CN112818312A - 基于人脸识别技术mes系统登录认证方法及mes系统 - Google Patents

基于人脸识别技术mes系统登录认证方法及mes系统 Download PDF

Info

Publication number
CN112818312A
CN112818312A CN202110141870.0A CN202110141870A CN112818312A CN 112818312 A CN112818312 A CN 112818312A CN 202110141870 A CN202110141870 A CN 202110141870A CN 112818312 A CN112818312 A CN 112818312A
Authority
CN
China
Prior art keywords
face
user
face image
verification
image
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
Application number
CN202110141870.0A
Other languages
English (en)
Inventor
董骊
孟德风
艾群飞
刘如心
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Opsoft Information Technology Co ltd
Original Assignee
Jiangsu Opsoft Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Opsoft Information Technology Co ltd filed Critical Jiangsu Opsoft Information Technology Co ltd
Priority to CN202110141870.0A priority Critical patent/CN112818312A/zh
Publication of CN112818312A publication Critical patent/CN112818312A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了基于人脸识别技术MES系统登录认证方法及MES系统，该方法包括接收用户的登录请求；对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。本发明通过存储多张用户图像，提高图像检索对比命中率，识别精度较高；并将人脸识别系统集成到MES系统服务中，通过人脸识别系统打包成独立安装文件，独立部署在客户生产环境中，可提供一种不依赖于网络的本地部署，实现MES系统业务逻辑，完成人脸注册和考勤打卡一体化功能。

Description

基于人脸识别技术MES系统登录认证方法及MES系统
技术领域
本发明涉及人脸识别安全登录技术领域，尤其涉及一种基于人脸识别技术MES系统登录认证方法及MES系统。
背景技术
工业互联网智能工厂解决方案已被世界上大多数领先企业采纳并作为数字化转型手段，用于控制生产过程中的流程监控、设备管理等。通常采用的技术手段是MES(Manufacturing Execution System)即制造企业生产过程执行系统。然而，随着MES系统的不断发展和不断更新，更需要有跟多的元素加入到这个系统以适应日益更新的生产需求。比如说，在项目看板管理上，之前采用刷卡系统比较落后，取而代之的是人脸识别系统。然而人脸识别系统与MES系统的集成开发目前还没有进行整合。
人脸识别是利用分析比较人脸的面部特征信息进行身份识别的计算机技术。人脸识别由于其非接触式、基本无须配合、操作隐蔽性强等优势，被认为是一种可广泛使用的生物特征识别技术。现有技术中，人脸识别的方法步骤主要包括：图像采集及检测、图像预处理、图像特征提取、匹配与识别。图像特征提取可分为全局特征与局部特征两类：全局特征方法反映的是人脸的整体属性，主流的全局特征方法包括主成分分析法(PCA)，线性判别分析法(LDA)及独立分量分析法(ICA)等；局部特征方法侧重于提取人脸的细节特征，基于局部特征的识别方法包括局部特征表示(LFA)、局部二值模式(LBP) 及局部方向模式(LDP)等。为了减少由于拍摄角度、光照以及表情在人脸识别过程中造成的影响，有学者提出了分块PCA的方法，首先将人脸图像分割成若干子块，然后对这些子块使用传统PCA算法进行识别，由于拍摄角度、光照以及表情对人脸的局部特征影响不大，因此模块化的PCA算法在处理这些问题上有较大的容错性，实验证明，相比较于传统的PCA算法，该方法能够取得更高的准确性。
然而，现有技术的人脸识别软件做人脸识别登录，只存储一张用户图像，在与新的图像检索对比时命中率较低，识别精度不高。针对上述这种情况，本发明提出了一种基于人脸识别技术MES系统登录认证方法及MES系统，能够有效地对现有技术进行改进，以克服其不足。
发明内容
针对现有技术的不足，本发明提供了一种基于人脸识别技术MES系统登录认证方法及MES系统，以解决现有技术存在的以上问题，其具体方案如下：
第一方面，本发明提供了一种基于人脸识别技术MES系统登录认证方法，所述方法包括：
接收用户的登录请求；
对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
优选地，所述提取所述用户的人脸特征，所述方法包括：
获取所述用户的
Figure DEST_PATH_IMAGE001
张人脸图像，对每一张所述人脸图像进行降维采样获得一个
Figure 95543DEST_PATH_IMAGE002
维向量，以获得一个
Figure DEST_PATH_IMAGE003
的人脸集合；
获取所述用户
Figure 947087DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，求取每张所述人脸图像与所述平均人脸图像的差值，并根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征。
优选地，所述获取所述用户
Figure 67489DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并求取每张所述人脸图像与所述平均人脸图像的差值，所述方法包括：
对所述
Figure 706281DEST_PATH_IMAGE002
维向量
Figure 570332DEST_PATH_IMAGE004
通过遍历公式
Figure DEST_PATH_IMAGE005
计算所述用户
Figure 181442DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并通过求差公式
Figure 862959DEST_PATH_IMAGE006
求取每张所述人脸图像与所述平均人脸图像的差值。
优选地，所述根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征，所述方法包括：
将
Figure 864413DEST_PATH_IMAGE001
个所述人脸图像与所述平均人脸图像的差值
Figure DEST_PATH_IMAGE007
组成协方差矩阵，并将求取的所述协方差矩阵
Figure 364445DEST_PATH_IMAGE001
个单位正交向量
Figure 502165DEST_PATH_IMAGE008
作为所述人脸特征，
Figure DEST_PATH_IMAGE009
=
Figure 823425DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
。
优选地，所述根据所述人脸特征对所述用户进行人脸识别验证，所述方法包括：
对所述单位正交向量
Figure 374492DEST_PATH_IMAGE008
，用
Figure 970559DEST_PATH_IMAGE012
求取待识别人脸图像的相应权重，并将
Figure 228365DEST_PATH_IMAGE001
个赋予权重的向量构成待识别人脸图像矩阵
Figure DEST_PATH_IMAGE013
；
求取所述待识别人脸图像矩阵
Figure 956412DEST_PATH_IMAGE014
与训练集合中任意一个预存人脸图像矩阵之间的欧式距离
Figure DEST_PATH_IMAGE015
，
Figure 260354DEST_PATH_IMAGE016
求取的所述欧式距离小于预设阈值，则判定所述待识别人脸图像与所述训练集内的第
Figure 535478DEST_PATH_IMAGE009
个预存人脸图像
Figure DEST_PATH_IMAGE017
是同一个人脸。
优选地，所述方法还包括：
当所述待识别人脸图像的姿态为左偏时，增加所述待识别人脸图像矩阵
Figure 975686DEST_PATH_IMAGE014
的权重值；当所述待识别人脸图像的姿态为右偏时，减小所述待识别人脸图像矩阵
Figure 435486DEST_PATH_IMAGE014
的权重值。
优选地，所述对所述登录请求进行安全校验，所述方法包括：
使用公钥对所述登录请求携带的用户信息数字签名进行校验，如校验通过，则所述登录请求的安全校验通过。
第二方面，本发明提供了一种基于人脸识别技术MES系统，所述系统包括：
接收请求模块，用于接收用户的登录请求；
校验提取模块，用于对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
识别访问模块，用于根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
第三方面，本发明提供了一种基于人脸识别技术MES设备，所述设备包括：
通信总线，用于实现处理器与存储器间的连接通信；
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如下步骤：
接收用户的登录请求；
对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。
有益效果：本发明的基于人脸识别技术MES系统登录认证方法及MES系统，通过存储多张用户图像，提高图像检索对比命中率，识别精度较高；并将人脸识别系统集成到MES系统服务中，通过人脸识别系统打包成独立安装文件，独立部署在客户生产环境中，可提供一种不依赖于网络的本地部署，实现MES系统业务逻辑，完成人脸注册和考勤打卡一体化功能。
附图说明
为了更清楚地说明本发明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发明的一些实施例，附图中的实施例不构成对本发明的任何限制，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。
图1是本发明基于人脸识别技术MES系统登录认证方法一实施例流程示意图。
图2是本发明基于人脸识别技术MES系统登录认证系统一实施例结构示意图。
图3是本发明基于人脸识别技术MES系统登录认证系统一实施例结构示意图。
具体实施方式
下面结合附图与实施例对本发明技术方案作进一步详细的说明，这是本发明的较佳实施例。应当理解，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；需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例技术方案的主要思想：接收用户的登录请求；对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
为了更好的理解上述的技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
本发明一实施例提供了一种基于人脸识别技术MES系统登录认证方法，如图1所示，以下方法实施例中各步骤的执行主体具体可以为具有人脸识别功能的各种设备，例如：手机、个人电脑，PAD，门禁设备等，该方法具体可以包括如下步骤：
S101，接收用户的登录请求；
S102，对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
具体地，执行主体首先使用公钥对所述登录请求携带的用户信息数字签名进行校验，如校验通过，则所述登录请求的安全校验通过，然后执行主体通过使用摄像传感器获取所述用户的
Figure 367670DEST_PATH_IMAGE001
张人脸图像，对每一张所述人脸图像进行降维采样获得一个
Figure 538495DEST_PATH_IMAGE002
维向量，以获得一个
Figure 770894DEST_PATH_IMAGE003
的人脸集合，最后获取所述用户
Figure 870437DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，求取每张所述人脸图像与所述平均人脸图像的差值，并根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征。
较佳地，所述获取所述用户
Figure 555496DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并求取每张所述人脸图像与所述平均人脸图像的差值，所述方法具体可以包括：对所述
Figure 172422DEST_PATH_IMAGE002
维向量
Figure 118381DEST_PATH_IMAGE004
通过遍历公式
Figure 264192DEST_PATH_IMAGE005
计算所述用户
Figure 295602DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并通过求差公式
Figure 450639DEST_PATH_IMAGE006
求取每张所述人脸图像与所述平均人脸图像的差值。即：在获取人脸向量集合T后，计算得到平均图像
Figure DEST_PATH_IMAGE019
，通过遍历下式：
Figure 486991DEST_PATH_IMAGE020
可以得到图像的平均值，也就是所谓的“平均脸”；计算每张图像和平均图像的差值
Figure DEST_PATH_IMAGE021
，也就是用T集合里的每个元素减去前述中的平均值，其公式可以表述为
Figure 662757DEST_PATH_IMAGE022
。
进一步，所述根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征，所述方法具体可以包括：将
Figure 322409DEST_PATH_IMAGE001
个所述人脸图像与所述平均人脸图像的差值
Figure 140192DEST_PATH_IMAGE007
组成协方差矩阵，并将求取的所述协方差矩阵
Figure 936110DEST_PATH_IMAGE001
个单位正交向量
Figure 813936DEST_PATH_IMAGE008
作为所述人脸特征，
Figure 429725DEST_PATH_IMAGE009
=
Figure 543875DEST_PATH_IMAGE010
，
Figure 194299DEST_PATH_IMAGE011
。
其中，通过
Figure DEST_PATH_IMAGE023
特征值来描述其向量分布，
Figure 977447DEST_PATH_IMAGE024
，当
Figure 470746DEST_PATH_IMAGE023
取最小值时，
Figure 505698DEST_PATH_IMAGE008
的值是定值，
Figure 135262DEST_PATH_IMAGE008
要满足下式：
Figure 495836DEST_PATH_IMAGE026
已知
Figure 86218DEST_PATH_IMAGE008
为单位正交向量，计算
Figure 550959DEST_PATH_IMAGE008
的值可以转换为计算协方差矩阵的特征向量：
Figure DEST_PATH_IMAGE027
，其中
Figure 769451DEST_PATH_IMAGE028
。
S103，根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
具体地，执行主体首先对所述单位正交向量
Figure 35347DEST_PATH_IMAGE008
，用
Figure 237659DEST_PATH_IMAGE012
求取待识别人脸图像的相应权重，并将
Figure 879992DEST_PATH_IMAGE001
个赋予权重的向量构成待识别人脸图像矩阵
Figure 484149DEST_PATH_IMAGE013
；然后再求取所述待识别人脸图像矩阵
Figure 920947DEST_PATH_IMAGE014
与训练集合中任意一个预存人脸图像矩阵之间的欧式距离
Figure 109089DEST_PATH_IMAGE015
，
Figure 289535DEST_PATH_IMAGE016
求取的所述欧式距离小于预设阈值，则判定所述待识别人脸图像与所述训练集内的第
Figure 217040DEST_PATH_IMAGE009
个预存人脸图像
Figure 949372DEST_PATH_IMAGE017
是同一个人脸，表示该人脸识别通过验证，同时允许所述用户访问所述MES系统。
在一个可选实施例中，对待识别人脸图像矩阵赋予权重的方法具体还可以包括：当所述待识别人脸图像的姿态为左偏时，增加所述待识别人脸图像矩阵
Figure 1642DEST_PATH_IMAGE014
的权重值；当所述待识别人脸图像的姿态为右偏时，减小所述待识别人脸图像矩阵
Figure 110412DEST_PATH_IMAGE014
的权重值。
在另一可选实施例中，可获取一个初始人脸图像训练集合A，该初始人脸图像包含N张人脸图像，每张图像可以转换成一个M维的向量，然后把这N个向量放到集合A中，此训练集合
Figure DEST_PATH_IMAGE029
。
实施例二
本发明一实施例提供了一种基于人脸识别技术MES系统，如图2所示，该MES系统具体可以包括如下模块：
接收请求模块，用于接收用户的登录请求。
校验提取模块，用于对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征。
具体地，执行主体首先使用公钥对所述登录请求携带的用户信息数字签名进行校验，如校验通过，则所述登录请求的安全校验通过，然后执行主体通过使用摄像传感器获取所述用户的
Figure 659467DEST_PATH_IMAGE001
张人脸图像，对每一张所述人脸图像进行降维采样获得一个
Figure 703647DEST_PATH_IMAGE002
维向量，以获得一个
Figure 977633DEST_PATH_IMAGE003
的人脸集合，最后获取所述用户
Figure 624515DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，求取每张所述人脸图像与所述平均人脸图像的差值，并根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征。
较佳地，所述获取所述用户
Figure 933137DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并求取每张所述人脸图像与所述平均人脸图像的差值，所述方法具体可以包括：对所述
Figure 7272DEST_PATH_IMAGE002
维向量
Figure 299713DEST_PATH_IMAGE004
通过遍历公式
Figure 484707DEST_PATH_IMAGE005
计算所述用户
Figure 913414DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并通过求差公式
Figure 299396DEST_PATH_IMAGE006
求取每张所述人脸图像与所述平均人脸图像的差值。即：在获取人脸向量集合T后，计算得到平均图像
Figure 177003DEST_PATH_IMAGE030
，通过遍历下式：
Figure 41054DEST_PATH_IMAGE020
可以得到图像的平均值，也就是所谓的“平均脸”；计算每张图像和平均图像的差值
Figure 714481DEST_PATH_IMAGE021
，也就是用T集合里的每个元素减去前述中的平均值，其公式可以表述为
Figure 5785DEST_PATH_IMAGE022
。
进一步，所述根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征，所述方法具体可以包括：将
Figure 866293DEST_PATH_IMAGE001
个所述人脸图像与所述平均人脸图像的差值
Figure 534035DEST_PATH_IMAGE007
组成协方差矩阵，并将求取的所述协方差矩阵
Figure 796389DEST_PATH_IMAGE001
个单位正交向量
Figure 258595DEST_PATH_IMAGE008
作为所述人脸特征，
Figure 107864DEST_PATH_IMAGE009
=
Figure 844876DEST_PATH_IMAGE010
，
Figure 837103DEST_PATH_IMAGE011
。
其中，通过
Figure 594843DEST_PATH_IMAGE023
特征值来描述其向量分布，
Figure 305310DEST_PATH_IMAGE024
，当
Figure 705068DEST_PATH_IMAGE023
取最小值时，
Figure 551801DEST_PATH_IMAGE008
的值是定值，
Figure 746022DEST_PATH_IMAGE008
要满足下式：
Figure 678206DEST_PATH_IMAGE026
已知
Figure 757020DEST_PATH_IMAGE008
为单位正交向量，计算
Figure 81429DEST_PATH_IMAGE008
的值可以转换为计算协方差矩阵的特征向量：
Figure 321917DEST_PATH_IMAGE027
，其中
Figure 193927DEST_PATH_IMAGE028
。
识别访问模块，用于根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
具体地，执行主体首先对所述单位正交向量
Figure 810853DEST_PATH_IMAGE008
，用
Figure 632179DEST_PATH_IMAGE012
求取待识别人脸图像的相应权重，并将
Figure 168203DEST_PATH_IMAGE001
个赋予权重的向量构成待识别人脸图像矩阵
Figure 74979DEST_PATH_IMAGE013
；然后再求取所述待识别人脸图像矩阵
Figure 121694DEST_PATH_IMAGE014
与训练集合中任意一个预存人脸图像矩阵之间的欧式距离
Figure 797526DEST_PATH_IMAGE015
，
Figure 504451DEST_PATH_IMAGE016
求取的所述欧式距离小于预设阈值，则判定所述待识别人脸图像与所述训练集内的第
Figure 898523DEST_PATH_IMAGE009
个预存人脸图像
Figure 716307DEST_PATH_IMAGE017
是同一个人脸，表示该人脸识别通过验证，同时允许所述用户访问所述MES系统。
在一个可选实施例中，对待识别人脸图像矩阵赋予权重的方法具体还可以包括：当所述待识别人脸图像的姿态为左偏时，增加所述待识别人脸图像矩阵
Figure 512224DEST_PATH_IMAGE014
的权重值；当所述待识别人脸图像的姿态为右偏时，减小所述待识别人脸图像矩阵
Figure 265417DEST_PATH_IMAGE014
的权重值。
在另一可选实施例中，可获取一个初始人脸图像训练集合A，该初始人脸图像包含N张人脸图像，每张图像可以转换成一个M维的向量，然后把这N个向量放到集合A中，此训练集合
Figure 271419DEST_PATH_IMAGE029
。
实施例三
本发明一实施例提供了一种基于人脸识别技术MES设备，如图3所示，该MES设备具体可以包括如下模块：
通信总线，用于实现处理器与存储器间的连接通信；
存储器，用于存储计算机程序；存储器可能包含高速RAM存储器，也可能还包含非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器可选的可以包含至少一个存储装置。
处理器，用于执行上述计算机程序以实现如下步骤：
首先，接收用户的登录请求；
然后，对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
具体地，执行主体首先使用公钥对所述登录请求携带的用户信息数字签名进行校验，如校验通过，则所述登录请求的安全校验通过，然后执行主体通过使用摄像传感器获取所述用户的
Figure 768259DEST_PATH_IMAGE001
张人脸图像，对每一张所述人脸图像进行降维采样获得一个
Figure 59431DEST_PATH_IMAGE002
维向量，以获得一个
Figure 983524DEST_PATH_IMAGE003
的人脸集合，最后获取所述用户
Figure 476822DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，求取每张所述人脸图像与所述平均人脸图像的差值，并根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征。
较佳地，所述获取所述用户
Figure 511775DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并求取每张所述人脸图像与所述平均人脸图像的差值，所述方法具体可以包括：对所述
Figure 406918DEST_PATH_IMAGE002
维向量
Figure 501913DEST_PATH_IMAGE004
通过遍历公式
Figure 216928DEST_PATH_IMAGE005
计算所述用户
Figure 321151DEST_PATH_IMAGE001
张人脸图像的平均人脸图像，并通过求差公式
Figure 946167DEST_PATH_IMAGE006
求取每张所述人脸图像与所述平均人脸图像的差值。即：在获取人脸向量集合T后，计算得到平均图像
Figure 838162DEST_PATH_IMAGE030
，通过遍历下式：
Figure 181418DEST_PATH_IMAGE020
可以得到图像的平均值，也就是所谓的“平均脸”；计算每张图像和平均图像的差值
Figure 682807DEST_PATH_IMAGE021
，也就是用T集合里的每个元素减去前述中的平均值，其公式可以表述为
Figure 162330DEST_PATH_IMAGE022
。
进一步，所述根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征，所述方法具体可以包括：将
Figure 723761DEST_PATH_IMAGE001
个所述人脸图像与所述平均人脸图像的差值
Figure 554314DEST_PATH_IMAGE007
组成协方差矩阵，并将求取的所述协方差矩阵
Figure 734760DEST_PATH_IMAGE001
个单位正交向量
Figure 193423DEST_PATH_IMAGE008
作为所述人脸特征，
Figure 801122DEST_PATH_IMAGE009
=
Figure 476560DEST_PATH_IMAGE010
，
Figure 460697DEST_PATH_IMAGE011
。
其中，通过
Figure 39446DEST_PATH_IMAGE023
特征值来描述其向量分布，
Figure 818046DEST_PATH_IMAGE024
，当
Figure 482245DEST_PATH_IMAGE023
取最小值时，
Figure 4493DEST_PATH_IMAGE008
的值是定值，
Figure 437749DEST_PATH_IMAGE008
要满足下式：
Figure 387250DEST_PATH_IMAGE026
已知
Figure 40211DEST_PATH_IMAGE008
为单位正交向量，计算
Figure 366150DEST_PATH_IMAGE008
的值可以转换为计算协方差矩阵的特征向量：
Figure 529278DEST_PATH_IMAGE027
，其中
Figure 39894DEST_PATH_IMAGE028
。
最后，根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
具体地，执行主体首先对所述单位正交向量
Figure 288472DEST_PATH_IMAGE008
，用
Figure 277157DEST_PATH_IMAGE012
求取待识别人脸图像的相应权重，并将
Figure 825950DEST_PATH_IMAGE001
个赋予权重的向量构成待识别人脸图像矩阵
Figure 241888DEST_PATH_IMAGE013
；然后再求取所述待识别人脸图像矩阵
Figure 977763DEST_PATH_IMAGE014
与训练集合中任意一个预存人脸图像矩阵之间的欧式距离
Figure 911084DEST_PATH_IMAGE015
，
Figure 412253DEST_PATH_IMAGE016
求取的所述欧式距离小于预设阈值，则判定所述待识别人脸图像与所述训练集内的第
Figure 140038DEST_PATH_IMAGE009
个预存人脸图像
Figure 487842DEST_PATH_IMAGE017
是同一个人脸，表示该人脸识别通过验证，同时允许所述用户访问所述MES系统。
在一个可选实施例中，对待识别人脸图像矩阵赋予权重的方法具体还可以包括：当所述待识别人脸图像的姿态为左偏时，增加所述待识别人脸图像矩阵
Figure 693696DEST_PATH_IMAGE014
的权重值；当所述待识别人脸图像的姿态为右偏时，减小所述待识别人脸图像矩阵
Figure 810556DEST_PATH_IMAGE014
的权重值。
在另一可选实施例中，可获取一个初始人脸图像训练集合A，该初始人脸图像包含N张人脸图像，每张图像可以转换成一个M维的向量，然后把这N个向量放到集合A中，此训练集合
Figure 12038DEST_PATH_IMAGE029
。
本实施例中的处理器可能是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。上述处理器可以是微处理器或者上述处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
实施例四
本发明一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现上述的登录认证方法。
综上所述，本发明实施例提供的一种基于人脸识别技术MES系统登录认证方法及MES系统，通过存储多张用户图像，提高图像检索对比命中率，识别精度较高；并将人脸识别系统集成到MES系统服务中，通过人脸识别系统打包成独立安装文件，独立部署在客户生产环境中，可提供一种不依赖于网络的本地部署，实现MES系统业务逻辑，完成人脸注册和考勤打卡一体化功能。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行该计算机程序指令时，全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果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)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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于人脸识别技术MES系统登录认证方法，其特征在于，所述方法包括：
接收用户的登录请求；
对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
2.根据权利要求1所述的方法，其特征在于，所述提取所述用户的人脸特征，所述方法包括：
获取所述用户的N张人脸图像，对每一张所述人脸图像进行降维采样获得一个M维向量，以获得一个N*M的人脸集合；
获取所述用户N张人脸图像的平均人脸图像，求取每张所述人脸图像与所述平均人脸图像的差值，并根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征。
3.根据权利要求2所述的方法，其特征在于，所述获取所述用户N张人脸图像的平均人脸图像，并求取每张所述人脸图像与所述平均人脸图像的差值，所述方法包括：
对所述M维向量Γn通过遍历公式
Figure FDA0002928929350000011
计算所述用户N张人脸图像的平均人脸图像，并通过求差公式φn＝Γn-Ψ求取每张所述人脸图像与所述平均人脸图像的差值。
4.根据权利要求2所述的方法，其特征在于，所述根据所述人脸图像与所述平均人脸图像的差值求取所述人脸特征，所述方法包括：
将N个所述人脸图像与所述平均人脸图像的差值φn组成协方差矩阵，并将求取的所述协方差矩阵N个单位正交向量uk作为所述人脸特征，K＝1，2…N。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述人脸特征对所述用户进行人脸识别验证，所述方法包括：
对所述单位正交向量uk，用
Figure FDA0002928929350000012
求取待识别人脸图像的相应权重，并将N个赋予权重的向量构成待识别人脸图像矩阵ΩT＝[ω1ω2…ωn]；
求取所述待识别人脸图像矩阵Ω与训练集合中任意一个预存人脸图像矩阵之间的欧式距离ξk＝‖Ω-Ωk‖2，若求取的所述欧式距离小于预设阈值，则判定所述待识别人脸图像与所述训练集内的第K个预存人脸图像Ωk是同一个人脸。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
当所述待识别人脸图像的姿态为左偏时，增加所述待识别人脸图像矩阵Ω的权重值；当所述待识别人脸图像的姿态为右偏时，减小所述待识别人脸图像矩阵Ω的权重值。
7.根据权利要求6所述的方法，其特征在于，所述对所述登录请求进行安全校验，所述方法包括：
使用公钥对所述登录请求携带的用户信息数字签名进行校验，如校验通过，则所述登录请求的安全校验通过。
8.一种基于人脸识别技术MES系统，其特征在于，所述系统包括：
接收请求模块，用于接收用户的登录请求；
校验提取模块，用于对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
识别访问模块，用于根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
9.一种基于人脸识别技术MES设备，其特征在于，所述设备包括：
通信总线，用于实现处理器与存储器间的连接通信；
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如下步骤：
接收用户的登录请求；
对所述登录请求进行安全校验，若所述登录请求通过安全校验，则提取所述用户的人脸特征；
根据所述人脸特征对所述用户进行人脸识别验证，若所述人脸识别通过验证，则允许所述用户访问所述MES系统。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
CN202110141870.0A 2021-02-02 2021-02-02 基于人脸识别技术mes系统登录认证方法及mes系统 Pending CN112818312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141870.0A CN112818312A (zh) 2021-02-02 2021-02-02 基于人脸识别技术mes系统登录认证方法及mes系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141870.0A CN112818312A (zh) 2021-02-02 2021-02-02 基于人脸识别技术mes系统登录认证方法及mes系统

Publications (1)

Publication Number Publication Date
CN112818312A true CN112818312A (zh) 2021-05-18

Family

ID=75860477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141870.0A Pending CN112818312A (zh) 2021-02-02 2021-02-02 基于人脸识别技术mes系统登录认证方法及mes系统

Country Status (1)

Country Link
CN (1) CN112818312A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780088A (zh) * 2021-08-11 2021-12-10 北京超维世纪科技有限公司 基于深度学习工业巡逻机器人针对人员入侵实时检测算法
CN115689575A (zh) * 2022-11-02 2023-02-03 中科纯元(珠海)科技有限公司 一种应用于元宇宙的交互防护系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106998332A (zh) * 2017-05-08 2017-08-01 深圳市牛鼎丰科技有限公司 安全登录方法、装置、存储介质和计算机设备
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN111476640A (zh) * 2020-04-13 2020-07-31 江苏思特瑞信息技术有限公司 认证方法、系统、存储介质及大数据认证平台
CN112183394A (zh) * 2020-09-30 2021-01-05 江苏智库智能科技有限公司 一种人脸识别方法、装置和智能安防管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106998332A (zh) * 2017-05-08 2017-08-01 深圳市牛鼎丰科技有限公司 安全登录方法、装置、存储介质和计算机设备
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN111476640A (zh) * 2020-04-13 2020-07-31 江苏思特瑞信息技术有限公司 认证方法、系统、存储介质及大数据认证平台
CN112183394A (zh) * 2020-09-30 2021-01-05 江苏智库智能科技有限公司 一种人脸识别方法、装置和智能安防管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780088A (zh) * 2021-08-11 2021-12-10 北京超维世纪科技有限公司 基于深度学习工业巡逻机器人针对人员入侵实时检测算法
CN115689575A (zh) * 2022-11-02 2023-02-03 中科纯元(珠海)科技有限公司 一种应用于元宇宙的交互防护系统

Similar Documents

Publication Publication Date Title
CN109948408B (zh) 活性测试方法和设备
US11295111B2 (en) Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
WO2019205369A1 (zh) 电子装置、基于人脸图像与声纹信息的身份识别方法及存储介质
US9704051B2 (en) Method and system for verifying identities
US20190163954A1 (en) Fingerprint enrollment method and apparatus
CN107038405B (zh) 识别对象的方法和设备以及训练识别模型的方法和设备
JP5710748B2 (ja) 生体認証システム
EP2704052A1 (en) Transaction verification system
CN111709004A (zh) 一种身份认证方法、装置、电子设备及可读存储介质
EP3734503B1 (en) Method and apparatus with liveness detection
US11126827B2 (en) Method and system for image identification
US10546106B2 (en) Biometric verification
EP3057037A1 (en) Biometric information registration apparatus and biometric information registration method
JP2009503721A (ja) 指紋のアライニング方法および装置
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
Davuluri et al. A Novel Approach to Human Iris Recognition And Verification Framework Using Machine Learning Algorithm
US20210034895A1 (en) Matcher based anti-spoof system
CN111382666A (zh) 具有用户验证的设备和方法
US9292752B2 (en) Image processing device and image processing method
CN112818312A (zh) 基于人脸识别技术mes系统登录认证方法及mes系统
WO2017131870A1 (en) Decoy-based matching system for facial recognition
CN107025425B (zh) 认证方法和设备以及用于训练识别器的方法和设备
EP2495687A1 (en) Method of matching, biometric matching apparatus, and computer program
Park et al. Partially occluded facial image retrieval based on a similarity measurement
KR102558736B1 (ko) 지문 인식 방법 및 장치

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

Application publication date: 20210518

RJ01 Rejection of invention patent application after publication