本發(fā)明涉及智能家居領(lǐng)域，具體涉及一種智能家居的門禁系統(tǒng)。

背景技術(shù)：

目前，隨著人們生活水平以及家庭收入的提高，人們對家庭及個人防盜意識也逐漸增強，家居防御成為人們關(guān)心的問題，近幾年，人們開始引進電子密碼鎖、射頻卡識別系統(tǒng)等等進行家居防盜管理，但是這些防盜系統(tǒng)都存在一定的缺陷，電子密碼鎖會被破解密碼；射頻卡容易丟失或者損壞，而且成本較高。

相關(guān)技術(shù)中，采用對人臉圖像進行預處理的方式獲取質(zhì)量更高的圖像信息。對人臉圖像進行預處理，可以消除在傳輸?shù)倪^程中產(chǎn)生的噪聲，同時突顯人臉圖像的邊緣信息，提高了人臉圖像的質(zhì)量。目前，形態(tài)成分分析(mca)是一種基于稀疏表示的圖像分解方法。該方法的思想是假設(shè)圖像的每一個原信號，在合適的自殿下都有相對應的一個稀疏向量，且該字典對其他的內(nèi)容不具有稀疏性。在稀疏分解中，采用匹配跟蹤算法獲得圖像稀疏的表示，并且從一個冗余的字典中選擇出最適合當前待分解圖像的原子集合，并根據(jù)該集合將圖像進行分解。該圖像分解方法對圖像的預處理有著良好的效果。

相關(guān)技術(shù)中，采用對人臉圖像的紋理特征提取的方式來獲取人臉特征。通過紋理特征描述人臉特征，可以避免顏色或者亮度變化對人臉圖像的干擾，提高人臉特征獲取的準確度。目前，局部二值模式(lbp)紋理特征提取算法在人臉識別算法中起到了顯著的作用，有著計算簡單的優(yōu)點，但lbp算法在光照變化不均勻的情況下，其紋理特征描述能力會急劇下降。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明旨在提供一種智能家居的門禁系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案實現(xiàn)：

一種智能家居的門禁系統(tǒng)，包括中央控制裝置、人臉圖像采集裝置、指紋采集裝置和開/關(guān)門驅(qū)動裝置；所述中央控制裝置分別與人臉圖像采集裝置、指紋采集裝置和開/關(guān)門驅(qū)動裝置連接，用于人臉圖像識別、指紋判斷、發(fā)送開門關(guān)門驅(qū)動信號和數(shù)據(jù)管理；所述人臉圖像采集裝置用于將拍攝的數(shù)字圖像傳輸給中央控制裝置；所述指紋采集裝置用于對活體指紋的判斷識別和采集指紋；所述開/關(guān)門驅(qū)動裝置用于響應中央控制裝置的開門/關(guān)門指令，進行開門/關(guān)門的動作；

進一步地，所述中央處理裝置包括人臉圖像處理模塊、指紋圖像處理模塊、flash存儲模塊和控制模塊，所述flash存儲模塊用于存儲預先被錄入的人臉和指紋圖像、日志文件等信息；所述人臉圖像處理模塊用于對拍攝的人臉圖像進行處理，并和儲存在flash存儲模塊里面的人臉圖像進行對比，輸出人臉對比結(jié)果；所述指紋圖像處理模塊用于對采集的指紋圖像進行處理，并和存儲在flash存儲模塊里面的指紋圖像進行對比，輸出指紋對比結(jié)果；所述控制模塊用于向所述開/關(guān)門驅(qū)動裝置發(fā)送指令，當人臉對比結(jié)果和指紋對比結(jié)果皆為匹配時，向開/關(guān)門驅(qū)動裝置發(fā)送開門指令。

本發(fā)明的有益效果為：采用將人臉驗證和指紋驗證相結(jié)合的方式進行身份驗證，大大提高了智能家居門禁系統(tǒng)的安全性。

附圖說明

利用附圖對本發(fā)明作進一步說明，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)明的框架結(jié)構(gòu)圖；

圖2是本發(fā)明人臉圖像處理模塊的框架結(jié)構(gòu)圖。

附圖標記：

人臉圖像采集裝置1、指紋采集裝置2、中央控制裝置3、開/關(guān)門驅(qū)動裝置4、人臉圖像處理模塊30、指紋圖像處理模塊31、flash存儲模塊32、控制模塊33、預處理單元301、分割單元302、特征提取單元303、對比單元304。

具體實施方式

結(jié)合以下應用場景對本發(fā)明作進一步描述。

參見圖1，本實施例的一種智能家居的門禁系統(tǒng)，包括中央控制裝置3、人臉圖像采集裝置1、指紋圖像采集裝置2和開/關(guān)門驅(qū)動裝置4；所述中央控制裝置3分別與人臉圖像采集裝置1、指紋采集裝置2和開/關(guān)門驅(qū)動裝置連接4，用于人臉圖像識別、指紋圖像判斷、發(fā)送開門關(guān)門驅(qū)動信號和數(shù)據(jù)管理；所述人臉圖像采集裝置1用于將拍攝的人臉圖像傳輸給中央控制裝置；所述指紋采集裝置2，用于對活體指紋的判斷識別和采集指紋圖像并傳輸給中央控制裝置；所述開/關(guān)門驅(qū)動裝置4用于響應中央控制裝置的開門/關(guān)門指令，進行開門/關(guān)門的動作。

優(yōu)選地，所述人臉圖像采集裝置1為高清攝像頭及相關(guān)外圍。

優(yōu)選地，所述指紋采集裝置2為一體化指紋傳感器。

優(yōu)選地，所述開/關(guān)門驅(qū)動裝置4，包括電機和電磁鐵驅(qū)動電路，用于響應中央控制裝置的開門/關(guān)門指令，驅(qū)動電機和電磁鐵進行開門/關(guān)門的動作。

優(yōu)選地，所述中央處理裝置3包括人臉圖像處理模塊30、指紋圖像處理模塊31、flash存儲模塊32和控制模塊33，所述flash存儲模塊32用于存儲預先被錄入的人臉和指紋圖像、日志文件等信息；所述人臉圖像處理模塊30用于對拍攝的人臉圖像進行處理，并和儲存在flash存儲模塊32里面的人臉圖像進行對比，輸出人臉對比結(jié)果；所述指紋圖像處理模塊31用于對采集的指紋圖像進行處理，并和存儲在flash存儲模塊32里面的指紋圖像進行對比，輸出指紋對比結(jié)果；所述控制模塊33用于向所述開/關(guān)門驅(qū)動裝置4發(fā)送指令，當人臉對比結(jié)果和指紋對比結(jié)果皆為匹配時，向開/關(guān)門驅(qū)動裝置4發(fā)送開門指令。

優(yōu)選地，參見圖2，所述人臉圖像處理模塊30包括預處理單元301、分割單元302、特征提取單元303和對比單元304，所述預處理單元301用于對拍攝的人臉圖像進行預處理，得到預處理后的人臉頭像；所述分割單元302用于對預處理后的人臉圖像進行圖像邊緣檢測和分割處理，獲取人臉圖像的人臉特征部分；所述特征提取單元303用于對人臉特征部分進行人臉特征提??；所述對比單元304用于對所述的人臉特征和儲存在flash存儲模塊32里面的人臉圖像進行對比，輸出人臉對比結(jié)果。

本發(fā)明上述實施例，采用將人臉驗證和指紋驗證相結(jié)合的方式進行身份驗證，大大提高了智能家居門禁系統(tǒng)的安全性。

優(yōu)選地，所述預處理單元301，對拍攝的人臉圖像進行預處理，包括：

(1)對采集的人臉圖像進行分解，包括采用形態(tài)成分分析(mca)分解得到人臉圖像的平滑部分和細節(jié)部分；

(2)采用自定義除噪聲公式對每個細節(jié)部分qk進行除噪，定義除噪聲公式為：

式中，q‘k(i,j)是第k個細節(jié)部分像素點(i,j)的像素值，k＝1，2，…k，k表示細節(jié)部分的數(shù)量，qk(i-δi,j-δj)表示第k個細節(jié)部分像素點(i-δi,j-δj)的像素值，δi和δj分別表示平面內(nèi)像素點(i-δi,j-δj)與像素點(i,j)的水平距離和垂直距離，δi,δj∈[-γ,γ]，γ表示設(shè)定的除噪因子，p(i-δi,j-δj)表示除噪時像素點(i-δi,j-δj)對像素點(i,j)的像素值的影響因子，l表示像素點(i,j)與(i-δi,j-δj)的歐氏距離，ωy和ωh分別表示所有像素點(i-δi,j-δj)與像素點(i,j)的距離和灰度值差的標準偏差，h表示像素點(i,j)和(i-δi,j-δj)的灰度差，σh表示設(shè)定的灰度比重；

(3)將處理過的細節(jié)部分與圖像的平滑部分進行圖像重構(gòu)，得到預處理后的人臉圖像。

其中，形態(tài)成分分析(mca)是一種基于稀疏表示的圖像分解方法。該方法的思想是假設(shè)圖像的每一個原信號，在合適的字典下都有相對應的一個稀疏向量，且該字典對其他的內(nèi)容不具有稀疏性。在稀疏分解中，采用匹配跟蹤算法獲得圖像稀疏的表示，并且從一個冗余的字典中選擇出最適合當前待分解圖像的原子集合，并根據(jù)該集合將圖像進行分解。

本優(yōu)選實施例，通過對拍攝的人臉圖像進行基于mca分解的預處理，能夠有效去除人臉圖像于傳輸過程中產(chǎn)生的噪聲，并有效地保留人臉圖像的細節(jié)特征，為之后的人臉對比提供了質(zhì)量的保證，從而提高了智能家居門禁系統(tǒng)的精確度。

優(yōu)選地，所述分割單元302用于對預處理后的人臉圖像進行圖像邊緣檢測和分割處理，包括：

(1)對預處理后的人臉圖像進行高斯金字塔多尺度分離，得到不同尺度下的子圖像；

(2)使用三通道分離方法對每一個尺度下的子圖像進行rgb分離，得到分離后三通道的r、g和b子圖像；

(3)對r、g和b子圖像進行磨光處理，采用自定義磨光函數(shù)為：

式中，m′(i,j)表示磨光處理后像素點(i,j)的灰度值，m(i’,j’)表示像素點(i’,j’)的灰度值，|i-i’|和|j-j’|分別表示平面內(nèi)像素點(i’,j’)和像素點(i,j)的水平距離和垂直距離，l表示像素點(i’,j’)和像素點(i,j)的歐氏距離，x1和y1分別表示子圖像的水平寬度和垂直寬度，表示設(shè)定的距離因子，θ表示設(shè)定的磨光因子；

(4)計算磨光處理后r，g，b子圖像的梯度值，采用的梯度計算公式為：

式中，w(i,j)表示像素點(i,j)的梯度值，m′(i,j)，m′(i+1,j)，m′(i,j+1)分別表示根據(jù)磨光函數(shù)計算得到的像素點(i,j)，(i+1,j)，(i,j+1)的灰度值；

(5)將r，g，b子圖像的梯度值相加，得到子尺度圖像的梯度值，定義梯度疊加的計算公式為：

vz(i,j)＝max(λrwr(i,j),λgwg(i,j),λbwb(i,j))

式中，vz(i,j)表示第z個尺度圖像像素點的梯度值，z＝1,2,3,…,z，z為設(shè)定的尺度數(shù)量，wr(i,j)，wg(i,j)，wb(i,j)分別表示根據(jù)所述的梯度計算公式計算得到的r，g，b子圖像像素點(i,j)的梯度值，max(λrwr(i,j),λgwg(i,j),λbwb(i,j))表示從λrwr(i,j)、λgwg(i,j)、λbwb(i,j)中選擇最大值，λr，λg，λb為設(shè)定權(quán)重因子，λr+λg+λb＝1；

(6)獲取像素點的綜合梯度值，采用的綜合疊加公式為：

式中，v′(i,j)表示預處理后的人臉圖像像素點(i,j)的綜合梯度值，vz(i,j)表示根據(jù)所述的梯度疊加公式計算得到的第z個子尺度下的子尺度圖像像素點(i,j)的梯度值，βz表示第z個子尺度下的權(quán)重，z＝1,2,3,…,z，z為設(shè)定的尺度數(shù)量；

(7)篩選出綜合梯度值大于設(shè)定閾值的像素點作為邊緣點，分割邊緣點內(nèi)的圖像作為人臉圖像的人臉特征部分進行進一步處理。

本優(yōu)選實施例，通過對預處理后的人臉圖像進行基于多尺度的分r、g、b通道分離的邊緣檢測和分割處理，可以有效的解決相關(guān)技術(shù)中基于灰度圖下的分割處理會出現(xiàn)的邊緣信息丟失的問題，有效地提高了人臉圖像邊緣檢測和分割處理的精確度，為后續(xù)的人臉對比提供了質(zhì)量的保證，從而提高了智能家居門禁系統(tǒng)進行人臉對比的準確度。

優(yōu)選地，所述特征提取單元303用于對人臉特征部分進行人臉特征提取，包括：

(1)獲取人臉圖像的人臉特征部分中每個像素點的灰度值；

(2)數(shù)計算人臉特征值，采用自定義人臉特征值函數(shù)為：

其中，

式中，dc(i,j)表示像素點(i,j)的灰度的梯度差異值，b(y)表示二值化函數(shù)，m(i,j)和m(i-ζ,j-η)分別表示像素點(i,j)和(i-ζ,j-η)的灰度值，ζ和η分別表示平面內(nèi)像素點(i-ζ,j-η)與像素點(i,j)的水平距離和垂直距離，且需滿足|ζ|+|η|≤σ，σ表示設(shè)定的距離閾值，hc(i,j)表示像素點(i,j)的局部灰度差異的平均值；

(3)統(tǒng)計dc的直方圖作為人臉特征。

本優(yōu)選實施例，通過對人臉特征部分進行基于局部灰度差異的特征提取，能夠有效地描述出人臉特征，其中在自定義人臉特征值函數(shù)中引入了局部灰度差異的平均值作為參考因子，能夠有效地減少了亮度分布不均對人臉特征提取的影響，提高了智能家居門禁系統(tǒng)對人臉圖像對比的工作效率和精確度，從而使得智能家居門禁系統(tǒng)的安全性更高。

最后應當說明的是，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)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應當理解，可以對本發(fā)明的技術(shù)方案進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。