CN104915590A - 一种用于计算机加密的人脸识别***及方法 - Google Patents

一种用于计算机加密的人脸识别***及方法 Download PDF

Info

Publication number
CN104915590A
CN104915590A CN201510385118.5A CN201510385118A CN104915590A CN 104915590 A CN104915590 A CN 104915590A CN 201510385118 A CN201510385118 A CN 201510385118A CN 104915590 A CN104915590 A CN 104915590A
Authority
CN
China
Prior art keywords
module
face
image
picture quality
human face
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.)
Pending
Application number
CN201510385118.5A
Other languages
English (en)
Inventor
高峰
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201510385118.5A priority Critical patent/CN104915590A/zh
Publication of CN104915590A publication Critical patent/CN104915590A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/81—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer by operating on the power supply, e.g. enabling or disabling power-on, sleep or resume operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种用于计算机加密的人脸识别***及方法，包括依次连接的图像采集模块、图像质量判断模块、图像编码生成模块、存储模块、人脸识别模块和显示屏，所述图像采集模块上连接有真人鉴别模块，所述真人鉴别模块还与显示屏连接，所述图像质量判断模块上连接有图像质量调整模块，所述图像编码生成模块是基于弹性束图匹配的图像编码生成模块，其生成图像编码的过程为：建立人脸形状模型；将标定的人脸图像对齐；使用Gabor小波变换提取人脸的表情特征。本发明的图像编码生成模块是基于弹性束图匹配技术，可以抵抗光线、面部表情和姿态动作的变化，具有更强的适用性。另外，通过真人鉴别模块对人脸图像是否为真人进行鉴别，可靠性提高。

Description

一种用于计算机加密的人脸识别***及方法
技术领域
本发明涉及一种计算机加密***及加密方法，尤其涉及一种用于计算机的人脸识别加密***及其人脸识别方法。
背景技术
随着科学技术的进步与社会经济的发展,计算机已被广泛用于工作、学习、生活的各个领域，作为现代社会不可或缺的工具之一，计算机内通常存储着各种重要的个人信息，一旦发生信息泄露，对计算机持有者的工作、学习和生活都将造成不可估量的损失。因此，计算机的加密对保障个人信息安全至关重要。
传统的计算机加密技术主要依靠键盘密码加密，这种加密技术存在键盘密码容易被盗取，或者在使用者忘记密码时无法打开计算机的缺陷，既不灵活也不安全。指纹识别加密技术的出现提高了加密安全性，但是指纹识别是接触性的，用户需要和计算机的指纹采集区接触才能进行指纹识别，容易对指纹采集器造成污染和损伤，而且指纹采集时间也较长，造成计算机开机速度变慢，使用起来非常不方便。此外，指纹特征是静态的，随着科学技术的进步，指纹已经可以被提取、复制和倒模，这使得指纹识别加密技术仍然存在安全隐患，不能满足现阶段的使用需求。
相对于指纹识别加密技术，人脸识别技术具有更可靠的安全性，是目前研究的热点，已经在银行***、门卫监控***、智能防盗门***等领域发挥了重要的作用，然而用在计算机加密领域的还不多见。现有的人脸识别方法有以下几种：一种是基于几何特征的人脸识别方法，该几何特征可以是眼、鼻、嘴等的形状和他们之间的几何关系，比如相互之间的距离，这种识别方法速度快，需要的内存小，但识别率较低；一种是基于灰度图像的人脸识别方法，这种方法完全依赖于人脸灰度图像的统计特性，不但需要预先在样本库中存储大量的训练样本，而且在光照条件、姿态或表情发生变化时识别效果不好；另一种是基于神经网络的人脸识别方法，神经网络的输入可以是低分辨率的人脸图像、局部区域或局部纹理，这种方法具有较好的灵活性，但同样需要大量的训练样本，使其在计算机加密领域中的应用受到限制。
发明内容
本发明的目的是针对现有技术中的不足，提供一种用于计算机的人脸识别加密***及其人脸识别方法，不但可以鉴别所捕获的人脸图像是静态的照片还是真人，还可以在光照条件、面部表情或或姿态动作发生变化的情况下保持较高的识别率，一方面提高了本发明的加密***的可靠性与灵活性，另一方面不需要占用大量的内存，不会给计算机开机速度造成太大影响。
为了实现上述发明目的，本发明采取如下的技术方案：
一种用于计算机的人脸识别加密***，包括依次连接的图像采集模块、图像质量判断模块、图像编码生成模块、存储模块、人脸识别模块和显示屏，所述图像采集模块上连接有真人鉴别模块，所述真人鉴别模块还与显示屏连接，所述图像质量判断模块上连接有图像质量调整模块，所述图像编码生成模块是基于弹性束图匹配的图像编码生成模块，其生成图像编码的过程为：a.建立人脸形状模型；b.将标定的人脸图像对齐；c.使用Gabor小波变换提取人脸的表情特征。
优选地，所述建立人脸形状模型的过程为：通过标记人脸图像的面部特征点的坐标，以其作为初始数据，并将多个面部特征点的坐标相互对应，再通过主成分分析法建立面部形状模型。
优选地，所述将标定的人脸图像对齐的过程为：选取一个形状向量作为初始样本，将其他的向量与初始样本进行形状向量上的相互对应，计算后得到平均形状向量，再进行规格化处理，并作为样本，再将与初始样本相互对应后的形状向量与所述平均形状向量相互对应，重复这一过程，直到相邻两次的平均形状向量的差值小于预定值。
优选地，所述使用Gabor小波变换提取人脸的表情特征的过程为：通过使用Gabor小波核函数的计算并采样，从而获得一组不同的频率和相位的特征点的面部特征点的精细定位。
所述基于人脸识别技术的计算机加密***的人脸识别方法，包括如下步骤：按下计算机电源，启动图像采集模块；图像采集模块从外部环境中检测出人脸的位置，将人脸从外部环境中分离出来，并实时传输至真人鉴别模块；真人鉴别模块对检测到的人脸是否为真人进行鉴别，若鉴别结果是真人，则将鉴别结果反馈至图像采集模块，图像采集模块将检测到的人脸转换成人脸图像并传输至图像质量判断模块，若检测结果不是真人，则将鉴别结果反馈至显示屏，在显示屏上显示人脸识别失败，随后关闭计算机；图像质量判断模块判断被捕获的人脸图像质量是否达到预定的标准，若达到预定的标准则直接传送至图像编码生成模块，若未达到预定的标准则传送至图像质量调整模块进行调整；图像质量调整模块对未达到预定标准的人脸图像的质量进行调整，并将调整后的人脸图像反馈至图像质量判断模块，若调整后的人脸图像的质量达到预定的标准，则由图像质量判断模块将调整后的人脸图像传送至图像编码生成模块，若调整后的人脸图像的质量仍然未达到预定的标准，则由图像质量判断模块向图像采集模块发出指示，重新进行图像采集；图像编码生成模块提取达到预定标准的人脸图像中的人脸特征，并将提取到的人脸特征转换成面纹编码，若是对计算机进行加密操作，则由图像编码生成模块将该面纹编码存储到存储模块中完成加密过程，若是在加密之后进行计算机开机操作，则由图像编码生成模块将该面纹编码传送至人脸识别模块；人脸识别模块将接收到的面纹编码与存储模块中预先存储的面纹编码进行对比识别，并将对比结果以相似度的数值形式反馈至显示屏，若相似度的数值在预设值以上，则在显示屏上显示人脸识别成功，随后开启计算机，若相似度的数值小于预设值，则在显示屏上显示人脸识别失败，随后关闭计算机。
优选地，所述相似度的预设值为80%以上。
本发明具有如下有益效果：
（1）本发明将非接触式的人脸识别技术应用于计算机加密，相对于指纹识别技术，本发明不需要与图像采集模块接触，避免了图像采集模块的污染与损伤。
（2）本发明通过真人鉴别模块对外部环境中的人脸图像是否为真人进行鉴别，杜绝了使用静态照片的可能性，提高了本发明的加密***的可靠性。
（3）本发明采用基于弹性束图匹配的图像编码生成模块生成面纹编码，这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有更强的适用性。
附图说明：
图1为本发明的基于人脸识别技术的计算机加密***的工作原理示意图。
具体实施方式：
如图1所示，本发明的基于人脸识别技术的计算机加密***包括依次连接的图像采集模块、图像质量判断模块、图像编码生成模块、存储模块、人脸识别模块和显示屏，所述图像采集模块上连接有真人鉴别模块，所述真人鉴别模块还与显示屏连接，所述图像质量判断模块上连接有图像质量调整模块，所述图像编码生成模块是基于弹性束图匹配的图像编码生成模块，其生成图像编码的过程为：a.建立人脸形状模型，通过标记人脸图像的面部特征点的坐标，以其作为初始数据，并将多个面部特征点的坐标相互对应，再通过主成分分析法建立面部形状模型；b.将标定的人脸图像对齐，选取一个形状向量作为初始样本，将其他的向量与初始样本进行形状向量上的相互对应，计算后得到平均形状向量，再进行规格化处理，并作为样本，再将与初始样本相互对应后的形状向量与所述平均形状向量相互对应，重复这一过程，直到相邻两次的平均形状向量的差值小于预定值；c.使用Gabor小波变换提取人脸的表情特征，通过使用Gabor小波核函数的计算并采样，从而获得一组不同的频率和相位的特征点的面部特征点的精细定位。
如图1所示，本发明的基于人脸识别技术的计算机加密***的工作原理为：按下计算机电源，启动图像采集模块；图像采集模块从外部环境中检测出人脸的位置，将人脸从外部环境中分离出来，并实时传输至真人鉴别模块；真人鉴别模块对检测到的人脸是否为真人进行鉴别，若鉴别结果是真人，则将鉴别结果反馈至图像采集模块，图像采集模块将检测到的人脸转换成人脸图像并传输至图像质量判断模块，若检测结果不是真人，则将鉴别结果反馈至显示屏，在显示屏上显示人脸识别失败，随后关闭计算机；图像质量判断模块判断被捕获的人脸图像质量是否达到预定的标准，若达到预定的标准则直接传送至图像编码生成模块，若未达到预定的标准则传送至图像质量调整模块进行调整；图像质量调整模块对未达到预定标准的人脸图像的质量进行调整，并将调整后的人脸图像反馈至图像质量判断模块，若调整后的人脸图像的质量达到预定的标准，则由图像质量判断模块将调整后的人脸图像传送至图像编码生成模块，若调整后的人脸图像的质量仍然未达到预定的标准，则由图像质量判断模块向图像采集模块发出指示，重新进行图像采集；图像编码生成模块提取达到预定标准的人脸图像中的人脸特征，并将提取到的人脸特征转换成面纹编码，若是对计算机进行加密操作，则由图像编码生成模块将该面纹编码存储到存储模块中完成加密过程，若是在加密之后进行计算机开机操作，则由图像编码生成模块将该面纹编码传送至人脸识别模块；人脸识别模块将接收到的面纹编码与存储模块中预先存储的面纹编码进行对比识别，并将对比结果以相似度的数值形式反馈至显示屏，若相似度的数值在80%以上，则在显示屏上显示人脸识别成功，随后开启计算机，若相似度的数值小于80%，则在显示屏上显示人脸识别失败，随后关闭计算机。
以上实例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种用于计算机加密的人脸识别***，其特征在于，包括依次连接的图像采集模块、图像质量判断模块、图像编码生成模块、存储模块、人脸识别模块和显示屏，所述图像采集模块上连接有真人鉴别模块，所述真人鉴别模块还与显示屏连接，所述图像质量判断模块上连接有图像质量调整模块，所述图像编码生成模块是基于弹性束图匹配的图像编码生成模块，其生成图像编码的过程为：a.建立人脸形状模型；b.将标定的人脸图像对齐；c.使用Gabor小波变换提取人脸的表情特征。
2.如权利要求1所述的用于计算机加密的人脸识别***，其特征在于，所述建立人脸形状模型的过程为：通过标记人脸图像的面部特征点的坐标，以其作为初始数据，并将多个面部特征点的坐标相互对应，再通过主成分分析法建立面部形状模型。
3.如权利要求1所述的用于计算机加密的人脸识别***，其特征在于，所述将标定的人脸图像对齐的过程为：选取一个形状向量作为初始样本，将其他的向量与初始样本进行形状向量上的相互对应，计算后得到平均形状向量，再进行规格化处理，并作为样本，再将与初始样本相互对应后的形状向量与所述平均形状向量相互对应，重复这一过程，直到相邻两次的平均形状向量的差值小于预定值。
4.如权利要求1所述的用于计算机加密的人脸识别***，其特征在于，所述使用Gabor小波变换提取人脸的表情特征的过程为：通过使用Gabor小波核函数的计算并采样，从而获得一组不同的频率和相位的特征点的面部特征点的精细定位。
5.一种如权利要求1所述的用于计算机加密的人脸识别***的人脸识别方法，其特征在于，包括如下步骤：按下计算机电源，启动图像采集模块；图像采集模块从外部环境中检测出人脸的位置，将人脸从外部环境中分离出来，并实时传输至真人鉴别模块；真人鉴别模块对检测到的人脸是否为真人进行鉴别，若鉴别结果是真人，则将鉴别结果反馈至图像采集模块，图像采集模块将检测到的人脸转换成人脸图像并传输至图像质量判断模块，若检测结果不是真人，则将鉴别结果反馈至显示屏，在显示屏上显示人脸识别失败，随后关闭计算机；图像质量判断模块判断被捕获的人脸图像质量是否达到预定的标准，若达到预定的标准则直接传送至图像编码生成模块，若未达到预定的标准则传送至图像质量调整模块进行调整；图像质量调整模块对未达到预定标准的人脸图像的质量进行调整，并将调整后的人脸图像反馈至图像质量判断模块，若调整后的人脸图像的质量达到预定的标准，则由图像质量判断模块将调整后的人脸图像传送至图像编码生成模块，若调整后的人脸图像的质量仍然未达到预定的标准，则由图像质量判断模块向图像采集模块发出指示，重新进行图像采集；图像编码生成模块提取达到预定标准的人脸图像中的人脸特征，并将提取到的人脸特征转换成面纹编码，若是对计算机进行加密操作，则由图像编码生成模块将该面纹编码存储到存储模块中完成加密过程，若是在加密之后进行计算机开机操作，则由图像编码生成模块将该面纹编码传送至人脸识别模块；人脸识别模块将接收到的面纹编码与存储模块中预先存储的面纹编码进行对比识别，并将对比结果以相似度的数值形式反馈至显示屏，若相似度的数值在预设值以上，则在显示屏上显示人脸识别成功，随后开启计算机，若相似度的数值小于预设值，则在显示屏上显示人脸识别失败，随后关闭计算机。
6.如权利要求5所述的用于计算机加密的人脸识别***的人脸识别方法，其特征在于，所述相似度的预设值为80%以上。
CN201510385118.5A 2015-07-05 2015-07-05 一种用于计算机加密的人脸识别***及方法 Pending CN104915590A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510385118.5A CN104915590A (zh) 2015-07-05 2015-07-05 一种用于计算机加密的人脸识别***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510385118.5A CN104915590A (zh) 2015-07-05 2015-07-05 一种用于计算机加密的人脸识别***及方法

Publications (1)

Publication Number Publication Date
CN104915590A true CN104915590A (zh) 2015-09-16

Family

ID=54084652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510385118.5A Pending CN104915590A (zh) 2015-07-05 2015-07-05 一种用于计算机加密的人脸识别***及方法

Country Status (1)

Country Link
CN (1) CN104915590A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704806A (zh) * 2017-09-01 2018-02-16 深圳市唯特视科技有限公司 一种基于深度卷积神经网络进行人脸图像质量预测的方法
CN109347620A (zh) * 2018-08-10 2019-02-15 深圳前海微众银行股份有限公司 样本对齐方法、***及计算机可读存储介质
CN110367932A (zh) * 2019-07-11 2019-10-25 福州数据技术研究院有限公司 基于安卓手持终端和嵌入式终端的舌像采集***及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393598A (zh) * 2007-09-21 2009-03-25 希姆通信息技术（上海）有限公司 利用手机摄像头对人脸识别来决定允许开机/解锁的方法
CN201667042U (zh) * 2009-07-22 2010-12-08 东莞慧盈塑胶有限公司 一种带有脸部识别功能的笔记本电脑
CN103678984A (zh) * 2013-12-20 2014-03-26 湖北微模式科技发展有限公司 一种利用摄像头实现用户身份验证的方法
CN104182669A (zh) * 2013-05-21 2014-12-03 鸿富锦精密工业（深圳）有限公司 移动终端开机***及移动终端开机方法
CN104750168A (zh) * 2013-12-25 2015-07-01 陕西平杰科工贸有限公司 具有面部识别功能的电脑一体机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393598A (zh) * 2007-09-21 2009-03-25 希姆通信息技术（上海）有限公司 利用手机摄像头对人脸识别来决定允许开机/解锁的方法
CN201667042U (zh) * 2009-07-22 2010-12-08 东莞慧盈塑胶有限公司 一种带有脸部识别功能的笔记本电脑
CN104182669A (zh) * 2013-05-21 2014-12-03 鸿富锦精密工业（深圳）有限公司 移动终端开机***及移动终端开机方法
CN103678984A (zh) * 2013-12-20 2014-03-26 湖北微模式科技发展有限公司 一种利用摄像头实现用户身份验证的方法
CN104750168A (zh) * 2013-12-25 2015-07-01 陕西平杰科工贸有限公司 具有面部识别功能的电脑一体机

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
章毓晋: "《基于子空间的人脸识别》", 30 December 2009 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704806A (zh) * 2017-09-01 2018-02-16 深圳市唯特视科技有限公司 一种基于深度卷积神经网络进行人脸图像质量预测的方法
CN109347620A (zh) * 2018-08-10 2019-02-15 深圳前海微众银行股份有限公司 样本对齐方法、***及计算机可读存储介质
CN110367932A (zh) * 2019-07-11 2019-10-25 福州数据技术研究院有限公司 基于安卓手持终端和嵌入式终端的舌像采集***及其方法

Similar Documents

Publication Publication Date Title
Fathy et al. Face-based active authentication on mobile devices
CN103914686B (zh) 一种基于证件照与采集照的人脸比对认证方法及***
CN103902979B (zh) 一种人脸特征提取及分类方法
CN103886283A (zh) 用于移动用户的多生物特征图像信息融合方法及其应用
CN104751113A (zh) 基于智能移动信息设备的指纹识别方法
CN107480586B (zh) 基于人脸特征点位移的生物识别照片仿冒攻击检测方法
Lai et al. Towards gesture-based user authentication
Paul et al. Extraction of facial feature points using cumulative histogram
CN110599187A (zh) 一种基于人脸识别的支付方法、装置、计算机设备和存储介质
Kumar et al. Face recognition attendance system using local binary pattern algorithm
Meenakshi Real-Time Facial Recognition System—Design, Implementation and Validation
CN204143555U (zh) 身份识别自助终端及对应的房产证明打印终端
CN104915590A (zh) 一种用于计算机加密的人脸识别***及方法
CN201698456U (zh) 一种实时人脸检测及识别装置
CN105184236A (zh) 机器人人脸识别***
CN205644823U (zh) 社保自助服务终端装置
CN104217504A (zh) 身份识别自助终端及对应的房产证明打印终端
Dhruva et al. Novel algorithm for image processing based hand gesture recognition and its application in security
Deng et al. Attention-aware dual-stream network for multimodal face anti-spoofing
Qinjun et al. Facial Recognition Technology: A Comprehensive Overview
KR20080073598A (ko) 실시간 얼굴 인식을 위한 방법 및 장치
Sharma et al. Face recognition using haar cascade and local binary pattern histogram in opencv
CN101976358A (zh) 全息人体生物特征识别装置及方法
KR20160042646A (ko) 얼굴 인식 방법
CN111428670B (zh) 人脸检测方法、装置、存储介质及设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150916