CN106218584A - 一种基于红外及人脸识别技术的车辆防盗系统 - Google Patents

Abstract

本申请公开了一种基于红外及人脸识别技术的车辆防盗系统，包括：红外光源；摄像头，通过所述红外光源摄取驾驶员的人脸信息；滤光片，设于所述摄像头镜头前方以滤除红外以外的光线；人脸识别及控制模块，将摄取的人脸信息与已注册的人脸模板进行比对，并根据对比的结果对车载电子系统进行控制。本发明采用人脸识别技术结合智能硬件平台技术，解决了目前的汽车防盗技术的局限性以及人脸识别时受光线影响厉害的缺陷。

Description

一种基于红外及人脸识别技术的车辆防盗系统

技术领域

本申请属于汽车电子领域，特别是涉及一种基于红外及人脸识别技术的车辆防盗系统。

背景技术

随着汽车业的日新月异的发展，目前的汽车防盗以及驾驶人员行使途中的人身安全防范越来越受到人们的重视。现有技术中汽车防盗装置主要有电子防盗装置和网络防盗装置。电子防盗装置能发出声光来震慑入侵者，发现入侵可锁定点火或启动来达到防盗的目的。网络防盗装置采用GPS卫星定位系统和移动通讯系统相结合，除了锁定点火或启动达到防盗的目的，同时将报警信息和车辆所在位置传送到报警中心或车主手机。

上述汽车防盗装置能起到一定防盗的作用，但对于盗取汽车钥匙后进行偷盗车辆或其内的贵重物品，上述防盗装置都无法有效防范。所以市场上出现了基于人脸识别的车辆防盗方法。目前大多采用的人脸识别技术都是在自然光下进行识别。但是，以目前的世界上现有的人脸识别技术，识别人脸时的光照影响始终存在。在汽车上的光源总是变换不定，特别在夜景行驶的时候，车内的光线几乎是黑暗的，如果不采取其他辅助措施，人脸几乎看不到，更谈不上识别，另外在两车交汇时等多种情况，人脸上的光线几乎每时每刻都在发生变化。

故针对目前现有技术中存在的上述缺陷，实有必要进行研究，以提供一种方案，解决现有技术中存在的缺陷。

发明内容

本发明的目的在于提供一种基于红外及人脸识别技术的车辆防盗系统，以克服现有技术中的不足。

为实现上述目的，本发明提供如下技术方案：

本申请实施例公开一种基于红外及人脸识别技术的车辆防盗系统，包括：

红外光源；

摄像头，通过所述红外光源摄取驾驶员的人脸信息；

滤光片，设于所述摄像头镜头前方以滤除红外以外的光线；

人脸识别及控制模块，将摄取的人脸信息与已注册的人脸模板进行比对，并根据对比的结果对车载电子系统进行控制。

优选的，在上述的基于红外及人脸识别技术的车辆防盗系统中，若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块发出控制信号，锁死汽车点火启动系统、车门或车窗。

优选的，在上述的基于红外及人脸识别技术的车辆防盗系统中，还包括无线通信模块，若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块通过无线通信模块发送报警信号至特定手机或终端。

优选的，在上述的基于红外及人脸识别技术的车辆防盗系统中，所述人脸识别及控制模块通过无线通信模块将车辆位置信号发送至手机或终端。

优选的，在上述的基于红外及人脸识别技术的车辆防盗系统中，人脸模板注册的方法包括：

s1、采集待注册人脸图像，并对采集到的人脸图像进行几何归一化和灰度归一化预处理；

s2、读入每一个二维的人脸图像数据并转化为一维的向量；

s3、计算训练样本特征值及特征向量；

s4、对训练样本进行线性变换后投影到特征空间。

与现有技术相比，本发明的优点在于：本发明通过红外光源配合摄像头对人脸信息进行采集，能得到清晰的脸部信息，解决了目前的汽车防盗技术的局限性，以及目前车上人脸识别时受光线影响厉害的缺陷。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1所示为本发明具体实施例中车辆防盗系统的原理方框图；

图2所示为本发明具体实施例中车辆防盗系统的工作流程图。

具体实施方式

结合图1所示，基于红外及人脸识别技术的车辆防盗系统，包括：

红外光源；

摄像头，通过所述红外光源摄取驾驶员的人脸信息；

滤光片，设于所述摄像头镜头前方以滤除红外以外的光线；

人脸识别及控制模块，将摄取的人脸信息与已注册的人脸模板进行比对，并根据对比的结果对车载电子系统进行控制。

若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块发出控制信号，锁死汽车点火启动系统、车门或车窗。

进一步地，还包括无线通信模块，若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块通过无线通信模块发送报警信号至特定手机或终端。

进一步地，所述人脸识别及控制模块通过无线通信模块将车辆位置信号发送至手机或终端。

该技术方案中，无线通信模块优选为3G模块，车辆位置信号通过GPS模块实现定位。

优选的，摄像头设于驾驶座前方,红外光源设于摄像头上。

进一步地，人脸模板注册的方法包括：

s1、采集待注册人脸图像，并对采集到的人脸图像进行几何归一化和灰度归一化预处理；

s2、读入每一个二维的人脸图像数据并转化为一维的向量；

s3、计算训练样本特征值及特征向量；

s4、对训练样本进行线性变换后投影到特征空间。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供一种基于红外及人脸识别技术的车辆防盗系统，其包括：一个摄像头；一个滤光片，设于该摄像头上，以滤除红外以外的其他光源；一个红外光源，用于所述摄像头透过该红外光源摄取驾驶员的人脸信息；一人脸识别及控制模块，其将所述人脸信息进行处理后与数据库中存储的人脸模板进行比对，该人脸识别及控制模块根据对比的结果对车载电子系统进行控制。

该技术方案中，通过红外光源配合摄像头对人脸信息进行采集，能得到清晰的脸部信息，因为车子行驶在户外的时候光照强度是随时改变，特别在夜间行驶，车内的灯光非常暗，如果不采取其他措施的话，对于摄像头捕捉一张清晰的人脸来说是非常困难的。滤光片的作用就是最大限度的把红外之外的其他光源屏蔽掉，同时最大限度的透过周围布置的这些红外光源，可以达到光源稳定的照在驾驶座的人员脸上。在一实施例中，所述的红外光源可以设置在摄像头上，该摄像头可以设置在驾驶座前方，但并不以此为限。

在识别比对后，若所述结果是该数据库中不存在该人脸信息，则所述人脸识别及控制模块发出控制信号，锁死汽车点火启动系统、车门或车窗。

为了让一般技术人员更好的理解本发明，下面对本发明一实施例的具体技术实现流程做进一步说明：

步骤1：首先将摄像头设置于驾驶座前方，即正对着驾驶座，只要在驾驶座范围内出现的任何人脸均进行捕捉。

步骤2：在摄像头上加滤光片和周围布置红外LED灯，以便捕捉清晰的人脸。

步骤3：将具有驾驶该汽车权限的人脸进行注册。

(1)采集车主人脸图像并进行预处理

对采集到的人脸图像进行几何归一化和灰度归一化预处理。几何归一化是指根据

人脸定位结果将图像中人脸变换到同一位置和同样大小。灰度归一化是指对图像进行光照补偿等处理，光照补偿能够一定程度地克服光照变化的影响而提高识别率。

(2)导入人脸训练样本

导入人脸训练样本，即读入每一个二维的人脸图像数据并转化为一维的向量，对于不同表情的人脸，选择一定数量的图像构成训练集。

假定图像的大小是u×v(u和v分别为图像的行和列像素数)，用于训练的人脸样数是n，令m＝u×v，则训练集是一个m×n的矩阵。每幅原始图像均具有256个灰度级。

导入采集到的多帧车主人脸图像，并将人脸设定类别：第一位车主为第1类训练样本，简称1类；第二位车主为第2类测试样本，简称2类；既非第一位车主也非第二位车主，则为第3类测试样本，依次类推。

1类人脸第i图像可以表示为一维向量

$X_i^{\left(1\right)}={\left[\begin{array}{cccc}{x}_{i1}^{\left(1\right)}& x_{i2}^{\left(1\right)}& \mathrm{...}& x_{im}^{\left(1\right)}\end{array}\right]}^T={\[x_{ij}^{\left(1\right)}\]}^T---\left(1\right)$

式中，i＝1，2，...，n人脸样本；n为1类的人脸样本数；j＝1，2，...m为每个样本图像所取像素数。

所述人脸样本，即特定类(人)每幅图像能够包含表情、姿态和尺度的变化，而且姿态微变、尺度变化在20％以内等属性的图像。

(3)计算训练样本特征值及特征向量

计算1类的均值

式中，表示1类第i个样本第j个像素灰度值；称由此求得的均值为第1类平均脸。

对1类训练样本进行规范化后可以表达为:

$v_i^{\left(1\right)}=x_i^{\left(1\right)}-\stackrel{\‾}{x};i=1,2,...,n---\left(3\right)$

由训练样本组成的第1类规范化向量v:

${\stackrel{\→}{v}}_1={\[v_1^{\left(1\right)}{v}_2^{\left(1\right)}...v_n^{\left(1\right)}\]}^T---\left(4\right)$

此时，有1类协方差矩阵为：

$Q_1={\[v_1^{\left(1\right)}{v}_2^{\left(1\right)}...v_n^{\left(1\right)}\]}^T\[v_1^{\left(1\right)}{v}_2^{\left(1\right)}...v_n^{\left(1\right)}\];Q_1\∈R^{n\×n}---\left(5\right)$

假如上述车辆属于多人共有，即有多位车主，则，同理可以获得第2类及更多类的人脸特征量，即平均脸和协方差矩阵等表达式，如

计算第l类的均值

${\stackrel{\‾}{x}}_i=\frac{1}{n_i\×m}\underset{i=1}{\overset{n_1}{\Σ}}\underset{j=1}{\overset{m}{\Σ}}{x}_{ij}^{\left(1\right)}---\left(6\right)$

式中,表示第l类第i个样本第j个像素灰度值；称由此求得的均值为第l类平均脸。

对第l类训练样本进行规范化后可以表达为：

$v_i^{\left(1\right)}=x_i^{\left(1\right)}-{\stackrel{\‾}{x}}_i;i=1,2,...,n---\left(7\right)$

由训练样本组成的第l类规范化向量v_l：

${\stackrel{\→}{v}}_1={\left[\begin{array}{cccc}{v}_1^{\left(1\right)}& v_2^{\left(1\right)}& \mathrm{...}& v_{ni}^{\left(1\right)}\end{array}\right]}^T---\left(8\right)$

此时，有第l类协方差矩阵为：

$Q_1={\[v_1^{\left(1\right)}{v}_2^{\left(1\right)}...v_{ni}^{\left(1\right)}\]}^T\[v_1^{\left(1\right)}{v}_2^{\left(1\right)}...v_{ni}^{\left(1\right)}\];Q_1\∈R^{ni\×ni}---\left(9\right)$

继续计算总均值,当每类样本数相等的情况下：

$\stackrel{\‾}{x}=\frac{1}{c}\underset{i}{\overset{c}{\Σ}}{\stackrel{\‾}{x}}_i---\left(10\right)$

称总均值为混合平均脸。

由混合平均脸进行类间规范化得类间规范化向量v

$v={\[v^{\left(1\right)}{v}^{\left(2\right)}...v_i^{\left(c\right)}\]}^T={\[v^{\left(1\right)}\]}^T---\left(11\right)$

其中，由此又可获得类间协方差矩阵为：

Q＝[v⁽¹⁾v⁽²⁾…v^(c)]^T[v⁽¹⁾v⁽²⁾…v^(c)]＝v^Tv；Q₁∈R^c×c (12)

利用公式(11)求取Q的特征值λ₁₁及其特征向量，并将其从大到小重新排列后生成特征向量：

p₁＝[λ₁₁λ₁₂λ₁₃…]^T (13)

中，λ₁₁≥λ₁₂≥λ₁₃≥…，并形成一个c×c特征空间阵P

且P^TP＝I

(4)对训练样本进行线性变换后投影到特征空间

由于较大的特征值对应的特征向量包含了较多的人脸特征信息，因此可以选取前个较大的特征值所对应的特征向量构成的向量空间就可以近似地表示人脸图像的主要信息。对于图像库中的n₁个图像都可以向此特征空间投影，得到投影向量

从中选取前s₁个较大的特征值所对应的规范化值构成新的规范化向量

及所对应的n₁×c特征空间

所以有

因此，可以用Ω⁽¹⁾＝P^TV_i来代表第l类车主人脸，并将每类人脸特征存放于存储模块中。带脚标l的参数代表第l类对应参数。

步骤4：一旦有人出现在驾驶座上，人脸就会被捕捉，系统会将该人脸与本地数据库预存的人脸进行比对，如果在设置时间内捕捉不成，则判断是非法入侵；这里我们以两秒为例，如果两秒内该人脸可以得出比对结果，那么该电子装置将汽车的发动权利转交给驾驶员进行控制。否则，在2S之内没有比对结果，则认为此人为非法入侵，该系统就彻底锁死汽车点火启动系统，同时其他所有的车载电子控制系统将锁死，包括车门，车窗彻底锁死，将该非法入侵人员反锁在车内。另外，启动GPS单元模块和3G单元模块，向预存入的电话号码(车主或报警电话110)发出短信，提示车子被盗，车主和警察可以根据GPS定位系统准确的将车子目前位置找到。

本发明采用人脸识别技术结合智能硬件平台技术，且在该技术中采用了3G和GPS定位技术，极大增强了车载防盗防劫持的性能。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意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、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (5)

1.一种基于红外及人脸识别技术的车辆防盗系统，其特征在于，包括：

红外光源；

摄像头，通过所述红外光源摄取驾驶员的人脸信息；

滤光片，设于所述摄像头镜头前方以滤除红外以外的光线；

人脸识别及控制模块，将摄取的人脸信息与已注册的人脸模板进行比对，并根据对比的结果对车载电子系统进行控制。

2.根据权利要求1所述的基于红外及人脸识别技术的车辆防盗系统，其特征在于：若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块发出控制信号，锁死汽车点火启动系统、车门或车窗。

3.根据权利要求1所述的基于红外及人脸识别技术的车辆防盗系统，其特征在于：还包括无线通信模块，若摄取的人脸信息与已注册的人脸模板不匹配，则所述人脸识别及控制模块通过无线通信模块发送报警信号至特定手机或终端。

4.根据权利要求4所述的基于红外及人脸识别技术的车辆防盗系统，其特征在于：所述人脸识别及控制模块通过无线通信模块将车辆位置信号发送至手机或终端。

5.根据权利要求1所述的基于红外及人脸识别技术的车辆防盗系统，其特征在于：人脸模板注册的方法包括：

s1、采集待注册人脸图像，并对采集到的人脸图像进行几何归一化和灰度归一化预处理；

s2、读入每一个二维的人脸图像数据并转化为一维的向量；

s3、计算训练样本特征值及特征向量；

s4、对训练样本进行线性变换后投影到特征空间。