CN110069964A - 一种机器人识别用户身份的方法 - Google Patents

一种机器人识别用户身份的方法 Download PDF

Info

Publication number
CN110069964A
CN110069964A CN201810069518.9A CN201810069518A CN110069964A CN 110069964 A CN110069964 A CN 110069964A CN 201810069518 A CN201810069518 A CN 201810069518A CN 110069964 A CN110069964 A CN 110069964A
Authority
CN
China
Prior art keywords
identification
user
feature point
user identity
facial image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810069518.9A
Other languages
English (en)
Inventor
王拴绪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Robotics Research Institute Co Ltd
Original Assignee
Nanjing Robotics Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Robotics Research Institute Co Ltd filed Critical Nanjing Robotics Research Institute Co Ltd
Priority to CN201810069518.9A priority Critical patent/CN110069964A/zh
Publication of CN110069964A publication Critical patent/CN110069964A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种机器人识别用户身份的方法，所述机器人识别用户身份的方法包括以下步骤：摄像头获取用户的人脸图像，采用二值分割法对人脸图像进行分割，对分割后的人脸图像进行图像增强，获取人脸图像中的灰度特征点，将所获取的灰度特征点与预设灰度特征点进行比较，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示，若所获取的灰度特征点与预设灰度特征点一致，则将用户的手掌放于电阻抗采集装置上，所述电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，若所述阻抗特性与预设阻抗特性一致，则根据预设阻抗特性判断出其所对应的用户的身份。

Description

一种机器人识别用户身份的方法
技术领域
本发明涉及机器人技术领域，尤其涉及一种机器人识别用户身份的方法。
背景技术
近年来，计算机图像技术的应用范围越来越广，利用计算机、图象处理、模式识别等技术实现身份验证也越来越成为当前模式识别和人工智能领域的一个研究热点，人脸识别主要应用于公安(罪犯识别等)、出入境验证、机场安检、安全验证系统、信用卡验证等方面。人脸识别系统作为一项先进的高科技技术防范和验证手段，在一些经济发达的国家和地区已经广泛应用于科研、工业、博物馆、酒店、商场、医疗监护、银行、监狱等高安全性要求的重要场所，具有广阔的应用前景。
由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。人的指纹、掌纹、眼虹膜、脱氧核糖核酸(DNA)以及人脸相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性，无法复制，失窃或被遗忘。由于每个人的这些特征都不相同，因此利用人体的这些独特的生理特征可以准确地识别每个人的身份，目前已有的人体生物识别方法包括人脸识别、指纹识别、声音识别、掌形识别、签名识别、眼虹膜、视网膜识别等。其中，利用人脸特征进行身份验证又是最自然直接的手段，相比其它人体生物特征，它具有直接、友好、方便的特点，更易于为用户所接受，因此备受关注。
嵌入式人脸智能识别主要涉及摄像机标定、物体识别、运动分割与跟踪、图像数据处理、高层语义理解等内容，是计算机视觉领域的前沿研究方向。它具有广泛的应用前景及巨大的潜在经济价值，已引起了许多科研机构及研究人员的浓厚兴趣。例如，英国科学家正在开发“智能”识别新技术，这一技术有望使未来的闭路电视监视器不仅可自动识别扒手和盗车贼，而且还会预报地铁或机场内可能发生的行凶抢劫或恐怖活动；H.J.Zhang等提出了基于帧间直方图差的智能监控镜头分割算法，因为其算法复杂度低，镜头分割效果好，成为目前大受欢迎的方法；在国内，中国科学院自动化研究所、清华大学、和中国科学院计算所等都加强了相关的研究。
嵌入式人脸智能识别系统具有人脸获取直接隐蔽、人脸特征信息编码数据量小、识别速度快、识别准确率高、拒识率低、甄别简便、安全性高、使用条件简单等优点，是一种直接、方便、容易被人们接受的非侵犯性身份认证方法。
因此，如何提高人脸识别的准确性、安全性，成为本领域技术人员亟待解决的技术难题。
发明内容
本发明的目的是提供一种机器人识别用户身份的方法，能够提高人脸识别的准确性和安全性。
为了实现上述目的，本发明提供了一种机器人识别用户身份的方法，所述机器人识别用户身份的方法包括以下步骤：
摄像头获取用户的人脸图像，采用二值分割法对人脸图像进行分割，对分割后的人脸图像进行图像增强，获取人脸图像中的灰度特征点，将所获取的灰度特征点与预设灰度特征点进行比较，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示，若所获取的灰度特征点与预设灰度特征点一致，则将用户的手掌放于电阻抗采集装置上，所述电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，若所述阻抗特性与预设阻抗特性一致，则根据预设阻抗特性判断出其所对应的用户的身份，若所述阻抗特性与预设阻抗特性不一致，则发出用户身份识别失败提示。
优选的，所述激励电流的预设频率为65KHz。
优选的，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示之后，还包括，将用户的指纹放置于指纹识别装置上，所述指纹识别装置识别用户的指纹信息，并将所述识别的指纹信息与预设指纹信息进行比对，若所述识别的指纹信息与预设指纹信息一致，则通过电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，所述识别的指纹信息与预设指纹信息不一致，则发出用户身份识别失败提示。
优选的，所述对分割后的人脸图像进行图像增强，包括：对分割后的人脸图像进行直方图增强，对直方图增强后的人脸图像进行对比增强，对人脸图像的灰度进行分段处理。
优选的，所述采用二值分割法对人脸图像进行分割，包括：提取所述人脸图像中人脸轮廓特征与背景图像之间的差异，将人脸图像分隔成具有不同灰度级的人脸轮廓区域和背景区域，将人脸图像中的像素点与阈值进行比较，若所述像素点与所述阈值一致，则判断所述像素点为人脸轮廓区域。
优选的，所述机器人还包括语音命令接收装置，若判断出用户的身份，所述语音命令接收装置接收用户的语音命令，并根据所述语音命令执行所对应的操作。
优选的，所述电阻特性为非线性的电阻抗普，通过网络神经训练获取用户的预设阻抗特性。
本发明提供的机器人识别用户身份的方法，通过提取人脸图像中的灰度特征值作为人脸识别的特征比对对象，可以准确地获取人脸的特征，准确、安全地识别出用户的身份，同时在人脸识别的基础上，采集用户的手掌细胞的阻抗特性，根据每个人的手掌细胞的阻抗特征均不同，进一步对用户的身份特征进行识别，大大提高了身份识别的准确性和安全性。
附图说明
图1为本发明提供的机器人识别用户身份的方法的一种具体实施方式的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参看图1，图1为本发明提供的机器人识别用户身份的方法的一种具体实施方式的流程示意图。
如图1所示，本发明提供了一种机器人识别用户身份的方法，所述机器人识别用户身份的方法包括以下步骤：
摄像头获取用户的人脸图像，采用二值分割法对人脸图像进行分割，对分割后的人脸图像进行图像增强，获取人脸图像中的灰度特征点，将所获取的灰度特征点与预设灰度特征点进行比较，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示，若所获取的灰度特征点与预设灰度特征点一致，则将用户的手掌放于电阻抗采集装置上，所述电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，若所述阻抗特性与预设阻抗特性一致，则根据预设阻抗特性判断出其所对应的用户的身份，若所述阻抗特性与预设阻抗特性不一致，则发出用户身份识别失败提示。
生物电阻抗是一种电信号通过生物机体时反映出的阻抗特性，生物组织包括细胞内液、细胞外液和细胞膜，当一定频率的电信号施加在生物体时，典型将绕过细胞，主要流经细胞外液，当施加于生物组织电信号的频率增加时，一部分电流将穿过细胞膜流经细胞内液。不同人的生物电阻抗信息具有唯一性，生物电阻抗信息可以用来进行身份识别。
本发明提供的机器人识别用户身份的方法，通过提取人脸图像中的灰度特征值作为人脸识别的特征比对对象，可以准确地获取人脸的特征，准确、安全地识别出用户的身份，同时在人脸识别的基础上，采集用户的手掌细胞的阻抗特性，根据每个人的手掌细胞的阻抗特征均不同，进一步对用户的身份特征进行识别，大大提高了身份识别的准确性和安全性。
优选的方案中，所述激励电流的预设频率为65KHz，激励电流的频率为65KHz时，激励电流对人体的相应是最好的，可以更加准确地获取阻抗特性。
优选的方案中，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示之后，还包括，将用户的指纹放置于指纹识别装置上，所述指纹识别装置识别用户的指纹信息，并将所述识别的指纹信息与预设指纹信息进行比对，若所述识别的指纹信息与预设指纹信息一致，则通过电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，所述识别的指纹信息与预设指纹信息不一致，则发出用户身份识别失败提示。
为了防止人脸识别出现识别的误差，在人脸识别失败后，通过指纹识别用户身份信息，如果用户通过指纹信息识别后，再进行电阻抗识别，提高识别的准确性。
优选的方案中，所述对分割后的人脸图像进行图像增强，包括：对分割后的人脸图像进行直方图增强，对直方图增强后的人脸图像进行对比增强，对人脸图像的灰度进行分段处理。图像的直方图是重要的统计特征，它可以为图像灰阶密度函数的近似，具有相应的统计特征。
优选的方案中，所述采用二值分割法对人脸图像进行分割，包括：提取所述人脸图像中人脸轮廓特征与背景图像之间的差异，将人脸图像分隔成具有不同灰度级的人脸轮廓区域和背景区域，将人脸图像中的像素点与阈值进行比较，若所述像素点与所述阈值一致，则判断所述像素点为人脸轮廓区域。
优选的方案中，所述机器人还包括语音命令接收装置，若判断出用户的身份，所述语音命令接收装置接收用户的语音命令，并根据所述语音命令执行所对应的操作。通过身份识别的用户可以通过语音命令操作机器人。
优选的方案中，所述电阻特性为非线性的电阻抗普，通过网络神经训练获取用户的预设阻抗特性。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (7)

1.一种机器人识别用户身份的方法，其特征在于，所述机器人识别用户身份的方法包括以下步骤：
摄像头获取用户的人脸图像，采用二值分割法对人脸图像进行分割，对分割后的人脸图像进行图像增强，获取人脸图像中的灰度特征点，将所获取的灰度特征点与预设灰度特征点进行比较，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示，若所获取的灰度特征点与预设灰度特征点一致，则将用户的手掌放于电阻抗采集装置上，所述电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，若所述阻抗特性与预设阻抗特性一致，则根据预设阻抗特性判断出其所对应的用户的身份，若所述阻抗特性与预设阻抗特性不一致，则发出用户身份识别失败提示。
2.根据权利要求1所述的机器人识别用户身份的方法，其特征在于，所述激励电流的预设频率为65KHz。
3.根据权利要求2所述的机器人识别用户身份的方法，其特征在于，若所获取的灰度特征点与预设灰度特征点不一致，则发出用户身份识别失败提示之后，还包括，将用户的指纹放置于指纹识别装置上，所述指纹识别装置识别用户的指纹信息，并将所述识别的指纹信息与预设指纹信息进行比对，若所述识别的指纹信息与预设指纹信息一致，则通过电阻抗采集装置采集预设频率的激励电流流经用户手掌细胞时的阻抗特性，所述识别的指纹信息与预设指纹信息不一致，则发出用户身份识别失败提示。
4.根据权利要求3所述的机器人识别用户身份的方法，其特征在于，所述对分割后的人脸图像进行图像增强，包括：对分割后的人脸图像进行直方图增强，对直方图增强后的人脸图像进行对比增强，对人脸图像的灰度进行分段处理。
5.根据权利要求4所述的机器人识别用户身份的方法，其特征在于，所述采用二值分割法对人脸图像进行分割，包括：提取所述人脸图像中人脸轮廓特征与背景图像之间的差异，将人脸图像分隔成具有不同灰度级的人脸轮廓区域和背景区域，将人脸图像中的像素点与阈值进行比较，若所述像素点与所述阈值一致，则判断所述像素点为人脸轮廓区域。
6.根据权利要求1所述的机器人识别用户身份的方法，其特征在于，所述机器人还包括语音命令接收装置，若判断出用户的身份，所述语音命令接收装置接收用户的语音命令，并根据所述语音命令执行所对应的操作。
7.根据权利要求1所述的机器人识别用户身份的方法，其特征在于，所述电阻特性为非线性的电阻抗普，通过网络神经训练获取用户的预设阻抗特性。
CN201810069518.9A 2018-01-24 2018-01-24 一种机器人识别用户身份的方法 Pending CN110069964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810069518.9A CN110069964A (zh) 2018-01-24 2018-01-24 一种机器人识别用户身份的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810069518.9A CN110069964A (zh) 2018-01-24 2018-01-24 一种机器人识别用户身份的方法

Publications (1)

Publication Number Publication Date
CN110069964A true CN110069964A (zh) 2019-07-30

Family

ID=67365591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810069518.9A Pending CN110069964A (zh) 2018-01-24 2018-01-24 一种机器人识别用户身份的方法

Country Status (1)

Country Link
CN (1) CN110069964A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722696A (zh) * 2012-05-16 2012-10-10 西安电子科技大学 基于多生物特征的身份证与持有人的同一性认证方法
CN102750528A (zh) * 2012-06-27 2012-10-24 西安理工大学 一种基于手掌特征提取身份识别方法
CN106778797A (zh) * 2016-10-31 2017-05-31 江苏濠汉信息技术有限公司 一种身份智能识别方法
CN107066969A (zh) * 2017-04-12 2017-08-18 南京维睛视空信息科技有限公司 一种人脸识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722696A (zh) * 2012-05-16 2012-10-10 西安电子科技大学 基于多生物特征的身份证与持有人的同一性认证方法
CN102750528A (zh) * 2012-06-27 2012-10-24 西安理工大学 一种基于手掌特征提取身份识别方法
CN106778797A (zh) * 2016-10-31 2017-05-31 江苏濠汉信息技术有限公司 一种身份智能识别方法
CN107066969A (zh) * 2017-04-12 2017-08-18 南京维睛视空信息科技有限公司 一种人脸识别方法

Similar Documents

Publication Publication Date Title
Dargan et al. A comprehensive survey on the biometric recognition systems based on physiological and behavioral modalities
CN110069965A (zh) 一种机器人身份识别方法
Sheela et al. Iris recognition methods-survey
US20140037152A1 (en) Identity recognition based on multiple feature fusion for an eye image
Saini et al. Don’t just sign use brain too: A novel multimodal approach for user identification and verification
CN111149104B (zh) 用于生物特征识别的装置、方法和计算机可读存储介质
CN109670406B (zh) 一种结合心率与面部表情面向游戏用户的非接触式情感识别方法
CN111062021B (zh) 一种基于可穿戴设备进行身份认证的方法及装置
Fierrez-Aguilar et al. Kernel-based multimodal biometric verification using quality signals
Das et al. Fuzzy logic based selera recognition
Chiu et al. A micro-control capture images technology for the finger vein recognition based on adaptive image segmentation
Ahmed et al. A state of art for survey of combined iris and fingerprint recognition systems
Sarin et al. Cnn-based multimodal touchless biometric recognition system using gait and speech
CN110688872A (zh) 基于唇部的人物识别方法、装置、程序、介质及电子设备
CN111222374A (zh) 测谎数据处理方法、装置、计算机设备和存储介质
Srinivas et al. Artificial intelligence based optimal biometric security system using palm veins
Ali et al. Intelligent system for imposter detection: Asurvey
CN110069964A (zh) 一种机器人识别用户身份的方法
CN110069963A (zh) 一种基于机器人的用户身份验证方法
Suganthy et al. Effective iris recognition for security enhancement
Cui et al. An appearance-based method for iris detection
Nishino et al. Multimodal person authentication system using features of utterance
CN111937005A (zh) 生物特征识别方法、装置、设备及存储介质
Hui et al. An assessment of user authentication methods in mobile phones
El-Sayed et al. New approach for identity verification system using the vital features based on entropy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190730