一种安全防护方法、装置及系统与流程

本发明实施例涉及图像处理技术领域，特别是涉及一种安全防护方法、装置及系统。

背景技术：

随着计算机技术及图像处理技术的快速发展，智能家居技术得到广泛发展与应用，而在智能家居技术中，用户对安全防护的需求极高。

在现有的智能家居系统中，安全防护系统以检测入侵为主，通过利用摄像头捕捉图像，然后对入侵者或者特定人脸进行比对判断，实现检测是否有入侵者，以及检测入侵者的身份。

在对捕捉到的人脸图像进行识别时，现有技术一般将摄像头捕捉到的图像发送至学习框架中进行训练，通过训练的模型比较捕捉到的图像和预存人脸数据的相异度或相似度，最终输出识别结果。这种方法由于处理的图像数据量大、冗余信息多，多余的信息会导致机器处理速度较慢，还会产生过拟合，从而导致人脸识别率降低。

鉴于此，如何提高人脸识别准确率，从而提升智能家居安全防护的安全性能，是本领域技术人员亟待解决的问题。

技术实现要素：

本发明实施例的目的是提供一种安全防护方法、装置及系统，提高人脸识别准确率，从而提升智能家居安全防护的安全性能。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种安全防护方法，包括：

获取摄像头采集的目标图像；

利用预设算法对所述目标图像的色彩进行处理，以将所述目标图像中的目标物体的边缘部分的色彩统一化；

对处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像；

将所述遮罩图像和所述目标图像进行在合成，得到所述目标物体的图像信息；

利用预先建立的人脸机器学习模型对所述图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到所述图像信息的识别结果。

可选的，所述获取摄像头采集的目标图像包括：

获取所述摄像头根据图像采集指令采集图像后发送的目标图像；

其中，所述图像采集指令为当红外障碍传感器检测到安全防护区域内有障碍时，向所述摄像头发送的指令，以触发所述摄像头采集所述红外障碍传感器对应的安全防护区域的目标图像；所述红外障碍传感器按照预设的安全防护标准设置形成安全防护区域。

可选的，所述对处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像包括：

利用边缘检测算法对所述目标图像进行边界划分；

判断所述目标图像是否包含两个以上的区域；

若是，在多个区域中确定面积最大的区域，以作为所述目标物体区域，将非所述目标物体区域的其他区域进行合并，以作为所述背景区域；若否，则将面积大的区域作为所述目标物体区域，面积小的区域作为所述背景区域；

分别给所述目标物体区域和所述背景区域着不同的颜色，生成所述遮罩图像。

可选的，在所述在多个区域中确定面积最大的区域，以作为目标物体区域之后，还包括：

判断所述目标物体区域是否包含多个小区域；

若是，则将各小区域统一到所述目标物体区域中。

可选的，所述将所述遮罩图像和所述目标图像进行在合成，得到所述目标物体的图像信息包括：

将所述遮罩图像和所述目标图像进行在合成，合成图像中面积大的区域为目标物体区域；

将非所述目标物体区域的其他区域进行透明化处理；

将所述目标物体区域进行黑白化处理，得到所述目标物体的图像信息。

可选的，所述利用预设算法对所述目标图像的色彩进行处理包括：

利用采样算法对所述目标图像进行处理：

t(c_n)＝s_T(c_m)＝s_T(c_m*T)；

利用下述公式对处理过的图像的大小进行还原：

t(x)＝s(x-(c_n-c_m*T))；

式中，s(x)为所述目标图像中的像素点，t(x)为处理过的目标图像中的像素点，为采样频率，s_T(x)为采样图像中的像素点，s(n*T)为s(x)的样本；n为所述目标图像中像素个数，c_n为所述目标图像的像素中心，m为处理过的目标图像中像素个数，c_m为处理过的目标图像的像素中心。

可选的，还包括：

当所述图像信息与预先存储的人脸数据的相似度超过阈值时，进行报警提示。

本发明实施例另一方面提供了一种安全防护装置，包括：

获取模块，用于获取摄像头采集的目标图像；

色彩处理模块，用于利用预设算法对所述目标图像的色彩进行处理，以将所述目标图像中的目标物体的边缘部分的色彩统一化；

二元分割模块，用于对预处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像；

图像合成模块，用于将所述遮罩图像和所述目标图像进行在合成，得到所述目标物体的图像信息；

人脸识别模块，用于利用预先建立的人脸机器学习模型对所述图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到所述图像信息的识别结果。

本发明实施例还提供了一种安全防护系统，包括摄像头和处理器，所述处理器用于执行存储器中存储的安全防护程序时实现如前任一项所述安全防护方法的步骤。

可选的，还包括：

红外障碍传感器，与所述摄像头相连，用于当检测到安全防护区域内有障碍时，向所述摄像头发送图像采集指令；

其中，所述红外障碍传感器为按照预设的安全防护标准设置在安全防护区域内；红外障碍传感器的个数由安全防护区域的面积、形状确定。

本发明实施例提供了一种安全防护方法，首先对摄像头采集的目标图像利用预设算法进行色彩处理，将目标图像中的目标物体的边缘部分的色彩统一化；对处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像；将遮罩图像和目标图像进行在合成，得到目标物体的图像信息；最后利用预先建立的人脸机器学习模型对图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到图像信息的识别结果。

本申请提供的技术方案的优点在于，通过对摄像头采集的目标图像的边缘部分进行色彩统一化，利用二元分割将包含目标物体的区域与背景环境区域分割，将分割后得到的图像与原始的目标图像进行合成，提取得到目标物体的图像信息，最大程度的去除了目标图像中的环境影响因素，图像信息中包含的环境信息较少，大大减少了后期识别过程中处理的数据量，从而提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时；此外，通过从图像信息中去除环境影响因素，有效的避免了外界环境对人脸识别的干扰，有效避免识别过程中的过拟合，提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

在一种具体的实施方式中，设置红外障碍传感器形成安全防护区域，红外障碍传感器实时监测是否有外物侵入安全防护区域，当检测到有外物侵入安全防护区域时，对该区域进行图像采集，对采集得到的图像进行识别，可以同时实现定位和识别侵入者，有效的判断受保护者或者非授权者是否进入了安全防护区域，避免受保护者发生意外事故，避免非授权者侵入造成的损害，有利于保障人身财产安全，提升智能家居安全防护的安全性能。

此外，本发明实施例还针对安全防护方法提供了相应的实现装置及系统，进一步使得所述方法更具有实用性，所述装置及系统具有相应的优点。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，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他的附图。

图1为本发明实施例提供的一种安全防护方法的流程示意图；

图2为本发明实施例提供的另一种安全防护方法的流程示意图；

图3为本发明实施例提供的安全防护装置的一种具体实施方式结构图；

图4为本发明实施例提供的安全防护装置的另一种具体实施方式结构图；

图5为本发明实施例提供的安全防护系统的一种具体实施方式结构图；

图6为本发明实施例提供的安全防护系统的另一种具体实施方式结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，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。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。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。

首先参见图1，图1为本发明实施例提供的一种安全防护方法的流程示意图，本发明实施例可包括以下内容：

S101：获取摄像头采集的目标图像。

S102：利用预设算法对目标图像的色彩进行处理，以将目标图像中的目标物体的边缘部分的色彩统一化。

对目标图像的色彩进行处理时，可采用图片采样，具体的可为：

利用采样算法对目标图像进行处理：

目标图像与处理过的目标图像的中心像素点一样，故有：

t(c_n)＝s_T(c_m)＝s_T(c_m*T)；

举例来说，目标图像中包含三个像素，T＝3，则处理过的目标图像有9个像素，有m＝3，c_m＝1，n＝9，c_n＝4。

经过上述采用处理过的目标图像的图像大小会变大，为了保证后续图像识别的准确率，可利用下述公式对处理过的图像的大小进行还原：

t(x)＝s(x-(c_n-c_m*T))；

式中，s(x)为目标图像中的像素点，t(x)为处理过的目标图像中的像素点，为采样频率，T为影响因素，s_T(x)为采样图像中的像素点，s(n*T)为s(x)的样本；n为目标图像中像素个数，c_n为目标图像的像素中心，m为处理过的目标图像中像素个数，c_m为处理过的目标图像的像素中心。

S103：对处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像。

二元分割为将目标图像分割为目标物体和背景，例如受保护者和周围的环境，具体的过程可为：

利用边缘检测算法对目标图像进行边界划分；

判断目标图像是否包含两个以上的区域；

若是，在多个区域中确定面积最大的区域，以作为目标物体区域，将非目标物体区域的其他区域进行合并，以作为背景区域；若否，则将面积大的区域作为目标物体区域，面积小的区域作为背景区域；

分别给目标物体区域和背景区域着不同的颜色，生成遮罩图像。

举例来说，目标图像经过二元分割后，分割为受保护人和环境两个区域，如黄代表受保人区域，紫色代表环境，生成二色图片作为遮罩图像。

当目标图像的边界信息处理之后，采用边缘检测算法，对边界进行划分。如果目标图像有多个区域，最大区域(即目标物体区域)以外的可都进行合并，如果最大区域里面还包含一些小区域，即目标物体区域是否包含多个小区域；小区域都统一到此大区域里，最终形成两区域，在采集图像的过程中，环境尽量不要包含过多色彩。

S104：将遮罩图像和目标图像进行在合成，得到目标物体的图像信息。

具体的过程可为：

将遮罩图像和目标图像进行合成，合成图像中面积大的区域为目标物体区域；

将非目标物体区域的其他区域进行透明化处理；

将目标物体区域进行黑白化处理，得到目标物体的图像信息。

由于在后期的图像识别过程中，人脸机器学习模型对图像的色彩不关注，可对目标物体区域进行黑白化处理。对非目标物体的区域进透明化处理，去除了整张目标图像的环境色彩。

得到图像信息中仅保留目标物体的主要信息特征，例如受保护者的信息特征。

S105：利用预先建立的人脸机器学习模型对图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到图像信息的识别结果。

人脸机器学习模型通过对图像信息进行特征提取，如受保护者的眉毛宽度，鼻尖特征，肩宽，身形等信息。通过学习人的各种特征，就可以通过这些特征对预先存储的图片进行比对，最终识别目标图像中目标物体的身份。人脸机器学习模型可为现有技术中的任意一种人脸识别模型，具体的工作原理可参考现有技术，此处不再赘述。

在本发明实施例提供的技术方案中，通过对摄像头采集的目标图像的边缘部分进行色彩统一化，利用二元分割将包含目标物体的区域与背景环境区域分割，将分割后得到的图像与原始的目标图像进行合成，提取得到目标物体的图像信息，最大程度的去除了目标图像中的环境影响因素，图像信息中包含的环境信息较少，大大减少了后期识别过程中处理的数据量，从而提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时；此外，通过从图像信息中去除环境影响因素，有效的避免了外界环境对人脸识别的干扰，有效避免识别过程中的过拟合，提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

如果智能家居系统只可检测有人闯入，除了授权人员以外的其他外侵者闯入则进行报警。而这种入侵检测如果用于家庭内部防护，如家庭成员特殊行为检测，则不适用。

例如，检测家里的小孩是否靠近了窗户，如果靠近窗户，自动关闭窗户和报警。如果仅仅利用摄像头捕捉人脸，即使将这个小孩作为“入侵者”和家人区分，但是由于在家里，这个小孩不断的被检测，就会不断的报警，就会使入侵检测系统失去价值。也就是说，不仅需要对当前非授权者进行身份识别，还需要确认当前非授权者的位置。

鉴于此，本申请还提供了另外一个实施例，请参阅图2所示，具体可包括：

S201：红外障碍传感器监测安全防护区域内是否有障碍，若是，则执行S202，若否，则继续监测。

红外障碍传感器用于检测是否有外物进去红外检测区域，可按照预设的安全防护标准设置形成一个安全防护区域。一个红外障碍传感器仅仅只能检测红外两侧的区域，如果检测的区域为矩形区域或其他形状的区域时，可增加红外障碍传感器个数，具体红外障碍传感器的使用个数由安全防护区域的面积、形状确定，本领域技术人员可根据具体的实际情况进行确定，本申请对此不做任何限定。

安全防护区域为非授权者不可进入的区域，非授权者可根据不同的应用场景为不同的人，举例来说，用于智能家居的安全防护系统中，当安全防护区域为窗户时，非授权者即为家里的小孩子；当用于财产相关的安全防护系统中时，安全防护区域为放置保护财产的区域，非授权者即为外界侵入者。

红外障碍传感器实时检测安全防护区域，若检测到有障碍，则表明有外物进去该区域。

S202：摄像头根据红外障碍传感器发送的图像采集指令，采集红外障碍传感器对应的安全防护区域的目标图像，并发送至微处理器。

图像采集指令为当红外障碍传感器检测到安全防护区域内有障碍时，向摄像头发送的指令，以触发摄像头采集红外障碍传感器对应的安全防护区域的目标图像。

S203：微处理器获取目标图像，并利用预设算法对目标图像的色彩进行处理，以将目标图像中的目标物体的边缘部分的色彩统一化；对处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像；将遮罩图像和目标图像进行在合成，得到目标物体的图像信息。

具体的，与上述实施例的S101-S104描述相一致，此处不再赘述。

S204：利用预先建立的人脸机器学习模型对图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到图像信息的识别结果。

具体的，与上述实施例的S105描述相一致，此处不再赘述。

S205：判断图像信息与预先存储的人脸数据的相似度是否超过阈值，若是，则执行S206；若否，则返回S201。

图像信息与预先存储的人脸数据的相似度越大，证明当前图像信息中的目标物体与存储的人脸对应的人为同一个人的可能性越大；图像信息与预先存储的人脸数据的相似度越小，证明二者为同一个人的可能性越小。

阈值可根据具体的应用场景进行确定，可以为判断图像信息对应的目标物体与存储的人脸数据对应的人为同一个人，此时，阈值设置值较大。也可为判断图像信息对应的目标物体与存储的人脸数据对应的人不为同一个人，此时，阈值设置值较小。

当超过预设阈值时，证明当前采集的图像信息中的目标物体为不允许进入安全防护区域的人；当没有超过预设阈值时，证明当前采集的图像信息中的目标物体为允许进入安全防护区域的人。

S206：进行报警提示。

可采用蜂鸣器进行报警，也可采用其他类型的报警器进行报警，这均不影响本申请的实现。

当然，在进行报警的同时，还可进行语音提示，具体的语音提示可以提示当前进入安全防护区域的人，也可语音提示监护者，也可二者皆提示，提示内容可预先进行设置，本申请对此不做任何限定。

由上可知，本发明实施例基于上述实施例，设置红外障碍传感器形成安全防护区域，红外障碍传感器实时监测是否有外物侵入安全防护区域，当检测到有外物侵入安全防护区域时，对该区域进行图像采集，对采集得到的图像进行识别，可以同时实现定位和识别侵入者，有效的判断受保护者或者非授权者是否进入了安全防护区域，避免受保护者发生意外事故，避免非授权者侵入造成的损害，有利于保障人身财产安全，提升智能家居安全防护的安全性能。

本发明实施例还针对安全防护方法提供了相应的实现装置，进一步使得所述方法更具有实用性。下面对本发明实施例提供的安全防护装置进行介绍，下文描述的安全防护装置与上文描述的安全防护方法可相互对应参照。

参见图3，图3为本发明实施例提供的安全防护装置在一种具体实施方式下的结构图，该装置可包括：

获取模块301，用于获取摄像头采集的目标图像。

色彩处理模块302，用于利用预设算法对所述目标图像的色彩进行处理，以将所述目标图像中的目标物体的边缘部分的色彩统一化。

二元分割模块303，用于对预处理过的目标图像进行二元分割，得到包含目标物体区域和背景区域的遮罩图像。

图像合成模块304，用于将所述遮罩图像和所述目标图像进行在合成，得到所述目标物体的图像信息。

人脸识别模块305，用于利用预先建立的人脸机器学习模型对所述图像信息进行特征提取，并根据提取的识别特征与预先存储的人脸数据进行相似度比较，得到所述图像信息的识别结果。

可选的，在本实施例的一些实施方式中，所述获取模块301可为获取摄像头根据图像采集指令采集图像后发送的目标图像的模块；其中，图像采集指令为当红外障碍传感器检测到安全防护区域内有障碍时，向摄像头发送的指令，以触发摄像头采集红外障碍传感器对应的安全防护区域的目标图像；红外障碍传感器为按照预设的安全防护标准设置在安全防护区域内。

在一种具体的方式中，所述图像合成模块304具体可包括：

合成单元，用于将遮罩图像和目标图像进行合成，合成图像中面积大的区域为目标物体区域；

透明化处理，用于将非目标物体区域的其他区域进行透明化处理；

黑白化处理，用于将目标物体区域进行黑白化处理，得到目标物体的图像信息。

可选的，所述二元分割模块303具体可包括：

边界划分单元，用于利用边缘检测算法对目标图像进行边界划分；

判断单元，用于判断目标图像是否包含两个以上的区域；

合并单元，用于当目标图像包含两个以上的区域，在多个区域中确定面积最大的区域，以作为目标物体区域，将非目标物体区域的其他区域进行合并，以作为背景区域；

划分区域单元，用于当目标图像包含两个以上的区域，将面积大的区域作为目标物体区域，面积小的区域作为背景区域；

遮罩图像生成单元，用于分别给目标物体区域和背景区域着不同的颜色，生成遮罩图像。

具体的，所述二元分割模块303例如还可包括：

第二判断单元，用于判断目标物体区域是否包含多个小区域；

第二合并单元，用于当目标物体区域是含多个小区域，将各小区域统一到目标物体区域中。

优选的，所述色彩处理模块302可包括：

采用处理单元，用于利用采样算法对目标图像进行处理：

t(c_n)＝s_T(c_m)＝s_T(c_m*T)；

还原单元，用于利用下述公式对处理过的图像的大小进行还原：

t(x)＝s(x-(c_n-c_m*T))；

式中，s(x)为目标图像中的像素点，t(x)为处理过的目标图像中的像素点，为采样频率，s_T(x)为采样图像中的像素点，s(n*T)为s(x)的样本；n为目标图像中像素个数，c_n为目标图像的像素中心，m为处理过的目标图像中像素个数，c_m为处理过的目标图像的像素中心。

可选的，在本实施例的另外一些实施方式中，请参阅图4，所述装置例如还可包括：

报警模块306，用于当图像信息与预先存储的人脸数据的相似度超过阈值时，进行报警提示。

本发明实施例所述安全防护装置的各功能模块的功能可根据上述方法实施例中安全防护方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

由上可知，本发明实施例通过对摄像头采集的目标图像的边缘部分进行色彩统一化，利用二元分割将包含目标物体的区域与背景环境区域分割，将分割后得到的图像与原始的目标图像进行合成，提取得到目标物体的图像信息，最大程度的去除了目标图像中的环境影响因素，图像信息中包含的环境信息较少，大大减少了后期识别过程中处理的数据量，从而提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时；此外，通过从图像信息中去除环境影响因素，有效的避免了外界环境对人脸识别的干扰，有效避免识别过程中的过拟合，提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

本发明实施例还提供了一种安全防护设备，具体可包括：

存储器，用于存储图像块识别的计算机程序；

处理器，用于执行计算机程序以实现如上任意一实施例所述安全防护方法的步骤。

本发明实施例所述安全防护设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

由上可知，本发明实施例不仅提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时，还提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

本发明实施例还提供了一种计算机可读存储介质，存储有安全防护程序，所述安全防护程序被处理器执行时如上任意一实施例所述安全防护方法的步骤。

本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

由上可知，本发明实施例不仅提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时，还提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

本发明实施例最后还提供了一种安全防护系统，请参阅图5，具体可包括摄像头501和处理器502，处理器502接收摄像头发送的目标图像，并对目标图像进行识别。所述处理器502用于执行存储器中存储的安全防护程序时实现如上任意一实施例所述安全防护方法的步骤。

在一种具体的实施方式中，请参阅图6，安全防护系统还可包括红外障碍传感器503，与摄像头501相连，用于当检测到安全防护区域内有障碍时，向摄像头501发送图像采集指令。

红外障碍传感器可按照预设的安全防护标准设置形成安全防护区域内；一个红外障碍传感器仅仅只能检测红外两侧的区域，如果检测的区域为矩形区域或其他形状的区域时，可增加红外障碍传感器个数，具体红外障碍传感器的使用个数由安全防护区域的面积、形状确定，本领域技术人员可根据具体的实际情况进行确定，本申请对此不做任何限定。

由上可知，本发明实施例不仅提高人脸机器学习模型的识别效率，有效的减少安全防护过程的总耗时，还提高了人脸识别的准确率，从而提升智能家居安全防护的安全性能。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的一种安全防护方法、装置及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。