一种人脸识别和违规登陆留证的计算机开机系统及方法与流程

本发明涉及生物识别技术领域，特别涉及一种人脸识别和违规登陆留证的计算机开机系统及方法。

背景技术：

生物识别技术是通过人体固有的生理特性和行为特征来进行身份鉴定的一项技术。常见的生物识别方式包括指纹识别、静脉识别、人脸识别、声音识别等，在现代信息安全技术领域生物识别技术已获得越来越广泛的应用。其中人脸识别技术有其天然优势，人脸与生俱来，它的唯一性和不易被复制的良好特性为身份识别认证提供了必要的前提。同时，该识别技术具有自然性、非强制性、非接触性等优点，相较于传统的身份认证方式更安全、更方便。

面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。面部识别系统被广泛的应用在消除投票欺诈、取款身份验证以及计算机安全等领域。

在计算机安全领域，人脸识别与登录违规留证系统利用人脸识别的独特优势。基于上述情况，本发明设计了一种人脸识别和违规登陆留证的计算机开机系统及方法。

技术实现要素：

本发明为了弥补现有技术的缺陷，提供了一种简单高效的人脸识别和违规登陆留证的计算机开机系统及方法。

本发明是通过如下技术方案实现的：

一种人脸识别和违规登陆留证的计算机开机系统及方法，其特征在于：包括cmos镜头模组和红外传感器，所述cmos镜头模组和红外传感器连接至mcu处理板；所述mcu处理板集成高速滤波和人脸图形处理算法，并通过i2c总线连接计算机主板。

所述计算机主板内布置配套的上位机软件，所述上位机软件用于实现人脸用户的添加、删除、密码修改和快速解锁屏。

所述cmos镜头模组和红外传感器安装于计算机显示屏上沿。

所述计算机主板为mcu处理板，cmos镜头模组和红外传感器供电。

所述所述mcu处理板集成的高速滤波和人脸图形处理算法采用lbp(localbinarypatterns，局部二值模式)算法。

本发明人脸识别和违规登陆留证的计算机开机系统的控制方法，其特征在于，包括以下步骤：

(1)利用cmos镜头模组采集合法操作人员多角度人脸信息，存储于计算机数据库；

(2)红外传感器实时检测1米范围内是否有人体信号出现；

(3)若屏幕前有人体出现，红外传感器通过高电平信号通知mcu控制板，mcu控制板启动cmos镜头模组，cmos镜头模组开始记录人脸信号；

(4)mcu处理器利用内部集成的lbp算法对图像信息进行处理后比对数据库存储的用户信息，采用k最近邻分类算法匹配人脸图片；

(5)若通过身份验证则解锁计算机桌面并关闭cmos镜头模组，若比对失败，则身份验证未通过，启动cmos镜头模组对当前操作人员面部特征进行记录。

所述步骤(1)中在计算机中建立异常登录文件夹，用于存储验证失败的操作人员的人脸图片。

所述步骤(4)中，若操作人员身份验证未通过，则启动cmos镜头模组对当前操作人员面部特征进行记录，以照片形式存储进异常登录文件夹；暂停5秒后再一次启动红外传感器检测人员是否离开，若未离开则继续进行人脸识别操作，若人员离开则通知mcu控制板关闭cmos镜头模组。

合法操作人员离开时，无需手动锁屏，红外传感器检测不到人体信号后自动触发mcu控制板，mcu控制板通知计算机进行锁屏，直到红外传感器检测到有人员接近则启动cmos镜头模组进行身份验证。

本发明的有益效果是：该人脸识别和违规登陆留证的计算机开机系统及方法，结合lbp算法在纹理提取和人脸识别中的具体应用和k最近邻分类算法匹配人脸图片，增加了人脸识别的准确度，降低了计算机违规登录的风险；同时红外传感器的引入使计算机拥有了快速锁屏功能，避免操作员紧急离开忘记手工锁屏造成的安全隐患，同时为计算机降低功耗提供了便捷的途径。

附图说明

附图1为本发明人脸识别和违规登陆留证的计算机开机系统示意图。

附图2为本发明人脸识别和违规登陆留证的计算机开机系统的控制方法示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图和实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

该人脸识别和违规登陆留证的计算机开机系统，包括cmos镜头模组和红外传感器，所述cmos镜头模组和红外传感器连接至mcu处理板；所述mcu处理板集成高速滤波和人脸图形处理算法，并通过i2c总线连接计算机主板。

所述计算机主板内布置配套的上位机软件，所述上位机软件用于实现人脸用户的添加、删除、密码修改和快速解锁屏。

所述cmos镜头模组和红外传感器安装于计算机显示屏上沿。

所述计算机主板为mcu处理板，cmos镜头模组和红外传感器供电。

所述所述mcu处理板集成的高速滤波和人脸图形处理算法采用lbp(localbinarypatterns，局部二值模式)算法。

lbp算法是典型的结构与统计相结合的纹理分析方法。最初功能为辅助图像局部对比度，后来提升为一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性。该描述方法在质量检测，人脸图像分析等领域的应用取得了很好的效果。

该人脸识别和违规登陆留证的计算机开机系统的控制方法，包括以下步骤：

(1)利用cmos镜头模组采集合法操作人员多角度人脸信息，存储于计算机数据库；

(2)红外传感器实时检测1米范围内是否有人体信号出现；

(3)若屏幕前有人体出现，红外传感器通过高电平信号通知mcu控制板，mcu控制板启动cmos镜头模组，cmos镜头模组开始记录人脸信号；

(4)mcu处理器利用内部集成的lbp算法对图像信息进行处理后比对数据库存储的用户信息，采用k最近邻分类算法匹配人脸图片；

(5)若通过身份验证则解锁计算机桌面并关闭cmos镜头模组，若比对失败，则身份验证未通过，启动cmos镜头模组对当前操作人员面部特征进行记录。

所述步骤(1)中，在计算机中建立异常登录文件夹，用于存储验证失败的操作人员的人脸图片。

所述步骤(4)中，k最近邻(k-nearestneighbor，knn)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

k最近邻分类算法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。在类别决策时，k最近邻分类算法只与极少量的相邻样本有关。由于k最近邻分类算法主要靠周围有限的临近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，k最近邻分类算法较其他方法更为合适。

k最近邻分类算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。更有用的方法是将不同距离的邻居对该样本产生的影响给予不同的权值(weight)，如权值与距离成反比。

该人脸识别和违规登陆留证的计算机开机系统的控制方法，采用k最近邻分类算法匹配人脸图片，具有以下优势：

(1)k最近邻分类算法简单、易于理解，易于实现；

(2)无需估计参数，无需训练；

(3)不同操作人员的人脸信息按人员分为不同类别，k最近邻分类算法特别适合应用于多分类问题，且其表现优异。

所述步骤(5)中，若操作人员身份验证未通过，则启动cmos镜头模组对当前操作人员面部特征进行记录，以照片形式存储进异常登录文件夹；暂停5秒后再一次启动红外传感器检测人员是否离开，若未离开则继续进行人脸识别操作，若人员离开则通知mcu控制板关闭cmos镜头模组。

合法操作人员离开时，无需手动锁屏，红外传感器检测不到人体信号后自动触发mcu控制板，mcu控制板通知计算机进行锁屏，直到红外传感器检测到有人员接近则启动cmos镜头模组进行身份验证。