一种高安全性支付终端和系统

技术领域

本发明涉及电子支付领域，具体地，涉及一种高安全性支付终端和系统。

背景技术

在现有的电子支付技术中，以二维码支付为主。但是二维码支付依然依赖于移动终端信息，因而不够便捷。近年逐渐兴起的生物识别技术可以很好地解决掉这一问题，比如采用刷脸支付时，用户无需携带手机，只需面对脸部进行扫描即可完成支付。相比于传统的人脸识别技术，目前在支付领域主流的人脸识别技术采用结构光技术，从而可以实现对人脸的三维重建，从而使得人脸的认证准确度大大提升，能够满足商业应用的需求。

为了满足用户的不同支付需求，目前的支付设备中，普遍将多种支付方式进行集成，包括刷脸模块、刷卡模块、二维码扫描模块等。虽然这种集成方式能够满足用户的多样化支付需求，但是这种方式集成程度低，需要的设备过多，需要的空间大。对于大型超市，自助收银区采用这些集成设备，使得空间利用率低，同时可支付人员受限。对于小型超市，如便利店，则过多地占用柜台面积，使原本狭小的收银台更加紧张。

发明内容

为此，本发明提供一种可以满足各类支付需求的设备，利用双目系统获得的红外图像和RGB图像，通过采用不同的目标检测模型同时检测目标对象，快速确定目标对象类型，并直接进行识别，大幅度减少了用户认证过程的流程与步骤，在保证安全性的同时，提高了效率。同时，通过红外摄像头和RGB摄像头组成的双目系统，同时获取红外图像和RGB图像，通过处理可以获得深度信息，从而可以进行活体识别，通过一套设备同时获取更多信息，完成更多功能，有利于支付终端的小型化设计。

第一方面，本发明提供一种高安全性支付终端，其特征在于，包括：

红外摄像头，用于获取目标对象的红外图像；

RGB摄像头，用于获取所述目标对象的RGB图像；其中，所述红外摄像头和所述RGB摄像头构成双目系统；

处理器，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测，将检测结果发送至服务器端，并根据所述服务器端返回结果确认支付状态。

可选地，所述的一种高安全性支付终端，其特征在于，所述处理器包括：

检测模块，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测；如果在所述红外图像和所述RGB图像上分别检测到第一目标对象和第二目标对象，则进行第一目标对象识别和第二目标对象识别；如果只在所述红外图像中检测到第一目标对象，则进行第一目标对象识别；如果只在所述RGB图像中检测到第二目标对象，则进行第二目标对象识别；如果没有检测到目标对象，则不操作；

传输模块，用于将所述第一目标对象或所述第二目标对象传输至服务器端；

支付模块，用于根据所述服务器端返回的结果确认支付状态。

可选地，所述的一种高安全性支付终端，其特征在于，所述第一目标对象识别包括：

步骤S21:采用所述第一目标检测模型在所述RGB图像上进行检测，得到第三目标对象；

步骤S22：根据所述第一目标对象和所述第三目标对象的视差，计算得到所述第三目标对象的深度信息；

步骤S23：根据所述第三目标对象的深度信息和所述第一目标对象信息进行活体检测；

步骤S24：提取所述第三目标对象特征。

可选地，所述的一种高安全性支付终端，其特征在于，所述第二目标对象识别包括：

步骤S25:采用所述第二目标检测模型在所述红外图像上进行检测，得到第四目标对象；

步骤S26：根据所述第二目标对象和所述第四目标对象的视差，计算得到所述第二目标对象的深度信息；

步骤S27：根据所述第二目标对象的深度信息和所述第四目标对象信息进行活体检测；

步骤S28：提取所述第二目标对象特征。

可选地，所述的一种高安全性支付终端，其特征在于，所述第一目标检测模型和所述第二目标检测模型中，至少有一个包括人脸检测模型。

可选地，所述的一种高安全性支付终端，其特征在于，还包括：

输入接口，用于获取待支付金额。

可选地，所述的一种高安全性支付终端，其特征在于，还包括：

扫描设备，用于扫描商品条码，以获得商品价格和数量信息，从而确定待支付金额。

可选地，所述的一种高安全性支付终端，其特征在于，还包括：

按键区，用于直接获得待支付金额。

第二方面，本发明提供一种高安全性支付系统，位于服务器端，其特征在于，包括：

接收模块，用于接收图像信息或特征信息；

存储器，用于存储标准图像或标准特征信息，以及对应的安全策略；

比对模块，用于将所述图像信息或所述特征信息与所述标准图像或所述标准特征信息比对，并验证是否符合所述安全策略，得到比对结果；

发送模块，用于发送所述比对结果。

可选地，所述的一种高安全性支付系统，其特征在于，所述比对模块的处理步骤包括：

步骤S31：将所述图像信息或所述特征信息与所述标准图像或所述标准特征信息比对，如果至少两个所述图像信息或所述特征信息通过，则执行步骤S32；如果仅一个通过，则执行步骤S33；如果均未通过，则输出“失败”；

步骤S32：检测所述图像信息或所述特征信息是否为同一账户；如果是，则执行步骤S33；如果否，则输出“失败”；

步骤S33：获得所述图像信息或所述特征信息对应账户的安全策略，判断当前结果是否符合所述安全策略；如果符合，则输出“成功”；如果不符合，则输出“失败”。

与现有技术相比，本发明具有如下的有益效果：

本发明通过一套系统可以实现多种数据的获取，天然具有高度的集成性，有利于支付终端的小型化设计，节省空间，提高效率。

本发明采用红外相机与RGB相机组成的双目系统获取数据，可以获得更多类型的数据信息，通过在同一次采集中获得更多的数据，提高数据采集效率，节省空间，有利于支付终端的小型化。同时，通过多种数据的交叉印证，克突破单一识别手段的局限，提高生物识别准确性与安全性。

本发明对红外图像和RGB图像分别检测，并对不同检测结果进行分类处理，可以适应更多情况，提升对不同目标对象的适应性。同时，可以对不同的目标对象进行针对性的处理方案，提升处理效果。

本发明对红外图像和RGB图像分别采用不同的目标检测模型进行检测，可以快速检测出目标对象类型，实现在没有预先指定目标类型的情况下，快速识别出目标对象的目的，简化了步骤，大大缩短了用户在操作中需要的时间。

本发明通过对对生物识别种类的丰富性，大大提升了生物识别在支付应用中的范围，并且可以利用不同的生物识别手段进行交叉验证，保证了较高的安全性，有利于便捷支付和生物识别的推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例中一种高安全性支付终端的结构示意图；

图2为本发明实施例中一种处理器的结构示意图；

图3为本发明实施例中一种第一目标对象识别的步骤流程图；

图4为本发明实施例中一种第二目标对象识别的步骤流程图；

图5为本发明实施例中另一种高安全性支付终端的结构示意图；

图6为本发明实施例中再一种高安全性支付终端的结构示意图；

图7为本发明实施例中他一种高安全性支付终端的结构示意图；

图8为本发明实施例中一种高安全性支付系统的结构示意图；

图9为本发明实施例中一种比对模块的处理步骤流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

本发明实施例提供的一种高安全性支付终端，旨在解决现有技术中存在的问题。

下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图1为本发明实施例中一种高安全性支付终端的结构示意图。如图1所示，本发明实施例中一种高安全性支付终端包括：

红外摄像头100，用于获取目标对象的红外图像。

具体地说，红外摄像头100既可以采用普通红外摄像机，又可以采用点阵红外摄像机。红外摄像头100可以全天候进行监控，并且由于采用红外线作为主要的技术手段，因此具有更高的稳定性。

RGB摄像头200，用于获取所述目标对象的RGB图像。

具体地说，红外摄像头100和RGB摄像头200构成双目系统。RGB摄像头即彩色摄像头，由R、G、B三个通道获得的颜色叠加生成彩色图像，与人眼视觉非常接近，是最广泛采用的摄像头。RGB摄像头200获得的信息相比于红外摄像头100而言，数据更少，但RGB图像是最广泛处理的图像，在现有技术中拥有大量可以直接采用的处理模型。

处理器300，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测，将检测结果发送至服务器端，并根据所述服务器端返回结果确认支付状态。

具体地说，由于红外图像与RGB图像不同，可以采用不同的模型进行检测，以提高检测效果。比如，采用手掌检测模型对红外图像进行检测，采用人脸检测模型对人脸进行检测。由于红外图像与RGB图像的信息不同，所以可以根据不同的生物识别类型选用合适的检测模型。相比于对同一图像采用不同的模型检测，本实施例根据不同的信息类型进行检测，检测准确度更高。所述第一目标检测模型和所述第二目标检测模型中，至少有一个包括人脸检测模型。

处理器300将检测到的目标对象图像发送至服务器端，或者对目标对象提取特征信息，将特征信息发送至服务器端。发送特征信息的方式具有更高的安全性。本实施例中的特征信息与现有技术中的特征信息不同。在现有技术中，特征信息通常指人脸的关键点信息、手掌的关键点信息等。而本实施例中的特征信息在类型与数量上均与之不同。本实施例中的特征信息是指至少两个目标对象的特征信息，即检测结果至少包括两个目标对象。本实施例中的特征信息除具有唯一性的人体信息外，还可以是不具有唯一性的人体信息，比如手势、表情等，即本实施例在传统的身份认证外，还可以包括附加信息认证。通过附加信息认证，可以防止误支付，增强支付的安全性。

处理器300可以为一个处理模块，也可以由两个或以上的处理模块组成。

图2为本发明实施例中一种处理器的结构示意图。如图2所示，本发明实施例中一种处理器包括：

检测模块310，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测；如果在所述红外图像和所述RGB图像上分别检测到第一目标对象和第二目标对象，则进行第一目标对象识别和第二目标对象识别；如果只在所述红外图像中检测到第一目标对象，则进行第一目标对象识别；如果只在所述RGB图像中检测到第二目标对象，则进行第二目标对象识别；如果没有检测到目标对象，则不操作。

具体地说，对红外图像采用第一目标检测模型进行检测，对RGB图像采用第二目标检测模型检测。由于红外图像和RGB图像的信息类型不同，因此其适合的目标检测模型不同。RGB图像获得的是人生皮肤表面的数据，可以用来评价外观特征，比如人脸、指纹等。红外图像获得的是人体真皮组织的数据，可以用来评价较深入的特征，比如掌静脉等，同时还具有活体识别的作用。

第一目标检测模型和第二目标检测模型可以各自包含两个或以上的检测模型。如果第一目标检测模型或第二目标检测模型中各自检索到两个或以上目标类型，则参照在所述红外图像和所述RGB图像上分别检测到第一目标对象和第二目标对象时的情况，对各个目标类型分别进行识别。

在进行第一目标对象识别和第二目标对象识别时，将第一目标对象数据和第二目标对象数据与比对库中的数据进行比对，如果比对成功，则识别成功；如果比对失败，则识别失败。在本步骤中，还可以包含活体认证等功能，比如利用红外图像进行活体检测，或者利用双目系统进行三维重建，进行活体检测。如果识别出假体攻击，尤其是连续假体攻击，则对假体攻击报警。

采用第一目标检测模型和第二目标检测模型检测时，如果检测出的第一目标对象或第二目标对象的面积小于阈值，则判断为未检测到目标对象。所述阈值是根据不同目标对象类型而变化的。比如人脸的阈值大于手掌的阈值。但是阈值的大小并不是依据目标对象类型的体积确定，而是在图像上得以有效识别的最小面积。

采用第一目标检测模型和第二目标检测模型检测时，如果检测出的第一目标对象或第二目标对象的姿态不符合预设要求，则判断为未检测到目标对象。由于人体的姿态呈现多种状态，而且与比对库中的差距越大，越难以有效进行比对，因此需要将偏差过大的姿态的图像剔除掉，以保证识别的准确性。

传输模块320，用于将所述第一目标对象或所述第二目标对象传输至服务器端。

具体地说，传输的对象可以是图像本身、图像的一部分，也可以是特征信息。根据支付环境特点，本实施例采用端-端加密技术。传输模块320在传输前会对传输对象进行加密。

支付模块330，用于根据所述服务器端返回的结果确认支付状态。

具体地说，当服务器端返回“匹配成功”时，完成支付，支付模块330在终端提示付款完成。当服务器端返回“匹配失败”时，未完成支付，不进行提示，而是由检测模块310继续对图像的数据进行检测，持续判断，以尽快地完成支付过程。

本实施例对于目标对象的处理方式有多种，并且支持更多的生物识别方式，对不同种的生物识别方式进行交叉验证，在保证用户便捷性的同时，也保证了安全性。

图3为本发明实施例中一种第一目标对象识别的步骤流程图。如图3所示，本发明实施例中一种第一目标对象识别的方法包括：

步骤S21:采用所述第一目标检测模型在所述RGB图像上进行检测，得到第三目标对象。

在本步骤中，第一目标检测模型不再对红外图像进行检测，而是对RGB图像进行检测，得到第三目标对象。第一目标对象和第三目标对象是同一目标对象在红外图像和RGB图像上的反映，而两者的区别则是由于红外相机和RGB相机的技术路线差别造成的。在本实施例中，由于第一目标检测模型既要对红外图像进行检测，又需要对RGB图像进行检测，所以第一目标检测模型是具有普适性的。比如第一目标检测模型是通过机器学习获得的，则在进行模型训练时，需要将红外图像和RGB图像均作为输入，对模型进行训练。

步骤S22：根据所述第一目标对象和所述第三目标对象的视差，计算得到所述第三目标对象的深度信息。

在本步骤中，第一目标对象和第三目标对象是由双目系统获得的两幅图像信息，因此可以利用两者的视差，获得第三目标对象的深度信息。根据第三目标对象信息和深度信息，可以得到深度图。在计算第一目标对象和第三目标对象的视差时，采用特征点计算法，即根据目标对象的特征点，将第一目标对象与第三目标对象对应起来，并根据特征点的数据计算视差。

步骤S23：根据所述第三目标对象的深度信息和所述第一目标对象信息进行活体检测。

在本步骤中，第三目标对象的深度信息可以识别出平面攻击，对于照片等二维平面具有非常好的识别效果。第一目标对象信息获取的是皮下组织信息，可以对头模等假体攻击进行较好的识别。

步骤S24：提取所述第三目标对象特征。

在本步骤中，在提取第三目标对象特征时，既提取二维特征，又提取三维特征，提升比对效果。

本实施例将红外相机与RGB相机构成的双目系统获得深度数据，相比于现有技术中仅采用红外相机进行活体检测，本实施例还将红外相机与RGB相机组成双目系统，利用特征点获得目标对象的深度数据，在不增加成本的情况下，大大提高了活体检测的效果。

图4为本发明实施例中一种第二目标对象识别的步骤流程图。如图4所示，本发明实施例中一种第二目标对象识别方法包括：

步骤S25:采用所述第二目标检测模型在所述红外图像上进行检测，得到第四目标对象。

在本步骤中，第二目标检测模型不再对RGB图像进行检测，而是对红外图像进行检测，得到第四目标对象。第二目标对象和第四目标对象是同一目标对象在红外图像和RGB图像上的反映，而两者的区别则是由于红外相机和RGB相机的技术路线差别造成的。在本实施例中，由于第二目标检测模型既要对红外图像进行检测，又需要对RGB图像进行检测，所以第二目标检测模型是具有普适性的。比如第二目标检测模型是通过机器学习获得的，则在进行模型训练时，需要将红外图像和RGB图像均作为输入，对模型进行训练。

步骤S26：根据所述第二目标对象和所述第四目标对象的视差，计算得到所述第二目标对象的深度信息。

在本步骤中，第二目标对象和第四目标对象是由双目系统获得的两幅图像信息，因此可以利用两者的视差，获得第二目标对象的深度信息。根据第二目标对象信息和深度信息，可以得到深度图。在计算第二目标对象和第四目标对象的视差时，采用特征点计算法，即根据目标对象的特征点，将第二目标对象与第四目标对象对应起来，并根据特征点的数据计算视差。

步骤S27：根据所述第二目标对象的深度信息和所述第四目标对象信息进行活体检测。

在本步骤中，第二目标对象的深度信息可以识别出平面攻击，对于照片等二维平面具有非常好的识别效果。第四目标对象信息获取的是皮下组织信息，可以对头模等假体攻击进行较好的识别。

当在所述红外图像和所述RGB图像上分别检测到第一目标对象和第二目标对象时，即对第一目标对象识别后，再执行本实施例时，可以跳过步骤S27，直接执行步骤S28。

步骤S28：提取所述第二目标对象特征。

在本步骤中，在提取第二目标对象特征时，既提取二维特征，又提取三维特征，提升比对效果。

本实施例将红外相机与RGB相机构成的双目系统获得深度数据，相比于现有技术中仅采用红外相机进行活体检测，本实施例还将红外相机与RGB相机组成双目系统，利用特征点获得目标对象的深度数据，在不增加成本的情况下，大大提高了活体检测的效果。

图5为本发明实施例中另一种高安全性支付终端的结构示意图。如图5所示，发明实施例中另一种高安全性支付终端包括：

红外摄像头510，用于获取目标对象的红外图像。

RGB摄像头520，用于获取所述目标对象的RGB图像；其中，所述红外摄像头和所述RGB摄像头构成双目系统。

处理器530，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测，将检测结果发送至服务器端，并根据所述服务器端返回结果确认支付状态。

红外摄像头510、RGB摄像头520和处理器530的功能在前述实施例中已有较多描述，本实施例不再赘述。

输入接口540，用于获取待支付金额。

具体地说，输入接口540可以与计算机连接，用于获取计算机传输的信号，其中包括待支付金额。

显示屏550，用于显示待支付信息和RGB摄像头拍摄到的信息。

具体地说，显示屏550有两种状态：准备状态和支付状态。当输入接口540接收到信号时，显示屏550唤醒并进入准备状态。当输入接口540接收到支付指令时，显示屏550进行支付状态。在准备状态时，显示屏550作为计算机的显示器，为用户显示当前已录入商品的数量及金额。在支付状态时，显示屏550作为支付终端显示RGB摄像头拍摄到的信息，以帮助用户更好地完成支付。

本实施例通过输入接口与输入设备连接，从而可以与更加适合人工操作的设备结合，在接收到支付指令后，可以直接进行信息获取，从而快速结账，适用于人工结账的场景。

图6为本发明实施例中再一种高安全性支付终端的结构示意图。如图6所示，区别于前述实施例，本发明实施例中再一种高安全性支付终端还包括：

扫描设备560，用于扫描商品条码，以获得商品价格和数量信息，从而确定待支付金额。

具体地说，为了提高终端的便利性，可以设置扫描设备560，尤其对于自助结账终端，较为方便。自助结账终端一般较大，上下落差较大，如果让用户再将商品拉高进行扫描，则多有不便，尤其是用户购买有较重的商品时。因此，设置扫描设备，并将其置于支付终端底部，可以大大提高便捷性。

在部分实施例中，扫描设备采用RGB摄像头200或红外摄像头100，以进一步提高设备的集成度。此时，处理器300对目标检测时，优先采用条码检测模型进行检测，如果检测到条码，则在显示屏550上显示商品信息。需要说明的是，这也属于本发明的保护范围，只是作为一种特例列示。本方案适用于小型超市的自助结账。

本实施例设置扫描设备，以使得支付终端无需专门的输入设备即可完成整个支付流程，适用于自助结账场景。

图7为本发明实施例中他一种高安全性支付终端的结构示意图。如图7所示，区别于前述实施例，本发明实施例中他一种高安全性支付终端包括：

红外摄像头510，用于获取目标对象的红外图像。

RGB摄像头520，用于获取所述目标对象的RGB图像；其中，所述红外摄像头和所述RGB摄像头构成双目系统。

处理器530，用于对所述红外图像和所述RGB图像分别采用第一目标检测模型和第二目标检测模型分别检测，将检测结果发送至服务器端，并根据所述服务器端返回结果确认支付状态。

按键区570，用于直接输入待支付金额。

具体地说，当按键区570直接输入待支付金额，确认后，红外摄像头510和RGB摄像头520就开始获取数据，进入支付环节。

本实施例无需过多的设备，结构简单，尺寸较小，适用于各类手持式支付终端。

图8为本发明实施例中一种高安全性支付系统的结构示意图。如图8所示，本发明实施例中一种高安全性支付系统包括：

接收模块810，用于接收图像信息或特征信息。

具体地说，接收终端发送的图像信息或特征信息。接收模块810只接收统一标准的数据。由于数据在传输过程中会加密，因此采用统一标准的数据更加便捷和安全。较优地，终端与接收模块810传输的数据为特征信息。当传输的数据为特征信息时，即即使数据被拦截，也无法完全恢复出原始数据，从而获得本质安全的效果。

存储器820，用于存储标准图像或标准特征信息，以及对应的安全策略。

具体地说，存储器820存储有用户在最终设置时数据。当新用户注册帐号时，需要设置安全策略及安全信息。比如，某用户设置为“人脸+手掌”的安全策略，则需要采集人脸数据和手掌数据。在采集时，既可以单独采集，又可以一起采集。又比如，某用户设置为“人脸+手势”的安全策略，则需要采集人脸数据和指定的手势。

比对模块830，用于将所述图像信息或所述特征信息与所述标准图像或所述标准特征信息比对，并验证是否符合所述安全策略，得到比对结果。

具体地说，虽然比对时有多种情况，但比对结果只有两种：“成功”和“失败”。“成功”表示当前认证用户是本人，且符合预设的安全策略，完成支付。“失败”表示当前认证用户不是本人，或不符合预设的安全策略，未完成支付。

发送模块840，用于发送所述比对结果。

具体地说，将比对结果返回到接收模块810接收的信号源。比如从A终端接收的特征信息，经比对模块840比对完成后，由发送模块840将比对结果返回A终端。同时，如果比对结果为“成功”，则同步完成账户资金扣费操作。

图9为本发明实施例中一种比对模块的处理步骤流程图。如图9所示，本发明实施例中一种比对模块的处理方法包括：

步骤S91：将所述图像信息或所述特征信息与所述标准图像或所述标准特征信息比对。

在本步骤中，根据识别结果选择执行不同的内容。如果所述第一目标对象识别结果和所述第二目标对象识别结果均通过，则执行步骤S92；如果仅一个通过，则执行步骤S93；如果均未通过，则比对结果为“失败”。所述图像信息或所述特征信息至少为两个。在本实施例中，可以仅有一幅图像，但一幅图像中至少包括两个目标对象，即两个特征信息。

步骤S92：检测所述图像信息或所述特征信息是否为同一账户。

在本步骤中，对比图像信息中的目标或者特征信息是否同属于一个人。比如检测到的人脸和手掌是否为同一个人。如果是，则执行步骤S93；如果否，则比对结果为“失败”。如果检测到的第一目标对象或第二目标对象不存在于存储器820，则将该目标对象置为无效对象，不再参与后续处理。

步骤S93：获得所述图像信息或所述特征信息对应账户的安全策略，判断当前结果是否符合所述安全策略。

在本步骤中，考虑到用户设置的安全策略的不统一性，需要根据账户中的设置进行确认。如果符合，则输出“成功”，如果不符合，则比对结果为“失败”。比如，当账户中设置“人脸与手掌共同认证”时，当前检测结果为人脸认证通过，手掌认证也通过，则输出“成功”；如果当前检测结果为人脸认证通过，则比对结果为“失败”。符合所述设置是指账户中设置的内容均被识别通过。可以理解的是，如果当前认证的各类多于账户中的设置，则依然被认为符合所述设置。

本实施例将不同的多种检测结果与相应账户和设置进行比对，在提供更加灵活的认证方式的同时，规避了单一认证可能存在的风险，同时也保证了安全性，在提供快捷高效的认证的同时，也提高了安全性能。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。