【技术实现步骤摘要】
一种网络环境下的图像安全识别系统及方法
本专利技术是一种网络环境下的图像安全识别系统及方法，属于视觉安全领域。
技术介绍
图像识别技术的研究可以起源于20世纪50年，但是早些年由于准确率在实际环境下很低，所以一直没有得到实用。近年来随着大数据与深度神经网络技术的飞速发展，深度神经网络在各种计算机视觉分类任务中取得了不俗的成绩，深度神经网络技术开始应用于图像识别任务中，并且取得了很好的效果，图像识别的准确率在很多数据集上达到99％以上。在公安办案、企业考勤，物业安保等等方面都有应用。随着云服务出现，图像识别技术结合云计算，使得其实用性更强。最近几年，卷积神经网络(CNN)，深度卷积神经网络(DNN)等技术飞速发展，在计算机视觉领域的各种任务中表现优异，成果斐然。图像识别一直以来也是计算机视觉领域的重要方向，越来越多的CNN，DNN应用在图像识别问题上取得了不俗的成绩。由于深度神经网络在图像识别方面的优秀表现，该技术开始广泛应用到各类图像识别的领域中，因此深度神经网络对于对抗样本的脆弱性急需解决。对抗样本对于各大深度神经...
【技术保护点】
1.一种网络环境下的图像安全识别方法，其特征在于，包括如下步骤：/n步骤1：前端首先采集图片，前端包括图像识别模块、图像安全识别模块、图像安全认证模块；/n步骤2：前端对采集的图片进行特征提取以及二值化；/n步骤3：对前端特征数据进行paillier密码算法加密；/n步骤4：将相机绑定到DOM元；/n步骤5：前后端交互，前端将数据提交给后台，然后后台处理完数据以后返回结果给前端，前端收到后台发送回来的数据后解析数据，然后根据后台的数据渲染前端页面。/n
【技术特征摘要】
1.一种网络环境下的图像安全识别方法，其特征在于，包括如下步骤：
步骤1：前端首先采集图片，前端包括图像识别模块、图像安全识别模块、图像安全认证模块；
步骤2：前端对采集的图片进行特征提取以及二值化；
步骤3：对前端特征数据进行paillier密码算法加密；
步骤4：将相机绑定到DOM元；
步骤5：前后端交互，前端将数据提交给后台，然后后台处理完数据以后返回结果给前端，前端收到后台发送回来的数据后解析数据，然后根据后台的数据渲染前端页面。
2.根据权利要求1所述的一种网络环境下的图像安全识别方法，其特征在于，步骤1具体包括：
利用webcam调用摄像头采集用户图像；调用摄像头拍摄照片，拍照得到的照片显示在的网页中，或渲染到画布canvas，或者提交到服务器；
利用webcam调用摄像头拍照；在使用webcam时，如果需要修改默认值，通过调用Webcam.set()方法来实现，通过填入一个hash表的方式来修改；width和height分别表示相机试图的宽度和高度；image_format控制拍摄照片的格式，fps用来控制拍摄的速率。
3.根据权利要求1所述的一种网络环境下的图像安全识别方法，其特征在于，步骤2具体包括：
定义一个模块来处理前端特征提取以及二值化，用于对得到的原始特征数据进行二值化，二值化将128维特征数据中小于0的数据置为0，其余数据置为1；二值化后将原始的128维特征数据转为128bit的特征数据。
4.根据权利要求1所述的一种网络环境下的图像安全识别方法，其特征在于，步骤3具体包括：
对于图像安全识别功能和图像安全认证功能都需要对前端特征数据通过paillier密码算法进行加密；在加密中首先需要生成一对非对称密钥对；出于对于安全性的考量，使得公钥和私钥长度大于预设值；利用无关大素数p和q，生成公私钥；p和q选择这两个大素数的长度为512，因此需要用NTL大数库中的数据类型ZZ来表示，利用NTL大数库来实现，后续运算都调用NTL大数库中接口函数来实现。
5.根据权利要求1所述的一种网络环境下的图像安全识别方法，其特征在于，步骤4具体包括：
在前端页面上设置一个摄像头DOM元素，然后利用webcam.attach()方法将相机绑定到这个DOM元素中；这个DOM元素用来实时显示摄像头中画面；然后再定义一个大小一样的画布canvas元素在同一位置上；这个canvas元素覆盖在原来摄像头元素上，在canvas上将检...
【专利技术属性】
技术研发人员：汪昕，金鑫，朱星帆，时超，陈力，蒋尚秀，
申请(专利权)人：上海金桥信息股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。