[发明专利]一种基于多因素交叉验证的用户签到身份识别方法

说明书

技术领域

本发明属于信息技术领域，具体涉及一种基于多因素交叉验证的用户签到身份识别方法。

背景技术

现有签到技术包括传统人工签到、指纹识别签到、人脸识别签到等方案；其技术缺点主要体现在以下几个方面：

传统人工签到方案无法解决他人代签的行为，随着活动任务不断增多，对于管理者来说，无法完全对每一次活动的出勤情况进行统计，而且，他人代签的行为无法预防。

指纹识别签到技术是通过用户录取指纹来统计出勤情况，而指纹识别设备成本较高，无法覆盖全部课程，对于实现统计工作的服务器端压力极大，同时，指纹录取技术效率极低，严重影响用户活动时间。

当前人脸识别技术包括两类方案：一类是根据人脸图像的处理结果进行面部关键点提取，而后进行对比分析；另一类是通过基于开放平台API接口调用人脸对比接口并获取分析结果。

第一类方法以图像作为起点，对其中的人脸图像特征进行提取。人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的，是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程；另一类是辨认，是一对多进行图像匹配对比的过程。

第二类方法通过开放平台API，调用其人脸验证功能的接口，根据返回的结果判断是否为同一人。此方法优点是开发成本低，操作简单快捷，效率高。但开放平台的人脸识别率并不稳定，调用接口的系统开销较大。当获取结果失败时，无补救措施。

综合分析两类方法，第一类方法更具有针对性，可以根据需求进行个性化设计。但是开发难度较大，涉及的领域较为广泛。第二类方法开发难度低，适用性强。但从整体来看本发明所提出的技术与思路是创新的，是现有签到方法无法实现的。

单因素签到技术，是基于时间签到或者签到的位置进行简单的签到验证，但是，容易出现作弊，签到漏洞较多。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于多因素交叉验证的用户签到身份识别方法，设计合理，克服了现有技术的不足，具有良好的效果。

一种基于多因素交叉验证的用户签到身份识别方法，采用用户基本信息管理模块、用户活动管理模块、用户签到信息感知模块、用户签到决策模块、智能验证模块和统计分析模块；

所述的基于多因素交叉验证的用户签到身份识别方法，具体包括如下步骤：

步骤1：通过用户基本信息管理模块完成用户个人信息的管理，通过用户活动管理模块实现活动信息的录入和管理，通过用户签到信息感知模块实现信息的感知；

步骤2：通过用户签到决策模块进行签到决策，计算多因素下用户签到成功的概率；

步骤3：通过智能验证模块进行智能验证，智能抽取部分用户的签到信息进行二次验证；

步骤4：通过统计分析模块对用户签到信息进行统计分析，并将分析结果反馈至智能验证模块，实现对用户考勤信息的管理。

优选地，用户基本信息管理模块，被配置为用于获取用户的各项身份信息，同时获取本人人脸图像作为验证凭据；

用户活动管理模块，被配置为用于完成用户活动信息的录入、编辑、删除、更新；

用户签到信息感知模块，被配置为用于完成用户签到信息的感知，包括位置信息的感知、活动场景或图像信息的感知、指纹信息的感知和活动信息的感知；

用户签到决策模块，被配置为用于对整体签到进行决策；

智能验证模块，被配置为用于对签到成功但准确率相对较低的用户，以及签到未成功但准确率相对较高的用户进行加权排序后进行用户的二次抽取验证；

统计分析模块，被配置为用于实现用户签到信息的统计和分析，随时掌握活动的出勤情况和用户的参与状态。

优选地，在步骤1中，所述信息感知包括位置信息感知、图像信息感知、指纹信息感知以及活动信息感知。

优选地，在步骤2中，具体包括如下步骤：

步骤2.1：构建签到因素决策树；

步骤2.2：利用感知信息，在决策树的规则下，获取决策树叶子节点，即决策结果；