一种金融联网综合安防系统的制作方法

1.本发明属于安防系统技术领域，特别是涉及一种金融联网综合安防系统。


背景技术：

2.随着各类网络、计算机和安防技术的发展，我国经济金融的快速发展和金融机构职能改革的不断深入，面对严峻的安全形势，金融机构安全保卫工作日益繁重。金融安防是指以维护金融机构内部安全和保障广大群众个人财产为目的，借助于技术防范手段保证金融机构安全，建立具有防抢劫、防入侵、防破坏，安全事件发生后还原案发现场，提供破案证据等功能的安全防范系统。
3.目前，现有的金融联网安防系统大多都是通过实时的人力脸识别监测对现在对周围存在风险的人员进行预警，但是随着人脸识别技术使得采集和存储人脸信息的数量和规模不断膨胀，如果该信息被泄漏或被非法人员获得，将可能会产生严重的信息安全问题，导致现有的金融联网安防系统较大的人脸信息泄露的风险。


技术实现要素：

4.本发明的目的在于提供一种金融联网综合安防系统，解决了上述技术背景中的问题。
5.为解决上述技术问题，本发明是通过以下技术方案实现的：
6.本发明为一种金融联网综合安防系统，包括摄像头、云终端、图像识别模块、图像加密模块、分类识别模块，人脸图像数据库，以及可信计算节点；
7.所述云终端用于接收金融机构周围所有的联网的治安摄像头拍摄的图像信息；
8.所述图像识别模块用于提取云终端中图像信息中的人脸特征；
9.所述图像加密模块用于对所述图像识别模块中提取的人脸特征信息进行加密；
10.所述图像加密模块的加密步骤为：
11.s1：读取所述图像识别模块中的人脸图像特征存储为二维矩阵p，并获取图像的高度h和宽度w，计算所有元素值的综合sum；
12.s2：将p顺顺时针旋转180
°
，得到p'，对p'中的元素按先行后列的次序，将元素逐个排列，得出一维数组a
73.；
13.s3：公式x
n 1
＝aμ1sin(πx
n
) (1
‑
a)μx
n
(1
‑
x
n
),a∈(0,1)，迭代t次，再迭代3
×
h
×
w次，生成三个长度均为h
×
w的序列，s1、s2和s3；
14.s4：将序列s1按升序排列得到新的序列s
11
，将s
11
中的各个元素在s1中的下标存储在一维数组k中；
15.s5：将一维数组a中的元素a(i)与a(k(i))进行交换；
16.s6：将s2中的元素值转换成序列x；
17.s7：将所述s3中的元素转换成序列y；
18.s8：将一维矩阵a中的元素进行扩散处理；
19.s9：将一维矩阵c转换为二维矩阵，得出加密图像数字矩阵。
20.优选的，所述分类识别模块用于提取人脸图像数据库中的人脸图像源和图像加密模块中的加密图像数字矩阵进行比对识别；
21.具体步骤为：
22.s1：对提取的人脸图像源中的人脸加密图像采用pca算法进行特征提取，得到投影矩阵u；
23.s2：将训练样本经投影矩阵u投影矩阵投影后作为神经网络输入，对神经网络进行训练；
24.s3：对加密图像数字矩阵经投影矩阵u进行投影，得到降维矩阵；
25.s4：将降维矩阵输入至训练好的神经网络中完成人脸识别。
26.优选的，当所述分类识别模块识加密图像数字矩阵与人脸图像数据库中的人脸图像匹配时，所述预警提醒模块发出报警。
27.优选的，所述图像识别模块包括，人脸图像定位和检测单元，人脸图像预处理单元，以及人脸图像特征提取单元；
28.所述图像人脸图像定位和检测单元用于将摄像头采集的图像中的人脸位置进行检测和定位，并截取人脸部分图像；
29.所述人脸图像预处理单元用对截取的人脸部分图像进行滤波处理；
30.所述特征提取单元用于对滤波处理完成的后人脸部分图像进行特征提取。
31.优选的，所述可信计算节点用于对加密图像数字矩阵进行解密；解密步骤为：
32.s1：对加密图像数字矩阵进行小波分级；
33.s2：对小波分级后的图像进行dct变换；
34.s3：将上述s2中得到的结果与加密矩阵进行点乘运算得到系数矩阵；
35.s4：对得到的系数矩阵座dct反变换；
36.s5：最后进行idwt变换即可恢复原始图像。
37.优选的，所述人脸所数据库与公安系统中的不法分子信息库对接。
38.本发明具有以下有益效果：
39.本发明通过通过图像加密模块，对提取的人脸图像进行加密处理，使得在对人脸信息进行识别预警时，有效的解决了人脸数据易于泄露的问题，同时利人脸图像源中的人脸加密图像创建训练神经网络网络，并通过以训练的神经网络对加密图像进行识别，对加密图像进行识别，提高了在加密图像中的识别通过率。
40.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
41.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1为一种金融联网综合安防系统的结构示意图；
43.图2为本发明分类识别模块识别流程示意图；
44.图3为本发明图像识别模的结构示意图；
45.图4为本发明中二维转换为一维数组的流程示意图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
47.请参阅图1，本发明为一种金融联网综合安防系统，包括摄像头、云终端、图像识别模块、图像加密模块、分类识别模块，人脸图像数据库，以及可信计算节点，摄像头包括金融机构三公里的内部的公共监控摄像头；
48.所述云终端用于接收金融机构周围所有的联网的治安摄像头拍摄的图像信息，负责对周围的摄像头拍摄的信息进行整合，提高相关资源的利用率，对信息进行深度的发掘。
49.所述图像识别模块用于提取云终端中图像信息中的人脸特征，其中特征提取采用facenet算法基于深度卷积网络将人脸图像映射到欧几里德空间后，通过计算其欧氏距离来获得人脸特征间的相似度，直接使用基于triplet的最大边界近邻分类的损失函数来训练神经网络，并输出一个512维的向量空间，这样可大大提升人脸识别的效率；
50.所述图像加密模块用于对所述图像识别模块中提取的人脸特征信息进行加密；
51.所述图像加密模块的加密步骤为：
52.s1：读取所述图像识别模块中的人脸图像特征存储为二维矩阵p，并获取图像的高度h和宽度w，计算所有元素值的综合sum；
53.s2：将p顺顺时针旋转180
°
，得到p'，对p'中的元素按先行后列的次序，将元素逐个排列，得出一维数组a
73.，其中按照从元素p'(1,1)开始到p'(n，n)的先行后列的次序进行排列；
54.s3：公式x
n 1
＝aμ1sin(πx
n
) (1
‑
a)μx
n
(1
‑
x
n
),a∈(0,1)，迭代t次，这样可以去除初值的影响，再迭代3
×
h
×
w次，生成三个长度均为h
×
w的序列，s1、s2和s3，其中t≥200；
55.s4：将序列s1按升序排列得到新的序列s
11
，将s
11
中的各个元素在s1中的下标存储在一维数组k中；
56.s5：将一维数组a中的元素a(i)与a(k(i))进行交换，完成置乱过程；
57.s6：将s2中的元素值转换成序列x，其中按照公式对s2中的元素进行转换；
58.s7：将所述s3中的元素转换成序列y，其中按照公式对s3中的元素进行转换；
59.s8：将一维矩阵a中的元素进行扩散处理，其中按照公式进行扩散处理；
60.s9：将一维矩阵c转换为二维矩阵，得出加密图像数字矩阵，其中如图4所示为二维
图像转换为一维数组的流程示意图。
61.其中如图4所示，所述分类识别模块用于提取人脸图像数据库中的人脸图像源和图像加密模块中的加密图像数字矩阵进行比对识别，将采集的图像加密后与人脸图像源内部加密的图像进行比对；
62.具体步骤为：
63.s1：对提取的人脸图像源中的人脸加密图像采用pca算法进行特征提取，得到投影矩阵u，人脸图像源中的人脸加密图像的加密方法与上述的加密方法一致，保证二者对比时的数据类型一致，pca算法所选的能量壁纸α＝90％，所形成的特征字空间为10304
×
70,即将10304位的人脸图像降至70维，并以此做维护神经网络节点进行训练；
64.s2：将训练样本经投影矩阵u投影矩阵投影后作为神经网络输入，对神经网络进行训练，使得神经网络的识别通过更高；
65.s3：对加密图像数字矩阵经投影矩阵u进行投影，得到降维矩阵；
66.s4：将降维矩阵输入至训练好的神经网络中完成人脸识别。
67.其中，当所述分类识别模块识加密图像数字矩阵与人脸图像数据库中的人脸图像匹配时，所述预警提醒模块发出报警，说明可能存在安全风险，提醒提高预警的等级，采取相关的安全措施。
68.其中如图3所示，所述图像识别模块包括，人脸图像定位和检测单元，人脸图像预处理单元，以及人脸图像特征提取单元，在线识别部分将识别的整体图像进行人脸部分检测、定位识别和特征提取，离线学习部分和在线识别部分的整体图像进行人脸部分检测、定位识别和特征提取步骤一致，图像识别模块部署在云终端环境下；
69.所述图像人脸图像定位和检测单元用于将摄像头采集的图像中的人脸位置进行检测和定位，并截取人脸部分图像，这样可以有效的降低计算量，提高识别的速度；
70.所述人脸图像预处理单元用对截取的人脸部分图像进行滤波处理，消除噪声的干燥，使得图像提取的图像质量更高；
71.所述特征提取单元用于对滤波处理完成的后人脸部分图像进行特征提取。
72.其中，所述可信计算节点用于对加密图像数字矩阵进行解密；解密步骤为，可信计算节点部署在管理端，仅有管理人员有权限可以查看：
73.s1：对加密图像数字矩阵进行小波分级；
74.s2：对小波分级后的图像进行dct变换；
75.s3：将上述s2中得到的结果与加密矩阵进行点乘运算得到系数矩阵；
76.s4：对得到的系数矩阵座dct反变换；
77.s5：最后进行idwt变换即可恢复原始图像。
78.解密步骤为对加密图像小波分解后在做dct变换，再与加密矩阵点乘，接着对每一个系数矩阵再做idct，随后在做idwt变换即可得到原始图像。
79.其中，所述人脸所数据库与公安系统中的不法分子信息库对接，这样使得预警的机制更加圈，有利于进一步的保证金融机构的安全。
80.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。
而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
81.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。