CN112200956A - 一种门禁控制方法、***、电子设备及存储介质 - Google Patents

一种门禁控制方法、***、电子设备及存储介质 Download PDF

Info

Publication number
CN112200956A
CN112200956A CN202011034809.8A CN202011034809A CN112200956A CN 112200956 A CN112200956 A CN 112200956A CN 202011034809 A CN202011034809 A CN 202011034809A CN 112200956 A CN112200956 A CN 112200956A
Authority
CN
China
Prior art keywords
access control
passing
movement route
real
target
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.)
Granted
Application number
CN202011034809.8A
Other languages
English (en)
Other versions
CN112200956B (zh
Inventor
秦洋洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011034809.8A priority Critical patent/CN112200956B/zh
Publication of CN112200956A publication Critical patent/CN112200956A/zh
Application granted granted Critical
Publication of CN112200956B publication Critical patent/CN112200956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

本申请公开了一种门禁控制方法、***、电子设备及存储介质，涉及自动化控制及图像处理技术领域，进一步涉及门禁控制、目标追踪及深度学习技术，包括：获取多个通行用户的实时运动路线；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。本申请实施例能够提高门禁***的通行效率。

Description

一种门禁控制方法、***、电子设备及存储介质
技术领域
本申请涉及自动化控制及图像处理技术领域，具体涉及门禁控制、目标追踪及深度学习技术。
背景技术
门禁***属于一种自动化控制技术，目前已经被广泛应用于办公楼宇、银行、工厂及生活小区等场所进行进出人员管理，出入口闸门门禁已经成为了现代化安全管理***的重要组成部分。门禁***的主要工作原理是对需要放行的用户提前进行信息注册，当某一个用户通过门禁***时，采集该用户的实时信息与注册信息匹配，如果匹配成功则放行，如果匹配失败则拒绝通行。由此可见，门禁***可以实现高效率、高科技地现代化管理。
发明内容
本申请实施例提供了一种门禁控制方法、***、电子设备及存储介质，以提高门禁***通行效率。
第一方面，本申请实施例提供了一种门禁控制方法，包括：
获取多个通行用户的实时运动路线；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；
根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；
在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
第二方面，本申请实施例提供了一种门禁控制***，包括跨摄像头目标检测组件、目标通道预测组件以及门禁控制组件；其中：
所述跨摄像头目标检测组件与所述目标通道预测组件通信连接，用于获取多个通行用户的实时运动路线，并将各所述实时运动路线发送至所述目标通道预测组件和所述门禁控制组件；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；
所述目标通道预测组件与所述门禁控制组件通信连接，用于根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；
所述门禁控制组件用于在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例所提供的门禁控制方法。
第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面实施例所提供的门禁控制方法。
本申请实施例在确定通行用户在门禁***的统一门禁入口处通过身份认证后，根据获取的多个通行用户的实时运动路线预测各通行用户匹配的多个目的门禁通道，以在确定各通行用户到达匹配的目的门禁通道时，控制各目的门禁通道开启，解决现有门禁控制方法存在的通信效率低及用户体验差等问题，以提高门禁***的识别效率、通行效率和用户体验。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种门禁控制方法的流程图；
图2是本申请实施例提供的一种门禁控制方法的流程图；
图3是本申请实施例提供的一种门禁控制***的结构示意图；
图4是本申请实施例提供的一种门禁控制***的结构示意图；
图5是本申请实施例提供的一种跨摄像头人脸识别组件的内部结构示意图；
图6是本申请实施例提供的一种跨摄像头目标检测组件的内部结构示意图；
图7是本申请实施例提供的一种目标通道预测组件的内部结构示意图；
图8是本申请实施例提供的一种门禁控制组件的内部结构示意图；
图9是用来实现本申请实施例的门禁控制方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
传统的门禁***通常使用密码、刷卡、指纹及移动设备MAC(Media AccessControl或者Medium Access Control，媒体访问控制)地址等信息匹配的方式进行用户身份识别。但是使用门禁卡和移动设备MAC地址进行用户身份识别的方式存在用户遗失风险高的问题。用户遗失后一旦被他人利用，将严重威胁到门禁***的有效性和安全性，而且此类遗失风险不易被感知，如果原注册用户不及时反馈，很可能在较长一段内，门禁***都无法发现其遗失风险。指纹、密码等用户身份识别方式虽然不易直接遗失被他人利用，但是如果密码设置简短，会非常容易被破解。如果密码设置复杂，用户记忆成本和使用成本都较高。而且随着计算机技术的发展，指纹标识破解已经不再困难，指纹的安全性也越来越低。近几年，随着深度学习技术的不断进步，人脸识别技术也越来越成熟，很多场所已经提供了基于人脸识别的门禁控制***，但是目前的多数门禁***的人脸识别准确率及识别耗时等问题都还存在非常大的挑战，主要体现在以下几个方面：
(1)用户体验不够好：现有门禁***采用的人脸识别技术都需要用户在门禁***前短暂停留1-2秒进行信息采集和识别，虽然停留时间不长，但短暂的停留相对于用户连贯的行走行为也会具有较强的对比性，非常影响用户体验。
(2)通行效率低：对于人员流动密集的时段，如上班高峰时段的办公楼宇和工厂，下班高峰时段的生活小区等场景。如果每人在门禁***处停留1-2秒，会导致门禁***处造成大量拥堵，当拥堵人群越来越多时，还会同时为人脸识别的准确性带来更大挑战。
(3)计算效率低：现在基于人脸识别的门禁***都是在每一个门禁通道处进行信息采集和识别，对于有多门禁通道的大型办公楼宇来说，每经过一个门禁通道都需要进行一次人脸信息匹配，此类方式存在计算效率极低的问题。可以理解的是，一个用户进入办公楼宇大厅，其信息就已经确定，用户穿过大厅前往任何一个门禁通道，都没有必要再次对用户重复进行身份识别。
在一个示例中，图1是本申请实施例提供的一种门禁控制方法的流程图，本实施例可适用于根据用户的路线对多门禁通道进行控制的情况，该方法可以由门禁控制***来执行，该门禁控制***可以由软件和/或硬件的方式来实现，并一般可集成在电子设备中，该电子设备可以是门禁设备等。相应的，如图1所示，该方法包括如下操作：
S110、获取多个通行用户的实时运动路线；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证。
其中，通行用户可以是在门禁***的统一门禁入口处通过身份认证的用户。统一门禁入口也即各用户进入门禁***保护区域的必经门禁入口。示例性的，大型办公楼宇的进入楼宇的入口处所设置的门禁入口可以认为是一种统一门禁入口。可选的，门禁***的统一门禁入口可以采用人脸识别的方式对通行用户采集人脸图像信息，并根据采集到的人脸图像信息对通行用户进行身份认证。实时运动路线可以是通行用户通过门禁***身份认证后对通行用户实时获取的运动路线。
在本申请实施例中，当多个通行用户通过门禁***的统一门禁入口处的身份认证后，门禁***可以实时对通过身份认证的多个通行用户的运动路线进行追踪，以获取各通行用户的实时运动路线。
S120、根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道。
其中，目的门禁通道也即各通行用户需要抵达并通过的门禁通道。所谓门禁通道可以是门禁***中用于控制对象通行的通道，对象可以是人、车辆或其他可行动且需要通行认证的物体。在本申请实施例中，门禁通道可以用于控制人通行。当通行用户通过门禁***的身份认证后，可以门禁通道开启门禁设备，通信用户可以通过门禁通道进入门禁通道安全控制的区域。
相应的，门禁***获取到各通行用户的实时运动路线后，可以根据各通行用户的实时运动路线预测各通行用户匹配的多个目的门禁通道。示例性的，通行用户A的实时运动路线为A，根据实时运动路线A可以预测通行用户A想要抵达的目的门禁通道为通道A。通行用户B的实时运动路线为B，根据实时运动路线B可以预测通行用户B想要抵达的目的门禁通道为通道D。可以理解的是，各通行用户匹配的目的门禁通道可以相同，也可以不同，一个通行用户可以对应匹配一个或多个目的门禁通道，本申请实施例对此并不进行限制。
S130、在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
相应的，当门禁***掌握各通行用户的目的门禁通道信息后，如果确定各通行用户到达匹配的目的门禁通道，无需在目的门禁通道处再次对各通行用户进行身份识别，可以直接控制各目的门禁通道开启。
现有技术中，在拥有统一门禁入口以及多个门禁通道的门禁***场景中，统一门禁入口和其他各门禁通道分别需要对用户进行身份认证。本申请实施例所提供的门禁控制方法可以适用于大型办公楼宇等拥有统一门禁入口以及多个门禁通道的门禁***场景中。各用户在楼宇的统一门禁入口处通过门禁***的身份认证后，可以直接抵达相应的门禁通道处。由于楼宇的统一门禁入口处以及完成了对用户的身份认证，则整个楼宇的各门禁通道均可以共享通过身份认证的用户信息。当门禁***根据用户的实时运动路线确定各用户抵达相应的目的门禁通道时，无需在目的门禁通道处重复对用户进行身份认证，以避免人群拥堵造成降低通行效率和身份认证的准确率。由此可见，本申请实施例所提供的门禁控制方法可以缩减身份认证的计算量，从而提高***的计算效率。同时，各用户在同一门禁入口处通过身份认证后，当用户抵达目的门禁通道时，用户在目的门禁通道处无需停留短暂时间以再次对用户的身份进行认证，可以直接开启目的门禁通道让用户通行，避免出现大量冗余计算，实现在用户无感知的情况下完成身份认证，进而提高通行效率和用户体验。
本申请实施例根据获取的多个通行用户的实时运动路线预测各通行用户匹配的多个目的门禁通道，以在确定各通行用户到达匹配的目的门禁通道时，控制各目的门禁通道开启，解决现有门禁控制方法存在的通信效率低及用户体验差等问题，以提高门禁***的识别效率、通行效率和用户体验。
在一个示例中，图2是本申请实施例提供的一种门禁控制方法的流程图，本申请实施例在上述各实施例的技术方案的基础上，进行了优化改进，给出了获取各通行用户的实时运动路线、根据各所述实时运动路线预测各所述通行用户匹配的多个目的门禁通道，以及控制各所述目的门禁通道开启的多种具体可选的实现方式。
如图2所示的一种门禁控制方法，包括：
S210、采集所述通行用户的多维度视频图像。
其中，多维度视频图像可以是门禁***通过多个摄像头采集的通行用户的不同角度的视频图像。在本申请实施例中，门禁***可以采用多个摄像头获取通行用户的人脸图像。其中，每个摄像头可以安装在不同的位置。例如，楼宇的统一门禁入口处可以在不同位置安装多个不同的摄像头，以在统一门禁入口处获取各通行用户的多个角度的视频图像。同时，楼宇内的各个通道处，如楼道或拐角处等也可以安装多个不同的摄像头，以在通行用户通过统一门禁入口处的身份认证后，实时采集通行用户的多维度视频图像，以对通行用户进行实时追踪。可以理解的是，各摄像头可以仅用于门禁***采集通行用户的视频图像，还可以联动监控***进行监控处理，本申请实施例对此并不进行限制。
在本申请实施例中，在门禁***对各通行用户的运动路线进行实时追踪之前，各通行用户首先需要在门禁***的统一门禁入口处进行身份认证。可选的，门禁***可以通过统一门禁入口处的多个摄像头实时采集各通行用户的多维度视频图像，以用于对各通行用户进行人脸识别，实现身份认证。同时，各通行用户在通过身份认证后前往目的门禁通道的过程中，门禁***还可以通过目的门禁通道附近的多个摄像头实时采集各通行用户的多维度视频图像，以用于对各通行用户进行人脸识别，实现通行用户的路线追踪。
S220、根据所述多维度视频图像进行3D建模，确定所述通行用户的待识别人脸信息。
S230、对所述通行用户的待识别人脸信息进行人脸识别。
其中，待识别人脸信息即为各通行用户用于进行身份认证的人脸信息。
相应的，当门禁***通过多个摄像头采集到各通行用户的多维度视频图像后，可以对每个摄像头采集到的多维度视频图像按照时间及位置等空间信息进行串联，形成一套完整的可进行目标检测的高质量视频图像数据。得到可进行目标检测的高质量视频图像数据之后，既可以对高质量视频图像数据进行目标检测，以识别视频图像中各个通行用户在不同角度和不同位置条件下的人脸信息。此时，门禁***可以利用各个通行用户在不同角度和不同位置条件下的人脸信息进行变换和重建，变换过程可以包括但不限于对图像进行抽样、缩放、折叠、扭曲及光影处理等。重建过程可以将采集到的人脸图像信息与变换后的人脸图像信息共同进行3D建模，以复原各通行用户的真实的待识别人脸图像，并将待识别人脸图像与注册人脸库中进行匹配。其中，注册人脸库提取存储了多个用户的标准人脸图像，用于作为身份认证的基准图像对待识别人脸图像进行对比匹配。在进行人脸匹配时，可选的，可以采用深度学习中的卷积神经网络进行图像识别与匹配，最终输出匹配正确或匹配错误的结果。
需要说明的是，当前基于人脸识别的门禁***主要通过门禁通道处的单摄像头采集用户在摄像头前1-2秒的短暂脸部视频内容，并使用该视频中的人脸信息与注册用户人脸信息库进行匹配比较。此种情况下，短时间内可以采集到的视频信息有限，在灯光暗淡或人员密集等条件下，经常会识别不出正确的用户人脸，出现用户身份正确但不能通过门禁***的情况。准确率不够高。同时，对于当前单摄像头的信息采集方式，很容易被摄像头自带的人脸的3D磨具、人物特写视频等功能误导，导致门禁***不能有效的拒绝非政策用户。而且随着神经网络中对抗学习与生成学习等技术的发展，基于单摄像头的人脸识别门禁***被攻破风险也会越来越高。
S240、在确定人脸识别结果通过的情况下，获取通行用户的实时运动路线。
在本申请实施例中，门禁***可以利用人脸识别结果控制门禁通道的开启和关闭。可选的，当人脸识别结果通过时，才会对各通行用户的运动路线进行实时追踪。如果人脸识别结果不通过，则对人脸识别结果不通过的通行用户关闭所有的门禁通道，拒绝其通行。
本申请实施例中的门禁***采用多摄像头采集各用户的多角度信息进行人脸图像识别，能够保证用户身份识别的准确性与防攻击性，从而提高门禁***的身份认证的准确率和安全性。
在本申请的一个可选实施例中，门禁控制方法还可以包括：根据所述人脸识别结果确定所述通行用户的运动标识。
其中，运动标识可以是根据人脸识别结果为各通行用户确定的唯一标识，用于标识各通行用户的身份。
需要说明的是，在对各通行用户进行人脸识别后，可以通过根据人脸识别结果确定的各通行用户的运动标识。各通行用户的运动标识可以在后续对各通行用户进行实时追踪时，与各通行用户的运动路线进行关联，从而确定各通行用户的实时运动路线。当确定各通行用户的运动标识后，可以存储记录各通行用户的运动标识。
相应的，S240中获取各通行用户的实时运动路线的操作具体可以包括下述内容：
S241、对多个所述通行用户进行实时目标检测。
其中，实时目标检测可以是对通行用户同时进行实时人脸检测和实时位置检测。其中，实时人脸检测也即对各通行用户的人脸进行实时检测，实时位置检测也即对各通行用户的位置进行实时检测。
具体的，门禁***在对各通行用户的进行实时追踪时，可以同时对各通行用户进行实时人脸检测和实时位置检测等实时目标检测操作。
可选的，门禁***可以采用多种目标追踪算法对各通行用户进行实时目标检测。如DSST(Discriminatiive Scale Space Tracker，区分尺度空间跟踪算法)等，通过DSST算法可以使用3维滤波器进行目标追踪。1维滤波器可以用于评估通行用户尺度的变化，2维滤波器可以用于评估通行用户位置的变化，3维滤波器用于详尽的尺度空间中的通行用户定位。
S242、根据实时目标检测结果确定各所述通行用户的运动标识和实时运动路线。
S243、根据各所述运动标识对各所述实时运动路线进行标识。
相应的，根据对各通行用户的实时人脸检测结果可以确定各通行用户匹配的运动标识，根据对各通行用户的实时位置检测结果可以确定各通行用户匹配的实时运动路线。具体的，门禁***可以将各通行用户的实时人脸检测图像与注册人脸库进行对比匹配，并在确定匹配成功时，采用门禁***存储记录的对应各通行用户的运动标识对各通行用户的实时运动路线进行标识，可以建立各通行用户与实时运动路线之间的一一对应关系。
S250、根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道。
其中，S250具体可以包括下述操作：
S251、实时存储所述实时运动路线，作为所述通行用户的历史运动路线。
可选的，在预测各通行用户匹配的多个目的门禁通道时，门禁***可以实时存储各通行用户的实时运动路线，作为各通行用户的历史运动路线。
S252、根据所述历史运动路线计算各所述通行用户的2D平面运动路线。
其中，2D平面运动路线也即在2D平面上根据通行用户的运动路线所绘制的运动路线。
相应的，门禁***进一步可以根据各通行用户的历史运动路线计算各通行用户的2D平面运动路线。可以理解的是，一个通行用户可以对应一个2D平面运动路线，每个2D平面运动路线可以反应对应通行用户在楼宇内的运动情况。
S253、将所述2D平面运动路线输入至多通道运动路线分类模型，并根据所述多通道运动路线分类模型的输出结果确定各所述通行用户匹配的多个目的门禁通道。
其中，多通道运动路线分类模型可以是预先根据多个历史记录的2D平面运动路线以及各2D平面运动路线对应的目的门禁通道构成的样本数据训练的，用于根据2D平面运动路线预测用户对应的运动终点，也即预测用户对应的目的门禁通道的模型。其中，样本数据中历史记录的2D平面运动路线可以作为多通道运动路线分类模型的输入数据，各历史记录的2D平面运动路线对应的目的门禁通道可以作为多通道运动路线分类模型针对各历史记录的2D平面运动路线的输出结果。多通道运动路线分类模型可以采用深度学习网络模型或机器学习模型等，本申请实施例对此并不进行限制。
相应的，在确定各通行用户的2D平面运动路线之后，可以将各通行用户的2D平面运动路线输入至多通道运动路线分类模型中，以通过多通道运动路线分类模型预测各通行用户匹配的多个目的门禁通道。
需要说明的是，对于一般的门禁***应用场景，不同门禁通道之间的距离相对较远，所以使用2D平面运动路线训练多通道运动路线分类模型的准确率较高。
上述技术方案中，通过利用历史记录的2D平面运动路线以及各2D平面运动路线对应的目的门禁通道构成的样本数据训练多通道运动路线分类模型，可以在门禁***得到各通行用户的2D平面运动路线后，直接将其输入至多通道运动路线分类模型，以利用多通道运动路线分类模型预测各通行用户匹配的目的门禁通道，可以提供目的门禁通道的预测效率和准确率。
在本申请的一个可选实施例中，所述根据各所述历史运动路线计算各所述通行用户的2D平面运动路线，可以包括：对所述历史运动路线提取关键运动路线信息；所述关键运动路线信息包括关键位置坐标、移动速率及前进方向；对所述历史运动路线对应的关键运动路线信息在2D平面进行复原，得到各所述通行用户的2D平面运动路线。
其中，关键运动路线信息可以是反应运动路线特征的关键信息，可选的，关键运动路线信息可以包括但不限于关键位置坐标、移动速率及前进方向等。其中，关键位置坐标也即通行用户的在关键点的相关坐标，如通行用户在拐角点处、楼道的起点、中点以及终点等关键位置的坐标等，本申请实施例并不对关键位置坐标的具***置类型进行限定。移动速率也即通行用户在楼宇内的移动速率，该速率可以是实时速率，也可以是平均速率，只要能够与通行用户的移动速度相匹配即可，本申请实施例对此并不进行限制。
可选的，根据各通行用户的历史运动路线计算各通行用户的2D平面运动路线时，可以对各通行用户的历史运动路线提取关键位置坐标、移动速率及前进方向等关键运动路线信息，进而根据提取的关键运动路线信息在2D平面进行复原，以得到各通行用户的2D平面运动路线。
需要说明的是，各通行用户在前进的过程中，各通行用户的2D平面运动路线也可以随之实时更新。可以理解的是，各通行用户的2D平面运动路线越丰富，对各通行用户匹配的目的门禁通道的预测准确率越高。也即，通行用户越接近其匹配的目的门禁通道，多通道运动路线分类模型对其预测的目的门禁通道的预测准确率越高。
上述技术方案中，通过利用各通行用户的历史运动路线在2D平面绘制各通行用户匹配的2D平面运动路线，可以实现对各通行用户真正意义的路线追踪，同时可以实现根据路线追踪结果对各通行用户运动路线的预测，尤其是对各通行用户匹配的目的门禁通道的准确预测。
S260、在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
相应的，如果门禁***确定各通行用户到达各匹配的目的门禁通道。则可以控制各目的门禁通道开启，以支持用户无障碍通行。需要说明的是，由于各通行用户在通过统一门禁入口后进入楼宇的运动过程中，楼宇内的各个摄像头会实时采集通行用户的人脸图像信息和位置信息。因此，门禁***还可以利用楼宇内各个摄像头实时采集的人脸图像信息对通行用户的身份进行实时检测识别，以避免在统一门禁入口处识别有误导致没有权限的用户进入楼宇后，可以随意进入各个门禁通道。一旦门禁***根据通行用户在楼宇内的实时人脸检测结果确定通行用户的人脸图像信息无法通过认证，则控制所有门禁通道对没有通过认证的通行用户关闭，以确保门禁***的安全性。同时，没有通过认证的通行用户后续如果再次通过认证，且通过认证的次数超过未通过认证的次数，或者通过认证的次数与未通过认证的次数的差大于某一设定的阈值，则认为该通行用户通过认证，并且在确定该通行用户到达各匹配的目的门禁通道的情况下，控制各目的门禁通道开启。
在本申请的一个可选实施例中，所述确定所述通行用户到达匹配的目的门禁通道，可以包括：根据所述实时运动路线计算各所述通行用户与匹配的目的门禁通道之间的通道接近距离；在确定所述通道接近距离小于或等于设定通道阈值的情况下，确定所述通行用户到达匹配的目的门禁通道；其中，各所述目的门禁通道对应的所述设定通道阈值相同或不同。
其中，通道接近距离也即各通行用户的当前位置与其匹配的目的门禁通道之间的物理距离，该物理距离可以是直线距离，也可以是从当前位置处抵达目的门禁通道处的实际行走距离，本申请实施例对此并不进行限制。设定通道阈值可以根据实际需求设定，如2米或3米等，本申请实施例并不对设定通道阈值的具体数值进行限定。
可选的，可以根据各通行用户与各目的门禁通道之间的通道接近距离判断各通行用户是否到达各匹配的目的门禁通道。具体的，如果各通行用户与各匹配的目的门禁通道之间的通道接近距离小于或等于设定通道阈值，则可以确定各通行用户到达各匹配的目的门禁通道。也即，当通行用户与其匹配的目的门禁通道之间的通道接近距离较远，大于设定通道阈值时，目的门禁通道可以保持关闭状态。只有在通行用户与其匹配的目的门禁通道之间的通道接近距离较近，小于或等于设定通道阈值时，目的门禁通道才会自动打开，以实现用户无感知的身份认证和无障碍的通行过程。
上述方案中，在确定各通行用户的通道接近距离小于或等于设定通道阈值时，确定各通行用户到达各匹配的目的门禁通道，不仅可以实现用户无障碍通行，还可以在一定程度上保障门禁通道的安全性，防止各用户可以随意进出各个门禁通道。
在本申请的一个可选实施例中，在确定各所述通行用户到达各匹配的目的门禁通道的情况下，控制各所述目的门禁通道开启之后，还可以包括：接收人工控制请求；根据所述人工控制请求调整门禁控制策略。
其中，人工控制请求可以是工作人员对门禁控制***输入的人工请求，用于对某些特定场景指定特殊的门禁控制策略。
在本申请实施例中，门禁***还可以接收工作人员输入的人工控制请求，以根据接收的人工控制请求调整门禁控制策略。示例性的，当门禁***出现故障时，可以通过人工控制请求恢复上述任一实施例所述的门禁控制方法。在某些特定场景中，如节假期间，可以根据人工控制请求调整当前的门禁控制策略具体为：只允许部分规定的通道开启。在火灾等极端场景中，则可以根据人工控制请求调整当前的门禁控制策略具体为：允许所有门禁通道开启。
通过人工控制请求调整门禁控制策略，可以丰富门禁***的门禁控制方法，扩展门禁***的门禁控制功能。
上述技术方案，相较于密码、门禁卡，移动设备MAC信息等识别方案，本发明基于的信息为人脸信息，从根本上杜绝了遗失或被盗的风险。通过在门禁***中引入多摄像头的人脸识别方案，相比于单摄像头人脸识别，该门禁控制方法采集的认证信息更全面，且识别准确率更高。同时采用目标追踪和运动路线预测的方式***用户需要通过的目的门禁通道，在确定用户到达目的门禁通道时，不需要重复在即用户的人脸信息，可以自动打开相应目的门禁通道，不需用户在门禁通道前停留认证，避免人员拥堵现象，在提升用户体验的同时也提升了通行效率和计算效率。
在一个示例中，图3是本申请实施例提供的一种门禁控制***的结构示意图，本申请实施例可适用于根据用户的路线对多门禁通道进行控制的情况，相应的，如图3所示，门禁控制***可以包括：跨摄像头目标检测组件310、目标通道预测组件320以及门禁控制组件330；其中：跨摄像头目标检测组件310与目标通道预测组件320通信连接，用于获取多个通行用户的实时运动路线，并将各所述实时运动路线发送至目标通道预测组件320和门禁控制组件330；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；目标通道预测组件320与门禁控制组件330通信连接，用于根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；门禁控制组件330用于在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
可选的，跨摄像头目标检测组件310具体用于：对多个所述通行用户进行实时目标检测；根据实时目标检测结果确定各所述通行用户的运动标识和实时运动路线；根据各所述运动标识对各所述实时运动路线进行标识。
可选的，目标通道预测组件320具体用于：实时存储所述实时运动路线，作为所述通行用户的历史运动路线；根据所述历史运动路线计算各所述通行用户的2D平面运动路线；将所述2D平面运动路线输入至多通道运动路线分类模型，并根据所述多通道运动路线分类模型的输出结果确定各所述通行用户匹配的多个目的门禁通道。
可选的，目标通道预测组件320具体用于：对历史运动路线提取关键运动路线信息；关键运动路线信息包括关键位置坐标、移动速率及前进方向；对各历史运动路线对应的关键运动路线信息在2D平面进行复原，得到各通行用户的2D平面运动路线。
可选的，目标通道预测组件320具体用于：根据实时运动路线计算各通行用户与匹配的目的门禁通道之间的通道接近距离；门禁控制组件330具体用于：在确定通道接近距离小于或等于设定通道阈值的情况下，确定通行用户到达匹配的目的门禁通道；其中，各目的门禁通道对应的设定通道阈值相同或不同。
可选的，门禁控制***还包括多个摄像头340及跨摄像头人脸识别组件350，其中，摄像头340与跨摄像头人脸识别组件350及跨摄像头目标检测组件310通信连接，用于采集各所述通行用户的多维度视频图像，并将各所述通行用户的多维度视频图像发送至跨摄像头人脸识别组件350和跨摄像头目标检测组件310；跨摄像头人脸识别组件350还与跨摄像头目标检测组件310通信连接，用于根据各所述多维度视频图像进行3D建模，确定所述通行用户的待识别人脸信息；对所述通行用户的待识别人脸信息进行人脸识别；在确定人脸识别结果通过的情况下，获取各通行用户的实时运动路线。
可选的，跨摄像头人脸识别组件350具体用于：根据人脸识别结果确定通行用户的运动标识。
可选的，门禁控制***还可以包括人工干预组件，可选的，人工干预组件可以设置在门禁控制组件330的内部(图3中未示出)，具体用于：接收人工控制请求；根据人工控制请求调整门禁控制策略。
图4是本申请实施例提供的一种门禁控制***的结构示意图，如图4所示，各摄像头可以负责采集用户不同角度的视频信息，为进行目标检测、多角度人脸图像识别和目标追踪提供必要的图像、视频素材。跨摄像头人脸识别组件负责对多个摄像头采集的图片信息进行整合，结合目标检测，对同一通行用户的不同角度人脸信息进行3D建模，以达到可以与注册人脸库做信息匹配的目的。如果匹配正确，结合目标通道预测组件开启相关门禁通道，允许通行，匹配错误则直接关闭所有通道，拒绝通行。跨摄像头目标检测组件对所有检测到的信息做目标检测，一方面将该信息同步共享给跨摄像头人脸识别组件作为多角度人脸信息的运动标识，另一方面对检测到的多通行用户进行运动路线追踪。目标通道预测组件可以对多目标路线进行数字化处理和2D建模，对通行用户将要去往的目的门禁通道进行***，并实时计算通行用户与目的门禁通道之间的通道接近距离。门禁控制组件可以接收人脸识别结果的信号和目标通道预测组件的预测结果。当人脸识别错误时，门禁控制组件控制所有通道均关闭，拒绝通行。如果用户到目的门禁通道的通道接近距离较远，则门禁控制组件控制目的门禁通道仍处于关闭状态，当用户与目的门禁通道的通道接近距离小于或等于设定通道阈值时，自动打开目的门禁通道，通行用户无障碍完成通行。其中，图4中将门禁通道简称为通道，将目的门禁通道简称为目标通道。
图5是本申请实施例提供的一种跨摄像头人脸识别组件的内部结构示意图。在一个可选的示例中，如图5所示，跨摄像头人脸识别组件可以包括信息聚合单元、目标检测单元、3D建模单元及人脸匹配单元。其中，信息聚合单元负责将每个摄像头采集到的多维度视频图像按照时间及位置等空间信息进行串联，形成一套完整的可进行目标检测的高质量视频图像数据。目标检测单元负责进行目标检测，识别监控视频中的各通行用户在不同角度、位置条件下的人脸信息。3D建模单元利用各个通行用户在不同角度和不同位置条件下的人脸信息进行变换和重建，变换过程可以包括但不限于对图像进行抽样、缩放、折叠、扭曲及光影处理等。重建过程可以将采集到的人脸图像信息与变换后的人脸图像信息共同进行3D建模，以复原各通行用户的真实的待识别人脸图像，并将待识别人脸图像与注册人脸库中进行匹配。其中，注册人脸库提取存储了多个用户的标准人脸图像，用于作为身份认证的基准图像对待识别人脸图像进行对比匹配。在进行人脸匹配时，可选的，可以采用深度学习中的卷积神经网络进行图像识别与匹配，最终输出匹配正确或匹配错误的结果。
图6是本申请实施例提供的一种跨摄像头目标检测组件的内部结构示意图。在一个可选的示例中，如图6所示，跨摄像头目标检测组件可以包括信息聚合单元、目标检测单元及目标追踪单元。其中，信息聚合单元、目标检测单元与图5中跨摄像头人脸识别组件的信息聚合单元和目标检测单元功能相似，主要的区别在于跨摄像头目标检测组件下的目标检测单元重点识别通行用户在地面上位置，而非人脸信息。除此之外，跨摄像头目标检测组件还包括一个动态的目标追踪单元。目标追踪单元负责对检测到的目标进行动态追踪。可选的，目标追踪单元可以采用DSST算法，共计使用3维滤波器进行目标追踪。1维滤波器可以用于评估通行用户尺度的变化，2维滤波器可以用于评估通行用户位置的变化，3维滤波器用于详尽的尺度空间中的通行用户定位。
图7是本申请实施例提供的一种目标通道预测组件的内部结构示意图。在一个可选的示例中，如图7所示，目标通道预测组件可以包括路线处理单元、2D平面建模单元、目标通道预测单元以及距离计算单元。其中，路线处理单元用于接收通行用户的实时运动路线并进行存储，得到历史运动路线信息，完成对该历史运动路线的信息噪声、关键位置坐标、移动速率、前进方向等数据处理和计算，为进行2D平面建模提供结构化的干净数据。2D平面建模单元主要用于对通行用户的行为路线进行关键信息复原，在2D平面上绘制出通行用户的2D平面运动路线。目标通道预测单元包括一个多通道运动路线分类模型和一套目标通道预测流程。多通道运动路线分类模型可以是预先根据多个历史记录的2D平面运动路线以及各2D平面运动路线对应的目的门禁通道构成的样本数据训练的，用于根据2D平面运动路线预测用户对应的运动终点，也即预测用户对应的目的门禁通道的模型。其中，样本数据中历史记录的2D平面运动路线可以作为多通道运动路线分类模型的输入数据，各历史记录的2D平面运动路线对应的目的门禁通道可以作为多通道运动路线分类模型针对各历史记录的2D平面运动路线的输出结果。多通道运动路线分类模型可以采用深度学***面运动路线训练多通道运动路线分类模型的准确率较高。相应的，将各通行用户的2D平面运动路线输入至多通道运动路线分类模型中，即可通过多通道运动路线分类模型预测各通行用户匹配的多个目的门禁通道。距离计算单元用于根据各通行用户匹配的目的门禁通道，实时计算各通行用户到对应目的门禁通道之间的通道接近距离。具体的，通过目标追踪，可以实时获取到通行用户当前所处的位置，与目的门禁通道所在的位置做2维平面三角运算即可获得通道接近距离。其中，图7中将门禁通道简称为通道，将目的门禁通道简称为目标通道。
图8是本申请实施例提供的一种门禁控制组件的内部结构示意图。在一个可选的示例中，如图8所示，门禁控制组件可以包括信号处理单元、机械控制单元、以及人工干预单元。其中，信号处理单元可以获取人脸识别信号和运动路线预测信号，当人脸识别信号为匹配错误时，所有门禁通道均关闭，拒绝通行。只有当人脸识别匹配正确，才会在通行用户即将到达对应目的通道预测结果的基础上，实时判定通行用户与目的门禁通道位置之间的通道接近距离。机械控制单元用于基于通行用户与目的门禁通道位置之间的通道接近距离控制所有门禁***的开关状态，当通道接近距离小于或等于设定通道阈值时，打开该通行用户匹配的目的门禁通道，其他门禁通道则不影响。人工干预单元可以对特殊情况下门禁控制策略进行调整。如在节假日，只允许部分门禁通道开启，在火灾等极端情况下，允许所有门禁通道开启。其中，图8中将门禁通道简称为通道，将目的门禁通道简称为目标通道。
本申请实施例在确定通行用户在门禁***的统一门禁入口处通过身份认证后，根据获取的多个通行用户的实时运动路线预测各通行用户匹配的多个目的门禁通道，以在确定各通行用户到达匹配的目的门禁通道时，控制各目的门禁通道开启，解决现有门禁控制方法存在的通信效率低及用户体验差等问题，以提高门禁***的识别效率、通行效率和用户体验。
在一个示例中，本申请还提供了一种电子设备和一种可读存储介质。
图9是用来实现本申请实施例的门禁控制方法的电子设备的结构示意图。如图9所示，是根据本申请实施例的门禁控制方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图9中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的门禁控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的门禁控制方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的门禁控制***对应的程序指令/模块(例如，附图3所示的跨摄像头人脸识别组件320、跨摄像头目标检测组件330、目标通道预测组件340以及门禁控制组件350等)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的门禁控制方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储实现门禁控制方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至实现门禁控制方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现门禁控制方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与实现门禁控制方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、路线板、触摸板、指示杆、一个或者多个鼠标按钮、路线球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者路线球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端可以是智能手机、笔记本电脑、台式计算机、平板电脑、智能音箱等，但并不局限于此。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云计算、云服务、云数据库、云存储等基础云计算服务的云服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本申请实施例在确定通行用户在门禁***的统一门禁入口处通过身份认证后，根据获取的多个通行用户的实时运动路线预测各通行用户匹配的多个目的门禁通道，以在确定各通行用户到达匹配的目的门禁通道时，控制各目的门禁通道开启，解决现有门禁控制方法存在的通信效率低及用户体验差等问题，以提高门禁***的识别效率、通行效率和用户体验。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种门禁控制方法，包括：
获取多个通行用户的实时运动路线；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；
根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；
在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
2.根据权利要求1所述的方法，其中，所述获取多个通行用户的实时运动路线，包括：
对多个所述通行用户进行实时目标检测；
根据实时目标检测结果确定各所述通行用户的运动标识和实时运动路线；
根据各所述运动标识对各所述实时运动路线进行标识。
3.根据权利要求1所述的方法，其中，所述根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道，包括：
实时存储所述实时运动路线，作为所述通行用户的历史运动路线；
根据所述历史运动路线计算各所述通行用户的2D平面运动路线；
将所述2D平面运动路线输入至多通道运动路线分类模型，并根据所述多通道运动路线分类模型的输出结果确定各所述通行用户匹配的多个目的门禁通道。
4.根据权利要求3所述的方法，其中，所述根据所述历史运动路线计算各所述通行用户的2D平面运动路线，包括：
对所述历史运动路线提取关键运动路线信息；所述关键运动路线信息包括关键位置坐标、移动速率及前进方向；
对所述历史运动路线对应的关键运动路线信息在2D平面进行复原，得到各所述通行用户的2D平面运动路线。
5.根据权利要求1所述的方法，其中，所述确定所述通行用户到达匹配的目的门禁通道，包括：
根据所述实时运动路线计算各所述通行用户与匹配的目的门禁通道之间的通道接近距离；
在确定所述通道接近距离小于或等于设定通道阈值的情况下，确定所述通行用户到达匹配的目的门禁通道；
其中，各所述目的门禁通道对应的所述设定通道阈值相同或不同。
6.根据权利要求1所述的方法，还包括：
采集所述通行用户的多维度视频图像；
根据所述多维度视频图像进行3D建模，确定所述通行用户的待识别人脸信息；
对所述通行用户的待识别人脸信息进行人脸识别；
在确定人脸识别结果通过的情况下，获取所述通行用户的实时运动路线。
7.根据权利要求6所述的方法，还包括：
根据所述人脸识别结果确定所述通行用户的运动标识。
8.根据权利要求1所述的方法，还包括：
接收人工控制请求；
根据所述人工控制请求调整门禁控制策略。
9.一种门禁控制***，跨摄像头目标检测组件、目标通道预测组件以及门禁控制组件；其中：
所述跨摄像头目标检测组件与所述目标通道预测组件通信连接，用于获取多个通行用户的实时运动路线，并将各所述实时运动路线发送至所述目标通道预测组件和所述门禁控制组件；其中，所述通行用户在门禁***的统一门禁入口处通过身份认证；
所述目标通道预测组件与所述门禁控制组件通信连接，用于根据所述实时运动路线预测所述通行用户匹配的多个目的门禁通道；
所述门禁控制组件用于在确定所述通行用户到达匹配的目的门禁通道的情况下，控制所述目的门禁通道开启。
10.根据权利要求9所述的***，其中，所述跨摄像头目标检测组件具体用于：
对多个所述通行用户进行实时目标检测；
根据实时目标检测结果确定各所述通行用户的运动标识和实时运动路线；
根据各所述运动标识对各所述实时运动路线进行标识。
11.根据权利要求9所述的***，其中，所述目标通道预测组件具体用于：
实时存储所述实时运动路线，作为所述通行用户的历史运动路线；
根据所述历史运动路线计算各所述通行用户的2D平面运动路线；
将所述2D平面运动路线输入至多通道运动路线分类模型，并根据所述多通道运动路线分类模型的输出结果确定各所述通行用户匹配的多个目的门禁通道。
12.根据权利要求11所述的***，其中，所述目标通道预测组件具体用于：
对所述历史运动路线提取关键运动路线信息；所述关键运动路线信息包括关键位置坐标、移动速率及前进方向；
对所述历史运动路线对应的关键运动路线信息在2D平面进行复原，得到各所述通行用户的2D平面运动路线。
13.根据权利要求9所述的***，其中，所述目标通道预测组件具体用于：
根据所述实时运动路线计算各所述通行用户与匹配的目的门禁通道之间的通道接近距离；
所述门禁控制组件具体用于：
在确定所述通道接近距离小于或等于设定通道阈值的情况下，确定所述通行用户到达匹配的目的门禁通道；
其中，各所述目的门禁通道对应的所述设定通道阈值相同或不同。
14.根据权利要求9所述的***，还包括多个摄像头及跨摄像头人脸识别组件：
所述摄像头与所述跨摄像头人脸识别组件及所述跨摄像头目标检测组件通信连接，用于采集各所述通行用户的多维度视频图像，并将各所述通行用户的多维度视频图像发送至所述跨摄像头人脸识别组件和所述跨摄像头目标检测组件；
所述跨摄像头人脸识别组件还与所述跨摄像头目标检测组件通信连接，用于根据各所述多维度视频图像进行3D建模，确定所述通行用户的待识别人脸信息；
对所述通行用户的待识别人脸信息进行人脸识别；
在确定人脸识别结果通过的情况下，获取各通行用户的实时运动路线。
15.根据权利要求14所述的***，其中，所述跨摄像头人脸识别组件具体用于：
根据所述人脸识别结果确定所述通行用户的运动标识。
16.根据权利要求9所述的***，还包括人工干预组件，用于：
接收人工控制请求；
根据所述人工控制请求调整门禁控制策略。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的门禁控制方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的门禁控制方法。
CN202011034809.8A 2020-09-27 2020-09-27 一种门禁控制方法、***、电子设备及存储介质 Active CN112200956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011034809.8A CN112200956B (zh) 2020-09-27 2020-09-27 一种门禁控制方法、***、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011034809.8A CN112200956B (zh) 2020-09-27 2020-09-27 一种门禁控制方法、***、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112200956A true CN112200956A (zh) 2021-01-08
CN112200956B CN112200956B (zh) 2023-01-17

Family

ID=74007406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011034809.8A Active CN112200956B (zh) 2020-09-27 2020-09-27 一种门禁控制方法、***、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112200956B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349396A (zh) * 2019-07-29 2019-10-18 维达力实业(深圳)有限公司 智能交互***、交互终端及控制平台
CN113569808A (zh) * 2021-08-23 2021-10-29 广东启信数据服务有限公司 机房人脸识别动态管理方法、存储介质及***
CN116129560A (zh) * 2022-12-07 2023-05-16 ***数智科技有限公司 一种基于人工智能的智慧楼宇管理***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730663A (zh) * 2017-05-10 2018-02-23 西安艾润物联网技术服务有限责任公司 门禁控制方法及装置
US20180081503A1 (en) * 2016-09-19 2018-03-22 Google Inc. Recommending a document for a user to access
CN108629323A (zh) * 2018-05-11 2018-10-09 哈尔滨工业大学 一种景区游客链式出行一体化提供方法
CN109472233A (zh) * 2018-11-01 2019-03-15 济南创视睿智能科技有限公司 一种行为追踪***
CN110390749A (zh) * 2019-07-17 2019-10-29 青岛聚好联科技有限公司 一种基于蓝牙定位的门禁***
CN110781838A (zh) * 2019-10-28 2020-02-11 大连海事大学 一种复杂场景下行人的多模态轨迹预测方法
CN111291690A (zh) * 2020-02-17 2020-06-16 深圳市联合视觉创新科技有限公司 路线规划方法、路线规划装置、机器人及介质
CN111611894A (zh) * 2020-05-14 2020-09-01 深圳中科慧据科技有限公司 人员轨迹预测方法、装置、计算机设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180081503A1 (en) * 2016-09-19 2018-03-22 Google Inc. Recommending a document for a user to access
CN107730663A (zh) * 2017-05-10 2018-02-23 西安艾润物联网技术服务有限责任公司 门禁控制方法及装置
CN108629323A (zh) * 2018-05-11 2018-10-09 哈尔滨工业大学 一种景区游客链式出行一体化提供方法
CN109472233A (zh) * 2018-11-01 2019-03-15 济南创视睿智能科技有限公司 一种行为追踪***
CN110390749A (zh) * 2019-07-17 2019-10-29 青岛聚好联科技有限公司 一种基于蓝牙定位的门禁***
CN110781838A (zh) * 2019-10-28 2020-02-11 大连海事大学 一种复杂场景下行人的多模态轨迹预测方法
CN111291690A (zh) * 2020-02-17 2020-06-16 深圳市联合视觉创新科技有限公司 路线规划方法、路线规划装置、机器人及介质
CN111611894A (zh) * 2020-05-14 2020-09-01 深圳中科慧据科技有限公司 人员轨迹预测方法、装置、计算机设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349396A (zh) * 2019-07-29 2019-10-18 维达力实业(深圳)有限公司 智能交互***、交互终端及控制平台
CN113569808A (zh) * 2021-08-23 2021-10-29 广东启信数据服务有限公司 机房人脸识别动态管理方法、存储介质及***
CN116129560A (zh) * 2022-12-07 2023-05-16 ***数智科技有限公司 一种基于人工智能的智慧楼宇管理***

Also Published As

Publication number Publication date
CN112200956B (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN112200956B (zh) 一种门禁控制方法、***、电子设备及存储介质
US9875392B2 (en) System and method for face capture and matching
US20200210762A1 (en) Systems and methods for intelligent and interpretive analysis of sensor data and generating spatial intelligence using machine learning
WO2017202169A1 (zh) 门禁控制数据处理方法、门禁控制方法和电子设备
CN109583505A (zh) 一种多传感器的物体关联方法、装置、设备及介质
CN109902681B (zh) 用户群体关系确定方法、装置、设备及存储介质
CN103105924A (zh) 人机交互方法和装置
CN113935358A (zh) 一种行人追踪方法、设备和存储介质
CN110717408A (zh) 一种基于tof相机的人流计数方法
Dino et al. Vision-based estimation of the number of occupants using video cameras
Sun et al. A fusion framework for vision-based indoor occupancy estimation
CN113378691B (zh) 基于实时用户行为分析的智能家居管理***及方法
Menon et al. Multimodal identification and tracking in smart environments
CN109977796A (zh) 尾随通行检测方法及装置
Crandall et al. Attributing events to individuals in multi-inhabitant environments
CN112365520A (zh) 一种基于视频大数据资源效能测评的行人目标实时追踪***及方法
RU2694139C1 (ru) Способ определения девиантного поведения человека в режиме одновременной работы группы видеокамер
Ba et al. Head pose tracking and focus of attention recognition algorithms in meeting rooms
Ukyo et al. Pedestrian tracking using 3d lidars–case for proximity scenario
Kumar et al. Application of IoT-Enabled CNN for Natural Language Processing
Pan et al. Youhome system and dataset: Making your home know you better
Dai et al. Audio-visual fused online context analysis toward smart meeting room
Li A suvey on edge intelligent video surveillance with deep reinforcement learning
CN111191524A (zh) 运动人群计数方法
Li et al. A method of camera selection based on partially observable Markov decision process model in camera networks

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
GR01 Patent grant
GR01 Patent grant