CN105654593A - 一种电子锁及电子锁识别方法 - Google Patents

Abstract

本发明提供一种电子锁及电子锁识别方法，属于门禁系统技术领域，其可解决现有的人脸电子识别门禁在检测人脸中，出现的不能正确检测或检测时间过长的问题导致的无法实现快速开锁功能的问题。本发明的电子锁包括：采集模块、存储模块和处理模块；所述采集模块用于采集用户的第一深度信息；所述处理模块用于对所述第一深度信息和所述存储模块存储的第二深度信息进行对比，若所述第一深度信息和所述第二深度信息一致，判断出所述用户为家庭成员。

Description

一种电子锁及电子锁识别方法

技术领域

本发明属于门禁系统技术领域，具体涉及一种电子锁及电子锁识别方法。

背景技术

现有人脸电子识别门禁包含人脸识别装置和电子锁两部分。人脸识别装置包括摄像头和内置人脸识别软件，人脸识别装置与电子锁连接，只有检测到正确的人脸信息后才能打开门锁。但现有技术中至少存在如下问题：在楼宇型家庭大门使用人脸电子识别门禁时，由于所需光线、拍摄脸面角度问题，在检测人脸中，出现不能正确检测或检测时间过长的问题，无法实现快速开锁功能。

发明内容

本发明针对现有的人脸电子识别门禁在检测人脸中，出现的不能正确检测或检测时间过长的问题导致的无法实现快速开锁功能的问题，提供一种能够缩短识别时间、实现快速开锁功能的电子锁及电子锁识别方法。

解决本发明技术问题所采用的技术方案是一种电子锁，包括：采集模块、存储模块和处理模块；

所述采集模块用于采集用户的第一深度信息；

所述处理模块用于对所述第一深度信息和所述存储模块存储的第二深度信息进行对比，若所述第一深度信息和所述第二深度信息一致，判断出所述用户为家庭成员。

其中，所述第一深度信息包括身高和/或外形轮廓。

其中，所述采集模块还用于采集用户的第一平面信息；

所述处理模块还用于对所述第一平面信息和所述存储模块存储的第二平面信息进行对比，若所述第一平面信息和所述第二平面信息一致，允许所述用户通过；若所述第一平面信息和所述第二平面信息不一致，拒绝所述用户通过。

其中，所述电子锁还包括：驱动模块；

所述驱动模块，用于驱动所述采集模块采集用户的第一深度信息。

其中，所述驱动模块还用于驱动所述采集模块采集用户的第一平面信息。

其中，所述电子锁还包括：照明模块，所述照明模块用于为所述采集模块提供光源。

其中，所述存储模块还用于存储所述采集模块采集的第一深度信息。

其中，所述存储模块还用于存储所述采集模块采集的第一平面信息。

其中，所述电子锁还包括：传输模块；

所述传输模块，用于将所述存储模块储存的所述第一深度信息和/或所述第一平面信息上传至云端进行储存。

作为另一技术方案，本发明还提供一种电子锁识别方法，所述电子锁包括：采集模块、存储模块和处理模块，所述识别方法包括：

所述采集模块采集用户的第一深度信息；

所述处理模块对所述第一深度信息和所述存储模块存储的第二深度信息进行对比，若所述第一深度信息和所述第二深度信息一致，判断出所述用户为家庭成员。

其中，所述电子锁还包括：驱动模块；

所述采集模块采集用户的第一深度信息包括：

所述驱动模块驱动所述采集模块采集用户的第一深度信息。

其中，所述电子锁识别方法还包括：

所述存储模块存储所述用户采集的第一深度信息。

本发明的电子锁及电子锁识别方法中，所述电子锁包括：采集模块、存储模块和处理模块，采集模块用于采集用户的第一深度信息，处理模块用于对第一深度信息和存储模块存储的第二深度信息进行对比，若第一深度信息和第二深度信息一致，判断出所述用户为家庭成员，通过将采集到的用户的第一深度信息和存储在存储模块中的第二深度信息进行比对，能够初步判断该用户是否为家庭成员，当初步判断该用户是否为家庭成员后，再配合人脸识别等识别技术，只需要将采集到的人脸信息在已经存储的、与该用户的第一深度信息相匹配的家庭成员的人脸信息中进行识别认证即可，无需与全部家庭成员的人脸信息进行识别，能够有效缩短整个识别过程的耗时，实现快速开锁。

附图说明

图1为本发明的实施例1的电子锁的结构示意图；

图2为本发明的实施例2的电子锁识别方法的流程示意图；

其中，附图标记为：1、采集模块；2、存储模块；3、处理模块；4、驱动模块；5、照明模块；6、显示模块；7、传输模块。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。

实施例1：

请参照图1，本实施例提供一种电子锁，包括：采集模块1、存储模块2和处理模块3；采集模块1用于采集用户的第一深度信息；处理模块3用于对第一深度信息和存储模块2存储的第二深度信息进行对比，若第一深度信息和第二深度信息一致，判断出用户为家庭成员。

一般来说，采集模块1为摄像头。优选地，在本实施例中，为了采集到用户的第一深度信息，采集模块1为双目摄像头。

其中，第一深度信息包括身高和/或外形轮廓。

也就是说，当采集模块1识别到有用户进入到采集范围内时，此时，用户并不是在最靠近电子锁的地方，而是与电子锁具有一段距离，采集模块1能够采集到该用户的身高和/或外形轮廓，其中，身高包括高、矮；外形轮廓包括胖、瘦等，当然，第一深度信息并不局限于此，还可以包括其他信息，例如性别等，只要能起到对用户的外貌特征进行识别的作用即可，在此不再赘述。

其中，电子锁还包括：驱动模块4；驱动模块4用于驱动采集模块1采集用户的第一深度信息。之所以如此设置，是由于在采集时，驱动模块4可以调节采集模块1采集用户的第一深度信息时的采集角度，从而使采集到的第一深度信息更加准确。

具体地，可以通过驱动模块4调整双目摄像头的采集角度，优选地，采集角度可以采用水平方向的0度、45度、15度、-15度和-45度，或者竖直方向的0度、45度、15度、-15度和-45度，因此，双目摄像头可以沿水平方向和/或竖直方向旋转90度，检测到用户的身高和/或外形轮廓，即采集到用户的第一深度信息，当采集到的用户的第一深度信息与存储模块2预先存储的某一用户的第二深度信息相同时，判断该用户可能与预先存储的某一用户是同一个人，即缩小了后续进行进一步识别时的识别范围。

其中，采集模块1还用于采集用户的第一平面信息；处理模块3还用于对第一平面信息和存储模块2存储的第二平面信息进行对比，若第一平面信息和第二平面信息一致，允许用户通过；若第一平面信息和第二平面信息不一致，拒绝用户通过。

由于用户的第一深度信息只能确认用户的外形特征，无法完全确认用户的细节特征，因此，在采集模块1采集到用户的第一深度信息后，不论用户是否为预先存储的某一用户，采集模块1都要对该用户再进行第一平面信息的采集。

当采集模块1采集到用户的第一平面信息后，处理模块3将采集到的用户的第一平面信息和存储在存储模块3中的多个用户的第二平面信息进行比对，进一步判断该用户是否为家庭成员；若用户的第一平面信息和存储在存储模块3中的多个用户中的其中一个用户的第二平面信息一致，允许用户通过；若用户的第一平面信息和存储在存储模块3中的多个用户中的任何一个用户的第二平面信息都不一致，拒绝用户通过。

需要说明的是，若在进行深度信息识别时，判断用户可能与预先存储的某一用户是同一个人，则在进行平面信息识别时，只需要先将该用户的第一平面信息与预先存储的某一用户的第二平面信息进行对比，若用户的第一平面信息与预先存储的某一用户的第二平面信息一致，则最终判断该用户就是预存过信息的某一用户；若用户的第一平面信息与预先存储的某一用户的第二平面信息不一致，则需要将若用户的第一平面信息与其他预存过第二平面信息的用户进行对比，若有与该用户的第一平面信息一致的第二平面信息，则允许该用户通过，此时电子锁自动打开，若没有与该用户的第一平面信息一致的第二平面信息，则拒绝该用户通过，此时，电子锁依然维持关闭状态。

可以理解的是，第一平面信息可以是面部信息、瞳孔信息、声音信息中的一种或多种的组合，当然，也可以包括其他信息，只要能对用户的身份进行细节特征识别即可，在此不再赘述。该电子锁还可以包括显示屏和/或对讲器，该显示屏和/或对讲器用于在采集用户的第一平面信息时，提示用户需要识别的区域，例如，用户需要将整张脸置于显示屏中间的区域，使整张脸都能被采集模块1采集到；同时，用户还需要对准对讲器进行声音识别，以免因远离对讲器导致采集模块1采集到的声音过小，在此不再赘述。

其中，驱动模块4还用于驱动采集模块1采集用户的第一平面信息。之所以如此设置，是由于在采集时，驱动模块4可以调节采集模块1采集用户第一平面信息时的采集角度，从而使采集到的第一平面信息更加准确。

其中，电子锁还包括：照明模块5，照明模块5用于为采集模块1提供光源。之所以设置照明模块5，是由于当光线较暗时，照明模块5能够为采集模块1提供光源，提高采集亮度，有益于采集模块1更快、更准确的采集到用户的第一深度信息和第一平面信息。

其中，存储模块2还用于存储采集模块1采集的第一深度信息。其中，存储模块2还用于存储采集模块1采集的第一平面信息。

优选地，存储模块2储存采集模块1采集到的该用户每次的第一深度信息和第一平面信息后，通过深度学习算法对储存的第一深度信息和第一平面信息进行数据训练。

之所以如此设置，是由于每次对同一用户的第一深度信息和第一平面信息进行采集时，该用户每次采集的第一深度信息之间会存在差异，每次采集的第一平面信息之间也会存在差异，若只根据该用户在设置进入权限时存储的第一深度信息和第一平面信息进行识别，很可能存在同一个用户由于采集到的第一深度信息和/或第一平面信息与存储的第一深度信息和/或第一平面信息不完全一致，导致解锁失败的问题。因此，存储模块4储存采集模块1采集到的该用户每次的第一深度信息和第一平面信息后，通过深度学习算法对储存的第一深度信息和第一平面信息进行数据训练，能够对该用户预储存的第二深度信息和第二平面信息进行优化，从而提高识别的准确性和精度。

本实施例中采用的深度学习算法包括：受限波尔兹曼机(RestrictedBoltzmannMachine，RBN)、深度置信网络(DeepBeliefNetworks，DBN)、卷积神经网络(ConvolutionalNeuralNetwork)、堆栈式自动编码器(StackedAuto-encoders)、深度玻尔兹曼机(DeepBoltzmannMachines)、递归自动编码器(RecursiveAutoencoders)、深度表达(DeepRepresentation)中的一种，当然，也可以采用其他类型的深度学习算法，在此不再赘述。

其中，电子锁还包括：传输模块7，用于将存储模块4储存的第一深度信息和/或第一平面信息上传至云端进行储存。

传输模块7将存储模块4储存的第一深度信息和/或第一平面信息上传至云端，并通过云服务器进行储存，当第一深度信息或第一平面信息储存在云端时，处理模块3在将第一深度信息或第一平面信息与第二深度信息或第二平面信息进行比对时，只需要在云端中进行比对即可，传输模块7可以是无线传输装置，也可以是其它类型的传输装置，在此不再赘述。

可以理解的是，存储模块4储存采集模块1采集到的该用户每次的第一深度信息和第一平面信息，若将该用户每次的第一深度信息和第一平面信息作为一个数据集，该数据集的信息量会非常大，因此，可以通过USB端口、WI-FI网络等传输工具将该数据集中的信息上传至云端，并通过云服务器进行储存，之所以如此设置，是由于云端具有更大的储存空间。当然，该数据集也可以不上传至云端，至在存储模块4中进行本地储存，在此不再赘述。

其中，电子锁还包括：显示模块6，显示模块6一般为显示屏，显示屏的数量可以为两个，一个设置在电子锁位于房间内的一侧，用于使房间内的用户“看见”位于房间外的、正在进行电子锁识别的用户；另一个设置在电子锁位于房间外的一侧，用于使正在进行电子锁识别的用户在该显示屏中看到自己的图像，便于使该用户将用于进行第一平面信息采集的特征置于便于采集模块1进行采集的位置，例如，采集模块1采集用户的面部信息作为第一平面信息，则用户需要将整个面部置于显示屏的显示区域内；采集模块1采集用户的瞳孔信息作为第一平面信息，则用户需要将眼镜置于显示屏的显示区域内，对于其他类型的第一平面信息也同样适用，在此不再赘述。当然，显示模块6可以是液晶显示屏，也可以是其他类型的显示屏，只要能将图像显示出来即可，在此不再赘述。

本实施例提供的电子锁必然还包括一个可以用钥匙打开该电子锁的锁眼，以便用户在不进行电子识别的情况下，也能打开该电子锁。

本实施例的电子锁，包括：采集模块1、存储模块2和处理模块3；采集模块1用于采集用户的第一深度信息；处理模块3用于对第一深度信息和存储模块2存储的第二深度信息进行对比，若第一深度信息和第二深度信息一致，判断出用户为家庭成员，通过将采集到的用户的第一深度信息和存储在存储模块4中的第二深度信息进行比对，能够初步判断该用户是否为家庭成员，当初步判断该用户是否为家庭成员后，再配合人脸识别等识别技术，只需要将采集到的人脸信息在已经存储的、与该用户的第一深度信息相匹配的家庭成员的人脸信息中进行识别认证即可，无需与全部家庭成员的人脸信息进行识别，能够有效缩短整个识别过程的耗时，实现快速开锁。

实施例2：

本实施例提供一种电子锁识别方法，电子锁包括：采集模块1、存储模块2、处理模块3和驱动模块4。

一般来说，采集模块1为摄像头。优选地，在本实施例中，为了采集到用户的第一深度信息，采集模块1为双目摄像头。

如图2所示，该电子锁识别方法包括：

步骤101，采集模块1采集用户的第一深度信息。

具体地，驱动模块4驱动采集模块1采集用户的第一深度信息。

之所以如此设置，是由于在采集时，驱动模块4可以调节采集模块1采集用户的第一深度信息时的采集角度，从而使采集到的第一深度信息更加准确。

其中，第一深度信息包括身高和/或外形轮廓。也就是说，当采集模块1识别到有用户进入到采集范围内时，此时，用户并不是在最靠近电子锁的地方，而是与电子锁具有一段距离，采集模块1能够采集到该用户的身高和/或外形轮廓，其中，身高包括高、矮；外形轮廓包括胖、瘦等，当然，第一深度信息并不局限于此，还可以包括其他信息，例如性别等，只要能起到对用户的外貌特征进行识别的作用即可，在此不再赘述。

具体地，可以通过驱动模块4调整双目摄像头的采集角度，优选地，采集角度可以采用水平方向的0度、45度、15度、-15度和-45度，或者竖直方向的0度、45度、15度、-15度和-45度，因此，双目摄像头可以沿水平方向和/或竖直方向旋转90度，检测到用户的身高和/或外形轮廓，即采集到用户的第一深度信息，当采集到的用户的第一深度信息与存储模块2预先存储的某一用户的第二深度信息相同时，判断该用户可能与预先存储的某一用户是同一个人，即缩小了后续进行进一步识别时的识别范围。

步骤102，处理模块3对第一深度信息和存储模块2存储的第二深度信息进行对比，若第一深度信息和第二深度信息一致，则执行步骤103；若第一深度信息和第二深度信息不一致，则执行步骤105。

步骤103，判断出用户为家庭成员。

步骤104，存储模块2存储用户采集的第一深度信息。

优选地，存储模块2储存采集模块1采集到的该用户每次的第一深度信息后，通过深度学习算法对储存的第一深度信息进行数据训练。

之所以如此设置，是由于每次对同一用户的第一深度信息进行采集时，该用户每次采集的第一深度信息之间会存在差异，若只根据该用户在设置进入权限时存储的第一深度信息进行识别，很可能存在同一个用户由于采集到的第一深度信息与存储的第一深度信息不完全一致，导致解锁失败的问题。因此，存储模块4储存采集模块1采集到的该用户每次的第一深度信息后，通过深度学习算法对储存的第一深度信息进行数据训练，能够对该用户预储存的第二深度信息进行优化，从而提高识别的准确性和精度。

本实施例中采用的深度学习算法包括：受限波尔兹曼机(RestrictedBoltzmannMachine，RBN)、深度置信网络(DeepBeliefNetworks，DBN)、卷积神经网络(ConvolutionalNeuralNetwork)、堆栈式自动编码器(StackedAuto-encoders)、深度玻尔兹曼机(DeepBoltzmannMachines)、递归自动编码器(RecursiveAutoencoders)、深度表达(DeepRepresentation)中的一种，当然，也可以采用其他类型的深度学习算法，在此不再赘述。

该电子锁识别方法还可以包括：

步骤105，采集模块1采集用户的第一平面信息。

步骤106，处理模块3对第一平面信息和存储模块2存储的第二平面信息进行对比，若第一平面信息和第二平面信息一致，则执行步骤107；若第一平面信息和第二平面信息不一致，则执行步骤109。

步骤107，允许用户通过。

由于用户的第一深度信息只能确认用户的外形特征，无法完全确认用户的细节特征，因此，在采集模块1采集到用户的第一深度信息后，不论用户是否为预先存储的某一用户，采集模块1都要对该用户再进行第一平面信息的采集。

当采集模块1采集到用户的第一平面信息后，处理模块3将采集到的用户的第一平面信息和存储在存储模块3中的多个用户的第二平面信息进行比对，进一步判断该用户是否为家庭成员；若用户的第一平面信息和存储在存储模块3中的多个用户中的其中一个用户的第二平面信息一致，允许用户通过；若用户的第一平面信息和存储在存储模块3中的多个用户中的任何一个用户的第二平面信息都不一致，拒绝用户通过。

需要说明的是，若在进行深度信息识别时，判断用户可能与预先存储的某一用户是同一个人，则在进行平面信息识别时，只需要先将该用户的第一平面信息与预先存储的某一用户的第二平面信息进行对比，若用户的第一平面信息与预先存储的某一用户的第二平面信息一致，则最终判断该用户就是预存过信息的某一用户；若用户的第一平面信息与预先存储的某一用户的第二平面信息不一致，则需要将若用户的第一平面信息与其他预存过第二平面信息的用户进行对比，若有与该用户的第一平面信息一致的第二平面信息，则允许该用户通过，此时电子锁自动打开，若没有与该用户的第一平面信息一致的第二平面信息，则拒绝该用户通过，此时，电子锁依然维持关闭状态。

可以理解的是，第一平面信息可以是面部信息、瞳孔信息、声音信息中的一种或多种的组合，当然，也可以包括其他信息，只要能对用户的身份进行细节特征识别即可，在此不再赘述。

步骤108，存储模块2存储采集模块1采集的第一平面信息。

优选地，存储模块2储存采集模块1采集到的该用户每次的第一平面信息后，通过深度学习算法对储存的第一平面信息进行数据训练。

之所以如此设置，是由于每次对同一用户的第一平面信息进行采集时，该用户每次采集的第一平面信息之间也会存在差异，若只根据该用户在设置进入权限时存储的第一平面信息进行识别，很可能存在同一个用户由于采集到的第一平面信息与存储的第一平面信息不完全一致，导致解锁失败的问题。因此，存储模块4储存采集模块1采集到的该用户每次的第一平面信息后，通过深度学习算法对储存的第一平面信息进行数据训练，能够对该用户预储存的第二平面信息进行优化，从而提高识别的准确性和精度。

本实施例中采用的深度学习算法包括：受限波尔兹曼机(RestrictedBoltzmannMachine，RBN)、深度置信网络(DeepBeliefNetworks，DBN)、卷积神经网络(ConvolutionalNeuralNetwork)、堆栈式自动编码器(StackedAuto-encoders)、深度玻尔兹曼机(DeepBoltzmannMachines)、递归自动编码器(RecursiveAutoencoders)、深度表达(DeepRepresentation)中的一种，当然，也可以采用其他类型的深度学习算法，在此不再赘述。

步骤109，拒绝用户通过。

本实施例提供的电子锁识别方法采用实施例1的电子锁实现，详细描述可参照实施例1。

本实施例的电子锁锁识别方法，采用实施例1的电子锁，该电子锁包括：采集模块1、存储模块2和处理模块3；采集模块1用于采集用户的第一深度信息；处理模块3用于对第一深度信息和存储模块2存储的第二深度信息进行对比，若第一深度信息和第二深度信息一致，判断出所述用户为家庭成员，通过将采集到的用户的第一深度信息和存储在存储模块4中的第二深度信息进行比对，能够初步判断该用户是否为家庭成员，当初步判断该用户是否为家庭成员后，再配合人脸识别等识别技术，只需要将采集到的人脸信息在已经存储的、与该用户的第一深度信息相匹配的家庭成员的人脸信息中进行识别认证即可，无需与全部家庭成员的人脸信息进行识别，能够有效缩短整个识别过程的耗时，实现快速开锁。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (12)

1.一种电子锁，其特征在于，包括：采集模块、存储模块和处理模块；

所述采集模块用于采集用户的第一深度信息；

所述处理模块用于对所述第一深度信息和所述存储模块存储的第二深度信息进行对比，若所述第一深度信息和所述第二深度信息一致，判断出所述用户为家庭成员。

2.根据权利要求1所述的电子锁，其特征在于，所述第一深度信息包括身高和/或外形轮廓。

3.根据权利要求1所述的电子锁，其特征在于，所述采集模块还用于采集用户的第一平面信息；

所述处理模块还用于对所述第一平面信息和所述存储模块存储的第二平面信息进行对比，若所述第一平面信息和所述第二平面信息一致，允许所述用户通过；若所述第一平面信息和所述第二平面信息不一致，拒绝所述用户通过。

4.根据权利要求3所述的电子锁，其特征在于，还包括：驱动模块；

所述驱动模块，用于驱动所述采集模块采集用户的第一深度信息。

5.根据权利要求4所述的电子锁，其特征在于，所述驱动模块还用于驱动所述采集模块采集用户的第一平面信息。

6.根据权利要求1所述的电子锁，其特征在于，还包括：照明模块，所述照明模块用于为所述采集模块提供光源。

7.根据权利要求1所述的电子锁，其特征在于，所述存储模块还用于存储所述采集模块采集的第一深度信息。

8.根据权利要求3所述的电子锁，其特征在于，所述存储模块还用于存储所述采集模块采集的第一平面信息。

9.根据权利要求8所述的电子锁，其特征在于，还包括：传输模块；

所述传输模块，用于将所述存储模块储存的所述第一深度信息和/或所述第一平面信息上传至云端进行储存。

10.一种电子锁识别方法，其特征在于，所述电子锁包括：采集模块、存储模块和处理模块，所述识别方法包括：

所述采集模块采集用户的第一深度信息；

所述处理模块对所述第一深度信息和所述存储模块存储的第二深度信息进行对比，若所述第一深度信息和所述第二深度信息一致，判断出所述用户为家庭成员。

11.根据权利要求10所述的电子锁识别方法，其特征在于，所述电子锁还包括：驱动模块；

所述采集模块采集用户的第一深度信息包括：

所述驱动模块驱动所述采集模块采集用户的第一深度信息。

12.根据权利要求10所述的电子锁识别方法，其特征在于，还包括：

所述存储模块存储所述用户采集的第一深度信息。