[发明专利]身份认证、解锁及支付方法、装置、存储介质、产品和设备

说明书

本发明实施例提供一种身份认证、解锁及支付方法、装置、存储介质、产品和设备，涉及数据处理领域。其中，身份认证方法包括：确定第一用户图像的第一特征数据；对所述第一特征数据进行量化处理，获得第二特征数据；基于所述第二特征数据，得到身份认证结果。通过本发明实施例，在身份认证的过程中无需对特征数据进行加密和解密操作，在保证用户信息安全性的同时，节省了设备计算资源并提升了身份认证的效率，从而优化了用户体验。

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种身份认证方法、终端设备的解锁方法、支付方法、装置、存储介质、程序产品和电子设备。

背景技术

随着公共安全问题受到社会越来越多的关注，人脸识别技术的研究受到了学术界、企业界和政府的高度重视。在人脸识别技术中，一般使用深度学习的方法从人脸图像中提取人脸特征。

然而，为了保证用户私密信息的安全性，电子设备中进行信息传递时需要对人脸特征进行加密和解密的操作，因而会消耗大量的时间和资源，影响用户体验。

发明内容

本发明实施例的目的在于，提供一种身份认证的技术方案、终端设备解锁的技术方案以及支付的技术方案。

根据本发明实施例的第一方面，提供了一种身份认证方法。所述方法包括：确定第一用户图像的第一特征数据；对所述第一特征数据进行量化处理，获得第二特征数据；基于所述第二特征数据，得到身份认证结果。

可选地，所述对所述第一特征数据进行量化处理，获得第二特征数据，包括：利用符号函数对所述第一特征数据进行量化处理，获得所述第二特征数据。

可选地，在所述对所述第一特征数据进行量化处理之前，所述方法还包括：利用转换参数，对所述第一特征数据进行升维转换处理，获得转换数据；所述对所述第一特征数据进行量化处理，获得第二特征数据，包括：对所述转换数据进行量化处理，获得所述第二特征数据。

可选地，所述利用转换参数，对所述第一特征数据进行升维转换处理，获得转换数据，包括：将所述第一特征数据与所述转换参数的乘积确定为所述转换数据。

可选地，所述利用转换参数，对所述第一特征数据进行升维转换处理之前，所述方法还包括：对所述转换参数进行初始化；基于至少一个样本特征数据，对初始化的所述转换参数进行迭代更新，直到满足迭代终止条件为止。

可选地，所述对所述转换参数进行初始化，包括：通过高斯随机函数，对所述转换参数进行初始化。

可选地，所述基于至少一个样本特征数据，对初始化的所述转换参数进行迭代更新，包括：基于当前的所述转换参数，对所述至少一个样本特征数据中的每个样本特征数据分别进行升维转换处理，获得至少一个转换后的样本特征数据；对所述至少一个转换后的样本特征数据中的每个转换后的样本特征数据分别进行量化处理，获得至少一个量化后的样本特征数据；基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据，更新当前的所述转换参数。

可选地，所述至少一个样本特征数据具体为第一样本特征矩阵，所述至少一个量化后的样本特征数据具体为第二样本特征矩阵；所述基于所述至少一个量化后的样本特征数据和所述至少一个样本特征数据，更新当前的所述转换参数，包括：对所述第二样本特征矩阵进行转置操作，获得转置后的所述第二样本特征矩阵；将所述转置后的所述第二样本特征矩阵与所述第一样本特征矩阵相乘，获得相乘后的矩阵；对所述相乘后的矩阵进行奇异值分解处理，获得第一正交矩阵和第二正交矩阵；基于所述第一正交矩阵和所述第二正交矩阵，更新转换矩阵。

可选地，所述基于所述第一正交矩阵和所述第二正交矩阵，更新转换矩阵，包括：对所述第一正交矩阵进行截取操作，获得截取后的所述第一正交矩阵；将所述第二正交矩阵与所述截取后的所述第一正交矩阵相乘，获得更新后的所述转换矩阵。

可选地，所述迭代终止条件包括：更新后的所述转换参数和更新前的所述转换参数之间的差异值小于或等于预设差异值。