[發明專利]一種非接觸式計算機保密方法及保密系統

在審

• 申請號: 201611046009.1
• 申請日: 2016-11-22
• 公開（公告）號: CN106650370A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 衛保國;井睿星;高一鳴;王健;葛蘋;何興建;趙思同
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06F1/32
• 代理公司: 陜西增瑞律師事務所61219
• 代理人: 張瑞琪

1.一種非接觸式計算機保密方法，其特征在于，包括以下步驟：

步驟一、通過攝像頭和上位機模塊建立預存樣本照片數據庫，并保存在所述上位機模塊中；

步驟二、開啟紅外探測模塊，并通過所述紅外探測模塊檢測是否有人在使用計算機，若否，則發送使用者離開的信號至上位機模塊；若是，則持續檢測，直至檢測到使用者離開檢測范圍后，再發送使用者離開的信號至所述上位機模塊；

步驟三、當所述上位機模塊收到所述步驟二中的使用者離開的信號后，則關閉顯示器，并發送繼續檢測的信號至所述紅外檢測模塊；

步驟四、所述紅外檢測模塊接收到所述步驟三中上位機模塊發出的繼續檢測的信號后，繼續執行紅外檢測，直至檢測到有人進入到檢測范圍內，通過所述上位機模塊控制攝像頭獲取進入范圍者照片并傳送至所述上位機模塊，同時開啟顯示器；

步驟五、通過所述上位機模塊將步驟四中獲取的所述進入范圍者照片與預存樣本照片數據庫進行核對，若所述進入范圍者照片為預存樣本照片數據庫內的照片，則進入計算機系統；否則，通過密碼驗證后再進入系統。

2.如權利要求1所述的非接觸式計算機保密方法，其特征在于，所述步驟一中所述預存樣本照片數據庫具體通過特征臉識別方法、線性判別分析法或局部二元模式直方圖算法來建立。

3.如權利要求2所述的非接觸式計算機保密方法，其特征在于，所述特征臉識別方法，具體過程如下：

1.1.1、定義有N個訓練樣本，每個樣本的像素灰度組成一個向量x_i，i＝1,2,3,4…N，i表示N個訓練樣本中的第i個，x_i即為第i個訓練樣本的像素灰度組成的向量，將所有樣本向量組成樣本集矩陣X＝(x₁,x₂,x₃,…x_N)，則該樣本集的平均向量為：其中，即的行向量形式；

1.1.2、則X對應的協方差矩陣為:其中為訓練樣本的平均向量；

1.1.3、定義S的秩為m，得出協方差矩陣的特征值，把特征值從大到小進行排序，由前m個最大特征值所對應的特征向量構成主成分矩陣W，任何一幅人臉圖像都可以向其投影并獲得一組坐標系數，稱為K-L分解系數，即其中，x是指待識別的人臉圖像向量,通過計算z的歐式距離，再用該距離和設置的閾值比較即可得到待識別圖像是否和訓練樣本匹配；

1.1.4、將訓練樣本得到的平均向量投影到主成份矩陣W上，等待和需要識別的人臉進行匹配。

4.如權利要求2所述的非接觸式計算機保密方法，其特征在于，所述線性判別分析法具體過程如下：

1.2、定義訓練樣本的集合X＝(x₁,x₂,…x_N)，即其是N個n維的訓練樣本，其中，定義X包含了C種類別樣本；

則樣本類間離散度矩陣其中，i表示C類樣本中的第i類，u_i是第i類樣本的平均向量，u₀是所有樣本平均向量，P_i為第i類的樣本數量；

樣本類內離散度矩陣其中，u_i為第i類的樣本的平均向量，是指第i類里面的第j個訓練樣本；

當樣本類間離散度和類內離散度的比值最大時，最優投影矩陣

通過數學變換可得出：S_bW_i＝λ_iS_WW_i，i＝1，2，…m，其中，{W_i|i＝1,2,…m}，W_i是S_b和S_w的前m個特征向量，λ_i是與前m個特征向量對應的特征值；

因此，矩陣S_W^-1S_b特征值對應的特征向量即為所需的投影方向；

當取K個特征值對應特征向量時，則最終樣本投影到K維子空間，將待識別的人臉圖像投影至K個特征向量上，得到K維向量，將K維向量和樣本的投影子空間之間的歐式距離與預設的閾值做比較，從而得到識別結果。