指纹识别云技术（精选4篇）
指纹识别云技术 篇1
1 云计算技术与云服务器
当世人对计算机技术日新月异的变化惊叹不已的时候, 云计算技术已经在各个领域被广泛的应用了。也恰恰是由于云计算技术的这种大范围应用, 因此对于其技术界定目前并没有一个严格的定义标准。不过其中的云服务器技术参数还是比较成熟的。通俗来理解就是云服务器是架设在常规互联网线路之上, 采用数据共享的方式, 让所有的客户端系统能够把数据在分离状态下实现应用, 而所有的后台计算处理都并不占用客户端的资源。这种架空式的服务器设置, 具备三个比较明显的优势,
(1) 最大程度上降低了客户端的硬件配置环境, 分离式的数据处理方式只将信息数据进行传输, 而完全颠覆了常规的硬件配置环境决定信息处理速度的基本要求;
(2) 最大程度上实现了信息共享, 云服务器在接收到不同客户端的信息处理要求的同时, 也将客户端的不同信息内容进行了分类处理, 这就使得在有必要的情况下, 不同的客户端可以实现横向的信息共享;
(3) 最大程度上实现了实时信息更新, 由于云服务器具备超强的计算功能, 一些简单的数据完全可以实现实时处理, 因此对于不同客户端的信息处理要求基本上能够在最短的时间内完成。
2 云计算技术在车牌识别系统中的应用
虽然云计算技术在车牌识别系统中的应用相对较为单一, 基本上主要是配合交通管理部门在处理交通事故或者交通违章的时候, 利用云计算技术处理相对不完善的车牌信息。虽然在语言表述上比较简单, 但是相对于海量增长的机动车数据信息, 尤其是在字母信息广泛的在车牌上应用之后, 车牌识别已经成为处理快速处理交通事故, 尤其是涉嫌交通肇事的违法行为中一个必要的程序了。
3 云计算技术在车牌识别系统应用中的优势
当车牌信息收集上来的时候, 基本上是图像信息, 通过云平台将这些信息完成传递之后, 云服务器就开始了对正确信息的辨识, 其中有三大优势是传统化的信息处理不能比拟的。
3.1 样本数据库化
虽然被上传到云服务器的数据信息可能是存在不同差异的, 但是在云计算层面中, 云技术对关键信息的识别都是一致的, 这就让所有的样本信息形成了数据库化的特点。云计算技术只需要针对其中的关键数据信息进行分类处理和高能计算, 就基本上完成了对正确车牌信息的识别。
3.2 计算成本低端化
由于采用了统一的数据信息上传和下载, 不再以行政区域为单位独立设置服务器, 所有的数据信息处理完全由云服务器来完成, 而且数据下载也实现了无纸化, 如此一来就最大程度的将计算成本降低。
3.3 数据信息共享化
由于车牌信息在完成登记之后就已经通过互联网环境, 上传到了云服务器中, 因此不同客户端对于车牌识别的需求已经完全能够实现信息共享, 这样就最大程度上减少了传统车牌识别信息中因为基础信息缺失而造成的识别错误出现, 利用云计算技术, 只需要在客户端上发布相应的车牌识别要求, 就能够实现跨区域的数据信息共享。
4 云技术车牌识别系统的运行流程
由于云服务器的计算能力比较强大, 因此云技术车牌识别系统的运行方式和流程也存在许多种, 不过通过实践检验的信息反馈来看, 利用数据库化的样本信息进行模版匹配的方式实现的识别方法是效率最高的一种。简单的来说, 一次完整的车牌识别操作要通过两个步骤来完成。
4.1 车牌基本信息的上传
当机动车完成所有信息采集之后, 将全部信息通过内部互联网环境上传到云服务器中, 此时的客户端运行的是信息上传功能, 而云服务器运行的是样本数据化功能。云服务器首先将车牌原始图像进行数字化处理, 将其中的关键数字信息转换成计算机语言来进行存储;其次将行政所属地、关键数字及字母等信息利用定位、字符分割等不同措施进行图像关键信息点的存储;最后将一套通过云计算完成的计算机语言车牌信息与一套通过云计算完成的图像车牌信息一并存储在云服务器中。从而完成车牌原始数据的采集。
4.2 车牌信息的检索与识别
当客户端提出车牌识别的要求之后, 客户端对云服务器提出的是访问请求, 云服务器首先确定客户端的请求指令是否正常, 在得到确认之后, 根据客户端提供的关键数据来分别确定完成哪种云计算。
如果客户端的车牌识别信息是数字信息, 那么云服务器会启动计算机语言存储的车牌信息程序, 首先按照要求提供与关键数据相匹配的关联性车牌信息, 经过客户端甄别之后, 再根据发布的进一步指令来缩小车牌信息检索范围。这样的操作基本上经过3-4 次检索之后就可以完成一次车牌的准确识别。
如果客户端的车牌识别信息是图像信息, 那么云服务器会启动图像关键信息点的识别, 其运算速度和精准程度取决于客户端提供的图像信息关键点采集质量, 基本上关键点信息在6-8 个的时候, 云计算能够实现一次性识别, 如果少于这个当量, 云服务器也会提供缩小到一定范围的不同车牌信息以供客户端来选择, 这样的操作基本上经过2 次检索之后就可以完成一次车牌的准确识别。
5 结束语
云计算在车牌识别系统中的应用, 极大的方便了交通管理的相关工作, 为处理和纠正一些较为棘手的车牌信息提供了有效的帮助。但是也应该清楚的认识到, 由于对云计算技术在车牌识别系统中的应用了解还并不全面, 因此部分行政区域中利用云计算技术进行的车牌识别技术并不统一, 这就给一些实际工作带来了一定的障碍。在下阶段的工作中, 基于进一步提升工作效率的目的, 将相关的技术进一步进行统一, 不仅能够让云计算技术在车牌识别系统中的应用更为广泛, 而且还能最大程度的完善相关的工作。
参考文献
[1]陈玲, 李熙莹, 卢林.车牌倾斜校正算法研究及改进[J].计算机与现代化, 2013 (12) .
[2]本刊编辑.TCP和UDP的区别有哪些[J].计算机与网络, 2013 (22) .
[3]朱江峰, 刘苏, 夏冰.基于云计算技术的车牌识别系统[J].科技信息, 2013 (03) .
指纹识别云技术 篇2
随着信息技术的飞速发展,用户对数据的计算和存储需求激增,通过购置大量高性能的服务器来满足用户这种需求的传统模式会极大地增加了资源的浪费。云计算可以将互联网资源有效地整合在一起,采用虚拟化技术,将物理资源和虚拟服务分开,提高了网络资源的利用率。对于企业用户而言,可显著降低计算和存储的维护成本;对个人用户而言,通过将信息的存储和计算放在云端,降低了自身存储和计算资源有限所带来的很多约束[1]。
当用户把服务迁移至云计算时,需要考虑传输中数据以及存储中数据的安全,而大多数云计算服务供应商支持对传输中数据的加密,很少有供应商支持对存储中的数据进行安全保护[2]。因此,如何确保云计算环境中存储数据的安全是当前研究和应用的重点。本文提出了一种基于内容识别技术的数据防泄漏系统,通过对云环境中的数据进行文本内容的获取,其次,对获取内容进行语义处理判断其是否为敏感数据,并且结合策略管理对敏感数据进行防护响应,从而为用户数据安全存储提供了有力保障。
1云环境中存储数据安全的研究现状
目前,有关数据安全的研究,多数是对用户数据进行加密, 例如,Chow[3]提出了一种基于安全索引的方法,通过为密文关键词建立安全索引,查询关键词是否存在;Wagner[4]通过对密文中每个单词进行对比,检测关键词是否存在,并统计其出现的次数。 有文献[5]指出对用户数据加密的方法通常需要文件客户端以及共享信任的服务器,几乎无法在云环境下使用。另外一种保护用户数据的 方法就是 通过信息 流控制 ( IFC , Information Flow Control)),IFC是一种将安全标签附加在文件的强制访问控制模型,可以确保在处理过程中数据得到保护,但通常需要修改操作系统或者用户的应用程序,使其很难应用于云环境[6]。因此,针对云计算的环境,很多研究[7,8]提出将数据防泄漏技术(DLP, Data Loss Prevention)应用到云环境行,DLP不仅可以帮助控制迁移至云计算的数据,而且可以发现在云计算中发生暴露的敏感数据。本文提出一种内容识别技术的数据防泄漏系统,主要思想是将云环境中存储的数据提取为文本内容的形式,并且结合语义处理判断其是否为敏感数据,假如是敏感数据,则需要通过策略管理对其进行防护响应,进而确保用户敏感数据的安全。
2内容识别的关键技术
基于内容识别的数据防泄漏系统主要包括三个部分,即内容获取、内容识别和防护响应,如图1所示。
2.1内容获取模块
该模块主要针对云环境下不同数据类型的内容提取,即待处理数据信息的获取,主要包括数据提取、数据类型的识别和内容的读取。其中数据的提取主要是指从三种不同数据类型:结构化、 非结构化和半结构进行数据提取;数据类型识别主要指对读取的数据进行类型识别;内容读取主要指从不同类型文件中进行文本内容的读取;从内容读取模块中输出的即为文本内容。
2.2内容识别模块
该模块主要是对获取的内容进行语义处理,将待处理数据内容和敏感数据库内容均经过预处理、特征提取形成特征向量,并且通过相似度计算判断其是否为敏感信息;
具体实现方法:
第一步:预处理,即对文本内容基于语义进行分词,根据上下文进行分词,并且去除信息量少的词,对关键词进行语义标注; 主要考虑以下几点:(1)具体的分词方法,对敏感数据进行分词处理,将文档中有独立含义的词汇统计出来;(2)对分词处理后的词汇统计信息这种离散值进行处理,用结构化的形式表示;(3) 对从不同结构的文本中统计出来的数据要能够屏蔽其差异;(4) 对统计出来的初始结构化信息表示要能够尽量消除其中无用数据的干扰。
第二步:特征抽取,主要功能是在不破坏文本核心信息的情况下尽量减少要处理的词汇数,以此来降低向量空间维数,从而简化计算,提高文本敏感数据识别处理的速度和效率。
本文主要采用主成分分析法来对文本特征向量空间进行降维处理,该方法从高维度的文本特征向量空间中计算出几个可以综合表示原特征向量空间的几个分向量,作为原文本特征向量空间的主成分,从而达到文本特征降维的目的。
第三步:特征向量权值计算,形成数据特征向量,在向量空间模型中,主要是通过特征词以及权值来表示文档内容,本发明使用基于统计方法的TF-IDF公式,其核心思想是,认为某个词在其它文本中出现的次数越是少,那么这个词就包含越多的信息,越能够代表文档的类型,相反,如果在其它文档中也是大量的出现,那么这个词就不具有代表性。假如经过预处理和特征提取之后的敏感数据文档库表示为T={Td1,Td2,.........,Tdn}其中, Tdi的特征向量定义为Tdi=((ai1,fi1),(ai2,fi2),.......,(aim,fim)),其中, Tdi表示统计频率之后的文本表示, aim表示划分出来的词组。通过TF-IDF计算公式:wijtij*log(N/nj),其中: tij表示aij在Ti中出现的频率,N表示文档库中文档的总数, nj表示文档数据库中含有词汇aij的文档数目。
得出由敏感数据组成的特征向量表示为:
简记为V=(d11,d12,.....,d1m,.....,dn1,dn2,.....,dnm)。同样的方法得到待处理数据内容的特征向量为:
第四步:将待测数据内容和敏感数据形成的两个特征向量通过余弦公式进行相似度计算,判断是否为敏感数据。
2.3防护响应模块
如果数据是敏感信息,则该模块根据策略管理对其进行安全防护响应,如告警、隔离、加密、阻止等,进而防止敏感数据的泄露。
3总结
指纹识别云技术 篇3
关键词：云计算,云服务,云安全,语音识别,虚拟化技术
0引言
云计算[1-2]作为企业计算的一个新兴领域, 正逐步被应用于企业的业务活动之中, 发挥着其低成本、快部署、灵活调整规模等优势。虽然基于云技术服务, 在安全性方面具有一定的优势, 但企业面对上传和存储大量数据时, 还是需要考虑安全性等问题。充分利用云技术的安全特性, 在数据通信、文件存储等方面进行研究具有非常现实的意义。开发一个基于云技术平台的语音识别系统, 不但能保证客户机数据有极高的安全性, 且在用户使用过程中, 能更方便快捷地获取用户所需信息和操作常用的应用程序, 用户体验度更高。这与苹果公司所开发的应用Siri不同, 本程序对语音识别作进一步的扩充, 能根据用户语音输入进行文件调取、修改、程序运行、数据输入等操作, 在国内是一种新的尝试。
1平台技术与技术体系结构
1.1平台技术概述
该软件系统的平台技术包括3部分:基础设施作为服务、平台作为服务和软件作为服务。基础设施作为服务即IaaS服务可以释放各类企业用于存放、运行、维护设备的资源, 为使用者提供各种计算资源, 包括服务器、网络、存储和数据中心空间, 尤其适合开发与测试等资源密集型活动。平台作为服务即PaaS提供了基于云的环境, 其中具有可支持用户构建和交付基于Web (云) 应用的完整生命周期所需的一切没有购买和管理基础软件、硬件、供应和托管的成本与复杂性。而软件作为服务即SaaS是一种软件模型, 其中应用集中托管在云计算环境中, 并且用户通过Internet访问这些应用。
1.2技术体系结构
该软件系统的技术体系结构如图1所示。该软件系统的技术体系结构由四部分组成, 面向服务的体系结构 (service-oriented architecture, SOA) 是一个组件模型, 它将应用程序的不同功能单元 (称为服务) 通过这些服务之间定义良好的接口和契约联系起来, 接口是采用中立的方式进行定义的, 它独立于实现服务的硬件平台、操作系统和编程语言。这使得构建在各种这样系统中的服务可以以一种统一和通用的方式进行交互。管理中间件分为用户管理、任务管理、资源管理、安全管理, 其中最重要的是安全管理, 在安全管理方面, 用户在使用时, 客户端设置三重加密方式, 分别为键盘密码的直接输入, 语音加密识别和人脸识别, 用作平台进入的认证。另外两个部分分别为资源池和物理资源, 为客户机提交使用请求或文件需求时所做的调度与处理提供服务。
2系统具体实现
2.1平台安全存储与虚拟化技术
为了保证客户机数据有极高的安全性, 在对该软件系统云安全进行设计时, 采用如下设计原则:1发送和存储尽量少的个人信息到云中, 保护云中用户的个人信息最大限度地实现由自己控制, 允许用户控制最为关键最为重要的个人信息, 用户也可以委托信任的第三方去管理个人信息;2允许用户进行选择, 加入和退出机制是目前使用的提供选择的主要方式, 用户有权利对个人信息的使用进行选择, 当用户提交某种请求时, 系统会将此次请求可能访问到的个人信息反馈给用户, 用户可以根据反馈回来的信息决定是否继续操作, 做到任何一次的个人信息访问用户都心里有数;3明确和限制数据使用的目的;4提供反馈机制。
在存储数据时, 使用SQL Server提供的数据服务, 目的是让使用者可以存储他们想存储的任何数据, 同时使用者可以在任何时候、从任何终端和任何地方获取其需要的任意大小的数据。 采用的存储机制 (Queue) 为容错机制[3], 能够在一定程度上提高该软件系统的可靠性与稳定性。在虚拟化技术上, 采用硬件辅助虚拟化, 利用硬件 (主要是CPU) 辅助处理敏感指令以实现完全虚拟化的功能, 而用户的操作系统无需修改, 如VMWare、KVM、Xen[4]。 具体实施为:虚拟层来执行基于云环境下的应用服务。虚拟机运行在一个客户端内, 和其它VM共享资源。在云资源层, 和云相关的核心硬件基础设施服务是由数据中心组件来建模的, 它用来处理服务请求, 这些服务请求在VM (虚拟机) 中执行。
2.2语音识别
该软件系统所要实现的目标是达到语音人机交互与平台结合。而在语音识别方面, 其内容主要包括语音特性分析和建模、语音数字压缩编码、语音识别、语音合成、语音增强、现代语音通信。该软件系统的语音识别过程如图2所示, 当用户发出语音指令时, 通过语音信号处理技术[5]使用户能在平台上获取所需信息或相关程序操作, 而所需要的最终信息将直接通过屏幕或语音反馈到用户端。 其具体实现过程为:当系统接收到一段语音指令时, 会先对用户的身份进行识别, 此时的识别分为讲话人身份证实SV (Speaker Verification) 和说话人辨识SI (Speaker Iden- tification) , 识别结果为Yes或No , 即当系统确定此时的请求者为某位已认证的用户时, 便可进入下一界面, 为其提供服务, 反之则发送错误提示信息。而说话人辨识即从N个对象中确定某个对象。而当用户的身份确定后, 接着会进行语音内容的识别, 其内容包括孤立字或词识别 (待识别的每个字或词间有停顿) 、句子或词组识别 (待识别的语音为一个个句子或者词组) 、连续语音识别 (待识别的语音为连续的讲话声音) 、语音理解 (正确识别讲话者讲话的含义) 。当确定为其中的某一类时, 语音识别系统会对接收到的信息先进行预处理工作, 对相关的参数进行分析和提取, 用提取到的数据与已有的模板库中的数据进行比对, 根据其比对的结果给用户反馈出最终的信息。在用户提交的所有任务都完成后, 系统会向该使用者发送提示信息。
2.3网络通信
同一个云组相当于一个VPN, 要实现共享本地数据。 用户能在该平台上创建虚拟局域网, 处于同一云组的用户相当于处在同一个VPN (虚拟专用网络Virtual Private Network) 上, 其之间的通信不受限制, 此时用户可以实现本地资源的共享等。
3结语
基于云服务安全平台的研究开发与语音识别应用软件系统主要针对云技术的加密与安全作进一步研究, 用有效的措施对用户信息和程序安全作进一步加强, 加入了语音识别使信息的获取变得方便, 网络技术的应用更增添了平台的实用性。同时作为这种方式的客户端有很高的拓展性, 服务端处存放基于不同平台的程序, 对接收的信息进行翻译、模拟、处理, 即使一台便携终端也会有很强的处理能力。
参考文献
[1]KAIHWANG, GEOFFREY C FOX, JACK J DONGARRA.云计算与分布式系统:从并行处理到物联网[M].北京:机械工业出版社, 2013.
[2]姚宏宇, 田溯宁.云计算:大数据时代的系统工程[M].北京:电子工业出版社, 2013.
[3]牛如美, 陈雨亭.一种基于异常处理的并发程序容错机制[J].计算机工程, 2012 (13) :44-47.
[4]石磊, 邹德清, 金海.Xen虚拟化技术[M].北京:华中科技大学出版社, 2009.
指纹识别云技术 篇4
1 系统总体方案
基于人脸识别云服务的考勤系统是将本地实时的待考勤人员的脸部图像发送至云端服务, 待其处理完毕后再从云端传回考勤的结果, 最后通过本地考勤终端实现人机交互, 因此, 本系统包括本地终端以和云服务部分。其中本地终端可以是传统PC, 也可以是便于多种场景应用的微型计算机“Raspberry Pi”。
2 系统主要功能实现
2.1 人脸检测功能的实现
2.2 本地终端与人脸识别云服务的交互实现
腾讯优图人脸识别在目前LWF测试中, 人脸验证可达到99.5%的准确率。本文采用了其提供的SDK以实现交互功能, 包括服务鉴权签名, 训练及识别过程。首先是鉴权签名, 需要使用项目ID和密钥获取鉴权签名, 使用函数Tencent Youtuyun.You Tu (appid, secret_id, secret_key, userid, end_point) 完成签名, 参数appid为业务的应用标识App Id, secret_id为秘钥Secret Id, secret_key为秘钥Secret Key, userid为用户id, end_point服务后台路径。
训练过程包括新建个体和增加人脸。首先新建个体, 使用接口New Person (self, person_id, image_path, group_ids, person_name='', tag='', data_type=0) 来完成, 其中参数person_id为新建的个体id, 由用户指定, 需要保证app_id下的唯一性;person_name为个体对应的姓名;group_ids由用户指定的个体存放的组id;image_path为包含个体人脸的图片路径;tag为备注信息;data_type用于表示image_path是图片还是url。考虑到降低系统的复杂度, 避免使用数据库, 本系统将url值设置为0, 直接将图片保存在本地后通过此函数进行上传。因为在进行识别之前, 必须先对人脸库进行训练, 所以实际训练和识别在服务器端是异步执行的。
识别过程。需调用人脸识别接口Face Identify (self, group_id, image_path, data_type=0) 将本地保存的待考勤人员的图像上传至云服务端, 进行人脸的识别。其中参数group_id为识别的组id, image_path为待识别的图片路径, data_type用于表示image_path是图片还是url。接口调用统一返回Json格式的返回结果, 可以通过返回信息了解各个参数的具体意义。
3 功能测试
本文采用了基于UVC协议的USB摄像头, 通过调用Simple CV的相关算法, 实现了系统无需进行任何人工干预的自动促发, 因此可以在不同PC及各种嵌入式设备中使用本文所述之设计。本文设计的系统从开发到调测, 均使用“Raspberry Pi 2B+”, 其拥有32位ARM-Cortex A7架构的双核CPU, 并且配备了各种常用外设, 如以太网网络端口及USB端口等, 配合摄像头, 从理论和实验中表明足以满足本系统高效运行。测试表明本系统的识别率高达92%以上, 完全可以胜任单位的人员考勤工作。
4 结语
本文依托人脸识别云服务, 实现一种考勤系统, 其识别率及实时性均可满足设计者需求。通过详细地描述基于人脸识别云服务的考勤系统的搭建和实现过程, 为相关产品提供了一套解决方案, 将有助于加速云服务及智能硬件发展的进程, 具有较高的研究价值。
参考文献
[1]腾讯云[EB/OL].[2016-01].http://www.qcloud.com/product/cvm.html.
[2]Nathan Oostendorp, Anthony Oliver, Kathe rine Scott.Practical Computer Vision with Simple CV[M].First Edition.O'Reilly Media, 2012.