[发明专利]一种基于人脸识别技术的云端数据访问防泄密方法

说明书

技术领域

本发明涉及一种基于人脸识别技术的云端数据访问防泄密方法。

背景技术

随着云技术的发展，大数据时代蓬勃发展，对于云端数据访问因此而带有一些漏洞，传统的账户权限模式已经不能单一满足云端数据访问的条件，如果访问者暂时离开电脑或有急事外出，数据很可能泄漏。

因此，现有技术有待于改进。

发明内容

本发明为了解决现有技术的不足，提供一种基于人脸识别技术的云端数据访问防泄密方法，能够灵活配置安全策略，适用性强，有效保证了云端数据的安全，避免传统账户权限模式造成的数据泄露情况。

为解决上述技术问题，本发明实施例提供的一种基于人脸识别技术的云端数据访问防泄密方法，采用如下技术方案：

一种基于人脸识别技术的云端数据访问防泄密方法，其特征在于，包括如下步骤：

S1：电脑端均配置前置摄像头，通过端口设置，与人脸图像采集系统连接。当有人开始使用该电脑时，必须进行人脸图像采集，摄像头自动采集人脸照片，并进行相关处理；

S2：系统成功采集到人脸图像后，需要与人脸数据库中的人脸数据进行比对与检索，以此确定该人的访问权限；

S3：HMM的人脸图像识别过程就是先提取目标图像的特征向量，然后运用算法得出属于每个人的概率，最后选择概率最大的那个作为识别的结果；

S4：通过U口、摄像头录入人脸图像，建立图像数据库，并按照格式，输入对应图像的相关信息，并对权限级别进行设置，利用端口设置，与防泄密系统进行连接，两个系统之间建立起判决机制，防泄密系统按照数据库管理系统中比对的结果进行相应权限的行为，方便工作人员能够成功查询到云端的数据；

S5：云存储端数据以密文形式存在，本地客户端上的加解密系统能够对云端数据进行加解密操作，在执行加密行为时，存在等级区别，云端数据管理人员按照公司要求，对文档进行分等级加密。

具体地，所述步骤S1的具体方法如下：

1）通过特殊摄像机，获取到人脸图像；

2）将采集到的人脸图像数据送入到数据中心；

3）对图像进行人脸变化检测；

4）通过Adaboost算法对图像进行人脸检测；

5）通过人脸检测的图像放入到人脸候选区域

6）针对人脸候选区域中的人脸图像的感兴趣区域进行获取；

7）建立人脸肤色模型，通过肤色判断检测图像是否是人脸，如果不是就舍弃，是就进入下一个步骤；

8）对进入的图像进行求方差计算，并将结果与设定的阀值进行比较，如果相比阀值，结果小的就舍弃，确认为非人脸图像，如果比阀值大的，就认为是人脸图像。

具体地，所述步骤S2的具体方法如下：

1）首先确定HMM数学模型；

2）再确立人脸的HMM模型；

3）最后确定HMM算法的训练和识别过程。

具体地，所述训练是指将样本库中的每一个人的人脸图像确定HMM参数、建立HMM模型的过程。

具体地，所述建立HMM模型的过程包括：

1）首先要将图像进行均匀的分割，并且提取出对应图像的观察值序列；

2）对HMM的参数进行初始化，确定模型的状态数和观察序列向量的大小；

3）使用迭代计算初始的HMM参数，首先将图像统一分割以对应HMM的每一个状态，然后用Viterbi分割（在EHMM中使用双重Viterbi分割）代替上述的分割,这一过程将输出一个初始的HMM参数，作为进行下一次重估HMM参数的输入；

4）用Baum-Welch算法对上面得到的HMM参数进行重估，依据训练图像的观察向量，将HMM参数调整到一个局部最大值，这个过程得到的输出就可以训练图像的HMM最终模型。

本发明提供的一种基于人脸识别技术的云端数据访问防泄密方法，能够灵活配置安全策略，适用性强，有效保证了云端数据的安全，避免传统账户权限模式造成的数据泄露情况。

附图说明

图1为本发明实施例所述的一种基于人脸识别技术的云端数据访问防泄密方法的步骤示意图。

图2为本发明实施例所述的人脸图像采集工作流程示意图。

图3为本发明实施例所述的HMM训练流程图。

图4为本发明实施例所述的HMM人脸识别流程图。

图5为本发明实施例所述的数据加解密功能图。

具体实施方式