CN117011923B - 一种嵌入式平板电脑数据安全保护方法及系统 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种嵌入式平板电脑数据安全保护方法及系统。该方法，包括：获取面部图像及对应的尺度图像；在尺度图像中，对于像素点获取窗口区域，以此获取像素点的细节阈值；根据像素点的细节阈值获取像素点的细节描述性；根据每个像素点的细节描述性获取尺度图像的特征点；对于尺度图像，根据特征点的邻域灰度值获取特征点的光照影响因子；根据所有特征点的光照影响因子筛选出标准特征点，利用标准像素点构建人脸验证交互集；获取待识别图像，根据待识别图像和人脸验证交互集的匹配结果完成安全保护。本发明大幅度的减少了特征提取以及特征匹配的计算量。

Description

一种嵌入式平板电脑数据安全保护方法及系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种嵌入式平板电脑数据安全保护方法及系统。

背景技术

嵌入式平板电脑是面向工业控制领域的高性能触控一体机，具备坚固、防震、防潮、防尘、耐高温多插槽和易于扩充等特点，是各种工业控制、交通控制、环保控制和自动化领域中其它各种应用的最佳平台，例如在工业制造的场景中，其主要用于对于工业设备对应的数据进行存储以及对相应的子设备进行控制，而为了保证工业数据的安全性，往往需要对嵌入式平板电脑中的数据进行安全保护。

传统方法为了保证平板电脑中数据的安全，现有技术一般是利用人脸识别技术对生产车间的平板电脑进行加密，而后录入不同权限的操作人员的面部特征，在操作用人员进行相应的设备操作以及数据访问的时候，通过利用人脸面容解锁进行对应的文件数据获取，但是在现有技术中，进行人脸的识别往往是利用神经网络进行对应的人脸面部特征提取，而后通过对应的特征识别进行面容解锁数据的获取权限，这种方式虽然对于复杂场景下的人脸识别具有一定的鲁棒性，但是因为嵌入式平板电脑对应的面容识别场景较为单一，利用神经网络进行人脸识别的时候，往往会增加大量的不必要的计算量，进而使得数据安全性防护的成本上升。

发明内容

为了传统方式解决计算量较大的技术问题，本发明提供一种嵌入式平板电脑数据安全保护方法，所采用的技术方案具体如下：

第一方面，本发明提出了一种嵌入式平板电脑数据安全保护方法，该方法包括以下步骤：

获取若干面部图像；

将每张面部图像进行降采样获取每张面部图像对应的尺度图像；

在每张尺度图像中，对于每一个像素点获取一个窗口区域，根据窗口区域获取每一个像素点的细节阈值；根据像素点的细节阈值以及窗口区域内像素点的灰度值获取像素点的细节描述性；根据每个像素点的细节描述性获取尺度图像的特征点；

对于每张尺度图像，根据特征点与其相同灰度值的像素点的邻域内灰度值获取特征点的光照影响因子；根据所有特征点的光照影响因子筛选出标准特征点，利用所有的标准像素点构建人脸验证交互集；

获取待识别图像，根据待识别图像和所有人脸验证交互集的匹配结果完成安全保护。

优选的，所述将每张面部图像进行降采样获取每张面部图像对应的尺度图像的方法为：

对于每张面部图像，首先获取预设张初始采样图像，将面部图像和初始采样图像进行频域转换分别得到面部图像和初始采样图像的总能量，以总能量为纵坐标，采样次数为横坐标，使用最小二乘法获取拟合曲线，获取拟合曲线的第一个拐点，将第一个拐点的横坐标最接近的整数记为降采样总次数；

根据降采样总次数获取每张面部图像对应的多尺度图像集。

优选的，所述根据降采样总次数获取每张面部图像对应的多尺度图像集的方法为：

将面部图像使用图像金字塔进行降采样，每次降采样的图像记为采样图像，降采样的次数为降采样总次数；

将每个面部图像的所有采样图像以及面部图像本身构成的集合记为多尺度图像集，将多尺度图像集内的每张图像都记为尺度图像。

优选的，所述对于每一个像素点获取一个窗口区域，根据窗口区域获取每一个像素点的细节阈值的方法为：

将尺度图像的任意一个像素点记为中心像素点，以中心像素点为中心，预设值为边长得到一个正方形的窗口区域，计算正方向窗口区域内中心像素点的灰度值与其余像素点的灰度值的均方误差，将所述均方误差记为中心像素点的细节阈值。

优选的，所述根据像素点的细节阈值以及窗口区域内像素点的灰度值获取像素点的细节描述性的方法为：

将中心像素点与窗口区域内所有像素点的灰度值作差，将差值的累加和的均值记为第一加值，第一加值与归一化后的细节阈值的比值记为中心像素点的细节描述性，中心像素点的细节描述性和细节阈值成正比关系。

优选的，所述根据特征点与其相同灰度值的像素点的邻域内灰度值获取特征点的光照影响因子的方法为：

将与特征点灰度值相同的像素点记为相似点，每个特征点存在若干相似点，将以每个像素点的中心的大小的区域记为像素点的邻域，将像素点的邻域内所有像素点的灰度值均值记为像素点的邻域均值，根据特征点与其所有相似点的邻域均值的差异以及特征点与相似点的欧式距离获取特征点的光照影响因子。

优选的，所述根据特征点与其所有相似点的邻域均值的差异以及特征点与相似点的欧式距离获取特征点的光照影响因子的方法为：

式中，表示第j个特征点的邻域均值，/>表示与第j个特征点对应的第c个相似点的邻域均值，/>表示第j个特征点和与第j个特征点对应的第c个相似点的欧式距离，/>表示以自然常数为底的指数函数，/>表示与第j个特征点灰度值相同的像素点的数量，/>表示所有与第j个特征点灰度值相同的像素点的邻域均值的方差，/>表示第j个特征点的光照影响因子。

优选的，所述根据所有特征点的光照影响因子筛选出标准特征点，利用所有的标准像素点构建人脸验证交互集的方法为：

计算每张尺度图像中所有特征点的光照影响因子的均值，将尺度图像中光照影响因子小于光照影响因子的均值的特征点记为标准特征点；

将每张尺度图像构建一个位置集合，位置集合中每个元素为每个标准特征点的位置，将每张面部图像对应的所有尺度图像的位置集合构建一个人脸验证交互集。

优选的，所述根据待识别图像和所有人脸验证交互集的匹配结果完成安全保护的方法为：

待识别图像原图像与每张面部图像的人脸验证交互集的第一个位置集合进行特征点位置匹配，若两个特征点的位置坐标相同，则两个特征点匹配，若人脸验证交互集的第一个位置集合中超过预设数量个标准特征点都匹配，则认为待识别图像与人脸验证交互集的第一尺度匹配，之后进行第二尺度匹配，若每个尺度都匹配，则认为待识别图像与此时的面部图像对应同一个工作人员；若存在一个尺度不匹配，则更换面部图像与待识别图像匹配，直到所有面部图像匹配完成；

若所有面部图像的人脸验证交互集都不与待识别图像匹配，则认为该工作人员非权限人员，将此时的待识别图像进行传输保存，并进行预警，由此完成安全保护。

第二方面，本发明实施例还提供了一种嵌入式平板电脑数据安全保护系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

本发明具有如下有益效果：相较于现有技术而言，本发明通过对不同的人脸图像进行多尺度下的特征点的获取，以多尺度的特征点作为人脸识别的手段来实现嵌入式平板电脑数据安全保护，相较于现有的人脸识别技术而言，不用进行大量的特征提取；而后通过繁琐的特征匹配的技术进行识别，再通过多尺度的特征点保证整体识别的准确性的同时，大幅度的减少了特征提取以及特征匹配的计算量。

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和优点，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的介绍，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附图。

图1为本发明一个实施例所提供的一种嵌入式平板电脑数据安全保护方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种嵌入式平板电脑数据安全保护系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

一种嵌入式平板电脑数据安全保护方法实施例：

下面结合附图具体的说明本发明所提供的一种嵌入式平板电脑数据安全保护方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种嵌入式平板电脑数据安全保护方法流程图，该方法包括以下步骤：

步骤S001，获取若干面部图像。

首先采集所有拥有权限的工作人员的人脸面部信息，通过嵌入式平板电脑的前置摄像头进行拥有数据访问权限的所有个工作人员的正面面部图像的拍摄，获取/>个面部图像信息，并对每个面部图像信息进行灰度化，灰度化后进行滤波去噪获取每个工作人员对应的面部图像。

至此，获取了若干面部图像。

步骤S002，将每张面部图像进行降采样获取每张面部图像对应的尺度图像。

在上述步骤中，本实施例采集了所有具有嵌入式平板电脑访问权限的所有工作人员的人脸面部数据，而仅用原始尺度下的人脸面部进行人脸验证时容易出现偶然现象导致人脸识别不准确，因此本实施例通过对不同尺度下的人脸进行特征点提取，通过不同尺度下的人脸特征点进行对应的人脸验证识别，以此来提升整体人脸识别的精度，因此首先要对每个面部图像进行多尺度变化，本实施例使用图像金字塔的方式对面部图像进行降采样处理，将每一次降采样后的图像保存记为采样图像，其中降采样需要有次数限制，在本实施例中，首先给定初始采样次数，本实施例中预设为5，由此得到5张采样图像，将采样图像和面部图像进行频域转化，获取频域图像中的总能量，将总能量进行最小二乘法拟合获取拟合曲线，所述拟合曲线的纵坐标为总能量，横坐标为降采样的次数，对拟合曲线求二阶导，令拟合曲线的二阶导为0的点记为拟合曲线的拐点，将第一个拐点周围最近点的横坐标记为降采样总次数。

在对面部图像利用图像金字塔进行降采样获取不同尺度的时候，每一次降采样都需要对部分像素点的进行删除，而删除面部图像的部分像素点之后，会使得整体的图像的细节丢失，进而使得图像的频域能量发生改变，但是在降采样对图像处理至某一个尺度时，对应的图像细节丢失了绝大部分，而继续进行降采样时，此时细节已经丢失太多不会再大量丢失，因此使用不同尺度的降采样对面部图像处理时，其频域能量刚开始的变化是十分剧烈的，随着降采样的尺度逐渐变大，对应的能量变化趋近于平缓。而当能量变化趋近于平缓的时候，表面该图像以及没有太多的细节可以被丢失，但是在后续中进行图像的特征点的获取的时候，是需要利用图像不同尺度下的细节进行获取的，所以对于无较多细节的人脸面部图像。是没有进行后续处理的必要的，因此对于拟合曲线的拐点对应的次数作为总次数。

由此将面部图像根据降采样获取了多张采样图像，将面部图像和采样图像记为多尺度图像集，将多尺度图像集中的图像统一称为尺度图像。

至此，获取了每张面部图像的多尺度图像集。

步骤S003，在每张尺度图像中，对于每一个像素点获取一个窗口区域，根据窗口区域获取每一个像素点的细节阈值；根据像素点的细节阈值以及窗口区域内像素点的灰度值获取像素点的细节描述性；根据每个像素点的细节描述性获取尺度图像的特征点。

由于嵌入式平板的位置固定，因此所拍摄的场景也是固定的，对人脸识别的准确性有较大影响的是场景内的光照因素，因此需要在不同尺度的采样图像中获取不受光照影响的特征点，减少光照的影响，并利用不同尺度下的不受光照影响的特征点获取人脸验证交互集便于后续的人脸识别验证。

对于图像的细节而言，一般是在某一个局部像素点的灰度值发生了剧烈变化的区域，因此需要局部考虑像素点的灰度稳定性，以尺度图像中任意一个像素点记为中心像素点，对于中心像素点获取一个边长为k的窗口区域，在本实施例中k为5，通过计算中心像素点与窗口区域内其余像素点的灰度值差异判断该局部区域是否为细节区域，若差异较大则说明为细节区域，若差异较小则不为细节区域，之后判断中心像素点的极值性，若中心像素点越大，极值性越大，且当该窗口区域为局部区域且中心像素点的极值性较大时表示中心像素点更显著，由此获取中心像素点的细节描述性，公式如下：

式中，表示第t个像素点的灰度值，/>表示以第t个像素点为中心像素点的窗口区域内的第v个像素点的灰度值，k表示窗口区域的边长，/>表示第t个像素点的细节阈值，表示以自然常数为底的指数函数，/>表示第t个像素点的细节描述性。

其中计算出来的细节阈值越大，说明窗口区域越有可能为细节区域，该值越大，细节描述性越大，而中心像素点的值越大说明中心像素点越显著，此时说明中心像素点所在的局部区域为明显的细节区域，中心像素点更适合作为一个特征像素点。

之后对于采集的所有面部图像的尺度图像都利用上述方式获取每个像素点的细节描述性，在每一个尺度图像中，利用像素点的细节描述性使用LOF算法进行聚类，将所有离群点组成的集合作为尺度图像下的特征点，所述LOF算法为公知算法，在此不多做赘述，由此获取了每一张面部图像下每一个尺度图像的所有特征点。

至此，获取了每个尺度图像的所有特征点。

步骤S004，对于每张尺度图像，根据特征点与其相同灰度值的像素点的邻域内灰度值获取特征点的光照影响因子；根据所有特征点的光照影响因子筛选出标准特征点，利用所有的标准像素点构建人脸验证交互集。

将所选取的每个尺度图像的特征点计算器光照影响因子，根据光照影响因子对所有特征点进行筛选，获取受光照影响较小的特征点。

在尺度图像中，如果一个像素点受到了光照的影响，那么其邻域内的像素点也会或多或少的受到光照的影响，但是其余与受到光照影响的像素点相同灰度值的像素点不一定受到了光照的影响。在尺度图像中，相同灰度值的像素点周围领域内的像素点分布一般具有相似性，且随着距离越近，这种相似性越高；对于任意一个像素点，其周围邻域为大小区域，计算每个像素点周围邻域内除了中心像素点外的所有像素点的灰度值均值记为邻域均值，因此对于任意一个特征点，根据该特征点的邻域均值和灰度值相同的像素点的邻域均值的差异以及特征点与其相同灰度值的像素点的距离获取每个特征点的光照影响因子，公式如下：

式中，表示第j个特征点的邻域均值，/>表示与第j个特征点灰度值相同的第c个像素点的邻域均值，/>表示第j个特征点和与第j个特征点灰度值相同的第c个像素点的欧式距离，/>表示与第j个特征点灰度值相同的像素点的数量，/>表示所有与第j个特征点灰度值相同的像素点的邻域均值的方差，/>表示第j个特征点的光照影响因子。

其中，相同灰度值的像素点其欧式距离越近，邻域内像素点的分布相似性越高，因此本实施例通过特征点的邻域均值以及其相同灰度值的像素点的邻域均值进行距离加权差异值计算，如果该差异值越大，则说明特征点与其灰度值相同的像素点的邻域像素点灰度值有明显的变化，特征点受到的光照影响可能性越大，而所述方差越小，说明与特征点灰度值相同的像素点周围邻域的灰度值均值变化越稳定，使得差异的可信度越高。得到特征点的光照影响因子后，该值越大，说明特征点受到光照影响的可能性越大，反之则越小。

使用上述方法对每个尺度图像的所有特征点进行计算其光照影响因子，之后根据所有特征点的光照影响因子筛选出光照影响较小的特征点，具体筛选过程如下：

在正常的人脸图像中，通常受到光照影响的像素点为少部分像素点，进而所获取到的大部分特征点都是不受光照效果影响的，或者受到光照的影响较少，所以计算光照影响因子的平均值时，获取的平均值更加偏向于正常的像素点，因此将所有特征点的光照影响因子的平均值作为光照因子筛选阈值。

之后利用光照因子筛选阈值进行特征点的筛选，当特征点的光照影响因子小于光照因子筛选阈值时，则认为该特征点受到光照的影响较小，将此时的特征点保留记为标准特征点，标准特征点参与后续人脸验证的交互。

将所有的尺度图像中每个特征点根据尺度图像的光照因子筛选阈值筛选出标准特征点，获取了所有尺度图像的标准特征点。

基于所有标准特征点将每张面部图像对应的多张尺度图像构成一个人脸验证交互集，表示如下：

式中，表示第n张面部图像的人脸验证交互集，/>表示第n张面部图像中的第m张尺度图像的位置集合，/>表示每张面部图像对应的尺度图像的数量，/>表示在第m张尺度图像下第i个标准特征点的横坐标和纵坐标，/>表示每张尺度图像下标准特征点的数量。

至此，获取了每张面部图像对应的人脸验证交互集。

步骤S005，获取待识别图像，根据待识别图像和所有人脸验证交互集的匹配结果完成安全保护。

对于嵌入式平板电脑对应的所有拥有数据访问权限的工作人员，获取其每个工作人员对应的人脸验证交互集，根据人脸验证交互集进行人脸识别，具体如下：

采集待识别的工作人员的面部图像记为待识别图像，根据上述步骤获取待识别图像在不同尺度下的标准特征点，将其对应的不同尺度的特征点与每张人脸验证交互集进行匹配，首先对于待识别图像原图像与每张面部图像的人脸验证交互集的第一个位置集合进行特征点位置匹配，即若两个特征点的位置坐标相同，则认为两个特征点匹配，若人脸验证交互集的第一个位置集合中超过/>个标准特征点都匹配，则认为待识别图像与人脸验证交互集的第一尺度匹配，之后进行第二尺度匹配，若每个尺度都匹配，则认为待识别图像与此时的面部图像对应同一个工作人员；若存在一个尺度不匹配，则更换面部图像与待识别图像匹配，直到所有面部图像匹配完成。

若所有面部图像的人脸验证交互集都不与待识别图像匹配，则认为该工作人员非权限人员，将此时的待识别图像进行传输保存，并进行预警，由此完成安全保护。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (8)

1.一种嵌入式平板电脑数据安全保护方法，其特征在于，该方法包括以下步骤：

获取若干面部图像；

将每张面部图像进行降采样获取每张面部图像对应的尺度图像；

在每张尺度图像中，对于每一个像素点获取一个窗口区域，根据窗口区域获取每一个像素点的细节阈值；根据像素点的细节阈值以及窗口区域内像素点的灰度值获取像素点的细节描述性；根据每个像素点的细节描述性获取尺度图像的特征点；

对于每张尺度图像，根据特征点与其相同灰度值的像素点的邻域内灰度值获取特征点的光照影响因子；根据所有特征点的光照影响因子筛选出标准特征点，利用所有的标准特征点构建人脸验证交互集；

获取待识别图像，根据待识别图像和所有人脸验证交互集的匹配结果完成安全保护；

所述根据特征点与其相同灰度值的像素点的邻域内灰度值获取特征点的光照影响因子的方法为：将与特征点灰度值相同的像素点记为相似点，每个特征点存在若干相似点，将以每个像素点为中心的大小的区域记为像素点的邻域，将像素点的邻域内所有像素点的灰度值均值记为像素点的邻域均值，根据特征点与其所有相似点的邻域均值的差异以及特征点与相似点的欧式距离获取特征点的光照影响因子；

所述根据特征点与其所有相似点的邻域均值的差异以及特征点与相似点的欧式距离获取特征点的光照影响因子的方法为：

式中，表示第j个特征点的邻域均值，/>表示与第j个特征点对应的第c个相似点的邻域均值，/>表示第j个特征点和与第j个特征点对应的第c个相似点的欧式距离，/>表示以自然常数为底的指数函数，/>表示与第j个特征点灰度值相同的像素点的数量，/>表示所有与第j个特征点灰度值相同的像素点的邻域均值的方差，/>表示第j个特征点的光照影响因子。

2.如权利要求1所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述将每张面部图像进行降采样获取每张面部图像对应的尺度图像的方法为：

对于每张面部图像，首先获取预设张初始采样图像，将面部图像和初始采样图像进行频域转换分别得到面部图像和初始采样图像的总能量，以总能量为纵坐标，采样次数为横坐标，使用最小二乘法获取拟合曲线，获取拟合曲线的第一个拐点，将第一个拐点的横坐标最接近的整数记为降采样总次数；

根据降采样总次数获取每张面部图像对应的多尺度图像集。

3.如权利要求2所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述根据降采样总次数获取每张面部图像对应的多尺度图像集的方法为：

将面部图像使用图像金字塔进行降采样，每次降采样的图像记为采样图像，降采样的次数为降采样总次数；

将每个面部图像的所有采样图像以及面部图像本身构成的集合记为多尺度图像集，将多尺度图像集内的每张图像都记为尺度图像。

4.如权利要求1所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述对于每一个像素点获取一个窗口区域，根据窗口区域获取每一个像素点的细节阈值的方法为：

将尺度图像的任意一个像素点记为中心像素点，以中心像素点为中心，预设值为边长得到一个正方形的窗口区域，计算正方形窗口区域内中心像素点的灰度值与其余像素点的灰度值的均方误差，将所述均方误差记为中心像素点的细节阈值。

5.如权利要求4所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述根据像素点的细节阈值以及窗口区域内像素点的灰度值获取像素点的细节描述性的方法为：

将中心像素点与窗口区域内所有像素点的灰度值作差，将差值的累加和的均值记为第一加值，第一加值与归一化后的细节阈值的比值记为中心像素点的细节描述性，中心像素点的细节描述性和细节阈值成正比关系。

6.如权利要求1所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述根据所有特征点的光照影响因子筛选出标准特征点，利用所有的标准特征点构建人脸验证交互集的方法为：

计算每张尺度图像中所有特征点的光照影响因子的均值，将尺度图像中光照影响因子小于光照影响因子的均值的特征点记为标准特征点；

将每张尺度图像构建一个位置集合，位置集合中每个元素为每个标准特征点的位置，将每张面部图像对应的所有尺度图像的位置集合构建一个人脸验证交互集。

7.如权利要求1所述的一种嵌入式平板电脑数据安全保护方法，其特征在于，所述根据待识别图像和所有人脸验证交互集的匹配结果完成安全保护的方法为：

待识别图像原图像与每张面部图像的人脸验证交互集的第一个位置集合进行特征点位置匹配，若两个特征点的位置坐标相同，则两个特征点匹配，若人脸验证交互集的第一个位置集合中超过预设数量个标准特征点都匹配，则认为待识别图像与人脸验证交互集的第一尺度匹配，之后进行第二尺度匹配，若每个尺度都匹配，则认为待识别图像与此时的面部图像对应同一个工作人员；若存在一个尺度不匹配，则更换面部图像与待识别图像匹配，直到所有面部图像匹配完成；

若所有面部图像的人脸验证交互集都不与待识别图像匹配，则认为该工作人员非权限人员，将此时的待识别图像进行传输保存，并进行预警，由此完成安全保护。

8.一种嵌入式平板电脑数据安全保护系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述方法的步骤。