本發(fā)明涉及門禁技術(shù)領(lǐng)域，具體涉及一種基于人臉識別的智能門禁系統(tǒng)。

背景技術(shù)：

相關(guān)技術(shù)中，刷卡門禁是指利用非接觸式集成電路(ic，integratedcircuit)卡，在門禁的入口處放置刷卡門禁機(jī)，用戶進(jìn)入時，需要像坐公交車刷卡一樣，輕輕接觸或靠近讀卡器，就可以讀取到卡片信息，進(jìn)行刷卡操作。

上述刷卡門禁的方式，需要給用戶預(yù)先制備并交付包含個人身份識別信息的ic卡，若用戶遺失或遺漏ic卡都可能會造成無法進(jìn)入會場，也會存在被人冒充進(jìn)入會場的風(fēng)險。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種基于人臉識別的智能門禁系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：

提供了一種基于人臉識別的智能門禁系統(tǒng)，包括人臉識別裝置、人臉信息數(shù)據(jù)庫、門禁控制器和門禁裝置，所述人臉識別裝置與人臉信息數(shù)據(jù)庫、門禁控制器通信連接，所述門禁控制器和門禁裝置通信連接；所述人臉識別裝置用于對現(xiàn)場拍攝到的人臉圖像進(jìn)行處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據(jù)庫中記錄的允許門禁開啟的人臉信息進(jìn)行比對分析，生成人臉信息判定結(jié)果；所述門禁控制器根據(jù)人臉信息判定結(jié)果生成用于控制門禁裝置開關(guān)的門控信號。

本發(fā)明的有益效果為：實現(xiàn)了人臉識別和比對，以人臉識別代替了刷卡以及密碼輸入，提高了門禁系統(tǒng)的安全性。

附圖說明

利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的框圖示意圖；

圖2是本發(fā)明人臉識別裝置的框圖示意圖。

附圖標(biāo)記：

人臉識別裝置1、人臉信息數(shù)據(jù)庫2、門禁控制器3、門禁裝置4、人臉圖像采集模塊10、人臉圖像檢測模塊20、人臉圖像處理模塊30。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進(jìn)一步描述。

參見圖1，本實施例提供的一種基于人臉識別的智能門禁系統(tǒng)，包括人臉識別裝置1、人臉信息數(shù)據(jù)庫2、門禁控制器3、門禁裝置4，所述人臉識別裝置1與人臉信息數(shù)據(jù)庫2、門禁控制器3通信連接，所述門禁控制器3和門禁裝置4通信連接；所述人臉識別裝置1用于對現(xiàn)場拍攝到的人臉圖像進(jìn)行處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據(jù)庫2中記錄的允許門禁開啟的人臉信息進(jìn)行比對分析，生成人臉信息判定結(jié)果；所述門禁控制器3根據(jù)人臉信息判定結(jié)果生成用于控制門禁裝置4開關(guān)的門控信號。

優(yōu)選地，所述門禁控制器3通過網(wǎng)絡(luò)、藍(lán)牙、串行通信接口或繼電器與所述門禁裝置4實現(xiàn)通信連接。

進(jìn)一步地，智能門禁系統(tǒng)還包括對現(xiàn)場拍攝到的人臉圖像進(jìn)行活體檢測的人臉圖像有效檢測裝置，所述人臉圖像有效檢測裝置連接人臉識別裝置1，所述人臉識別裝置1只在活體檢測成功時運作。

本發(fā)明上述實施例實現(xiàn)了人臉識別和比對，以人臉識別代替了刷卡以及密碼輸入，提高了門禁系統(tǒng)的安全性。

優(yōu)選地，如圖2所示，所述人臉識別裝置1包括依次連接的人臉圖像采集模塊10、人臉圖像檢測模塊20、人臉圖像處理模塊30；其中人臉圖像處理模塊30與門禁控制器3連接；所述人臉圖像采集模塊10用于采集多張現(xiàn)場拍攝到的人臉圖像；所述人臉圖像檢測模塊20用于對采集的人臉圖像進(jìn)行質(zhì)量檢測，刪除質(zhì)量檢測結(jié)果不合格的人臉圖像；所述人臉圖像處理模塊30用于對人臉圖像檢測模塊20輸出的人臉圖像進(jìn)行圖像處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據(jù)庫2中記錄的允許門禁開啟的人臉信息進(jìn)行比對分析，生成人臉信息判定結(jié)果，將人臉信息判定結(jié)果發(fā)送至門禁控制器3。

優(yōu)選地，所述人臉圖像檢測模塊20對采集的人臉圖像進(jìn)行質(zhì)量檢測時，定義質(zhì)量檢測公式為：

wi＝(ξi-ρ1)(λi-ρ2),＝1,…,

式中，wi表示第i張人臉圖像的質(zhì)量檢測結(jié)果，ξi為第i張人臉圖像的灰度直方圖的概率最大的灰度值，λi為第i張人臉圖像的灰度直方圖的均方差，m為人臉圖像的數(shù)量，ρ1、ρ2為設(shè)定的閾值；

若wi＞0，則表示該人臉圖像的質(zhì)量檢測結(jié)果為合格，若wi≤0，則表示該人臉圖像的質(zhì)量檢測結(jié)果為不合格，刪除該人臉圖像。

本優(yōu)選實施例通過自定義質(zhì)量檢測公式，對人臉圖像進(jìn)行圖像質(zhì)量檢測計算，簡單快捷，挑選出人臉圖像質(zhì)量檢測合格的圖像作為人臉識別處理的圖像，為更好地提取人臉信息作鋪墊，進(jìn)一步提高人臉圖像處理的速度。

所述對人臉圖像檢測模塊20輸出的人臉圖像進(jìn)行圖像處理，包括：對人臉圖像進(jìn)行濾波處理，減弱人臉圖像的圖像噪聲的影響；對濾波后的人臉圖像進(jìn)行圖像分割，提取人臉圖像的人臉信息；其中，對濾波后的人臉圖像進(jìn)行圖像分割，具體包括：

(1)按照設(shè)定的圖像尺寸調(diào)整比例將人臉圖像的像素降低到400×600；

(2)采用otsu算法對人臉圖像進(jìn)行全局分割閾值估計，得到優(yōu)選全局分割閾值，對優(yōu)選全局分割閾值進(jìn)行調(diào)整，使用調(diào)整后的優(yōu)選全局分割閾值對人臉圖像進(jìn)行分割，獲得含有人臉特征區(qū)域的分割圖像，將該分割圖像平均劃分為4個子圖像；

(3)采用otsu算法對子圖像進(jìn)行局部分割閾值估計，獲得各子圖像的優(yōu)選局部分割閾值；

(4)對不同的子圖像使用不同的分割閾值進(jìn)行分割，定義子圖像的分割閾值的計算公式為：

式中，gi為第i個子圖像的分割閾值，qi為第i個子圖像的優(yōu)選局部分割閾值，h表示整個人臉圖像的灰度方差，hi表示第i個子圖像的灰度方差，δi表示第i個子圖像的灰度均值，δ表示整個人臉圖像的灰度均值，d為設(shè)定的權(quán)重因子，0d＜1；

(5)抽取各子圖像分割得到的人臉特征區(qū)域的坐標(biāo)，并按設(shè)定的圖像尺寸調(diào)整比例將人臉特征區(qū)域坐標(biāo)還原到原始圖像坐標(biāo)；

(6)拼接各子圖像分割得到的人臉特征區(qū)域，結(jié)束當(dāng)前人臉圖像的分割。

本優(yōu)選實施例在對人臉圖像進(jìn)行分割時，采用了最大類間方差法(otsu)算法。最大類間方差法(otsu)算法是1979年由ostu提出的動態(tài)閾值分割算法，它依據(jù)圖像的灰度直方圖，依據(jù)類間距離極大準(zhǔn)則來確定區(qū)域分割門限，其對單峰和雙峰圖像均有較好的效果。最大類間方差法(otsu)算法對圖像進(jìn)行分割的原理是，根據(jù)圖像的灰度特性，將圖像分為目標(biāo)區(qū)域和背景區(qū)域兩部分，這兩部分之間的類間方法最大的值就是圖像的分割閾值；

本優(yōu)選實施例對人臉圖像進(jìn)行分割時，采用兩步分割的方式進(jìn)行處理：

第一步先減小圖像尺寸，然后采用otsu算法對人臉圖像進(jìn)行全局閾值分割，獲取人臉圖像的大致人臉特征區(qū)域；

第二步對獲得的大致人臉特征區(qū)域進(jìn)行劃分，形成4個子圖像后再進(jìn)行分割；

本優(yōu)選實施例的兩步分割方法相對于全局直接分割而言，預(yù)先分割后得到的子圖像具有較好的二項分布特性，各子圖像的尺寸和內(nèi)容有了較大的降低，從而降低了人臉圖像分割的難度，進(jìn)一步提高了人臉圖像處理的速度，保證門禁系統(tǒng)的工作效率。

優(yōu)選地，對優(yōu)選全局分割閾值進(jìn)行調(diào)整，具體包括：

設(shè)定優(yōu)選全局分割閾值為t，調(diào)整因子為ζ，ζ∈[0.90,1.10]，則調(diào)整后的優(yōu)選全局分割閾值為ξt；

其中，調(diào)整因子的最優(yōu)取值按照下述方式進(jìn)行選?。?/p>

(1)設(shè)定調(diào)整因子ζ的幾個優(yōu)選值，優(yōu)選值的范圍為[0.90,1.10]；

(2)采用sobel邊界檢測算子對人臉圖像進(jìn)行處理，得到人臉圖像的人臉特征區(qū)域邊界s(i)；

(3)根據(jù)設(shè)定的調(diào)整因子ζ的優(yōu)選值，得到對應(yīng)的調(diào)整后的優(yōu)選全局分割閾值，使用調(diào)整后的優(yōu)選全局分割閾值對人臉圖像進(jìn)行分割，得到對應(yīng)于各調(diào)整因子的人臉圖像的人臉特征區(qū)域邊界sζ＝x(i)；

(4)計算兩人臉特征區(qū)域邊界s(i)和sζ＝x(i)的邊界重合度，選取邊界重合度最大時所對應(yīng)的調(diào)整因子值作為調(diào)整因子的最優(yōu)取值，定義邊界重合度的計算公式為：

式中，eζ＝x表示調(diào)整因子為ζ＝x時對應(yīng)得到的人臉圖像的人臉特征區(qū)域邊界與人臉特征區(qū)域邊界s(i)的邊界重合度，“∩”表示交集運算，x為設(shè)定的調(diào)整因子的優(yōu)選值，

本優(yōu)選實施例采用了sobel邊界檢測算子，sobel邊界檢測算子能夠有效的檢測到灰度變化較大區(qū)域邊界，按照其檢測的人臉特征區(qū)域邊界與采用調(diào)整后的優(yōu)選全局分割閾值分割得到的人臉特征區(qū)域邊界進(jìn)行邊界重合度計算，選用較大邊界重合度對應(yīng)的調(diào)整因子取值作為最終取值，實現(xiàn)了對優(yōu)選全局分割閾值的修正；

本優(yōu)選實施例使用調(diào)整后的優(yōu)選全局分割閾值對人臉圖像進(jìn)行分割，能夠獲得較為準(zhǔn)確的人臉特征區(qū)域的輪廓，提高對人臉圖像分割的準(zhǔn)確性和穩(wěn)定性，為進(jìn)一步的人臉識別奠定良好的基礎(chǔ)，保證門禁系統(tǒng)的工作精度。

最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。