CN104123161B - 一种利用人眼注视点的屏幕解锁和应用启动的方法 - Google Patents

Abstract

本发明涉及一种利用人眼注视点的屏幕解锁和应用启动的方法，通过将屏幕划分成不同的区域，当用户注视点落在不同的区域时，触发预定的信息即密码位。当用户进行解锁时，通过捕捉到的密码，与用户指定的密码进行匹配，匹配成功为合法用户，不成功为非合法用户。当用户注视点落到某个应用图标所在区域时，即启动该应用程序，本发明提出的解锁方法，安全性较高，因为替代了用户用手指进行滑动解锁或触摸点击，其他用户基本不可能知道你眼睛的在屏幕上的注视点，所以解锁过程中，密码泄露的可能极小。相对于现有的眼球解锁技术有效性高，用户成功解锁的概率高达90％以上。

Description

一种利用人眼注视点的屏幕解锁和应用启动的方法

技术领域

本发明涉及电子设备应用领域，具体涉及一种利用人眼注视点的屏幕解锁和应用启动的方法。

背景技术

移动通讯设备为防止在休眠状态下被误操作，会进入锁定的状态，解锁后才可以进行操作。所以手机解锁是启用手机的必要途径，大多数情况下，是使用手机的第一步操作。所以手机解锁应该要简单，有效，安全。简单是指手机解锁应该要操作简单，不需要太多步骤。有效是指手机解锁应该一次成功，不能失败多次导致浪费太多时间。安全是指用户只能自己知道如何解锁，其它人不知道解锁的方法，否则会导致用户信息的泄露。目前较为广泛应用的解锁方式有两大类：软件方式：官方提供的软件或第三方开发的工具，硬件方式：使用外联设备，或其他手段改变手机硬件设置的解锁。

软件方式是目前最广泛的解锁方式。这类方式大多由手机操作系统提供。例如Android，IOS的滑动解锁。可这种解锁方式虽然简单有效，但没有安全性，任何人都可以解锁手机。Android和IOS系统也提供了具有相对“安全性”解锁的方式，如Android的图案解锁，IOS的密码解锁。这些解锁方式都比较繁琐。例如密码解锁每次都需要用户输入密码，而这些密码长度大多都在4位以上。用户锁屏解锁的次数是非常频繁的，这样就会消耗很多时间在输入密码上，密码如果输错，又要重新输入一次，而且重新输入的次数也有限制。而且由于用户在公共场合，如公交车上，地铁站等，输入这些数字密码或图案密码容易被他人窃取。所以这些解锁方式还是很容易被攻击。其它第三方软件开发的解锁方式也有类似问题。

硬件解锁是指在现有手机上外联一些额外设备，从而达到解锁的目的。例如虹膜识别技术。虹膜识别是指利用虹膜中相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征进行身份识别。虹膜识别具有很高的安全性，但是手机的摄像头像素远低于识别所需的像素要求，而且用户需要将眼睛前端放置于摄像头的3英寸内。所以此技术需要手机外联一个精密摄像设备。这些额外设备都比较昂贵，而且用户携带也不方便，再加上每次解锁都需要连接，所以限制了硬件解锁方式的推广。

由于上述的两种解锁方式有很多的不足之处，所以一些软件结合硬件的方法在最近被提出来。例如语音解锁，利用麦克风和语音识别技术结合起来。因为解锁需要用户说话，所以其受噪音的影响较大，对周围环境的要求较高，在公共场合如公交车上，地铁站等，解锁成功率较差，有效性不强。而且即使在一些相对较安静的场合，如电影院，会议室，用户不一定方便大声说话。所以它本身的劣势限制它的广泛使用。

现在启动手机应用的方式，一般都是通过常规方式如按键、屏幕触摸、遥控等方式进行应用启动。然而就如上述一些情况，由于包括个人隐私、环境和场合限制等因素，人们不方便通过包括手的活动控制手机智能设备的应用启动，或者在这些场合上述的常规方式存在很大的安全隐患。

发明内容

本发明的目的在于克服上述现有技术中存在的缺点，提供一种利用人眼注视点的屏幕解锁和应用启动的方法，具有使用方便，安全的优点。

为实现上述目的，本发明采用以下技术方案：包括以下步骤：

1)首先得到人眼正对屏幕时瞳孔中心的位置，后将手机屏幕划分成若干区域，在每个区域选取若干个测试点，分别测得瞳孔中心水平偏移值和垂直偏移值，收集实验数据，确定边界，建立各个区域与对应的应用或解锁点的对应关系存储，最终建立训练集，；

2)在训练集的基础上建立分类器；

3)手机接收用户发出的解锁或应用启动指令；

4)用户根据预设的密码注视屏幕的相应区域，手机摄像头获取人眼正对屏幕时瞳孔中心的位置坐标，即瞳孔中心水平偏移和垂直偏移；

5)分类器对步骤4)中获得的瞳孔中心水平偏移和垂直偏移进行判断：

当为屏幕解锁时：分类器判断成功后，在文本框中显示*，提示用户输入成功，之后重复步骤4)直至最后一位输入正确，后解锁成功；

当为应用启动时：分类器判断成功后，启动相应程序。

所述的得到人眼正对屏幕时瞳孔中心的位置和瞳孔中心水平偏移值与垂直偏移值的方法为：

1)对人脸进行肤色识别，找出眼眶的区域；

2)在眼眶区域进行灰度计算，因为瞳孔是灰黑色，其他部分是白色，这样就可以区分出来，结果分出黑色与白色两个区域；

3)在黑色区域进行质心计算，得到的质心即为瞳孔中心的位置我们记录下人眼正对屏幕时人左眼右眼的XY坐标值、人眼宽度、人眼高度和人头相对于屏幕的水平偏移与垂直偏移。

所述的步骤1)中：屏幕划分成九个相同大小的区域，且每个区域随机选取50个测试点。

所述的步骤2)中建立分类器的方式为：利用基于独立假设贝叶斯定理朴素贝叶斯分类器，进行分类。

所述的朴素贝叶斯分类器的分类方式为：设个体有n项特征分别为：F1、F2、...、Fn；设m个类别分别为：C1、C2、...、Cm；之后求算式：

P(C|F1F2...Fn)＝P(F1F2...Fn|C)P(C)/P(F1F2...Fn)；

的最大值，得到每个类别对应的概率，找出最大概率的类别，则个体的类别为所找出的最大概率的类别。

本发明具有以下的有益效果：相比较现有技术，本发明通过利用手机自带的摄像头，不需要任何额外设备，将用户在屏幕上的注视点在屏幕上进行定位。将屏幕划分成不同的区域，当用户注视点落在不同的区域时，触发预定的信息即密码位。当用户进行解锁时，通过捕捉到的密码，与用户指定的密码进行匹配，匹配成功为合法用户，不成功为非合法用户。当用户注视点落到某个应用图标所在区域时，即启动该应用程序，相当于用户“点击”了该应用图标，省去了用户用手指点击的步骤，既安全又方便。实验结果表明，本发明提出的解锁方法，安全性较高，因为替代了用户用手指进行滑动解锁或触摸点击，其他用户基本不可能知道你眼睛的在屏幕上的注视点，所以解锁过程中，密码泄露的可能极小。相对于现有的眼球解锁技术有效性高，用户成功解锁的概率高达90％以上。方便性较好，不需要用户动手进行任何输密码或滑动的等等操作，而且用的是手机自带的摄像头，并没有使用任何额外设备。本发明提出的启动应用的方法，省去了用户用手指或躯干部位点击屏幕的步骤，避免了一些用户用手机点击不方便的情况，如双手拿着东西，或单手操作不稳。而且避免用户在公共场合泄露隐私的可能性。

附图说明

图1是解锁界面示意图；

图2是人眼瞳孔中心水平偏移值与垂直偏移值的方法测量示意图；

图3是手机程序界面划分示意图；

图4是用户解锁步骤流程图；

图5是用户启动应用程序步骤流程图；

图6是终端的结构示意图。

具体实施方式

下面结合附图，对本发明作进一步详细说明。

参见图1，本发明包括以下步骤：

1)首先得到人眼正对屏幕时瞳孔中心的位置，后将手机屏幕划分成九个相同大小的区域，且每个区域随机选取50个测试点，分别测得瞳孔中心水平偏移值和垂直偏移值，收集实验数据，确定边界，建立各个区域与对应的应用或解锁点的对应关系存储，最终建立训练集；

2)在训练集的基础上建立分类器，且建立分类器的方式为：利用基于独立假设贝叶斯定理的朴素贝叶斯分类器，进行分类；

3)手机接收用户发出的解锁或应用启动指令；

4)用户根据预设的密码注视屏幕的相应区域，手机摄像头获取人眼正对屏幕时瞳孔中心的位置坐标，即瞳孔中心水平偏移和垂直偏移；

5)分类器对步骤4)中获得的瞳孔中心水平偏移和垂直偏移进行判断：

当为屏幕解锁时：分类器判断成功后，在文本框中显示*，提示用户输入成功，之后重复步骤4)直至最后一位输入正确，后解锁成功；

当为应用启动时：分类器判断成功后，启动相应程序。

所述的得到人眼正对屏幕时瞳孔中心的位置和瞳孔中心水平偏移值与垂直偏移值的方法为：

1)对人脸进行肤色识别，找出眼眶的区域；

2)在眼眶区域进行灰度计算，因为瞳孔是灰黑色，其他部分是白色，这样就可以区分出来，结果分出黑色与白色两个区域；

3)在黑色区域进行质心计算，得到的质心即为瞳孔中心的位置我们记录下人眼正对屏幕时人左眼右眼的XY坐标值、人眼宽度、人眼高度和人头相对于屏幕的水平偏移与垂直偏移。

朴素贝叶斯分类器的分类方式为：设个体有n项特征(Feature)，分别为F1、F2、...、Fn。现有m个类别(Category)，分别为C1、C2、...、Cm。贝叶斯分类器就是计算出概率最大的那个分类，也就是求下面这个算式的最大值：

P(C|F1F2...Fn)＝P(F1F2...Fn|C)P(C)/P(F1F2...Fn)

由于P(F1F2...Fn)对于所有的类别都是相同的，可以省略，问题就变成了求P(F1F2...Fn|C)P(C)的最大值。

朴素贝叶斯分类器则是更进一步，假设所有特征都彼此独立，因此

P(F1F2...Fn|C)P(C)＝P(F1|C)P(F2|C)...P(Fn|C)P(C)

上式等号右边的每一项，都可以从训练集中得到，由此就可以计算出每个类别对应的概率，从而找出最大概率的那个类，则个体的类别为所找出的最大概率的类别。

收集实验数据，确定边界，建立训练集的方法为：

由于瞳孔中心水平偏移与垂直偏移变量的稳定性，我们可以以此作为属性，为了更加精确，我们把人头相对于屏幕的水平偏移与人头相对于屏幕的垂直偏移也作为属性数据收集。

此外，我们还要确定瞳孔中心水平偏移与垂直偏移的范围，这个范围为用户注视屏幕上下左右边界时的数据。这个范围可以让我们判断用户的注视点是否在屏幕范围以内。

我们划分成了9个相同大小的区域，我们在每个区域内随机选取50个点测试，记录下每个点的数据，建立训练集。训练集格式如下：

建立分类器的方法：

得到训练集后，在这个训练集上建立分类器。利用基于独立假设的贝叶斯定理的简单概率分类器即朴素贝叶斯分类器，进行分类。

朴素贝叶斯分类器的原理如下：

朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。

朴素贝叶斯分类的正式定义如下：

1、设x＝{n₁，n₂，...，n_m}为一个待分类项，而每个a为x的一个特征属性；

2、有类别集合C＝{u₁，u₂，...，u_n}；

3、计算P(u₁|x)，P(u₂|x)，...，P(u_n|x)；

4、如果P（y_k|x）=max{P（y₁|x），P(y₂|x)，P(y₂|x)}，则x∈y_k。

第3步中的各个条件概率的计算方式如下：

1、找到一个已知分类的待分类项集合，这个集合叫做训练样本集；

2、统计得到在各类别下各个特征属性的条件概率估计，即

P(a₁|y_n)，P(a₂|y_n)，...，P(a_m|y_n)

3、如果各个特征属性是条件独立的，则根据贝叶斯定理有如下推导：

因为分母对于所有类别为常数，只要将分子最大化皆可，又因为各特征属性是条件独立的，所以有：

对于训练出来的分类器，它的x＝{脑袋的水平偏移,脑袋的垂直偏移,瞳孔中心水平偏移,瞳孔中心垂直偏移},C＝{R1,R2,…R9}代表区域1-9。通过该分类器，可以得到概率最大的注视点所在区域，即得到了概率最大的数字密码位。分类器建好之后，可以利用混淆矩阵检验分类器的质量。

根据当前用户的输入，匹配是否为合法用户的方法为：

在得到分类器后，就可以对用户进行合法匹配。

用户注视手机，用户按照自己预定的密码数字对应相应的区域进行移动，当分类器判断成功后，在文本框中显示*，提示用户输入成功。当输完所有数字密码后，按照用户预定的密码进行匹配。如果匹配成功，为合法用户，手机解锁，否则，不解锁。

本发明在启动应用程序时的方式为：当屏幕上排列着4x4总计16个应用程序，先将应用与区域号对应关系存储，然后对这16个区域进行数据采集，训练，建立分类器。当注视点落在某一个应用图标时，通过建立好的分类器判断出注视点所在区域号，利用已经存储的应用与区域号的对应关系，启动相应的应用程序。

Claims (3)

1.一种利用人眼注视点的屏幕解锁和应用启动的方法，其特征在于：包括以下步骤：

1)首先得到人眼正对屏幕时瞳孔中心的位置，后将手机屏幕划分成若干区域，在每个区域选取若干个测试点，分别测得瞳孔中心水平偏移值和垂直偏移值，收集实验数据，确定边界，建立各个区域与对应的应用或解锁点的对应关系存储，最终建立训练集；所述的得到人眼正对屏幕时瞳孔中心的位置和瞳孔中心水平偏移值与垂直偏移值的方法为：a)对人脸进行肤色识别，找出眼眶的区域；b)在眼眶区域进行灰度计算，因为瞳孔是灰黑色，其他部分是白色，这样就可以区分出来，结果分出黑色与白色两个区域；c)在黑色区域进行质心计算，得到的质心即为瞳孔中心的位置我们记录下人眼正对屏幕时人左眼右眼的XY坐标值、人眼宽度、人眼高度和人头相对于屏幕的水平偏移与垂直偏移；

2)在训练集的基础上建立分类器；利用基于独立假设贝叶斯定理的朴素贝叶斯分类器，进行分类；

3)手机接收用户发出的解锁或应用启动指令；

4)用户根据预设的密码注视屏幕的相应区域，手机摄像头获取人眼正对屏幕时瞳孔中心的位置坐标，即瞳孔中心水平偏移和垂直偏移；

5)分类器对步骤4)中获得的瞳孔中心水平偏移和垂直偏移进行判断：

当为屏幕解锁时：分类器判断成功后，在文本框中显示*，提示用户输入成功，之后重复步骤4)直至最后一位输入正确，后解锁成功；

当为应用启动时：分类器判断成功后，启动相应程序。

2.根据权利要求1所述的一种利用人眼注视点的屏幕解锁和应用启动的方法，其特征在于：所述的步骤1)中：屏幕划分成九个相同大小的区域，且每个区域随机选取50个测试点。

3.根据权利要求1所述的一种利用人眼注视点的屏幕解锁和应用启动的方法，其特征在于：所述的朴素贝叶斯分类器的分类方式为：设个体有n项特征分别为：F1、F2、...、Fn；设m个类别分别为：C1、C2、...、Cm；之后求算式：

P(C|F1F2...Fn)＝P(F1F2...Fn|C)P(C)/P(F1F2...Fn)；

的最大值，得到每个类别对应的概率，找出最大概率的类别，则个体的类别为所找出的最大概率的类别。