本发明专利设计打印机领域，尤其是一种校园，办公室的自助打印机设备。
背景技术：
学校中的打印服务依靠打印店，而学校人数众多，难以高效为学生提供便捷的打印服务，同时使用外接设备传输文件会导致感染病毒，文件损坏。蓝牙传输速度同样也会受到设备的影响，文件较大则蓝牙传输越慢。
最早的自助打印机主要付款方式为投币方式，随着现代互联网的发展，线上支付被广泛应用于日常中，自助打印机支持线上支付，可以很好改善用户的体验。
技术实现要素：
本发明的目的是为了解决校园内学生忘带校园卡以及忘带手机而无法线上支付的问题，而提出的一种无需外部设备参与方可进行打印文档的校园自助打印机。
为了实现上述目的，本发明采用了如下技术方案：一种基于快速人脸识别的自助打印机，包括与云服务器通信连接的打印机机体，机体包括电源，控制模块，打印模块，摄像模块，人脸数据存储模块，云通信模块，打印驱动模块，所述摄像模块包括摄像头，摄像头和功能面板设置在机体表面，控制模块与存储模块，摄像模块，云通信模块和打印驱动模块连接，摄像模块与人脸数据存储模块连接，功能面板与控制模块线路连接，电源与控制模块，打印模块，摄像模块和云通信模块连接，机体通过云通信模块向云服务器发生人脸识别信息并基于特征值、特征向量和投影系数确定用户身份，云服务器通过用户信息确定用户身份并展示相应内容并完成支付。
进一步地，所述人脸数据存储模块包括识别分类器和人脸数据库。
进一步地，所述功能面板包括显示屏和输入面板。
进一步地，机体设有执行复印或者扫描的扫描仪。
一种采用上述自助打印机的工作方法，包括以下步骤：
a0:用户将待打印的文件上传至服务器；
a1：启动摄像模块，进行图像读取和人脸识别,并依据识别的结果确定并选择对应账户，主要包括以下步骤：
(1)m幅图像用于训练，把分辨率为m×n的图像按每列依次连接，组成n＝m×n维的列向量。用于训练的图像构成了n×m维的矩阵。将训练人脸数据读入后构成一个一维向量，然后与每列对应的平均值作差得到xi，这里第i幅图像xi存储在n×m维矩阵的第i列。每一个人的训练数据有n个，n个xi构成矩阵x；
(2)采用pca算法进行特征值分解，分解前首先根据用于训练的图像与平均脸的差值构成协方差矩阵c＝aat,其中
ataυi＝λυi(1)
aataυi＝λaυi(2)
caυi＝λaυi(3)
cυi＝λυi(4)
其中，υi是c'＝ata的第i个特征向量，ui是c＝aat的第i个特征向量，故有ui＝aυi，通过求解c'的特征向量υi再左乘a就能得到c特征向量ui。
(3)计算c的特征值和特征向量；基于特征值与特征向量，选取特征贡献率
令λi(i＝1,2,...,k)是矩阵c'＝ata的前k个特征值，υi(i＝1,2,...,k)是前k个特征值对应的特征向量，则矩阵c＝aat的前k维的特征向量可以表示为：
因此可得特征子空间u＝(u1,u2,...,uk)，将图像数据预平均脸的差值向ut，将图像数据预平均脸的差值向ut投影，得到投影系数：
y＝uta(7)
(4)采用bp神经网络算法作为分类识别模块的识别器，将训练投影系数输入bp神经网络中，通过对权值的不断调整，最终构成分类器，得到正确人脸结果，算法设计如下：
在搭建的bp神经网络中，采用的激活函数时线性整流函数，表达式是f(x)＝max(0,x)，t 1时刻权值调整公式为：
当出现梯度在连续二次迭代后方向仍然相同，更新值就会增加，权值的调整方向依然不变，权值的该变量增加且调整方向一致，将该变量乘增量系数a，改变量δ(t 1)的调整方式为：
δ(t-1)＝a×δt(9)
当出现连续两次迭代方向不同时，权值的该变量减小，该变量乘一个减量系数，更新值调整公式为：
δ(t-1)＝b×δt(10)
其它情况权值的更新值调整公式保持不变。
a2：依据确定的用户身份展示待打印文件，用户确认打印信息；
a3：支付确认；
a4：控制中心传输打印驱动模块，激活打印组件进行打印；
a5：选择打印操作，选择继续打印则重复a1-a4；选择结束打印则退出账户结束打印操作。
进一步地，所述步骤a2包括：通过功能面板上确定打印内容，打印份数，打印格式和打印模式，并计算出需要的费用后进行校园卡扣款操作。
采用本发明的技术方案，具有以下技术效果：
由于本发明在人脸识别时，通过构建新的矩阵c'＝ata求取特征值和特征向量，依据特征值、特征向量和投影系数进行人脸识别，因此极大地提高运算速度，并且识别准确率更高。采用本发明的设备或方法进行打印，不但有效解决了校园打印忘带卡或手机的问题，而且防止打印信息的外泄，采用本申请的方法进行识别，增加了识别速度和准确率，在保密的前提下，有效防止校园内由于使用人数过多造成的排队问题。
附图说明
图1为自助打印机使用流程图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整地描述，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例一：
校园自助打印机，包括和云服务器连接的打印机机体，机体有电源，控制模块，打印模块，摄像模块，人脸数据存储模块，云通信模块和打印驱动模块，机体表面有功能面板，控制模块有控制中心，人脸数据存储模块，云通信模块和打印驱动模块。摄像头模块与人脸数据存储模块相连，功能面板与控制模块线路相连，电源与控制模块，打印模块，摄像模块和云通信模块相连，机体通过云通信模块与云服务器模块相连，云服务器包括账号存储资料和机组控制模块。
人脸识别包括摄像头进行人脸扫描获取待识别的人脸图像和人脸数据存储模块，功能面板包括显示屏和输入面板从而实现校园账户信息的确认与支付功能。
机体有扫描，复印操作的扫描仪，可以实现方便的扫描复印操作。
一种自助打印机的打印方法，包括：
a0：账户确认；
a1：确认打印信息；
a2：支付确认；
a3：执行打印操作；
a4：选择打印操作，选择继续打印则重复a1-a4；选择结束打印则退出账户结束打印操作。其中a1-a4步骤本领域技术人员已经现有的技术知识可以实现，在此不做详细论述。
校园自助打印方法，a0-a1：选择账户，选择a011则进入打印账户；
a011：启动摄像模块，进行图像读取和人脸识别操作，主要包括以下步骤：
(1)m幅图像用于训练，把分辨率为m×n的图像按每列依次连接，组成n＝m×n维的列向量。用于训练的图像构成了n×m维的矩阵。将训练人脸数据读入后构成一个一维向量，然后与每列对应的平均值作差得到xi，这里第i幅图像xi存储在n×m维矩阵的第i列。每一个人的训练数据有n个，n个xi构成矩阵x；
(2)采用pca算法进行特征值分解，分解前首先根据用于训练的图像与平均脸的差值构成协方差矩阵c＝aat,其中
ataυi＝λυi(1)
aataυi＝λaυi(2)
caυi＝λaυi(3)
cυi＝λυi(4)
其中，υi是c'＝ata的第i个特征向量，ui是c＝aat的第i个特征向量，故有ui＝aυi，通过求解c'的特征向量υi再左乘a就能得到c特征向量ui。
(3)计算c的特征值和特征向量；基于特征值与特征向量，选取特征贡献率
令λi(i＝1,2,...,k)是矩阵c'＝ata的前k个特征值，υi(i＝1,2,...,k)是前k个特征值对应的特征向量，则矩阵c＝aat的前k维的特征向量可以表示为：
因此可得特征子空间u＝(u1,u2,...,uk)，将图像数据预平均脸的差值向ut投影，得到投影系数：
y＝uta(7)
(4)采用bp神经网络算法作为分类识别模块的识别器，将训练投影系数输入bp神经网络中，通过对权值的不断调整，最终构成分类器，得到正确人脸结果，算法设计如下：
在搭建的bp神经网络中，采用的激活函数时线性整流函数，表达式是f(x)＝max(0,x)，t 1时刻权值调整公式为：
当出现梯度在连续二次迭代后方向仍然相同，更新值就会增加，权值的调整方向依然不变，权值的该变量增加且调整方向一致，将该变量乘增量系数a，改变量δ(t 1)的调整方式为：
δ(t-1)＝a×δt(9)
当出现连续两次迭代方向不同时，权值的该变量减小，该变量乘一个减量系数，更新值调整公式为：
δ(t-1)＝b×δt(10)
其它情况权值的更新值调整公式保持不变。
校园账户包括账户余额和账户打印文档。
优选的，a1中的打印信息包括打印内容，打印份数，打印格式和打印模式。
打印内容包括途径选择：摄像头获取待识别的人脸图像；控制中心通过激活人脸数据存储模块匹配人脸信息，完成账户获取操作。通过账户完成文档的数据传输至存储模块，并在输入面板上选择所需打印的文档；确认打印内容后再进行选择打印份数，打印格式和打印模式，之后进入支付操作。
自助打印机的支付操作包括：
支付金额的确认；
支付账户的确认；
执行支付。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何本领域的技术人员，可根据本发明的技术方案及发明构想同等替换或者改变，都应涵盖在本发明的保护范围之内。
1.一种基于快速人脸识别的自助打印机，包括与云服务器通信连接的打印机机体，其特征在于，机体包括电源，控制模块，打印模块，摄像模块，人脸数据存储模块，云通信模块，打印驱动模块，所述摄像模块包括摄像头，摄像头和功能面板设置在机体表面，控制模块与存储模块，摄像模块，云通信模块和打印驱动模块连接，摄像模块与人脸数据存储模块连接，功能面板与控制模块线路连接，电源与控制模块，打印模块，摄像模块和云通信模块连接，机体通过云通信模块向云服务器发生人脸识别信息并基于特征值、特征向量和投影系数确定用户身份，云服务器通过用户信息确定用户身份并展示相应内容并完成支付。
2.根据权利要求1所述的自助打印机，其特征在于，所述人脸数据存储模块包括识别分类器和人脸数据库。
3.根据权利要求1所述的自助打印机，其特征在于，所述功能面板包括显示屏和输入面板。
4.根据权利要求1所述的自助打印机，其特征在于，机体设有执行复印或者扫描的扫描仪。
5.一种采用权利要求1-4之一所述的自助打印机工作方法，其特征在于，包括以下步骤：
a0:用户将待打印的文件上传至服务器；
a1：启动摄像模块，进行图像读取和人脸识别,并依据识别的结果确定并选择对应账户，主要包括以下步骤：
(1)m幅图像用于训练，把分辨率为m×n的图像按每列依次连接，组成n＝m×n维的列向量，用于训练的图像构成了n×m维的矩阵，将训练人脸数据读入后构成一个一维向量，然后与每列对应的平均值作差得到xi，这里第i幅图像xi存储在n×m维矩阵的第i列，每一个人的训练数据有n个，n个xi构成矩阵x；
(2)采用pca算法进行特征值分解，分解前首先根据用于训练的图像与平均脸的差值构成协方差矩阵c＝aat,其中
证明如下：
ataυi＝λυi(1)
aataυi＝λaυi(2)
caυi＝λaυi(3)
cυi＝λυi(4)
其中，υi是c'＝ata的第i个特征向量，ui是c＝aat的第i个特征向量，故有ui＝aυi，通过求解c'的特征向量υi再左乘a就能得到c特征向量ui；
(3)计算c的特征值和特征向量；基于特征值与特征向量，选取特征贡献率
令λi(i＝1,2,...,k)是矩阵c'＝ata的前k个特征值，υi(i＝1,2,...,k)是前k个特征值对应的特征向量，则矩阵c＝aat的前k维的特征向量可以表示为：
因此可得特征子空间u＝(u1,u2,...,uk)，将图像数据预平均脸的差值向ut投影，得到投影系数：
y＝uta(7)
(4)采用bp神经网络算法作为分类识别模块的识别器，将训练投影系数输入bp神经网络中，通过对权值的不断调整，最终构成分类器，从而得到正确人脸识别结果；算法设计如下：
在搭建的bp神经网络中，采用的激活函数时线性整流函数，表达式是f(x)＝max(0,x)，t 1时刻权值调整公式为：
当出现梯度在连续二次迭代后方向仍然相同，更新值就会增加，权值的调整方向依然不变，权值的该变量增加且调整方向一致，将该变量乘增量系数a，改变量δ(t 1)的调整方式为：
δ(t-1)＝a×δt(9)
当出现连续两次迭代方向不同时，权值的该变量减小，该变量乘一个减量系数，更新值调整公式为：
δ(t-1)＝b×δt(10)
其它情况权值的更新值调整公式保持不变。
a2：依据确定的用户身份展示待打印文件，用户确认打印信息；
a3：支付确认；
a4：控制中心传输打印驱动模块，激活打印组件进行打印；
a5：选择打印操作，选择继续打印则重复a1-a4；选择结束打印则退出账户结束打印操作。
6.根据权利要求5所述的自助打印方法，其特征在于，所述步骤a2包括：通过功能面板上确定打印内容，打印份数，打印格式和打印模式，并计算出需要的费用后进行校园卡扣款操作。
技术总结