CN109243030B - 一种夜间非接触式门禁系统的控制方法及系统 - Google Patents

Abstract

一种夜间非接触式门禁系统的控制方法，包括以下步骤：S1、用户信息注册，建构数据库系统；S2、门禁客户端采集图像，在检测到人脸后上传；S3、服务器对接收到的图像进行图像增强；S4、服务器利用卷积神经网络进行真人检测；S5、服务器进行人脸识别并返回结果；S6、门禁客户端发送开门信号，并将记录存放于数据库；S7、单片机开门；S8、开门失败，触发报警系统。以及提供一种夜间非接触式门禁系统，包括一台门禁机、用户APP、物业管理系统、门禁客户端和服务器。本发明提供一种精准性较高、便利性较好的夜间非接触式门禁系统的控制方法及系统。

Description

一种夜间非接触式门禁系统的控制方法及系统

技术领域

本发明涉及夜间非接触式门禁系统，尤其是一种夜间非接触式门禁系统的控制方法及系统。

背景技术

传统的刷卡式门禁机制，往往存在易遗失、易被伪造等问题。而基于人脸识别技术的门禁系统可以有效避免这些问题的发生。但传统的人脸识别门禁系统，存在夜间因光照强度较小，而使得门禁系统工作效率下降甚至失效的情况。

发明内容

为了克服已有门禁系统的精准性较低、便利性较差的不足，本发明提供一种精准性较高、便利性较好的夜间非接触式门禁系统的控制方法及系统。

本发明解决其技术问题所采用的技术方案是：

一种夜间非接触式门禁系统的控制方法，所述方法包括以下步骤：

S1、用户信息注册，建构数据库系统；

S2、门禁客户端采集图像，在检测到人脸后上传；

S3、服务器对接收到的图像进行图像增强，过程如下：

使用MSRCR算法，从量化的方式入手，引入均值和均方差的概念，加上一个控制图像动态的参数实现无色偏的调节过程，实现图像增强；

S4、服务器利用卷积神经网络进行真人检测，过程如下：

S4.1:利用训练好的卷积神经网络对人脸关键点定位，计算人眼部分的多种特征，通过多张图片的特征提取来判断用户是否存在眨眼、头部晃动等行为，判断是否为真人；

S4.2：用包括热成像摄像头、近红外摄像头的辅助拍摄设备进行进一步检测，通过有颜色的图像来显示被测量物表面的温度分布，防止显示屏播放视频作弊；

S4.3:若不为真人，结束操作，开门失败；若为真人，则继续进行步骤S5；

S5、服务器进行人脸识别并返回结果，过程如下：

S5.1:服务器通过训练好的卷积神经网络计算出人脸图像中各个形状特性的特征分量，并与数据库中的人脸特征进行比对，当数据库中存在与该人脸特征相似度超过设定阈值的特征数据时，则认为识别成功，并在数据库中快速寻找到相匹配的用户信息，并继续进行S5.2操作，否则，进入步骤S8；

S5.2：根据查找到的用户信息判断用户是否有权限开启门禁，若有开启门禁权限，则服务器向门禁客户端发送开门信号，此开门信号相当于智能门锁的匙端，并进入步骤S6，否则，进入步骤S8；

S6、门禁客户端发送开门信号，并将记录存放于数据库，过程如下：

S6.1：门禁客户端收到服务器端返回的开门指令后，通过蓝牙模块将操作信息传送至门锁，由门锁内部的单片机进行处理；

S6.2：将进门或出门记录保存于服务器端的数据库系统中，进入步骤S7；

S7、单片机开门，过程如下：

S7.1：单片机收到蓝牙开门信号，通过输出电平的改变控制继电器开门；

S7.2：开门并计时；

S7.3：关门；

S8、开门失败，触发报警系统。

进一步，所述步骤S1的过程如下：

S1.1：住户通过用户APP注册用户信息，其中，用户信息包括身份证号、手机号、姓名、住址以及本人照片；

S1.2：住户信息在通过管理人员审核后有效注册；

S1.3：系统通过HTTP协议向服务器传输信息数据，服务器端利用卷积神经网络CNN提取住户人脸图像的高维特征，并将得到的人脸特征数据与住户的个人信息一起储存到数据库中；

S1.4：注册用户通过APP远程控制门禁的临时开门，开门指令通过服务器发送实现开门，这一功能便于没有保存人脸图片库的临时访客进入门禁，同时保存临时访客的人脸图像到数据库中。

再进一步，所述步骤S2的过程如下：

S2.1：门禁客户端运行门禁应用程序，分析监控区域位置，判断该监控区域为进门监控区域或是出门监控区域，同时在程序中每隔500毫秒调用一次系统的摄像头摄像功能，获取多张照片；

S2.2：门禁客户端使用Adaboost算法，训练弱分类器为最优弱分类器，然后将其组合构造出一个强分类器，从而对获取的图像中是否存人脸进行判断；

S2.3:当检测到存在人脸时，门禁客户端将图像发送到服务器，并请求服务器进行人脸识别；否则，结束操作。

一种夜间非接触式门禁系统的控制系统，所述系统包括一台门禁机、用户APP、物业管理系统、门禁客户端和服务器；

其中，所述用户APP用于用户注册、信息维护及用户远程控制门禁开关；用户信息经管理人员审核后保存于服务器端的数据库中；物业管理系统用于物业对进出门记录的管理；所述门禁机上装有门禁客户端，通过采集图像并与服务器进行数据交互后，用蓝牙模块控制单片机进行开关门操作，并将开关门记录保存于服务器上的数据库中。

本发明的技术构思为：应对于社会生产生活的需要，一种基于图像增强的黑暗条件下的人脸识别技术被应用于门禁系统，该门禁系统能够在夜间，不接触门禁系统的情况下，通过自动扫描人脸，并与数据库中已有的人脸进行特征比对后控制门的开关，大大提高了精准性和便利性。

本发明的有益效果主要表现在：1.本发明使用卷积神经网络算法来计算人脸特征，准确率高，识别速度快，能在极短时间内完成人脸图像匹配和识别，大大提高了用户的体验性。

2.本发明着重考虑了人脸识别门禁系统在夜间的识别成功率：提出使用MSRCR算法来进行图像增强，相较于已有的传统人脸识别门禁专利，有效地提高了图像的亮度，消除了图像的阴影、黑暗区域，提高了图像的对比度，从而实现了该门禁系统在夜间的工作效率不差于白天工作效率的效果。

3.在门禁客户端，每隔500毫秒调用一次系统的摄像头摄像功能，弱化使用者的配合需求，满足用户无感化进入的良好体验。

附图说明

图1是夜间非接触式门禁系统的控制方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种夜间非接触式门禁系统的控制方法，包括以下步骤：

S1、用户信息注册，建构数据库系统，过程如下：

S1.1：住户通过用户APP注册用户信息，其中，用户信息包括身份证号、手机号、姓名、住址以及本人照片；

S1.2：住户信息在通过管理人员审核后有效注册；

S1.3：系统通过HTTP协议向服务器传输信息数据，服务器端利用卷积神经网络CNN提取住户人脸图像的高维特征，并将得到的人脸特征数据与住户的个人信息一起储存到数据库中；

S1.4：注册用户通过APP远程控制门禁的临时开门，开门指令通过服务器发送实现开门，这一功能便于没有保存人脸图片库的临时访客进入门禁，同时保存临时访客的人脸图像到数据库中；

S2、门禁客户端采集图像，在检测到人脸后上传，过程如下：

S2.1：门禁客户端运行门禁应用程序，分析监控区域位置，判断该监控区域为进门监控区域或是出门监控区域，同时在程序中每隔500毫秒调用一次系统的摄像头摄像功能，获取多张照片；

S2.2：门禁客户端使用Adaboost算法，训练弱分类器为最优弱分类器，然后将其组合构造出一个强分类器，从而对获取的图像中是否存人脸进行判断；其中，Adaboost算法的思想是：通过对大量正样本和负样本的学习，得到学习的反馈，使得弱分类器自适应地调整错误率以及相应的权重，直到组合得到一个强分类器以达到预定的性能；

S2.3:当检测到存在人脸时，门禁客户端将图像发送到服务器，并请求服务器进行人脸识别；否则，结束操作；

S3、服务器对接收到的图像进行图像增强，过程如下：

使用MSRCR(Multi-Scale Retinex with Color Restoration)算法，在保留SSR、MSR功能的基础上，从量化的方式入手，引入均值和均方差的概念，加上一个控制图像动态的参数实现无色偏的调节过程，通过图像增强，提高图像的亮度和对比度，去除图像中的噪声干扰；

图像增强为后续的真人检测、人脸特征识别的工作提供了清晰可靠的图像，适用于门禁的夜间使用。

S4、服务器利用卷积神经网络进行真人检测，过程如下：

S4.1:利用训练好的卷积神经网络对人脸关键点定位，计算人眼等部分的多种特征，通过多张图片的特征提取来判断用户是否存在眨眼、头部晃动等行为，判断是否为真人；

S4.2：用包括热成像摄像头、近红外摄像头的辅助拍摄设备进行进一步检测，通过有颜色的图像来显示被测量物表面的温度分布，防止显示屏播放视频作弊；

S4.3:若不为真人，结束操作，开门失败；若为真人，则继续进行步骤S5；

S5、服务器进行人脸识别并返回结果

S5.1:服务器通过训练好的卷积神经网络计算出人脸图像中各个形状特性的特征分量，并与数据库中的人脸特征进行比对，当数据库中存在与该人脸特征相似度较大(即相似度超过设定阈值)的特征数据时，则认为识别成功，并在数据库中快速寻找到相匹配的用户信息，并继续进行S5.2操作，否则，进入步骤S8；

S5.2：根据查找到的用户信息判断用户是否有权限开启门禁，若有开启门禁权限，则服务器向门禁客户端发送开门信号，此开门信号相当于智能门锁的匙端，并进入步骤S6，否则，进入步骤S8；

S6、门禁客户端发送开门信号，并将记录存放于数据库，过程如下：

S6.1：门禁客户端收到服务器端返回的开门指令后，通过蓝牙模块将操作信息传送至门锁，由门锁内部的单片机进行处理；

S6.2：将进门或出门记录保存于服务器端的数据库系统中，进入步骤S7；

S7、单片机开门，过程如下：

S7.1：单片机收到蓝牙开门信号，通过输出电平的改变控制继电器开门；

S7.2：开门并计时；

S7.3：关门；

S8、开门失败，触发报警系统。

一种夜间非接触式门禁系统的控制门禁系统，包括一台门禁机、用户APP、物业管理系统、门禁客户端和服务器；

其中，所述用户APP用于用户注册、信息维护及用户远程控制门禁开关；用户信息经管理人员审核后保存于服务器端的数据库中；物业管理系统用于物业对进出门记录的管理；所述门禁机上装有门禁客户端，通过采集图像并与服务器进行数据交互后，用蓝牙模块控制单片机进行开关门操作，并将开关门记录保存于服务器上的数据库中。

以下是具体算法及技术介绍：

第一、人脸识别算法：

考虑到人脸识别算法需要在极短的时间内，准确完成，本发明提出使用卷积神经网络来计算人脸特征，通过计算两个人脸特征的差的二阶范数来判断人脸是否相似，若二阶范数越接近于0，则表示两张人脸越相似。

该部分涉及两个方面：人脸图像特征提取以及人脸图像匹配和识别：

人脸图像特征提取：针对人脸的某些特征，对人脸进行特征建模的过程。通过卷积神经网络(CNN)对人脸关键点定位，计算人脸的多种特征，主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，特征分量包括特征点间的欧氏距离、曲率和角度等。

以下为该技术在本系统中的具体实现：

⑴.定位出包含所有特征点的最小包围盒，缩小搜索范围：

因用户上传的图像包含范围太大，因此我们需要裁剪出人脸部分，使得输入CNN的图片范围越小越好(需要保证要定位的所有特征点包含在图像中)

⑵.特征点的初始定位，即粗定位

⑶.特征点的精确定位：设计各个特征点的CNN模型，实现特征点的精确定位

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。

第二、图像采集：在门禁客户端，每隔500毫秒调用一次系统的摄像头摄像功能，获取人脸图片，并将图片传送至服务器端，每次调用摄像头间隔时间短，弱化使用者的配合需求，满足了用户无感化进入的良好体验。

第三、图像增强：考虑到夜间采集到的图像难以被识别成功，本发明提出使用MSRCR算法来进行图像增强，能够有效提高图像的亮度，消除图像的阴影、黑暗区域，提高图像的对比度，从而大大提高夜间人脸图像识别成功率。

第四、门禁控制：考虑到控制门锁从而进行开门和关门，本发明提出使用STM32单片机接受蓝牙信号，进而控制继电器的方式来控制门锁，当继电器接通时门可打开，当继电器关闭时门锁关闭，单片机可通过蓝牙协议连接到门禁终端，接受门禁终端发出的开门指令。

其中，蓝牙智能门锁分为匙端和锁端两个核心部分，其中匙端包含智能终端和蓝牙模块A，蓝牙模块A作为通信主端，智能终端对蓝牙模块A进行控制，使得匙端相当于开门的钥匙；锁端包含单片机和蓝牙模块B，蓝牙模块B作为通信从端，其可将操作信息传送至门锁，由门锁内部的单片机进行处理，通过单片机输出电平的改变控制机械门锁的动作，从而达到开关门的效果。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种夜间非接触式门禁系统的控制方法，其特征在于，所述方法包括以下步骤：

S1、用户信息注册，建构数据库系统；

S2、门禁客户端采集图像，在检测到人脸后上传；

S3、服务器对接收到的图像进行图像增强，过程如下：

使用MSRCR算法，从量化的方式入手，引入均值和均方差的概念，加上一个控制图像动态的参数实现无色偏的调节过程，实现图像增强；

S4、服务器利用卷积神经网络进行真人检测，过程如下：

S4.1:利用训练好的卷积神经网络对人脸关键点定位，计算人眼部分的多种特征，通过多张图片的特征提取来判断用户是否存在眨眼、头部晃动等行为，判断是否为真人；

S4.2：用包括热成像摄像头、近红外摄像头的辅助拍摄设备进行进一步检测，通过有颜色的图像来显示被测量物表面的温度分布，防止显示屏播放视频作弊；

S4.3:若不为真人，结束操作，开门失败；若为真人，则继续进行步骤S5；

S5、服务器进行人脸识别并返回结果，过程如下：

S5.1:服务器通过训练好的卷积神经网络计算出人脸图像中各个形状特性的特征分量，并与数据库中的人脸特征进行比对，当数据库中存在与该人脸特征相似度超过设定阈值的特征数据时，则认为识别成功，并在数据库中快速寻找到相匹配的用户信息，并继续进行S5.2操作，否则，进入步骤S8；

S5.2：根据查找到的用户信息判断用户是否有权限开启门禁，若有开启门禁权限，则服务器向门禁客户端发送开门信号，此开门信号相当于智能门锁的匙端，并进入步骤S6，否则，进入步骤S8；

S6、门禁客户端发送开门信号，并将记录存放于数据库，过程如下：

S6.1：门禁客户端收到服务器端返回的开门指令后，通过蓝牙模块将操作信息传送至门锁，由门锁内部的单片机进行处理；

S6.2：将进门或出门记录保存于服务器端的数据库系统中，进入步骤S7；

S7、单片机开门，过程如下：

S7.1：单片机收到蓝牙开门信号，通过输出电平的改变控制继电器开门；

S7.2：开门并计时；

S7.3：关门；

S8、开门失败，触发报警系统；

所述步骤S1的过程如下：

S1.1：住户通过用户APP注册用户信息，其中，用户信息包括身份证号、手机号、姓名、住址以及本人照片；

S1.2：住户信息在通过管理人员审核后有效注册；

S1.3：系统通过HTTP协议向服务器传输信息数据，服务器端利用卷积神经网络CNN提取住户人脸图像的高维特征，并将得到的人脸特征数据与住户的个人信息一起储存到数据库中；

S1.4：注册用户通过APP远程控制门禁的临时开门，开门指令通过服务器发送实现开门，这一功能便于没有保存人脸图片库的临时访客进入门禁，同时保存临时访客的人脸图像到数据库中；

所述步骤S2的过程如下：

S2.1：门禁客户端运行门禁应用程序，分析监控区域位置，判断该监控区域为进门监控区域或是出门监控区域，同时在程序中每隔500毫秒调用一次系统的摄像头摄像功能，获取多张照片；

S2.2：门禁客户端使用Adaboost算法，训练弱分类器为最优弱分类器，然后将其组合构造出一个强分类器，从而对获取的图像中是否存人脸进行判断；

S2.3:当检测到存在人脸时，门禁客户端将图像发送到服务器，并请求服务器进行人脸识别；否则，结束操作。

Images