CN111241505A - 一种终端设备及其登录验证方法、计算机存储介质 - Google Patents

Abstract

本申请公开了一种终端设备及其登录验证方法、计算机存储介质，其中，该终端设备的登录验证方法包括：判断是否有工作人员进入设定区域并准备进行登录操作；若是，激活终端设备的身份信息验证功能；验证工作人员的身份信息是否通过；若是，实现终端设备登录。通过上述方式，能够减少设备验证***的工作时间，降低了资源消耗，提高了验证的效率。

Description

一种终端设备及其登录验证方法、计算机存储介质

技术领域

本申请涉及安全信息技术领域，特别是涉及一种终端设备及其登录验证方法、计算机存储介质。

背景技术

目前的终端设备，在权限认证或者通过智能识别时，需要设备首先开机并完成硬件自检，同时权限***及相应设备处于工作状态才可以。操作者需要在设备进行初始化过程，浪费工作效率。

当设备处于空闲状态进入锁定时，识别***需要一直维系工作状态，能源消耗大，且电子设备的寿命会受到影响。

发明内容

本申请提供一种终端设备及其登录验证方法、计算机存储介质，能够减少设备验证***的工作时间，降低了资源消耗，提高了验证的效率。

本申请采用的一个技术方案是：提供一种终端设备的登录验证方法，该登录验证方法包括：接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域；若是，激活所述终端设备的身份信息验证功能；验证所述工作人员的身份信息是否通过；若是，实现所述终端设备登录。

本申请采用的另一个技术方案是：提供一种终端设备，该终端设备包括处理器以及与处理器耦接的存储器、信号收发器；其中，信号收发器用于接收外部红外设备设备发送的触发信息，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的终端设备的登录验证方法。

本申请采用的另一个技术方案是：提供一种计算机存储介质，该计算机存储介质用于存储计算机程序，计算机程序在被处理器执行时，用以实现如上述的终端设备的登录验证方法。

本申请提供的终端设备的验证登录方法包括：判断是否有工作人员进入设定区域并准备进行登录操作；若是，激活终端设备的身份信息验证功能；验证工作人员的身份信息是否通过；若是，实现终端设备登录。通过上述方式，可以先判断是否有工作人员需要进行登录操作，在无人的情况下，身份验证***处于睡眠状态，功耗较低，在有人的情况下，身份验证***才激活开始工作，因此这样既功能降低功耗，又能够不影响身份信息的识别效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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，还可以根据这些附图获得其他的附图。其中：

图1是本申请提供的终端设备的登录验证方法一实施例的流程示意图；

图2是外部红外设备的第一分布示意图；

图3是外部红外设备的第二分布示意图；

图4是图1中步骤11的流程示意图；

图5是本申请提供的终端设备的登录验证方法另一实施例的流程示意图；

图6是终端设备、第一摄像头和第二摄像头的位置关系示意图；

图7是人脸轮廓的调整示意图；

图8是本申请提供的终端设备的验证登录方法又一实施例的流程示意图；

图9是本申请提供的终端设备一实施例的结构示意图；

图10是本申请提供的计算机存储介质一实施例的结构示意图。

具体实施方式

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参阅图1，图1是本申请提供的终端设备的登录验证方法一实施例的流程示意图，该方法包括：

步骤11：判断是否有工作人员进入设定区域并准备进行登录操作。

在步骤11的判断结果为是时，执行步骤12。

其中，该设定区域是以终端设备为基准的一定范围内的区域，一般可以将终端设备的操作区域作为设定区域。

步骤11包括两个过程：第一，判断是否有工作人员进入设定区域，第二，判断工作人员是否正对终端设备。

可选的，在第一个过程中，可以利用距离传感器来判断是否有工作人员进行设定区域。例如，可以采用超声波传感器、红外传感器或者摄像头来进行检测

以摄像头为例，可以采用一个或多个摄像头进行检测，摄像头的监控范围需要刚好覆盖上述的设定区域。实时检测摄像头采集的图像中是否出现工作人员，若是，则确定有工作人员进入该设定区域。

另外，步骤11可以具体为：接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域；或利用终端设备的红外模组进行检测，以判断是否有工作人员进入设定区域。

其中外部红外设备通过有线或者无线的方式与终端设备进行数据交互。可选的，外部红外设备的检测范围包括以终端设备为中心的设定区域内，该外部红外设备可以包括多个子设备，用于对终端设备不同方向外的区域进行检测。

如图2所示，图2是外部红外设备的第一分布示意图。

外部红外设备包括多组红外发射器21和红外接收器22，每组红外发射器21和红外接收器22形成的连线所围成的区域即形成检测区域。其中每个红外接收器22通过有线或无线的方式连接终端设备。

可选的，外部红外设备可以包括三组红外发射器21和红外接收器 22，三组红外发射器21和红外接收器22形成的三边以及终端设备形成一个矩形的区域，如图2所示。

如图3所示，图3是外部红外设备的第二分布示意图。

外部红外设备包括两组红外发射器31和红外接收器32，其中，第一红外发射器31a和第一红外接收器32a，相比于第二红外发射器31b 和第二红外接收器32b，距离终端设备更远。即两组红外收发器形成了不同范围的检测区域。

如图4所示，图4是图1中步骤11的流程示意图，结合图3，步骤 11包括：

步骤111：判断是否接收到第一红外设备发送的第一触发信息。

其中，第一红外设备包括第一红外发射器31a和第一红外接收器32a。

步骤112：判断是否接收到第二红外设备发送的第二触发信息。

其中，第二红外设备包括第二红外发射器31b和第二红外接收器32b。

步骤113：确定有工作人员进入设定区域。

其中，第一红外设备的检测区域与终端设备之间的距离，大于第二红外设备的检测区域与终端设备之间的距离。

通过上述的方式，通过两组红外收发器接收到的信号的先后顺序，可以判断工作人员是走近终端设备还是远离终端设备。例如，当终端设备先接收第一红外设备的触发信号，后接收到第二红外设备的触发信号，则可以确定工作人员是走近终端设备；当终端设备先接收第二红外设备的触发信号，后接收到第一红外设备的触发信号，则可以确定工作人员是远离终端设备。只有在工作人员走近终端设备时，才确定工作人员进入设定区域。

可以理解的，上述红外收发器的例子仅仅是举例，并不是用于显示红外设备的类型，其可以是高频反射式，也可以是低频对射式的，这里不作要求。

另外，还可以判断工作人员是否离开设定区域。具体地，判断是否接收到第二红外设备发送的第二触发信息；若是，判断是否接收到第一红外设备发送的第一触发信息；若是，确定有工作人员离开设定区域。

可选的，在第二个过程中，可以根据用户在设定区域的停留时间来进行判断。

例如，结合上述的外部红外设备，可以获取工作人员是否离开设定区域，设定一时间阈值，当工作人员进入设定区域后开始计时，若计时的时长超过时间阈值，则确定工作人员准备进行登录操作，若工作人员离开设定区域，计时中断，时间不超过时间阈值，则确定工作人员无需登录操作。

另外，可以采集人脸图像；基于人脸图像判断工作人员是否正对终端设备。若工作人员脸部正对设备，则确定其需要登录操作。可选的，在工作人员正对设备时，也可以判断其正对设备的时间是否超过设定时长。

步骤12：激活终端设备的身份信息验证功能。

可以理解的，终端设备的身份信息验证功能需要专用的模组来实现，例如在人脸识别时，需要红外、摄像头、处理器等专用模组配合来执行，例如在声纹识别时，需要麦克风、处理器等模组来实现。如果将这些模组一直开启处于激活状态，会噪声资源的浪费，不利于降低设备的功耗。因此，通过上述步骤11的方式来判断工作人员是否进入了设定的区域内，才激活身份验证的功能。

步骤13：验证工作人员的身份信息是否通过。

在步骤12的判断结果为是时，执行步骤13。

这里的身份信息的验证包括人脸识别验证、指纹验证、声纹验证等生物信息的验证。

以人脸识别为例，在进行人脸识别时，可以具体包括以下的步骤：

1)动态采集图像，并识别是否存在面部特征；如果操作者仅仅是经过，那么将无法采集到面部特征；如果操作者需要进入***，那么会面对仪器。

2)当识别到工作人员面部特征时，激活面部识别***，进一步采集三维特征点，并根据特征点进行权限验证。

步骤14：实现终端设备的登录。

区别于现有技术，本实施提供的终端设备的验证登录方法包括：接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域；若是，激活终端设备的身份信息验证功能；验证工作人员的身份信息是否通过；若是，实现终端设备登录。通过上述方式，利用外部红外设备来检测设定区域内是否有人，在无人的情况下，身份验证***处于睡眠状态，功耗较低，在有人的情况下，身份验证***才激活开始工作，由于外部红外设备的功耗远小于身份验证***激活的功耗，因此这样既功能降低功耗，又能够不影响身份信息的识别效率。

参阅图5，图5是本申请提供的终端设备的登录验证方法另一实施例的流程示意图，该方法包括：

步骤51：判断是否有工作人员进入设定区域并准备进行登录操作。

本实施例中的步骤51与上述实施例中的步骤11类似，这里不再赘述。在步骤51的判断结果为是时，执行步骤52。

步骤52：激活终端设备的身份信息验证功能。

步骤53：获取工作人员的第一生物特征信息。

步骤54：验证第一生物特征信息是否通过验证。

在步骤54的验证结果为是时，执行步骤57，在步骤54的验证结果为否时，执行步骤55。

步骤55：获取工作人员的第二生物特征信息。

步骤56：验证第二生物特征信息是否通过验证。

在步骤56的验证结果为是时，执行步骤57。

步骤57：实现终端设备的登录。

在上述的实施例中，通过两种不同的生物信息来对工作人员的身份进行识别。

可选的，在一实施例中，第一生物特征信息为人脸图像，第二生物特征信息为声音信息。

可以理解的，人脸识别的准确性和安全性一般较高，作为首位的验证方式。当时在不同的操作环境中，人脸识别往往会受到阻碍。例如，在医疗领域，工作环境一般都要求无菌环境，工作人员在环境中都有手套和口罩，只露出眼睛。在这种情况下，由于口罩的遮挡，并不能获取完整的人脸图像。

因此，在上述的步骤54中对人脸进行识别时，可以具体通过一下方式：

首先，在采集到人脸图像后，先判断人脸图像是否完整，例如，判断人脸图像中是否有遮挡物(例如口罩)，若有，则直接确定该验证过程不通过，进行下一步的验证，即采用获取声音信息的方式来进行验证。

另外，在其他的实施例中，上述的步骤54可以具体包括：提取人脸图像的特征数据；将特征数据与预存的标准数据进行对比；判断特征数据与标准数据的相似度是否大于第一设定阈值。在相似度大于第一设定阈值时，确定验证通过，在相似度小于第一设定阈值时，确定验证不通过。

另外，在其他实施例中，还可以设置两个判断阈值，如第二设定阈值和第三设定阈值，其中第二设定阈值的相似度大于第三设定阈值的相似度。具体地，特征数据与标准数据的相似度是否大于第二设定阈值时，直接验证通过；特征数据与标准数据的相似度是否小于第二设定阈值、但是大于第三设定阈值时，验证不通过，需要进行后续的第二验证过程再次验证；特征数据与标准数据的相似度是否小于第三设定阈值时，直接确定验证不通过，无需进行后续的再次验证。

可以理解的，在这种方式中，若由于戴口罩等原因是脸部被部分遮挡，但是眼睛等部位依然裸露，所以在匹配时也有一定的相似度。

另外，在其他实施例中，还可以通过人脸的停留时间来进行验证。具体地，判断人脸图像的停留时间是否大于设定时间阈值；若是，验证人脸图像是否通过验证。

可选的，这里可以采用人脸动态跟踪算法，判断人脸是否在移动，若是，则确定工作人员不需要进行身份验证，无需激活相应的验证功能，若人脸停留的时间较长，才对人脸图像进行识别进行验证。

下面通过一实施例对人脸识别的过程进行介绍。

从脸部图像中提取脸部三维轮廓模型；对三维轮廓模型进行改进，以对三维轮廓模型中的遮挡区域进行标定；从改进后的三维轮廓模型中提取特征信息；将特征信息与预存的标准数据进行比对，从而对脸部图像进行识别。

获取至少两个脸部图像；其中，至少两个脸部图像分别由至少两个摄像头采集得到。基于终端设备的坐标系对至少两个脸部图像进行坐标重建，以建立脸部三维特征模型。

可以理解的，第一摄像头拍摄的第一图像以第一摄像头自身的坐标来建立，而第二摄像头拍摄的第二图像以第二摄像头自身的坐标来建立，但是由于第一摄像头和第二摄像头之间有位置偏移，所以需要对坐标进行重建，保证第一图像和第二图像采用相同的坐标系。

如图6所示，图6是终端设备、第一摄像头和第二摄像头的位置关系示意图。

其中，A表示第一摄像头的传感器位置，B表示第二摄像头的传感器位置，L表示两传感器之间的距离，DE表示两个摄像头的透镜所在的平面，D点表示目标位置与第一摄像头的传感器的连线与透镜的交点， E点表示目标位置与第二摄像头的传感器的连线与透镜的交点。

具体地，可以采用以下的公式来进行坐标系的变换：

其中，(X，Y，Z)表示目标特征点在终端设备建立的坐标系中的三维坐标，L表示两个摄像头的传感器之间的距离，(x1，y1)和(x2， y2)分别表示目标位置与两个摄像头的传感器连线与透镜交点在两个摄像头的坐标系中的平面坐标，(x0，y0)表示在终端设备建立的坐标系中的坐标原点，px表示像素值，f表示焦距。

可以理解的，可以重复上述的步骤对多个特征点的坐标进行重建，得到多个特征点的三维坐标，从而得到脸部三维特征模型。

然后对脸部三维特征模型进行调整，以得到脸部三维轮廓模型。

其中，该过程可以具体包括脸部检测和图像的预处理。

脸部检测：脸部检测在实际中主要用于脸部识别的预处理，即在图像中准确标定出脸部的位置和大小。脸部图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。脸部检测就是把这其中有用的信息挑出来，并利用这些特征实现脸部检测。

主流的脸部检测方法基于以上特征采用Adaboost学习算法， Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。

脸部检测过程中使用Adaboost算法挑选出一些最能代表脸部的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

脸部图像预处理：对于脸部的图像预处理是基于脸部检测结果，对图像进行处理并最终服务于特征提取的过程。***获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于脸部图像而言，其预处理过程主要包括脸部图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

可选的，在一实施例中，上述的步骤113可以具体包括：在脸部图像中确定瞳孔的位置；基于两个瞳孔连线以及其中垂线建立垂直坐标系，以得到脸部三维轮廓模型。

如图7所示，图7是人脸轮廓的调整示意图。其中左图中的XOY 坐标为人脸轮廓的坐标，AB-CP坐标为瞳孔连线以及中垂线确定的坐标。可以从图中看出，由于人脸并不是完全对称的，有一些歪曲，导致XOY 坐标的轴线和AB-CP坐标的轴线有一些偏差。

具体地，识别到双眼位置，结合瞳距进行位置调整，对三维特征模型进行标定和比对。左瞳孔中心点和右瞳孔中心点进行连线，并以连线的中间点绘制垂直线，形成十字。

可选的，这里可以采用动态跟踪算法，在脸部图像中识别双眼的位置；然后采用拟合算法，计算两瞳孔之间的距离。

动态跟踪算法：人的眼睛看向不同方向时，眼部会有细微的变化，这些变化会产生可以提取的特征，可以通过图像捕捉或扫描提取这些特征，从而实时追踪眼睛的变化。从原理上看，眼球追踪主要是研究眼球运动信息的获取、建模和模拟。

拟合算法：拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。常用的拟合方法有如最小二乘曲线拟合法等。

然后对三维轮廓模型进行改进，以对三维轮廓模型中的遮挡区域进行标定。

可以理解的，在一些特殊的应用场景中，并不能获取脸部的全部图像，可能会由于遮挡或其他原因导致脸部图像获取不完整。例如，在医疗领域，工作环境一般都要求无菌环境，工作人员在环境中都有手套和口罩，只露出眼睛。在这种情况下，由于口罩的遮挡，并不能获取完整的脸部图像。

然后对三维轮廓模型进行去噪处理。对三维轮廓模型中的遮挡部分进行校正，并对遮挡区域进行标定。

由于检验人员佩戴口罩，鼻子和嘴巴无法获取，所以需要以三维特征模型，通过高斯过滤，形成面部轮廓特征数据；并以轮廓下面的一半作为面部调整的校正算法，并在三维轮廓模型予以标定。

由于采用上述的拟合和高斯过滤将多个特征点形成了未遮挡区域的平滑三维轮廓模型，可以进一步的对遮挡部分进行标定。具体地，可以利用面部平滑的特点以及人脸的特征数据对遮挡部分进行标定，例如，一般情况下鼻子往下会更加凸出，参考未遮挡部分的坐标，进一步的推算遮挡部分的坐标，从而逐渐对遮挡部分的各个特征点进行标定。

然后从改进后的三维轮廓模型中提取特征信息。

其中，特征点信息包括：面部特征点、瞳距、面部轮廓特征数据中的至少一种。脸部图像特征提取可使用的特征通常分为视觉特征、像素统计特征、脸部图像变换系数特征、脸部图像代数特征等。脸部特征提取就是针对脸部的某些特征进行的。脸部特征提取，也称脸部表征，它是对脸部进行特征建模的过程。脸部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。

基于知识的表征方法主要是根据脸部器官的形状描述以及他们之间的距离特性来获得有助于脸部分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。脸部由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别脸部的重要特征，这些特征被称为几何特征。基于知识的脸部表征主要包括基于几何特征的方法和模板匹配法。

然后将特征信息与预存的标准数据进行比对，从而对脸部图像进行识别。

其中，该标准数据是用户预先录入的人脸图像，该人脸图像可以通过上述类似的算法进行特征点的提取和保存。

提取的脸部图像的特征数据与数据库中存储的标准数据进行搜索匹配，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。脸部识别就是将待识别的脸部特征与已得到的脸部特征模板进行比较，根据相似程度对脸部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。

下面对声音信息识别进行介绍。

其中，以声纹信息(Voiceprint)为例，所谓声纹，是用电声学仪器显示的携带言语信息的声波频谱。

人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官--舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。每个人的语音声学特征既有相对稳定性，又有变异性，不是绝对的、一成不变的。这种变异可来自生理、病理、心理、模拟、伪装，也与环境干扰有关。尽管如此，由于每个人的发音器官都不尽相同，因此在一般情况下，人们仍能区别不同的人的声音或判断是否是同一人的声音。声纹识别，生物识别技术的一种，也称为说话人识别，有两类，即说话人辨认和说话人确认。不同的任务和应用会使用不同的声纹识别技术，如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。声纹识别就是把声信号转换成电信号，再用计算机进行识别。

具体可以在终端设备上设置语音接收装置来获取工作人员的声音信息，从而对其进行识别验证。

参阅图8，图8是本申请提供的终端设备的验证登录方法又一实施例的流程示意图，该方法包括：

步骤81：判断是否有工作人员进入设定区域并准备进行登录操作。

在步骤81的判断结果为是时，执行步骤82。

步骤82：激活终端设备的身份信息验证功能。

步骤83：验证工作人员的身份信息是否通过。

在步骤83的判断结果为是时，执行步骤84。

步骤84：实现终端设备登录。

步骤85：检测终端设备的样品检测区域是否放置有待检测样品。

在步骤85的判断结果为是时，执行步骤86。

可选的，在本实施例中，该终端设备为样品检测设备，例如血样检测设备。该设备包括样品检测区域。

具体地，可以在该样品检测区域设置一红外传感器，用于检测区域内是否有待检测样品。另外，也可以在检测区域的底座上设置重力传感器，在底座上放置待检测样品时，由于重力的因素，使得能够检测到有待检测样品放入检测区域。

步骤86：激活终端设备的检测功能。

本实施例的方式实现了自动激活检测功能以自动检测的效果，无需工作人员手动开启。

参阅图9，图9是本申请提供的终端设备一实施例的结构示意图，该终端设备90包括处理器91以及与处理器91耦接的存储器92、信号收发器93。

其中，信号收发器93用于接收外部红外设备设备发送的触发信息，可选的，该信号收发器93可以是红外接收器、蓝牙模组、WIFI模组等，这里不作要去。

另外，终端设备的身份验证方式若是人脸识别，其还可以包括摄像头、红外传感器等用于人脸识别的采集装置，若终端设备的身份验证方式为声纹识别，其还可以包括麦克风等用于声音信息采集的装置。

其中，存储器92用于存储程序数据，处理器91用于执行程序数据以实现如下的终端设备的验证登录方法：

判断是否有工作人员进入设定区域并准备进行登录操作；若是，激活终端设备的身份信息验证功能；验证工作人员的身份信息是否通过；若是，实现终端设备登录。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：判断是否有工作人员进入设定区域；若是，判断工作人员是否正对终端设备。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域；或利用终端设备的红外模组进行检测，以判断是否有工作人员进入设定区域。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：判断是否接收到第一红外设备发送的第一触发信息；若是，判断是否接收到第二红外设备发送的第二触发信息；若是，确定有工作人员进入设定区域。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：判断是否接收到第二红外设备发送的第二触发信息；若是，判断是否接收到第一红外设备发送的第一触发信息；若是，确定有工作人员离开设定区域。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：采集人脸图像；基于人脸图像判断工作人员是否正对终端设备。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：获取工作人员的第一生物特征信息；验证第一生物特征信息是否通过验证；和/或若否，获取工作人员的第二生物特征信息；验证第二生物特征信息是否通过验证。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：提取人脸图像的特征数据；将特征数据与预存的标准数据进行对比；判断特征数据与标准数据的相似度是否大于第一设定阈值。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：判断人脸图像的停留时间是否大于设定时间阈值；若是，验证人脸图像是否通过验证。

可选的，处理器91用于执行程序数据还用于实现如下的终端设备的验证登录方法：检测终端设备的样品检测区域是否放置有待检测样品；若是，激活终端设备的检测功能。

参阅图10，图10是本申请提供的计算机存储介质一实施例的结构示意图，该计算机存储介质100用于存储程序数据101，该程序数据101 在被处理器执行时，用于实现如下的终端设备的验证登录方法：

判断是否有工作人员进入设定区域并准备进行登录操作；若是，激活终端设备的身份信息验证功能；验证工作人员的身份信息是否通过；若是，实现终端设备登录。

本申请的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor) 执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (19)

1.一种终端设备的登录验证方法，其特征在于，包括：

判断是否有工作人员进入设定区域并准备进行登录操作；

若是，激活所述终端设备的身份信息验证功能；

验证所述工作人员的身份信息是否通过；

若是，实现所述终端设备登录。

2.根据权利要求1所述的终端设备的登录验证方法，其特征在于，

所述判断是否有工作人员进入设定区域并准备进行登录操作的步骤，包括：

判断是否有工作人员进入设定区域；

若是，判断所述工作人员是否正对所述终端设备。

3.根据权利要求2所述的终端设备的登录验证方法，其特征在于，

所述判断是否有工作人员进入设定区域的步骤，包括：

接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域；或

利用所述终端设备的红外模组进行检测，以判断是否有工作人员进入设定区域。

4.根据权利要求3所述的终端设备的登录验证方法，其特征在于，

所述外部红外设备包括第一红外设备和第二红外设备，所述第一红外设备的检测区域与所述终端设备之间的距离，大于所述第二红外设备的检测区域与所述终端设备之间的距离；

所述接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域的步骤，包括：

判断是否接收到所述第一红外设备发送的第一触发信息；

若是，判断是否接收到所述第二红外设备发送的第二触发信息；

若是，确定有工作人员进入所述设定区域。

5.根据权利要求3所述的终端设备的登录验证方法，其特征在于，

所述外部红外设备包括第一红外设备和第二红外设备，所述第一红外设备的检测区域与所述终端设备之间的距离，大于所述第二红外设备的检测区域与所述终端设备之间的距离；

所述接收外部红外设备发送的触发信息，以判断是否有工作人员进入设定区域的步骤，包括：

判断是否接收到所述第二红外设备发送的第二触发信息；

若是，判断是否接收到所述第一红外设备发送的第一触发信息；

若是，确定有工作人员离开所述设定区域。

6.根据权利要求2所述的终端设备的登录验证方法，其特征在于，

所述判断所述工作人员是否正对所述终端设备的步骤，包括：

采集人脸图像；

基于所述人脸图像判断所述工作人员是否正对所述终端设备。

7.根据权利要求1所述的终端设备的登录验证方法，其特征在于，

所述验证所述工作人员的身份信息是否通过的步骤，包括：

获取工作人员的第一生物特征信息；

验证所述第一生物特征信息是否通过验证；和/或

若否，获取工作人员的第二生物特征信息；

验证所述第二生物特征信息是否通过验证。

8.根据权利要求7所述的终端设备的登录验证方法，其特征在于，

所述第一生物特征信息为人脸图像；

所述验证所述第一生物特征信息是否通过验证的步骤，包括：

提取所述人脸图像的特征数据；

将所述特征数据与预存的标准数据进行对比；

判断所述特征数据与所述标准数据的相似度是否大于第一设定阈值。

9.根据权利要求8所述的终端设备的登录验证方法，其特征在于，

所述方法还包括：

在所述特征数据与所述标准数据的相似度小于所述第一设定阈值、且大于第二设定阈值时，执行所述获取工作人员的第二生物特征信息的步骤。

10.根据权利要求7所述的终端设备的登录验证方法，其特征在于，

所述第一生物特征信息为人脸图像；

所述验证所述第一生物特征信息是否通过验证的步骤，包括：

判断所述人脸图像的停留时间是否大于设定时间阈值；

若是，验证所述人脸图像是否通过验证。

11.根据权利要求7所述的终端设备的登录验证方法，其特征在于，

所述第二生物特征信息为声音信息。

12.根据权利要求1所述的终端设备的登录验证方法，其特征在于，

所述终端设备为样品检测设备；

所述实现所述终端设备登录的步骤之后，还包括：

检测所述终端设备的样品检测区域是否放置有待检测样品；

若是，激活所述终端设备的检测功能。

13.一种终端设备，其特征在于，所述终端设备包括处理器以及与所述处理器耦接的存储器；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-12任一项所述的终端设备的登录验证方法。

14.根据权利要求13所述的终端设备，其特征在于，

所述终端设备还包括摄像模组，用于获取人脸图像，以判断工作人员是否正对所述终端设备。

15.根据权利要求13所述的终端设备，其特征在于，

所述终端设备还包括摄像模组和声音采集模组；

其中，所述摄像模组采集人脸图像作为第一生物特征信息以便进行识别验证，所述声音采集模组用于采集声音信息作为第二生物特征信息以便进行识别验证。

16.一种登录验证***，其特征在于，包括终端设备和红外设备；

其中，所述红外设备用于检测是否有工作人员进入设定区域，所述终端设备包括处理器以及与所述处理器耦接的存储器；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-12任一项所述的终端设备的登录验证方法。

17.根据权利要求16所述的登录验证***，其特征在于，

所述红外设备包括第一红外设备和第二红外设备，所述第一红外设备的检测区域与所述终端设备之间的距离，大于所述第二红外设备的检测区域与所述终端设备之间的距离。

18.根据权利要求16所述的登录验证***，其特征在于，

所述红外设备包括多个子红外设备，每个所述子红外设备形成线性检测区域，多个所述子红外设备的线性检测区域围设形成所述设定区域。

19.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序数据，所述程序数据在被处理器执行时，用以实现如权利要求1-12任一项所述的终端设备的登录验证方法。

Images