[发明专利]一种基于大数据的识别方法

权利要求书

1.一种基于大数据的识别方法，包括一种基于大数据的识别系统，该系统包括采集模块、CPU处理模块、指令判断模块，其特征在于：所述采集模块与CPU处理模块电连接，所述CPU处理模块与指令判断模块电连接，所述采集模块用于采集用户的人脸图像信息，所述CPU处理模块用于处理复杂的图像运算，所述指令判断模块用于匹配图像，做出相应的判断指令。

2.根据权利要求1所述的一种基于大数据的识别方法，其特征在于：所述采集模块包括单目摄像头单元、清晰度判断单元、曝光时间控制单元，所述单目摄像头单元与清晰度判断模块电连接，所述清晰度判断单元与曝光时间控制单元电连接，所述单目摄像头单元用于获取用户的脸部图像，所述清晰度判断单元用于判断所获人脸图像的清晰度，所述曝光时间控制单元用于根据人脸图像的清晰度动态调整曝光时间。

3.根据权利要求2所述的一种基于大数据的识别方法，其特征在于：所述CPU处理模块包括存储单元、图片优化模块、3D成型模块，所述存储单元与图片优化模块电连接，所述图片优化模块与3D成型模块电连接，所述存储单元用于存储图像信息，所述图片优化模块用于优化所获取的人脸图像，所述3D成型模块用于将识别到的多张图片合成3D图，所述图像优化模块包括边框检测子模块，图像堆栈处理子模块，矢量图生成子模块，所述边框检测子模块与图像堆栈子模块电连接，所述图像堆栈子模块与矢量图生成子模块电连接，所述边框检测子模块用于检测人脸图像的边框，所述图像堆栈处理子模块用于对多张图像进行堆栈处理，所述矢量图生成子模块用于生成人脸图像的矢量图。

4.根据权利要求3所述的一种基于大数据的识别方法，其特征在于：所述指令判断模块包括大数据深度学习模块、对比模块、显示模块、防御模块，所述大数据深度学习模块与对比模块电连接，所述显示模块与防御模块电连接，所述大数据深度学习模块用于根据多张人脸图的大数据进行深度学习，所述对比模块用于将识别到的人脸实时图像与存储的原始图像进行对比，所述显示模块用于接收图像的数字信号并显示出来，所述防御模块用于在多次识别失败后关闭人脸解锁入口，并将该期间的人脸图像上传到云端，防止手机丢失遭到恶意解锁。

5.根据权利要求4所述的一种基于大数据的识别方法，其特征在于：所述一种基于大数据的识别方法的工作步骤为：

步骤S1：用户录入本人人脸图像作为密码图像；

步骤S2：用户打开手机时，点亮屏幕并触发单目摄像头单元对人脸进行多帧采集，若此时环境光过暗，清晰度判断单元识别出的人脸图像不清晰，则曝光时间控制单元动态调整曝光时间，以获取多帧更清晰的人脸图像；

步骤S3：采集到多帧清晰的人脸图像后，存储单元按帧存储所采集的人脸图像；

步骤S4：对多帧人脸图像进行优化，并将优化后的多帧人脸图像发送到3D成型模块；

步骤S5：3D成型模块将接收到的多帧人脸图像进行合成处理，并生成3D人脸图像；

步骤S6：将生成的3D人脸图像与录入的密码图像进行差值比对，根据匹配率决定是否开锁。

6.根据权利要求5所述的一种基于大数据的识别方法，其特征在于：所述步骤S4进一步包括以下步骤：

步骤S41：边框检测子模块通过边框检测算法，将多帧人脸图像进行灰度转换，并检测出图像中灰度值变化较大的点，将检测出的各点连线，识别出各帧人脸图像的人脸边框位置，并利用图像减法运算，剔除人脸边框外的其他图像，生成无边框的多帧人脸图像；

步骤S42：将无边框的多帧人脸灰度图像进行堆栈处理，将图像分为N点，其中，第i点的灰度值为X_i，均值并计算方差V。

步骤S43：对多帧图像进行选点标记，通过对比不同特征点的特征向量分析其位置差异，并计算深度信息，结合原始图像生成矢量图。

7.根据权利要求6所述的一种基于大数据的识别方法，其特征在于：所述步骤S42中，方差V的计算公式为：

其中，方差V的大小表示图像的像素值变化程度，V越小，图像像素变化越平缓，V越大，图像像素变化越剧烈，识别成功率越高。