笔迹特征解锁方法、装置、设备和介质

技术领域

本发明涉及到笔迹识别领域，具体而言，涉及到一种笔迹特征解锁方法、装置、设备和存储介质。

背景技术

随着科技的发展，人们对于终端智能产品的使用需求也变得越来越多，其中最突出的就是智能手机。由于使用的普遍性越来越高，针对智能手机信息安全保护也越来越被重视。为了保护用户的信息安全和个人隐私，当前针对智能手机的开锁和识别主要有两大类：一种是图案连接，一种是直接输入数字密码。

针对以上两种情况的解锁方式，一旦当解锁信息被他人窥视、猜测后输入，就很容易造成信息泄露的情况，从而使得屏幕解锁的安全性降低。

发明内容

本发明的主要目的为提供一种笔迹特征解锁方法、装置、设备和存储介质，旨在解决智能手机解锁密码输入安全性不高的问题。

一种笔迹特征解锁方法，包括：

构建笔迹识别模型；

获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征；其中，所述笔迹特征至少包括笔划特征与字体结构特征；

获取所述解锁文字的笔迹特征与当前用户历史笔迹特征的相似度，若所述相似度高于阈值时，执行解锁操作。

进一步的，所述构建笔迹识别模型的步骤，包括：

获取用户手写笔记的图像；

将所述图像中的文字进行分割，获取每个所述文字的笔划特征与字体结构特征；

将多个所述笔划特征与所述字体结构特征输入神经网络模型中进行训练，并对所述神经网络模型进行反向传播学习，获得所述笔迹识别模型。

进一步的，所述笔划特征至少包括横特征、竖特征、撇特征、点特征和捺特征；所述字体结构特征至少包括上下结构、上中下结构、左右结构、左中右结构、全包围结构、半包围结构、穿插结构和品字形结构。

进一步的，所述笔划特征至少还包括笔划长度、笔划力度变化关系；所述字体结构特征至少还包括笔划之间的笔划长度比例关系、笔划之间的空间距离关系。

进一步的，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之前，包括：

通过终端识别技术得到当前指定范围内的人员数量；

判断所述人员数量是否超出预设阈值；

若未超出，判定为安全环境，生成第一提示信息；

若超出，判定为非安全环境，生成第二提示信息。

进一步的，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之后，包括：

若为安全环境，将当前获取到的解锁文字的笔迹特征与预设解锁文字做对比；

若为不安全环境，将当前获取到的解锁文字的笔迹特征与所述笔迹识别模型中学习到的所述用户历史笔迹特征做对比。

进一步的，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之后，还包括：

若为安全环境，则提示用户使用笔划数不超过预设数量的文字进行解锁；

若为不安全环境，则提示用户使用笔划数超过预设数量的文字进行解锁；同时，若检测到当前用户输入的解锁文字的笔划数未超过预设数量，则重复提示；

本申请还提供一种笔迹特征解锁方法的解锁的装置，其特征在于，包括：

构建模块，用于构建笔迹识别模型；

提取模块，用于获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征；其中，所述笔迹特征至少包括笔划特征与字体结构特征；

执行模块，用于获取所述解锁文字的笔迹特征与当前用户历史笔迹特征的相似度，若所述相似度高于阈值时，执行解锁操作。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

本申请中的笔迹特征解锁方法、装置、设备和存储介质，能够通过识别用户的笔迹特征构建笔迹识别模型，在笔迹识别模型中提取解锁文字的笔迹特征，这些特征包括了笔划特征与字体结构特征，然后将所述解锁文字的笔迹特征与当前用户历史笔迹特征的相似度进行对比，达到一定阈值时就能执行解锁操作。这样用户每一次的书写，都能够通过在训练得出的特征模型提取出来的笔迹特征和当前输入的字体的特征进行直观的比对判断，不需要再去预设大体积的数据库进行一一比对，从而能够在根本上简化笔迹识别以及开锁识别的处理过程，提高了笔迹识别在处理过程中的效率。

附图说明

图1是本发明一实施例的笔迹特征解锁方法流程示意图；

图2是本发明一实施例的环境安全判断流程示意图；

图3是本发明一实施例的笔迹特征解锁装置结构示意框图；

图4为本发明一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

参照图1，本发明一实施例的一种笔迹特征解锁的方法，包括：

S1：构建笔迹识别模型；

S2:获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征；其中，所述笔迹特征至少包括笔划特征与字体结构特征；

S3：获取所述解锁文字的笔迹特征与当前用户历史笔迹特征的相似度，若所述相似度高于阈值时，执行解锁操作。

在上述实施例中，使用者在使用例如智能手机这种移动终端的时候，绝大多数都会设置屏幕密码保护以此来确认使用者身份，开启手机终端获取手机中的信息。那么在手机终端用户输入密码的过程中一旦被偷窥到相关的解锁信息，那么手机中的信息安全和个人隐私就没有办法做到更安全地被保护。所以就需要一种既能够有效保护手机终端用户的密码安全又能够便捷高效使用的密码防偷窥的方法来解决这个问题。而本申请将采用区别于传统的图案连接和数字密码输入的方式，采用笔迹识别的方式去保护用户的终端密码的安全性能。通过构建用户的笔迹识别模型将用户的笔迹特征化，然后通过用户输入的当前输入的解锁文件，提取解锁文字的笔迹特征以及每个字的结构特征，将解锁文字的笔迹特征与构建的用户笔迹识别特征进行比对，当相似度高于阈值时，就执行解锁的操作。

用户需要在本实施例实施之前，上传使用者的文字笔迹图片，以便于进行笔迹的特征训练。在使用本方法时只需要按照一定的提示进行解锁文字的输入，操作方便快捷，整体安全性高。

如上述步骤S1所述，构建笔迹识别模型，需要用户通过上传使用者关于手写文字的图文信息。由于每个图像都有它的特征，所以此时可以先通过图像识别技术对上传的图片中的每个文字进行笔迹特征的获取。所述笔划特征至少包括横特征、竖特征、撇特征、点特征和捺特征；所述字体结构特征至少包括上下结构、上中下结构、左右结构、左中右结构、全包围结构、半包围结构、穿插结构和品字形结构。加上每个人书写都有自己的习惯，书写时的着力点和转折点不同，所以呈现出来的字体的大小、粗细、形状、长度以及每个笔划之间的间隔距离也会不一样，所以将每一个字按照分割后得到的这些笔划作为笔迹特征的获取来源，形成横特征、竖特征、撇特征、点特征、捺特征...将这些分割出来的字以及每个字的结构特征作为训练集，利用训练集建立预测模型。例如获取到笔迹特征可以是将图片中的文字进行分割(比如“大”字就可以将它分割成“横”“撇”“捺”，按照独体字的结构进行记录训练)，建立预测模型是将这些字的笔划特征输入到数学模型中进行训练，从而提取出用户笔迹特征，也就是说可以从图像中的这些分割出来的小样本的笔迹特征，迁移到用户所有写字的笔迹特征，最终获取的是用户整个的一个笔迹特征。所述数学模型可以是神经网络模型，比如循环神经网络模型等。

在一个实施例中，在上述构建笔迹识别模型的步骤S1之后还需要对用户进行环境安全的判断，如图2所示，具体地，

S11：通过终端识别技术得到当前指定范围内的人员数量；

S12：判断所述人员数量是否超出预设阈值；

S13：若未超出，判定为安全环境，生成第一提示信息；

S14：若超出，判定为非安全环境，生成第二提示信息。

如上述步骤S11所示，通过终端识别技术得到当前指定范围内的人员数量；所述终端识别技术可以是采用终端摄像头通过摄像头识别出当前镜头内出现的人脸或者人头数量；或者是采用红外线或者蓝牙等从终端发送信号，识别指定的范围内的其他终端个数从而判断出指定距离的范围内是否存在其他人可能窥视到终端使用者当前输入密码的内容。

如上述步骤S12所示，判断所述人员数量是否超出预设阈值；所述预设阈值一般为2及其以上。例如当终端使用者在锁屏状态下开启屏幕时，终端上的前置摄像头开启识别，或者通过红外线蓝牙等信号发送识别信号，依据当前识别到的人脸或者终端数量量化为数值，判断是否超出预设的数值。

如上述步骤S13所示，若未超出，判定为安全环境，生成第一提示信息；如果当前识别到的人脸或者终端数量量化为数值，没有超出预设的数值，当前终端使用者的密码输入环境就会被判定为安全环境，相对应的，在屏幕上生成第一提示信息，提示用户输入固定的解锁文字，所述解锁文字可以是用户提前预设好的解锁文字。例如当前终端使用者开启了屏幕，且当前密码输入环境也被判定为了安全环境，屏幕弹出提示信息例如“请输入预设密码”或者“当前环境安全请输入预设密码”，假设用户提前预设的解锁密码为“大”字，在当前输入密码环境安全的情况下，终端使用者只需要输入“大”字进行解锁即可。

如上述步骤S14所示，若超出，判定为非安全环境，生成第二提示信息；

具体地，如果当前识别到的人脸或者终端数量量化为数值，超出了预设的数值，当前终端使用者的密码输入环境就会被判定为非安全环境，相对应的，在屏幕上生成第二提示信息，例如当前终端使用者开启了屏幕，且当前密码输入环境也被判定为了非安全环境，屏幕弹出提示信息例如“请输入非预设密码”或者“当前非安全环境请输入非预设密码”，此时用户可以输入任意输入一个非预设的密码进行解锁。

如上述步骤S2所述，获取当前用户输入的解锁文字，提取解锁文字的笔迹特征以及每个字的结构特征；例如获取到当前用户在解锁密码时输入了“牛”字，那么后台就会将获取到的“牛”字的笔迹特征以及每个字的结构特征；具体来讲就是将“牛”字分割成相应的笔划(此处可以分割为“撇”“横”“横”“竖”，独立结构。)，然后相应的获取分割后的笔迹特征和每个字的结构特征。

在一个实施例中，在上述获取当前用户输入的解锁文字，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤的S2之后，包括：

S41:若为安全环境，将当前获取到的解锁文字的笔迹特征与预设解锁文字做对比；

S42:若为不安全环境，将当前获取到的解锁文字的笔迹特征与所述笔迹识别模型中学习到的所述用户历史笔迹特征做对比。

根据步骤S41和S42所述，具体的，在安全环境下，计算机会将获取到的用户输入的文字的笔划特征与提前与预设的文字的笔划特征进行比对。比如预设文字为“牛”，那么当用户输入“牛”字之后，就会将获取到的“牛”字的笔迹特征，和提前预设“牛”字训练到的笔迹特征进行比对。像这种在安全环境下，只需输入手写“牛”字，就可以顺利解锁，因为只预设了一个解锁文字，所以该方案的解锁效率会比较快，和普通的笔迹识别相比不需要预设数据库，也不需要遍历预设的数据库里面所有的笔迹特征才能进行判断，通过数学模型学习到用户的手写笔迹特征，用户随意写一个字就可以解锁，并不需要和预设数据库中进行对比，判断的过程更加简便快捷，在保证了解锁安全系数的同时大大减轻了系统在解锁过程中的对比计算量。

在非安全环境下，计算机会将提取到的笔迹特征和后台训练到的总体笔迹特征进行对比。例如，用户本身预设置了“牛”字密码，但是在非安全环境下，用户会根据计算机弹出的提示书写其他的文字，比如“好”字，那么这个时候，则计算机就会将获取到的“好”字的笔迹特征将所述笔迹特征与后台训练出的总体笔迹特征进行比对。

可选的，在另一个实施例中，在上述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之后，还包括：

S51、若为安全环境，则提示用户使用笔划数不超过预设数量的文字进行解锁；

S52、若为不安全环境，则提示用户使用笔划数超过预设数量的文字进行解锁；同时，若检测到当前用户输入的解锁文字的笔划数未超过预设数量，则重复提示；

如步骤S51和S52所述，如果当前的解锁环境为安全环境则提示用户可以用笔划数不超过预设数量的文字进行解锁。由于智能设备的密码防护都是为了防止他人解锁保护个人隐私，但是用户往往为了保护自己的信息安全会设置比较复杂的解锁方式，虽然在一方面能够提高手机信息的安全系数，但是同时也给自己的使用过程带来了一定的麻烦，本方案在这一点设计上做出了改进。即如果当下环境已经被判定为安全环境，那么被别人偷窥或者模仿的可能性就会大大降低，此时系统提示用户采用更加简单的字体和少笔画的密码来进行解锁，减少了用户在开锁时的繁复程度，方便了用户进行开锁操作。

如果当前的开锁环境为不安全环境，就会产生提示信息，此时用户需要属于预设笔划以上的文字进行解锁(比如预设笔划为5那么这时就要输入5笔划以上的字进行解锁操作)，是因为在不安全的环境下，笔划较多的字体相对来说比较复杂，不能够轻易被别人模仿，增加了用户解锁时的安全系数。

如上述步骤S3所述，当获取的解锁文字与笔迹特征相似度高于阈值时，执行解锁操作。例如用户输入的“牛”字解锁，在获取到“牛”字的笔迹特征之后将所述笔迹特征与后台训练出的总体笔迹特征进行相似度阈值的对比。若是相似度阈值点设置为0.8，则在对比后相似度阈值大于等于0.8的时候，执行用户的解锁命令，终止锁屏状态。

在另一实施例中，所述笔划特征至少还包括笔划长度、笔划力度变化关系；所述字体结构特征至少还包括笔划之间的笔划长度比例关系、笔划之间的空间距离关系。具体的，由于每个人有着自己的握笔方式，以及书写时的力度不同，转折点、着力点也不一样，(比如有些笔划着力头轻尾重，有些笔划头重尾轻，又比如有些人写出的字体较大，所以笔划的间隔的空间也比较大)，所以每个笔划间的相互位置及长短大小关系以及笔画相互间比例关系的特点也不一样，所以这些关系特征就能够被进行记录训练从而建立预测模型。

参照图3，本申请实施例中还提供了一种笔迹特征解锁方法的解锁装置，包括：

构建模块10，用于构建笔迹识别模型；

提取模块20，用于获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征；其中，所述笔迹特征至少包括笔划特征与字体结构特征；

执行模块30，用于获取所述解锁文字的笔迹特征与当前用户历史笔迹特征的相似度，若所述相似度高于阈值时，执行解锁操作。在本申请的另一实施例中，所述构建模块10，包括：

获取单元，用于获取用户手写笔记的图像；

分割单元，用于将所述图像中的文字进行分割，获取每个所述文字的笔划特征与字体结构特征；

训练单元，用于将多个所述笔划特征与所述字体结构特征输入神经网络模型中进行训练，并对所述神经网络模型进行反向传播学习，获得所述笔迹识别模型。

本申请的另一实施例中，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之前，包括：

第一识别子单元，用于通过终端识别技术得到当前指定范围内的人员数量。

第一判断子单元，用于判断所述人员数量是否超出预设阈值；

第一提示子单元，用于若未超出，判定为安全环境，生成第一提示信息；

第二提示子单元，用于若超出，判定为非安全环境，生成第二提示信息。

本申请的另一实施例中，所述获取当前用户输入的解锁文字，利用所述笔迹识别模型，提取所述解锁文字的笔迹特征的步骤之后，还包括：

少笔划提示单元，用于若为安全环境，则提示用户使用笔划数不超过预设数量的文字进行解锁；

多笔划提示单元，用于若为不安全环境，则提示用户使用笔划数超过预设数量的文字进行解锁；同时，若检测到当前用户输入的解锁文字的笔划数未超过预设数量，则重复提示；

在本实施例中在所述提取模块20中，当用户启动屏幕之后，计算机通过判断单元根据当前的环境进行是否为安全环境的判断。具体方式体现在第一识别子单元用于通过终端识别技术得到当前指定范围内的人员数量，所述终端识别技术可以是通过前置摄像头识别所示屏幕内的所有人脸数量，可以是识别头部形状判别人数或者是人体的热成像的区分，又或者是通过蓝牙等识别终端指定范围距离之内的其他的终端个数，以此来判别当前终端开机的环境是否存在被偷窥密码的危险。

在本申请的另一实施例中，上述获取当前用户输入的解锁文字，提取解锁文字的笔迹特征以及每个字的结构特征的步骤S2之后，包括：

预设对比单元：用于若为安全环境，将当前获取到的解锁文字的笔迹特征与预设解锁文字做对比；

特征对比单元：用于若为不安全环境，将当前获取到的解锁文字的笔迹特征与所述笔迹识别模型中学习到的所述用户历史笔迹特征做对比。

参照图4，本申请实施例中还提供一种计算机设备，该设备可以是服务器。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的数据库用于存储各种笔迹数据。该设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的一种笔迹特征解锁方法。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的一种笔迹特征解锁方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。