CN110309891A - 基于读取大数据的反推系统及方法 - Google Patents

Abstract

本发明涉及一种基于读取大数据的反推系统，包括：编号验证设备，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；轮廓分析设备，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出。本发明还涉及一种基于读取大数据的反推方法。本发明的基于读取大数据的反推系统及方法验证有效，避免出现误动作。由于对当前待扫描的磁卡进行标签信息读取所获得的标签编号进行当前用户的轮廓的反推，以确定所述当前用户的轮廓是否属于合法用户，从而进一步加强了磁卡访问机制的可靠性。

Description

基于读取大数据的反推系统及方法

技术领域

本发明涉及大数据处理领域，尤其涉及一种基于读取大数据的反推系统及方法。

背景技术

数据(Data)是对事实、概念或指令的一种表达形式，可由人工或自动化装置进行处理。数据经过解释并赋予一定的意义之后，便成为信息。数据处理(data processing)是对数据的采集、存储、检索、加工、变换和传输。

数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。

数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度，极大地影响着人类社会发展的进程。

发明内容

本发明需要具备以下两处关键的发明点：

(1)对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号，并利用所述标签编号进行当前用户的轮廓的反推，以确定所述当前用户的轮廓是否属于合法用户，从而进一步加强了磁卡访问机制的可靠性；

(2)在图像中面积最大的目标所占据的像素点的数量大于等于预设数量阈值时，由于图像内容较为复杂，选择撤销部分图像处理部件以保持系统运算量稳定；

根据本发明的一方面，提供了一种基于读取大数据的反推系统，所述系统包括：

信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

根据本发明的另一方面，还提供了一种基于读取大数据的反推方法，所述方法包括：

使用信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

使用编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

使用轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

使用开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

使用伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

使用面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

使用命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

使用MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

使用无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

使用中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

使用统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

本发明的基于读取大数据的反推系统及方法验证有效，避免出现误动作。由于对当前待扫描的磁卡进行标签信息读取所获得的标签编号进行当前用户的轮廓的反推，以确定所述当前用户的轮廓是否属于合法用户，从而进一步加强了磁卡访问机制的可靠性。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的基于读取大数据的反推系统所使用的针孔捕获设备的外形结构图。

具体实施方式

下面将参照附图对本发明的基于读取大数据的反推系统及方法的实施方案进行详细说明。

磁卡是一种卡片状的磁性记录介质，利用磁性载体记录字符与数字信息，用来标识身份或其它用途。磁卡由高强度、耐高温的塑料或纸质涂覆塑料制成，能防潮、耐磨且有一定的柔韧性，携带方便、使用较为稳定可靠。例如人们使用的银行卡，就是一种最常见的磁条卡。

磁卡使用方便，造价便宜，用途极为广泛，可用于制作信用卡、银行卡、地铁卡、公交卡、门票卡、电话卡；电子游戏卡、车票、机票以及各种交通收费卡等。今天在许多场合我们都会用到磁卡，如在食堂就餐，在商场购物，乘公共汽车，打电话，进入管制区域等等，不一而足。

现有技术中的磁卡访问机制鉴权模式过于简单，仅仅限于基于磁卡标签信息进行相应的开关控制，导致破解难度降低，同时容易出现误动作。因此，需要一种新的磁卡访问机制，能够在构思上对现有技术中的磁卡访问机制进行改进和创新。

为了克服上述不足，本发明搭建了一种基于读取大数据的反推系统及方法，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的基于读取大数据的反推系统所使用的针孔捕获设备的外形结构图。

根据本发明实施方案示出的基于读取大数据的反推系统包括：

信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像；

其中，所述统计排序滤波设备还与所述命令触发设备连接，用于在接收到所述第一驱动信号时，将所述第二平滑图像作为统计排序滤波图像输出；

其中，所述命令触发设备还用于在所述面积参考值小于所述预设数量阈值时，发出第二驱动信号；

其中，所述统计排序滤波设备还用于在接收到所述第二驱动信号时，继续对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

接着，继续对本发明的基于读取大数据的反推系统的具体结构进行进一步的说明。

在所述基于读取大数据的反推系统中：

所述中值模糊设备、所述统计排序滤波设备和所述无缩放变换模糊设备分置于不同的集成电路板上。

所述基于读取大数据的反推系统中还可以包括：

仿射变换设备，与所述统计排序滤波设备连接，用于接收统计排序滤波图像，确定所述统计排序滤波图像中的背景复杂度，基于所述背景复杂度确定对所述统计排序滤波图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述统计排序滤波图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片扭曲度的仿射变换处理操作以获得各个仿射变换碎片，图像碎片扭曲度越大，对图像碎片执行的仿射变换处理操作力度越大，将各个仿射变换碎片进行组合以获得已变换图像。

所述基于读取大数据的反推系统中：

所述仿射变换设备还与所述轮廓分析设备连接，用于将所述已变换图像替换所述统计排序滤波图像发送给所述轮廓分析设备。

所述基于读取大数据的反推系统中：

所述仿射变换设备确定所述统计排序滤波图像中的背景复杂度的具体操作如下：获取所述统计排序滤波图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述统计排序滤波图像对应的背景复杂度。

根据本发明实施方案示出的基于读取大数据的反推方法包括：

使用信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

使用编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

使用轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

使用开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

使用伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

使用面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

使用命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

使用MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

使用无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

使用中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

使用统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像；

其中，所述统计排序滤波设备还与所述命令触发设备连接，用于在接收到所述第一驱动信号时，将所述第二平滑图像作为统计排序滤波图像输出；

其中，所述命令触发设备还用于在所述面积参考值小于所述预设数量阈值时，发出第二驱动信号；

其中，所述统计排序滤波设备还用于在接收到所述第二驱动信号时，继续对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

接着，继续对本发明的基于读取大数据的反推方法的具体步骤进行进一步的说明。

所述基于读取大数据的反推方法中：

所述中值模糊设备、所述统计排序滤波设备和所述无缩放变换模糊设备分置于不同的集成电路板上。

所述基于读取大数据的反推方法还可以包括：

使用仿射变换设备，与所述统计排序滤波设备连接，用于接收统计排序滤波图像，确定所述统计排序滤波图像中的背景复杂度，基于所述背景复杂度确定对所述统计排序滤波图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述统计排序滤波图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片扭曲度的仿射变换处理操作以获得各个仿射变换碎片，图像碎片扭曲度越大，对图像碎片执行的仿射变换处理操作力度越大，将各个仿射变换碎片进行组合以获得已变换图像。

所述基于读取大数据的反推方法中：

所述仿射变换设备还与所述轮廓分析设备连接，用于将所述已变换图像替换所述统计排序滤波图像发送给所述轮廓分析设备。

所述基于读取大数据的反推方法中：

所述仿射变换设备确定所述统计排序滤波图像中的背景复杂度的具体操作如下：获取所述统计排序滤波图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述统计排序滤波图像对应的背景复杂度。

另外，所述统计排序滤波设备执行的图像滤波，在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像像素的真实灰度值上，对图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题：能有效地去除目标和背景中的噪声；同时，能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。

常用的图像滤波模式中的一种是，非线性滤波器，一般说来，当信号频谱与噪声频谱混叠时或者当信号中含有非叠加性噪声时如由系统非线性引起的噪声或存在非高斯噪声等)，传统的线性滤波技术，如傅立变换，在滤除噪声的同时，总会以某种方式模糊图像细节(如边缘等)进而导致像线性特征的定位精度及特征的可抽取性降低。而非线性滤波器是基于对输入信号的一种非线性映射关系，常可以把某一特定的噪声近似地映射为零而保留信号的要特征，因而其在一定程度上能克服线性滤波器的不足之处。

最后应注意到的是，在本发明各个实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。

所述功能如果以软件功能设备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，本发明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)执行本发明各个实施例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，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于读取大数据的反推系统，其特征在于，所述系统包括：

信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像；

其中，所述统计排序滤波设备还与所述命令触发设备连接，用于在接收到所述第一驱动信号时，将所述第二平滑图像作为统计排序滤波图像输出；

其中，所述命令触发设备还用于在所述面积参考值小于所述预设数量阈值时，发出第二驱动信号；

其中，所述统计排序滤波设备还用于在接收到所述第二驱动信号时，继续对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

2.如权利要求1所述的基于读取大数据的反推系统，其特征在于：

所述中值模糊设备、所述统计排序滤波设备和所述无缩放变换模糊设备分置于不同的集成电路板上。

3.如权利要求2所述的基于读取大数据的反推系统，其特征在于，所述系统还包括：

仿射变换设备，与所述统计排序滤波设备连接，用于接收统计排序滤波图像，确定所述统计排序滤波图像中的背景复杂度，基于所述背景复杂度确定对所述统计排序滤波图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述统计排序滤波图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片扭曲度的仿射变换处理操作以获得各个仿射变换碎片，图像碎片扭曲度越大，对图像碎片执行的仿射变换处理操作力度越大，将各个仿射变换碎片进行组合以获得已变换图像。

4.如权利要求3所述的基于读取大数据的反推系统，其特征在于：

所述仿射变换设备还与所述轮廓分析设备连接，用于将所述已变换图像替换所述统计排序滤波图像发送给所述轮廓分析设备。

5.如权利要求4所述的基于读取大数据的反推系统，其特征在于：

所述仿射变换设备确定所述统计排序滤波图像中的背景复杂度的具体操作如下：获取所述统计排序滤波图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述统计排序滤波图像对应的背景复杂度。

6.一种基于读取大数据的反推方法，其特征在于，所述方法包括：

使用信息扫描设备，用于对当前待扫描的磁卡进行标签信息读取，以获得相应的标签编号；

使用编号验证设备，与所述信息扫描设备连接，用于在接收到的标签编号属于合法编号时，控制轮廓分析设备从休眠模式进入工作模式，并确定与接收到的标签编号对应的用户姓名以作为第一姓名；

所述编号验证设备还用于在接收到的标签编号属于非法编号时，控制轮廓分析设备从工作模式进入休眠模式；

使用轮廓分析设备，与所述统计排序滤波设备连接，用于对统计排序滤波图像中面积最大的人体轮廓进行分析以获得对应的用户姓名并作为第二姓名输出；

使用开关控制设备，分别与所述编号验证设备和所述轮廓分析设备连接，用于在所述第一姓名与所述第二姓名相同时，发出打开控制命令；

所述开关控制设备还用于在所述第一姓名与所述第二姓名不同时，发出保持关闭命令；

使用伽马校正设备，用于接收来自针孔捕获设备捕获的实时捕获图像，对所述实时捕获图像执行伽马校正处理，以获得并输出对应的伽马校正图像，所述针孔捕获设备位于所述信息扫描设备旁边；

使用面积采集设备，用于接收所述伽马校正图像，对所述伽马校正图像中的各个目标进行面积采集，并将面积最大的目标所占据的像素点的数量作为面积参考值输出；

使用命令触发设备，与所述面积采集设备连接，用于接收所述面积参考值，并在所述面积参考值大于等于预设数量阈值时，发出第一驱动信号；

使用MMC存储芯片，与所述命令触发设备连接，用于存储所述预设数量阈值；

使用无缩放变换模糊设备，与所述伽马校正设备连接，用于对接收到的伽马校正图像执行基于无缩放变换模糊模式的图像平滑操作，以获得对应的第一平滑图像；

使用中值模糊设备，与所述无缩放变换模糊设备连接，用于对接收到的第一平滑图像进行基于中值模糊模式的图像平滑操作，以获得并输出对应的第二平滑图像；

使用统计排序滤波设备，与所述中值模糊设备连接，用于接收所述第二平滑图像，对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像；

其中，所述统计排序滤波设备还与所述命令触发设备连接，用于在接收到所述第一驱动信号时，将所述第二平滑图像作为统计排序滤波图像输出；

其中，所述命令触发设备还用于在所述面积参考值小于所述预设数量阈值时，发出第二驱动信号；

其中，所述统计排序滤波设备还用于在接收到所述第二驱动信号时，继续对所述第二平滑图像执行统计排序滤波处理，以获得并输出相应的统计排序滤波图像。

7.如权利要求6所述的基于读取大数据的反推方法，其特征在于：

所述中值模糊设备、所述统计排序滤波设备和所述无缩放变换模糊设备分置于不同的集成电路板上。

8.如权利要求7所述的基于读取大数据的反推方法，其特征在于，所述方法还包括：

使用仿射变换设备，与所述统计排序滤波设备连接，用于接收统计排序滤波图像，确定所述统计排序滤波图像中的背景复杂度，基于所述背景复杂度确定对所述统计排序滤波图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述统计排序滤波图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片扭曲度的仿射变换处理操作以获得各个仿射变换碎片，图像碎片扭曲度越大，对图像碎片执行的仿射变换处理操作力度越大，将各个仿射变换碎片进行组合以获得已变换图像。

9.如权利要求8所述的基于读取大数据的反推方法，其特征在于：

所述仿射变换设备还与所述轮廓分析设备连接，用于将所述已变换图像替换所述统计排序滤波图像发送给所述轮廓分析设备。

10.如权利要求9所述的基于读取大数据的反推方法，其特征在于：

所述仿射变换设备确定所述统计排序滤波图像中的背景复杂度的具体操作如下：获取所述统计排序滤波图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述统计排序滤波图像对应的背景复杂度。