CN117238002A - 身份认证方法、装置、计算机设备、存储介质 - Google Patents

Abstract

本申请涉及一种身份认证方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待认证用户的目标静脉图像，对所述目标静脉图像进行切割，得到多个区域的静脉子图像；基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。采用本方法能够安全而准确地进行用户的身份认证。

Description

身份认证方法、装置、计算机设备、存储介质

技术领域

本申请涉及生物特征识别技术领域，特别是涉及一种身份认证方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

生物识别技术是利用人体生物特征进行身份认证的一种技术。人体很多的生物特征都具有相对唯一性和可测量性，例如指纹、人脸、虹膜、声音、手形等。生物识别技术已经应用于广泛的领域，包括门禁、计算机注册、电子商务等，在生物识别领域，安全和方便是首要考虑的因素，安全即防伪性能高，防伪性能包括防止伪造和防止改变。

目前的生物识别方法仍然存在一定的安全性问题，例如指纹被伪造、虹膜成像可以使用特定相机拍摄复制等。

发明内容

基于此，有必要针对上述技术问题，提供一种能够安全进行身份认证的身份认证方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种身份认证方法。所述方法包括：

获取待认证用户的目标静脉图像；

对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

在其中一个实施例中，所述获取待认证用户的目标静脉图像，包括：

获取所述待认证用户的第一面静脉图像和第二面静脉图像，将所述第一面静脉图像和所述第二面静脉图像，作为所述目标静脉图像；所述第一面静脉图像与所述第二面静脉图像是相对立的两个面分别对应的静脉图像。

在其中一个实施例中，所述静脉分割图中包括静脉纹络；所述将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，包括：

针对每个所述区域，对所述第一面静脉图像对应的静脉纹络进行标识，得到第一静脉标识，以及对所述第二面静脉图像对应的静脉纹络进行标识，得到第二静脉标识；

将所述第一静脉标识对应的静脉纹络与对应位置的第二静脉标识对应的静脉纹络进行融合，得到融合图像；

将各个区域对应的所述融合图像进行拼接，得到所述目标分割图像。

在其中一个实施例中，所述对所述目标静脉图像进行切割，得到多个区域的静脉子图像，包括：

根据静脉纹络方向信息对所述目标静脉图像进行切割，得到多个区域的静脉子图像。

在其中一个实施例中，在所述对所述目标静脉图像进行切割，得到多个区域的静脉子图像之前，所述方法还包括：

获取初始静脉图像，对所述初始静脉图像进行预处理，得到所述目标静脉图像，所述预处理至少包括归一化、二值化、去毛刺和细化处理。

在其中一个实施例中，所述图像分割模型的训练方式，包括：

获取经过静脉纹络标注的样本静脉图像；

基于所述样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型。

第二方面，本申请还提供了一种身份认证装置。所述装置包括：

图像获取模块，用于获取待认证用户的目标静脉图像；

图像切割模块，用于对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

特征识别模块，用于基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

图像融合模块，用于将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

用户认证模块，用于根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待认证用户的目标静脉图像；

对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取待认证用户的目标静脉图像；

对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取待认证用户的目标静脉图像；

对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

上述身份认证方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待认证用户的目标静脉图像，对目标静脉图像进行切割，得到多个区域的静脉子图像，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图，将各个区域的静脉子图像所对应的静脉分割图像进行融合，得到目标分割图像，根据目标分割图像与预设分割图像之间的匹配度，确定待认证用户是否为注册用户。本申请通过用户的静脉图像进行身份认证，可以防止被复制或暴力破解，实现安全身份认证，通过对目标静脉图像进行切割以及基于图像分割模型对静脉子图像进行静脉特征识别，然后将各个区域的静脉分割图进行融合，得到目标分割图，可以准确与预设分割图进行匹配，实现用户身份的准确认证。

附图说明

图1为一个实施例中身份认证方法的应用环境图；

图2为一个实施例中身份认证方法的流程示意图；

图3为一个实施例中步骤208的流程示意图；

图4为另一个实施例中身份认证方法的流程示意图；

图5为一个实施例身份认证装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的身份认证方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104可以从终端102获取待认证用户的目标静脉图像，对目标静脉图像进行切割，得到多个区域的静脉子图像，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图，将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，根据目标分割图像与预设分割图像之间的匹配度，确定待认证用户是否为注册用户。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104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。

可以理解地，本申请实施例可以通过上述终端和服务器结合来实现，也可以单独通过终端或单独通过服务器来实现。

在一个实施例中，如图2所示，提供了一种身份认证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，获取待认证用户的目标静脉图像。

服务器获取待认证用户的目标静脉图像，其中，目标静脉图像可以是待认证用户的指静脉、指腹静脉或者掌静脉中至少一种。可以通过红外光照射手指或手掌的一面，红外光穿过手指或手掌，通过手指或手掌另一面的图像传感器捕获投射过来的红外光，例如CCD(Charged Coupled Device，电荷耦合器件)图像传感器，发光二极管的光强按照图像的亮度动态予以调整，由于血液中的血红蛋白吸收红外光，手指或手掌一侧的静脉图像被捕获，以阴影的形式显示出来，也就是说，目标静脉图像可以是包括静脉阴影的图像。

可选地，服务器接收到终端发送的待认证用户的目标静脉图像，或者是待认证用户直接从服务器接口上传的待认证用户的目标静脉图像，服务器获取待认证用户的目标静脉图像。也可以是服务器接收到用户上传的静脉识别指令，获取与静脉识别指令对应的待识别图像。

可选地，目标静脉图像可以是通过图像传感器采集的图像，也可以是图像传感器采集到的图像根据需要或配置要求进行预处理之后的图像。

步骤204，对目标静脉图像进行切割，得到多个区域的静脉子图像。

服务器对目标静脉图像分区域进行切割，得到多个区域的静脉子图像。可选地，可以根据预设区域切割方式对目标静脉图像进行切割，得到多个区域的静脉子图像，例如，预设区域切割方式为以目标静脉图像的中心点为基准点，以基准点为轴心，均匀切割为N个区域，其中N为正整数。或者，可以根据目标静脉图像对应的静脉方向，通过与静脉方向平行的切割线对目标静脉图像进行切割，得到多个区域的静脉子图像。

可选地，可以根据场景类别对目标静脉图像进行切割，得到对应场景的多个区域的静脉子图像。指静脉的目标静脉图像的切割方式，可以与手掌静脉的目标静脉图像的切割方式不同。

步骤206，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图。

图像分割(segmentation)，可以将数字图像细分为多个图像子区域(像素的集合)的过程，就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和步骤。图像分割可以理解为是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。图像分割模型可以对图像进行图像分割，图像分割模型可以是现有的模型，也可以是通过标注的图像数据进行训练得到的模型。

服务器基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图。针对于每个区域的静脉子图像，通过图像分割模型进行静脉特征识别，得到该区域的静脉子图像对应的静脉分割图，该静脉分割图中包括对应区域的静脉特征，具体可以包括对应区域的静脉子图像的静脉纹络信息。

步骤208，将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像。

服务器将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像。可选地，可以将各个区域的静脉子图像所对应的静脉分割图进行拼接，得到目标分割图。

可选地，服务器还可以将各个区域的静脉子图像所对应的静脉分割图进行加权融合，得到目标分割图，其中，可以根据各个区域对应的位置设置对应的加权权重，例如，越居于目标静脉图像中心位置的区域，对应的权重越大。

步骤210，根据目标分割图像与预设分割图像之间的匹配度，确定待认证用户是否为注册用户。

服务器可以根据目标分割图像与预设分割图像之间的匹配度，确定待认证用户是否为注册用户。可选地，在目标分割图像与预设分割图像之间的匹配度高于预设匹配度的情况下，确定待认证用户为注册用户，身份认证结果为通过；反之，在目标分割图像与预设分割图像之间的匹配度不高于预设匹配度的情况下，确定待认证用户为注册用户，身份认证结果为不通过。

其中，预设分割图像可以理解为是已经进行身份认证用户的静脉分割图像，可以通过图像分割模型获取预设分割图像，也可以通过其他的方法获取预设分割图像，在此不作具体限定。

上述身份认证方法中，通过获取待认证用户的目标静脉图像，对目标静脉图像进行切割，得到多个区域的静脉子图像，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图，将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，根据目标分割图像与预设分割图像之间的匹配度，确定待认证用户是否为待注册用户。通过静脉识别的方式对待认证用户进行身份认证，可以实现安全地进行用户身份认证，避免出现被复制或暴力破解的情况。另外，通过对目标静脉图像进行切割，得到多个区域的静脉子图像，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图，将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，可以使得得到的目标分割图像更加准确，从而使得身份认证结果更加准确。

在一个实施例中，获取待认证用户的目标静脉图像，包括：获取待认证用户的第一面静脉图像和第二面静脉图像，将第一面静脉图像和第二面静脉图像，作为目标静脉图像；第一面静脉图像与第二面静脉图像是相对立的两个面分别对应的静脉图像。

可选地，目标静脉图像为目标指静脉图像，获取待认证用户的目标指静脉图像，可以获取待认证用户的指尖对应的第一面静脉图像和第二面静脉图像，其中，第一面静脉图像与第二面静脉图像是相对立的两个面分别对应的静脉图像，例如，第一面静脉图像为手指指尖指纹面对应的静脉图像，而第二面静脉图像为同一手指指尖指纹面相对立的指甲面对应的静脉图像。

可选地，目标静脉图像为目标掌静脉图像，获取待认证用户的目标掌静脉图像，可以获取待认证用户的手掌对应的第一面静脉图像和第二面静脉图像，其中，第一面静脉图像与第二面静脉图像是相对立的两个面分别对应的静脉图像，例如，第一面静脉图像为手掌掌心面对应的静脉图像，而第二面静脉图像为同一手掌掌心面相对立的掌背面对应的静脉图像。

上述实施例中，通过获取待认证用户的第一面静脉图像和第二面静脉图像，将第一面静脉图像和第二面静脉图像，作为目标静脉图像；其中，第一面静脉图像与第二面静脉图像是相对立的两个面分别对应的静脉图像，可以获取同一位置对应两个面的静脉图像，增加对该位置的静脉信息分析范围，使得最终实现的身份认证结果更加准确。

在一个实施例中，如图3所示，静脉分割图中包括静脉纹络；步骤208中将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，包括步骤302至步骤306。

步骤302，针对每个区域，对第一面静脉图像对应的静脉纹络进行标识，得到第一静脉标识，以及对第二面静脉图像对应的静脉纹络进行标识，得到第二静脉标识。

本实施例中，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图，静脉子图像对应的静脉分割图包括第一面静脉图像对应的各区域的第一静脉分割图，以及第二面静脉图像对应的各区域的第二静脉分割图。针对每个区域，对第一静脉分割图中的静脉纹络进行标识，得到第一静脉标识，以及对第二静脉分割图中的静脉纹络进行标识，得到第二静脉标识。

步骤304，将第一静脉标识对应的静脉纹络与对应位置的第二静脉标识对应的静脉纹络进行融合，得到融合图像。

针对每个区域，针对该区域中第一静脉标识对应的静脉纹络与对应位置的第二静脉标识对应的静脉纹络进行融合，得到融合图像。可以理解地，第一面目标静脉图像和第二面静脉图像进行切割的切割方式相同。也就是说，针对每个区域，第一面静脉图像对应第一静脉标识，第二面静脉图像对应第二静脉标识，第一静脉标识对应的静脉纹络与第二静脉标识对应的静脉纹络进行融合，得到该区域对应的融合图像。

步骤306，将各个区域对应的融合图像进行拼接，得到目标分割图像。

将目标静脉图像中各个区域对应的融合图像进行拼接，得到目标分割图像。

上述实施例中，对每个区域中第一静脉标识对应的静脉纹络与第二静脉标识对应的静脉纹络进行融合，得到融合图像，将各个区域对应的融合图像进行拼接，得到目标分割图像，可以使得目标分割图像更准确地体现待认证用户的静脉信息，使得身份认证结果更加准确。

在一些实施例中，根据静脉纹络方向信息对目标静脉图像进行切割，得到多个区域的静脉子图像。

静脉纹络方向信息可以理解为是静脉纹络的走向情况。根据静脉纹络方向信息对目标静脉图像进行切割，得到多个区域的静脉子图像。例如，指静脉的静脉纹络方向为平行手指的走向，可以对目标静脉图像通过与手指平行的方向进行切割。例如，手掌静脉的静脉纹络方向信息是垂直于手指方向或者是与手指方向呈现一定的角度，则根据对应的静脉纹络方向信息对掌静脉的目标静脉图像进行切割，得到多个区域的静脉子图像。可以理解地，静脉纹络方向信息可以是根据人体生理结构基础知识获取得到，或者是通过肉眼观察进行预设的方向。通过根据静脉纹络方向信息对目标静脉图像进行切割，得到多个区域的静脉子图像，可以使得切割得到的各个区域的静脉子图像中，尽可能多地保留完整的静脉纹络信息，从而使得得到的静脉分割图更加准确，身份认证结果也就更加准确。

在一些实施例中，在对目标静脉图像进行切割，得到多个区域的静脉子图像之前，身份认证方法还包括：获取初始静脉图像，对初始静脉图像进行预处理，得到目标静脉图像，其中，预处理至少包括归一化、二值化、去毛刺和细化处理。

本实施例中，初始静脉图像可以是图像传感器获取的未经过任何处理的原始图像，可以依次对初始静脉图像进行归一化、二值化、去毛刺和细化处理，得到目标静脉图像，其中，可以理解地，对初始静脉图像进行的各种预处理的顺序，可以不作限定。通过归一化处理可以使得将图像数据归一化为一定范围，例如0和1之间的小数，方便图像数据处理；二值化处理是指将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。

可选地，对初始静脉图像还可以进行背景去除、滤波去噪、图像增强、边缘检测等预处理。可以在图像上，直接从上到下、从左到右寻找灰度值的突变点，以此为界，作为去背景的边界，然后再从下到上、从左至右寻找灰度值突变点，可以找到手指或手掌的轮廓线。滤波去噪，例如可以使用高斯滤波对图像进行去噪处理。

通过对初始静脉图像进行预处理，得到目标静脉图像，可以使得得到的目标分割图像中噪声更小，静脉纹络更加清晰，使得身份认证结果更加准确。

在一些实施例中，图像分割模型的训练方式，包括：

获取经过静脉纹络标注的样本静脉图像；基于样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型。

本实施例中，可以利用CCD图像传感器获取大量的用户指静脉图像，通过人工标注指静脉图像中的静脉纹络信息，得到样本静脉图像，通过样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型。其中，卷积神经网络例如可以是FCN(Fully Convolutional Networks，全卷积神经网络)、UNET、FPN(Feature PyramidNetworks，特征金字塔)等，全卷积网络UNET为FCN网络的变形。收敛条件可以是模型训练次数达到预设次数，或者是损失函数的值达到预设值等。

可选地，可以将未标注的指静脉图像输入图像分割模型中，得到指静脉分割图像。将预设比例的未标注的指静脉图像作为第一指静脉图像，除预设比例之外的未标注的指静脉图像作为第二指静脉图像，第一指静脉图像对应的指静脉分割图像为第一分割图像，第二指静脉图像对应的指静脉分割图像为第二分割图像，在第一分割图像与第二分割图像之间的分割相似度不大于预设阈值的情况下，通过第二分割图像或者第二分割图像指导图像分割模型的训练，直至第一分割图像与第二分割图像之间的分割相似度大于预设阈值的情况下，得到的图像分割模型为更新后的图像分割模型。

上述实施例中，通过基于大量的经过静脉纹络标注的样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型，使得得到的图像分割模型能够准确识别未进行标注的静脉图像的静脉纹络特征。

在一个实施例中，如图4所示，身份认证方法包括以下步骤402至步骤412。

步骤402，通过CCD图像传感器获取用户的指尖静脉图像，通过人工对指尖静脉图像中的静脉纹络进行标注，得到样本静脉图像。

步骤404，通过样本静脉图像对UNET网络进行训练，当满足训练的收敛条件时，得到图像分割模型。

步骤406，获取待认证用户的目标静脉图像，对目标静脉图像进行切割，得到多个区域的静脉子图像。

步骤408，基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到静脉子图像对应的静脉分割图。

步骤410，将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像。

步骤412，在目标分割图像与预设分割图像之间的匹配度大于预设匹配度的情况下，确定待认证用户为注册用户；在目标分割图像与预设分割图像之间的匹配度不大于预设匹配度的情况下，确定待认证用户为未注册用户。

本实施例中的身份认证方法，通过静脉纹络标注的样本静脉图像对UNET网络进行训练，得到图像分割模型，在获取待认证用户的目标静脉图像后，对目标静脉图像进行切割得到多个区域的静脉子图像，基于得到的图像分割模型对静脉子图像进行静脉特征识别得到对应的静脉分割图，再将各个区域对应的静脉分割图进行融合得到目标分割图像，从而根据目标分割图像确定待认证用户是否为注册用户，可以对待认证用户的身份实现准确且安全的认证。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的身份认证方法的身份认证装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个身份认证装置实施例中的具体限定可以参见上文中对于身份认证方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种身份认证装置，包括：图像获取模块502、图像切割模块504、特征识别模块506、图像融合模块508和用户认证模块510，其中：

图像获取模块502，用于获取待认证用户的目标静脉图像；

图像切割模块504，用于对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

特征识别模块506，用于基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

图像融合模块508，用于将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

用户认证模块510，用于根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

在一个实施例中，图像获取模块502，还用于获取所述待认证用户的第一面静脉图像和第二面静脉图像，将所述第一面静脉图像和所述第二面静脉图像，作为所述目标静脉图像；所述第一面静脉图像与所述第二面静脉图像是相对立的两个面分别对应的静脉图像。

在一个实施例中，所述静脉分割图中包括静脉纹络；图像融合模块508，还用于：针对每个所述区域，对所述第一面静脉图像对应的静脉纹络进行标识，得到第一静脉标识，以及对所述第二面静脉图像对应的静脉纹络进行标识，得到第二静脉标识；将所述第一静脉标识对应的静脉纹络与对应位置的第二静脉标识对应的静脉纹络进行融合，得到融合图像；将各个区域对应的所述融合图像进行拼接，得到所述目标分割图像。

在一个实施例中，图像切割模块504还用于：

根据静脉纹络方向信息对所述目标静脉图像进行切割，得到多个区域的静脉子图像。

在一个实施例中，身份认证装置还包括图像预处理模块，用于在所述对所述目标静脉图像进行切割，得到多个区域的静脉子图像之前，获取初始静脉图像，对所述初始静脉图像进行预处理，得到所述目标静脉图像，所述预处理至少包括归一化、二值化、去毛刺和细化处理。

在一个实施例中，身份认证装置还包括图像分割模型训练模块，用于图像分割模型的训练，包括：

获取经过静脉纹络标注的样本静脉图像；

基于所述样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型。

上述身份认证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6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。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和内存储器。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预设分割图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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身份认证方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例的步骤。

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各方法实施例的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以上述各方法实施例的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种身份认证方法，其特征在于，所述方法包括：

获取待认证用户的目标静脉图像；

对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

2.根据权利要求1所述的方法，其特征在于，所述获取待认证用户的目标静脉图像，包括：

获取所述待认证用户的第一面静脉图像和第二面静脉图像，将所述第一面静脉图像和所述第二面静脉图像，作为所述目标静脉图像；所述第一面静脉图像与所述第二面静脉图像是相对立的两个面分别对应的静脉图像。

3.根据权利要求2所述的方法，其特征在于，所述静脉分割图中包括静脉纹络；所述将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像，包括：

针对每个所述区域，对所述第一面静脉图像对应的静脉纹络进行标识，得到第一静脉标识，以及对所述第二面静脉图像对应的静脉纹络进行标识，得到第二静脉标识；

将所述第一静脉标识对应的静脉纹络与对应位置的第二静脉标识对应的静脉纹络进行融合，得到融合图像；

将各个区域对应的所述融合图像进行拼接，得到所述目标分割图像。

4.根据权利要求1所述的方法，其特征在于，所述对所述目标静脉图像进行切割，得到多个区域的静脉子图像，包括：

根据静脉纹络方向信息对所述目标静脉图像进行切割，得到多个区域的静脉子图像。

5.根据权利要求1至4任意一项所述的方法，其特征在于，在所述对所述目标静脉图像进行切割，得到多个区域的静脉子图像之前，所述方法还包括：

获取初始静脉图像，对所述初始静脉图像进行预处理，得到所述目标静脉图像，所述预处理至少包括归一化、二值化、去毛刺和细化处理。

6.根据权利要求1所述的方法，其特征在于，所述图像分割模型的训练方式，包括：

获取经过静脉纹络标注的样本静脉图像；

基于所述样本静脉图像对卷积神经网络进行训练，当满足收敛条件时的卷积神经网络作为图像分割模型。

7.一种身份认证装置，其特征在于，所述装置包括：

图像获取模块，用于获取待认证用户的目标静脉图像；

图像切割模块，用于对所述目标静脉图像进行切割，得到多个区域的静脉子图像；

特征识别模块，用于基于图像分割模型分别对每个区域的静脉子图像进行静脉特征识别，得到所述静脉子图像对应的静脉分割图；

图像融合模块，用于将各个区域的静脉子图像所对应的静脉分割图进行融合，得到目标分割图像；

用户认证模块，用于根据所述目标分割图像与预设分割图像之间的匹配度，确定所述待认证用户是否为注册用户。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。