題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于視覺加密的新一代銀行ATM系統(tǒng)
- 小類：
- 信息技術(shù)
- 大類：
- 科技發(fā)明制作A類
- 簡介：
- 該作品為一個新型的、實(shí)用的、易用的、高效的、安全性高的ATM系統(tǒng)。系統(tǒng)采用視覺控制方代替ATM的手工輸入，通過人臉識別來確定操作人的合法性。通信過程中對數(shù)據(jù)進(jìn)行透明加密。人眼操作需要人眼特征參數(shù)，如果不是本人，無法準(zhǔn)確定位人眼的注視坐標(biāo)。每次進(jìn)行“確定”操作時，根據(jù)實(shí)時人臉識別來進(jìn)行驗(yàn)證是否是本人。如果不是本人，則操作無效。每一個操作界面的屏幕鍵盤數(shù)字的位置隨機(jī)改變，提升安全性。
- 詳細(xì)介紹：
- 1 系統(tǒng)方案 1.1開發(fā)平臺和硬件組成 本系統(tǒng)基于PC開發(fā)，以XP系統(tǒng)為例來進(jìn)行系統(tǒng)的開發(fā)，系統(tǒng)采用C++進(jìn)行開發(fā),所以在移植到別的平臺上時比較靈活,可以移植到很多嵌入式平臺。系統(tǒng)采用近紅外LED作為光源，在鏡頭上用紅外截止濾光片濾去850nm波長紅外光之外的一切光波；用CCD攝像機(jī)實(shí)時獲取人眼的圖像，對圖像進(jìn)行處理和分析，分析得出人眼的瞳孔中心位置及光斑位置信息；同時，用一個攝像頭來供人臉的實(shí)時檢測和識別之用，進(jìn)行信息確認(rèn)，保證當(dāng)前人的身份合法。 1.2功能結(jié)構(gòu) 在進(jìn)行人眼操作的過程中，系統(tǒng)需要對兩個三維空間坐標(biāo)系和一個平面坐標(biāo)系進(jìn)行轉(zhuǎn)換和映射，來獲取準(zhǔn)確的人眼注視坐標(biāo)位置。如圖1.2所示。首先，系統(tǒng)對人眼進(jìn)行跟蹤；然后，獲取人眼的圖像，對圖像進(jìn)行處理，得到人眼的瞳孔中心位置；之后，利用單攝像機(jī)，顯示屏幕，人眼，及紅外光源這幾個空間坐標(biāo)映射，得出人眼注視屏幕坐標(biāo)；最后，ATM模擬程序根據(jù)坐標(biāo)點(diǎn)進(jìn)行相應(yīng)的響應(yīng)。 實(shí)時人臉檢測與識別是在用戶業(yè)務(wù)辦理過程中，實(shí)時獲取人臉圖像，以人臉圖像進(jìn)行分析處理，將當(dāng)前人臉與特征庫中的人臉進(jìn)行比對，實(shí)現(xiàn)人臉的實(shí)時檢測與識別。在用戶使用系統(tǒng)的過程中，如果當(dāng)前人是人臉特征庫中的人，對其身份進(jìn)行確認(rèn)，否則通知系統(tǒng)此為非法用戶，取消其操作。 傳輸數(shù)據(jù)做透明加密處理，采用一次一密算法，保證信息安全而高效地進(jìn)行交互。所采用的加密算法我們稱之為隨機(jī)素?cái)?shù)表即時更新加密算法，該算法是本小組對傳統(tǒng)的RSA非對稱加密算法的一種有效且有針對性的改進(jìn)，在一次交互過程中，密鑰會進(jìn)行一次復(fù)雜隨機(jī)變化，實(shí)現(xiàn)一次一密。使得ATM系統(tǒng)不會出現(xiàn)信息在傳輸過程中泄漏的情況，傳輸過程中傳的是無意義的密文，對同一個明文加密后的密文不固定的，而且沒有規(guī)律可尋的。這樣就保證的信息在傳輸過程中的安全性 ATM客戶端： 插入銀行卡，從庫中提取本人的眼睛參數(shù)。然后根據(jù)人眼參數(shù)進(jìn)行程序里的人眼參數(shù)設(shè)定，如果人眼參數(shù)不符合，那么就無法定位注視點(diǎn)；如果符合，就用人眼進(jìn)行所有的屏幕按鍵操作。輸入密碼進(jìn)行登陸，進(jìn)行正常的ATM客戶服務(wù)：取款，查詢余額，轉(zhuǎn)賬，修改密碼等。每個操作完成點(diǎn)“確定”的時候，進(jìn)行實(shí)時人臉識別，如果當(dāng)前操作的人不是銀行卡對應(yīng)的持卡人，則其操作無效，不能執(zhí)行操作。 服務(wù)器端： 處理客戶端的業(yè)務(wù)請求，存儲所有的數(shù)據(jù)信息。用戶的個人信息、賬戶信息等全都存儲在服務(wù)器端。當(dāng)客戶端向服務(wù)器端發(fā)出請求時，服務(wù)器端根據(jù)客戶端的請求做出響應(yīng)，再將信息反饋給客戶端。 一次一密通信模塊： 完成ATM客戶端和服務(wù)器端的交互工作，確保信息在傳輸過程中的安全性。對于發(fā)送的信息進(jìn)行加密，接收的信息進(jìn)行解密。信息加密采用一次傳輸改變一次密鑰，對于同一信息，在不同時候加密，其加密后密文也是不一樣的，實(shí)現(xiàn)一次一密。 2 技術(shù)原理 2.1視覺控制部分總體原理 系統(tǒng)采用角膜反射原理。近紅外光源發(fā)出的光在用戶眼睛角膜上形成高亮度反射點(diǎn)(glints)，利用瞳孔中心和光斑的相對位置關(guān)系確定視線方向。使用云臺，攝像機(jī)能作二維掃描，保證用戶眼睛始終在攝像機(jī)視場范圍內(nèi)。為克服可見光對人的干擾，系統(tǒng)采用近紅外光源，用對近紅外靈敏的低照度CCD攝像機(jī)和紅外帶通濾光鏡（去可見光，通近紅外光）獲取圖像，消除可見光對測量的影響，增加系統(tǒng)的抗干擾能力。 眼睛是一個特殊的光學(xué)系統(tǒng)，它對光線有特殊的反射和透射作用。使用850nm的紅外線照射眼睛，由于虹膜對紅外線的反射為0.9，而對普通光的反射為0.5，因此，人眼在紅外光源照射下的特征為只有瞳孔的位置為黑色，虹膜部分是灰白色的。而且，人眼中的角膜、虹膜和瞳孔對紅外線的吸收和反射都不同，因此，在眼睛紅外圖像中有非常豐富的信息。提取眼睛紅外圖像中的特征目標(biāo)（瞳孔、光斑）是視線跟蹤技術(shù)的基礎(chǔ)和關(guān)鍵，特征目標(biāo)的高精度定位對系統(tǒng)的分辨率及準(zhǔn)確度至關(guān)重要。 在基于視頻的非侵入視線跟蹤系統(tǒng)中，要獲得理想精度，面臨的困難主要是眼睛圖像的分辨率不夠。在上述系統(tǒng)中，假設(shè)眼睛圖像大小為120×75 pixels，眼球轉(zhuǎn)動范圍大約為70°，則瞳孔運(yùn)動的區(qū)域約為60×60 pixels，在像素級精度下，視線跟蹤最好的分辨率為70ο/60≈1.2ο。也可以通過下述方法，更為精確地計(jì)算視線估計(jì)方向精度。計(jì)算時，取眼球轉(zhuǎn)動中心或其他相對固定的面部特征點(diǎn)（像眼角）作為參考點(diǎn)，CCD捕獲的眼睛圖像通過圖像采集卡，送計(jì)算機(jī)進(jìn)行圖像處理，提取瞳孔、光斑信息，進(jìn)行注視點(diǎn)計(jì)算。利用提取的注視位置等信息，進(jìn)而對系統(tǒng)進(jìn)行相應(yīng)操作。 2.1.1通過面部特征粗定眼睛位置 采用離散對稱變換來實(shí)現(xiàn)對眼睛位置的粗定位。離散對稱變換，它不僅具有廣義對稱變換描述物體對稱性大小的特點(diǎn)，而且通過對各點(diǎn)領(lǐng)域的考察，去除那些處于規(guī)則區(qū)域外的點(diǎn)，可大大降低計(jì)算量，實(shí)現(xiàn)眼睛定位的快速算法。廣義對稱變換把圖像中的所有像素點(diǎn)同等對待，每個像素點(diǎn)都計(jì)算其對稱值。事實(shí)上，在圖像中物體的單一背景區(qū)域中，大面積的灰度均勻區(qū)域上的像素點(diǎn)在一定的尺度范圍內(nèi)不具有明顯意義的對稱性，所以就不必計(jì)算它的對稱值，而這樣的像素點(diǎn)在人臉圖像中占了很大一部分，如頭發(fā)、臉部除眼、嘴等特征區(qū)域之外的區(qū)域及部分身體區(qū)域。眼、嘴、鼻子等特征區(qū)域在大于其輪廓的范圍內(nèi)灰度有變化，這樣的區(qū)域稱為灰度不均勻區(qū)。離散對稱變換以減少計(jì)算量為出發(fā)點(diǎn)，在計(jì)算對稱之前加入一個對圖像灰度不均勻區(qū)域的檢測步驟以減少計(jì)算量，然后定義了一個與廣義對稱變化相似的對稱算子來計(jì)算點(diǎn)對稱。 離散對稱變換實(shí)際上可看成一種非線性濾波[3]，由于對每個像素點(diǎn)都進(jìn)行相同的領(lǐng)域處理，適合于并行處理，在定位圓形物體圓心時，算子領(lǐng)域采用圓環(huán)。通過圖像的離散對稱變換后，眼睛中心點(diǎn)附近像素的對稱值一般都處在對稱值最大的前四、五位，對具有強(qiáng)對稱值的候選點(diǎn)，采用兩條簡單的規(guī)則進(jìn)行篩選。規(guī)則（1）：鄰近像素合并，一般選取對稱值內(nèi)最大的前10位候選點(diǎn)，將其中位置相鄰的候選點(diǎn)合并到它們中對稱值最大的像素處；規(guī)則（2）：幾何約束判別，對經(jīng)過規(guī)則（1）篩選后的候選點(diǎn)，利用眼在臉部的幾何分布性質(zhì)進(jìn)一步篩選，取基本符合眼睛分布規(guī)律的兩點(diǎn)作為最終的定位雙眼結(jié)果。 2.1.2估算瞳孔的中心和大小 精確確定瞳孔中心是非常關(guān)鍵的任務(wù)。在基于明、暗瞳孔原理[4]的系統(tǒng)中，瞳孔算法包括如下步驟： 1)明、暗瞳孔圖像相減，得到差值圖像； 2)對差值圖像進(jìn)行閾值分割； 3)粗定瞳孔的中心和大?。ㄐ涡摹霃剑?； 4)置初始邊界（畫圓）； 5)確定瞳孔邊緣； 6)確定瞳孔位置（橢圓擬合）。 采用閾值技術(shù)，得到二值化圖后，進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作（膨脹、腐蝕），經(jīng)組合算法處理后，根據(jù)大小、形狀進(jìn)行濾波處理，得到瞳孔區(qū)域，對瞳孔區(qū)域掃描處理可計(jì)算出瞳孔中心。 2.1.3瞳孔像素級邊緣點(diǎn)提取 邊緣是指圖像中灰度值迅速變化的像素點(diǎn)序列。在一幅圖像中，邊緣有方向和幅度兩個持性。一般認(rèn)為，沿邊緣走向的灰度變化較為平緩，而垂直于邊緣走向的灰度變化劇烈。邊緣點(diǎn)檢測通過運(yùn)用邊緣算子，算出圖像中每一個像素的灰度梯度的大小和方向，然后采用取閾值等操作將邊緣檢測出來。使用經(jīng)典算子提取邊緣，常對整個圖像操作，考慮到瞳孔邊界只占圖像很小部分，故這些方法效率不高。為加快算法執(zhí)行的速度，依據(jù)第1步估算的瞳孔中心位置和瞳孔大小置初始邊界（畫圓），確定ROI（a region-of-interest），僅對ROI進(jìn)行操作。改通常的二維掃描為一維搜索，在搜索方向上使用設(shè)計(jì)的一維邊緣檢測算子[-1-1 0 1 1]提取瞳孔像素級邊緣點(diǎn)。依據(jù)已求出的相鄰方向上的瞳孔邊緣點(diǎn)到中心的距離，更新下一搜索方向上的搜索區(qū)域。 依據(jù)瞳孔邊界點(diǎn)的灰度值、梯度值及瞳孔邊界曲線的平滑特性，剔除虛假邊界點(diǎn)，去除眼皮、眼睫毛及邊界上光斑的干擾影響。 依據(jù)估算的瞳孔中心位置和瞳孔大小置初始邊界（畫圓），確定ROI（a region-of-interest），僅對ROI進(jìn)行操作。改通常的二維掃描為一維搜索，在搜索方向上使用設(shè)計(jì)的一維邊緣檢測算子[-1-1 0 1 1]提取瞳孔像素級邊緣點(diǎn)。依據(jù)已求出的相鄰方向上的瞳孔邊緣點(diǎn)到中心的距離，更新下一搜索方向上的搜索區(qū)域。 2.1.4瞳孔邊緣點(diǎn)亞像素位置檢測 根據(jù)眼睛紅外圖像中瞳孔像素級邊緣點(diǎn)梯度方向上圖像信息，確定亞像素[5]邊界位置：對所求的像素級邊緣點(diǎn)，通過沿其梯度方向搜索局部梯度極大值，得到亞像素邊界點(diǎn)；對所有邊緣點(diǎn)操作，得到最終的亞像素級邊緣位置。 像素級邊緣點(diǎn)(i,j)，其小鄰域如圖2.7所示。 沿梯度方向上將直線穿過的相關(guān)點(diǎn)的梯度值變化擬合成一條曲線、通過令曲線導(dǎo)數(shù)為零的條件建立方程來確定亞像素邊界點(diǎn)的位置。 設(shè)二次擬合曲線的形式為： y=ax2+bx+c 則極值點(diǎn)坐標(biāo)： x=-b/2a 像素邊緣檢測 1)由像素級邊緣點(diǎn)(i,j)，確定其梯度方向及所處區(qū)域（方向1(1)、方向2(2)、方向3(3)、方向4(4)）。 2)如圖3.7所示，為方向1或(1)。由(i-1,j+1)點(diǎn)和(i,j+1)點(diǎn)的梯度值經(jīng)線性插值得a點(diǎn)梯度值Ga(ya,xa)；由(i,j-1)點(diǎn)和(i+1,j-1)點(diǎn)的梯度值經(jīng)線性插值得b點(diǎn) 梯度值Gb(yb,xb)。其他方向處理方法類同。 3)由Ga(ya,xa)，Gb(yb,xb)及(i,j)點(diǎn)梯度值在梯度方向進(jìn)行二次曲線擬合，并尋找極值點(diǎn)，得到最終的亞像素邊緣點(diǎn)位置。 2.1.5瞳孔亞像素中心定位 瞳孔經(jīng)光學(xué)系統(tǒng)在CCD成像為平面橢圓，所以對提取的邊緣點(diǎn)進(jìn)行橢圓最小二乘擬合[6]鏈接成邊界，即可確定瞳孔中心位置。橢圓方程取為：第四章亞像素邊緣檢測與中心定位x2+Axy+By2+Cx+Dy+E=0 橢圓擬合可求得橢圓方程的5個參數(shù)A、B、C、D和E，為了抑制圖像噪聲的影響，提高定位精度，可進(jìn)行兩次橢圓擬合。第一次擬合后，計(jì)算每個邊緣點(diǎn)的殘差，將殘差較大的點(diǎn)去除掉（即剔除偏離擬合曲線上較遠(yuǎn)的點(diǎn)），再對剩余點(diǎn)進(jìn)行第二次橢圓擬合。 2.1.6獲取光斑坐標(biāo) 光斑提取算法通常包括如下步驟： 步驟一：對眼睛圖像取閾值進(jìn)行分割，得到二值化圖像； 步驟二：對二值化圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作； 步驟三：組合（八鄰域掃描、label算法）； 步驟四：計(jì)算光斑中心。 為提高算法速度，可依據(jù)光源位置，及前面圖像提取的信息，來確定光斑搜索窗口的位置、大小。對搜索區(qū)域進(jìn)行限制（位置限制、大小限制）。瞳孔中心提取的算法，大多可用來進(jìn)行光斑中心的提取。但考慮到圖像中光斑體積小、亮度大，采用等權(quán)重質(zhì)心法[7] 可以較精確地算出五個光斑的坐標(biāo)，為后續(xù)的映射打下基礎(chǔ)。 2.1.7映射 首先進(jìn)行特征提取。打開顯示器上的四個近紅外發(fā)光二極管，關(guān)閉CCD攝相機(jī)口上的一個近紅外發(fā)光源。近紅外光源發(fā)出的光在用戶眼睛角膜上形成高亮度反射點(diǎn)(glints)，利用瞳孔中心和光斑的相對位置關(guān)系確定視線方向。這被稱為角膜反射[1]。 關(guān)閉顯示器上的四個近紅外發(fā)光二極管，打開CCD攝相機(jī)口上的一個近紅外發(fā)光 源。為了得到更加準(zhǔn)備的數(shù)據(jù),對兩張圖片進(jìn)行處理:一張是顯示器上的四個光源打開,而CCD攝相機(jī)上的光源關(guān)閉；另一張是顯示器上的四個光源關(guān)閉,而CCD攝相機(jī)上的光源打開。如果兩張照片的間隔很小，那么兩張照片的瞳孔區(qū)域強(qiáng)度差很大，而瞳孔區(qū)域外的部分很少。 然后用交比[8]的方法對眼睛注視點(diǎn)進(jìn)行估算。 這樣就可以求出人眼注視屏幕點(diǎn)X’的坐標(biāo)，同理可以求得Y’的坐標(biāo)。P’(X’,Y’)就是所求的屏幕注視點(diǎn)的坐標(biāo)。 2.2人臉檢測與識別模塊原理 近年來出現(xiàn)了大量的人臉檢測方法，其中PaulViola和Michael Jones于2001年 提出的Adaboost算法[14]是第一個實(shí)時的人臉檢測算法，從根本上解決了檢測的速度問題，同時具有較好的識別效果。OpenCV是Intel公司開發(fā)的數(shù)字圖像處理和計(jì)算機(jī)視覺軟件，可以應(yīng)用于很多領(lǐng)域作為二次開發(fā)的工具。本系統(tǒng)中人臉檢測與識別模塊的實(shí)現(xiàn)利用了OpenCV中的Adaboost的人臉檢測算法。 人臉檢測與識別模塊首先要捕獲圖像，對圖像進(jìn)行處理，提取人臉的圖像，對人臉圖像進(jìn)行分析，進(jìn)而提取人臉的特征。 人臉檢測與識別模塊主要分為人臉檢測和人臉識別兩大部分，都是根據(jù)人臉的haar特征[15]來進(jìn)行檢測和識別的。對于人臉檢測部分，采用了OpenCV中開源的靜態(tài)圖像人臉檢測方法的原理，進(jìn)一步深化擴(kuò)展到本系統(tǒng)所需的動態(tài)實(shí)時人臉檢測。對于人臉識別部分，主要利用了特征人臉分析法[16]和PCA(Principal Component Analysis)[17]主成分分析法來實(shí)現(xiàn)。 2.3一次一密原理 此算法是基于公式XA mod P = B（公式1） 即使在A，P，B均確定的情況下，解X也會有很多的這樣一個事實(shí)，而對傳統(tǒng)的RSA加密算法的一種改進(jìn)算法。剔除了RSA算法中的公鑰，增強(qiáng)了原算法中密鑰。使原來單一出現(xiàn)的密鑰，成為了組合密鑰，加強(qiáng)了保密性，也使密鑰的選取更容易實(shí)現(xiàn)。最終做到一次傳輸變換一次密鑰。本小組將其名命為隨機(jī)素?cái)?shù)表即時更新加密算法。 算法分析： ① 破譯困難： 此算法加密的強(qiáng)度體現(xiàn)在隨機(jī)大素?cái)?shù)表的選取上。隨機(jī)大素表中，素?cái)?shù)越大，且個數(shù)越多，那么算法加密的強(qiáng)度越高。在密文中，體現(xiàn)出來的信息只有冪次A，素?cái)?shù)表的下標(biāo)P，以及結(jié)果B，還有隱藏了原文標(biāo)記解的Temp。顯然，隨機(jī)選取的素?cái)?shù)越大，那么對于破譯工作來說，需要枚舉的素?cái)?shù)就越多，且對于每一個枚舉的素?cái)?shù)來說，需要枚舉的可能解y也隨之增多。如果大素?cái)?shù)選取的是128bit，那么其需要枚舉的時間復(fù)雜度也是2256（世界上最快的計(jì)算機(jī)也要運(yùn)算上1.308*1054年），得到的可能解對（y，p）也有許多對，這樣在有限的信息內(nèi)，也就無法破譯出其中正確的解對。 ② 密鑰選取簡單： 傳統(tǒng)的RSA算法： 對于傳統(tǒng)的RSA算法來說，隨著計(jì)算機(jī)的運(yùn)算速度越來越快，RSA所需要選擇的密鑰長度也越來越長，由于其無法做到一次一密，所以在信息傳遞過程中，大量的使用相同密鑰加密的信息會給破譯人員提供很多在破譯工作中處理沖突的方法，這樣就大大減輕了破譯的工作量，也使算法更不安全。那么RSA的安全性在于不斷的尋找兩個非常大的素?cái)?shù)作為私鑰和公鑰，通常為1024bit。而當(dāng)今還沒有任何一種算法可以使素?cái)?shù)的選取變得簡單易行。 隨機(jī)素?cái)?shù)表算法： 由于其使用的是一張私有的素?cái)?shù)表，不涉及公鑰，也就不用擔(dān)心信息在傳遞過程中被截獲后解密出來。又由于其對于每個信息的加密都是隨即選取大素?cái)?shù)，所以即使相同的信息在一個文章里面出現(xiàn)，加密后的信息也不盡相同，這樣就使破譯人員無法通過文章結(jié)構(gòu)來判斷原始信息的大致分布。也是基于上面一點(diǎn)，使密文提供給破譯人員相同密鑰的信息變得十分有限，也就使破譯人員在破譯密鑰的過程中沖突處理的方法十分有限，增加的破譯的困難性，也加強(qiáng)了信息傳遞過程中的安全性。一般來說，對于傳統(tǒng)的RSA算法要選取1024bit的大素?cái)?shù)作為密鑰，對于此算法而言，只要選取128bit的16個大素?cái)?shù)作為一張素?cái)?shù)表來對信息加密，加密的強(qiáng)度就可以遠(yuǎn)遠(yuǎn)超過RSA的1024bit密鑰加密。并且此算法還可以做到隨時更新密鑰，這樣就是破譯工作更為困難！
作品專業(yè)信息
設(shè)計(jì)、發(fā)明的目的和基本思路、創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 目的：提高銀行提款機(jī)的安全性 基本思路、創(chuàng)新點(diǎn)：克服現(xiàn)在的ATM取款機(jī)用手輸入密碼的不安全性,提出的全新的基于視覺跟蹤的方法來克服手工操作帶來的各種安全隱患,讓用戶可以通過自己的眼睛來代替現(xiàn)在的手工操作，反映操作者的意志,使得銀行客戶使用更安全，也更加方便，再通過人臉識別來時刻確定操作人的合法性，提升操作的安全性。 技術(shù)關(guān)鍵： ⑴瞳孔邊界點(diǎn)的準(zhǔn)確提取和人眼參數(shù)精度的把握 ⑵自然環(huán)境對實(shí)驗(yàn)的影響 ⑶人臉差異問題的解決 ⑷準(zhǔn)確的空間坐標(biāo)映射的解決 主要技術(shù)指標(biāo) ⑴視覺跟蹤與視覺控制模塊功能的實(shí)現(xiàn) ⑵人臉檢測與識別模塊功能的實(shí)現(xiàn) ⑶系統(tǒng)運(yùn)行效率 ⑷ATM交互模塊功能的實(shí)現(xiàn) ⑸讀卡模塊功能的實(shí)現(xiàn) ⑹通信模塊功能的實(shí)現(xiàn)
科學(xué)性、先進(jìn)性
- 本系統(tǒng)采用最優(yōu)化的方法來解決。算法上，對每一個環(huán)節(jié)都采用了多種算法進(jìn)行比較，綜合分析，研究出最小時間復(fù)雜度的算法；實(shí)時性上，對CCD的監(jiān)測速度和圖像采集卡的預(yù)處理速度進(jìn)行了折中,每秒獲取并處理24幀圖片，達(dá)到了很好的實(shí)時效果。 本系統(tǒng)利用角膜反射原理，實(shí)現(xiàn)了一種全新的用視覺跟蹤的方法來實(shí)現(xiàn)眼控技術(shù)。用眼操作規(guī)避了手動操作會帶來的種種安全隱患，使ATM安全性得到一個質(zhì)的升華，而目前視覺技術(shù)在ATM取款系統(tǒng)中沒有成熟的技術(shù)和產(chǎn)品。 人眼操作讓ATM的操作過程有一個全新的方式，不用擔(dān)心現(xiàn)在不法分子采用的錄相偷窺得不法手段，再高超的偷窺也無濟(jì)于事。 系統(tǒng)自適應(yīng)性高。對于任何人，對不同的人，系統(tǒng)可以提取其眼球特征，對其特定的參數(shù)做處理，最終達(dá)到最佳的效果和最高的精度。 本系統(tǒng)成本低。硬件設(shè)備價(jià)格便宜，用到的材料都是生活中比較常用的，銀行企業(yè)實(shí)施起來也比較容易，可以在現(xiàn)有的系統(tǒng)上加載本系統(tǒng)，也可以以比較低的成本換成全新的眼控ATM系統(tǒng)。
獲獎情況及鑒定結(jié)果
- 2010年 哈爾濱工業(yè)大學(xué)全國信息安全大賽 二等獎 2011年 哈爾濱工程大學(xué)第十七屆“五四杯” 一等獎
作品所處階段
- 實(shí)驗(yàn)室階段
技術(shù)轉(zhuǎn)讓方式
- 非專利轉(zhuǎn)讓
作品可展示的形式
- 模型、現(xiàn)場演示、錄像
使用說明,技術(shù)特點(diǎn)和優(yōu)勢,適應(yīng)范圍,推廣前景的技術(shù)性說明,市場分析,經(jīng)濟(jì)效益預(yù)測
- 一、系統(tǒng)以視覺控制技術(shù)和人臉識別技術(shù)為核心進(jìn)行實(shí)現(xiàn)，對數(shù)據(jù)的加密處理實(shí)現(xiàn)一次一密。系統(tǒng)主要分為視覺控制模塊、人臉識別模塊、通信模塊。 視覺主要用來實(shí)現(xiàn)輸入密碼和其他操作的選擇，而人臉主要是用來時刻判斷使用者的合法性，一但身份不符，則取消其操作。另外，操作過程中使用隨機(jī)界面，提高密碼的安全性，通信過程中實(shí)現(xiàn)一種RSA改進(jìn)算法，實(shí)現(xiàn)一次通信即時改變一次密鑰。 二、用視覺進(jìn)行控制的ATM取款系統(tǒng)，省去了手工操作的同時，用人臉識別來確認(rèn)身份，大大提升了ATM的安全性。近年來，隨著圖像處理技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，視線跟蹤技術(shù)無論是在技術(shù)上還是在實(shí)際應(yīng)用上都取得了較大的進(jìn)展，陸續(xù)出現(xiàn)了一些比較實(shí)用和精度較高的方法。對視線跟蹤技術(shù)的研究主要是圍繞如何精確地、對人無干擾地追蹤人的視覺過程的技術(shù)來進(jìn)行的。生物識別技術(shù)現(xiàn)在發(fā)展還不是很成熟，本系系統(tǒng)所采用的技術(shù)比較精良，設(shè)備價(jià)格便宜，有很高的市場推廣價(jià)值。
同類課題研究水平概述
- 目前美國麻省理工大學(xué)對于視覺跟蹤加密技術(shù)有著較成熟的研究，但其研究方向?yàn)榉缸镄畔⒑蛻?zhàn)爭武器；其他一些國家在國內(nèi)部分對于該技術(shù)有著廣泛的理論研究，，但是沒有大量的應(yīng)用到實(shí)際，還有待與我們的進(jìn)一步研發(fā)。
