(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111373426.8 (22)申请日 2021.11.19 (71)申请人 李建威 地址 213022 江苏省常州市晋陵北路20 0号 河海大学 (72)发明人 李建威　 (74)专利代理 机构 石家庄嘉宏 智信知识产权代 理有限公司 1316 0 代理人 李兵 (51)Int.Cl. G06V 40/16(2022.01) H04L 9/08(2006.01) H04L 9/32(2006.01) H04L 9/40(2022.01) (54)发明名称 一种基于机器学习的人脸识别系统 (57)摘要 本发明公开了一种基于机器学习的人脸识 别系统。 本发明中， 所述安全监护模块的输出端 连接有所述启动开关模块的输入端， 所述启动开 关模块的输出端连接有所述摄像头模块的输入 端； 在实现同一加密强度下， SM2算法使用的密钥 串更短， 加密速度更快且安全性、 效率较高， 因此 有效保证了程序每一次对于视频设备的访问都 必须获得用户的许可才能正常进行， 通过一种基 于口令的密钥方式实现密钥托管。 最后通过理论 分析和实战攻击表明， 本文提出的网络摄像头 保 护技术能够使系统在C/S、 B/S和APP/S架构下进 行基于身份的验证 登录， 达到安全访问控制的目 的， 从而提高了该系统的安全性， 保护了使用者 的隐私安全， 为人们提供了更为健全的安全保 障。 权利要求书2页 说明书6页 附图2页 CN 114419689 A 2022.04.29 CN 114419689 A 1.一种基于机器学习的人脸识别系统， 包括安全监护 模块(1)、 启动开关模块(2)、 摄像 头模块(3)、 特征提取模块(4)、 人脸识别 算法模块(5)、 存储器模块(6)、 结果输出模块(7)、 数据输出模块(8)、 个体编码模块(9)、 适应度函数模块(10)、 个体生成模块(11)、 随机码生 成模块(12)、 服务器验证模块(13)、 过滤驱动保护模块(14)、 图像预处理模块(15)、 电源模 块(16)， 其特征在于： 所述安全监护模块(1)的输出端连接有所述启动开关模块(2)的输入 端， 所述启动开关模块(2)的输出端连接有所述摄像头模块(3)的输入端， 所述摄像头模块 (3)的外部固定安装有电源模块(16)， 所述电源模块(16)的电源输出端电性连接有所述摄 像头模块(3)的电源输入端； 所述摄像头模块(3)的输出端 连接有所述图像预 处理模块(15) 的输入端， 所述图像预处理模块(15)的输出端 连接有所述特征提取模块(4)的输入端， 所述 特征提取模块(4)的输出端连接有 所述人脸识别算法模块(5)的输入端， 所述人脸识别算法 模块(5)的输出端连接有所述存储器模块(6)的输入端， 所述存储器模块(6)的输出端连接 有所述结果输出模块(7)的输入端， 所述结果输出模块(7)的输出端 连接有所述数据输出模 块(8)的输入端。 2.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述人脸识别 算法模块(5)的内部固定安装有个体编码模块(9)、 适应度函数模块(10)和个体生成模块 (11)， 所述个体编码模块(9)、 适应度函数模块(10)和个体生 成模块(11)的输出端 连接有所 述人脸识别算法模块(5)的输入端， 所述安全监护模块(1)的内部固定安装有随机码生成模 块(12)、 服务器验证模块(13)和过滤驱动保护模块(14)， 所述随机码生成模块(12)、 服务器 验证模块(13)和过 滤驱动保护模块(14)的输出端连接有所述 安全监护模块(1)的输入端。 3.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述随机码生 成模块(12)的内部， 用户在客户端登录访问时， 服务器端生成一个固定长度的随机码发送 到客户端； 用户在登录界面输入用户名、 密码和客户端收到的随机码， 客户端程序或脚本利 用客户端的私钥对用户名、 密码和随机码连接的字符串 进行签名。 4.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述服务器验 证模块(13)将 签名发送到服务器端进 行验证； 客户端通常使用各种类型的电子钥匙进 行签 名。 5.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述过滤驱动 保护模块(14)的主要结构包括一个驱动程序对象， 及由该驱动程序生成的两个设备对象， 分别是一个控制对象， 该设备对象用于和应用层进 行通信， 另一个是过滤设备对象， 该设备 对象绑定相应的视频采集设备， 并对该设备 的访问进行相应的拦截控制， 其中驱动与应用 层通信使用异步的方式进 行； WDM驱动程序对于物理设备的绑定操作与普通的NT驱动不同， 该绑定操作在驱动对象结构DRIVER_OBJECT的DRIVER_EXTENSION结构中的AddDevice例程 中完成。 6.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述个体编码 模块(9)每次旋转原始空间的n个单位正交基向量中的两个， 当把这些基向量任意两两配对 旋转后， 就可以得到n个新的基向量； 所以为了得到这n个新的基向量， 一共需要进 行C_{n}^ {2}＝n(n‑1)/2次旋转， 从而在个 体中需要编码这么多个旋转角度。 7.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述适应度函 数模块(10)将训练性能项设置成了一个 常数， 泛化能力项则定义为各个类中心到样 本总体权　利　要　求　书 1/2 页 2 CN 114419689 A 2中心的马氏距离中的最小值。 8.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述个体生成 模块(11)使用了交叉和变异算子以保证生成的个体满足上面的约束； USB摄像头完成视频 图像的采集工作， 采集得到的RGB图像依次经过硬件预 处理中的灰度化和直方图均匀化后W 单通道图像的形式传输到软件部分， 之后后使用Adaboo算法进行人脸检测并保存人脸图， 最终按需要 进行人脸信息的识别， 所述个体生成模块(1 1)的采集代码为： Widget:Widget(QWidget*parent): QWidget(parent), ui(new Ui:Widget) { ui‑>setupUi(this)； timer＝new QTimer(this)； connect(timer,SIGNAL(timeout()(,this,SLOT(readfarme() )； .... } void Widget::opencamera(v  V.open(0)。 9.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述特征提取 模块(4)从数据的原 始特征集中选择一个子集用来表示 这些数据， 从而达 到降维的目的。 10.如权利要求1所述的一种基于机器学习的人脸识别系统， 其特征在于： 所述存储器 模块(6)由三部分组成； AXI存 储器接口、 负责调度和传输的核也控制器和数字PH Y控制器。权　利　要　求　书 2/2 页 3 CN 114419689 A 3