防止账号被盗用的方法和系统

1.一种防止账号被盗用的方法，其特征在于，包括步骤：
接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；
判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用同一个所述摄像装置连续拍摄当前使用者的两张以上的人脸图像，根据所述两张以上的人脸图像组合而成一张清晰的人脸图像作为该当前使用者的实时人脸图像；
比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似；
若相似，将所述实时人脸图像补充到该人脸图像特征数据库；
若不相似，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像，并将所述实时人脸图像补充到所述疑似盗号者人脸图像特征数据库并在与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令；
根据所述两张以上的人脸图像组合而成一张清晰人脸图像的步骤包括：
从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像；
调整所述第二预设数目张模糊度最小的人脸图像的亮度值；
根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像，得到所述清晰人脸图像；
比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似的方式包括：
计算实时人脸图像与相关联的人脸图像的肤色信息的相似度；
计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度；
计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度；
根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度；
判断实时人脸图像与相关联的人脸图像的相似度是否大于预设相似度阈值，若是，判定所述实时人脸图像与所述相关联的人脸图像相似。
2.根据权利要求1所述的防止账号被盗用的方法，其特征在于：
在账号当前使用者当前所用设备不存在摄像装置时，判定账号当前使用者登录不成功。
3.根据权利要求1所述的防止账号被盗用的方法，其特征在于：
从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像的步骤包括：
将各人脸图像分别从RGB图像转换为灰度图像；
设置差值矩阵，该差值矩阵的大小分别与各所述灰度图像对应的矩阵相同；
对各灰度图像中各像素点，分别计算该像素点与该像素点的N1邻域内的各像素点的差值，并计算各差值的绝对值的和值，若和值位于预设范围内，将该和值赋值到差值矩阵中的对应位置，否则将该对应位置的值设置为预设值；
计算差值矩阵中不为预设值的各像素值的均值与方差，并根据各像素值的均值与方差确定图片模糊量；
根据各人脸图像对应的模糊量的大小筛选出第二预设数目张模糊度最小的人脸图像；
和/或
调整所述第二预设数目张模糊度最小的人脸图像的亮度值的步骤包括：
识别所述第二预设数目张模糊度最小的人脸图像的人脸区域；
将各人脸区域从RGB颜色空间转换为HSL颜色空间；
求取各人脸区域内的各像素点在HSL颜色空间内的平均亮度值，并在平均亮度值位于预设亮度范围[l1,l2]之外时，对人脸区域的各像素点的亮度值进行调整；
根据调整后的各像素点的亮度值将人脸区域从HSL颜色空间转换为RGB颜色空间；
和/或
根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像的步骤包括：
在各调整了亮度值后的人脸图像中查找出N2个兴趣点；
在任何一级迭代过程中，从N2个兴趣点中选择M个数据点拟合为一个模型，M计算N2个兴趣点中相对于所述模型的残差在预设偏差范围内的元素个数：
若元素个数大于预设个数阈值，根据一致点重新拟合模型，并用该重新拟合的模型确定所述完整的人脸图像；
若元素个数小于或者等于所述预设个数阈值，进入下一级迭代过程，直至达到最大预设迭代次数，并采用最大一致点点集组成的模型确定所述完整的人脸图像。
4.根据权利要求3所述的防止账号被盗用的方法，其特征在于:
采用下式将人脸图像从RGB图像转换为灰度图像：
gray(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)
式中，gray(x,y)表示转换为灰度图像后的像素点(x,y)的灰度值，R(x,y)表示RGB图像中像素点(x,y)的R值，G(x,y)表示RGB图像中像素点(x,y)的G值，B(x,y)表示RGB图像中像素点(x,y)的B值；
和/或
采用下式对人脸区域的各像素点的亮度值进行调整；
式中，lx表示像素点调整后的亮度值，ls表示像素点调整前的原始亮度值，lM表示调整前的最亮像素点的亮度值，lm表示调整前的最暗像素点的亮度值。
5.根据权利要求1所述的防止账号被盗用的方法，其特征在于：
所述肤色信息的相似度的计算方式包括：
扫描实时人脸图像中的各像素点，判断该像素点的像素值与对应的第一颜色数组中的像素值是否相似，若相似，将第一颜色数组中该像素值对应的数值加1，若不相似，将该像素点的像素值添加为第一颜色数组中的像素值，并将对应的数值加1；
扫描相关联的人脸图像中的各像素点，判断该像素点的像素值与对应的第二颜色数组中的像素值是否相似，若相似，将第二颜色数组中该像素值对应的数值加1，若不相似，将该像素点的像素值添加为第二颜色数组中的像素值，并将对应的数值加1；
统计第一颜色数组与第二颜色数组中的像素值相似且对应的数值的差值在预设差值范围内的像素值个数，并根据该像素值个数确定肤色信息的相似度；
和/或
所述人脸结构信息的相似度的计算方式包括：
确定所述实时人脸图像的人脸权值向量、所述相关联的人脸图像的人脸权值向量，并根据所述实时人脸图像的人脸权值向量、所述相关联的人脸图像的人脸权值向量确定所述人脸结构的相似度；
所述人脸权值向量为 其中，O1O2表示双眼
之间的距离，OA表示双眼中心至鼻子的距离，OB表示双眼中心至嘴巴的距离，OC表示双眼中心至下巴的距离，EF表示双耳之间的距离，OD表示双眼中心至头顶的距离，k1、k2、k3、k4、k5分别表示对应的权值；
和/或
所述人脸轮廓的相似度的计算方式包括：
获取实时人脸图像的边缘二维数组、相关联的人脸图像的边缘二维数组；
将实时人脸图像的边缘二维数组的大小转化为与相关联的人脸图像的边缘二维数组的大小相同；
求取转化后的实时人脸图像的边缘二维数组到相关联的人脸图像的边缘二维数组的第一平均最小距离d1，以及相关联的人脸图像的边缘二维数组到转化后的实时人脸图像的边缘二维数组的第二平均最小距离d2；
根据所述第一平均最小距离d1、所述第二平均最小距离d2确定所述人脸轮廓的相似度。
6.根据权利要求5所述的防止账号被盗用的方法，其特征在于：
采用 确定人脸结构的相似度，式中，s2表示人脸结构的相似度，l1表示实时人脸图像的人脸权值向量，l2表示相关联的人脸图像的人脸权值向量；
和/或
采用 确定所述人脸轮廓的相似度，式中，s3表示
人脸区域的相似度，w表示人脸区域的图像的宽度值，h表示人脸区域的图像的高度值，d1表示所述第一平均最小距离，d2表示所述第二平均最小距离。
7.根据权利要求1至6任意一项所述的防止账号被盗用的方法，其特征在于，还包括下述任意一项或者任意组合：
在所述实时人脸图像与所述相关联的人脸图像相似时，还确定当前使用者登录该账号的地理位置信息，并将该地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信终端；
在判定出疑似盗号者人脸图像特征数据库中有与所述实时人脸图像相似的疑似盗号者人脸图像时，还确定当前使用者登录该账号的地理位置信息，并将该地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信终端。
8.一种防止账号被盗用的系统，其特征在于，包括：
登录信息接收单元，用于接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；
摄像控制单元，用于判断账号当前使用者当前所用设备是否存在摄像装置，并在有摄像装置时，控制同一个所述摄像装置连续拍摄当前使用者的两张以上的人脸图像，并根据所述两张以上的人脸图像组合而成一张清晰人脸图像作为该当前使用者的实时人脸图像；
登录控制单元，用于在账号当前使用者当前所用设备不存在摄像装置时或者在关联人脸图像相似度判定单元判定结果为不相似时，判定账号当前使用者登录不成功；
关联人脸图像相似度判定单元，用于比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似，并在相似时将所述实时人脸图像补充到该人脸图像特征数据库，在不相似时将所述实时人脸图像补充到疑似盗号者人脸图像特征数据库；
疑似盗号者判定单元，用于在关联人脸图像相似度判定单元判定结果为不相似时，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像；
报警单元，用于在疑似盗号者判定单元判定出与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令；
所述摄像控制单元包括：
图像筛选单元，用于从所述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像；
亮度值调整单元，用于调整所述第二预设数目张模糊度最小的人脸图像的亮度值；
组合单元，用于根据所述调整了亮度值后的人脸图像合成一张完整的人脸图像，得到所述清晰人脸图像；
所述关联人脸图像相似度判定单元包括：
肤色信息相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的肤色信息的相似度；
人脸结构相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度；
人脸轮廓相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度；
相似度综合确定单元，用于根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度。
9.根据权利要求8所述的防止账号被盗用的系统，其特征在于，还包括：
位置信息获取单元，用于在所述实时人脸图像与所述相关联的人脸图像相似时、和/或在判定出疑似盗号者人脸图像特征数据库中有与所述实时人脸图像相似的疑似盗号者人脸图像时，确定当前使用者登录该账号的地理位置信息；
信息组合发送单元，用于将所述地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信终端。

防止账号被盗用的方法和系统\n技术领域\n[0001] 本发明涉及计算机通信技术领域，特别涉及一种防止账号被盗用的方法、一种防止账号被盗用的系统。\n背景技术\n[0002] 随着制卡技术的发展，现在已经广泛使用的包括储蓄卡、信用卡等在内的银行卡，为消费者提供了便捷的支付方式，越来越多的用户习惯于用银行卡、信用卡等在ATM机上提取现金、以及在消费进行费用支付。但近年来，犯罪分子常常利用银行卡在安全上的弱点窃取他人的银行卡信息和消费密码，盗用其账号并从中获取钱财，给受害者造成了巨大的经济损失。同时，互联网的日益普及带给我们更多的网络产品，需要运用到的账号也越来越多，包括网络购物的电子商务账号、网上支付账号、即时通讯账号、社交网络账号等等。随之而来的是，互联网账号被盗的情况也更加严重，不法分子通过故意冒用或者盗取他人账号，一方面窃取账号所有人的隐私信息，另一方面通过该账号发布非法消息，给所有人带来形象名誉等方面的损失，更严重的甚至通过该账号与账号所有者的好友联系，通过“借钱”、“寻求帮助”等欺骗或诈骗手段非法牟利，给账号所有者的亲人及朋友带来伤害。\n[0003] 所以，无论是银行卡还是网络账号等账号被人盗用，都会带账号所有者带来麻烦甚至于是经济损失，尤其是在越来越多的网络平台推行注册实名制以后，每一个账号都存在用户的真实信息，一旦被冒用或者盗用，后果不堪设想。\n发明内容\n[0004] 基于此，针对上述现有技术中存在的问题，本发明的目的在于提供一种防止账号被盗用的方法、一种防止盗号被盗用的系统，其可以方便账号所有者及时了解自己账户的使用情况，且方便维权。\n[0005] 为达到上述目的，本发明采用以下技术方案：\n[0006] 一种防止账号被盗用的方法，包括步骤：\n[0007] 接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；\n[0008] 判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像；\n[0009] 比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似；\n[0010] 若相似，将所述实时人脸图像补充到该人脸图像特征数据库；\n[0011] 若不相似，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像，并在与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令。\n[0012] 一种防止账号被盗用的系统，包括：\n[0013] 登录信息接收单元，用于接收用户登入请求信息，所述用户登入请求信息包括账号及对应的密码；\n[0014] 摄像控制单元，用于判断账号当前使用者当前所用设备是否存在摄像装置，病在有摄像装置时，控制该摄像装置拍摄该当前使用者的实时人脸图像；\n[0015] 关联人脸图像相似度判定单元，用于比对所述实时人脸图像与人脸图像特征数据库中与所述账号相关联的人脸图像是否相似，并在相似时将所述实时人脸图像补充到该人脸图像特征数据库；\n[0016] 疑似盗号者判定单元，用于在关联人脸图像相似度判定单元判定结果为不相似时，搜索并判断疑似盗号者人脸图像特征数据库中是否有与所述实时人脸图像相似的疑似盗号者人脸图像；\n[0017] 报警单元，用于在疑似盗号者判定单元判定出与所述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令。\n[0018] 根据上述本发明方案，其不仅使用传统的密码登陆账号，还实时采集账号的当前使用者的人脸图像信息，并将该实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，如果比对成功，则允许当前使用者登陆账号，并将该实时人脸图像补充到该账号对应的人脸图像特征数据库，方便后续的判断，如果比对不成功，则判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在有第一预设数目张以上的疑似盗号者人脸图像的情况下，说明此人经常试图盗用他人账号，发出报警指令，从而可以据此方便账号所有者及时了解自己账号的使用情况，且便于维权。\n附图说明\n[0019] 图1是本发明的防止账号被盗用的方法实施例的流程示意图；\n[0020] 图2是人脸结构特征的示意图；\n[0021] 图3是一个具体示例中账号为银行卡账号时本发明方法的流程示意图；\n[0022] 图4是一个具体示例中账号为网络账号时本发明方法的流程示意图；\n[0023] 图5是本发明的防止账号被盗用的系统实施例的结构示意图。\n具体实施方式\n[0024] 以下结合其中的较佳实施方式对本发明方案进行详细阐述。\n[0025] 在本发明方案中，考虑到随着宽带速度增加，使用网络视频等聊天的用户越来越多，视频摄像头几乎家家都有，并且摄像头等已经成为众多笔记本型计算机的标准内建装置。3G时代的到来，伴随采用苹果和Android操作系统的智能手机等的逐步普及，使得图片、音乐、文字等多媒体信息可以以多种方式在同一界面显示，例如彩信、微信、3G无线通信等等，使得通过通信终端接收这种组合信息变得更加便利。因此，在本发明方案中，考虑到结合视频摄像、拍照等摄像装置来实现对账号被盗用的防护，并在此基础上可以通过彩信、微信、3G无线通信等形式向用户的通信终端发送信息，以对便于用户及时知晓账号的动态或者异常等情况。\n[0026] 图1中示出了本发明的防止账号被盗用的方法实施例的流程示意图，如图1所示，本实施例中的方法包括步骤：\n[0027] 步骤S101：接收用户登入请求信息，这里的用户登入请求信息包括账号及对应的密码；\n[0028] 步骤S102：判断账号当前使用者当前所用设备是否存在摄像装置，若是，采用该摄像装置拍摄该当前使用者的实时人脸图像；\n[0029] 步骤S103：将上述实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，判断二者是否相似，若相似，进入步骤S104，若不相似，进入步骤S105；\n[0030] 步骤S104：将该实时人脸图像补充到该账号对应到的人脸图像特征数据库；\n[0031] 步骤S105：搜索并判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在疑似盗号者人脸图像特征数据库中有与该实时人脸图像相似的第一预定数目张以上的疑似盗号者人脸图像，发出报警指令。\n[0032] 根据如上所述的本实施例中的防止账号被盗用的方法，其不仅使用传统的密码登陆账号，还实时采集账号的当前使用者的人脸图像信息，并将该实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像进行比对，如果比对成功，则允许当前使用者登陆账号，并将该实时人脸图像补充到该账号对应的人脸图像特征数据库，方便后续的判断，如果比对不成功，则判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像，并在有第一预设数目张以上的疑似盗号者人脸图像的情况下，说明此人经常试图盗用他人账号，发出报警指令，从而可以据此方便账号所有者及时了解自己账号的使用情况，且便于维权。\n[0033] 如上所述的防止账号被盗用的方法，除了可以使用传统的密码进行登录，还可以同时采用验证码、加密等其他传统的方式来通过用户登入请求信息实现账号的登录。\n[0034] 拍摄实时人脸图像的摄像装置，可以是采用账号当前使用者所用设备的自有设备，例如笔记本电脑的摄像头、手机的摄像头、ATM机设备摄像头、设备外接的摄像头等。具体操作时，以ATM机设备为例，在其中一种实现方式中，在检测到用户进入登陆界面、或者在ATM机插入银行卡时，可自动启用与设备相连接的摄像头等摄像装置，该摄像装置进行拍照的过程可以是在后台进行，或者也可以是在用户输入账号和密码的同时自动进行，账号使用者感觉不到摄像头在拍照，拍照获得人脸实时图像的过程也不会对使用者的流程造成任何影响。在此情况下，由于拍照是在用户进入登陆界面时、在输入登陆账号和密码时、或者是在ATM机插入银行卡时进行，因此，无论用户是否在正确输入密码以及是否成功登录都能够触发拍照功能，可以据此查到试图想冒用或者盗用自己账号的人的信息。\n[0035] 另一方面，若当前使用者当前所使用的设备没有摄像装置或者无法启动该摄像装置，在用户输入的账号、密码等信息正确的情况下，则可以允许该当前使用者以默认的权限进行使用，出于安全性考虑，可设置为即便是用户输入的账号及密码是正确的，也不允许用户登录或者说用户登录失败。\n[0036] 在启用设备的摄像装置进行拍照时，例如对于PC机端、Android手机端、iPhone手机端、ATM机端、带摄像头的其他手机等设备，可以采用已有的方式调用其已有的接口来启动，实现对实时人脸图像的拍摄，在此不予多加赘述。\n[0037] 在采用摄像装置进行拍摄得到实时人脸图像时，可以只拍摄一次，并将拍摄的该人脸图像作为上述需要应用的实时人脸图像。然而，在实际情况中，由于拍摄时所在环境、光线、角度等影响，只拍摄一张的话可能无法观看到清晰的人脸图像，无法准确的从该照片中识别出人脸图像。因此，本发明方案在实施时，可以是通过拍摄装置连续拍摄当前使用者两张以上的人脸图像，具体连续拍摄的次数可以根据实际需要进行设定，然后根据这些连续拍摄的多张人脸图像确定出上述需要使用的实时人脸图像。\n[0038] 在其中一种实现方式中，在通过连续拍摄得到多张人脸图像之后，可以通过对各人脸图像的清晰度进行分析，从中选择出清晰度最高的人脸图像作为实时人脸图像。\n[0039] 在另外一种实现方式中，在通过连续拍摄得到多张人脸图像后，可以对这多张人脸图像进行组合，得到一个组合后的清晰人脸图像。以下针对这种方式进行详细说明。\n[0040] 在根据连续拍摄的两张以上的人脸图像组合为清晰人脸图像时，由于真实环境的影响，例如光亮明暗程度、背景杂乱、角度偏移等等，会使得所拍摄或者捕获到的图像质量不高，因此，可以是先进行相关的预处理过程后，再进行图像合成的过程，据此，具体的过程可以包括：\n[0041] 从上述连续拍摄的多张人脸图像中筛选出第二预设数目张模糊度最小的人脸图像；\n[0042] 调整上述第二预设数目张模糊度最小的人脸图像的亮度值；\n[0043] 根据上述调整了亮度值后的人脸图像合成一张完整的人脸照片，得到上述组合后的清晰人脸图像。\n[0044] 其中，上述筛选出第二预设数目张模糊度最小的人脸图像、以及调整这些人脸图像的亮度值的过程即为上述具体合成人脸图像前的预处理过程。\n[0045] 在从连续拍摄的多张人脸图像中筛选出第二预设数目张模糊度最小的人脸图像时，具体过程可如下所述。\n[0046] 首先，将拍摄得到的各人脸图像分别从RGB图像转换为灰度图像，在转换为灰度图像时，可以采用各种方式来进行，在其中一种方式中，可以采用下式进行转换：\n[0047] gray(x，y)＝0.3R(x，y)+0.59G(x，y)+0.11B(x，y)\n[0048] 其中，gray(x，y)表示转换为灰度图像后的像素点(x，y)的灰度值，R(x，y)表示RGB图像中像素点(x，y)的R值，G(x，y)表示RGB图像中像素点(x，y)的G值，B(x，y)表示RGB图像中像素点(x，y)的B值；\n[0049] 经过上述转换后，可将图片转化为由各像素点的灰度值gray(x，y)组成的灰度图像，该灰度图像中的各像素点的灰度值构成了一个灰度矩阵，后续的过程实际上可针对该灰度矩阵进行。\n[0050] 然后，设置差值矩阵，该差值矩阵的大小分别与各灰度图像对应的矩阵相同，为便于计算，该差值矩阵中的各元素值可预先进行初始化，即将差值矩阵中的各元素的元素值设定为预设值，当然，也可以是在后续过程中直接对差值矩阵中的各元素的元素值进行赋值。\n[0051] 随后，对各灰度图像中各像素点，分别计算该像素点与该像素点的N邻域内的各像素点的差值，N可以根据实际需要进行设定，例如N为8，即计算8邻域内的各像素点的差值，并计算各差值的绝对值的和值，若和值位于预设范围内，则将该和值赋值到差值矩阵中的对应位置，否则将该对应位置的值设置为预设值，在采用预设值对差值矩阵进行了初始化的情况下，则可以不对差值矩阵中的对应位置的值进行改变。\n[0052] 在对灰度图像中的各像素点均扫描完毕后，计算差值矩阵中不为预设值的各像素值的均值与方差，并对均值与方差分别赋予对应的权值，然后根据各像素值的均值与方差、以及对应的全职确定图片模糊量，具体可采用下式进行：\n[0053] F＝a*e+b*v\n[0054] 式中，e表示均值，a表示均值e的权值，v表示方差，b表示方差v的全职，F表示图片的模糊量；\n[0055] 在得到各人脸图像的模糊量后，即可根据各人脸图像对应的模糊量的大小筛选出第二预设数目张模糊度最小的人脸图像。\n[0056] 其中，针对上述差值矩阵，通过上述具体过程可以得知，预设值的具体数值的大小跟后续计算无关，因此，预设值的大小可依据实际需要进行设定，考虑到像素点与其N邻域内的邻近像素点差值的绝对值的和值通常都大于0，且该和值有可能为任意整数值，因此，在通常情况下，上述预设值可设置为0，以方便计算且不至于与和值相混淆。当然，该预设值也可以根据需要设定为其他值，只要不会与和值相混淆即可。\n[0057] 在得到第二预设数目张模糊度最小的人脸图像后，即可针对这第二预设数目张模糊度最小的人脸图像进行亮度值的调整，在对亮度值进行调整时，可以只针对人脸区域进行，据此，对亮度值进行调整的过程可以是：\n[0058] 首先，识别出各人脸图像的人脸区域，识别人脸区域的过程可以采用现有技术中已有的方式进行；\n[0059] 然后，将识别出的各人脸区域从RGB颜色空间转换为HSL颜色空间，相当于是将人的肤色从RGB颜色空间转换为HSL颜色空间，HSL颜色空间会将亮度信息从彩色中分离出来，从而可以通过表现亮度值的L分量来判断图像的明暗情况，具体可以是：\n[0060] 分别求取各人脸区域内的各像素点在HSL颜色空间内的平均亮度值，即平均L值，可记为亮度值lo，然后判断该亮度值lo是否在预先设定的亮度范围[l1，l2]内，当平均亮度值lo不在预设亮度范围[l1，l2]内时，说明图像的亮度不符合要求，需要对图像的人脸区域各像素的亮度值进行调整，具体的调整可采用下式进行：\n[0061] \n[0062] 式中，lx表示像素点调整后的亮度值，ls表示像素点调整前的原始亮度值，lM表示调整前的最亮像素点的亮度值，lm表示调整前的最暗像素点的亮度值。\n[0063] 当然，也可以是在计算出了调整后的平均亮度值后，再根据调整后的平均亮度值对给像素点的亮度值进行调整。可采用下式对平均亮度值进行调整：\n[0064] 其中，\n[0065] 式中，lx表示像素点调整后的亮度值，ls表示像素点调整前的原始亮度值，l′0表示调整后的平均亮度值，l0表示调整前的平均亮度值，lM表示调整前的最亮像素点的亮度值，lm表示调整前的最暗像素点的亮度值。\n[0066] 在对图像的人脸区域的亮度值调整后，再根据调整后的各像素点的亮度值将人脸区域从HSL颜色空间转换为RGB颜色空间，从而完成了图像明暗度的调整。\n[0067] 在得到调整了亮度值的人脸图像后，即可根据调整了亮度值后的人脸图像合成一张完整的人脸照片。在合成人脸图片时，由于后续过程中的比对可以不需要人脸区域的每个像素点，可以只采集有代表性的点进行对比，因此，在通过调整了亮度值后的人脸图像合成一张完整的人脸照片时，也可以不是合成一整完整的图片，而是可以用不同角度下的图片得到整个人脸区域的有代表性的点。\n[0068] 据此，合成完整的人脸图片的过程可以如下所述：\n[0069] 在各调整了亮度值后的人脸图像中查找出兴趣点，从而得到各人脸图像中的共计n个兴趣点，在一个具体方式中，这里的兴趣点可以是指人脸图像中人脸区域的边缘点；\n[0070] 在任何一级迭代过程中，从n个数据点中选择m个数据点拟合为一个模型，这里的拟合模型，是指拟合为一个人脸模型；\n[0071] 计算n个数据点中相对于上述拟合的模型的残差在预设偏差范围内的元素个数：\n[0072] 若元素个数大于预设个数阈值，根据一致点重新拟合模型，并用该重新拟合的模型确定所述完整的人脸图像；\n[0073] 若元素个数小于或者等于所述预设个数阈值，进入下一级迭代过程，直至达到最大预设迭代次数，并采用最大一致点点集组成的模型确定所述完整的人脸图像。\n[0074] 在一个具体实现方式中，具体可以是：\n[0075] 首先在图像中找出“兴趣点”，在本发明方案中，该兴趣点可以是指人脸图像中人脸区域的边缘点，并用描述局部亮度属性的特征向量来表示它们，在其他图像中找出具有匹配的特征向量的兴趣点，具体的找出具有匹配的特征向量的方式可以结合现有技术中已有的方式进行，例如最小距离算法等等，当两张图中具有大量可能匹配的兴趣点时，这对图像就是一个候选的重叠图像对；\n[0076] 如果两幅图是重叠的，它们之间的差别可以描述为拍摄的3种可能的旋转和焦距的变化，共有4个参数，假设m＝4，在足够多的匹配点上推导出最好的可能参数集，进一步可以验证这些匹配的质量，综合确定拍摄参数。\n[0077] 将不同角度下拍摄的人脸照片合成时，可以采用随机抽样一致算法来进行，具体可以是：\n[0078] 假设要将n个数据点X＝{x1，x2，...，xn}拟合为一个由至少m个点决定的模型(m＜n，对于直线则m＝2)；\n[0079] 设迭代计数k＝1；\n[0080] 从X中随机选取m个项并拟合一个模型；\n[0081] 预设偏差a，计算X中相对于模型的残差在偏差a内的元素个数：\n[0082] 如果元素个数大于阈值t，根据一致点集重新拟合模型，具体可以利用最小二乘或其变种或者其他方式来进行，算法终止；\n[0083] 如果元素个数小于阈值t，令k＝k+1，如果k小于一个事先给定的K，即还未达到预设的最大迭代次数，则返回，重新从X中随机选取m个项并拟合一个模型，否则采用具有迄今最大的一致点点集的模型作为合成结果，或者也可以直接判定算法失败。\n[0084] 在通过上述方式得到实时人脸图像后，将该实时人脸图像与人脸图像特征数据库中与当前账号相关联的人脸图像进行比对，比较实时人脸图像与跟其相关联的人脸图像的相似度，如果相似度达到预设的相似度阈值，则可以判定实时人脸图像与该相关联的人脸图像是相似的，否则就判定不相似。\n[0085] 在计算实时人脸图像与跟其相关联的人脸图像的相似度时，可以结合不同角度的相似度进行综合判定，具体可以是：\n[0086] 计算实时人脸图像与相关联的人脸图像的肤色信息的相似度；\n[0087] 计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度；\n[0088] 计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度；\n[0089] 根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度。\n[0090] 当前，根据实际需要，也可以只选择肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度等中的一个或者其中两个，例如只考虑人脸结构信息的相似度、人脸轮廓信息的相似度等等。在下述说明中，以同时应用这三种相似度为例进行说明。\n[0091] 在计算肤色信息的相似度时，在其中一种实现方式中，具体可以是：\n[0092] 扫描实时人脸图像中的各像素点，判断该像素点的像素值与对应的第一颜色数组中的像素值是否相似，若相似，将第一颜色数组中该像素值对应的数值加1，若不相似，将该像素点的像素值添加为第一颜色数组中的新的像素值，并将对应的数值加1；\n[0093] 扫描相关联的人脸图像中的各像素点，判断该像素点的像素值与对应的第二颜色数组中的像素值是否相似，若相似，将第二颜色数组中该像素值对应的数值加1，若不相似，将该像素点的像素值添加为第二颜色数组中的新的像素值，并将对应的数值加1；\n[0094] 统计第一颜色数组与第二颜色数组中像素值相似且对应的数值也相近的像素值个数，并根据该像素值个数确定肤色信息的相似度。在判断相近时，如果两个数值的差值在预设的差值范围内，则判定这两个差值是相近的。\n[0095] 然而，由于肤色信息的判断通常只针对人脸区域有效，图像中除了人脸区域的部分通常都是图像背景，可以不作为考虑因素，因此，在计算肤色信息的相似度时，也可以是只针对图像的人脸区域进行。据此，可以采用如下方式计算肤色信息的相似度。\n[0096] 首先对实时人脸图像以及待对比的相关联的人脸图像进行人脸区域定位，即分别确定实时人脸图像与相关联的人脸图像中的人脸区域，确定人脸区域的方式可以采用现有技术中已有的方式进行，在此不予赘述。\n[0097] 然后分别在实时人脸图像与相关联的人脸图像的人脸区域中统计所有可能的肤色值，具体可以是如下所述。\n[0098] 以实时人脸图像为例，设置颜色数组colors(color，count)；\n[0099] 依次扫描实时人脸图像的人脸区域中的每个像素点，将该像素点的颜色值与颜色数组colors中的每一个元素中的颜色值color相比较，判断这两个颜色值是否相似，如果相似则将颜色数组中该颜色值color对应的count加1，如果都不相似，则将该颜色值添加到colors，并将其对应的count设置为1，其中，判断两个颜色值是否相似的方式可以采用现有技术中已有的方式，在此不予赘述；\n[0100] 在将人脸区域内的每个像素点都扫描一遍后，可得到实时人脸图像的人脸区域中所有相似颜色的分组统计信息。\n[0101] 类似地，对相关联的人脸图像也执行上述颜色统计过程，从而得到分别对应于实时人脸图像与相关联的人脸图像的两个颜色数组的分组统计信息。\n[0102] 然后，找到这两个颜色数组中所对应的相似颜色值，判断相似颜色值对应的count值是否接近，即实时人脸图像与相关联的人脸图像的人脸区域中具有该相似颜色值的像素点的数目是否相近，当相近时，例如，当差值的绝对值小于预设阈值c1时，则将相似颜色计数k加1，考虑所有的颜色后，从而可以得到相似颜色的种类数目，据此可得到肤色信息的相似度为：\n[0103] \n[0104] 式中，s1表示计算得到的肤色信息的相似度，k表示上述统计得到的相似颜色的种类数目，k0为预设设定的标准值。\n[0105] 在计算人脸结构信息的相似度时，所说的人脸结构通常指双眼距离、眼鼻距离、鼻嘴距离等距离，具体可通过下述方式进行计算：\n[0106] 确定实时人脸图像的人脸权值向量、相关联的人脸图像的人脸权值向量，并根据实时人脸图像的人脸权值向量、相关联的人脸图像的人脸权值向量确定所述人脸结构的相似度；\n[0107] 其中，人脸权值向量可记为 其中，O1O2\n表示双眼之间的距离，OA表示双眼中心至鼻子的距离，OB表示双眼中心至嘴巴的距离，OC表示双眼中心至下巴的距离，EF表示双耳之间的距离，OD表示双眼中心至头顶的距离，k1、k2、k3、k4、k5分别表示对应的权值。\n[0108] 图2中示出了人脸结构特征的示意图，图2所示中，双眼分别被标记为O1、O2，双眼中心被标记为O，鼻子、嘴巴、下巴、头顶分别被标记为A、B、C、D，左右耳分别被标记为E、F，据此可以得到一个5维向量\n[0109] 分别为各向量赋予对应的权值，从而得到一个5维的人脸权值向量\n[0110] 然后，即可根据实时人脸图像的人脸权值向量l1、以及相关联的人脸图像的人脸权值向量l2，计算得到人脸结构的相似度：\n[0111] \n[0112] 式中，s2表示人脸结构的相似度，l1表示实时人脸图像的人脸权值向量，l2表示相关联的人脸图像的人脸权值向量。\n[0113] 在计算人脸轮廓的相似度时，可以采用下述方式来进行：\n[0114] 获取实时人脸图像的边缘二维数组、相关联的人脸图像的边缘二维数组；\n[0115] 将实时人脸图像的边缘二维数组的大小转化为与相关联的人脸图像的边缘二维数组的大小相同；\n[0116] 求取转化后的实时人脸图像的边缘二维数组到相关联的人脸图像的边缘二维数组的第一平均最小距离，以及相关联的人脸图像的边缘二维数组到转化后的实时人脸图像的边缘二维数组的第二平均最小距离；\n[0117] 根据所述第一平均最小距离、所述第二平均最小距离确定所述人脸轮廓的相似度。\n[0118] 在计算人脸轮廓的相似度的一个具体实现方式中，在获取边缘二维数组时，可以采用Canny算法找到人脸区域里所有的轮廓信息。\n[0119] Canny算法是一种新的边缘检测方法，它对白噪声影响的阶跃型边缘是最优的。阶跃边缘由位置、方向和可能的强度来确定。图像与一对称2D高斯做卷积后再沿梯度方向微分，就构成了一个简单而有效的方向算子。G是2D高斯，将图像与G_n做卷积，G_n是G沿n方向的一阶方向导数，则有：\n[0120] \n[0121] 其中，方向n应与边缘垂直，可以得到基于平滑梯度方向的一个可靠估计。如果f是图像，则边缘的法向n可以按下式估计：\n[0122] \n[0123] 边缘位于G_n与图像f卷积在n方向上的局部最大值位置处\n[0124] \n[0125] 将(1)式的G_n代入(3)式得，\n[0126] \n[0127] (4)式中卷积和微分是满足结合律的运算，故可以先将图像f与一对称的高斯G做卷积，再利用式(2)计算出方向n的估计值，计算二阶方向导数。边缘的强度可按下式计算：\n[0128] \n[0129] 因此，具体实现时，可首先将图像f与尺度为σ的高斯函数作卷积，然后针对图像中的每个像素，用式(2)估计局部边缘的法向n，用式(4)找到边缘的位置，用式(5)计算边缘强度，然后对边缘图像作滞后阈值化处理，消除虚假响应，对于递增的标准差σ，可重复上述步骤，然后可用特征综合方法，收集来自多尺度的最终的边缘信息。在其中一个实施例中，可首先标记出所有由最小尺度算子得到的突出边缘。假定具有较大尺度σ的算子的边缘根据它们合成得到，然后将合成得到的边缘响应与较大尺度σ的实际边缘响应作比较，仅当它们比通过合成预测的响应显著地强时，才将其标记为边缘。\n[0130] 将边缘信息存储在二维数组中，即申请与人脸同样大小的bool型二维数组，是边缘的点上设置为true，否则为false，从而得到上述边缘二维数组。\n[0131] 分别从实际人脸图像和人脸图像特征数据库中存储的相关联的人脸图像中获取了边缘二维数组后，先将这两个边缘二维数组转化为相同大小，再计算其距离，以确定它们的相似度。将两个边缘二维数组转化为相同大小的方式可以采用现有技术中已有的方式进行，例如采用双线性插值算法进行等等，在此不予赘述。\n[0132] 据此，计算人脸区域相似度的方式具体可以是：\n[0133] 将实时人脸图像的边缘二维数组Mf的大小转化为与人脸图像特征数据库中存储的相关联的人脸图像的边缘二维数组M0相同。再比较Mf与M0的距离，比较Mf与M0的距离的方式可以采用任何一种可能的方式进行，在其中一个具体实施例中，可以通过平均最小距离来比较。\n[0134] 以通过平均最小距离来比较为例，具体过程可以是：\n[0135] 先计算Mf到M0的平均最小距离：\n[0136] 从上到下，从左到右循环访问Mf中的每一个点(i，j)，如果(i，j)为边缘，则在M0的(i，j)坐标周围找最近的边缘点，并求其距离dij，最后计算所有不大于某个预先设定的最大距离阈值(例如10)的dij的平均值，即可得到Mf到M0的平均最小距离d1(即上述第一平均最小距离)。\n[0137] 用相同的方法可以得M0到Mf的平均最小距离d2(即上述第二平均最小距离)，[0138] 最后可得用轮廓信息检测的人脸区域相似度为：\n[0139] \n[0140] 上式中，s3表示人脸区域的相似度，w表示人脸区域的图像的宽度值，h表示人脸区域的图像的高度值。\n[0141] 在得到肤色信息的相似度s1、人脸结构信息的相似度s2、人脸轮廓的相似度s3后，对这三种相似度进行加权求和即可得到实时人脸图像与相关联的人脸图像的相似度为：\n[0142] s＝s1*k1+s2*k2+s3*k3\n[0143] 其中，k1、k2、k3分别表示肤色信息的相似度s1、人脸结构信息的相似度s2、人脸轮廓的相似度s3的加权系数。\n[0144] 依据图1所示的本发明的方案，在账号及对应的密码验证通过且实时人脸图像与人脸图像特征数据库中与该账号相关联的人脸图像相似的情况下，可以允许用户登录。为了能够让账号所有者及时了解自己账号的使用情况，在密码验证通过且比对成功的情况下，还可以确定当前使用者登录该账号的地理位置信息，并将该地理位置信息与该实时人脸图像组合后发送给账号所有者对应的通信终端。\n[0145] 其中，确定登录该账号的地理位置信息的方式，可以采用现有技术中已有的方式进行，例如通过GPS定位方式来确定账号的地理位置信息，或者是，在通过特定设备来登录账号的情况下，例如ATM柜员机等设备，在ATM柜员机设置安装后，一般都不会进行移动，因此，也可以在设置安装ATM柜员机后，ATM柜员机内部可设置有其地理位置信息，在通过ATM柜员机向服务器等发送登入请求信息或者实时人脸图像时，可同时将其自身的地理位置信息进行发送，具体的实现方式在此不予赘述。\n[0146] 在将地理位置信息与该实时人脸图像组合时，可以是组合后将组合后的信息以各种可能的方式发送给账号所有者对应的通信终端，例如通过彩信、微信、3G无线通信等等。\n[0147] 考虑到通信网络流量的问题，发送给通信终端的图片不宜过大，只要能够从图片中辨别出人脸即可。因此，在将地理位置信息与实时人脸图像组合发送之前，还可以对图片进行适当的压缩，具体的压缩过程在此不予赘述。经实验发现，在长、宽为32像素的情况下也可以对人脸进行大致的辨认。\n[0148] 另一方面，将图片转化为JPG格式可以大大减少其大小，而且JPG图片有一个质量参数，可以设置为1-100，数值越大质量越好，而实际上，质量为60和质量为100的图片在肉眼看来差别很小，几乎没有差别，不会影响人脸的辨别效果，而大小却会减少1/3，因此，可以选择以JPG图片的方式将图片发送给通信终端。\n[0149] 在用户接收后，如果觉得图片过小，可以通过答复特定的信息，然后根据该特定的信息再向用户终端发送一个大点的图片，从而使得用户可以获取较大一点的图片，来更好的对图片中的人脸进行辨识，例如长、宽为50的图片。\n[0150] 在实时人脸图像与人脸图像特征数据库中与当前账号相关联的人脸图像比对不成功的情况下，在搜索并判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像时，具体的判断相似的方式可以与上述判断实时人脸图像与相关联的人脸图像时的相同，在此不予赘述。\n[0151] 在疑似盗号者人脸图像特征数据库中有与实时人脸图像相似的第一预定数目张以上的疑似盗号者人脸图像时，说明此人多次试图盗用他人账号，可发送报警指令。报警指令的发送方式，可以依据实际应用场景等做不同的设定，例如启动预警系统，通知当前使用者当前所处位置附近的安保人员等进行相关安保处理或者移交公安机关等等，例如通过向账号所在应用系统(例如银行卡账户所在的银行系统)发出报警指令，以提示附近的安保人员进行相关处理等等，或者也可以是有其他的报警方式。这里的第一预定数目的设定，可以根据实际需要进行设定，可以取任何一个自然数。\n[0152] 另外，在疑似盗号者人脸图像特征数据库中有与实时人脸图像相似的疑似盗号者人脸图像时，可将该实时人脸图像添加到疑似盗号者人脸图像特征数据库中，以便于后续过程中的比对。与此同时，还可以确定出当前使用者登录该账号的地理位置信息，并将该地理位置信息与实时人脸图像组合后发送给账号所有者对应的通信终端。具体的组合及发送方式可以与上述登录成功时的发送方式相同，在此不予赘述。\n[0153] 在实际应用中，为了避免造成对用户的干扰，可以根据实际需要来设定何时向用户发送实时人脸图像与地理位置信息组合后的信息，例如比对相似度成功后、比对相似度不成功后、或者是疑似盗号者人脸图像特征数据库中有与实时人脸图像相似的第一预设数目张(例如两张)以上的疑似盗号者人脸图像时才发送等等，不仅可以减少对用户的打扰，让系统设计更加人性化。当然，出于安全性考虑，或者是考虑系统使用过程中有可能发生的故障所导致的误判等因素，在各种情况下均发送组合后的信息也是可以的。\n[0154] 上述本发明方案中所提及的账号，可以是任何一种类型的账号，例如银行卡账号、网络支付账号、个人网络空间账号等等。以下结合其中两种具体类型的账号进行详细举例说明。\n[0155] 图3中示出了一个具体示例中账号为银行卡账号时本发明方法的流程示意图。如图3所示，其具体过程可以是：\n[0156] 在ATM柜员机接收到进入登录界面的指令时，或者是ATM柜员机检测到有银行卡插入时，或者是用户进入了登录账号的界面、输入银行卡的账号或者密码时，检测当前ATM柜员机是否有摄像头；\n[0157] 若没有摄像头，则直接判定登录不成功，不允许该用户登录，登录过程结束；\n[0158] 若有摄像头，则在后台自动启动摄像头的拍摄，连续拍摄5张人脸图像，并从这5张人脸图像中只能筛选出最清晰的实时人脸图像，并判断人脸图像特征数据库中与该银行卡账号相关联的人脸图像是否与该实时人脸图像相似，若相似，将该实时人脸图像与该ATM柜员机所在的地理位置信息组合后以各种可能的方式(例如彩信、微信、3G无线通信等等)发送给账号所有者备份的通信终端，在用户输入的密码正确的情况下，允许该用户登录，用户登录银行账户成功。\n[0159] 图4中示出了一个具体示例中账号为网络账号时本发明方法的流程示意图。如图\n4所示，其具体过程可以是：\n[0160] 在检测到用户打开登录页面时，判断当前用户所使用的设备是否有摄像头，此时，用户输入网络账号及密码的过程可以在登录页面同时进行；\n[0161] 若当前设备没有摄像头，则不允许用户登录，登录过程直接结束；\n[0162] 若当前设备有摄像头，在后台自动启动摄像头的拍摄，连续拍摄多张人脸图像，并从这多张人脸图像中智能筛选出最清晰的实时人脸图像或者是对这多张人脸图像进行组合得到实时人脸图像，并判断人脸图像特征数据库中与该网络账号相关联的人脸图像是否与该实时人脸图像相似；\n[0163] 若相似，将该实时人脸图像作为补充样本添加到人脸图像特征数据库中，并与当前用户登录时所在的地理位置信息组合后以各种可能的方式(例如彩信、微信、3G无线通信等等)发送给账号所有者备份的通信终端，在用户输入的密码正确的情况下，允许该用户登录，用户登录银行账户成功；\n[0164] 若不相似，则不允许用户登录，用户登录不成功，并将该实时人脸图像与疑似盗号者人脸图像特征数据库进行比对，判断疑似盗号者人脸图像特征数据库中是否有与该实时人脸图像相似的疑似盗号者人脸图像；\n[0165] 若有疑似盗号者人脸图像，则发出报警指令，启动预警系统，并在确定用户当前登录的地理位置信息后，将该地理位置信息与该实时人脸图像组合后以各种可能的方式(例如彩信、微信、3G无线通信等等)发送给账号所有者备份的通信终端。\n[0166] 根据上述本发明的防止账号被盗用的方法，本发明还提供一种防止账号被盗用的系统，图5中示出了本发明的防止账号被盗用的系统实施例的结构示意图。\n[0167] 如图5所示，本发明的防止账号被盗用的系统包括：\n[0168] 登录信息接收单元，用于接收用户登入请求信息，这里的用户登入请求信息可以包括账号及对应的密码等信息；\n[0169] 摄像控制单元，判断账号当前使用者当前所用设备是否存在摄像装置，并在有摄像装置时，控制该摄像装置拍摄该当前使用者的实时人脸图像；\n[0170] 关联人脸图像相似度判定单元，用于比对上述实时人脸图像与人脸图像特征数据库中与上述账号相关联的人脸图像是否相似，并在相似时将该实时人脸图像补充到该人脸图像特征数据库；\n[0171] 疑似盗号者判定单元，用于在关联人脸图像相似度判定单元判定结果为不相似时，搜索并判断疑似盗号者人脸图像特征数据库中是否有与上述实时人脸图像相似的疑似盗号者人脸图像；\n[0172] 报警单元，用于在疑似盗号者判定单元判定出与上述实时人脸图像相似的疑似盗号者人脸图像具有第一预设数目张以上时，发出报警指令。\n[0173] 上述本发明的系统，还可以包括登录控制单元，用于在账号当前使用者当前所用设备不存在摄像装置时或者在关联人脸图像相似度判定单元判定结果为不相似时，判定账号当前使用者登录不成功。\n[0174] 其中，上述关联人脸图像相似度判定单元，还可以用于在实时人脸图像与相关联的人脸图像不相似时，将上述实时人脸图像补充到所述疑似盗号者人脸图像特征数据库。\n[0175] 另外，在其中一个实现方式中，上述摄像控制单元可以是控制上述拍摄装置拍摄当前使用者的两张以上的人脸图像，上述实时人脸图像可以是上述两张以上的人脸图像中清晰度最高的人脸图像。\n[0176] 在另外一个实现方式中，上述摄像控制单元可以是控制上述拍摄装置拍摄当前使用者的两张以上的人脸图像，并根据这两张以上的人脸图像组合而成一张清晰人脸图像作为上述实时人脸图像。\n[0177] 在该实现方式中，该摄像控制单元具体可以包括：\n[0178] 图像筛选单元，用于从上述两张以上的人脸图像中筛选出第二预设数目张模糊度最小的人脸图像；\n[0179] 亮度值调整单元，用于调整上述第二预设数目张模糊度最小的人脸图像的亮度值；\n[0180] 组合单元，用于根据上述调整了亮度值后的人脸图像合成一张完整的人脸图像，得到所述清晰人脸图像。\n[0181] 其中，上述关联人脸图像相似度判定单元具体可以包括：\n[0182] 肤色信息相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的肤色信息的相似度；\n[0183] 人脸结构相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸结构信息的相似度；\n[0184] 人脸轮廓相似度计算单元，用于计算实时人脸图像与相关联的人脸图像的人脸轮廓的相似度；\n[0185] 相似度综合确定单元，用于根据肤色信息的相似度、人脸结构信息的相似度、人脸轮廓的相似度进行加权求和获得实时人脸图像与相关联的人脸图像的相似度。\n[0186] 此外，上述本发明的防止账号被盗用的系统，还可以包括：\n[0187] 位置信息获取单元，用于在所述实时人脸图像与所述相关联的人脸图像的相似时、和/或在判定出疑似盗号者人脸图像特征数据库中有与所述实时人脸图像相似的疑似盗号者人脸图像时，确定当前使用者登录该账号的地理位置信息；\n[0188] 信息组合发送单元，用于将所述地理位置信息与所述实时人脸图像组合后发送给账号所有者对应的通信终端。其中，该地理位置信息与上述实时人脸图像组合后以各种可能的方式(例如彩信、微信、3G无线通信等等)发送给账号所有者对应的通信终端。\n[0189] 本发明的防止账号被盗用的系统中，各单元的具体的实现方式可与上述本发明的防止账号被盗用的方法中的相同，在此不予赘述。\n[0190] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。