CN105740675B - 一种基于动态人物识别触发授权管理的方法及系统 - Google Patents
一种基于动态人物识别触发授权管理的方法及系统 Download PDFInfo
- Publication number
- CN105740675B CN105740675B CN201610072661.4A CN201610072661A CN105740675B CN 105740675 B CN105740675 B CN 105740675B CN 201610072661 A CN201610072661 A CN 201610072661A CN 105740675 B CN105740675 B CN 105740675B
- Authority
- CN
- China
- Prior art keywords
- image
- dynamic
- user
- video image
- matching
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices
Abstract
本发明公开了一种基于动态人物识别触发授权管理的方法及系统,其方法包括:获得用户动态视频图像;对所述用户动态视频图像进行视频图像预处理,提取所述用户动态视频图像中的若干关键帧图像;扫描二值化处理后的帧图像并提取动态视频图像特征流;判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;接收用户基于授权管理界面输出的动态验证码和密码。本发明能够较精准的匹配到相关联的视频图像内容,以及触发相应的授权管理界面,从而保证授权管理界面输入信息的安全性,采用动态码与用户密码结合的方式,保障输入过程中的安全性。
Description
技术领域
本发明涉及视频图像技术领域,具体涉及一种基于动态人物识别触发授权管理的方法及系统。
背景技术
视频图像处理过程中会涉及到对视频图像数据的采集、传输、处理、显示和回放等过程,这些过程共同形成了一个系统的整体周期,可以连续性的运作。在视频图像处理技术范围内最主要的就是包括了图像的压缩技术和视频图像的处理技术等。目前,市场上主流的视频图像处理技术包括:智能分析处理,视频透雾增透技术,宽动态处理,超分辨率处理,下面分别介绍以上四种处理技术。
智能视频分析技术是解决视频监控领域大数据筛选、检索技术问题的重要手段。目前国内智能分析技术可以分为两大类:一类是通过前景提取等方法对画面中的物体的移动进行检测,通过设定规则来区分不同的行为,如拌线、物品遗留、周界等;另一类是利用模式识别技术对画面中所需要监控的物体进行针对性的建模,从而达到对视频中的特定物体进行检测及相关应用,如车辆检测、人流统计、人脸检测等应用。
现有视频采集对动态要求性较高,整个视频采集的动态性要求高,现有视频数据结合动态采集视频数据验证度不高,其存在无法有效性验证,针对特殊场景模式中,采集的视频图像是动态的,其整个采集过程会影响到数据失真,从而造成视频图像采集难度,以及针对采集到的视频图像无法快速实现动态匹配过程,造成验证识别困难,无法快速进入到远程平台界面,实现有效的授权管理。
发明内容
本发明的目的是提供一种基于动态人物识别触发授权管理的方法及系统,增强视频图像动态采集的效果,减少采集视频数据的搜索匹配难度,实现远程授权管理安全性。
为此,本发明提供了一种基于动态人物识别触发授权管理的方法,包括如下步骤:
基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
对所述用户动态视频图像进行视频图像预处理,并对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像;
对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流;
将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;
在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
接收用户基于授权管理界面输出的动态验证码和密码。
所述基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像包括:
基于Adaboost算法的统计学习方法对授权管理用户的人脸特征进行检测,判断授权管理用户的人脸特征是否具有完整性结构;
在判断授权管理用户人脸特征是否具有完整性结构时,对所述授权管理用户进行动态视频采集,获得动态视频图像。
所述对所述用户动态视频图像进行视频图像预处理包括:
对动态视频图像进行降噪和图像增强。
所述对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像包括:
基于三帧差分的运动检测对所述用户动态视频图像进行若干关键帧的提取。
所述扫描二值化处理后的帧图像并提取动态视频图像特征流包括:
将二值化处理后的帧图像分为相同大小的4、9、16部分;
对4、9、16部分中的每一小部分,再平均分为4部分区域;
从上至下,从左至右,依次扫描整个二值图的各个最小区域,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符;
扫描处理完整个二值化处理后的帧图像,得到二值化处理后的帧图像基于4、9、16部分的3个特征流。
所述查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符的步骤中,像素点与特征符对应关系为:a=1000;b=0100;c=0010;d=0001;e=1100;f=0110;g=0011;h=1001;i=1010;j=0101;k=0111;l=1011;m=1101;n=1110;o=1111;p=0000,其中1代表该区域有像素点分布,0代表该区域无像素点分布,a至p表示特征符。
所述将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系包括:
取出所有匹配图像中每一匹配图像所对应的匹配图像特征流和动态视频图像特征流;
分别对比匹配图像特征流和动态视频图像特征流的3个特征流,统计对应的特征流的相似度,并得出所有匹配图像中每一匹配图像与动态视频相似度值;
在判断后台鉴权系统中的某一匹配图像所对应的相似度值大于阈值时,则判定用户动态视频图像与后台鉴权系统中的匹配图像存在匹配关系,否则判断所述用户动态视频图像与后台鉴权系统中的匹配图像不存在匹配关系。
所述授权管理界面包括:用户身份信息,动态码验证输入框,密码输入框,所述用户身份信息为用户头像或者用户名或者ID。
相应的,本发明还提供了一种基于动态人物识别触发授权管理的系统,包括:
视频采集模块,用于基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
视频预处理模块,用于对所述用户动态视频图像进行视频图像预处理,并对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像;
视频图像处理模块,用于对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流;
视频图像匹配模块,用于将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;
授权管理模块,用于在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
授权管理输入模块,用于接收用户基于授权管理界面输出的动态验证码和密码。
所述视频采集模块用于基于Adaboost算法的统计学习方法对人物特征进行检测,判断人物是否进入到视频采集范围;在判断人物进入到视频采集范围时,对所述人物进行动态视频采集,获得动态视频图像;所述视频预处理模块用于对动态视频图像进行降噪和图像增强,以及基于三帧差分的运动检测对所述用户动态视频图像进行若干关键帧的提取。
与现有技术相比,本发明基于Adaboost的人脸检测算法是一种统计学习算法,它通过对Haar特征的统计来判别是不是人脸,以及快速定位人脸结构特征,可以识别出人物是否进入到视频采集范围,从而启动整个视频采集过程。针对采集视频的动态性,采取对视频图像进行运动检测,得到关键帧图像,形成关键帧图像的关键帧视频流,从而对关键帧视频流中的关键帧图像进行特征流提取,从而提交了视频图像需要匹配的目标图像的精度,根据目标图像在视频区域分布信息提取特征,将目标图像和待匹配图像进行特征匹配,从而识别或搜索相关视频区域,同时还可以进行在视频中进行跟踪。针对匹配数据库中的容量,可以预先获得匹配数据库中每一匹配图像的特征流,在针对每一图像中特征流,根据各个小块目标点分布的具体情况得出特征符并形成特征流进行图像匹配,并且只需一次扫描整个目标区域即可,避免了重复计算,匹配,大大加快了图像匹配速度和效率。针对整个匹配过程,能够较精准的匹配到相关联的视频图像内容,以及触发相应的授权管理界面,从而保证授权管理界面输入信息的安全性,采用动态码与用户密码结合的方式,保障输入过程中的安全性。
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它的附图。
图1是本发明实施例的基于动态人物识别触发授权管理的方法流程图;
图2是本发明实施例的基于动态人物识别触发授权管理的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如上所述,本发明提出了一种基于动态人物识别触发授权管理的方法,其基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;对用户动态视频图像进行视频图像预处理,并对用户动态视频图像进行运动检测,提取用户动态视频图像中的若干关键帧图像;对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流;将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;接收用户基于授权管理界面输出的动态验证码和密码。
参考图1,图1示出了本发明实施例中的基于动态人物识别触发授权管理的方法流程图,该方法包括如下:
S101、基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
需要说明的是,具体实施过程中,首先基于Adaboost算法的统计学习方法对授权管理用户的人脸特征进行检测,判断授权管理用户的人脸特征是否具有完整性结构;在判断授权管理用户人脸特征是否具有完整性结构时,对所述授权管理用户进行动态视频采集,获得动态视频图像。在整个视频采集过程中,如果人脸特征不完整时,一般不启动视频采集。
S102、对用户动态视频图像进行视频图像预处理;
需要说明的是,在整个图像预处理过程中,需要涉及到对动态视频图像进行降噪和图像增强,从而保证整个人脸特征结构的清晰度,保证视频数据中关键帧提取。
S103、对用户动态视频图像进行运动检测,提取用户动态视频图像中的若干关键帧图像;
在具体实施过程中,基于三帧差分的运动检测对动态视频图像进行若干关键帧的提取,从而保障整个关键帧流的动态视频图像特征流的完整性。
S104、对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流;
整个图像特征流过程如下:
将二值化处理后的帧图像分为相同大小的4、9、16部分;
对4、9、16部分中的每一小部分,再平均分为4部分区域;
从上至下,从左至右,依次扫描整个二值图的各个最小区域,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符;
扫描处理完整个二值化处理后的帧图像,得到二值化处理后的帧图像基于4、9、16部分的3个特征流。
需要说明的是,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符的步骤中,像素点与特征符对应关系为:a=1000;b=0100;c=0010;d=0001;e=1100;f=0110;g=0011;h=1001;i=1010;j=0101;k=0111;l=1011;m=1101;n=1110;o=1111;p=0000,如下表表1所示,其中1代表该区域有像素点分布,0代表该区域无像素点分布,a至p表示特征符。
表1像素点分布与特征符对应表
a | b | c | d | ||||||||
1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | ||||
0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | ||||
e | f | g | h | ||||||||
1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | ||||
0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | ||||
i | j | k | l | ||||||||
1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | ||||
0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | ||||
m | n | o | p | ||||||||
1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | ||||
1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 |
定义一个字符x,y的匹配程度的方法,对应上表进行匹配,定义两个字符的相似度为dis(x,y):x与y异或后1的个数,dis(x,y)数值越大表明字符x,y代表的区域相似度越不高(例如,x与x匹配后,dis=0,标明这两个区域无限相似)。
S105、将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配;
S106、判断动态视频图像特征流与匹配图像特征流是否存在匹配关系,如果存在匹配关系,则进入到S107,否则结束流程;
具体实施过程中,智能识别人物身份的过程,取出所有匹配图像中每一匹配图像所对应的匹配图像特征流和动态视频图像特征流;分别对比匹配图像特征流和动态视频图像特征流的3个特征流,统计对应的特征流的相似度,并得出所有匹配图像中每一匹配图像与动态视频相似度值;在判断后台鉴权系统中的某一匹配图像所对应的相似度值大于阈值时,则判定用户动态视频图像与后台鉴权系统中的匹配图像存在匹配关系,否则判断所述用户动态视频图像与后台鉴权系统中的匹配图像不存在匹配关系。通过两者图像特征流相关性,从而保障到相似度匹配关系,保障整个相似度匹配,从而调用出相关联度的用户信息,比如通过人物识别得到相似度匹配的某一匹配图像后,该匹配图像关联有用户信息,这些用户信息包括了用户名、用户联系信息、用户授权权限等等。
S107、向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
在满足身份识别后,发现该用户是图像匹配库的一员,则向合法的授权管理用户发送登录平台界面,以及相应的动态验证码,每一匹配图像所涉及有相应的解码信息,该解码信息保障用户接入授权管理界面的安全性,从而保障整个鉴权管理系统的安全性。
S108、接收用户基于授权管理界面输出的动态验证码和密码;
用户基于动态验证码和密码可以完成整个授权管理界面的登录过程,实现对授权管理平台的操控,但主要基于该用户的权限限制等等来实现。
结束。
具体实施过程中,首先实现了动态人物特征的识别,从而再启动整个鉴权管理系统的启动,保障了整个授权管理界面的安全性,保障合法用户使用授权管理平台。
图2还示出了本发明实施例中的基于动态人物识别触发授权管理的系统结构示意图,该系统包括:
视频采集模块,用于基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
视频预处理模块,用于对所述用户动态视频图像进行视频图像预处理,并对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像;
视频图像处理模块,用于对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流;
视频图像匹配模块,用于将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;
授权管理模块,用于在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
授权管理输入模块,用于接收用户基于授权管理界面输出的动态验证码和密码。
具体实施过程中,该视频采集模块用于基于Adaboost算法的统计学习方法对人物特征进行检测,判断人物是否进入到视频采集范围;在判断人物进入到视频采集范围时,对所述人物进行动态视频采集,获得动态视频图像。
具体实施过程中,该视频预处理模块用于对动态视频图像进行降噪和图像增强,以及基于三帧差分的运动检测对所述待检测用户视频图像进行若干关键帧的提取。
具体实施过程中,该视频图像处理模块中图像特征流过程如下:将二值化处理后的帧图像分为相同大小的4、9、16部分;对4、9、16部分中的每一小部分,再平均分为4部分区域;从上至下,从左至右,依次扫描整个二值图的各个最小区域,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符;扫描处理完整个二值化处理后的帧图像,得到二值化处理后的帧图像基于4、9、16部分的3个特征流。
具体实施过程中,该视频图像匹配模块用于智能识别人物身份的过程,取出所有匹配图像中每一匹配图像所对应的匹配图像特征流和动态视频图像特征流;分别对比匹配图像特征流和动态视频图像特征流的3个特征流,统计对应的特征流的相似度,并得出所有匹配图像中每一匹配图像与动态视频相似度值;在判断后台鉴权系统中的某一匹配图像所对应的相似度值大于阈值时,则判定用户动态视频图像与后台鉴权系统中的匹配图像存在匹配关系,否则判断所述用户动态视频图像与后台鉴权系统中的匹配图像不存在匹配关系。通过两者图像特征流相关性,从而保障到相似度匹配关系,保障整个相似度匹配,从而调用出相关联度的用户信息,比如通过人物识别得到相似度匹配的某一匹配图像后,该匹配图像关联有用户信息,这些用户信息包括了用户名、用户联系信息、用户授权权限等等。
具体实施过程中,该系统首先实现了动态人物特征的识别,从而再启动整个鉴权管理系统的启动,保障了整个授权管理界面的安全性,保障合法用户使用授权管理平台。
本发明基于Adaboost的人脸检测算法是一种统计学习算法,它通过对Haar特征的统计来判别是不是人脸,以及快速定位人脸结构特征,可以识别出人物是否进入到视频采集范围,从而启动整个视频采集过程。针对采集视频的动态性,采取对视频图像进行运动检测,得到关键帧图像,形成关键帧图像的关键帧视频流,从而对关键帧视频流中的关键帧图像进行特征流提取,从而提交了视频图像需要匹配的目标图像的精度,根据目标图像在视频区域分布信息提取特征,将目标图像和待匹配图像进行特征匹配,从而识别或搜索相关视频区域,同时还可以进行在视频中进行跟踪。针对匹配数据库中的容量,可以预先获得匹配数据库中每一匹配图像的特征流,在针对每一图像中特征流,根据各个小块目标点分布的具体情况得出特征符并形成特征流进行图像匹配,并且只需一次扫描整个目标区域即可,避免了重复计算,匹配,大大加快了图像匹配速度和效率。针对整个匹配过程,能够较精准的匹配到相关联的视频图像内容,以及触发相应的授权管理界面,从而保证授权管理界面输入信息的安全性,采用动态码与用户密码结合的方式,保障输入过程中的安全性。
以上对本发明实施例所提供的基于动态人物识别触发授权管理的方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;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 (9)
1.一种基于动态人物识别触发授权管理的方法,其特征在于,包括如下步骤:
基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
对所述用户动态视频图像进行视频图像预处理,并对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像;
对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流,其中:
所述扫描二值化处理后的帧图像并提取动态视频图像特征流包括:将二值化处理后的帧图像分为相同大小的4、9、16部分;对4、9、16部分中的每一小部分,再平均分为4部分区域;从上至下,从左至右,依次扫描整个二值图的各个最小区域,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符;扫描处理完整个二值化处理后的帧图像,得到二值化处理后的帧图像基于4、9、16部分的3个特征流;
将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;
在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
接收用户基于授权管理界面输出的动态验证码和密码。
2.如权利要求1所述的基于动态人物识别触发授权管理的方法,其特征在于,所述基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像包括:
基于Adaboost算法的统计学习方法对授权管理用户的人脸特征进行检测,判断授权管理用户的人脸特征是否具有完整性结构;
在判断授权管理用户人脸特征是否具有完整性结构时,对所述授权管理用户进行动态视频采集,获得动态视频图像。
3.如权利要求1所述的基于动态人物识别触发授权管理的方法,其特征在于,所述对所述用户动态视频图像进行视频图像预处理包括:
对动态视频图像进行降噪和图像增强。
4.如权利要求1所述的基于动态人物识别触发授权管理的方法,其特征在于,所述对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像包括:
基于三帧差分的运动检测对所述用户动态视频图像进行若干关键帧的提取。
5.如权利要求1所述的基于动态人物识别触发授权管理的方法,其特征在于,所述查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符的步骤中,像素点与特征符对应关系为:a=1000;b=0100;c=0010;d=0001;e=1100;f=0110;g=0011;h=1001;i=1010;j=0101;k=0111;l=1011;m=1101;n=1110;o=1111;p=0000,其中1代表该区域有像素点分布,0代表该区域无像素点分布,a至p表示特征符。
6.如权利要求5所述的基于动态人物识别触发授权管理的方法,其特征在于,所述将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系包括:
取出所有匹配图像中每一匹配图像所对应的匹配图像特征流和动态视频图像特征流;
分别对比匹配图像特征流和动态视频图像特征流的3个特征流,统计对应的特征流的相似度,并得出所有匹配图像中每一匹配图像与动态视频相似度值;
在判断后台鉴权系统中的某一匹配图像所对应的相似度值大于阈值时,则判定用户动态视频图像与后台鉴权系统中的匹配图像存在匹配关系,否则判断所述用户动态视频图像与后台鉴权系统中的匹配图像不存在匹配关系。
7.如权利要求1至6任一项所述的基于动态人物识别触发授权管理的方法,其特征在于,所述授权管理界面包括:用户身份信息,动态码验证输入框,密码输入框,所述用户身份信息为用户头像或者用户名或者ID。
8.一种基于动态人物识别触发授权管理的系统,其特征在于,包括:
视频采集模块,用于基于摄像头对进入到视频采集范围内的授权管理用户进行动态视频采集,获得用户动态视频图像;
视频预处理模块,用于对所述用户动态视频图像进行视频图像预处理,并对所述用户动态视频图像进行运动检测,提取所述用户动态视频图像中的若干关键帧图像;
视频图像处理模块,用于对提取的若干关键帧图像中的每一帧图像进行二值化处理,扫描二值化处理后的帧图像并提取动态视频图像特征流,其中:
所述扫描二值化处理后的帧图像并提取动态视频图像特征流包括:将二值化处理后的帧图像分为相同大小的4、9、16部分;对4、9、16部分中的每一小部分,再平均分为4部分区域;从上至下,从左至右,依次扫描整个二值图的各个最小区域,查看每一区域像素点的分布情况,根据不同的分布情况得到该区域不同的特征符;扫描处理完整个二值化处理后的帧图像,得到二值化处理后的帧图像基于4、9、16部分的3个特征流;
视频图像匹配模块,用于将动态视频图像特征流与后台鉴权系统中所有匹配图像的匹配图像特征流进行匹配,判断动态视频图像特征流与匹配图像特征流是否存在匹配关系;
授权管理模块,用于在判断动态视频图像特征流与所有匹配图像中的某一匹配图像的待匹配特征流存在匹配之后,向用户基于某一匹配图像所关联的移动终端发送动态验证码,同时向用户显示授权管理界面;
授权管理输入模块,用于接收用户基于授权管理界面输出的动态验证码和密码。
9.如权利要求8所述的基于动态人物识别触发授权管理的系统,其特征在于,所述视频采集模块用于基于Adaboost算法的统计学习方法对人物特征进行检测,判断人物是否进入到视频采集范围;在判断人物进入到视频采集范围时,对所述人物进行动态视频采集,获得动态视频图像;所述视频预处理模块用于对动态视频图像进行降噪和图像增强,以及基于三帧差分的运动检测对所述用户动态视频图像进行若干关键帧的提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610072661.4A CN105740675B (zh) | 2016-02-02 | 2016-02-02 | 一种基于动态人物识别触发授权管理的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610072661.4A CN105740675B (zh) | 2016-02-02 | 2016-02-02 | 一种基于动态人物识别触发授权管理的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105740675A CN105740675A (zh) | 2016-07-06 |
CN105740675B true CN105740675B (zh) | 2018-08-28 |
Family
ID=56242206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610072661.4A Active CN105740675B (zh) | 2016-02-02 | 2016-02-02 | 一种基于动态人物识别触发授权管理的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105740675B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109388932B (zh) * | 2017-08-07 | 2022-09-16 | 阿里巴巴集团控股有限公司 | 验证方法及终端设备、数据处理方法 |
CN107729857B (zh) * | 2017-10-26 | 2021-05-28 | Oppo广东移动通信有限公司 | 人脸识别方法、装置、存储介质和电子设备 |
CN112037246A (zh) * | 2020-08-26 | 2020-12-04 | 睿住科技有限公司 | 监控系统及社区运动信息测量方法、测量装置和存储介质 |
CN112380911B (zh) * | 2020-10-21 | 2023-05-05 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN114938426B (zh) * | 2022-04-28 | 2023-04-07 | 湖南工商大学 | 用于创建多装置媒体呈现的方法和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140620A (zh) * | 2007-10-16 | 2008-03-12 | 上海博航信息科技有限公司 | 一种人脸识别系统 |
CN101257489A (zh) * | 2008-03-20 | 2008-09-03 | 陈珂 | 一种保护账号安全的方法 |
CN102799821A (zh) * | 2012-07-11 | 2012-11-28 | 深圳市飞瑞斯科技有限公司 | 智能卡与持卡人身份验证的方法及人脸识别身份验证装置 |
CN103258191A (zh) * | 2013-05-15 | 2013-08-21 | 苏州福丰科技有限公司 | 基于人脸识别的小区门禁系统 |
KR20130104682A (ko) * | 2012-03-15 | 2013-09-25 | 최상길 | 이동통신 단말기에서 디스플레이 화면 및 터치 자동 잠금 장치 및 그 방법 |
-
2016
- 2016-02-02 CN CN201610072661.4A patent/CN105740675B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140620A (zh) * | 2007-10-16 | 2008-03-12 | 上海博航信息科技有限公司 | 一种人脸识别系统 |
CN101257489A (zh) * | 2008-03-20 | 2008-09-03 | 陈珂 | 一种保护账号安全的方法 |
KR20130104682A (ko) * | 2012-03-15 | 2013-09-25 | 최상길 | 이동통신 단말기에서 디스플레이 화면 및 터치 자동 잠금 장치 및 그 방법 |
CN102799821A (zh) * | 2012-07-11 | 2012-11-28 | 深圳市飞瑞斯科技有限公司 | 智能卡与持卡人身份验证的方法及人脸识别身份验证装置 |
CN103258191A (zh) * | 2013-05-15 | 2013-08-21 | 苏州福丰科技有限公司 | 基于人脸识别的小区门禁系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105740675A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740675B (zh) | 一种基于动态人物识别触发授权管理的方法及系统 | |
CN104756135B (zh) | 用于与配备有相机的设备相关的生物特征验证的系统和方法 | |
Rathgeb et al. | Iris biometrics: from segmentation to template security | |
CN105574519B (zh) | 一种识别动态人物特征进行智能门开启的方法及系统 | |
CN107169458B (zh) | 数据处理方法、装置及存储介质 | |
CN109658572A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US11496471B2 (en) | Mobile enrollment using a known biometric | |
KR20220042301A (ko) | 이미지 검출 방법 및 관련 장치, 기기, 저장 매체, 컴퓨터 프로그램 | |
CN111753271A (zh) | 基于ai识别的开户身份验证方法、装置、设备及介质 | |
Hazzaa et al. | New system of E-voting using fingerprint | |
CN112528706A (zh) | 人员识别系统及其方法 | |
CN110544333B (zh) | 一种门禁控制系统及其控制方法 | |
Lorch et al. | Reliable camera model identification using sparse gaussian processes | |
Hazzaa et al. | Web-based voting system using fingerprint: design and implementation | |
Shang et al. | Face and lip-reading authentication system based on android smart phones | |
CN106295298B (zh) | 人脸和手机数据伴随系统及方法 | |
WO2022037024A1 (zh) | 基于生物特征信息的鉴权方法、计算机系统和可读介质 | |
Ungureanu et al. | Palm print as a smartphone biometric: Another option for digital privacy and security | |
Halim et al. | Face recognition-based door locking system with two-factor authentication using opencv | |
Falohun et al. | An access control system using bimodal biometrics | |
CN111159159B (zh) | 基于历史通行记录的公共交通通行法、装置、设备及系统 | |
Vorakulpipat et al. | Interacting face detection-based access control with various authentication factors | |
CN113592468B (zh) | 基于二维码的在线支付方法以及装置 | |
Nazmul Islam Shuzan et al. | IoT and computer vision-based electronic voting system | |
Lazarick et al. | Biometrics in the government sector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |