一种利用IMSI检测和人脸识别的手机防盗追踪系统研究

一种利用IMSI检测和人脸识别的手机防盗追踪系统研究周非;叶超龙;张贵棕
【期刊名称】《计算机应用研究》
【年(卷),期】2015(032)003
【摘要】针对手机被盗带来的隐私数据泄露问题,提出了一种利用
IMSI(international mobile subscriber identification number)检测和人脸识别的手机防盗追踪系统.针对IMSI检测,给出了一种分层—二分查找的查找方法,并在手机用户数据库上进行了多组对比实验,结果表明该方法具有较高的查找效率.针对人脸识别,提出了一种基于Gabor二值模式和分块加权的单样本人脸识别算法,该算法在FERET人脸数据库上表现出良好的识别性能.通过该系统可以确定被盗手机的位置和非法用户身份信息,提高了找回手机的可能性.
【总页数】5页(P895-899)
【作者】周非;叶超龙;张贵棕
【作者单位】重庆邮电大学移动通信技术重庆市重点实验室,重庆400065;重庆邮电大学移动通信技术重庆市重点实验室,重庆400065;重庆邮电大学移动通信技术重庆市重点实验室,重庆400065
【正文语种】中文
【中图分类】TP309.1
【相关文献】
1.手机防盗追踪系统的设计与实现 [J], 古发辉;赖路燕;井福荣
2.嵌入式Linux系统智能手机防盗追踪功能的实现 [J], 李曙光;张琼声;李文琳
3.基于手机APP和蓝牙技术的婴幼儿防盗腕带系统研究 [J], 林金忠
4.基于安卓的手机防盗追踪与隐私控制系统的研究 [J], 莫晗飞;王春东;冯超然;周岩
5.基于Android平台手机防盗追踪功能的实现 [J], 张浩;陈盛云
因版权原因，仅展示原文概要，查看原文内容请购买。

基于机器学习的人脸识别与追踪技术研究1. 人脸识别与追踪技术的发展历程随着人工智能技术的不断突破，人脸识别与追踪技术也得到了快速的发展。

早在20世纪80年代就有了基于图像处理的人脸识别技术，但由于计算机技术的限制，其准确度和效率均不高。

随着20世纪90年代计算机性能的提升，基于机器学习的人脸识别技术逐渐成为主流。

其中，基于神经网络的人脸识别技术是最具代表性的一种。

通过神经网络的训练，可以提高机器对人脸的识别准确率和速度。

但是，传统的人脸识别技术仍然存在一些局限性。

例如，面部表情、光照、角度等因素的影响会导致识别准确度下降。

因此，人脸追踪技术的出现成为提高整个人脸识别系统效率的重要手段。

2. 基于机器学习的人脸识别技术基于机器学习的人脸识别技术可以分为三个步骤：特征提取、特征匹配和分类识别。

特征提取是把人脸图像中的一些有用信息提取出来，通常会采用PCA、LBP等算法。

PCA算法通过一系列数学运算将高维空间的特征向量投影到低维空间，从而减少计算复杂度。

LBP算法则是一种局部特征描述子，可提取人脸图像的纹理信息。

在特征匹配阶段，需要对输入图像和数据库中的图像进行匹配，找到最相似的那张图像。

这通常采用欧几里得距离、马哈拉诺比斯距离等距离度量方法实现。

最后一步是分类识别。

将提取出的特征向量通过训练好的分类器进行分类，从而得出识别结果。

常用的分类器有SVM、NN等算法。

3. 基于机器学习的人脸追踪技术人脸追踪技术是指在视频中自动追踪人脸，在连续帧中提取人脸图像，进而进行人脸识别或跟踪的技术。

其中，基于机器学习的人脸追踪技术可以分为两种：基于检测和基于跟踪。

基于检测的人脸追踪技术是指先通过人脸检测算法（如Haar-like和HOG特征检测）寻找输入图像中的人脸，再进行人脸识别或跟踪。

这种方法的优点是能够检测到任意大小、姿态和表情的人脸，但其精度和速度相对较低。

基于跟踪的人脸追踪技术是指先利用人脸识别技术找到初始的人脸位置，然后在连续帧中追踪该位置来实现人脸追踪。

基于Android的防盗追踪与隐私保护系统作者：李永成罗凯耀刘凯王红红姜代红来源：《软件导刊》2015年第07期摘要：随着国内Android终端呈现爆发式发展，隐私保护成为人们在互联网时代最为关注的问题。

系统通过绑定IMSI码检测当前系统是否处于安全状态，并研究人脸识别在Android 系统中的实现以及用户个人信息的保护。

该系统包含人脸解锁、密码解锁、设置/取消加密应用、程序锁、数据备份、查看偷窥者记录信息和查看定位信息等功能。

关键词：Android；人脸识别；隐私保护；定位DOIDOI：10.11907/rjdk.151374中图分类号：TP309.7文献标识码：A 文章编号：1672-7800（2015）007-0189-031 项目研究背景随着基于移动通信和互联网技术的移动互联网蓬勃发展，智能终端呈现爆发式发展趋势，移动应用层出不穷。

与此同时，移动互联网的安全问题也开始引起人们的强烈关注，特别是人们愈发依赖以智能手机为代表的智能终端来从事各种不同的社会活动（如手机支付、社交），手机内存储着大量的重要信息和隐私，手机丢失的代价是巨大的。

用户不仅无法找回之前的重要信息资料，而且对新手机的重新设置也非常繁琐。

Android是Google开发的基于Linux平台的开源手机操作系统，被誉为第一个完整、开放而免费的移动平台。

Google提供在线文档、工具、论坛和软件开发工具包等资源，以便开发者在Android平台上开发应用程序[1]。

如今Android已成为目前主流的手机操作系统之一，深受开发人员青睐。

随着国内Android终端发展迅速，Android手机用户越来越多，智能手机上的移动信息安全问题值得深入研究。

2 项目研究现状及意义手机防护包括两方面：软件和硬件。

而采用硬件方式或厂家预装方式实现的防护功能较为有限，无法满足广大手机用户对手机防护的需求，同时也会增加手机成本。

智能手机的推出和发展，为防护软件提供了一个可以实现的平台。

手机防盗追踪系统的设计与实现古发辉;赖路燕;井福荣【期刊名称】《电脑知识与技术》【年(卷),期】2015(011)031【摘要】In modern life, people have been separated from the mobile phone, many important information is stored in the mobile phone. Mobile security has become an urgent need to solve the problem of modern society. This paper the design and implementa-tion of a mobile phone anti-theft tracking system is to effectively solve real-time monitoring of mobile phone status and data backup function based on GPS positioning, base station location, sensor technology, data backup and other technology.%现代生活中人们已经离不开手机,许多重要信息都存储在手机中,手机防盗已成为现代社会迫切需要解决的问题.该文基于GPS定位、基站定位、传感器技术、数据备份等技术设计了一款手机防盗追踪系统,实现了实时监听手机状态和数据备份功能,有效解决了手机防盗问题.【总页数】3页(P56-58)【作者】古发辉;赖路燕;井福荣【作者单位】江西应用技术职业学院信息工程学院,江西赣州341000;江西环境工程职业学院商学院,江西赣州341000;江西理工大学信息工程学院,江西赣州341000【正文语种】中文【中图分类】TP393【相关文献】1.智能手机的防盗系统设计与实现 [J], 朱鹏;陈瑞斌2.一种利用IMSI检测和人脸识别的手机防盗追踪系统研究 [J], 周非;叶超龙;张贵棕3.基于Android的手机防盗软件设计与实现 [J], 陈博;张伟;刘丽君4.基于Android平台手机防盗软件的设计与实现 [J], 罗永宏;王剑;冯超5.探析安卓系统的手机防盗设计与实现 [J], 李俊因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种人脸追踪方法及系统专利类型：发明专利
发明人：支洪伟
申请号：CN201810354092.1
申请日：20180419
公开号：CN108446671A
公开日：
20180824
专利内容由知识产权出版社提供
摘要：本发明公开一种人脸追踪方法及系统，所述方法包括：获取人脸图像；提取所述人脸图像的各特征点，构成特征点集合；去除所述特征点集合中的干扰点，获得关键点集合；确定所述关键点集合中的各关键点的方向；根据各关键点的方向确定特征关键点；根据各所述特征关键点建立人脸3D 模型；根据所述人脸3D模型和人脸矩阵转换进行人脸追踪。

本发明提供的方法通过人脸特征点的获取、人脸矩阵的变换、模型匹配人脸特征点，可快速、准确实现人脸的追踪。

申请人：深浅度视觉科技(大连)有限公司
地址：116000 辽宁省大连市甘井子区汇达街5号17跃18层18号
国籍：CN
代理机构：北京高沃律师事务所
代理人：王戈
更多信息请下载全文后查看。

专利名称：基于人脸识别和手机终端的汽车防盗系统专利类型：发明专利
发明人：李芸,朱树先
申请号：CN201810437122.5
申请日：20180509
公开号：CN108422965A
公开日：
20180821
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于人脸识别和手机终端的汽车防盗系统，包括：中央控制模块、监控信息采集装置、手机终端以及信息交互模块，所述的中央控制模块由信息接收模块、信息分析模块、GPRS定位模块、报警信号发送模块以及手机终端信息发送模块组成，所述的监控信息采集装置由振动传感器、光照传感器、防盗线圈及监控摄像头构成，所述的中央控制模块与所述的手机终端之间采用信息交互模块相连接，所述的中央控制模块与所述的监控信息采集装置采用基于Zigbee协调模块的无线数据传输进行通信。

监控准确率高，及时迅速，可大大地减少因遗失车钥匙可能造成的汽车盗窃，提高汽车的安全性，减少汽车失窃带来的损失，对于保障人们的生命财产全具有积极意义。

申请人：苏州科技大学
地址：215009 江苏省苏州市高新区科锐路1号
国籍：CN
代理机构：北京科亿知识产权代理事务所(普通合伙)
代理人：汤东凤
更多信息请下载全文后查看。

基于机器学习的人脸敏感信息自动识别与保护研究人脸敏感信息的保护一直是社会中的一大关注点。

随着人工智能和机器学习的快速发展，人脸识别技术逐渐得到广泛应用。

然而，人脸识别技术的日益普及也给人们的隐私带来了新的挑战。

为了保护个人信息安全，研究人员开始探索基于机器学习的人脸敏感信息自动识别与保护方法。

本文将围绕这一主题展开探讨，并提出一种基于机器学习的人脸敏感信息自动识别与保护的研究方法。

首先，我们需要明确什么是人脸敏感信息。

人脸敏感信息通常指的是与个人身份相关的信息，如人名、性别、年龄、民族、婚姻状况等。

这些信息在现实生活中被广泛使用，但在一些特定场景下，如公共场所的摄像头监控、社交媒体的图片分享等，这些信息可能会被滥用或泄露。

因此，识别人脸图像中的敏感信息并加以保护就显得十分重要。

那么，如何通过机器学习来识别人脸图像中的敏感信息呢？一种常用的方法是使用深度学习技术，如卷积神经网络（Convolutional Neural Network，CNN）。

CNN是一种可用于图像分类的机器学习模型，能够识别和提取图像中的特征。

通过训练一个CNN模型，使其能够准确识别人脸图像中的敏感信息，从而实现自动识别的功能。

在构建CNN模型时，首先需要准备包含人脸图像与敏感信息标签的训练数据集。

这些数据集可以来自于公开的人脸数据集，也可以通过标注工具手动标注获得。

训练数据集应具有广泛的代表性，涵盖各种不同的人脸图像和敏感信息。

然后，我们可以使用一种称为迁移学习（Transfer Learning）的方法，来加速CNN模型的训练过程。

迁移学习是一种利用已经训练好的模型参数，将其迁移到新任务上的技术。

通过使用在大规模图像数据集上训练得到的通用特征提取器，我们可以减少人脸敏感信息识别模型的训练时间，并提高其分类性能。

接下来，我们需要对训练好的模型进行测试和评估。

为了评估人脸敏感信息识别模型的性能，常用的指标包括准确率、召回率和F1-score等。