CN112070950A - 脱机人脸识别电梯门禁控制方法、设备及其*** - Google Patents
脱机人脸识别电梯门禁控制方法、设备及其*** Download PDFInfo
- Publication number
- CN112070950A CN112070950A CN202010858413.9A CN202010858413A CN112070950A CN 112070950 A CN112070950 A CN 112070950A CN 202010858413 A CN202010858413 A CN 202010858413A CN 112070950 A CN112070950 A CN 112070950A
- Authority
- CN
- China
- Prior art keywords
- identification
- face
- recognition
- iris
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Geometry (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于人脸识别技术领域,具体涉及脱机人脸识别电梯门禁控制方法、设备及其***,所述方法执行以下步骤:步骤1:获取乘坐电梯的用户的面部图像;步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;步骤3:根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启;其分别基于人脸和虹膜的水平视场角和垂直视场角进行识别,具有识别准确率高和识别效率高的优点。
Description
技术领域
本发明属于人脸识别技术领域,具体涉及脱机人脸识别电梯门禁控制方法、设备及其***。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。。
传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际***的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体***性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。
人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提,与其它类型的生物识别比较人脸识别具有如下特点:非强制性:用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;非接触性:用户不需要和设备直接接触就能获取人脸图像;并发性:在实际应用场景下可以进行多个人脸的分拣、判断及识别;除此之外,还符合视觉特性:“以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。
出入口门禁安全管理***是新型现代化安全管理***,它集微机自动识别技术和现代安全管理措施为一体,它涉及电子,机械,光学,计算机技术,通讯技术,生物技术等诸多新技术。它是解决重要部门出入口实现安全防范管理的有效措施。适用各种机要部门,如银行、宾馆、机房、军械库、机要室、办公间、智能化小区、工厂等。
将门禁***和人脸识别技术结合起来应用于电梯门禁,可以有效提升电梯管理的智能化和提升电梯管理的安全性。
发明内容
本发明的主要目的在于提供脱机人脸识别电梯门禁控制方法、设备及其***,其通过云服务器构建识别链,实现了脱机状况下的电梯本地人脸识别;在人脸识别过程中,不同于传统的人脸识别,其分别基于人脸和虹膜的水平视场角和垂直视场角进行识别,具有识别准确率高和识别效率高的优点。
为达到上述目的,本发明的技术方案是这样实现的:
脱机人脸识别电梯门禁控制方法,所述方法执行以下步骤:步骤1:获取乘坐电梯的用户的面部图像;步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;步骤3:根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启;所述步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将收到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地的方法执行以下步骤:步骤2.1:确定获取的面部图像中的人脸位置;步骤2.2:确定面部图像中的人脸识别区域与虹膜识别区域;同时,确定人脸识别区域中的水平视场角与垂直视场角,确定虹膜识别区域中的水平视场角与垂直视场角;步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别;步骤2.4:基于虹膜识别的结果与人脸识别的结果,进行加权置信,生成最终的识别结果;步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地。
进一步的,所述步骤2.2:确定面部图像中虹膜识别区域的方法执行以下步骤:读入图像;分析该图像,获得一个候选虹膜识别区域列表;从所述列表中选取一个未经核实的候选虹膜识别区域;为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含所述候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,记为:S;处理该邻接域,获得暗域,所述暗域指每一个像素在处理后的灰度级大于预定的第二阈值的像素区;对所述暗域的个数计数,所得数目记为N;将比值N/S与预定的第一阈值进行比较,如果该比值N/S小于所述第一阈值,则将相应的候选虹膜识别区域判定为真虹膜识别区域,保留在所述列表中,否则将该候选虹膜识别区域判定为假虹膜识别区域,从所述列表中删除;重复执行上述步骤,直到所述列表中不再有未经核实的候选虹膜识别区域;以及输出所述列表,用于所述图像的后续处理。
进一步的,所述步骤2.2:确定面部图像中人脸识别区域的方法执行以下步骤:获取多帧面部图像中每相邻两帧人脸图像之间人脸区域的重合度,得到多个重合度;根据所述多个重合度,从所述多帧人脸图像中筛选出重合度最高所对应的人脸区域,得到待识别的人脸区域。
进一步的,所述人脸识别区域的水平视场角与垂直视场角的确定方法执行以下步骤:基于确定的人脸识别区域,使用如下公式确定人脸识别区域的水平视场角与垂直视场角:其中,Mi(vj)为人脸识别区域的水平视场角,T(Mi(vj))为人脸识别区域的垂直视场角;Ri和Δti为变换矩阵;xj和yj为人脸识别区域的横纵坐标最大值,x′j和y′j为变换后的横纵坐标最大值;Δxi、Δyi、ki和θi为配准参数。
,所述虹膜识别区域的水平视场角与垂直视场角的确定方法执行以下步骤:基于确定的虹膜识别区域,使用如下公式确定虹膜识别区域的水平视场角与垂直视场角:其中,Si(vj)为虹膜识别区域的水平视场角,T(Si(vj))为虹膜识别区域的垂直视场角;Ri和Δti为变换矩阵;xj和yj为虹膜识别区域的横纵坐标最大值,x′j和y′j为变换后的横纵坐标最大值;Δxi、Δyi、ki和θi为配准参数。
进一步的,所述步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别的方法执行以下步骤:基于获取的虹膜识别区域,找出待识别的虹膜图像的虹膜识别区域与预先存储的虹膜模板的虹膜有效区域重合的部分,得到比对有效面积;同时根据虹膜识别区域的水平视角场与垂直视角场与预先存储的虹膜模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行虹膜识别;基于获取的人脸识别区域,找出待识别的人脸图像的人脸识别区域与预先存储的人脸模板的人脸有效区域重合的部分,得到比对有效面积;同时根据人脸识别区域的水平视角场与垂直视角场与预先存储的人脸模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行人脸识别。
进一步的,步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地的方法执行以下步骤:将识别结果同虹膜识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第一识别链,同时,将识别结果同人脸识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第二识别链;同时将第一识别链和第二识别链建立一一对应的映射关系。
进一步的,所述步骤2中:在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别的方法执行以下步骤:在脱机状态下,对获取的面部图像直接进行人脸识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果;同时在脱机状态下,对获取的面部图像直接进行虹膜识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果。
一种脱机人脸识别电梯门禁控制设备,所述设备包括:获取装置,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别装置,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
一种脱机人脸识别电梯门禁控制***,所述***包括:获取单元,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别单元,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
本发明的脱机人脸识别电梯门禁控制方法、设备及其***,具有如下有益效果:其通过云服务器构建识别链,实现了脱机状况下的电梯本地人脸识别;在人脸识别过程中,不同于传统的人脸识别,其分别基于人脸和虹膜的水平视场角和垂直视场角进行识别,具有识别准确率高和识别效率高的优点。主要通过以下过程实现:1.人脸识别区域和虹膜识别区域的确定:本发明通过在面部图像中确定人脸识别区域和虹膜识别区域,可以实现分别进行人脸识别和虹膜识别;且在虹膜识别区域的确定过程中,为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,基于此确定的虹膜区域更加准确;2.人脸识别和虹膜识别的过程:本发明在人脸识别和虹膜识别过程中均基于确定的人脸识别区域和虹膜识别区域的水平视场角和垂直视场角进行识别,识别准确率更高,但所需要消耗的时间更多;3.脱机人脸识别的实现:本发明通过云服务器进行人脸识别和虹膜识别过程中的水平视场角和垂直视场角,以及基于识别结果,建立识别链,识别链发送到本地后,本地再次进行人脸识别时,只需要基于本地的识别链,进行识别,提升了识别的效率;此外,本发明使用如下公式确定人脸识别区域的水平视场角与垂直视场角:其通过变换矩阵的方式,以及根据确定的识别区域的长宽参数来确定,能够反应图像的唯一标识特征,在后续建立的识别链也能够构成一一对应的映射关系。
附图说明
图1为本发明的实施例提供的脱机人脸识别电梯门禁控制的方法流程示意图;
图2为本发明的实施例提供的脱机人脸识别电梯门禁控制方法的步骤2的流程示意图;
图3为本发明的实施例提供的脱机人脸识别电梯门禁控制方法的步骤2.2的流程示意图;
图4为本发明的实施例提供的脱机人脸识别电梯门禁控制方法的对获取面部图像进行结构划分的原理示意图;
图5为本发明的实施例提供的脱机人脸识别电梯门禁控制方法的虹膜识别区域的原理示意图;
图6为本发明的实施例提供的脱机人脸识别电梯门禁控制方法的处理时间和识别率随着识别次数变化的曲线示意图与现有技术的对比实验效果示意图。
具体实施方式
以下结合具体实施方式和附图对本发明的技术方案作进一步详细描述:
实施例1
如图1所示,脱机人脸识别电梯门禁控制方法,所述方法执行以下步骤:步骤1:获取乘坐电梯的用户的面部图像;步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;步骤3:根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启;所述步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将收到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地的方法执行以下步骤:步骤2.1:确定获取的面部图像中的人脸位置;步骤2.2:确定面部图像中的人脸识别区域与虹膜识别区域;同时,确定人脸识别区域中的水平视场角与垂直视场角,确定虹膜识别区域中的水平视场角与垂直视场角;步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别;步骤2.4:基于虹膜识别的结果与人脸识别的结果,进行加权置信,生成最终的识别结果;步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地。
采用上述技术方案,其通过云服务器构建识别链,实现了脱机状况下的电梯本地人脸识别;在人脸识别过程中,不同于传统的人脸识别,其分别基于人脸和虹膜的水平视场角和垂直视场角进行识别,具有识别准确率高和识别效率高的优点。主要通过以下过程实现:1.人脸识别区域和虹膜识别区域的确定:本发明通过在面部图像中确定人脸识别区域和虹膜识别区域,可以实现分别进行人脸识别和虹膜识别;且在虹膜识别区域的确定过程中,为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,基于此确定的虹膜区域更加准确;2.人脸识别和虹膜识别的过程:本发明在人脸识别和虹膜识别过程中均基于确定的人脸识别区域和虹膜识别区域的水平视场角和垂直视场角进行识别,识别准确率更高,但所需要消耗的时间更多;3.脱机人脸识别的实现:本发明通过云服务器进行人脸识别和虹膜识别过程中的水平视场角和垂直视场角,以及基于识别结果,建立识别链,识别链发送到本地后,本地再次进行人脸识别时,只需要基于本地的识别链,进行识别,提升了识别的效率;此外,本发明使用如下公式确定人脸识别区域的水平视场角与垂直视场角:其通过变换矩阵的方式,以及根据确定的识别区域的长宽参数来确定,能够反应图像的唯一标识特征,在后续建立的识别链也能够构成一一对应的映射关系。
实施例2
在上一实施例的基础上,所述步骤2.2:确定面部图像中虹膜识别区域的方法执行以下步骤:读入图像;分析该图像,获得一个候选虹膜识别区域列表;从所述列表中选取一个未经核实的候选虹膜识别区域;为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含所述候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,记为:S;处理该邻接域,获得暗域,所述暗域指每一个像素在处理后的灰度级大于预定的第二阈值的像素区;对所述暗域的个数计数,所得数目记为N;将比值N/S与预定的第一阈值进行比较,如果该比值N/S小于所述第一阈值,则将相应的候选虹膜识别区域判定为真虹膜识别区域,保留在所述列表中,否则将该候选虹膜识别区域判定为假虹膜识别区域,从所述列表中删除;重复执行上述步骤,直到所述列表中不再有未经核实的候选虹膜识别区域;以及输出所述列表,用于所述图像的后续处理。
具体的,人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球***的白色部分,约占总面积的30%;眼睛中心为瞳孔部分,约占5%;虹膜位于巩膜和瞳孔之间,包含了最丰富的纹理信息,占据65%。外观上看,由许多腺窝、皱褶、色素斑等构成,是人体中最独特的结构之一。虹膜的形成由遗传基因决定,人体基因表达决定了虹膜的形态、生理、颜色和总的外观。人发育到八个月左右,虹膜就基本上发育到了足够尺寸,进入了相对稳定的时期。除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观上的改变外,虹膜形貌可以保持数十年没有多少变化。另一方面,虹膜是外部可见的,但同时又属于内部组织,位于角膜后面。要改变虹膜外观,需要非常精细的外科手术,而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点,是虹膜可用作身份鉴别的物质基础。
在包括指纹在内的所有生物识别技术中,虹膜识别是当前应用最为方便和精确的一种。虹膜识别技术被广泛认为是二十一世纪最具有发展前途的生物认证技术,未来的安防、国防、电子商务等多种领域的应用,也必然的会以虹膜识别技术为重点。这种趋势已经在全球各地的各种应用中逐渐开始显现出来,市场应用前景非常广阔。
实施例3
在上一实施例的基础上,所述步骤2.2:确定面部图像中人脸识别区域的方法执行以下步骤:获取多帧面部图像中每相邻两帧人脸图像之间人脸区域的重合度,得到多个重合度;根据所述多个重合度,从所述多帧人脸图像中筛选出重合度最高所对应的人脸区域,得到待识别的人脸区域。
具体的,人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。***获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取:人脸识别***可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
实施例4
在上一实施例的基础上,所述人脸识别区域的水平视场角与垂直视场角的确定方法执行以下步骤:基于确定的人脸识别区域,使用如下公式确定人脸识别区域的水平视场角与垂直视场角:其中,Mi(vj)为人脸识别区域的水平视场角,T(Mi(vj))为人脸识别区域的垂直视场角;Ri和Δti为变换矩阵;xj和yj为人脸识别区域的横纵坐标最大值,x′j和y′j为变换后的横纵坐标最大值;Δxi、Δyi、ki和θi为配准参数。
具体的,视场角分物方视场角和像方视场角。一般光学设备的使用者关心的是物方视场角。对于大多数光学仪器,视场角的度量都是以成像物的直径作为视场角计算的。如:望远镜、显微镜等。而对于照相机、摄像机类的光学设备,由于其感光面是矩形的,因此常以矩形感光面对角线的成像物直径计算视场角,如图1左。也有以矩形的长边尺寸计算视场角的,如图1右。计算方法可参看图1。
也可以使用度量的方法获得视场角参数。度量一般使用广角平行光管,因其形似漏斗,俗称:漏斗仪。测量方法如图3。在被测镜头的一端,查看广角平行光管底部玻璃平面上的刻度,读取其角度值,其最大刻度值即为该被测光学仪器的视场角。
被测镜头可能因焦距不同,导致肉眼不能观测到刻度。可加入一片焦距适当的凸透镜作为辅助镜片察看测量结果。测量时应沿光轴方向前后移动被测镜头,直至观测的角度最大,即为该被测镜头的视场角。
实施例5
在上一实施例的基础上,所述虹膜识别区域的水平视场角与垂直视场角的确定方法执行以下步骤:基于确定的虹膜识别区域,使用如下公式确定虹膜识别区域的水平视场角与垂直视场角:其中,Si(vj)为虹膜识别区域的水平视场角,T(Si(vj))为虹膜识别区域的垂直视场角;Ri和Δti为变换矩阵;xj和yj为虹膜识别区域的横纵坐标最大值,x′j和y′j为变换后的横纵坐标最大值;Δxi、Δyi、ki和θi为配准参数。
实施例6
在上一实施例的基础上,所述步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别的方法执行以下步骤:基于获取的虹膜识别区域,找出待识别的虹膜图像的虹膜识别区域与预先存储的虹膜模板的虹膜有效区域重合的部分,得到比对有效面积;同时根据虹膜识别区域的水平视角场与垂直视角场与预先存储的虹膜模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行虹膜识别;基于获取的人脸识别区域,找出待识别的人脸图像的人脸识别区域与预先存储的人脸模板的人脸有效区域重合的部分,得到比对有效面积;同时根据人脸识别区域的水平视角场与垂直视角场与预先存储的人脸模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行人脸识别。
实施例7
在上一实施例的基础上,步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地的方法执行以下步骤:将识别结果同虹膜识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第一识别链,同时,将识别结果同人脸识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第二识别链;同时将第一识别链和第二识别链建立一一对应的映射关系。
具体的,其通过云服务器构建识别链,实现了脱机状况下的电梯本地人脸识别;在人脸识别过程中,不同于传统的人脸识别,其分别基于人脸和虹膜的水平视场角和垂直视场角进行识别,具有识别准确率高和识别效率高的优点。其通过变换矩阵的方式,以及根据确定的识别区域的长宽参数来确定,能够反应图像的唯一标识特征,在后续建立的识别链也能够构成一一对应的映射关系。
实施例8
在上一实施例的基础上,所述步骤2中:在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别的方法执行以下步骤:在脱机状态下,对获取的面部图像直接进行人脸识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果;同时在脱机状态下,对获取的面部图像直接进行虹膜识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果。
实施例9
一种脱机人脸识别电梯门禁控制设备,所述设备包括:获取装置,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别装置,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
实施例10
一种脱机人脸识别电梯门禁控制***,所述***包括:获取单元,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别单元,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
具体的,人脸识别区域和虹膜识别区域的确定:本发明通过在面部图像中确定人脸识别区域和虹膜识别区域,可以实现分别进行人脸识别和虹膜识别;且在虹膜识别区域的确定过程中,为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,基于此确定的虹膜区域更加准确;2.人脸识别和虹膜识别的过程:本发明在人脸识别和虹膜识别过程中均基于确定的人脸识别区域和虹膜识别区域的水平视场角和垂直视场角进行识别,识别准确率更高,但所需要消耗的时间更多;3.脱机人脸识别的实现:本发明通过云服务器进行人脸识别和虹膜识别过程中的水平视场角和垂直视场角,以及基于识别结果,建立识别链,识别链发送到本地后,本地再次进行人脸识别时,只需要基于本地的识别链,进行识别,提升了识别的效率。
以上所述仅为本发明的一个实施例子,但不能以此限制本发明的范围,凡依据本发明所做的结构上的变化,只要不失本发明的要义所在,都应视为落入本发明保护范围之内受到制约。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的***,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.脱机人脸识别电梯门禁控制方法,其特征在于,所述方法执行以下步骤:步骤1:获取乘坐电梯的用户的面部图像;步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;步骤3:根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启;所述步骤2:在联网状态下,将获取的面部图像发送至云服务器,云服务器将收到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地的方法执行以下步骤:步骤2.1:确定获取的面部图像中的人脸位置;步骤2.2:确定面部图像中的人脸识别区域与虹膜识别区域;同时,确定人脸识别区域中的水平视场角与垂直视场角,确定虹膜识别区域中的水平视场角与垂直视场角;步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别;步骤2.4:基于虹膜识别的结果与人脸识别的结果,进行加权置信,生成最终的识别结果;步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地。
2.如权利要求1所述的方法,其特征在于,所述步骤2.2:确定面部图像中虹膜识别区域的方法执行以下步骤:读入图像;分析该图像,获得一个候选虹膜识别区域列表;从所述列表中选取一个未经核实的候选虹膜识别区域;为所选中的候选虹膜识别区域确定一个邻接域,该邻接域为包含所述候选虹膜识别区域的多边形;计算该邻接域中所包含的像素数,记为:S;处理该邻接域,获得暗域,所述暗域指每一个像素在处理后的灰度级大于预定的第二阈值的像素区;对所述暗域的个数计数,所得数目记为N;将比值N/S与预定的第一阈值进行比较,如果该比值N/S小于所述第一阈值,则将相应的候选虹膜识别区域判定为真虹膜识别区域,保留在所述列表中,否则将该候选虹膜识别区域判定为假虹膜识别区域,从所述列表中删除;重复执行上述步骤,直到所述列表中不再有未经核实的候选虹膜识别区域;以及输出所述列表,用于所述图像的后续处理。
3.如权利要求2所述的方法,其特征在于,所述步骤2.2:确定面部图像中人脸识别区域的方法执行以下步骤:获取多帧面部图像中每相邻两帧人脸图像之间人脸区域的重合度,得到多个重合度;根据所述多个重合度,从所述多帧人脸图像中筛选出重合度最高所对应的人脸区域,得到待识别的人脸区域。
6.如权利要求5所述的方法,其特征在于,所述步骤2.3:基于获取的人脸识别区域及其对应的水平视场角与垂直视场角进行人脸识别;基于获取的虹膜识别区域及其对应的水平视场角与垂直视场角进行虹膜识别的方法执行以下步骤:基于获取的虹膜识别区域,找出待识别的虹膜图像的虹膜识别区域与预先存储的虹膜模板的虹膜有效区域重合的部分,得到比对有效面积;同时根据虹膜识别区域的水平视角场与垂直视角场与预先存储的虹膜模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行虹膜识别;基于获取的人脸识别区域,找出待识别的人脸图像的人脸识别区域与预先存储的人脸模板的人脸有效区域重合的部分,得到比对有效面积;同时根据人脸识别区域的水平视角场与垂直视角场与预先存储的人脸模板的水平视角场与垂直视角场进行比较,得到相似率;根据预先确定的比对有效面积与比对阈值的对应关系,确定出比对阈值;通过确定出的比对阈值与相似率进行人脸识别。
7.如权利要求6所述的方法,其特征在于,步骤2.5:建立最终的识别结果与该面部图像中的虹膜识别区域的水平视场角与垂直视场角的识别链;同时建立最终的识别结果与该面部图像中的人脸识别区域的水平视场角与垂直视场角的识别链;将两个识别链发送至本地的方法执行以下步骤:将识别结果同虹膜识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第一识别链,同时,将识别结果同人脸识别区域的水平视角场与垂直视角场建立一一对应的映射关系,构成第二识别链;同时将第一识别链和第二识别链建立一一对应的映射关系。
8.如权利要求7所述的方法,其特征在于,所述步骤2中:在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别的方法执行以下步骤:在脱机状态下,对获取的面部图像直接进行人脸识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果;同时在脱机状态下,对获取的面部图像直接进行虹膜识别区域的水平视角场与垂直视角场的获取,然后基于获取的水平视角场与垂直视角场与本地的识别链进行比对,在比对通过的情况下,直接生成该识别链对应的识别结果。
9.一种基于权利要求1至7之一所述方法的脱机人脸识别电梯门禁控制设备,其特征在于,所述设备包括:获取装置,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别装置,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
10.一种基于权利要求1至7之一所述方法的脱机人脸识别电梯门禁控制***,其特征在于,所述***包括:获取单元,配置用于获取乘坐电梯的用户的面部图像;云服务器,配置用于在联网状态下,接受获取的面部图像将受到的面部图像进行识别,在识别通过的情况下,建立该面部图像对应的识别链,将识别链发送至本地;在脱机状态下,将获取的面部图像,基于本地的识别链,进行识别;本地识别单元,配置用于根据识别结果进行判断,确定所述用户是否为授权用户;若所述用户为授权用户,则控制所述电梯在到达所述用户对应的楼层时开启。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010858413.9A CN112070950A (zh) | 2020-08-24 | 2020-08-24 | 脱机人脸识别电梯门禁控制方法、设备及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010858413.9A CN112070950A (zh) | 2020-08-24 | 2020-08-24 | 脱机人脸识别电梯门禁控制方法、设备及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070950A true CN112070950A (zh) | 2020-12-11 |
Family
ID=73660730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010858413.9A Pending CN112070950A (zh) | 2020-08-24 | 2020-08-24 | 脱机人脸识别电梯门禁控制方法、设备及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070950A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514397A (zh) * | 2002-12-31 | 2004-07-21 | 佳能株式会社 | 人眼探测方法、设备、***和存储介质 |
US20140016837A1 (en) * | 2012-06-26 | 2014-01-16 | Google Inc. | Facial recognition |
CN204129751U (zh) * | 2014-05-22 | 2015-01-28 | 宁波舜宇光电信息有限公司 | 一种双眼虹膜图像数据采集模块 |
CN105279492A (zh) * | 2015-10-22 | 2016-01-27 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN106698118A (zh) * | 2016-12-09 | 2017-05-24 | 成都焦点合安物联网有限公司 | 一种基于面部识别的梯控方法及*** |
CN108921191A (zh) * | 2018-05-25 | 2018-11-30 | 北方工业大学 | 基于图像质量评估的多生物特征融合识别方法 |
CN110002290A (zh) * | 2019-02-22 | 2019-07-12 | 百度在线网络技术(北京)有限公司 | 电梯门禁控制方法、装置、存储介质及电子设备 |
-
2020
- 2020-08-24 CN CN202010858413.9A patent/CN112070950A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514397A (zh) * | 2002-12-31 | 2004-07-21 | 佳能株式会社 | 人眼探测方法、设备、***和存储介质 |
CN100465985C (zh) * | 2002-12-31 | 2009-03-04 | 佳能株式会社 | 人眼探测方法及设备 |
US20140016837A1 (en) * | 2012-06-26 | 2014-01-16 | Google Inc. | Facial recognition |
CN204129751U (zh) * | 2014-05-22 | 2015-01-28 | 宁波舜宇光电信息有限公司 | 一种双眼虹膜图像数据采集模块 |
CN106716451A (zh) * | 2014-05-22 | 2017-05-24 | 宁波舜宇光电信息有限公司 | 虹膜识别装置及其制造方法和应用 |
CN105279492A (zh) * | 2015-10-22 | 2016-01-27 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN106698118A (zh) * | 2016-12-09 | 2017-05-24 | 成都焦点合安物联网有限公司 | 一种基于面部识别的梯控方法及*** |
CN108921191A (zh) * | 2018-05-25 | 2018-11-30 | 北方工业大学 | 基于图像质量评估的多生物特征融合识别方法 |
CN110002290A (zh) * | 2019-02-22 | 2019-07-12 | 百度在线网络技术(北京)有限公司 | 电梯门禁控制方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及*** | |
CN104123543B (zh) | 一种基于人脸识别的眼球运动识别方法 | |
EP3680794B1 (en) | Device and method for user authentication on basis of iris recognition | |
US20060222212A1 (en) | One-dimensional iris signature generation system and method | |
CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
KR20050025927A (ko) | 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법 | |
Burge et al. | Ear biometrics for machine vision | |
CN109255319A (zh) | 针对静态照片的人脸识别支付信息防伪方法 | |
CN106650574A (zh) | 基于PCANet的人脸识别方法 | |
US10599925B2 (en) | Method of detecting fraud of an iris recognition system | |
WO2021217764A1 (zh) | 一种基于偏振成像的人脸活体检测方法 | |
CN110929570B (zh) | 虹膜快速定位装置及其定位方法 | |
Tian et al. | Face anti-spoofing by learning polarization cues in a real-world scenario | |
TWI427545B (zh) | 以尺度不變特徵轉換和人臉角度估測為基礎的人臉辨識方法 | |
CN108197549A (zh) | 基于3d成像的人脸识别方法及终端 | |
CN111241505A (zh) | 一种终端设备及其登录验证方法、计算机存储介质 | |
Dronky et al. | A review on iris liveness detection techniques | |
Méndez-Llanes et al. | On the use of local fixations and quality measures for deep face recognition | |
CN112070950A (zh) | 脱机人脸识别电梯门禁控制方法、设备及其*** | |
CN114783005A (zh) | 一种基于深度学习的掌纹识别的设备和方法 | |
CN106127160A (zh) | 一种用于虹膜识别的人眼快速定位方法 | |
Singla et al. | Challenges at different stages of an iris based biometric system. | |
Cai et al. | Person-specific face spoofing detection for replay attack based on gaze estimation | |
CN111241870A (zh) | 一种终端设备及其脸部图像的识别方法、识别*** | |
Liu et al. | Face liveness verification based on hyperspectrum analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230316 Address after: 310000 room 1904, No. 480, Jiangnan Avenue, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Chonghong Technology Co.,Ltd. Address before: 518000 area a, 4th floor, No.1 office building, Longcheng industry and trade unloading factory area, Gaofeng community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN TIEHU ACCESS CONTROL INTELLIGENT TECHNOLOGY CO.,LTD. |
|
TA01 | Transfer of patent application right |