基于自助体检时的身份识别方法及数据处理系统与流程

本发明属于身份识别，尤其涉及一种基于自助体检时的身份识别方法及数据处理系统。

背景技术：

1、传统指纹识别系统识别准确率低：传统指纹识别系统在识别过程中容易受到指纹污损、湿润或干燥的影响，导致识别准确率降低。安全性差：指纹数据在传输和存储过程中容易被截获和复制，存在较大的安全隐患。基于磁条卡的身份识别系统易被伪造：磁条卡信息易被复制，存在被伪造的风险。易损坏：磁条卡容易磨损或消磁，导致身份识别失败。

2、通过上述分析，现有技术存在的问题及缺陷为：

3、(1)传统指纹识别系统识别准确率低：传统指纹识别系统在识别过程中容易受到指纹污损、湿润或干燥的影响，导致识别准确率降低。安全性差：指纹数据在传输和存储过程中容易被截获和复制，存在较大的安全隐患。

4、(2)基于磁条卡的身份识别系统易被伪造：磁条卡信息易被复制，存在被伪造的风险。易损坏：磁条卡容易磨损或消磁，导致身份识别失败。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于自助体检时的身份识别方法及数据处理系统。

2、本发明是这样实现的，一种基于自助体检时的身份识别方法包括：

3、-通过生物特征采集模块采集用户的指纹、虹膜和面部特征；

4、-主控模块通过数据融合模块将采集到的指纹、虹膜和面部特征进行融合处理，生成唯一的用户身份标识；

5、-通过数据加密模块使用高级加密标准aes对融合后的身份标识进行加密；

6、-通过身份识别模块将加密后的用户身份标识与数据库中的已存身份标识进行匹配；

7、-通过身份验证模块根据匹配结果进行验证；

8、-通过数据处理模块对采集的数据进行处理；

9、-通过数据存储模块使用区块链技术对加密后的身份标识进行存储。

10、进一步，所述数据融合模块采用加权平均和特征提取相结合的方法进行数据融合，所述身份识别模块采用基于哈希值的快速匹配技术，所述数据存储模块采用区块链技术进行分布式存储，确保数据的不可篡改性和可追溯性。

11、进一步，所述生物特征采集模块方法如下：

12、指纹采集：选用高分辨率的指纹传感器，包括光学或电容式传感器；

13、虹膜采集：采用专门的虹膜扫描仪，能够捕捉到虹膜的细微纹理，并转换为数字图像；

14、面部特征采集：使用3d摄像头或深度传感器进行面部扫描，捕捉面部的三维结构和特征；

15、图像预处理：对采集到的指纹、虹膜和面部图像进行预处理，包括去噪、增强和标准化；

16、特征提取：利用计算机视觉和图像处理技术提取各生物特征的关键信息，包括指纹的纹线、虹膜的纹理和面部的关键点。

17、进一步，所述数据融合模块方法如下：

18、(1)特征融合算法：开发一种算法，将指纹、虹膜和面部特征进行有效融合，生成一个统一的特征向量或标识符；

19、(2)唯一性验证：确保融合后的特征在数据库中具有唯一性，避免不同用户的特征产生冲突。

20、进一步，所述数据加密模块方法如下：

21、aes加密：使用高级加密标准aes对融合后的特征向量进行加密；

22、密钥管理：实施安全的密钥生成、分发和更新机制。

23、进一步，所述身份识别模块方法如下：

24、存储加密特征：在安全的数据库中存储加密后的特征向量和用户的身份信息；

25、索引优化：建立有效的索引结构，包括哈希表或b树。

26、进一步，所述身份验证模块方法如下：

27、匹配算法：开发高效的匹配算法，从数据库中检索和匹配用户的生物特征；

28、阈值设定：设定合理的匹配阈值。

29、本发明的另一目的在于提供一种基于自助体检时的身份识别方法的数据处理系统包括：

30、生物特征采集模块、主控模块、数据融合模块、数据加密模块、身份识别模块、身份验证模块、数据处理模块、数据存储模块；

31、生物特征采集模块，与主控模块连接，用于采集用户的指纹、虹膜和面部特征；

32、主控模块，与生物特征采集模块、数据融合模块、数据加密模块、身份识别模块、身份验证模块、数据处理模块、数据存储模块连接，用于控制各个模块正常工作；

33、数据融合模块，与主控模块连接，用于将采集到的指纹、虹膜和面部特征进行融合处理，生成唯一的用户身份标识；

34、数据加密模块，与主控模块连接，用于使用高级加密标准aes对融合后的身份标识进行加密；

35、身份识别模块，与主控模块连接，用于将加密后的用户身份标识与数据库中的已存身份标识进行匹配；

36、身份验证模块，与主控模块连接，用于根据匹配结果进行验证；

37、数据处理模块，与主控模块连接，用于对采集的数据进行处理；

38、数据存储模块，与主控模块连接，用于使用区块链技术对加密后的身份标识进行存储。

39、本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于自助体检时的身份识别方法的步骤。

40、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于自助体检时的身份识别方法的步骤。

41、本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述基于自助体检时的身份识别方法的数据处理系统。

42、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

43、本发明提供了一种基于自助体检时的身份识别方法及数据处理系统。该系统结合了多模态生物特征识别技术和数据加密传输技术，有效提高了识别准确率和安全性。

44、本发明解决了现有技术在自助体检身份识别中存在的多模态生物特征数据处理复杂、身份识别准确性低和数据安全性差的问题。传统方法通常依赖单一的生物特征进行身份识别，容易受到外部环境和技术限制的影响，导致识别错误率较高。同时，生物特征数据在传输和存储过程中容易被截取和篡改，存在较大的安全隐患。现有技术难以在不增加复杂性的前提下，提高身份识别的准确性和数据安全性。

45、本发明通过多模态生物特征采集模块，同时采集用户的指纹、虹膜和面部特征，并使用数据融合模块将多模态生物特征进行融合处理，生成唯一的用户身份标识。该方法克服了单一生物特征识别的局限性，利用多种特征的互补性，提高了身份识别的准确性和鲁棒性。尤其是在自助体检场景中，能够有效应对环境变化和用户姿态的多样性，确保识别结果的可靠性。

46、本发明采用高级加密标准(aes)对融合后的身份标识进行加密，确保数据在传输和存储过程中的安全性。通过身份识别模块使用基于哈希值的快速匹配技术，提高了身份匹配的速度和精度。结合区块链技术对加密后的身份标识进行分布式存储，保证数据的不可篡改性和可追溯性。这种多层次的数据安全保护机制，显著提升了用户生物特征数据的安全性和隐私保护水平。

47、通过本发明的方法，实现了高精度、高安全性的自助体检身份识别系统。相比现有技术，本发明不仅在识别准确性和数据安全性方面取得了显著进步，还通过优化的数据处理和融合算法，提高了系统的整体性能。该系统能够广泛应用于各种需要身份验证的自助服务场景，为用户提供便捷、安全的体检体验，具有显著的经济和社会效益。