CN106650370A - 一种非接触式计算机保密方法及保密系统 - Google Patents
一种非接触式计算机保密方法及保密系统 Download PDFInfo
- Publication number
- CN106650370A CN106650370A CN201611046009.1A CN201611046009A CN106650370A CN 106650370 A CN106650370 A CN 106650370A CN 201611046009 A CN201611046009 A CN 201611046009A CN 106650370 A CN106650370 A CN 106650370A
- Authority
- CN
- China
- Prior art keywords
- sample
- module
- upper computer
- photo
- vector
- 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
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
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
- G06F1/3231—Monitoring the presence, absence or movement of users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/325—Power saving in peripheral device
- G06F1/3265—Power saving in display device
Abstract
本发明公开了一种非接触式计算机保密方法,包括以下步骤:步骤一、建立预存样本照片数据库;步骤二、检测是否有人在使用计算机,若否,则发送信号至上位机模块;若是,则持续检测,直至使用者离开检测范围后,发送信号至上位机模块;步骤三、当上位机模块收到步骤二中的信号后,则关闭显示器,并发送信号至红外检测模块;步骤四、红外检测模块接收到步骤三中的信号后,继续执行红外检测,直至有人进入到检测范围内,获取进入范围者照片并传送至上位机模块,开启显示器;步骤五、将步骤四中获取的照片与预存样本照片数据库进行核对,若为预存样本照片数据库内的照片,则进入系统;否则,通过密码验证后再进入系统。
Description
【技术领域】
本发明属于计算机安全技术领域,具体涉及一种非接触式计算机保密方法及保密系统。
【背景技术】
目前,在节能方面非接触式灭屏和亮屏没有太多研究。传统屏幕灭屏是计算机自带系统可自由设置时间,默认无人操作自动关闭显示屏为20分钟,这个时间虽可自由设置,但是若设置时间过短又假设存在看文档或者视频期间无操作时,屏幕频繁灭屏十分不方便,但是若设置过长,由于人有事不在屏幕持续亮屏势必会造成屏幕耗电以及信息安全问题。
而针对由于人长时间离开时信息安全的问题,传统的解决方法为人离开电脑时启动电脑系统自带锁屏,人来时通过手动输入密码进入电脑。但是传统的方法还是需要人工设置,这样不仅效率低,而且若忘记设置,还是可能会造成信息泄露等问题,以及现有的方法例如鼠标嵌入指纹识别功能,以及联想的一款应用于计算机信息安全的人脸识别解锁软件。利用鼠标嵌入指纹识别功能缺点,其一是这样的鼠标成本高,价格昂贵;其二,指纹识别中会出现指模代替,使得识别中出现造假的缺陷,而且在使用指纹识别之前还必须手动设置锁屏。而联想的人脸识别解锁屏幕的软件的缺点,其一,它只能运用在联想的笔记本上,其他电脑不能使用,不具有扩展性;其二,这款软件在人离开之前需要手动锁屏;其三,在非机主试图用该电脑时无保存此人图像功能。因此,需要提供一款既节能又能保护信息安全的方法及系统。
【发明内容】
本发明的目的是提供一种非接触式计算机保密方法及保密系统,以解决现有技术中不能同时满足节能和保密功能的问题。
本发明采用以下技术方案,一种非接触式计算机保密方法,包括以下步骤:
步骤一、通过摄像头和上位机模块建立预存样本照片数据库,并保存在上位机模块中;
步骤二、开启红外探测模块,并通过红外探测模块检测是否有人在使用计算机,若否,则发送使用者离开的信号至上位机模块;若是,则持续检测,直至检测到使用者离开检测范围后,再发送使用者离开的信号至上位机模块;
步骤三、当上位机模块收到步骤二中的使用者离开的信号后,则关闭显示器,并发送继续检测的信号至红外检测模块;
步骤四、红外检测模块接收到步骤三中上位机模块发出的继续检测的信号后,继续执行红外检测,直至检测到有人进入到检测范围内,通过上位机模块控制摄像头获取进入范围者照片并传送至上位机模块,同时开启显示器;
步骤五、通过上位机模块将步骤四中获取的进入范围者照片与预存样本照片数据库进行核对,若进入范围者照片为预存样本照片数据库内的照片,则进入计算机系统;否则,通过密码验证后在进入系统。
进一步地,步骤一中预存样本照片数据库具体通过特征脸识别方法、线性判别分析法或局部二元模式直方图算法来建立。
进一步地,特征脸识别方法,具体过程如下:
1.1.1、定义有N个训练样本,每个样本的像素灰度组成一个向量xi,i=1,2,3,4…N,i表示N个训练样本中的第i个,xi即为第i个训练样本的像素灰度组成的向量,将所有样本向量组成样本集矩阵X=(x1,x2,x3,…xN),则该样本集的平均向量为:其中,即的行向量形式;
1.1.2、则X对应的协方差矩阵为:其中为训练样本的平均向量;
1.1.3、定义S的秩为m,得出协方差矩阵的特征值,把特征值从大到小进行排序,由前m个最大特征值所对应的特征向量构成主成分矩阵W,任何一幅人脸图像都可以向其投影并获得一组坐标系数,称为K-L分解系数,即其中,x是指待识别的人脸图像向量,通过计算z的欧式距离,再用该距离和设置的阈值比较即可得到待识别图像是否和训练样本匹配;
1.1.4、将训练样本得到的平均向量投影到主成份矩阵W上,等待和需要识别的人脸进行匹配。
进一步地,线性判别分析法具体过程如下:
1.2、定义训练样本的集合X=(x1,x2,…xN),即其是N个n维的训练样本,其中,定义X包含了C种类别样本;
则样本类间离散度矩阵其中,i表示C类样本中的第i类,ui是第i类样本的平均向量,u0是所有样本平均向量,Pi为第i类的样本数量;
样本类内离散度矩阵其中,ui为第i类的样本的平均向量,是指第i类里面的第j个训练样本;
当样本类间离散度和类内离散度的比值最大时,最优投影矩阵
通过数学变换可得出:SbWi=λiSWWi,i=1,2,…m,其中,{Wi|i=1,2,…m},Wi是Sb和Sw的前m个特征向量,λi是与前m个特征向量对应的特征值;
因此,矩阵SW -1Sb特征值对应的特征向量即为所需的投影方向;
当取K个特征值对应特征向量时,则最终样本投影到K维子空间,将待识别的人脸图像投影至K个特征向量上,得到K维向量,将K维向量和样本的投影子空间之间的欧式距离与预设的阈值做比较,从而得到识别结果。
进一步地,局部二元模式直方图算法具体如下:
1.3.1、将预处理后的人脸图像划分为8×8的小区域;
1.3.2、对于每个小区域中的像素生成LBP值;
1.3.3、计算每个小区域的直方图,并进行直方图归一化;
1.3.4、将得到的每个小区域的统计直方图连接成为一个特征向量,即为整幅图的LBP纹理特征向量,定义有N幅图像参与特征提取过程,若每幅图像得到一个M维的特征向量,则N幅图像得到M*N矩阵,通过降维得到前K个本征向量,将M*N矩阵用M*K矩阵表示,则M*K维投影矩阵,通过待识别人脸图像在投影矩阵上的投影和样本在投影矩阵上的投影计算得出卡方距离,将卡方距离与阈值做对比,即得处识别结果。
进一步地,步骤三中的关闭显示器包括自动熄屏和锁屏动作。
进一步地,步骤五中的核对过程具体如下:
5.1、将进入范围者照片进行预处理,预处理过程包括图像灰度化和直方图均衡化;
5.2、通过上位机模块中自带的人脸检测分类器对经过预处理的进入者照片进行人脸检测并准确标出人脸的位置及大小;
5.3、通过与步骤一的相对应的人脸识别方法提取人脸特征并与预存样本照片数据库进行核对,若对比结果为进入范围者的相片与预存样本数据库中的相片相符,则进入计算机系统,否则,进入密码解锁过程;
5.4、进入密码解锁过程时,上位机模块通过摄像头对进入范围者进行图像采集,并将采集到的照片保存至上位机模块内,同时启动显示器弹出输入密码提示,若进入范围者输入密码正确,则进入计算机系统;否则,进入步骤5.5;
5.5、当进入范围者输入密码错误,显示器持续显示输入密码提示,直至上位机模块收到红外检测模块发出的检测到监测范围内无人的信号,则上位机模块控制显示屏关闭。
本发明的第二种技术方案是,一种非接触式计算机保密系统,包括计算机主机,计算机主机内安装有上位机模块,上位机模块分别与红外探测模块、摄像头和显示器连接,红外探测模块包括反射式红外传感器,计算机主机通过单片机模块与反射式红外传感器链接,单片机模块用于接收反射式红外传感器的数据并通过串口通讯发送至上位机模块。
本发明的有益效果是:通过上位机模块整体管理该系统,并结合红外探测模块和摄像头使该系统在检测到计算机使用者离开时自动关闭屏幕并锁屏,且在使用者回来继续使用计算机时点亮屏幕并解锁进入计算机,且在访客使用该计算机时自动拍摄并保存该访客的照片,从而实现了计算机的信息节能和安全,且其不需要手动唤醒显示器,操作便捷,节省了显示器的耗电,解锁过程中无需鼠标操作。
【附图说明】
图1为本发明一种非接触式计算机保密方法的流程图;
图2为本发明一种非接触式计算机保密系统的功能模块图。
【具体实施方式】
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种非接触式计算机保密方法,如图1所示,包括以下步骤:
步骤一、通过摄像头和上位机模块建立预存样本照片数据库,并保存在上位机模块中,预存样本照片数据库可以通过特征脸识别方法、线性判别分析法或局部二元模式直方图算法来建立。
采用Emgucv结合C#设计人脸训练系统和界面。首先用该系统对机主人脸样本训练,假设我们要从10个人中识别机主,那么我们可以为每人存储20张经过预处理的人脸图片,训练样本为正例样本和反例样本,那么正例样本就是机主头像信息和机主标签信息,反例样本就是其他人员图片和他们各自的标签信息。
1.1、特征脸识别方法,即特征脸EigenFace(PCA)算法,特征脸方法是基于KL变换的人脸识别方法,KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基,保留其中重要的正交基,由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性,就可以将这些投影用作识别的特征矢量,这就是特征脸方法的基本思想。
基于特征脸的人脸识别数学实现过程如下:
1.1.1、定义有N个训练样本,每个样本由其像素灰度组成一个向量xi,i=1,2,3,4…N,i表示N个训练样本中的第i个,xi即为第i个训练样本的像素灰度组成的向量,将所有样本向量构成样本集矩阵X=(x1,x2,x3,…xN),该样本集的平均向量为:
1.1.2、令则X对应的协方差矩阵为: 其中,为训练样本的平均向量,即的行向量形式;
1.1.3、定义S的秩为m,求协方差矩阵的特征值,然后把特征值从大到小进行排序,把前m个最大特征值所对应的特征向量构成主成分矩阵W,任何一幅人脸图像都可以向其投影并获得一组坐标系数,称为K-L分解系数,该系数用来作为人脸识别的依据:即其中,x是指待识别的人脸图像,上式可写为其中WTx是指待识别的人脸图像映射到特征向量空间得到的向量,是指将平均向量(平均脸)映射到特征向量空间得到的向量,那么通过计算它们的差值z的欧式距离,再用这个距离和设置的阈值比较就可以得到待识别图像是否和训练样本匹配;
1.1.4、将训练集图像,即训练样本得到的平均向量(平均脸)投影到主成份矩阵W上,等待和需要识别的人脸进行匹配。主要成分矩阵W是通过训练样本得到的协方差矩阵通过降维得到的低维矩阵。
1.2、线性判别分析法,即Fisherface思想,其是以样本的可分性为目标,寻找一组线性变换使每类的类内离散度最小,同时使类间的离散度达到最大,即选择使的样本类间离散度和类内的离散度达到最大,即选择使得样本类间离散度的比值最大的特征值。LDA,即线性判别分析法引入了类别信息,最小化了类内距离。
其数学实现步骤如下:
设有一组训练样本的集合X,其中X=(x1,x2,…xN)是N个n维的训练样本,其中,假设X包含了C种类别样本,假设前P1个样本属于1类,P2个样本属于2类,由此类推。
其类间离散度矩阵Sb和类内离散度矩阵Sw分别定义如下:
样本类间离散度矩阵定义为:其中,i表示C类样本中的第i类,ui是第i类样本的平均向量,u0是所有样本平均向量,Pi为第i类的样本数量,即某个人的人脸图像个数。
样本类内离散度矩阵定义为:,其中,ui为第i类的样本的平均向量,是指第i类里面的第j个训练样本。
为了使得样本类间离散度和类内离散度的比值最大,因此,Fisher准则函数的最优变换为:其中,W是投影矩阵,Wopt是得到的最优投影矩阵;
通过数学变换可得出Wopt就是满足如下等式的解:
SbWi=λiSWWi,i=1,2,…m,其中,{Wi|i=1,2,…m},Wi是Sb和Sw的前m个特征向量,λi是与这些特征向量对应的特征值。
也就是对应于矩阵SW -1Sb较大的特征值的特征向量就是我们所需要的最好的投影方向。如果取到最大K个特征值对应特征向量,那么最终样本就投影到这样一个K维子空间,识别时再将待识别的人脸图像在投影在K个特征向量上,得到K维向量再和样本的投影子空间之间的欧式距离再和设置的阈值做比较,从而得到识别结果。
1.3、局部二元模式直方图算法,即LBP的基本思想是对图像的像素和它局部周围像素进行对照后的结果进行求和。把这个像素作为中心,对相邻像素进行阈值比较。假设中心像素的亮度大于等于他的相邻像素,标记为1,否则标记为0。用二进制数字来表示每一个像素,比方11001111。因此,因为周围相邻8个像素,可能获取28个可能组合,被称为局部二值模式。
实际上本发明使用的是改进的等价LBP算子,定义为:当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时,该LBP所对应的二进制就称为一个等价模式类。如00000000(0次跳变),00000111(只含一次从0到1的跳变),10001111(先由1跳到0,再由0跳到1,共两次跳变)都是等价模式类。
这样的改进,二进制模式的种类大大减少,而不会丢失任何信息。模式数量由原来的2P种减少为P(P-1)+2种。其实现步骤如下:
1.3.1、将预处理后的人脸图像划分为8×8的小区域(cell);
1.3.2、对于每个cell中的像素生成LBP值;
1.3.3、计算每个cell(小区域)的直方图,并进行直方图归一化;
1.3.4、将得到的每个cell(小区域)的统计直方图进行连接成为一个特征向量,为整幅图的LBP纹理特征向量,假设有N幅图像参与特征提取过程,若每幅图像得到一个M维的特征向量,那么N幅图像得到M*N矩阵,通过降维得到前K个本征向量,将M*N矩阵用M*K矩阵表示,那么M*K维投影矩阵,将待识别人脸图像在投影矩阵上的投影和样本在投影矩阵上的投影求卡方距离再和阈值做对比,得到识别结果。
步骤二、开启红外探测模块,并通过红外探测模块检测使用者是否在使用计算机,若否,则发送使用者离开的信号至上位机模块;若是,则持续检测,直至检测到使用者离开检测范围后,发送使用者离开的信号至上位机模块;
其中,红外探测模块包括反射式红外传感器,它包括一个可以发射红外光的固态发光二极管和一个用作接收器的固态光敏二极管,当电源接通后,模块内部的红外线反射管向前方发射38KHZ的调制红外线,一旦有人体进入有效范围内,有效范围可自由设定,此处优选设定为0-1米,红外线被阻挡后有部分会被反射回来,被与发射管同排安装的光敏接收管接收,并转换成同频率的电信号后,由模块内部电路进行放大、解调、整形、比较处理后,再输出端给出低电平。
无人进入有效范围内时OUT输出持续高电平。优选的选择STC89C52单片机来接收反射式红外传感器发出的人来与否的信号,并且实现与上位机模块或计算机之间的通信作用,摄像头选择电脑自带或者外接摄像头均可以。
步骤三、当上位机模块收到步骤二中的使用者离开的信号后,则关闭显示器,并发送继续检测的信号至红外检测模块,其中,关闭显示器包括自动熄屏和锁屏动作。
步骤四、红外检测模块接收到步骤三中上位机模块发出的继续检测的信号后,继续执行红外检测,直至检测到有人进入到检测范围内,通过上位机模块控制摄像头获取进入范围者照片并传送至上位机模块,同时开启显示器;
其中,当检测到有人进入到检测范围时,通过上位机模块控制显示器亮屏,亮屏后通过摄像头拍摄进入者人脸图像,通过摄像头获取的进入者照片尺寸为320像素*240像素。
步骤五、通过上位机模块将步骤四中获取的进入者照片与预存样本照片数据库进行核对,若核对通过则进入系统;否则,通过密码验证后在进入系统。
步骤五中的核对过程具体如下:
5.1、由于摄像头在获取图像的过程中,阴影、遮挡、暗光、高光都会使识别率大幅下降,因此在检测之前先对图像进行预处理,预处理过程包括图像灰度化和直方图均衡化;
图像灰度化是指将彩色图像转换为黑白色图像的过程,由于彩色图像的每个像素的颜色由R、G、B三个分量组成,即红、绿、蓝三种颜色。每种颜色都有255种灰度值可以取,其中0最暗,即表示黑色,255最亮,即表示白色,所以每个像素点值的变换范围为256*256*256。灰度图像则是R、G、B三个分量灰度值相同的一种特殊图像,其每个像素只需一个字节存放灰度值,灰度范围为0-255。所以在数字图像处理过程中将彩色图像转换成灰度图后,就会使后续的图像处理时的计算量变得相对很少,而且灰度图像对图像特征的描述与彩色图像没有什么区别,仍然能反应整个图像的整体和局部的亮度和色度特征。
直方图均衡化:原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布,使图像的灰度分布均匀或灰度间距增大,从而提高图像的对比度。
直方图均衡化的实现过程为:
5.1.1、计算图像每一点的像素值f(x,y),f(x,y)代表(x,y)处的像素的灰度值,统计图像中每一灰度级在各灰度级中出现的概率P(ri),其中,L为灰度级总数目,i表示第i个灰度级,ni是指第i个灰度级的像素数,n是一幅图像的像素总数;
5.1.2、计算图像的灰度累计分布函数S(i):其中i=0,1,2…L-1,P(rj)表示第j个灰度级在各灰度级中出现的概率;
5.1.3、由于S(i)是归一化像素级,所以需要将S(i)缩放至0~255范围内,所以计算映射后的输出图像灰度级y(i):
y(i)=INT[(max-min)*S(i)+min+0.5],i=0,1,2…P-1。其中P为输出图像的灰度级个数,INT为取整符号,max为最大的像素值,min为最小的像素值。在本发明中max为255,min为0。所以上式写为y(i)=INT[255*S(i)+0.5];
5.1.4、统计映射后各灰度等级的像素数目ni,i=0,1,2…P-1;
5.1.5、计算输出图像直方图P(yi)=ni/N,i=0,1,2…P-1,获得均衡化后的输出图像。
直方图均衡化方法可达到归一化图像亮度和增强对比度;
5.2、通过上位机模块中自带的人脸检测分类器对经过预处理的进入者照片进行人脸检测并准确标出人脸的位置及大小;
上位机模块中提供了一些训练好的分类器,其中包括人脸检测分类器,所以我们根据自带的Haar分类器,即人脸检测分类器进行人脸检测并准确标出人脸的位置及大小。
检测到人脸后利用Draw函数对人脸画框,其中,Draw函数中参数rect表示画的形状,color表示画的颜色,thickness表示画的粗细。
5.3、通过与步骤一的相对应的人脸识别方法提取人脸特征并与预存样本照片数据库进行核对,若对比结果符合要求,则进入计算机系统,否则进入密码解锁过程;
在上位机模块中,实现了FaceRecognizer类支持的三种人脸识别,即与步骤一相对应的特征脸EigenFace、FisherFace脸和局部二元模式直方图LBPHFace。通过这三种方式对待识别人脸的特征向量进行提取得的距离,和之前训练得出的数据库中设置的阈值进行对比,从而得到识别结果。
若识别正确则直接进入系统,识别不正确时也可以通过密码解锁进入,同时系统会记录一副非机主的访客图像保存在电脑中。
5.4、进入密码解锁过程时,上位机模块通过摄像头对进入者进行图像采集,并将采集到的进入者照片保存至上位机模块内,同时启动显示器弹出输入密码提示,若进入者输入密码正确,则进入计算机系统;否则,进入步骤5.5;
5.5、当进入者输入密码错误,显示器持续显示输入密码提示,直至上位机模块收到红外检测模块发出的检测到无使用者信号,则上位机模块控制显示屏关闭。
另外,在上位机模块中使用Microsoft Visual Studio 2013为平台,用C#编程设计上位机进行人机交互。根据反射式红外传感器返回的电平判断显示器前方监测范围内使用者在与不在的状态,若上位机模块接收到单片机发送的低电平后,通过调用Windows API函数完成息屏状态,并且进行锁屏设置,直到检测到高电平即有人来时,调用Windows API函数完成亮屏状态,同时亮屏后并打开摄像头准备下一步工作。
本发明还包括一种非接触式计算机保密系统,如图2所示,包括计算机主机,计算机主机内安装有上位机模块,上位机模块分别与红外探测模块、摄像头和显示器连接。
红外探测模块包括反射式红外传感器,计算机主机通过单片机模块与反射式红外传感器链接,单片机模块用于接收反射式红外传感器的数据并通过串口通讯发送至上位机模块,反射式红外传感器的检测范围设置为0-1米。
本发明以单片机最小系统为控制器、反射式红外传感器与摄像头为外设的外围电路设计,通过反射式红外传感器检测是否有使用者在电脑前工作,并利用串口通信,将人在与否的信息实时回馈给上位机模块,实现反射式红外传感器与摄像头和PC的互联,上位机模块若收到单片机发出的使用者离开的信息时,进行电脑屏幕自动息屏和锁屏动作,若检测使用者到来时,执行亮屏并打开摄像头进行解锁工作,解锁则是利用人脸识别技术附带密码解锁技术,并能自动保存访客的一张图片存放至电脑,从而实现信息安全和隐私保护功能。通过实验后检测和识别的效果良好,可以实现所需要求。
Claims (8)
1.一种非接触式计算机保密方法,其特征在于,包括以下步骤:
步骤一、通过摄像头和上位机模块建立预存样本照片数据库,并保存在所述上位机模块中;
步骤二、开启红外探测模块,并通过所述红外探测模块检测是否有人在使用计算机,若否,则发送使用者离开的信号至上位机模块;若是,则持续检测,直至检测到使用者离开检测范围后,再发送使用者离开的信号至所述上位机模块;
步骤三、当所述上位机模块收到所述步骤二中的使用者离开的信号后,则关闭显示器,并发送继续检测的信号至所述红外检测模块;
步骤四、所述红外检测模块接收到所述步骤三中上位机模块发出的继续检测的信号后,继续执行红外检测,直至检测到有人进入到检测范围内,通过所述上位机模块控制摄像头获取进入范围者照片并传送至所述上位机模块,同时开启显示器;
步骤五、通过所述上位机模块将步骤四中获取的所述进入范围者照片与预存样本照片数据库进行核对,若所述进入范围者照片为预存样本照片数据库内的照片,则进入计算机系统;否则,通过密码验证后再进入系统。
2.如权利要求1所述的非接触式计算机保密方法,其特征在于,所述步骤一中所述预存样本照片数据库具体通过特征脸识别方法、线性判别分析法或局部二元模式直方图算法来建立。
3.如权利要求2所述的非接触式计算机保密方法,其特征在于,所述特征脸识别方法,具体过程如下:
1.1.1、定义有N个训练样本,每个样本的像素灰度组成一个向量xi,i=1,2,3,4…N,i表示N个训练样本中的第i个,xi即为第i个训练样本的像素灰度组成的向量,将所有样本向量组成样本集矩阵X=(x1,x2,x3,…xN),则该样本集的平均向量为:其中,即的行向量形式;
1.1.2、则X对应的协方差矩阵为:其中为训练样本的平均向量;
1.1.3、定义S的秩为m,得出协方差矩阵的特征值,把特征值从大到小进行排序,由前m个最大特征值所对应的特征向量构成主成分矩阵W,任何一幅人脸图像都可以向其投影并获得一组坐标系数,称为K-L分解系数,即其中,x是指待识别的人脸图像向量,通过计算z的欧式距离,再用该距离和设置的阈值比较即可得到待识别图像是否和训练样本匹配;
1.1.4、将训练样本得到的平均向量投影到主成份矩阵W上,等待和需要识别的人脸进行匹配。
4.如权利要求2所述的非接触式计算机保密方法,其特征在于,所述线性判别分析法具体过程如下:
1.2、定义训练样本的集合X=(x1,x2,…xN),即其是N个n维的训练样本,其中,定义X包含了C种类别样本;
则样本类间离散度矩阵其中,i表示C类样本中的第i类,ui是第i类样本的平均向量,u0是所有样本平均向量,Pi为第i类的样本数量;
样本类内离散度矩阵其中,ui为第i类的样本的平均向量,是指第i类里面的第j个训练样本;
当样本类间离散度和类内离散度的比值最大时,最优投影矩阵
通过数学变换可得出:SbWi=λiSWWi,i=1,2,…m,其中,{Wi|i=1,2,…m},Wi是Sb和Sw的前m个特征向量,λi是与前m个特征向量对应的特征值;
因此,矩阵SW -1Sb特征值对应的特征向量即为所需的投影方向;
当取K个特征值对应特征向量时,则最终样本投影到K维子空间,将待识别的人脸图像投影至K个特征向量上,得到K维向量,将K维向量和样本的投影子空间之间的欧式距离与预设的阈值做比较,从而得到识别结果。
5.如权利要求2所述的非接触式计算机保密方法,其特征在于,所述局部二元模式直方图算法具体如下:
1.3.1、将预处理后的人脸图像划分为8×8的小区域;
1.3.2、对于每个所述小区域中的像素生成LBP值;
1.3.3、计算每个所述小区域的直方图,并进行直方图归一化;
1.3.4、将得到的每个所述小区域的统计直方图连接成为一个特征向量,即为整幅图的LBP纹理特征向量,定义有N幅图像参与特征提取过程,若每幅图像得到一个M维的特征向量,则N幅图像得到M*N矩阵,通过降维得到前K个本征向量,将M*N矩阵用M*K矩阵表示,则M*K维投影矩阵,通过待识别人脸图像在投影矩阵上的投影和样本在投影矩阵上的投影计算得出卡方距离,将所述卡方距离与阈值做对比,即得处识别结果。
6.如权利要求1或2所述的非接触式计算机保密方法,其特征在于,所述步骤三中的关闭显示器包括自动熄屏和锁屏动作。
7.如权利要求1或2所述的非接触式计算机保密方法,其特征在于,所述步骤五中的核对过程具体如下:
5.1、将进入范围者照片进行预处理,所述预处理过程包括图像灰度化和直方图均衡化;
5.2、通过所述上位机模块中自带的人脸检测分类器对经过预处理的进入者照片进行人脸检测并准确标出人脸的位置及大小;
5.3、通过与步骤一的相对应的人脸识别方法提取人脸特征并与所述预存样本照片数据库进行核对,若对比结果为进入范围者的相片与预存样本数据库中的相片相符,则进入所述计算机系统,否则,进入密码解锁过程;
5.4、进入密码解锁过程时,所述上位机模块通过所述摄像头对进入范围者进行图像采集,并将采集到的照片保存至所述上位机模块内,同时启动显示器弹出输入密码提示,若进入范围者输入密码正确,则进入所述计算机系统;否则,进入步骤5.5;
5.5、当所述进入范围者输入密码错误,显示器持续显示输入密码提示,直至所述上位机模块收到所述红外检测模块发出的检测到监测范围内无人的信号,则所述上位机模块控制所述显示屏关闭。
8.一种非接触式计算机保密系统,其特征在于,包括计算机主机,所述计算机主机内安装有上位机模块,所述上位机模块分别与红外探测模块、摄像头和显示器连接,所述红外探测模块包括反射式红外传感器,所述计算机主机通过单片机模块与所述反射式红外传感器链接,所述单片机模块用于接收反射式红外传感器的数据并通过串口通讯发送至上位机模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046009.1A CN106650370A (zh) | 2016-11-22 | 2016-11-22 | 一种非接触式计算机保密方法及保密系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046009.1A CN106650370A (zh) | 2016-11-22 | 2016-11-22 | 一种非接触式计算机保密方法及保密系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106650370A true CN106650370A (zh) | 2017-05-10 |
Family
ID=58812817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611046009.1A Pending CN106650370A (zh) | 2016-11-22 | 2016-11-22 | 一种非接触式计算机保密方法及保密系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650370A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241943A (zh) * | 2018-10-09 | 2019-01-18 | 深圳市三宝创新智能有限公司 | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 |
CN109711461A (zh) * | 2018-12-25 | 2019-05-03 | 中国人民解放军战略支援部队航天工程大学 | 基于主成分分析的迁移学习图片分类方法及其装置 |
CN109801072A (zh) * | 2019-01-24 | 2019-05-24 | 易保互联医疗信息科技(北京)有限公司 | 基于面部特征的区块链电子钱包的私钥生成方法及系统 |
CN109800723A (zh) * | 2019-01-25 | 2019-05-24 | 山东超越数控电子股份有限公司 | 一种人脸识别和违规登陆留证的计算机开机系统及方法 |
CN109815990A (zh) * | 2018-12-28 | 2019-05-28 | 天津大学 | 基于中心化权重的主成分分析系统 |
CN113158162A (zh) * | 2021-05-12 | 2021-07-23 | 临沂大学 | 一种计算机智能信息安全处理装置 |
GB2566043B (en) * | 2017-08-31 | 2022-01-26 | Yeo Messaging Ltd | A method of displaying content on a screen of an electronic processing device |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329724A (zh) * | 2008-07-29 | 2008-12-24 | 上海天冠卫视技术研究所 | 一种优化的人脸识别方法和装置 |
CN201355551Y (zh) * | 2008-12-19 | 2009-12-02 | 上海电科电器科技有限公司 | 断路器控制器的液晶显示控制器 |
GB2466492A (en) * | 2008-12-23 | 2010-06-30 | Bright Ideas Global Group Ltd | A power saving device for instructing a computer to enter a standby state when a user leaves the vicinity of the device |
CN102137077A (zh) * | 2010-01-26 | 2011-07-27 | 凹凸电子(武汉)有限公司 | 访问控制系统和采用计算机系统控制访问权限的方法 |
-
2016
- 2016-11-22 CN CN201611046009.1A patent/CN106650370A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329724A (zh) * | 2008-07-29 | 2008-12-24 | 上海天冠卫视技术研究所 | 一种优化的人脸识别方法和装置 |
CN201355551Y (zh) * | 2008-12-19 | 2009-12-02 | 上海电科电器科技有限公司 | 断路器控制器的液晶显示控制器 |
GB2466492A (en) * | 2008-12-23 | 2010-06-30 | Bright Ideas Global Group Ltd | A power saving device for instructing a computer to enter a standby state when a user leaves the vicinity of the device |
CN102137077A (zh) * | 2010-01-26 | 2011-07-27 | 凹凸电子(武汉)有限公司 | 访问控制系统和采用计算机系统控制访问权限的方法 |
Non-Patent Citations (1)
Title |
---|
熊承义 等: "基于LBP和PCA特征提取的人脸识别", 《中南民族大学学报(自然科学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2566043B (en) * | 2017-08-31 | 2022-01-26 | Yeo Messaging Ltd | A method of displaying content on a screen of an electronic processing device |
CN109241943A (zh) * | 2018-10-09 | 2019-01-18 | 深圳市三宝创新智能有限公司 | 非对齐人脸特征提取方法、装置、计算机设备及存储介质 |
CN109711461A (zh) * | 2018-12-25 | 2019-05-03 | 中国人民解放军战略支援部队航天工程大学 | 基于主成分分析的迁移学习图片分类方法及其装置 |
CN109711461B (zh) * | 2018-12-25 | 2020-04-10 | 中国人民解放军战略支援部队航天工程大学 | 基于主成分分析的迁移学习图片分类方法及其装置 |
CN109815990A (zh) * | 2018-12-28 | 2019-05-28 | 天津大学 | 基于中心化权重的主成分分析系统 |
CN109815990B (zh) * | 2018-12-28 | 2023-06-30 | 天津大学 | 基于中心化权重的主成分分析系统 |
CN109801072A (zh) * | 2019-01-24 | 2019-05-24 | 易保互联医疗信息科技(北京)有限公司 | 基于面部特征的区块链电子钱包的私钥生成方法及系统 |
CN109801072B (zh) * | 2019-01-24 | 2021-08-27 | 易保互联医疗信息科技(北京)有限公司 | 基于面部特征的区块链电子钱包的私钥生成方法及系统 |
CN109800723A (zh) * | 2019-01-25 | 2019-05-24 | 山东超越数控电子股份有限公司 | 一种人脸识别和违规登陆留证的计算机开机系统及方法 |
CN113158162A (zh) * | 2021-05-12 | 2021-07-23 | 临沂大学 | 一种计算机智能信息安全处理装置 |
CN113158162B (zh) * | 2021-05-12 | 2022-04-12 | 临沂大学 | 一种计算机智能信息安全处理装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650370A (zh) | 一种非接触式计算机保密方法及保密系统 | |
CN105868689B (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
EP3719694A1 (en) | Neural network model-based human face living body detection | |
CN110163078A (zh) | 活体检测方法、装置及应用活体检测方法的服务系统 | |
KR101682311B1 (ko) | 얼굴 인식 디지털 도어록 | |
Caetano et al. | A probabilistic model for the human skin color | |
CN109858439A (zh) | 一种基于人脸的活体检测方法及装置 | |
CN101787824B (zh) | 智能防盗锁系统 | |
CN106874871A (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
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 | |
CN111462379A (zh) | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 | |
CN105975938A (zh) | 一种智能动态人脸识别社区管家服务系统 | |
Wang et al. | An automatic physical access control system based on hand vein biometric identification | |
CN109190475A (zh) | 一种人脸识别网络与行人再识别网络协同训练方法 | |
CN206224639U (zh) | 一种具有遮挡检测功能的人脸识别门禁系统 | |
KR101030518B1 (ko) | 얼굴인식 디지털 도어록 | |
Chen et al. | Skin color modeling for face detection and segmentation: a review and a new approach | |
KR20170033534A (ko) | 얼굴 인식 디지털 도어록 | |
CN104408780A (zh) | 一种人脸识别考勤系统 | |
CN110337656A (zh) | 用于人脸识别的光学传感器、装置、方法和电子设备 | |
CN110276320A (zh) | 基于人脸识别的门禁方法、装置、设备和存储介质 | |
CN109101925A (zh) | 活体检测方法 | |
CN204143555U (zh) | 身份识别自助终端及对应的房产证明打印终端 | |
CN104217503A (zh) | 自助终端的身份识别方法及对应的房产证明打印方法 | |
CN106846552A (zh) | 一种智能门禁控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |