[发明专利]一种基于大数据的人脸识别系统及识别方法

权利要求书

1.一种基于大数据的人脸识别系统，其特征在于，包括处理器、数据加密模块、显示调度模块、数据存储模块、数据采集模块、特征提取模块和人脸匹配模块；

所述数据采集模块包括训练数据采集单元和验证数据采集单元；所述数据采集模块用于获取面部数据，所述面部数据包括训练面部图像和验证面部图像；所述验证数据采集单元至少与一组数据采集设备通信连接，所述数据采集设备包括高清摄像头和动作云台；所述训练数据采集单元与第三方平台通信连接，所述第三方平台包括医务平台；

所述特征提取模块用于对面部数据进行特征提取获取面部数据特征；

所述人脸匹配模块通过匹配方法获取人脸识别的匹配结果；所述匹配方法包括人工智能法和参数表征法；

所述数据加密模块对数据的传输过程进行监测。

2.根据权利要求1所述的一种基于大数据的人脸识别系统，其特征在于，所述数据加密模块用于监测数据的传输过程，包括：

通过对黑客入侵方式进行分析建立黑客入侵特征库；

对传输的数据进行分析获取分析结果，将分析结果与入侵特征库中的攻击方式进行对比匹配，若匹配成功，则发送黑客入侵指令至显示调度模块，且将对应攻击方式的标记也发送至服务器；若匹配不成功，则数据加密模块不作响应。

3.根据权利要求2所述的一种基于大数据的人脸识别系统，其特征在于，所述黑客入侵方式包括Land攻击、TCP SYN攻击、Ping Of Death攻击、WinNuke攻击、Teardrop攻击和TCP/UDP端口扫描攻击；其中，当数据包的源地址和目标地址相同时，判断该攻击方式为Land攻击，将其标记为L；当单位时间内收到的SYN连接超过系统设定的阈值时，判断该攻击方式为TCP SYN攻击，将其标记为S；当数据包的大小大于65535个字节时，判断该攻击方式为PingOf Death攻击，将其标记为D；当数据包的目标端口为137、138或139，且URG位为“1”时，判断该方式为WinNuke攻击，将其标记为W；当数据包中分片数据的片偏移量错误时，判断该攻击方式为Teardrop攻击，将其标记为T；当数据包对非常用端口发送连接请求时，判断该攻击方式为TCP/UDP端口扫描攻击，将其标记为U。

4.根据权利要求1所述的一种基于大数据的人脸识别系统，其特征在于，所述人脸匹配模块用于获取人脸识别的结果，包括：

人脸匹配模块接收到面部特征数据之后，构建神经网络模型；所述神经网络模型包括误差前向传播神经网络和RBF神经网络；

通过训练面部图像的面部特征数据按照设定比例随机选取训练集、验证集和测试集；

通过训练集、验证集和测试集对神经网络模型进行训练，当神经网络模型的学习精度和学习次数满足要求时，则判定神经网络模型训练成功并标记为识别模型；

获取验证面部图像的面部特征数据输入至识别模型中获取识别结果，将识别结果中训练面部图像对应的身份信息发送至显示调度模块进行展示。

5.根据权利要求1所述的一种基于大数据的人脸识别系统，其特征在于，所述特征提取模块通过面部数据提取面部数据特征，包括：

当特征提取模块接收到面部数据时，获取面部数据的面部特征数据；所述面部特征数据包括瞳孔间距、瞳鼻间距、瞳嘴间距和下巴宽度；所述瞳鼻间距为瞳孔到鼻尖的距离，所述瞳嘴间距为瞳孔到同侧嘴角的距离；

将面部特征数据按照瞳孔间距、瞳鼻间距、瞳嘴间距和下巴宽度的顺序进行二进制拼接之后生成编码序列；所述编码序列包括标准编码序列和验证编码序列，所述标准编码序列是指训练面部图像生成的编码序列，所述验证编码序列是指验证面部图像生成的编码序列；

将面部特征数据和编码序列发送至数据存储模块和人脸匹配模块。