專利名稱：：一種基于電力系統(tǒng)網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于人臉檢測(cè)與安全識(shí)別領(lǐng)域，特別涉及電力系統(tǒng)的網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法。技術(shù)背景傳統(tǒng)的網(wǎng)絡(luò)安全與身份認(rèn)證多采用密碼、電子證書、密鑰等形式，有其不足之處，可能被盜用或丟失，且不易隨身攜帶。計(jì)算技術(shù)的進(jìn)步，尤其是網(wǎng)絡(luò)的普及使得身份認(rèn)證已經(jīng)成為我們生活和工作中的一部分，然而傳統(tǒng)的主要依賴于密碼的身份認(rèn)證方法暴露出越來越多的問題，信用卡密碼、銀行賬戶密碼、網(wǎng)絡(luò)登錄密碼占用了我們寶貴的記憶空間，我們打開電腦要密碼，進(jìn)入郵箱要密碼，銀行取錢要密碼等等，我們不但要記憶各種各樣的密碼，還要記住每個(gè)密碼用于什么樣的場(chǎng)合，密碼已成為我們生活中的一種負(fù)擔(dān)。另外，傳統(tǒng)的信息安全措施主要解決信息在傳輸中的安全保密問題，卻不能判別操作人員的個(gè)人身份，所以密碼口令被破解，智能卡被盜用等情況時(shí)有發(fā)生，給人們工作和生活造成了不必要的損失。隨著近年生物識(shí)別技術(shù)的發(fā)展，將生物識(shí)別技術(shù)作為安全認(rèn)證的手段之一，已經(jīng)成為當(dāng)今信息安全的一種重要方式，必將形成巨大的應(yīng)用市場(chǎng)。生物特征識(shí)別技術(shù)，是指通過計(jì)算機(jī)利用人體所固有的生理特征，如人像、指紋、虹膜、DNA等或行為特征，如手寫簽名、步態(tài)等來進(jìn)行個(gè)人身份鑒定的技術(shù)。保證電網(wǎng)的運(yùn)行穩(wěn)定、提高運(yùn)行效率、降低運(yùn)行成本、減少事故、保證安全生產(chǎn)，已是電力企業(yè)經(jīng)濟(jì)運(yùn)營(yíng)的主要決策和內(nèi)容。隨著電力市場(chǎng)的發(fā)展，SCADA主站系統(tǒng)己在調(diào)度自動(dòng)化中起著不可替代的角色，而集控站則是SCADA系統(tǒng)中調(diào)度決策、控制指令的執(zhí)行機(jī)構(gòu)，隨著電力自動(dòng)化的逐步深入，越來越多的遙控操作由集控站來完成?，F(xiàn)有的集控站系統(tǒng)控制任務(wù)有設(shè)置保護(hù)定值、復(fù)歸現(xiàn)場(chǎng)設(shè)備、控制開關(guān)刀閘分合、控制電容器投切、控制變壓器分接頭檔位等。保證遙控的成功率，避免控制出錯(cuò)是集控站系統(tǒng)最為重要的指標(biāo)。當(dāng)前的集控站系統(tǒng)，影響該指標(biāo)的硬件因素主要是通道，而軟件因素是工作人員的錯(cuò)誤操作和無關(guān)人員的越權(quán)操作。要減少或避免人員的錯(cuò)誤操作可以制定嚴(yán)格的規(guī)程或在集控站軟件中增加防誤閉鎖功能；而屏蔽無關(guān)人員的越權(quán)操作一般是通過提高權(quán)限管理、密碼認(rèn)證等措施，但一旦密碼泄露，無關(guān)人員便可騙取系統(tǒng)的信任而導(dǎo)致嚴(yán)重后果。
發(fā)明內(nèi)容針對(duì)現(xiàn)有技術(shù)的不足與缺陷，本發(fā)明提供一種能夠識(shí)別電力操作人員，保證電力系統(tǒng)網(wǎng)絡(luò)安全的人臉識(shí)別方法。本發(fā)明是這樣設(shè)計(jì)的一種基于電力系統(tǒng)網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法，其特征在于,通過以下步驟進(jìn)行a)首先采用基于局部特征分析與最優(yōu)化匹配的人臉識(shí)別算法，利用神經(jīng)網(wǎng)絡(luò)的方法估計(jì)出在識(shí)別人臉中起重要作用的一些特征點(diǎn)，瞳孔、眼角、眉心、眉角、嘴角、鼻尖，之后利用Gabor小波的局部多尺度分析特性提取特征點(diǎn)的多尺度特征；b)在特征點(diǎn)的定位上，使用了六個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征點(diǎn)定位，其中第一個(gè)用于瞳孔的定位，第二個(gè)用于眼角的定位，第三個(gè)用于眉心的定位，第四個(gè)用于眉角的定位，第五個(gè)用于鼻尖的定位，第六個(gè)用于嘴角的定位；c)在動(dòng)態(tài)人臉檢測(cè)中，包含人臉在內(nèi)的圖像函數(shù)隨時(shí)間t快速變化，每秒至少應(yīng)檢測(cè)20幀以上；d)生成訓(xùn)練圖像的加投影圖像，錄制面部特征圖像3-5張和權(quán)限表一起存入數(shù)據(jù)庫(kù)中，之后識(shí)別調(diào)用；e)人像識(shí)別進(jìn)程啟動(dòng)時(shí)裝入集控站權(quán)限表和人像信息鏈接；f)將驗(yàn)證結(jié)果提交給集控站程序，同時(shí)保存人像比對(duì)記錄；集控站程序運(yùn)行時(shí)自動(dòng)啟動(dòng)人像識(shí)別進(jìn)程和操作控制接口進(jìn)程；g)在用戶密碼認(rèn)證前，將用戶信息發(fā)送到操作控制接口進(jìn)程，由其送往人像識(shí)別進(jìn)程，并等待人像驗(yàn)證結(jié)果；h)通過所述的人像預(yù)處理，人像特征提取，人像識(shí)別算法以及聚類分析，最終完成。所述的BP神經(jīng)網(wǎng)絡(luò)分3層，即輸入層、隱含層和輸出層，三個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同，各層的拓樸結(jié)構(gòu)為全互聯(lián)模式。和已有的人臉光照補(bǔ)償方法相比，此方法不用估計(jì)人臉表面的各種參數(shù)，如反射率、法向方向等，不用估計(jì)環(huán)境光的方向、強(qiáng)度和光源的性質(zhì)，如是否點(diǎn)光源、是否平行光、單光源還是多光源等。同時(shí)本方法固有的特點(diǎn)決定了不會(huì)將一幅非人臉圖像補(bǔ)償為人臉圖像，這是其它的一些光照補(bǔ)償方法所不具備的優(yōu)點(diǎn)。本方法能有效地解決人臉檢測(cè)和識(shí)別中的光照補(bǔ)償問題，使不同光照條件下的人臉檢測(cè)和人臉識(shí)別性能得到了很大的提高。而且本方法還具有運(yùn)算效率高、把握性好、適應(yīng)面寬的特點(diǎn)。具體實(shí)施方式實(shí)施本發(fā)明主要通過以下步驟進(jìn)行a)首先采用基于局部特征分析與最優(yōu)化匹配的人臉識(shí)別算法，利用神經(jīng)網(wǎng)絡(luò)的方法估計(jì)出在識(shí)別人臉中起重要作用的一些特征點(diǎn)，瞳孔、服角、眉心、眉角、嘴角、鼻尖，之后利用Gabor小波的局鄰多尺度分析特性提取特征點(diǎn)的多尺度特征；b)在特征點(diǎn)的定位上，使用了六個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征點(diǎn)定位，其中第一個(gè)用于瞳孔的定位，第二個(gè)用于眼角的定位，第三個(gè)用于眉心的定位，第四個(gè)用于眉角的定位，第五個(gè)用于鼻尖的定位，第六個(gè)用于嘴角的定位；c)在動(dòng)態(tài)人臉檢測(cè)中，包含人臉在內(nèi)的圖像函數(shù)隨時(shí)間t快速變化，每秒至少應(yīng)檢測(cè)20幀以上；d)生成訓(xùn)練圖像的加投影圖像，錄制面部特征圖像3-5張和權(quán)限表一起存入數(shù)據(jù)庫(kù)中，之后識(shí)別調(diào)用；e)人像識(shí)別進(jìn)程啟動(dòng)時(shí)裝入集控站權(quán)限表和人像信息鏈接；f)將驗(yàn)證結(jié)果提交給集控站程序，同時(shí)保存人像比對(duì)記錄；集控站程序運(yùn)行時(shí)自動(dòng)啟動(dòng)人像識(shí)別進(jìn)程和操作控制接口進(jìn)程；g)在用戶密碼認(rèn)證前，將用戶信息發(fā)送到操作控制接口進(jìn)程，由其送往人像識(shí)別進(jìn)程，并等待人像驗(yàn)證結(jié)果；h)通過所述的人像預(yù)處理，人像特征提取，人像識(shí)別算法以及聚類分析，最終完成。所述的BP神經(jīng)網(wǎng)絡(luò)分3層，即輸入層、隱含層和輸出層,三個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同，各層的拓樸結(jié)構(gòu)為全互聯(lián)模式。其中涉及的具體相關(guān)步驟與方法如下一、技術(shù)關(guān)鍵1、人臉圖像的獲取過程中受姿態(tài)、表情、裝飾、光照、背景、遮擋和時(shí)間跨度的影響；人像識(shí)別技術(shù)關(guān)鍵在于復(fù)雜背景下動(dòng)態(tài)多人臉的快速檢測(cè)與識(shí)別。項(xiàng)目組改進(jìn)并融合快速傅氏變換，雙正交小波變換和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，提出了快速推進(jìn)式FWNN定位法，有效地克服了光照和背景條件變化對(duì)人臉檢測(cè)和識(shí)別的影響。2、在復(fù)雜動(dòng)態(tài)背景下，對(duì)視頻圖象序列中的多人臉快速準(zhǔn)確檢測(cè)定位算法，海量人臉數(shù)據(jù)庫(kù)的識(shí)別算法是提高識(shí)別速度的關(guān)鍵。采用圖象補(bǔ)償技術(shù)和增強(qiáng)技術(shù)使得特征提取方法具有唯一性，是保證高識(shí)別率的關(guān)鍵。項(xiàng)目把人像檢測(cè)定位技術(shù)、人像數(shù)據(jù)信息壓縮和特征抽取技術(shù)、人像識(shí)別技術(shù)、圖像壓縮傳輸技術(shù)、人像信息檢索和比對(duì)等高新技術(shù)整合在該系統(tǒng)上。項(xiàng)目組使用自主研究的"彈性匹配和差分像格相結(jié)合的方法"進(jìn)行復(fù)雜背景下的人像檢測(cè)定位；使用"基于幾何、代數(shù)和小波分析相互融合的算法"進(jìn)行數(shù)據(jù)壓縮降維和特征抽??；使用"基于決策樹的人像信息聚類分析"；使用"徑向基函數(shù)和組合式ART網(wǎng)絡(luò)模型算法"進(jìn)行人像學(xué)習(xí)訓(xùn)練和識(shí)別。3、在特征點(diǎn)的定位上，我們使用了六個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征點(diǎn)定位。其中第一個(gè)用于瞳孔的定位，第二個(gè)用于眼角的定位，第三個(gè)用于眉心的定位，第四個(gè)用于眉角的定位，第五個(gè)用于鼻尖的定位，第六個(gè)用于嘴角的定位。定位方法以瞳孔為例，我們首先采集一些瞳孔樣本和非瞳孔樣本送入瞳孔定位神經(jīng)網(wǎng)絡(luò)進(jìn)行分類訓(xùn)練。瞳孔樣本的輸出為1，非瞳孔樣本的輸出為一l。之后使用瞳孔定位神經(jīng)網(wǎng)絡(luò)進(jìn)行瞳孔定位，如果定位錯(cuò)誤我們將這個(gè)反例再次送入神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，這樣經(jīng)過多次的反復(fù)學(xué)習(xí)訓(xùn)練，瞳孔定位神經(jīng)網(wǎng)絡(luò)就具備了瞳孔定位的能力，其他定位神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以此類推。二、采用的技術(shù)具有以下創(chuàng)新1、擬線性曲面擬合光照補(bǔ)償方法在人臉檢測(cè)和識(shí)別中，光照條件是一個(gè)十分重要的影響因素，國(guó)內(nèi)外一直沒有得到很好的解決。項(xiàng)目組在前期工作中提出了平面擬合光照補(bǔ)償方法，較好地改善了圖像質(zhì)量。為了進(jìn)一步克服光照補(bǔ)償?shù)募s束，本項(xiàng)目把平面擬合技術(shù)推廣到擬線性曲面情況，更好地克服光照影響。本系統(tǒng)使用一種從粗到細(xì)、從整體到局部的基于小波和神經(jīng)網(wǎng)絡(luò)的人臉光照補(bǔ)償算法。從粗到細(xì)的人臉光照補(bǔ)償體現(xiàn)在從同態(tài)域的粗略線性光照補(bǔ)償?shù)叫〔ㄅc神經(jīng)網(wǎng)絡(luò)的細(xì)節(jié)光照補(bǔ)償，從整體到局部的人臉光照補(bǔ)償體現(xiàn)在小波和神經(jīng)網(wǎng)絡(luò)從人臉的低頻(整體)到中高頻(局部)的特征的光照補(bǔ)償。本方法有效地結(jié)合了小波的多分辨分析和BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)和良好泛化能力的性質(zhì)，對(duì)人臉進(jìn)行光照補(bǔ)償。和已有的人臉光照補(bǔ)償方法相比，此方法不用估計(jì)人臉表面的各種參數(shù)(如反射率、法向方向等)，不用估計(jì)環(huán)境光的方向、強(qiáng)度和光源的性質(zhì)(如是否點(diǎn)光源、是否平行光、單光源還是多光源等)。同時(shí)本方法固有的特點(diǎn)決定了不會(huì)將一幅非人臉圖像補(bǔ)償為人臉圖像，這是其它的一些光照補(bǔ)償方法所不具備的優(yōu)點(diǎn)。理論和實(shí)驗(yàn)證明，本方法能有效地解決人臉檢測(cè)和識(shí)別中的光照補(bǔ)償問題，使不同光照條件下的人臉檢測(cè)和人臉識(shí)別性能得到了很大的提高。而且本方法還具有運(yùn)算效率高、把握性好、適應(yīng)面寬的特點(diǎn)。2、波進(jìn)式快速Fourier變換方法(WFFT)在動(dòng)態(tài)人臉檢測(cè)中，由于包含人臉在內(nèi)的圖像函數(shù)隨時(shí)間t快速變化，為了達(dá)到實(shí)時(shí)檢測(cè)的效果，每秒至少應(yīng)檢測(cè)20幀以上，這對(duì)檢測(cè)方法的運(yùn)算速度提出了苛刻的要求。項(xiàng)目組在前期工作中，改進(jìn)了傳統(tǒng)的FFT方法，提出了波進(jìn)式快速Fourier變換方法(WFFT)，大大提高了檢測(cè)速度。該算法成功地實(shí)現(xiàn)了在復(fù)雜背景下動(dòng)態(tài)人臉的快速檢測(cè)和定位，已達(dá)到每秒可檢測(cè)20幀以上，這也是目前國(guó)際上的最好水平。本項(xiàng)目組將進(jìn)一步優(yōu)化算法，使檢測(cè)定位速度達(dá)到每秒25幀以上。3、基于自相似組合標(biāo)準(zhǔn)臉特征函數(shù)的神經(jīng)網(wǎng)絡(luò)模型方法本項(xiàng)目設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)分3層，即輸入層、隱含層和輸出層。三個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同，各層的拓樸結(jié)構(gòu)為全互聯(lián)模式，它們分別用于水平低頻豎直低頻信息、水平低頻豎直高頻信息、水平高頻豎直低頻信息數(shù)據(jù)的訓(xùn)練。為了保證分類器的穩(wěn)定性和網(wǎng)絡(luò)有良好的推廣能力，同時(shí)避免神經(jīng)網(wǎng)絡(luò)中的過訓(xùn)練等問題的發(fā)生，我們初始時(shí)先將隱含層的神經(jīng)元數(shù)設(shè)置為一個(gè)較小的值，學(xué)習(xí)一定次數(shù)后，不收斂再增加隱含層的神經(jīng)元數(shù)，一直達(dá)到比較合理的隱單元數(shù)為止。4、局部特征的最優(yōu)化匹配國(guó)際上較為通用的方法是采用雙正交小波方法，進(jìn)行濾波和特征分析。我們項(xiàng)目組提出了一種基于局部特征分析(LFA)與最優(yōu)化匹配的人臉識(shí)別算法。該算法首先利用神經(jīng)網(wǎng)絡(luò)的方法估計(jì)出在識(shí)別人臉中起重要作用的一些特征點(diǎn)(如瞳孔、眼角、眉心、眉角、嘴角等)，之后利用Gabor小波的局部多尺度分析特性提取特征點(diǎn)的多尺度特征。這樣人臉的每一個(gè)特征點(diǎn)就被一系列的Gabor小波系數(shù)所表示，最后對(duì)待識(shí)人臉與人臉庫(kù)中人臉的相應(yīng)特征點(diǎn)多尺度特征進(jìn)行最優(yōu)化匹配找出需要的人臉。實(shí)驗(yàn)證明，本方法遠(yuǎn)優(yōu)于傳統(tǒng)的EigenFace方法，同時(shí)能有效地克服光照變化對(duì)人臉識(shí)別的影響，并在一定的程度上對(duì)表情的變化也有較好的把握性。而和彈性圖匹配方法相比，我們的方法有三個(gè)主要優(yōu)點(diǎn)其一、充分利用了特征點(diǎn)的特征向量張成的線性子空間所內(nèi)含該特征點(diǎn)的共性，這一點(diǎn)是彈性圖匹配方法所欠缺的；其二、由于在人臉特征點(diǎn)的提取上使用了神經(jīng)網(wǎng)絡(luò)方法而節(jié)約了大量的運(yùn)算；其三、在特征點(diǎn)最優(yōu)化匹配上我們可以通過計(jì)算得到全局的解析最優(yōu)解，這在避免了通過大量的迭代運(yùn)算獲得最優(yōu)解(而且迭代運(yùn)算有時(shí)只能獲得次最優(yōu)解)的同時(shí)又提高了匹配的精度和識(shí)別的準(zhǔn)確度。目前應(yīng)用的人像自動(dòng)識(shí)別技術(shù)，采用主成份分析技術(shù)，可以濾掉人體面部感情變化對(duì)算法產(chǎn)生的影響，具有很高的精度和廣泛的適應(yīng)性。三、實(shí)施的具體內(nèi)容1、接口軟件應(yīng)用計(jì)算機(jī)圖象識(shí)別技術(shù)(視頻畫面采集、保存、比對(duì))和進(jìn)程通訊技術(shù)。軟件設(shè)計(jì)基于現(xiàn)有的Windows平臺(tái)下的集控站系統(tǒng)，保持集控站軟件相對(duì)獨(dú)立；增加人像識(shí)別進(jìn)程和操作控制接口進(jìn)程。各項(xiàng)參數(shù)是系統(tǒng)創(chuàng)建時(shí)一次完成，以后由系統(tǒng)管理員設(shè)置。系統(tǒng)管理員設(shè)置時(shí)同樣需要經(jīng)過人像識(shí)別的認(rèn)證。在集控站配置文件(RTMIS.INI)[系統(tǒng)參數(shù)]小節(jié)中KN0W—VIDE0=1，集控站加載人像識(shí)別功能(運(yùn)行時(shí)自動(dòng)啟動(dòng)人像識(shí)別進(jìn)程)；KNOW—VIDEO=0，集控站卸載人像識(shí)別功能。在人像識(shí)別配置文件(VIDEO.INI)[SYSTEM]小節(jié)中，PATH=c:\Know—VidecA為工作路徑；CMPCNT=4表示比對(duì)連續(xù)成功4次認(rèn)為識(shí)別通過；HME0UT=2表示2分鐘比對(duì)不能通過指定次數(shù)，認(rèn)為此次識(shí)別失敗。在人像識(shí)別配置文件(VIDE0.INI)[ODBC]小節(jié)中各項(xiàng)是連接用戶權(quán)限庫(kù)的數(shù)據(jù)源參數(shù)。DBSOURCE=CYMDB為數(shù)據(jù)源名稱；USERNAME=dcy為數(shù)據(jù)庫(kù)用戶ID;PWD=cchxl23為用戶密碼。2、工作流程系統(tǒng)管理員事先為系統(tǒng)每一位具有操作權(quán)限的人員錄制面部特征圖象(3-5張)和權(quán)限表一起存入數(shù)據(jù)庫(kù)中，以便識(shí)別調(diào)用。人像識(shí)別進(jìn)程啟動(dòng)時(shí)裝入集控站權(quán)限表和人像信息(鏈接)，當(dāng)集控站上有人員操作時(shí)，它負(fù)責(zé)認(rèn)證比對(duì)操作人面部圖象，將驗(yàn)證結(jié)果(通過或通不過)提交給集控站程序。同時(shí)保存人像比對(duì)記錄。集控站程序運(yùn)行時(shí)自動(dòng)啟動(dòng)人像識(shí)別進(jìn)程和操作控制接口進(jìn)程，當(dāng)有人員操作時(shí)，在用戶密碼認(rèn)證前，將用戶信息(工號(hào))發(fā)送到操作控制接口進(jìn)程，由其送往人像識(shí)別進(jìn)程，并等待人像驗(yàn)證結(jié)果。若人像比對(duì)通過，繼續(xù)往下執(zhí)行，驗(yàn)證權(quán)限密碼是否正確；若人像比對(duì)通不過，則認(rèn)為非法人員，終止此次操作。四、采用的技術(shù)標(biāo)準(zhǔn)GB4208-1993外殼防護(hù)等級(jí)(IP代碼)GB/T2828-1987逐批檢査計(jì)數(shù)抽樣程序及抽樣表(適用于連續(xù)批的檢査)GB/T2829-1987周期檢査計(jì)數(shù)抽樣程序及抽樣表(適用于生產(chǎn)過程穩(wěn)定性的檢查)GB/T2423.3電工電子產(chǎn)品基本環(huán)境試驗(yàn)規(guī)程試驗(yàn)Ca:恒定濕熱試驗(yàn)方法GB/T5080.7-1986備可靠性試驗(yàn)恒定失效率假設(shè)下的失效率與平均無故障時(shí)間的驗(yàn)證試驗(yàn)方案GB/T6833.1-1986電子測(cè)量?jī)x器電磁兼容性試驗(yàn)規(guī)范總則GB/T6833.3-1987電子測(cè)量?jī)x器電磁兼容性試驗(yàn)規(guī)范靜電放電敏感度試驗(yàn)GB/T6833.4-1987電子測(cè)量?jī)x器電磁兼容性試驗(yàn)規(guī)范電源瞬態(tài)敏感度試驗(yàn)GB/T6833.5-1987GB/T6587.7-1986SJ/T11121-1997GB/T191-2000電子測(cè)量?jī)x器電磁兼容性試驗(yàn)規(guī)范輻射敏感度試驗(yàn)電子測(cè)量?jī)x器基本安全試驗(yàn)應(yīng)用電視視頻控制設(shè)備通用技術(shù)條件包裝儲(chǔ)運(yùn)圖示標(biāo)志五、主要技術(shù)指標(biāo)人像拒識(shí)率小于1%，誤識(shí)率小于0.1%人像捕獲時(shí)間小于2秒，人像識(shí)別時(shí)間小于2秒。光照條件自然光照，普通燈光采光。錄像畫質(zhì)和占用硬盤空間<table>tableseeoriginaldocumentpage10</column></row><table>權(quán)利要求1.一種基于電力系統(tǒng)網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法，其特征在于，通過以下步驟進(jìn)行a)首先采用基于局部特征分析與最優(yōu)化匹配的人臉識(shí)別算法，利用神經(jīng)網(wǎng)絡(luò)的方法估計(jì)出在識(shí)別人臉中起重要作用的一些特征點(diǎn)，瞳孔、眼角、眉心、眉角、嘴角、鼻尖，之后利用Gabor小波的局部多尺度分析特性提取特征點(diǎn)的多尺度特征；b)在特征點(diǎn)的定位上，使用了六個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征點(diǎn)定位，其中第一個(gè)用于瞳孔的定位，第二個(gè)用于眼角的定位，第三個(gè)用于眉心的定位，第四個(gè)用于眉角的定位，第五個(gè)用于鼻尖的定位，第六個(gè)用于嘴角的定位；c)在動(dòng)態(tài)人臉檢測(cè)中，包含人臉在內(nèi)的圖像函數(shù)隨時(shí)間t快速變化，每秒至少應(yīng)檢測(cè)20幀以上；d)生成訓(xùn)練圖像的加投影圖像，錄制面部特征圖像3-5張和權(quán)限表一起存入數(shù)據(jù)庫(kù)中，之后識(shí)別調(diào)用；e)人像識(shí)別進(jìn)程啟動(dòng)時(shí)裝入集控站權(quán)限表和人像信息鏈接；f)將驗(yàn)證結(jié)果提交給集控站程序，同時(shí)保存人像比對(duì)記錄；集控站程序運(yùn)行時(shí)自動(dòng)啟動(dòng)人像識(shí)別進(jìn)程和操作控制接口進(jìn)程；g)在用戶密碼認(rèn)證前，將用戶信息發(fā)送到操作控制接口進(jìn)程，由其送往人像識(shí)別進(jìn)程，并等待人像驗(yàn)證結(jié)果；h)通過所述的人像預(yù)處理，人像特征提取，人像識(shí)別算法以及聚類分析，最終完成。2、根據(jù)權(quán)利要求1所述的一種基于電力系統(tǒng)網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法,其特征在于，所述的BP神經(jīng)網(wǎng)絡(luò)分3層，即輸入層、隱含層和輸出層,三個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同，各層的拓樸結(jié)構(gòu)為全互聯(lián)模式。全文摘要一種基于電力系統(tǒng)網(wǎng)絡(luò)安全訪問的人臉識(shí)別方法，屬于人臉檢測(cè)與安全識(shí)別領(lǐng)域，本發(fā)明采用基于局部特征分析與最優(yōu)化匹配的人臉識(shí)別算法，利用神經(jīng)網(wǎng)絡(luò)的方法估計(jì)出在識(shí)別人臉中起重要作用的一些特征點(diǎn)；在特征點(diǎn)的定位上，使用了六個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征點(diǎn)定位；在動(dòng)態(tài)人臉檢測(cè)中，包含人臉在內(nèi)的圖像函數(shù)隨時(shí)間t快速變化，每秒至少應(yīng)檢測(cè)20幀以上；而且BP神經(jīng)網(wǎng)絡(luò)分3層，即輸入層、隱含層和輸出層，三個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同，各層的拓樸結(jié)構(gòu)為全互聯(lián)模式。本方法能有效地解決人臉檢測(cè)和識(shí)別中的光照補(bǔ)償問題，使不同光照條件下的人臉檢測(cè)和人臉識(shí)別性能得到了很大的提高。而且本方法還具有運(yùn)算效率高、把握性好、適應(yīng)面寬的特點(diǎn)。文檔編號(hào)G06K9/62GK101276408SQ20081005063公開日2008年10月1日申請(qǐng)日期2008年4月24日優(yōu)先權(quán)日2008年4月24日發(fā)明者陽(yáng)劉,劉曉航,莉?qū)O,張喜林,張鵬宇,王書春,王金霞,鈺石,苑立民,陳亞芳,韓國(guó)煒申請(qǐng)人:長(zhǎng)春供電公司