专利名称：防止账号被盗用的方法和系统的制作方法
技术领域：
本发明涉及计算机通信技术领域，特别涉及ー种防止账号被盗用的方法、ー种防止账号被盗用的系统。
背景技术：
随着制卡技术的发展，现在已经广泛使用的包括储蓄卡、信用卡等在内的银行卡，为消费者提供了便捷的支付方式，越来越多的用户习惯于用银行卡、信用卡等在ATM机上提取现金、以及在消费进行费用支付。但近年来，犯罪分子常常利用银行卡在安全上的弱点窃取他人的银行卡信息和消费密码，盗用其账号并从中获取钱财，给受害者造成了巨大的经济损失。同时，互联网的日益普及带给我们更多的网络产品，需要运用到的账号也越来越多，包括网络购物的电子商务账号、网上支付账号、即时通讯账号、社交网络账号等等。随之而来的是，互联网账号被盗的情况也更加严重，不法分子通过故意冒用或者盗取他人账号，一方面窃取账号所有人的隐私信息，另ー方面通过该账号发布非法消息，给所有人带来形象名誉等方面的损失，更严重的甚至通过该账号与账号所有者的好友联系，通过“借钱”、“寻求帮助”等欺骗或诈骗手段非法牟利，给账号所有者的亲人及朋友带来伤害。所以，无论是银行卡还是网络账号等账号被人盗用，都会带账号所有者带来麻烦甚至于是经济损失，尤其是在越来越多的网络平台推行注册实名制以后，每ー个账号都存在用户的真实信息，一旦被冒用或者盗用，后果不堪设想。
发明内容
基于此，针对上述现有技术中存在的问题，本发明的目的在于提供ー种防止账号被盗用的方法、ー种防止盗号被盗用的系统，其可以方便账号所有者及时了解自己账户的使用情况，且方便维权。为达到上述目的，本发明采用以下技术方案ー种防止账号被盗用的方法，包括步骤接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像；比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似；若相似，将所述实时人脸图像补充到该人脸图像特征数据库；若不相似，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像，并在与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上吋，发出报警指令。ー种防止账号被盗用的系统，包括登录信息接收单元，用于接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；摄像控制単元，用于判断账号当前使用者当前所用设备是否存在摄像装置，病在有摄像装置时，控制该摄像装置拍摄该当前使用者的实时人脸图像；关联人脸图像相似度判定単元，用于比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似，并在相似时将所述实时人脸图像补充到该人脸图像特征数据库；疑似盗号者判定単元，用于在关联人脸图像相似度判定単元判定结果为不相似吋，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像； 报警单元，用于在疑似盗号者判定単元判定出与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上吋，发出报警指令。根据上述本发明方案，其不仅使用传统的密码登陆账号，还实时采集账号的当前使用者的人脸图像信息，并将该实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，如果比对成功，则允许当前使用者登陆账号，并将该实时人脸图像补充到该账号对应的人脸图像特征数据库，方便后续的判断，如果比对不成功，则判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在有第ー预设数目张以上的疑似盗号者人脸图像的情况下，说明此人经常试图盗用他人账号，发出报警指令，从而可以据此方便账号所有者及时了解自己账号的使用情況，且便于维权。
图I是本发明的防止账号被盗用的方法实施例的流程示意图；图2是人脸结构特征的示意图；图3是ー个具体示例中账号为银行卡账号时本发明方法的流程示意图；图4是ー个具体示例中账号为网络账号时本发明方法的流程示意图；图5是本发明的防止账号被盗用的系统实施例的结构示意图。
具体实施例方式以下结合其中的较佳实施方式对本发明方案进行详细阐述。在本发明方案中，考虑到随着宽带速度増加，使用网络视频等聊天的用户越来越多，视频摄像头几乎家家都有，并且摄像头等已经成为众多笔记本型计算机的标准内建装置。3G时代的到来，伴随采用苹果和Android操作系统的智能手机等的逐步普及，使得图片、音乐、文字等多媒体信息可以以多种方式在同一界面显示，例如彩信、微信、3G无线通信等等，使得通过通信終端接收这种组合信息变得更加便利。因此，在本发明方案中，考虑到结合视频摄像、拍照等摄像装置来实现对账号被盗用的防护，并在此基础上可以通过彩信、微信、3G无线通信等形式向用户的通信终端发送信息，以对便于用户及时知晓账号的动态或者异常等情況。图I中示出了本发明的防止账号被盗用的方法实施例的流程示意图，如图I所示，本实施例中的方法包括步骤步骤SlOl :接收用户登入请求信息，这里的用户登入请求信息包括账号及对应的密码；步骤S102 :判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像；步骤S103 :将上述实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，判断二者是否相似，若相似，进入步骤S104，若不相似，进入步骤S105 ；步骤S104 :将该实时人脸图像补充到该账号对应到的人脸图像特征数据库；步骤S105 :搜索并判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在疑似盗号者人脸图像特征数据库中有与该实时人脸图像相似的第一预定数目张以上的疑似盗号者人脸图像，发出报警指令。根据如上所述的本实施例中的防止账号被盗用的方法，其不仅使用传统的密码登 陆账号，还实时采集账号的当前使用者的人脸图像信息，并将该实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，如果比对成功，则允许当前使用者登陆账号，并将该实时人脸图像补充到该账号对应的人脸图像特征数据库，方便后续的判断，如果比对不成功，则判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在有第一预设数目张以上的疑似盗号者人脸图像的情况下，说明此人经常试图盗用他人账号，发出报警指令，从而可以据此方便账号所有者及时了解自己账号的使用情況，且便于维权。如上所述的防止账号被盗用的方法，除了可以使用传统的密码进行登录，还可以同时采用验证码、加密等其他传统的方式来通过用户登入请求信息实现账号的登录。拍摄实时人脸图像的摄像装置，可以是采用账号当前使用者所用设备的自有设备，例如笔记本电脑的摄像头、手机的摄像头、ATM机设备摄像头、设备外接的摄像头等。具体操作时，以ATM机设备为例，在其中一种实现方式中，在检测到用户进入登陆界面、或者在ATM机插入银行卡时，可自动启用与设备相连接的摄像头等摄像装置，该摄像装置进行拍照的过程可以是在后台进行，或者也可以是在用户输入账号和密码的同时自动进行，账号使用者感觉不到摄像头在拍照，拍照获得人脸实时图像的过程也不会对使用者的流程造成任何影响。在此情况下，由于拍照是在用户进入登陆界面时、在输入登陆账号和密码吋、或者是在ATM机插入银行卡时进行，因此，无论用户是否在正确输入密码以及是否成功登录都能够触发拍照功能，可以据此查到试图想冒用或者盗用自己账号的人的信息。另ー方面，若当前使用者当前所使用的设备没有摄像装置或者无法启动该摄像装置，在用户输入的账号、密码等信息正确的情况下，则可以允许该当前使用者以默认的权限进行使用，出于安全性考虑，可设置为即便是用户输入的账号及密码是正确的，也不允许用户登录或者说用户登录失败。在启用设备的摄像装置进行拍照时，例如对于PC机端、Android手机端、iPhone手机端、ATM机端、带摄像头的其他手机等设备，可以采用已有的方式调用其已有的接ロ来启动，实现对实时人脸图像的拍摄，在此不予多加赘述。在采用摄像装置进行拍摄得到实时人脸图像时，可以只拍摄一次，并将拍摄的该人脸图像作为上述需要应用的实时人脸图像。然而，在实际情况中，由于拍摄时所在环境、光线、角度等影响，只拍摄ー张的话可能无法观看到清晰的人脸图像，无法准确的从该照片中识别出人脸图像。因此，本发明方案在实施时，可以是通过拍摄装置连续拍摄当前使用者两张以上的人脸图像，具体连续拍摄的次数可以根据实际需要进行设定，然后根据这些连续拍摄的多张人脸图像确定出上述需要使用的实时人脸图像。在其中一种实现方式中，在通过连续拍摄得到多张人脸图像之后，可以通过对各人脸图像的清晰度进行分析，从中选择出清晰度最高的人脸图像作为实时人脸图像。在另外ー种实现方式中，在通过连续拍摄得到多张人脸图像后，可以对这多张人脸图像进行组合，得到一个组合后的清晰人脸图像。以下针对这种方式进行详细说明。在根据连续拍摄的两张以上的人脸图像组合为清晰人脸图像时，由于真实环境的影响，例如光亮明暗程度、背景杂乱、角度偏移等等，会使得所拍摄或者捕获到的图像质量不高，因此，可以是先进行相关的预处理过程后，再进行图像合成的过程，据此，具体的过程可以包括从上述连续拍摄的多张人脸图像中筛选出第二预设数目张模糊度最小的人脸图像；调整上述第二预设数目张模糊度最小的人脸图像的亮度值；根据上述调整了亮度值后的人脸图像合成一张完整的人脸照片，得到上述组合后的清晰人脸图像。其中，上述筛选出第二预设数目张模糊度最小的人脸图像、以及调整这些人脸图像的亮度值的过程即为上述具体合成人脸图像前的预处理过程。在从连续拍摄的多张人脸图像中筛选出第二预设数目张模糊度最小的人脸图像时，具体过程可如下所述。首先，将拍摄得到的各人脸图像分别从RGB图像转换为灰度图像，在转换为灰度图像时，可以采用各种方式来进行，在其中ー种方式中，可以采用下式进行转换gray (x, y) = O. 3R(x, y) +0. 59G(x, y) +0. IlB(x, y)其中，gray(x, y)表示转换为灰度图像后的像素点(x，y)的灰度值，R(x, y)表示RGB图像中像素点(X，y)的R值，G (X，y)表示RGB图像中像素点(x，y)的G值，B(x，y)表示RGB图像中像素点(X，y)的B值；经过上述转换后，可将图片转化为由各像素点的灰度值gray (X，y)组成的灰度图像，该灰度图像中的各像素点的灰度值构成了ー个灰度矩阵，后续的过程实际上可针对该灰度矩阵进行。然后，设置差值矩阵，该差值矩阵的大小分别与各灰度图像对应的矩阵相同，为便于计算，该差值矩阵中的各元素值可预先进行初始化，即将差值矩阵中的各元素的元素值设定为预设值，当然，也可以是在后续过程中直接对差值矩阵中的各元素的元素值进行赋值。随后，对各灰度图像中各像素点，分别计算该像素点与该像素点的N邻域内的各像素点的差值，N可以根据实际需要进行设定，例如N为8，即计算8邻域内的各像素点的差值，并计算各差值的绝对值的和值，若和值位于预设范围内，则将该和值赋值到差值矩阵中的对应位置，否则将该对应位置的值设置为预设值，在采用预设值对差值矩阵进行了初始化的情况下，则可以不对差值矩阵中的对应位置的值进行改变。在对灰度图像中的各像素点均扫描完毕后，计算差值矩阵中不为预设值的各像素值的均值与方差，并对均值与方差分别赋予对应的权值，然后根据各像素值的均值与方差、以及对应的全职确定图片模糊量，具体可采用下式进行F = a*e+b*v式中，e表示均值，a表示均值e的权值，V表示方差，b表示方差V的全职，F表示图片的模糊量；在得到各人脸图像的模糊量后，即可根据各人脸图像对应的模糊量的大小筛选出第二预设数目张模糊度最小的人脸图像。 其中，针对上述差值矩阵，通过上述具体过程可以得知，预设值的具体数值的大小跟后续计算无关，因此，预设值的大小可依据实际需要进行设定，考虑到像素点与其N邻域内的邻近像素点差值的绝对值的和值通常都大于0，且该和值有可能为任意整数值，因此，在通常情况下，上述预设值可设置为0，以方便计算且不至于与和值相混淆。当然，该预设值也可以根据需要设定为其他值，只要不会与和值相混淆即可。在得到第二预设数目张模糊度最小的人脸图像后，即可针对这第二预设数目张模糊度最小的人脸图像进行亮度值的调整，在对亮度值进行调整时，可以只针对人脸区域进行，据此，对亮度值进行调整的过程可以是首先，识别出各人脸图像的人脸区域，识别人脸区域的过程可以采用现有技术中已有的方式进行；然后，将识别出的各人脸区域从RGB顔色空间转换为HSL顔色空间，相当于是将人的肤色从RGB颜色空间转换为HSL颜色空间，HSL颜色空间会将亮度信息从彩色中分离出来，从而可以通过表现亮度值的L分量来判断图像的明暗情况，具体可以是分别求取各人脸区域内的各像素点在HSL顔色空间内的平均亮度值，即平均L值，可记为亮度值1。，然后判断该亮度值I。是否在预先设定的亮度范围[I1,12]内，当平均亮度值I。不在预设亮度范围[I1,12]内吋，说明图像的亮度不符合要求，需要对图像的人脸区域各像素的亮度值进行调整，具体的调整可采用下式进行
[Μ式中，Ix表示像素点调整后的亮度值，Is表示像素点调整前的原始亮度值，Im表示调整如的最売像素点的売度值，Im表不调整如的最暗像素点的売度值。当然，也可以是在计算出了调整后的平均亮度值后，再根据调整后的平均亮度值对给像素点的亮度值进行调整。可采用下式对平均亮度值进行调整4=}'，其中，4 =バ_フ *h
οMm式中，Ix表示像素点调整后的亮度值，Is表示像素点调整前的原始亮度值，Γ。表不调整后的平均売度值，I。表不调整如的平均売度值，Im表不调整如的最売像素点的売度值，Im表不调整如的最暗像素点的売度值。在对图像的人脸区域的亮度值调整后，再根据调整后的各像素点的亮度值将人脸区域从HSL顔色空间转换为RGB顔色空间，从而完成了图像明暗度的调整。在得到调整了亮度值的人脸图像后，即可根据调整了亮度值后的人脸图像合成一张完整的人脸照片。在合成人脸图片吋，由于后续过程中的比对可以不需要人脸区域的每个像素点，可以只采集有代表性的点进行对比，因此，在通过调整了亮度值后的人脸图像合成一张完整的人脸照片时，也可以不是合成一整完整的图片，而是可以用不同角度下的图片得到整个人脸区域的有代表性的点。据此，合成完整的人脸图片的过程可以如下所述在各调整了亮度值后的人脸图像中查找出兴趣点，从而得到各人脸图像中的共计η个兴趣点，在ー个具体方式中，这里的兴趣点可以是指人脸图像中人脸区域的边缘点；在任何ー级迭代过程中，从η个数据点中选择m个数据点拟合为ー个模型，这里的拟合模型，是指拟合为ー个人脸模型；计算η个数据点中相对于上述拟合的模型的残差在预设偏差范围内的元素个数若元素个数大于预设个数阈值，根据一致点重新拟合模型，并用该重新拟合的模型确定所述完整的人脸图像；若元素个数小于或者等于所述预设个数阈值，进入下ー级迭代过程，直至达到最大预设迭代次数，并采用最大一致点点集组成的模型确定所述完整的人脸图像。在ー个具体实现方式中，具体可以是首先在图像中找出“兴趣点”，在本发明方案中，该兴趣点可以是指人脸图像中人脸区域的边缘点，并用描述局部亮度属性的特征向量来表示它们，在其他图像中找出具有匹配的特征向量的兴趣点，具体的找出具有匹配的特征向量的方式可以结合现有技术中已有的方式进行，例如最小距离算法等等，当两张图中具有大量可能匹配的兴趣点吋，这对图像就是ー个候选的重叠图像对；如果两幅图是重叠的，它们之间的差别可以描述为拍摄的3种可能的旋转和焦距的变化，共有4个參数，假设m = 4，在足够多的匹配点上推导出最好的可能參数集，进ー步可以验证这些匹配的质量,综合确定拍摄參数。将不同角度下拍摄的人脸照片合成时，可以采用随机抽样一致算法来进行，具体可以是假设要将η个数据点X = Ix1, χ2，...，xj拟合为ー个由至少m个点決定的模型(m < η,对于直线则m = 2)；设迭代计数k = I ;从X中随机选取m个项并拟合一个模型；预设偏差a，计算X中相对于模型的残差在偏差a内的元素个数如果元素个数大于阈值t，根据一致点集重新拟合模型，具体可以利用最小ニ乘或其变种或者其他方式来进行，算法終止；如果元素个数小于阈值t，令k = k+Ι，如果k小于ー个事先给定的K，即还未达到预设的最大迭代次数，则返回，重新从X中随机选取m个项并拟合一个模型，否则采用具有迄今最大的一致点点集的模型作为合成结果，或者也可以直接判定算法失败。在通过上述方式得到实时人脸图像后，将该实时人脸图像与人脸图像特征数据库中与当前账号相关联的人脸图像进行比对，比较实时人脸图像与跟其相关联的人脸图像的相似度，如果相似度达到预设的相似度阈值，则可以判定实时人脸图像与该相关联的人脸 图像是相似的，否则就判定不相似。在计算实时人脸图像与跟其相关联的人脸图像的相似度时，可以结合不同角度的相似度进行综合判定，具体可以是
计算实时人脸图像与相关联的人脸图像的肤色信息的相似度；计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度；计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度；根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度。当前，根据实际需要，也可以只选择肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度等中的一个或者其中两个，例如只考虑人脸结构信息的相似度、人脸轮廓信息的相似度等等。在下述说明中，以同时应用这三种相似度为例进行说明。在计算肤色信息的相似度时，在其中一种实现方式中，具体可以是扫描实时人脸图像中的各像素点，判断该像素点的像素值与对应的第一顔色数组中的像素值是否相似，若相似，将第一顔色数组中该像素值对应的数值加I，若不相似，将该像素点的像素值添加为第一颜色数组中的新的像素值，并将对应的数值加I ;扫描相关联的人脸图像中的各像素点，判断该像素点的像素值与对应的第二顔色数组中的像素值是否相似，若相似，将第二顔色数组中该像素值对应的数值加I，若不相似，将该像素点的像素值添加为第二顔色数组中的新的像素值，并将对应的数值加I;
统计第一顔色数组与第二顔色数组中像素值相似且对应的数值也相近的像素值个数，井根据该像素值个数确定肤色信息的相似度。在判断相近吋，如果两个数值的差值在预设的差值范围内，则判定这两个差值是相近的。然而，由于肤色信息的判断通常只针对人脸区域有效，图像中除了人脸区域的部分通常都是图像背景，可以不作为考虑因素，因此，在计算肤色信息的相似度时，也可以是只针对图像的人脸区域进行。据此，可以采用如下方式计算肤色信息的相似度。首先对实时人脸图像以及待对比的相关联的人脸图像进行人脸区域定位，即分别确定实时人脸图像与相关联的人脸图像中的人脸区域，确定人脸区域的方式可以采用现有技术中已有的方式进行，在此不予赘述。然后分别在实时人脸图像与相关联的人脸图像的人脸区域中统计所有可能的肤色值，具体可以是如下所述。以实时人脸图像为例，设置颜色数组colors (color, count)；依次扫描实时人脸图像的人脸区域中的每个像素点，将该像素点的顔色值与颜色数组colors中的每ー个元素中的颜色值color相比较，判断这两个颜色值是否相似，如果相似则将颜色数组中该颜色值color对应的count加I，如果都不相似，则将该颜色值添加到colors，并将其对应的count设置为1，其中，判断两个颜色值是否相似的方式可以采用现有技术中已有的方式，在此不予赘述；在将人脸区域内的每个像素点都扫描一遍后，可得到实时人脸图像的人脸区域中所有相似顔色的分组统计信息。类似地，对相关联的人脸图像也执行上述顔色统计过程，从而得到分别对应于实时人脸图像与相关联的人脸图像的两个颜色数组的分组统计信息。然后，找到这两个颜色数组中所对应的相似顔色值，判断相似顔色值对应的count值是否接近，即实时人脸图像与相关联的人脸图像的人脸区域中具有该相似颜色值的像素点的数目是否相近，当相近时，例如，当差值的绝对值小于预设阈值Cl吋，则将相似颜色计数k加1，考虑所有的顔色后，从而可以得到相似顔色的种类数目，据此可得到肤色信息的相似度为
式中，S1表示计算得到的肤色信息的相似度，k表示上述统计得到的相似顔色的种类数目，h为预设设定的标准值。
在计算人脸结构信息的相似度时，所说的人脸结构通常指双眼距离、眼鼻距离、鼻嘴距离等距离，具体可通过下述方式进行计算确定实时人脸图像的人脸权值向量、相关联的人脸图像的人脸权值向量，并根据实时人脸图像的人脸权值向量、相关联的人脸图像的人脸权值向量确定所述人脸结构的相似度；其中，人脸权值向量可记为I，其中，O1O2
表示双眼之间的距离，OA表示双眼中心至鼻子的距离，OB表示双眼中心至嘴巴的距离，OC表示双眼中心至下巴的距离，EF表示双耳之间的距离，OD表示双眼中心至头顶的距离，kpk2、k3、k4、k5分别表示对应的权值。图2中示出了人脸结构特征的示意图，图2所示中，双眼分别被标记为O1.02，双眼中心被标记为0，鼻子、嘴巴、下巴、头顶分别被标记为A、B、C、D，左右耳分别被标记为E、F，
据此可以翻-補Κ 罟咢朝;分别为各向量赋予对应的权值，从而得到ー个5维的人脸权值向量
j Jk O1O2 ,叫 O1O2 O1O2 叫
{ 1 OA ' 2 OB ' 3 OC ' 4 EF ' 5 OD J'然后，即可根据实时人脸图像的人脸权值向量Ip以及相关联的人脸图像的人脸权值向量I2，计算得到人脸结构的相似度ち·式中，S2表示人脸结构的相似度，I1表示实时人脸图像的人脸权值向量，I2表示相关联的人脸图像的人脸权值向量。在计算人脸轮廓的相似度时，可以采用下述方式来进行获取实时人脸图像的边缘ニ维数组、相关联的人脸图像的边缘ニ维数组；将实时人脸图像的边缘ニ维数组的大小转化为与相关联的人脸图像的边缘ニ维数组的大小相同；求取转化后的实时人脸图像的边缘ニ维数组到相关联的人脸图像的边缘ニ维数组的第一平均最小距离，以及相关联的人脸图像的边缘ニ维数组到转化后的实时人脸图像的边缘ニ维数组的第二平均最小距离；根据所述第一平均最小距离、所述第二平均最小距离确定所述人脸轮廓的相似度。在计算人脸轮廓的相似度的ー个具体实现方式中，在获取边缘ニ维数组时，可以采用Canny算法找到人脸区域里所有的轮廓信息。Canny算法是ー种新的边缘检测方法，它对白噪声影响的阶跃型边缘是最优的。阶跃边缘由位置、方向和可能的強度来确定。图像与ー对称2D高斯做卷积后再沿梯度方向微分，就构成了一个简单而有效的方向算子。G是2D高斯，将图像与G_n做卷积，G_n是G沿η方向的ー阶方向导数，则有
权利要求
1.ー种防止账号被盗用的方法，其特征在于，包括步骤 接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码； 判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像； 比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似； 若相似，将所述实时人脸图像补充到该人脸图像特征数据库； 若不相似，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像，并在与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上吋，发出报警指令。
2.根据权利要求I所述的防止账号被盗用的方法，其特征在于 在账号当前使用者当前所用设备不存在摄像装置时，判定账号当前使用者登录不成功； 和/或 在所述实时人脸图像与所述相关联的人脸图像不相似时，还将所述实时人脸图像补充到所述疑似盗号者人脸图像特征数据库。
3.根据权利要求I所述的防止账号被盗用的方法，其特征在干， 采用所述拍摄装置拍摄当前使用者的两张以上的人脸图像，所述实时人脸图像为所述两张以上的人脸图像中清晰度最高的人脸图像； 或者 采用所述拍摄装置拍摄当前使用者的两张以上的人脸图像，根据所述两张以上的人脸图像组合而成ー张清晰人脸图像作为所述实时人脸图像。
4.根据权利要求3所述的防止账号被盗用的方法，其特征在于，根据所述两张以上的人脸图像组合而成一张清晰人脸图像的步骤包括 从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像； 调整所述第二预设数目张模糊度最小的人脸图像的亮度值； 根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像，得到所述清晰人脸图像。
5.根据权利要求4所述的防止账号被盗用的方法，其特征在于 从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像的步骤包括 将各人脸图像分别从RGB图像转换为灰度图像； 设置差值矩阵，该差值矩阵的大小分别与各所述灰度图像对应的矩阵相同； 对各灰度图像中各像素点，分别计算该像素点与该像素点的N邻域内的各像素点的差值，并计算各差值的绝对值的和值，若和值位于预设范围内，将该和值赋值到差值矩阵中的对应位置，否则将该对应位置的值设置为预设值； 计算差值矩阵中不为预设值的各像素值的均值与方差，并根据各像素值的均值与方差确定图片模糊量； 根据各人脸图像对应的模糊量的大小筛选出第二预设数目张模糊度最小的人脸图像； 和/或 调整所述第二预设数目张模糊度最小的人脸图像的亮度值的步骤包括 识别所述第二预设数目张模糊度最小的人脸图像的人脸区域； 将各人脸区域从RGB颜色空间转换为HSL颜色空间； 求取各人脸区域内的各像素点在HSL顔色空间内的平均亮度值，并在平均亮度值位于预设亮度范围[I1, I2]之外吋，对人脸区域的各像素点的亮度值进行调整； 根据调整后的各像素点的亮度值将人脸区域从HSL顔色空间转换为RGB顔色空间； 和/或 根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像的步骤包括 在各调整了亮度值后的人脸图像中查找出N个兴趣点； 在任何ー级迭代过程中，从N个数据点中选择M个数据点拟合为ー个模型； 计算N个数据点中相对于所述模型的残差在预设偏差范围内的元素个数 若元素个数大于预设个数阈值，根据一致点重新拟合模型，并用该重新拟合的模型确定所述完整的人脸图像； 若元素个数小于或者等于所述预设个数阈值，进入下ー级迭代过程，直至达到最大预设迭代次数，并采用最大一致点点集组成的模型确定所述完整的人脸图像。
6.根据权利要求5所述的防止账号被盗用的方法，其特征在于 采用下式将人脸图像从RGB图像转换为灰度图像 gray (x, y) = O. 3R(x, y) +0. 59G(x, y) +0. IlB(x, y) 式中，gray (x, y)表示转换为灰度图像后的像素点(x, y)的灰度值，R(x，y)表示RGB图像中像素点(X，y)的R值，G(x，y)表示RGB图像中像素点(x，y)的G值，B(x，y)表示RGB图像中像素点(X，y)的B值； 和/或 采用下式对人脸区域的各像素点的亮度值进行调整；
7.根据权利要求I所述的防止账号被盗用的方法，其特征在干，比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似的方式包括 计算实时人脸图像与相关联的人脸图像的肤色信息的相似度； 计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度； 计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度； 根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度； 判断实时人脸图像与相关联的人脸图像的相似度是否大于预设相似度阈值，若是，判定所述实时人脸图像与所述相关联的人脸图像相似。
8.根据权利要求7所述的防止账号被盗用的方法，其特征在于所述肤色信息的相似度的计算方式包括 扫描实时人脸图像中的各像素点，判断该像素点的像素值与对应的第一顔色数组中的像素值是否相似，若相似，将第一顔色数组中该像素值对应的数值加1，若不相似，将该像素点的像素值添加为第一颜色数组中的像素值，并将对应的数值加I ; 扫描相关联的人脸图像中的各像素点，判断该像素点的像素值与对应的第二顔色数组中的像素值是否相似，若相似，将第二顔色数组中该像素值对应的数值加I，若不相似，将该像素点的像素值添加为第二顔色数组中的像素值，并将对应的数值加I; 统计第一顔色数组与第二顔色数组中的像素值相似且对应的数值的差值在预设差值范围内的像素值个数，井根据该像素值个数确定肤色信息的相似度； 和/或 所述人脸结构信息的相似度的计算方式包括 确定所述实时人脸图像的人脸权值向量、所述相关联的人脸图像的人脸权值向量，并根据所述实时人脸图像的人脸权值向量、所述相关联的人脸图像的人脸权值向量确定所述人脸结构的相似度；所述人脸权值向量为I 入發入樂入普人卷)，其中，O1O2表示双眼之间的距离，OA表示双眼中心至鼻子的距离，OB表示双眼中心至嘴巴的距离，OC表示双眼中心至下巴的距离，EF表示双耳之间的距离，OD表示双眼中心至头顶的距离，V k2、k3、k4、k5分别表示对应的权值； 和/或 所述人脸轮廓的相似度的计算方式包括 获取实时人脸图像的边缘ニ维数组、相关联的人脸图像的边缘ニ维数组； 将实时人脸图像的边缘ニ维数组的大小转化为与相关联的人脸图像的边缘ニ维数组的大小相同； 求取转化后的实时人脸图像的边缘ニ维数组到相关联的人脸图像的边缘ニ维数组的第一平均最小距离も，以及相关联的人脸图像的边缘ニ维数组到转化后的实时人脸图像的边缘ニ维数组的第二平均最小距离d2 ； 根据所述第一平均最小距离Cl1、所述第二平均最小距离d2确定所述人脸轮廓的相似度。
9.根据权利要求8所述的防止账号被盗用的方法，其特征在于
10.根据权利要求I至9任意一项所述的防止账号被盗用的方法，其特征在于，还包括下述任意一项或者任意组合 在所述实时人脸图像与所述相关联的人脸图像的相似吋，还确定当前使用者登录该账号的地理位置信息，并将该地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信終端； 在判定出疑似盗号者人脸图像特征数据库中有与所述实时人脸图像相似的疑似盗号者人脸图像吋，还确定当前使用者登录该账号的地理位置信息，并将该地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信終端。
11.ー种防止账号被盗用的系统，其特征在于，包括 登录信息接收单元，用于接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码； 摄像控制単元，用于判断账号当前使用者当前所用设备是否存在摄像装置，病在有摄像装置时，控制该摄像装置拍摄该当前使用者的实时人脸图像； 关联人脸图像相似度判定単元，用于比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似，并在相似时将所述实时人脸图像补充到该人脸图像特征数据库； 疑似盗号者判定単元，用于在关联人脸图像相似度判定単元判定结果为不相似吋，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像； 报警单元，用于在疑似盗号者判定単元判定出与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上吋，发出报警指令。
12.根据权利要求11所述的防止账号被盗用的系统，其特征在于 还包括登录控制単元，用于在账号当前使用者当前所用设备不存在摄像装置时或者在关联人脸图像相似度判定単元判定结果为不相似时，判定账号当前使用者登录不成功； 和/或 所述关联人脸图像相似度判定単元，还用于在所述实时人脸图像与所述相关联的人脸图像不相似时，还将所述实时人脸图像补充到所述疑似盗号者人脸图像特征数据库。
13.根据权利要求11所述的防止账号被盗用的系统，其特征在干， 所述摄像控制单元控制所述拍摄装置拍摄当前使用者的两张以上的人脸图像，所述实时人脸图像为所述两张以上的人脸图像中清晰度最高的人脸图像； 或者 所述摄像控制单元控制所述拍摄装置拍摄当前使用者的两张以上的人脸图像，并根据所述两张以上的人脸图像组合而成一张清晰人脸图像作为所述实时人脸图像。
14.根据权利要求13所述的防止账号被盗用的系统，其特征在于，所述摄像控制单元包括 图像筛选单元，用于从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像； 亮度值调整单元，用于调整所述第二预设数目张模糊度最小的人脸图像的亮度值； 组合单元，用于根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像，得到所述清晰人脸图像。
15.根据权利要求11所述的防止账号被盗用的系统，其特征在于，所述关联人脸图像相似度判定単元包括 肤色信息相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的肤色信息的相似度； 人脸结构相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度； 人脸轮廓相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度； 相似度综合确定单元，用于根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度。
16.根据权利要求11至15任意一项所述的防止账号被盗用的系统，其特征在于，还包括 位置信息获取单元，用于在所述实时人脸图像与所述相关联的人脸图像的相似时、和/或在判定出疑似盗号者人脸图像特征数据库中有与所述实时人脸图像相似的疑似盗号者人脸图像时，确定当前使用者登录该账号的地理位置信息； 信息组合发送単元，用于将所述地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信終端。
全文摘要
一种防止账号被盗用的方法及系统，该方法包括接收用户登入请求信息，该用户登入请求信息包括账号及对应的密码；判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像；比对实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似；若相似，将所述实时人脸图像补充到该人脸图像特征数据库；若不相似，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像，并在与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令。根据本发明方案，可以据此方便账号所有者及时了解自己账号的使用情况，且便于维权。
文档编号G06K9/64GK102663444SQ20121008362
公开日2012年9月12日 申请日期2012年3月26日 优先权日2012年3月26日
发明者不公告发明人 申请人:广州商景网络科技有限公司