的方式，通常训练时间较长，而且精度难以得到保证，因此也可以采用另外一种实施方式：利用数学形态学中结构元素的概念，将离散的样本曲面变换成局部连续的样本曲面，即：对所述离散样本曲面中的空缺像素点周围的像素点分布情况进行分析，当所述周围像素点的分布满足一定要求时，则可以将所述周围像素点的像素值的平均值，作为所述空缺像素点的像素值，通过上述填补空缺点的处理过程，同样可以获取局部连续曲面。
步骤104-3-3：获取符合基准卡片材质特征的像素点数目。
对待验证卡片材质特征中的每个像素点，计算该像素点的S分量值与所述局部连续曲面之间的最近距离d，并用1与所述最近距离d的差值作为该像素点的相似度系数，判断所述相似度系数是否满足预先设定的要求，若是则判定该像素点符合基准卡片材质特征，并累加所述符合基准卡片材质特征的像素点的数目。
在本实施例的一个具体例子中，预先设定的要求是相似度系数大于0.9，也就是说当待验证卡片材质特征中某个像素点的相似度系数大于0.9时，则认为该像素点符合基准卡片材质特征。
步骤104-3-4：判断两种材质特征是否相符。
判断上述获取的符合基准卡片材质特征的像素点的总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
步骤104-4：判断局部图形特征是否相符。
判断基准卡片与待验证卡片的局部图形特征是否相符，可以采用图形比对的方式，即比对每个像素点的像素值是否相同，并根据比对结果进行判断。
具体说，首先调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同；然后针对所述待验证卡片的所述图像区域中的每一个像素点，比较其像素值与所述基准卡片相应图像中的相应像素点的像素值是否相同(对于彩色图像，提取RGB分量分别进行比对，对于灰度图像，则直接提取灰度值进行比对即可)，如果比对结果相同，则说明当前比对的两个像素点相同，累加相同像素点的数目；最后，判断所述相同像素点的总数是否满足预先设定的要求；若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
如果上述步骤104-1至104-4的判断结果都为“是”，则判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符，所述客户端通过当前的身份验证，否则判定所述客户端未通过当前的身份验证，并将上述身份验证结果返回给所述客户端。在具体实施中，为了提高效率，只要上述判断步骤中有一个的结果为“否”，即：只要待验证卡片有一种卡片特征与基准卡片的相应特征不相符，就可以直接判定所述客户端未通过当前的身份验证。
在上述的实施例中，提供了一种利用卡片特征进行身份验证的方法，与之相对应的，本申请还提供一种利用卡片特征进行身份验证的装置。请参看图10，其为本申请的一种利用卡片特征进行身份验证的装置实施例示意图。由于装置实施例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。下述描述的装置实施例仅仅是示意性的。
本实施例的一种利用卡片特征进行身份验证的装置，包括：基准卡片特征生成单元1001，用于生成并存储对应特定账户的基准卡片特征；身份验证请求接收单元1002，用于接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；待验证卡片特征提取单元1003，用于从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征；身份验证判断单元1004，用于判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证。
可选的，所述基准卡片特征生成单元包括：
基准卡片图像接收子单元，用于接收客户端发送的对应所述特定账户的基准卡片图像；
基准卡片特征提取子单元，用于从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征；
基准卡片特征存储子单元，用于存储已提取的对应所述特定账户的基准卡片特征。
可选的，所述基准卡片特征生成单元还包括：
加密子单元，用于采用加密算法对已提取的基准卡片特征加密；
相应的，所述基准卡片特征存储子单元具体用于，存储加密后的基准卡片特征；
相应的，所述身份验证判断单元包括：
解密子单元，用于采用与所述加密算法对应的解密算法，对所述特定账户已存的基准卡片特征进行解密；
特征相符判断子单元，用于判断所述待验证卡片特征与所述解密后的基准卡片特征是否相符；
通过判断子单元，用于当所述特征相符判断子单元的输出为“是”时，判定所述客户端通过所述身份验证。
可选的，所述身份验证判断单元包括：
特征判断子单元，用于针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；
身份验证子单元，用于当所述特征判断子单元输出的判断结果都为“是”时，则判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符，所述客户端通过所述身份验证。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
号码特征提取子单元，用于从对应的卡片图像中提取号码信息，所述号码信息即为对应卡片的号码特征；
所述号码特征提取子单元包括：
灰度处理子单元，用于将所述卡片图像转换为灰度图像；
号码区域获取子单元，用于获取所述卡片图像中包含号码信息的矩形图像区域；
号码识别子单元，用于识别所述矩形图像区域中的号码信息；
相应的，所述特征判断子单元包括：
号码特征判断子单元，用于比较所述待验证卡片图像包含的号码信息与所述基准卡片图像包含的号码信息是否一致；若是，判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
可选的，所述号码区域获取子单元具体用于，获取预存的对应所述卡片图像的卡片模板，根据所述卡片模板记录的区域位置信息，获取所述卡片图像中包含号码信息的矩形图像区域；
或者，所述号码区域获取子单元具体用于，采用边缘检测算法，对所述卡片图像进行横向分割，获取所述卡片图像中包含号码信息的矩形图像区域。
可选的，所述号码识别子单元包括：
号码图像纵向分割子单元，用于采用边缘检测算法，对所述矩形图像区域进行纵向分割，获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码；
特征值获取子单元，用于获取每个待识别号码图像的特征值；
号码识别执行子单元，用于针对每个待识别号码图像，采用KNN算法计算所述待识别号码图像特征值与预先存储的每个样本号码图像的特征值之间的距离，并根据计算结果选择与所述待识别号码图像对应的样本号码，所述样本号码即为所述待识别号码图像中包含的号码。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第一图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第一图案特征提取子单元包括：
图像尺寸归一化子单元，用于按照预先设定的尺寸，对所述卡片图像尺寸进行归一化；
图像块提取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块；
样本集归一化子单元，用于对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内；
局部特征获取子单元，用于针对上述图像块，采用字典学习的方法获取局部特征；
图案特征获取子单元，用于根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征。
相应的，所述特征判断子单元包括：
第一图案特征判断子单元，用于计算所述待验证卡片的图案特征与所述特定账户已存的基准卡片的图案特征之间的欧式距离，所述欧式距离用于表征上述两种特征对应的图案图像的相似度；判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第二图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第二图案特征提取子单元具体用于，采用SIFT算法提取所述卡片图像的特征点及对应的特征向量，作为所述卡片图像的图案特征；
相应的，所述特征判断子单元包括：
第二图案特征判断子单元，用于针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并根据计算结果累加匹配成功的特征点数目，判断所述匹配成功的特征点总数是否满足预先设定的阈值，若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
材质特征提取子单元，用于从对应的卡片图像中提取与卡片材质相关的数据；
所述材质特征提取子单元包括：
材质区域截取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，作为材质提取区域；
材质数据获取子单元，用于提取所述材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据；
相应的，所述特征判断子单元包括：
材质特征判断子单元，用于根据所述基准卡片材质特征和待验证卡片材质特征中的各个像素点的色调H、饱和度S和亮度I分量的值，判断所述待验证卡片材质特征中的各个像素点是否符合基准卡片材质特征，并累加符合的像素点数目，并判断所述像素点总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
可选的，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
局部图形特征提取子单元，用于从对应的卡片图像中提取所述局部图形特征；
所述局部图形特征提取子单元包括：
卡片模板获取子单元，用于获取预存的对应所述卡片图像的卡片模板；
局部图形图像获取子单元，用于根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像；
相应的，所述特征判断子单元包括：
局部图形特征判断子单元，用于调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同，比较所述待验证卡片与所述基准卡片相应图像区域中的相应像素点的像素值是否相同，并累加相同像素点的数目，判断所述相同像素点的总数是否满足预先设定的要求，若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
与上述的一种利用卡片特征进行身份验证的方法相对应的，本申请还提供一种客户端身份验证方法。请参考图11，其为本申请提供的一种客户端身份验证方法的实施例的流程图，本实施例与第一实施例步骤相同的部分不再赘述，下面重点描述不同之处。本申请提供的一种客户端身份验证方法包括：
步骤1101：获取作为身份验证比对基准的基准卡片图像。
根据卡片特征进行身份验证的客户端，首先要向服务端提供作为身份验证比对基准的基准卡片图像，这个过程通常也称为注册，本步骤的主要目的就是在客户端获取用于注册的基准卡片图像。
在具体实施中，对于具有摄像头的个人电脑、智能手机等终端设备，可以采用拍摄卡片的方式获取基准卡片图像。对于不同的终端设备及应用场景，可以采用不同的方式获取基准卡片图像。例如，对于具有摄像头的个人电脑网页，可以采用CAB包方式(例如使用ImageCapOnWeb.cab)，通过本地ActiveX调用获取基准卡片图像；对于智能手机等终端设备，则可以调用SDK工具箱或者系统提供的接口获取基准卡片图像，例如在Android手机设备上，可以调用系统提供的Camera API中的相关接口实现上述功能。
因为卡片的正面通常包含了卡片的主要图像或者信息，例如银行卡的正面包含银行卡号、银行名称、logo等，因此可以只获取卡片的正面图像。考虑到卡面反面通常也可能包含一些表征卡片特征的图像或者信息，例如，银行卡背面的用户签名等，因此也可以只获取卡片的反面图像。为了使服务端能够提取基准卡片的更为丰富的卡片特征，为后续基于卡片特征的身份验证提供更为完善的数据，从而使得身份验证过程更为安全有效，在本步骤中还可以采用正方两方面均拍摄一次的方式，获取基准卡片图像的正面图像和反面图像。
步骤1102：向服务端发送对应特定账户的所述基准卡片图像；所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证。
将在步骤1101中获取的基准卡片图像发送给负责进行身份验证的服务端，因为所述基准卡片图像是与特定账户相关联的，因此在本步骤通常也将客户端当前使用的账户信息一并发送给所述服务端。所述服务端接收上述信息后，通常将基准卡片图像与对应的账户信息进行加密并存储，为后续的所述特定账户客户端的身份验证做好准备。
步骤1103：获取用于进行身份验证的待验证卡片图像。
获取待验证卡片图像，与获取基准卡片图像的步骤是类似的，请参见步骤1101中的相关说明。本步骤与步骤1101类似，也可以获取所述待验证卡片的正面图像和/或反面图像。
步骤1104：向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像。
当客户端要执行一些比较重要的操作之前，可以根据所持有的实体卡片的卡片特征进行身份验证，因此在本步骤中向服务端发送对应特定账户的客户端身份验证请求，所述请求中包含了在步骤1103中获取的待验证卡片图像。所述请求中还可以携带客户端当前的账户信息，所述服务端可以依据该账户信息提取对应的基准卡片特征，并完成身份验证处理。
步骤1105：接收所述服务端返回的所述客户端是否通过身份验证的应答。
接收所述服务端返回的关于身份验证是否通过的应答，如果通过，则可以授权客户端继续执行后续的重要操作，或者提示客户端用户进行进一步的身份验证，例如要求客户端提供与卡片对应的密码等信息；如果未通过，说明当前客户端用户可能未持有与所述特定账户对应的有效实体卡片，因此可以禁止客户端用户继续执行后续的重要操作，例如，禁止客户端用户执行在线支付操作，从而避免可能出现的盗刷卡情况。
在上述的实施例中，提供了一种客户端身份验证方法，与之相对应的，本申请还提供一种客户端身份验证装置。请参看图12，其为本申请的一种客户端身份验证装置的实施例示意图。由于装置实施例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。下述描述的装置实施例仅仅是示意性的。
本实施例的一种客户端身份验证装置，包括：基准卡片图像获取单元1201，用于获取作为身份验证比对基准的基准卡片图像；基准卡片图像发送单元1202，用于向所述服务端发送所述特定账户的基准卡片图像，所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证；待验证卡片图像获取单元1203，用于获取用于进行身份验证的待验证卡片图像；身份验证请求发送单元1204，用于向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像；身份验证应答接收单元1205，用于接收所述服务端返回的所述客户端是否通过身份验证的应答。
可选的，所述基准卡片图像获取单元具体用于，获取所述卡片的正面图像和/或反面图像；
相应的，所述待验证卡片图像获取单元具体用于，采用与所述基准卡片图像获取单元相同的方式获取所述卡片的正面图像和/或反面图像。
本申请实施例还提供了一种利用卡片特征进行身份验证的系统，如图13所示，该系统包括上述实施例所述的利用卡片特征进行身份验证的装置1301，客户端身份验证装置1302。
所述客户端身份验证装置可以部署于移动通讯设备、个人电脑、PAD、iPad等多种具有摄像头或者具备拍摄功能的终端设备；所述利用卡片特征进行身份验证的装置通常部署于服务器，但并不局限于服务器，也可以是能够实现本申请的利用卡片特征进行身份验证的方法的任何设备。下面以所述客户端身份验证装置部署在智能手机客户端、所述利用卡片特征进行身份验证的装置部署于服务器、并且智能手机客户端采用银行卡进行在线支付为例，说明本系统的处理流程。
智能手机客户端在注册阶段，利用摄像头获取银行卡的正、反两面的图像，作为基准卡片图像，并将该图像发送给服务器，服务器从接收到的基准卡片图像中提取号码特征、图案特征、材质特征以及签名特征，并将加密后的上述特征数据以及对应的客户端账户信息存储在银行卡数据库中，至此完成了基准卡片特征的注册过程。此后，当所述智能手机客户端需要执行在线支付操作时，首先利用摄像头拍摄在线支付所用银行卡的正、反两面的图像，并上传给服务器，服务器从接收到的待验证卡片图像中提取号码特征、图案特征、材质特征以及签名特征，并从银行卡数据库中取出与待验证客户端账户对应的上述四种基准卡片特征，并按照特定的算法将待验证卡片特征与基准卡片特征中的每种对应的卡片特征进行比对，判断是否相符，如果上述4种卡片特征的比对结果都为相符，则判定所述智能手机客户端通过身份验证，并将该结果返回给所述智能手机客户端。所述智能手机客户端根据接收到的身份验证结果执行后续的操作，如果通过身份验证，则继续执行后续的与在线支付有关的操作，如果未通过身份验证，则禁止客户端执行后续的与在线支付有关的操作。
上面描述的仅仅是有助于理解本系统处理流程的一个具体例子。在具体的实施过程中，可以根据实际需要进行相应的变更。例如，进行身份验证的卡片并不限于银行卡，可以是其他可用于身份验证的卡片；客户端上传给服务端的可以是正反两面的两幅卡片图像，也可以是正面或者反面的一幅卡片图像；根据客户端上传的卡片图像，服务端可以根据自己的策略从中提取某一种或者多种卡片特征。还有其他实施方式的变更，不在此处一一列举，只要能够实现本申请提供的利用卡片特征进行身份验证的系统的整体功能，都在本申请的保护范围之内。
本申请提供的利用卡片特征进行身份验证的技术方案，客户端向服务端发送身份验证请求，所述请求中携带对应特定账户的待验证卡片图像，服务端接收该请求后，从所述请求包含的待验证卡片图像中提取待验证卡片特征，判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符，从而判定所述客户端是否通过身份验证。采用上述方法，通过对实体卡片的图像特征的识别和比对，提供对持卡人进行身份验证的一种有效方法，保障持卡人的合法利益，特别是应用于使用银行卡进行在线支付的场景，可以避免因为银行卡信息泄露导致的盗刷卡情况的发生，提高在线支付的安全性。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (29)

1.一种利用卡片特征进行身份验证的方法，其特征在于，包括：
接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；
从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征；所述待验证卡片特征包括材质特征，所述材质特征从对应的卡片图像中提取与卡片材质相关的数据获得；且所述与卡片材质相关的数据为提取材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值；且所述材质提取区域为按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域；
判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证；
相应的，针对每一种所述待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征的所述材质特征是否相符包括：
根据所述基准卡片材质特征中各个像素点的色调H、饱和度S和亮度I分量的值，以预先设定的特定分量作为纵向坐标、以其他两个分量作为平面坐标，生成离散样本曲面；
对所述离散样本曲面进行平滑处理，获取局部连续曲面；
对待验证卡片材质特征中的每个像素点，计算该像素点的所述特定分量值与所述局部连续曲面之间的最近距离，判断所述最近距离是否满足预先设定的要求，若是则判定所述像素点符合基准卡片材质特征，并累加所述符合基准卡片材质特征的像素点的数目；
判断所述符合基准卡片材质特征的像素点的总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
2.根据权利要求1所述的利用卡片特征进行身份验证的方法，其特征在于，所述特定账户已存的基准卡片特征采用如下步骤生成：
接收客户端发送的对应所述特定账户的基准卡片图像；
从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征；
存储已提取的对应所述特定账户的基准卡片特征。
3.根据权利要求2所述的利用卡片特征进行身份验证的方法，其特征在于，所述方法还包括：
采用加密算法对已提取的基准卡片特征加密；
相应的，所述存储已提取的对应所述特定账户的基准卡片特征是指，存储加密后的基准卡片特征；
相应的，所述判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符包括：
采用与所述加密算法对应的解密算法，对所述特定账户已存的基准卡片特征进行解密；
判断所述待验证卡片特征与所述解密后的基准卡片特征是否相符。
4.根据权利要求2所述的利用卡片特征进行身份验证的方法，其特征在于，所述卡片特征还包括以下特征中的至少一种：号码特征、图案特征、局部图形特征；所述局部图形特征包括以下特征中的至少一种：文字特征、徽标特征、签名特征；
相应的，所述判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符是指，
针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；当上述判断结果都为“是”时，则判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符。
5.根据权利要求4所述的利用卡片特征进行身份验证的方法，其特征在于，所述卡片特征包括号码特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取号码信息，所述号码信息即为对应卡片的号码特征；
所述从对应的卡片图像中提取号码信息，包括：
将所述卡片图像转换为灰度图像；
获取所述卡片图像中包含号码信息的矩形图像区域；
识别所述矩形图像区域中的号码信息；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
比较所述待验证卡片图像包含的号码信息与所述基准卡片图像包含的号码信息是否一致；若是，判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
6.根据权利要求5所述的利用卡片特征进行身份验证的方法，其特征在于，采用如下两种方式中的一种，获取所述卡片图像中包含号码信息的矩形图像区域：
获取预存的对应所述卡片图像的卡片模板；
根据所述卡片模板记录的区域位置信息，获取所述卡片图像中包含号码信息的矩形图像区域；
或者，
采用边缘检测算法，对所述卡片图像进行横向分割，获取所述卡片图像中包含号码信息的矩形图像区域。
7.根据权利要求5所述的利用卡片特征进行身份验证的方法，其特征在于，所述识别所述矩形图像区域中的号码信息包括：
采用边缘检测算法，对所述矩形图像区域进行纵向分割，获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码；
获取每个待识别号码图像的特征值；
针对每个待识别号码图像，采用KNN算法计算所述待识别号码图像特征值与预先存储的每个样本号码图像的特征值之间的距离，并根据计算结果选择与所述待识别号码图像对应的样本号码，所述样本号码即为所述待识别号码图像中包含的号码。
8.根据权利要求4所述的利用卡片特征进行身份验证的方法，其特征在于，所述卡片特征包括图案特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取图案特征；
所述从对应的卡片图像中提取图案特征，包括：
按照预先设定的尺寸，对所述卡片图像尺寸进行归一化；
按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块；
对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内；
针对上述图像块，采用字典学习的方法获取局部特征；
根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
计算所述待验证卡片的图案特征与所述特定账户已存的基准卡片的图案特征之间的欧式距离，所述欧式距离用于表征上述两种特征对应的图案图像的相似度；
判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征相符。
9.根据权利要求8所述的利用卡片特征进行身份验证的方法，其特征在于，在对所述卡片图像尺寸进行归一化之前，执行下述步骤：
将待提取图案特征的卡片图像转换为灰度图像。
10.根据权利要求8所述的利用卡片特征进行身份验证的方法，其特征在于，在所述采用字典学习的方法获取局部特征之前，执行下述操作：
对执行了样本集归一化后的图像块进行白化处理去除相关性。
11.根据权利要求4所述的利用卡片特征进行身份验证的方法，其特征在于，所述卡片特征包括图案特征时，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取图案特征；
所述从对应的卡片图像中提取图案特征是指，采用SIFT算法提取所述卡片图像的特征点及对应的特征向量，作为所述卡片图像的图案特征；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符包括：
针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并根据计算结果判断所述特征点是否匹配成功；若匹配成功，则累加匹配成功的特征点的数目；
判断所述匹配成功的特征点的总数是否满足预先设定的阈值；若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
12.根据权利要求1所述的利用卡片特征进行身份验证的方法，其特征在于，所述预先设定的特定分量是指，饱和度S分量。
13.根据权利要求4所述的利用卡片特征进行身份验证的方法，其特征在于，所述卡片特征包括一种或者一种以上局部图形特征时，针对每一种局部图形特征，所述提取基准卡片特征和提取待验证卡片特征的步骤中分别包括：从对应的卡片图像中提取所述局部图形特征的步骤；
所述从对应的卡片图像中提取所述局部图形特征，包括：
获取预存的对应所述卡片图像的卡片模板；
根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像；
相应的，所述针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否对应相同的卡片包括：
调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同；
针对所述待验证卡片调整尺寸后的图像区域中的每一个像素点，比较其像素值与所述基准卡片相应图像区域中的相应像素点的像素值是否相同；若相同，累加相同像素点的数目；
判断所述相同像素点的总数是否满足预先设定的要求；若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
14.一种利用卡片特征进行身份验证的装置，其特征在于，包括：
身份验证请求接收单元，用于接收待验证客户端发送的对应特定账户的身份验证请求，所述身份验证请求中包含待验证卡片图像；
待验证卡片特征提取单元，用于从所述待验证卡片图像中提取卡片特征，作为待验证卡片特征；
所述待验证卡片特征提取单元包括：
材质特征提取子单元，用于从对应的卡片图像中提取与卡片材质相关的数据；
材质区域截取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域，作为材质提取区域；
所述材质特征提取子单元包括：材质数据获取子单元，用于提取所述材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值，作为所述与卡片材质相关的数据；
身份验证判断单元，用于判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证；
所述身份验证判断单元包括：
特征判断子单元，用于针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；
相应的，所述特征判断子单元包括：
材质特征判断子单元，用于根据所述基准卡片材质特征和待验证卡片材质特征中的各个像素点的色调H、饱和度S和亮度I分量的值，判断所述待验证卡片材质特征中的各个像素点是否符合基准卡片材质特征，并累加符合的像素点数目，判断所述像素点总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符。
15.根据权利要求14所述的利用卡片特征进行身份验证的装置，其特征在于，所述装置还包括：
基准卡片特征生成单元，用于生成并存储对应特定账户的基准卡片特征；
所述基准卡片特征生成单元包括：
基准卡片图像接收子单元，用于接收客户端发送的对应所述特定账户的基准卡片图像；
基准卡片特征提取子单元，用于从所述基准卡片图像中提取卡片特征，作为所述基准卡片特征；
基准卡片特征存储子单元，用于存储已提取的对应所述特定账户的基准卡片特征。
16.根据权利要求15所述的利用卡片特征进行身份验证的装置，其特征在于，所述基准卡片特征生成单元还包括：
加密子单元，用于采用加密算法对已提取的基准卡片特征加密；
相应的，所述基准卡片特征存储子单元具体用于，存储加密后的基准卡片特征；
相应的，所述身份验证判断单元包括：
解密子单元，用于采用与所述加密算法对应的解密算法，对所述特定账户已存的基准卡片特征进行解密；
特征相符判断子单元，用于判断所述待验证卡片特征与所述解密后的基准卡片特征是否相符；
通过判断子单元，用于当所述特征相符判断子单元的输出为“是”时，判定所述客户端通过所述身份验证。
17.根据权利要求15所述的利用卡片特征进行身份验证的装置，其特征在于，所述身份验证判断单元包括：
特征判断子单元，用于针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；
身份验证子单元，用于当所述特征判断子单元输出的判断结果都为“是”时，判定所述待验证卡片特征与所述特定账户已存的基准卡片特征相符，所述客户端通过所述身份验证。
18.根据权利要求17所述的利用卡片特征进行身份验证的装置，其特征在于，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
号码特征提取子单元，用于从对应的卡片图像中提取号码信息，所述号码信息即为对应卡片的号码特征；
所述号码特征提取子单元包括：
灰度处理子单元，用于将所述卡片图像转换为灰度图像；
号码区域获取子单元，用于获取所述卡片图像中包含号码信息的矩形图像区域；
号码识别子单元，用于识别所述矩形图像区域中的号码信息；
相应的，所述特征判断子单元包括：
号码特征判断子单元，用于比较所述待验证卡片图像包含的号码信息与所述基准卡片图像包含的号码信息是否一致；若是，判定所述待验证卡片的号码特征与所述基准卡片的号码特征相符。
19.根据权利要求18所述的利用卡片特征进行身份验证的装置，其特征在于，所述号码区域获取子单元采用以下两种方式中的一种获取所述矩形图像区域：
获取预存的对应所述卡片图像的卡片模板，根据所述卡片模板记录的区域位置信息，获取所述卡片图像中包含号码信息的矩形图像区域；或者，
采用边缘检测算法，对所述卡片图像进行横向分割，获取所述卡片图像中包含号码信息的矩形图像区域。
20.根据权利要求18所述的利用卡片特征进行身份验证的装置，其特征在于，所述号码识别子单元包括：
号码图像纵向分割子单元，用于采用边缘检测算法，对所述矩形图像区域进行纵向分割，获取若干个待识别号码图像，所述每个待识别号码图像中包含一个待识别号码；
特征值获取子单元，用于获取每个待识别号码图像的特征值；
号码识别执行子单元，用于针对每个待识别号码图像，采用KNN算法计算所述待识别号码图像特征值与预先存储的每个样本号码图像的特征值之间的距离，并根据计算结果选择与所述待识别号码图像对应的样本号码，所述样本号码即为所述待识别号码图像中包含的号码。
21.根据权利要求17所述的利用卡片特征进行身份验证的装置，其特征在于，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第一图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第一图案特征提取子单元包括：
图像尺寸归一化子单元，用于按照预先设定的尺寸，对所述卡片图像尺寸进行归一化；
图像块提取子单元，用于按照预先设定的位置和尺寸，从所述卡片图像中提取预先设定数量的图像块；
样本集归一化子单元，用于对每一个图像块进行样本集归一化，使得所述图像块中每个像素值都在特定范围内；
局部特征获取子单元，用于针对上述图像块，采用字典学习的方法获取局部特征；
图案特征获取子单元，用于根据所述局部特征，采用平均池化技术或者最大池化技术获取所述卡片图像的图像特征，作为所述卡片的图案特征；
相应的，所述特征判断子单元包括：
第一图案特征判断子单元，用于计算所述待验证卡片的图案特征与所述特定账户已存的基准卡片的图案特征之间的欧式距离，所述欧式距离用于表征上述两种特征对应的图案图像的相似度；判断所述欧式距离是否大于预先设定的阈值，若是，则判定上述两种特征相符。
22.根据权利要求17所述的利用卡片特征进行身份验证的装置，其特征在于，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
第二图案特征提取子单元，用于从对应的卡片图像中提取图案特征；
所述第二图案特征提取子单元具体用于，采用SIFT算法提取所述卡片图像的特征点及对应的特征向量，作为所述卡片图像的图案特征；
相应的，所述特征判断子单元包括：
第二图案特征判断子单元，用于针对所述待验证卡片图案特征中的每一个特征点，计算其特征向量与所述基准卡片图案特征中的每个特征点对应的特征向量之间的欧式距离，并根据计算结果累加匹配成功的特征点数目，判断所述匹配成功的特征点总数是否满足预先设定的阈值，若是，则判定所述待验证卡片的图案特征与所述基准卡片的图案特征相符。
23.根据权利要求17所述的利用卡片特征进行身份验证的装置，其特征在于，所述基准卡片特征提取子单元和所述待验证卡片特征提取单元分别包括：
局部图形特征提取子单元，用于从对应的卡片图像中提取所述局部图形特征；
所述局部图形特征提取子单元包括：
卡片模板获取子单元，用于获取预存的对应所述卡片图像的卡片模板；
局部图形图像获取子单元，用于根据所述卡片模板记录的区域位置信息，获取所述卡片图像中与所述局部图形特征对应的图像区域中的图像；
相应的，所述特征判断子单元包括：
局部图形特征判断子单元，用于调整所述待验证卡片的局部图形特征对应的图像尺寸，使其与基准卡片的相应图像的尺寸相同，比较所述待验证卡片与所述基准卡片相应图像区域中的相应像素点的像素值是否相同，并累加相同像素点的数目，判断所述相同像素点的总数是否满足预先设定的要求，若是，判定所述待验证卡片的所述局部图形特征与所述基准卡片的所述局部图形特征相符。
24.一种客户端身份验证方法，其特征在于，包括：
获取用于进行身份验证的待验证卡片图像；
向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像；所述待验证卡片图像包括材质特征，所述材质特征从对应的卡片图像中提取与卡片材质相关的数据获得；且所述与卡片材质相关的数据为提取材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值；所述材质提取区域为按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域；其中，所述材质特征验证如下：
根据基准卡片材质特征中各个像素点的色调H、饱和度S和亮度I分量的值，以预先设定的特定分量作为纵向坐标、以其他两个分量作为平面坐标，生成离散样本曲面；
对所述离散样本曲面进行平滑处理，获取局部连续曲面；
对待验证卡片材质特征中的每个像素点，计算该像素点的所述特定分量值与所述局部连续曲面之间的最近距离，判断所述最近距离是否满足预先设定的要求，若是则判定所述像素点符合基准卡片材质特征，并累加所述符合基准卡片材质特征的像素点的数目；
判断所述符合基准卡片材质特征的像素点的总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符；
接收所述服务端返回的所述客户端是否通过身份验证的应答。
25.根据权利要求24所述的客户端身份验证方法，其特征在于，在执行所述获取用于进行身份验证的待验证卡片图像的步骤之前，执行下述步骤：
获取作为身份验证比对基准的基准卡片图像；
向所述服务端发送所述特定账户的基准卡片图像，所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证。
26.根据权利要求24所述的客户端身份验证方法，其特征在于，所述获取作为身份验证比对基准的基准卡片图像包括：获取所述卡片的正面图像和/或反面图像；
相应的，所述获取用于进行身份验证的待验证卡片图像，采用相同方式获取所述卡片的正面图像和/或反面图像。
27.一种客户端身份验证装置，其特征在于，包括：
待验证卡片图像获取单元，用于获取用于进行身份验证的待验证卡片图像；
身份验证请求发送单元，用于向服务端发送特定账户的客户端身份验证请求，所述请求中包含所述服务端验证客户端身份所需的所述待验证卡片图像，以及所述待验证卡片图像包括材质特征所述材质特征从对应的卡片图像中提取与卡片材质相关的数据获得；且所述与卡片材质相关的数据为提取材质提取区域中每个像素点的色调H、饱和度S和亮度I分量的值；所述材质提取区域为按照预先设定的位置和尺寸，从所述卡片图像中截取一个图像区域；
其中，身份验证请求发送单元包括：身份验证判断单元，用于判断所述待验证卡片特征与所述特定账户已存的基准卡片特征是否相符；若是，则判定所述客户端通过所述身份验证；
所述身份验证判断单元包括：
特征判断子单元，用于针对每一种待验证卡片特征，判断该特征与所述特定账户已存的相应基准卡片特征是否相符；
相应的，所述特征判断子单元包括：
材质特征判断子单元，用于根据所述基准卡片材质特征和待验证卡片材质特征中的各个像素点的色调H、饱和度S和亮度I分量的值，判断所述待验证卡片材质特征中的各个像素点是否符合基准卡片材质特征，并累加符合的像素点数目，判断所述像素点总数是否大于预先设定的材质判定阈值，若是，则判定所述待验证卡片材质特征与所述基准卡片材质特征相符；
身份验证应答接收单元，用于接收所述服务端返回的所述客户端是否通过身份验证的应答。
28.根据权利要求27所述的客户端身份验证装置，其特征在于，所述装置还包括：
基准卡片图像获取单元，用于获取作为身份验证比对基准的基准卡片图像；
基准卡片图像发送单元，用于向所述服务端发送所述特定账户的基准卡片图像，所述服务端根据所述基准卡片图像对所述特定账户客户端的身份验证请求进行验证。
29.一种利用卡片特征进行身份验证的系统，其特征在于，包括：根据上述权利要求14所述的利用卡片特征进行身份验证的装置，以及根据上述权利要求27所述的客户端身份验证装置。
CN201410398375.8A 2014-08-14 2014-08-14 利用卡片特征进行身份验证的方法、装置及系统 Active CN105450411B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201410398375.8A CN105450411B (zh) 2014-08-14 2014-08-14 利用卡片特征进行身份验证的方法、装置及系统
TW104103225A TWI678638B (zh) 2014-08-14 2015-01-30 利用卡片特徵進行身份驗證的方法、裝置及系統
US14/739,711 US10248954B2 (en) 2014-08-14 2015-06-15 Method and system for verifying user identity using card features
PCT/US2015/035883 WO2016025071A1 (en) 2014-08-14 2015-06-15 Method and system for verifying user identity using card features
HK16109710.2A HK1221579A1 (zh) 2014-08-14 2016-08-15 利用卡片特徵進行身份驗證的方法、裝置及系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410398375.8A CN105450411B (zh) 2014-08-14 2014-08-14 利用卡片特征进行身份验证的方法、装置及系统

Publications (2)

Publication Number Publication Date
CN105450411A CN105450411A (zh) 2016-03-30
CN105450411B true CN105450411B (zh) 2019-01-08

Family

ID=55302467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410398375.8A Active CN105450411B (zh) 2014-08-14 2014-08-14 利用卡片特征进行身份验证的方法、装置及系统

Country Status (5)

Country Link
US (1) US10248954B2 (zh)
CN (1) CN105450411B (zh)
HK (1) HK1221579A1 (zh)
TW (1) TWI678638B (zh)
WO (1) WO2016025071A1 (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997580B (zh) * 2016-01-25 2020-09-01 阿里巴巴集团控股有限公司 图片处理方法和装置
SG10201603768SA (en) * 2016-05-11 2017-12-28 Mastercard Asia Pacific Pte Ltd Method And System For Identifying A Payment Card Design
US10635894B1 (en) * 2016-10-13 2020-04-28 T Stamp Inc. Systems and methods for passive-subject liveness verification in digital media
US10460153B2 (en) * 2016-11-15 2019-10-29 Futurewei Technologies, Inc. Automatic identity detection
CN108604341B (zh) * 2016-11-21 2022-04-12 华为技术有限公司 交易方法、支付设备、校验设备和服务器
CN106683257A (zh) * 2016-12-30 2017-05-17 深圳怡化电脑股份有限公司 冠字号定位方法及装置
CN106991566A (zh) * 2017-03-23 2017-07-28 上海族蚂信息科技有限公司 一种在线交互数据处理系统
CN108875451B (zh) * 2017-05-10 2023-04-07 腾讯科技（深圳）有限公司 一种定位图像的方法、装置、存储介质和程序产品
CN107516105B (zh) * 2017-07-20 2020-06-16 阿里巴巴集团控股有限公司 图像处理方法及装置
CN107944339B (zh) * 2017-10-20 2020-01-21 阿里巴巴集团控股有限公司 一种证件验证、身份验证方法和装置
US10559211B2 (en) 2017-11-27 2020-02-11 Uber Technologies, Inc. Real-time service provider progress monitoring
CN108268641B (zh) * 2018-01-18 2020-11-13 大象慧云信息技术有限公司 发票信息识别方法及发票信息识别装置、设备和存储介质
US11457042B1 (en) 2018-02-27 2022-09-27 Wells Fargo Bank, N.A. Multi-tiered system for detecting and reducing unauthorized network access
US11093771B1 (en) 2018-05-04 2021-08-17 T Stamp Inc. Systems and methods for liveness-verified, biometric-based encryption
US11496315B1 (en) 2018-05-08 2022-11-08 T Stamp Inc. Systems and methods for enhanced hash transforms
CN109374042B (zh) * 2018-07-12 2021-05-28 中山职业技术学院 一种智能定制家具组装部件质检系统及方法
US10733473B2 (en) * 2018-09-20 2020-08-04 Uber Technologies Inc. Object verification for a network-based service
US10999299B2 (en) * 2018-10-09 2021-05-04 Uber Technologies, Inc. Location-spoofing detection system for a network service
CN112801669B (zh) * 2018-10-25 2025-01-03 创新先进技术有限公司 身份认证、号码保存和发送、绑定号码方法、装置及设备
US11436366B2 (en) * 2019-01-21 2022-09-06 Bitdefender IPR Management Ltd. Parental control systems and methods for detecting an exposure of confidential information
CN110032878B (zh) * 2019-03-04 2021-11-02 创新先进技术有限公司 一种安全的特征工程方法和装置
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
KR20190106853A (ko) * 2019-08-27 2019-09-18 엘지전자 주식회사 텍스트 인식 장치 및 방법
CN113159288B (zh) * 2019-12-09 2022-06-28 支付宝(杭州)信息技术有限公司 防止隐私数据泄漏的编码模型训练方法及装置
CN111079644B (zh) * 2019-12-13 2023-06-06 四川新网银行股份有限公司 基于距离和关节点识别外力辅助拍照的方法及存储介质
CN111522541B (zh) * 2020-01-17 2023-08-01 中国银联股份有限公司 一种图形化代码生成方法、装置以及计算机可读存储介质
CN111415243A (zh) * 2020-03-24 2020-07-14 支付宝(杭州)信息技术有限公司 辅助国际银行卡审核的方法及其装置
CN113282903A (zh) * 2020-03-26 2021-08-20 深圳怡化电脑股份有限公司 一种电子卡片的认证方法及装置
US11967173B1 (en) 2020-05-19 2024-04-23 T Stamp Inc. Face cover-compatible biometrics and processes for generating and using same
US11809988B2 (en) * 2020-06-22 2023-11-07 Mitsubishi Electric Research Laboratories, Inc. Artificial intelligence system for classification of data based on contrastive learning
CN112070913B (zh) * 2020-07-17 2022-05-10 盛威时代科技集团有限公司 基于物联网技术的检票处理方法
US11977611B2 (en) 2020-10-20 2024-05-07 Mastercard International Incorporated Digital rights management platform
WO2022144981A1 (ja) * 2020-12-28 2022-07-07 楽天グループ株式会社 認証システム、認証方法、及びプログラム
US12079371B1 (en) 2021-04-13 2024-09-03 T Stamp Inc. Personal identifiable information encoder
US12106334B2 (en) * 2021-05-07 2024-10-01 Tina Anne Sebastian Artificial intelligence-based system and method for grading collectible trading cards
CN114268621B (zh) * 2021-12-21 2024-04-19 东方数科(北京)信息技术有限公司 基于深度学习的数字仪表读表方法及装置
CN114531597A (zh) * 2021-12-29 2022-05-24 福建正孚软件有限公司 一种图像信息的编码方法及存储介质
US20230419300A1 (en) * 2022-06-28 2023-12-28 Entrust Corporation Integrated digital and physical card issuance processes
TWI825892B (zh) * 2022-08-02 2023-12-11 宏碁股份有限公司 立體格式影像偵測方法與使用該方法的電子裝置
TWI826033B (zh) * 2022-10-07 2023-12-11 宏碁股份有限公司 影像顯示方法與3d顯示系統
CN115545122B (zh) * 2022-11-28 2023-04-07 中国银联股份有限公司 对象匹配方法、装置、设备、系统、介质及程序产品
CN118072336B (zh) * 2024-01-08 2024-08-13 北京三维天地科技股份有限公司 基于OpenCV的固定版式卡证和表单结构化识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526166B1 (en) * 1999-12-29 2003-02-25 Intel Corporation Using a reference cube for capture of 3D geometry
CN103106413A (zh) * 2013-02-07 2013-05-15 华中科技大学 一种签名二维码表示与认证的方法

Family Cites Families (121)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4281391A (en) 1979-01-15 1981-07-28 Leland Stanford Junior University Number theoretic processor
US6134536A (en) 1992-05-29 2000-10-17 Swychco Infrastructure Services Pty Ltd. Methods and apparatus relating to the formulation and trading of risk management contracts
CN1284187A (zh) 1997-12-08 2001-02-14 新日本制铁株式会社 商品交易装置、商品交易系统、商品交易方法和存储媒体
ES2151844B1 (es) 1998-09-22 2001-07-16 Eliop Sa Sistema de cuenta de personas por imagenes de presion
CN1630865A (zh) 1998-11-13 2005-06-22 大通银行 在非安全的网络上用于多币种多银行处理的系统和方法
US6697947B1 (en) 1999-06-17 2004-02-24 International Business Machines Corporation Biometric based multi-party authentication
US6726094B1 (en) * 2000-01-19 2004-04-27 Ncr Corporation Method and apparatus for multiple format image capture for use in retail transactions
US7043457B1 (en) 2000-06-28 2006-05-09 Probuild, Inc. System and method for managing and evaluating network commodities purchasing
US6938019B1 (en) 2000-08-29 2005-08-30 Uzo Chijioke Chukwuemeka Method and apparatus for making secure electronic payments
US8159338B2 (en) 2002-06-11 2012-04-17 Automotive Technologies International, Inc. Asset monitoring arrangement and method
US7383223B1 (en) 2000-09-20 2008-06-03 Cashedge, Inc. Method and apparatus for managing multiple accounts
JP3532860B2 (ja) 2001-01-22 2004-05-31 株式会社東芝 剰余系表現を利用した演算装置及び方法及びプログラム
US20020111916A1 (en) 2001-02-12 2002-08-15 Coronna Mark S. Payment management
US6731994B2 (en) 2001-04-27 2004-05-04 International Business Machines Corporation Computer method for providing optimization of manufacturing processes, with dynamic constraints
CA2403300A1 (en) 2002-09-12 2004-03-12 Pranil Ram A method of buying or selling items and a user interface to facilitate the same
US7111789B2 (en) 2001-08-31 2006-09-26 Arcot Systems, Inc. Enhancements to multi-party authentication and other protocols
US7269737B2 (en) * 2001-09-21 2007-09-11 Pay By Touch Checking Resources, Inc. System and method for biometric authorization for financial transactions
US7389275B2 (en) 2002-03-05 2008-06-17 Visa U.S.A. Inc. System for personal authorization control for card transactions
US6915284B2 (en) 2002-04-18 2005-07-05 Hewlett-Packard Development Company, Lp. System and method for automated message response, within a system for harvesting community knowledge
US20050038707A1 (en) 2002-08-30 2005-02-17 Navio Systems, Inc. Methods and apparatus for enabling transactions in networks
US8577795B2 (en) 2002-10-10 2013-11-05 Convergys Information Management Group, Inc. System and method for revenue and authorization management
US7827101B2 (en) 2003-01-10 2010-11-02 First Data Corporation Payment system clearing for transactions
TWI236637B (en) * 2003-03-25 2005-07-21 Top Dihital Co Ltd Portable electronic device having a pattern identification system
US7809762B1 (en) 2003-07-11 2010-10-05 Bmc Software, Inc. Outage-less database change operation
JP4306390B2 (ja) 2003-09-29 2009-07-29 日本電気株式会社 パスワード認証装置、方法及びプログラム
JP2005112499A (ja) 2003-10-03 2005-04-28 Hitachi Ltd 物品残量在庫管理発注システムおよびそれを用いた物品受発注管理システム
US7359724B2 (en) 2003-11-20 2008-04-15 Nokia Corporation Method and system for location based group formation
US7111137B2 (en) 2003-12-29 2006-09-19 Sun Microsystems, Inc. Data storage systems and processes, such as one-way data mirror using write mirroring
US7251495B2 (en) 2004-02-04 2007-07-31 Microsoft Corporation Command based group SMS with mobile message receiver and server
GB2412980A (en) 2004-04-07 2005-10-12 Hewlett Packard Development Co A method of distributing load amongst two or more computer system resources
US7946474B1 (en) 2004-06-21 2011-05-24 Agrawal Subhash C Method of and apparatus for forecasting cash demand and load schedules for money dispensers
US20060089897A1 (en) 2004-08-25 2006-04-27 Eric Maas Systems and methods for online trade-in of goods
US20060056626A1 (en) 2004-09-16 2006-03-16 International Business Machines Corporation Method and system for selectively masking the display of data field values
DE102004047258A1 (de) 2004-09-24 2006-04-13 Siemens Ag Vorrichtung zur Ermittlung der Auslastung von Fahrzeugen
JP4974901B2 (ja) 2005-01-11 2012-07-11 テルコーディア テクノロジーズ インコーポレイテッド アドホック無線ピアツーピアネットワークを確立及び編成する方法
US7770006B2 (en) 2005-05-26 2010-08-03 Oracle International Corporation Method and apparatus for authorizing a database operation
US7774238B2 (en) 2005-07-08 2010-08-10 Monsoon, Inc. Online marketplace management system with automated pricing tool
KR100663483B1 (ko) * 2005-08-09 2007-01-02 삼성전자주식회사 전방향 카메라를 이용한 무인 감시 방법 및 장치
US7729977B2 (en) 2005-08-17 2010-06-01 Quan Xiao Method and system for grouping merchandise, services and users and for trading merchandise and services
US8301499B2 (en) 2005-12-29 2012-10-30 Ebay Inc. Product-based advertising
US8090642B1 (en) 2006-02-17 2012-01-03 TechForward, Inc. Option computation for tangible depreciating items
WO2007109559A2 (en) 2006-03-21 2007-09-27 Phone1, Inc. Financial transactions using a communication device
US20080306839A1 (en) * 2006-04-28 2008-12-11 Myecheck, Inc. Method and apparatus for online check processing
US7980466B2 (en) 2006-05-24 2011-07-19 Ebay Inc. Point-of-sale promotions
US8280782B1 (en) 2006-05-31 2012-10-02 Amazon Technologies, Inc. System and method for managing a listing of offers between buyers and sellers
US7941760B2 (en) 2006-09-06 2011-05-10 Apple Inc. Soft keyboard display for a portable multifunction device
US20080077542A1 (en) 2006-09-22 2008-03-27 Second Rotation Inc. Systems and methods for determining market price of merchandise
US8118223B2 (en) 2006-09-28 2012-02-21 Visa U.S.A. Inc. Smart sign mobile transit fare payment
US20080097805A1 (en) 2006-10-23 2008-04-24 Wells R Scott Transaction processing method
US20080120160A1 (en) 2006-11-20 2008-05-22 Ebay Inc. Method and system for listing an item
US20080119160A1 (en) 2006-11-22 2008-05-22 Laurent Andriantsiferana Enhanced location-based billing for gprs/umts networks
US8649798B2 (en) 2007-01-25 2014-02-11 At&T Intellectual Property I, L.P. Methods and devices for attracting groups based upon mobile communications device location
WO2008112632A1 (en) 2007-03-09 2008-09-18 Auto Bid Systems Inc. Apparatus and method for online negotiation
US20080228595A1 (en) 2007-03-13 2008-09-18 Swapedo.Com, Inc. System for supporting electronic commerce in social networks
US20090076926A1 (en) 2007-09-14 2009-03-19 David Zinberg Method For Selling Multiple Like-Items In A Single Auction
TW200917161A (en) 2007-10-09 2009-04-16 Universal Scient Ind Co Ltd Method of ticket inspection for railway transportation
US20100250436A1 (en) 2007-10-17 2010-09-30 The Western Union Company Mobile customer service centers with a mobile pickup model
US7921454B2 (en) 2007-10-22 2011-04-05 International Business Machines Corporation System and method for user password protection
US7873748B2 (en) 2007-11-30 2011-01-18 International Business Machines Corporation Synchronization of locally and remotely stored browser data
US8126881B1 (en) 2007-12-12 2012-02-28 Vast.com, Inc. Predictive conversion systems and methods
US20090157522A1 (en) 2007-12-18 2009-06-18 Arun Srinivasan Estimating vehicle prices using market data
US8000514B2 (en) * 2008-01-18 2011-08-16 Mitek Systems, Inc. Methods for mobile image capture and processing of checks
US8161545B2 (en) 2008-01-29 2012-04-17 Craine Dean A Keyboard with programmable username and password keys and system
US9552155B2 (en) 2008-02-04 2017-01-24 Microsoft Technology Liecsnsing, LLC Dynamic soft keyboard
CN101620703B (zh) 2008-07-04 2013-10-16 阿里巴巴集团控股有限公司 一种缓冲记账方法及装置
US9305230B2 (en) * 2008-07-14 2016-04-05 Jumio Inc. Internet payment system using credit card imaging
TWI360762B (en) 2008-09-05 2012-03-21 Mitake Information Corp On-screen virtual keyboard system
US8421756B2 (en) 2008-09-23 2013-04-16 Sony Ericsson Mobile Communications Ab Two-thumb qwerty keyboard
US9159238B2 (en) 2008-10-02 2015-10-13 Microsoft Technology Licensing, LLP Location-aware selection of public transportation
US20110093493A1 (en) 2008-10-28 2011-04-21 Honeywell International Inc. Building management system site categories
US8316113B2 (en) 2008-12-19 2012-11-20 Watchguard Technologies, Inc. Cluster architecture and configuration for network security devices
US8041639B2 (en) 2009-01-23 2011-10-18 Vidicom Limited Systems and methods to facilitate online transactions
US8467768B2 (en) 2009-02-17 2013-06-18 Lookout, Inc. System and method for remotely securing or recovering a mobile device
US9846690B2 (en) 2009-03-02 2017-12-19 International Business Machines Corporation Automating interrogative population of electronic forms using a real-time communication platform
TW201037533A (en) * 2009-04-01 2010-10-16 Univ Nat Taiwan Science Tech Portable identification system
US8176324B1 (en) 2009-07-02 2012-05-08 Exelis Inc. Method and system for a secure virtual keyboard
US8214892B2 (en) 2009-07-15 2012-07-03 Hewlett-Packard Development Company, L.P. Password authentication system and methods
US8645295B1 (en) 2009-07-27 2014-02-04 Amazon Technologies, Inc. Methods and system of associating reviewable attributes with items
CN201498035U (zh) 2009-08-19 2010-06-02 四川久远新方向智能科技有限公司 地铁afc系统乘客通行控制设备
MX2009009454A (es) 2009-09-03 2011-03-11 Compracel S A De C V Star Metodos para pago de servicios utilizando medios electronicos.
US20110184840A1 (en) 2010-01-27 2011-07-28 Ebay Inc. Systems and methods for facilitating account verification over a network
US8423467B1 (en) 2010-03-08 2013-04-16 Jesper M. Johansson Merchant-specific shadow account numbers
US20110231465A1 (en) 2010-03-09 2011-09-22 Phatak Dhananjay S Residue Number Systems Methods and Apparatuses
US9239722B1 (en) 2010-03-31 2016-01-19 Salesforce.Com, Inc. System, method and computer program product for interacting with a process diagram
US8423392B2 (en) 2010-04-01 2013-04-16 Google Inc. Trusted participants of social network providing answers to questions through on-line conversations
US8352473B2 (en) 2010-04-21 2013-01-08 Microsoft Corporation Product synthesis from multiple sources
TW201137762A (en) * 2010-04-23 2011-11-01 Chung Shan Inst Of Science System and method for determining whether an individual to be identified as a registered individual
US20120016799A1 (en) 2010-07-16 2012-01-19 Patrick Killian Money transfer system gateway service
US20120076283A1 (en) 2010-09-23 2012-03-29 Ajmera Dinesh Predictive Customer Service Environment
WO2012045128A1 (en) * 2010-10-08 2012-04-12 Ecred Pty Ltd System and method of conducting transactions
KR101765655B1 (ko) 2010-10-25 2017-08-24 삼성전자주식회사 휴대 단말기를 이용한 대중교통 요금 결제 방법 및 시스템
US20120117271A1 (en) 2010-11-05 2012-05-10 Sony Corporation Synchronization of Data in a Distributed Computing Environment
CN102780724B (zh) 2011-05-12 2016-02-10 阿里巴巴集团控股有限公司 一种类目信息的发送方法、系统及设备
US9183373B2 (en) 2011-05-27 2015-11-10 Qualcomm Incorporated Secure input via a touchscreen
CA2839150C (en) 2011-06-27 2018-02-13 Amazon Technologies, Inc. Payment selection and authorization by a mobile device
US8514180B2 (en) 2011-07-08 2013-08-20 Research In Motion Limited Method and apparatus pertaining to dynamically determining entered telephone numbers
WO2013006979A1 (en) 2011-07-13 2013-01-17 Han Yui Group-based social interaction using location-aware mobile devices
US9311404B2 (en) 2011-09-08 2016-04-12 International Business Machines Corporation Obscuring search results to increase traffic to network sites
US8762230B2 (en) 2011-11-02 2014-06-24 Virtual Piggy, Inc. System and method for virtual piggy bank wish-list
US8781218B2 (en) * 2011-11-02 2014-07-15 Nec Laboratories America, Inc. Receptive field learning for pooled image features
ES2434101B1 (es) 2012-04-02 2014-11-25 Telefónica, S.A. Método y sistema para gestionar teclados virtuales para dispositivo informático
US9081608B2 (en) 2012-05-19 2015-07-14 Digital System Research Inc. Residue number arithmetic logic unit
US20130317895A1 (en) 2012-05-22 2013-11-28 Chris Turner Wireless Mobile Communication System Rewards Royalty System and Method
US9031543B2 (en) 2012-06-06 2015-05-12 Qualcomm Incorporated Visualization of network members based on location and direction
US8705836B2 (en) * 2012-08-06 2014-04-22 A2iA S.A. Systems and methods for recognizing information in objects using a mobile device
WO2014028769A2 (en) * 2012-08-15 2014-02-20 Jumio Inc. Image processing for credit validation
US9111073B1 (en) 2012-11-19 2015-08-18 Trend Micro Inc. Password protection using pattern
US20140156512A1 (en) 2012-12-04 2014-06-05 Pangea Universal Holdings, Inc. Providing money transfer using a money transfer platform
US20140164109A1 (en) 2012-12-12 2014-06-12 Ebay Inc. Intelligent provisioning of offers
US20140280910A1 (en) 2013-03-14 2014-09-18 Nomadix, Inc. Hierarchical rule-based routing system
US9773236B2 (en) 2013-03-15 2017-09-26 Hossein Mohsenzadeh Systems, devices, and methods for processing payments for a card
US20140310171A1 (en) 2013-04-12 2014-10-16 Bank Of America Corporation Certified person-to-person payment system
US20150066679A1 (en) 2013-09-03 2015-03-05 Steven A. Mack Methods and systems for generating merchandise leads
US10607281B2 (en) 2013-12-27 2020-03-31 Ebay Inc. Dynamically updated listing user interface
WO2015127095A1 (en) 2014-02-19 2015-08-27 Swyft Technologies Inc. Automatic wireless transportation monitoring and transactions for mobile drvices
CN105224858A (zh) 2014-06-05 2016-01-06 阿里巴巴集团控股有限公司 一种密码输入界面显示方法及系统
US9621348B2 (en) 2014-06-16 2017-04-11 Ahmed Abdullah BAHJAT System and method of secure text generation
US20150379460A1 (en) 2014-06-27 2015-12-31 Kamal Zamer Recognizing neglected items
CN105446992A (zh) 2014-07-08 2016-03-30 阿里巴巴集团控股有限公司 建立商品对象回收信息数据库、确定价值信息方法及装置
US9940016B2 (en) 2014-09-13 2018-04-10 Microsoft Technology Licensing, Llc Disambiguation of keyboard input
DE102015119609A1 (de) 2015-11-13 2017-05-18 Endress + Hauser Process Solutions Ag Tastaturapplikation für eine Gerätezugriffssoftware

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526166B1 (en) * 1999-12-29 2003-02-25 Intel Corporation Using a reference cube for capture of 3D geometry
CN103106413A (zh) * 2013-02-07 2013-05-15 华中科技大学 一种签名二维码表示与认证的方法

Also Published As

Publication number Publication date
TWI678638B (zh) 2019-12-01
HK1221579A1 (zh) 2017-06-02
TW201606556A (zh) 2016-02-16
WO2016025071A1 (en) 2016-02-18
US10248954B2 (en) 2019-04-02
CN105450411A (zh) 2016-03-30
US20160048837A1 (en) 2016-02-18

Similar Documents

Publication Publication Date Title
CN105450411B (zh) 利用卡片特征进行身份验证的方法、装置及系统
Deb et al. Look locally infer globally: A generalizable face anti-spoofing approach
US10789465B2 (en) Feature extraction and matching for biometric authentication
KR102406432B1 (ko) 신원 인증 방법 및 장치, 전자 기기 및 저장 매체
US10699146B2 (en) Mobile document detection and orientation based on reference object characteristics
Galdi et al. Multimodal authentication on smartphones: Combining iris and sensor recognition for a double check of user identity
US10242285B2 (en) Iterative recognition-guided thresholding and data extraction
CN110222573B (zh) 人脸识别方法、装置、计算机设备及存储介质
US11244150B2 (en) Facial liveness detection
US9262614B2 (en) Image processing device, image processing method, and storage medium storing image processing program
CN113614731B (zh) 使用软生物特征的认证验证
Debiasi et al. PRNU variance analysis for morphed face image detection
CN111339897B (zh) 活体识别方法、装置、计算机设备和存储介质
US11314966B2 (en) Facial anti-spoofing method using variances in image properties
CN104966079A (zh) 区分真人面部与平坦表面
US10963552B2 (en) Method and electronic device for authenticating a user
CN106886707B (zh) 一种图像鉴权的方法及装置
EP3436865A1 (en) Content-based detection and three dimensional geometric reconstruction of objects in image and video data
CN106599841A (zh) 一种基于全脸匹配的身份验证方法及装置
KR102524163B1 (ko) 신분증 인식 방법 및 장치
WO2023028947A1 (zh) 掌静脉非接触式三维建模方法、装置及认证方法
CN112613345A (zh) 用户认证方法和系统
CN118379560B (zh) 图像欺诈检测方法、装置、设备、存储介质及程序产品
US12190629B2 (en) Deep learning based fingerprint minutiae extraction
CN114840830A (zh) 身份验证方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1221579

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Patentee before: Alibaba Group Holding Ltd.

TR01 Transfer of patent right