CN110781778A - 一种门禁控制方法、装置、存储介质及家居系统 - Google Patents
一种门禁控制方法、装置、存储介质及家居系统 Download PDFInfo
- Publication number
- CN110781778A CN110781778A CN201910962151.8A CN201910962151A CN110781778A CN 110781778 A CN110781778 A CN 110781778A CN 201910962151 A CN201910962151 A CN 201910962151A CN 110781778 A CN110781778 A CN 110781778A
- Authority
- CN
- China
- Prior art keywords
- information
- current user
- human eye
- iris image
- human
- 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.)
- Granted
Links
Images
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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Abstract
本发明公开了一种门禁控制方法、装置、存储介质及家居系统,该方法包括:动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息;自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像;基于动态抓取的人眼虹膜图像,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体;若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。本发明的方案,可以解决用户忘带钥匙而给生活带来不便利的问题,达到提升用户生活的便利性的效果。
Description
技术领域
本发明属于智能家居技术领域,具体涉及一种门禁控制方法、装置、存储介质及家居系统,尤其涉及基于虹膜识别智能门禁系统并个性化开启家用电器的实现方法、装置、存储介质及家居系统。
背景技术
目前用户常常忘了带钥匙而不方便开门,给用户的生活带来了一系列的不便。
发明内容
本发明的目的在于,针对上述缺陷,提供一种门禁控制方法、装置、存储介质及家居系统,以解决用户忘带钥匙而给生活带来不便利的问题,达到提升用户生活的便利性的效果。
本发明提供一种门禁控制方法,包括:动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息;自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像;基于动态抓取的人眼虹膜图像,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体;若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。
可选地,动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息,包括:采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息;对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息;所述预处理,包括:降噪处理和/或滤波处理;通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息;以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。
可选地,所述孪生神经网络模型,是经预先训练得到的;其中,对所述孪生神经网络模型的预先训练,包括:采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息;基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本;通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率;通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。
可选地,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者,包括:确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围;若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。
可选地,确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,包括:对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份。
可选地,确定该人眼虹膜图像所代表的当前使用者是否属于活体,包括:确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围;若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。
可选地,还包括:确定该人眼虹膜图像所代表的当前使用者的使用习惯信息;在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。
可选地,确定该人眼虹膜图像所代表的当前使用者的使用习惯信息,包括:确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。
与上述方法相匹配,本发明另一方面提供一种门禁控制装置,包括:动态处理单元,用于动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息;所述动态处理单元,还用于自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像;确定单元,用于基于动态抓取的人眼虹膜图像,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体;控制单元,用于若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。
可选地,所述动态处理单元动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息,包括:采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息;对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息;所述预处理,包括:降噪处理和/或滤波处理;通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息;以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。
可选地,所述孪生神经网络模型,是经预先训练得到的;其中,所述动态处理单元对所述孪生神经网络模型的预先训练,包括:采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息;基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本;通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率;通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。
可选地,所述确定单元确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者,包括:确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围;若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。
可选地,所述确定单元确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,包括:对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份。
可选地,所述确定单元确定该人眼虹膜图像所代表的当前使用者是否属于活体,包括:确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围;若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。
可选地,还包括:所述确定单元,还用于确定该人眼虹膜图像所代表的当前使用者的使用习惯信息;所述控制单元,还用于在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。
可选地,所述确定单元确定该人眼虹膜图像所代表的当前使用者的使用习惯信息,包括:确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。
与上述装置相匹配,本发明再一方面提供一种家居系统,包括:以上所述的门禁控制装置。
与上述方法相匹配,本发明再一方面提供一种存储介质,包括:所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行以上所述的门禁控制方法。
与上述方法相匹配,本发明再一方面提供一种家居系统,包括:处理器,用于执行多条指令;存储器,用于存储多条指令;其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行以上所述的门禁控制方法。
本发明的方案,通过采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门,提升用户使用的便利性。
进一步,本发明的方案,通过采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过虹膜识别技术获取用户信息开启智能家居系统,以个性化开启家中家用电器,给用户带来安全便利。
进一步,本发明的方案,通过在传统的虹膜识别技术中添加了人眼动态跟踪技术,进而采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以提升用户使用的安全性。
进一步,本发明的方案,通过采用人眼动态跟踪和虹膜动态抓取技术,控制智能家居的门禁,可以解决固定窗口图像而导致聚焦时间过长等问题,提升门禁系统的反应效率,提升用户体验。
进一步,本发明的方案,通过利用活体检测技术判断用户是否是用户本人,而不是照片、合成图片,以判断用户的个人信息,并通过用户的个人信息中的用户的习惯打开家中相关的家用电器,使得用户的使用更加便捷,且保证了用户使用的可靠性和安全性。
由此,本发明的方案,通过将虹膜识别技术与人眼动态跟踪技术相结合,应用到智能家居的门禁系统中,以通过虹膜识别技术获取用户信息开启智能家居系统;解决用户忘带钥匙而给生活带来不便利的问题,达到提升用户生活的便利性的效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的门禁控制方法的一实施例的流程示意图;
图2为本发明的方法中动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息的一实施例的流程示意图;
图3为本发明的方法中对所述孪生神经网络模型的预先训练的一实施例的流程示意图;
图4为本发明的方法中确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者的一实施例的流程示意图;
图5为本发明的方法中确定该人眼虹膜图像所代表的当前使用者的当前使用者身份的一实施例的流程示意图;
图6为本发明的方法中确定该人眼虹膜图像所代表的当前使用者是否属于活体的一实施例的流程示意图;
图7为本发明的方法中对智能家居系统进行控制的一实施例的流程示意图;
图8为本发明的方法中确定该人眼虹膜图像所代表的当前使用者的使用习惯信息的一实施例的流程示意图;
图9为本发明的门禁控制装置的一实施例的结构示意图;
图10为虹膜识别技术流程图;
图11为Siamrpn人眼动态跟踪流程图,通过孪生网络进行实时动态跟踪用户;
图12为多尺度虹膜分割技术,通过金字塔网络对用户离门不同距离进行分割提取用户眼眶图;
图13为虹膜识别智能门禁系统并个性化开启家用电器。
结合附图,本发明实施例中附图标记如下:
102-动态处理单元;104-确定单元;106-控制单元。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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。
根据本发明的实施例,提供了一种门禁控制方法,如图1所示本发明的方法的一实施例的流程示意图。该门禁控制方法可以应用于门禁系统或智能家居系统,该门禁控制方法可以包括:步骤S110至步骤S140。
在步骤S110处,动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息。其中,该当前使用者,可以是门禁处的待进门者。
可选地,可以结合图2所示本发明的方法中动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息的一实施例流程示意图,进一步说明步骤S110中动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息的具体过程,具体可以包括:步骤S210至步骤S240。
步骤S210,采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息。例如:开启Siamrpn的人眼动态跟踪处理的流程,进行图像采集,即获取用户在智能家居门前摄像头所获取的图像区域图。
更可选地,所述孪生神经网络模型,可以是经预先训练得到的。
其中,对所述孪生神经网络模型的预先训练,可以参见以下示例性说明。
下面结合图3所示本发明的方法中对所述孪生神经网络模型的预先训练的一实施例流程示意图,进一步说明对所述孪生神经网络模型的预先训练的具体过程,具体包括:步骤S310至步骤S340。
步骤S310,采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息。
步骤S320,基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本。
步骤S330,通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率。
步骤S340,通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。
例如:采用移动网络模型(如mobinet_v3),对现有数据集图像提取特征信息,通过孪生神经网络所产生的框(generate anchor)与标签框来判断是否人眼框图位置信息等,进行判断是不是正样本还是负样本,通过回归损失函数和分类损失函数进行不断迭代、以及获取模型的参数(model parameter)调节学习率(learn rate),通过随机梯度损失函数得到损失函数最小值,进而得到最优孪生神经网络模型系统。
由此,通过采用移动网络模型对样本数据集中的图像进行孪生神经网络训练和学习,得到孪生神经网络模型,精准且可靠。
步骤S220,对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息。所述预处理,可以包括:降噪处理和/或滤波处理。例如:对采集到的图像进行预处理,如对人眼虹膜图像进行降噪处理。
步骤S230,通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息。例如:利用虹膜分割技术,对预处理后的图像进行多尺度虹膜分割处理。也就是说,对采集到的人眼虹膜图像进行降噪然后,用多尺度虹膜分割技术进行多尺度虹膜分割处理。这样,采用高精度虹膜分割技术,利用灰度、梯度等多维信息实现了精度高、鲁棒性强的虹膜分割。
步骤S240,以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。例如:如图12所示,多尺度虹膜分割处理,可以通过金字塔网络,对用户离门不同距离处的图像进行分割处理,提取用户的眼眶图。如:多尺度虹膜分割,可以包括:采用FPN金字塔网络,在主干网络中每一层卷基层获取感兴趣区域(如图12所示的目标区域)。
例如:将动态跟踪的门禁处当前使用者的人体区域信息输入所述孪生神经网络模型,经所述孪生神经网络模型的孪生神经网络处理,得到门禁处当前使用者的人眼轮廓信息,将该人眼轮廓信息作为门禁处当前使用者的人体区域信息中的人眼区域信息。
例如:采用孪生神经网络模型进行动态跟踪用户的人眼位置信息。从而,利用建立的孪生神经网络模型,实现基于虹膜识别智能门禁系统并个性化开启家用电器。
由此,通过采用孪生神经网络模型对当前使用者的人体区域信息进行动态跟踪,并进行多尺度虹膜分割和识别处理,以提取门禁处当前使用者的人体区域信息中的人眼区域信息,使得对门禁处当前使用者的人体区域信息中的人眼区域信息的获取更加精准且可靠。
在步骤S120处,自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像。例如:在现有的虹膜识别技术上增加了多尺度动态获取用户人眼区域,获取人眼区域信息采用孪生神经网络模型捕获人眼目标区域,主要目的是不需要用户静止状态下让摄像头采集用户虹膜信息,采用本发明方案可以适当动态采集用户的虹膜信息。
在步骤S130处,基于动态抓取的人眼虹膜图像,进行身份识别处理和活体检测处理,以确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体。其中,该活体,是指当前使用者是用户本身,而不是用户的照片或合成图像。
可选地,关于步骤S130中确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体的具体实现方式,可以参见以下示例性说明。
下面结合图4所示本发明的方法中确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者的一实施例流程示意图,进一步说明步骤S130中确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者的具体过程,可以包括:步骤S410至步骤S430。
步骤S410,确定该人眼虹膜图像所代表的当前使用者的当前使用者身份。
更可选地,可以结合图5所示本发明的方法中确定该人眼虹膜图像所代表的当前使用者的当前使用者身份的一实施例流程示意图,进一步说明步骤S410中确定该人眼虹膜图像所代表的当前使用者的当前使用者身份的具体过程,可以包括:步骤S510和步骤S520。
步骤S510,对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息。
步骤S520,根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份,以作为该当前使用者的当前使用者身份。
由此,通过基于动态抓取的人眼虹膜图像提取人眼纹理信息,进而基于人眼纹理信息确定当前使用者的当前使用者身份,使得对当前使用者的当前使用者身份的确定简便且精准。
步骤S420,确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围。
步骤S430,若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。
由此,通过确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,进而在确定该当前使用者身份属于设定的合法使用者身份范围的情况下,认为该人眼虹膜图像所代表的当前使用者属于设定的合法使用者,从而精准、且可靠地基于门禁处当前使用者的人眼虹膜图像确定其是否为合法使用者,以可靠地基于门禁处当前使用者的人眼虹膜图像实现门禁控制,方便了用户对门禁的使用。
可选地,可以结合图6所示本发明的方法中确定该人眼虹膜图像所代表的当前使用者是否属于活体的一实施例流程示意图,进一步说明步骤S130中确定该人眼虹膜图像所代表的当前使用者是否属于活体的具体过程,可以包括:步骤S610和步骤S620。
步骤S610,确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围。
步骤S620,若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。
例如:利用活体检测技术,对虹膜识别结果进行活体检测,以确定用户是真实的活动者,而非图像或图片。通过现有活体检测技术来判断用户是否是用户本人,而不是照片、合成图片,目的是增加门禁系统的可靠性,更加提高门禁的安全系数。这样,利用活体检测技术判断用户是否是用户本人,而不是照片、合成图片,可以提升对用户身份确定的可靠性,进而提升门禁控制的安全性。
由此,通过确定人眼虹膜图像所代表的当前使用者的人体区域信息属于活体信息范围还是属于图片信息范围,进而确定当前使用者是否属于活体,以进一步基于该人眼虹膜图像所代表的当前使用者的人体区域信息是否是当前使用者本人还是当前使用者的照片或合成图片,避免有人使用当前使用者的照片或合成图片开启门禁而给当前使用者造成危害,从而更好地提升了基于当前使用者的人眼虹膜图像实现门禁控制的安全性,更好地提升了用户的使用体验。
在步骤S140处,若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。
例如:采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门。其中,改进的虹膜识别技术,可以是在传统的虹膜识别技术中添加了人眼动态跟踪技术;采用人眼动态跟踪和虹膜动态抓取技术,来解决传统虹膜识别技术中固定窗口图像而导致聚焦时间过长等问题。
由此,通过动态跟踪门禁处当前使用者的人眼区域信息并动态抓取人眼虹膜图像,进而基于该人眼虹膜图像进行身份识别处理和活体检测处理,在确定人眼虹膜图像所代表的当前使用者的当前使用者身份合法、且当前使用者属于活体,则控制门禁开启,以实现基于动态人眼跟踪实现门禁控制,使用便利,且可靠、安全。
在一个可选实施方式中,还可以包括:在开启门禁后,对智能家居系统进行控制的过程。
下面结合图7所示本发明的方法中对智能家居系统进行控制的一实施例流程示意图,进一步说明对智能家居系统进行控制的具体过程,可以包括:步骤S710和步骤S720。
步骤S710,确定该人眼虹膜图像所代表的当前使用者的使用习惯信息。
可选地,可以结合图8所示本发明的方法中确定该人眼虹膜图像所代表的当前使用者的使用习惯信息的一实施例流程示意图,进一步说明步骤S710中确定该人眼虹膜图像所代表的当前使用者的使用习惯信息的具体过程,可以包括:步骤S810和步骤S820。
步骤S810,确定该人眼虹膜图像所代表的当前使用者的当前使用者身份。具体地,可以对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;进而根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份,以作为该当前使用者的当前使用者身份。
步骤S820,根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。
由此,通过基于当前使用者的人眼虹膜图像确定当前使用者的当前使用者身份,进而基于当前使用者身份调取其使用习惯信息,使得对当前使用者的使用习惯信息的确定方便且可靠。
步骤S720,在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。其中,该用电设备,可以包括:空调、热水器、电视、空气净化器等家用电器,也可以包括电灯等照明设备。
例如:采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门;还可以通过虹膜识别技术获取用户信息开启智能家居系统,以个性化开启家中家用电器,给用户带来安全便利。
例如:通过虹膜识别技术打开门并获取用户个人信息,系统通过用户的个人信息个性化地开启家用电器,给用户带来安全便利。其中,在通过用户的个人信息个性化地开启家用电器时,可以利用虹膜识别技术的智能门,开启智能家居。
例如:激活智能家居系统后,按用户的使用休干开启智能家居系统中的家用电器及电灯中的相应用电设备。其中,智能家居系统可以通过虹膜识别技术,判断用户的个人信息,并通过用户的习惯打开家中相关的家用电器。通过虹膜识别技术获得用户的个人信息,并把用户的个人信息发送给智能家居系统,当用户进入门时,家用电器通过用户的使用家电的习惯开启家电和电灯,并调节家用空调运行模式和温度调节,这样给用户带来安全及便利。
由此,通过在控制门禁开启后进一步根据当前使用者的使用习惯信息控制智能家居系统中的关联用电设备关联开启,从而更好地方便当前使用者的使用,为当前使用者的生活提供了更加智能且可靠地便利,并且人性化和安全性都可以得到保证。
经大量的试验验证,采用本实施例的技术方案,通过采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门,提升用户使用的便利性。
根据本发明的实施例,还提供了对应于门禁控制方法的一种门禁控制装置。参见图9所示本发明的装置的一实施例的结构示意图。该门禁控制装置可以应用于门禁系统或智能家居系统,该门禁控制装置可以包括:动态处理单元102、确定单元104和控制单元106。
在一个可选例子中,动态处理单元102,可以用于动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息。其中,该当前使用者,可以是门禁处的待进门者。该动态处理单元102的具体功能及处理参见步骤S110。
可选地,所述动态处理单元102动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息,可以包括:
所述动态处理单元102,具体还可以用于采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息。该动态处理单元102的具体功能及处理还参见步骤S210。例如:开启Siamrpn的人眼动态跟踪处理的流程,进行图像采集,即获取用户在智能家居门前摄像头所获取的图像区域图。
更可选地,所述孪生神经网络模型,是经预先训练得到的。
其中,所述动态处理单元102对所述孪生神经网络模型的预先训练,可以包括:
所述动态处理单元102,具体还可以用于采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息。该动态处理单元102的具体功能及处理还参见步骤S310。
所述动态处理单元102,具体还可以用于基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本。该动态处理单元102的具体功能及处理还参见步骤S320。
所述动态处理单元102,具体还可以用于通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率。该动态处理单元102的具体功能及处理还参见步骤S330。
所述动态处理单元102,具体还可以用于通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。该动态处理单元102的具体功能及处理还参见步骤S340。
例如:采用移动网络模型(如mobinet_v3),对现有数据集图像提取特征信息,通过孪生神经网络所产生的框(generate anchor)与标签框来判断是否人眼框图位置信息等,进行判断是不是正样本还是负样本,通过回归损失函数和分类损失函数进行不断迭代、以及获取模型的参数(model parameter)调节学习率(learn rate),通过随机梯度损失函数得到损失函数最小值,进而得到最优孪生神经网络模型系统。
由此,通过采用移动网络模型对样本数据集中的图像进行孪生神经网络训练和学习,得到孪生神经网络模型,精准且可靠。
所述动态处理单元102,具体还可以用于对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息。所述预处理,可以包括:降噪处理和/或滤波处理。该动态处理单元102的具体功能及处理还参见步骤S220。例如:对采集到的图像进行预处理,如对人眼虹膜图像进行降噪处理。
所述动态处理单元102,具体还可以用于通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息。该动态处理单元102的具体功能及处理还参见步骤S230。例如:利用虹膜分割技术,对预处理后的图像进行多尺度虹膜分割处理。也就是说,对采集到的人眼虹膜图像进行降噪然后,用多尺度虹膜分割技术进行多尺度虹膜分割处理。这样,采用高精度虹膜分割技术,利用灰度、梯度等多维信息实现了精度高、鲁棒性强的虹膜分割。
所述动态处理单元102,具体还可以用于以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。该动态处理单元102的具体功能及处理还参见步骤S240。例如:如图12所示,多尺度虹膜分割处理,可以通过金字塔网络,对用户离门不同距离处的图像进行分割处理,提取用户的眼眶图。如:多尺度虹膜分割,可以包括:采用FPN金字塔网络,在主干网络中每一层卷基层获取感兴趣区域(如图12所示的目标区域)。
例如:将动态跟踪的门禁处当前使用者的人体区域信息输入所述孪生神经网络模型,经所述孪生神经网络模型的孪生神经网络处理,得到门禁处当前使用者的人眼轮廓信息,将该人眼轮廓信息作为门禁处当前使用者的人体区域信息中的人眼区域信息。
例如:采用孪生神经网络模型进行动态跟踪用户的人眼位置信息。从而,利用建立的孪生神经网络模型,实现基于虹膜识别智能门禁系统并个性化开启家用电器。
由此,通过采用孪生神经网络模型对当前使用者的人体区域信息进行动态跟踪,并进行多尺度虹膜分割和识别处理,以提取门禁处当前使用者的人体区域信息中的人眼区域信息,使得对门禁处当前使用者的人体区域信息中的人眼区域信息的获取更加精准且可靠。
在一个可选例子中,所述动态处理单元102,还可以用于自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像。该动态处理单元102的具体功能及处理还参见步骤S120。
例如:在现有的虹膜识别技术上增加了多尺度动态获取用户人眼区域,获取人眼区域信息采用孪生神经网络模型捕获人眼目标区域,主要目的是不需要用户静止状态下让摄像头采集用户虹膜信息,采用本发明方案可以适当动态采集用户的虹膜信息。
在一个可选例子中,确定单元104,可以用于基于动态抓取的人眼虹膜图像,进行身份识别处理和活体检测处理,以确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体。其中,该活体,是指当前使用者是用户本身,而不是用户的照片或合成图像。该确定单元104的具体功能及处理参见步骤S130。
可选地,关于确定单元104确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体的具体实现方式,可以参见以下示例性说明。
具体地,所述确定单元104确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者,可以包括:
所述确定单元104,具体还可以用于确定该人眼虹膜图像所代表的当前使用者的当前使用者身份。该确定单元104的具体功能及处理还参见步骤S410。
更可选地,所述确定单元104确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,可以包括:
所述确定单元104,具体还可以用于对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息。该确定单元104的具体功能及处理还参见步骤S510。
所述确定单元104,具体还可以用于根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份,以作为该当前使用者的当前使用者身份。该确定单元104的具体功能及处理还参见步骤S520。
由此,通过基于动态抓取的人眼虹膜图像提取人眼纹理信息,进而基于人眼纹理信息确定当前使用者的当前使用者身份,使得对当前使用者的当前使用者身份的确定简便且精准。
所述确定单元104,具体还可以用于确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围。该确定单元104的具体功能及处理还参见步骤S420。
所述确定单元104,具体还可以用于若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。该确定单元104的具体功能及处理还参见步骤S430。
由此,通过确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,进而在确定该当前使用者身份属于设定的合法使用者身份范围的情况下,认为该人眼虹膜图像所代表的当前使用者属于设定的合法使用者,从而精准、且可靠地基于门禁处当前使用者的人眼虹膜图像确定其是否为合法使用者,以可靠地基于门禁处当前使用者的人眼虹膜图像实现门禁控制,方便了用户对门禁的使用。
具体地,所述确定单元104确定该人眼虹膜图像所代表的当前使用者是否属于活体,可以包括:
所述确定单元104,具体还可以用于确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围。该确定单元104的具体功能及处理还参见步骤S610。
所述确定单元104,具体还可以用于若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。该确定单元104的具体功能及处理还参见步骤S620。
例如:利用活体检测技术,对虹膜识别结果进行活体检测,以确定用户是真实的活动者,而非图像或图片。通过现有活体检测技术来判断用户是否是用户本人,而不是照片、合成图片,目的是增加门禁系统的可靠性,更加提高门禁的安全系数。这样,利用活体检测技术判断用户是否是用户本人,而不是照片、合成图片,可以提升对用户身份确定的可靠性,进而提升门禁控制的安全性。
由此,通过确定人眼虹膜图像所代表的当前使用者的人体区域信息属于活体信息范围还是属于图片信息范围,进而确定当前使用者是否属于活体,以进一步基于该人眼虹膜图像所代表的当前使用者的人体区域信息是否是当前使用者本人还是当前使用者的照片或合成图片,避免有人使用当前使用者的照片或合成图片开启门禁而给当前使用者造成危害,从而更好地提升了基于当前使用者的人眼虹膜图像实现门禁控制的安全性,更好地提升了用户的使用体验。
在一个可选例子中,控制单元106,可以用于若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。该控制单元106的具体功能及处理参见步骤S140。
例如:采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门。其中,改进的虹膜识别技术,可以是在传统的虹膜识别技术中添加了人眼动态跟踪技术;采用人眼动态跟踪和虹膜动态抓取技术,来解决传统虹膜识别技术中固定窗口图像而导致聚焦时间过长等问题。
由此,通过动态跟踪门禁处当前使用者的人眼区域信息并动态抓取人眼虹膜图像,进而基于该人眼虹膜图像进行身份识别处理和活体检测处理,在确定人眼虹膜图像所代表的当前使用者的当前使用者身份合法、且当前使用者属于活体,则控制门禁开启,以实现基于动态人眼跟踪实现门禁控制,使用便利,且可靠、安全。
在一个可选实施方式中,还可以包括:在开启门禁后,对智能家居系统进行控制的过程,具体可以如下:
所述确定单元104,还可以用于确定该人眼虹膜图像所代表的当前使用者的使用习惯信息。该确定单元104的具体功能及处理还参见步骤S710。
更可选地,所述确定单元104确定该人眼虹膜图像所代表的当前使用者的使用习惯信息,可以包括:
所述确定单元104,具体还可以用于确定该人眼虹膜图像所代表的当前使用者的当前使用者身份。具体地,可以对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;进而根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份,以作为该当前使用者的当前使用者身份。该确定单元104的具体功能及处理还参见步骤S810。
所述确定单元104,具体还可以用于根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。该确定单元104的具体功能及处理还参见步骤S820。
由此,通过基于当前使用者的人眼虹膜图像确定当前使用者的当前使用者身份,进而基于当前使用者身份调取其使用习惯信息,使得对当前使用者的使用习惯信息的确定方便且可靠。
所述控制单元106,还可以用于在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。其中,该用电设备,可以包括:空调、热水器、电视、空气净化器等家用电器,也可以包括电灯等照明设备。该控制单元106的具体功能及处理还参见步骤S720。
例如:采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门;还可以通过虹膜识别技术获取用户信息开启智能家居系统,以个性化开启家中家用电器,给用户带来安全便利。
例如:通过虹膜识别技术打开门并获取用户个人信息,系统通过用户的个人信息个性化地开启家用电器,给用户带来安全便利。其中,在通过用户的个人信息个性化地开启家用电器时,可以利用虹膜识别技术的智能门,开启智能家居。
例如:激活智能家居系统后,按用户的使用休干开启智能家居系统中的家用电器及电灯中的相应用电设备。其中,智能家居系统可以通过虹膜识别技术,判断用户的个人信息,并通过用户的习惯打开家中相关的家用电器。通过虹膜识别技术获得用户的个人信息,并把用户的个人信息发送给智能家居系统,当用户进入门时,家用电器通过用户的使用家电的习惯开启家电和电灯,并调节家用空调运行模式和温度调节,这样给用户带来安全及便利。
由此,通过在控制门禁开启后进一步根据当前使用者的使用习惯信息控制智能家居系统中的关联用电设备关联开启,从而更好地方便当前使用者的使用,为当前使用者的生活提供了更加智能且可靠地便利,并且人性化和安全性都可以得到保证。
由于本实施例的装置所实现的处理及功能基本相应于前述图1至图8所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过虹膜识别技术获取用户信息开启智能家居系统,以个性化开启家中家用电器,给用户带来安全便利。
根据本发明的实施例,还提供了对应于门禁控制装置的一种家居系统。该家居系统可以包括:以上所述的门禁控制装置。
其中,该家居系统,可以只包括智能门禁系统,也可以同时包括智能门禁系统与智能家居系统。
在一个可选实施方式中,考虑到,本发明的方案,提供了一种基于虹膜识别智能门禁系统并个性化开启家用电器的方案,可以利用虹膜识别技术的唯一性、稳定性、可靠性和极高的准确性,通过虹膜识别技术打开门并获取用户个人信息,系统通过用户的个人信息个性化地开启家用电器,给用户带来安全便利。其中,人眼虹膜技术含有代表个体唯一且终生不变的纹理特征,而虹膜识别的准确性是各种生物特征识别技术中仅次于DNA的技术。
可选地,在通过用户的个人信息个性化地开启家用电器时,可以利用虹膜识别技术的智能门,开启智能家居。
在一个可选例子中,本发明的方案,可以基于虹膜识别技术的门禁硬件(如FPGA),通过内部各种复杂数学算法转化为实际的运算电路(如FPGA可编程门电路),采用并行的运算模式(如多进程运算),在一个时钟周期内完成更多的处理任务。
其中,各种复杂数学算法,可以包括:通过采用FPGA可编程器件的门电路,可以把目前传统视觉(比如传统的边缘检测或者高斯滤波等算法)、或者本发明的方案中的虹膜识别技术所涉及到的算法编写到FPGA中,以实现本发明的方案。
在一个可选例子中,本发明的方案中,采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以通过改进虹膜识别技术快速打开用户的门;还可以通过虹膜识别技术获取用户信息开启智能家居系统,以个性化开启家中家用电器,给用户带来安全便利。其中,改进的虹膜识别技术,可以是在传统的虹膜识别技术中添加了人眼动态跟踪技术。相比于传统的虹膜识别技术而言,本发明的方案中,采用人眼动态跟踪和虹膜动态抓取技术,来解决传统虹膜识别技术中固定窗口图像而导致聚焦时间过长等问题。
例如:虹膜动态抓取,就是利用动态目标跟踪,该目标就是用户眼睛作为目标。
在一个可选具体具体例子中,可以参见图10至图13所示的例子,对本发明的方案的具体实现过程进行示例性说明。
本发明的方案中,基于虹膜识别智能门禁系统并个性化开启家用电器的过程,可以包括:
第一方面、建立孪生神经网络模型,即建立孪生神经网络模型系统。
具体地,孪生神经网络模型的训练,可以是采用移动网络模型(如mobinet_v3),对现有数据集图像提取特征信息,通过孪生神经网络所产生的框(generate anchor)与标签框来判断是否人眼框图位置信息等,进行判断是不是正样本还是负样本(比如:通过判断,达到设定阈值时被视为正样本,小于设定阈值时被视为负样本),通过回归损失函数和分类损失函数进行不断迭代、以及获取模型的参数(model parameter)调节学习率(learnrate),通过随机梯度损失函数得到损失函数最小值,进而得到最优孪生神经网络模型系统。具体地,可以参见图11所示的孪生候选区域生成网络(Siamrpn)人眼动态跟踪流程图。
例如:现有数据集图像,可以是用于做训练的开源数据,比如COCO数据集等。
如图11所示,Siamrpn的人眼动态跟踪处理的流程,可以包括:
步骤21、用户选取目标。
步骤22、使摄像头读取其它帧。
例如:系统运行时先确定目标图片,后续目标在摄像头所读取的图像就是其他帧。
步骤23、对用户选取的目标,利用金字塔网络进行尺度变换处理。其中,尺度变化处理,可以包括:多尺度虹膜分割处理,可以参见图12所示的例子。
步骤24、基于尺度变换处理所得结果、以及摄像头读取的其它帧,得到图像孪生网络。
步骤25、获取目标。
例如:先选取目标是系统开始的时候选取自己想跟踪的目标,后续实时运行时,通过选取目标在实时运行时获取想跟踪的目标。
步骤26、基于图像孪生网络,针对获取的目标,得到用户人眼轮廓。
第二方面、可以利用建立的孪生神经网络模型,实现基于虹膜识别智能门禁系统并个性化开启家用电器的过程,具体可以参见图13所示的例子。如图13所示的基于虹膜识别智能门禁系统并个性化开启家用电器的流程,可以包括:
步骤41、获取用户的图像信息。
步骤42、利用虹膜识别技术,对获取的用户的图像信息进行虹膜识别,得到虹膜识别结果。虹膜识别的流程,可以参见图10所示的例子。如图10所示,虹膜识别的流程,可以包括:
步骤11、开启孪生候选区域生成网络(Siamrpn)的人眼动态跟踪处理。其中,Siamrpn的人眼动态跟踪处理的流程,可以参见图11所示的例子。
步骤12、进行图像采集,即获取用户在智能家居门前摄像头所获取的图像区域图。
步骤13、对采集到的图像进行预处理,如对人眼虹膜图像进行降噪处理。
步骤14、利用虹膜分割技术,对预处理后的图像进行多尺度虹膜分割处理。也就是说,对采集到的人眼虹膜图像进行降噪然后,用多尺度虹膜分割技术进行多尺度虹膜分割处理。这样,采用高精度虹膜分割技术,利用灰度、梯度等多维信息实现了精度高、鲁棒性强的虹膜分割。
其中,多尺度虹膜分割处理,可以参见图12所示的利用多尺度虹膜分割技术通过金字塔网络对用户离门不同距离进行分割提取用户眼眶图。如图12所示,多尺度虹膜分割处理,可以通过金字塔网络,对用户离门不同距离处的图像进行分割处理,提取用户的眼眶图。例如:多尺度虹膜分割,可以包括:采用FPN金字塔网络,在主干网络中每一层卷基层获取感兴趣区域(如图12所示的目标区域)。
可选地,在虹膜识别技术中,可以采用孪生神经网络模型进行动态跟踪用户的人眼位置信息(即人眼信息、人眼框图位置信息等),实现虹膜识别。人眼动态跟踪技术,只是在获取人眼输入信息时才能进行动态目标跟踪,比常规技术多了目标多尺度,动态获取目标信息。其中,用户人眼信息(template)储存在智能家居系统。
例如:改进的虹膜识别技术,就是在现有的虹膜识别技术上增加了多尺度动态获取用户人眼区域,获取人眼区域信息采用孪生神经网络模型捕获人眼目标区域,主要目的是不需要用户静止状态下让摄像头采集用户虹膜信息,采用本发明方案可以适当动态采集用户的虹膜信息。如图12所示的搜索区域(search)就是用户在智能家居门前摄像头所获取的图像区域图。
步骤15、对虹膜分割处理后的图像,进行虹膜特征提取处理。
步骤16、对虹膜特征提取处理后的图像,进行信息分类处理,如根据不同用户进行分类。
步骤43、利用活体检测技术,对虹膜识别结果进行活体检测,以确定用户是真实的活动者,而非图像或图片。通过现有活体检测技术来判断用户是否是用户本人,而不是照片、合成图片,目的是增加门禁系统的可靠性,更加提高门禁的安全系数。这样,利用活体检测技术判断用户是否是用户本人,而不是照片、合成图片,可以提升对用户身份确定的可靠性,进而提升门禁控制的安全性。
例如:也可以先进行活体检测,然后进行虹膜识别技术,活体检测可以采样常规活体检测方式。
步骤44、确定用户身份合法后,打开智能门禁。
步骤44、打开智能门禁后,激活与智能门禁关联的智能家居系统。
步骤45、激活智能家居系统后,按用户的使用休干开启智能家居系统中的家用电器及电灯中的相应用电设备。
其中,智能家居系统可以通过虹膜识别技术,判断用户的个人信息,并通过用户的习惯打开家中相关的家用电器。通过虹膜识别技术获得用户的个人信息,并把用户的个人信息发送给智能家居系统,当用户进入门时,家用电器通过用户的使用家电的习惯开启家电和电灯,并调节家用空调运行模式和温度调节,这样给用户带来安全及便利。
由于本实施例的家居系统所实现的处理及功能基本相应于前述图9所示的装置的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过在传统的虹膜识别技术中添加了人眼动态跟踪技术,进而采用改进的虹膜识别技术嵌入到智能家居的门禁中,可以提升用户使用的安全性。
根据本发明的实施例,还提供了对应于门禁控制方法的一种存储介质。该存储介质,可以包括:所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行以上所述的门禁控制方法。
由于本实施例的存储介质所实现的处理及功能基本相应于前述图1至图8所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过采用人眼动态跟踪和虹膜动态抓取技术,控制智能家居的门禁,可以解决固定窗口图像而导致聚焦时间过长等问题,提升门禁系统的反应效率,提升用户体验。
根据本发明的实施例,还提供了对应于门禁控制方法的一种家居系统。该家居系统,可以包括:处理器,用于执行多条指令;存储器,用于存储多条指令;其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行以上所述的门禁控制方法。
由于本实施例的家居系统所实现的处理及功能基本相应于前述图1至图8所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过利用活体检测技术判断用户是否是用户本人,而不是照片、合成图片,以判断用户的个人信息,并通过用户的个人信息中的用户的习惯打开家中相关的家用电器,使得用户的使用更加便捷,且保证了用户使用的可靠性和安全性。
综上,本领域技术人员容易理解的是,在不冲突的前提下,上述各有利方式可以自由地组合、叠加。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (18)
1.一种门禁控制方法,其特征在于,包括:
动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息;
自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像;
基于动态抓取的人眼虹膜图像,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体;
若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。
2.根据权利要求1所述的方法,其特征在于,动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息,包括:
采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息;
对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息;所述预处理,包括:降噪处理和/或滤波处理;
通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息;
以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。
3.根据权利要求2所述的方法,其特征在于,所述孪生神经网络模型,是经预先训练得到的;
其中,对所述孪生神经网络模型的预先训练,包括:
采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息;
基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本;
通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率;
通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。
4.根据权利要求1所述的方法,其特征在于,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者,包括:
确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;
确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围;
若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。
5.根据权利要求4所述的方法,其特征在于,确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,包括:
对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;
根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份。
6.根据权利要求1所述的方法,其特征在于,确定该人眼虹膜图像所代表的当前使用者是否属于活体,包括:
确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围;
若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。
7.根据权利要求1-6之一所述的方法,其特征在于,还包括:
确定该人眼虹膜图像所代表的当前使用者的使用习惯信息;
在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。
8.根据权利要求7所述的方法,其特征在于,确定该人眼虹膜图像所代表的当前使用者的使用习惯信息,包括:
确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;
根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。
9.一种门禁控制装置,其特征在于,包括:
动态处理单元,用于动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息;
所述动态处理单元,还用于自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像;
确定单元,用于基于动态抓取的人眼虹膜图像,确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者、和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体;
控制单元,用于若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体,则发出门禁的开启指令,以控制门禁根据该开启指令执行开启门禁的操作。
10.根据权利要求9所述的装置,其特征在于,所述动态处理单元动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息,包括:
采用孪生神经网络模型,动态跟踪门禁处当前使用者的人体区域信息;
对动态跟踪的人体区域信息进行预处理,得到预处理后的第一图像信息;所述预处理,包括:降噪处理和/或滤波处理;
通过金字塔网络,根据门禁处当前使用者与门之间的不同距离,对第一图像信息进行一个以上尺度的度虹膜分割处理,得到分割图像信息;
以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域,在分割图像信息中进行搜索,并提取分割图像信息中的眼眶信息,作为门禁处当前使用者的人体区域信息中的人眼区域信息。
11.根据权利要求10所述的装置,其特征在于,所述孪生神经网络模型,是经预先训练得到的;
其中,所述动态处理单元对所述孪生神经网络模型的预先训练,包括:
采用设定的移动网络模型,对预先选取的样本数据集中的图像,提取特征信息;
基于提取到的特征信息,通过孪生神经网络所产生的框、以及设定的标签框,判断提取到的特征信息是否是设定的人眼框图位置信息,以判断选取的样本数据集是正样本还是负样本;
通过回归损失函数和分类损失函数,对判断得到的正样本进行不断迭代学习,并获取移动网络模型的参数以调节迭代学习的学习率;
通过随机梯度损失函数处理,得到移动网络模型的损失函数最小值,以建立所述孪生神经网络模型。
12.根据权利要求9所述的装置,其特征在于,所述确定单元确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者,包括:
确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;
确定该当前使用者的当前使用者身份,是否属于设定的合法使用者的合法使用者身份范围;
若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围,则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。
13.根据权利要求12所述的装置,其特征在于,所述确定单元确定该人眼虹膜图像所代表的当前使用者的当前使用者身份,包括:
对动态抓取的人眼虹膜图像进行纹理信息提取处理,得到人眼纹理信息;
根据设定纹理信息与设定身份信息之间的对应关系,将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息,确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份。
14.根据权利要求9所述的装置,其特征在于,所述确定单元确定该人眼虹膜图像所代表的当前使用者是否属于活体,包括:
确定该人眼虹膜图像所代表的当前使用者的人体区域信息,属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围;
若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围,则确定该人眼虹膜图像所代表的当前使用者属于活体。
15.根据权利要求9-14之一所述的装置,其特征在于,还包括:
所述确定单元,还用于确定该人眼虹膜图像所代表的当前使用者的使用习惯信息;
所述控制单元,还用于在控制门禁根据该开启指令执行开启门禁的操作之后,根据该使用习惯信息,控制预先与门禁之间建立关联关系的用电设备联动开启。
16.根据权利要求15所述的装置,其特征在于,所述确定单元确定该人眼虹膜图像所代表的当前使用者的使用习惯信息,包括:
确定该人眼虹膜图像所代表的当前使用者的当前使用者身份;
根据设定身份信息与设定习惯信息之间的对应关系,将该对应关系中与该当前使用者身份相同的设定身份信息对应的设定习惯信息,确定为与该当前使用者身份对应的使用习惯信息,以作为该人眼虹膜图像所代表的当前使用者的使用习惯信息。
17.一种家居系统,其特征在于,包括:如权利要求9-16任一所述的门禁控制装置;
或者,
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如权利要求1-8任一所述的门禁控制方法。
18.一种存储介质,其特征在于,所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如权利要求1-8任一所述的门禁控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962151.8A CN110781778B (zh) | 2019-10-11 | 2019-10-11 | 一种门禁控制方法、装置、存储介质及家居系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962151.8A CN110781778B (zh) | 2019-10-11 | 2019-10-11 | 一种门禁控制方法、装置、存储介质及家居系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781778A true CN110781778A (zh) | 2020-02-11 |
CN110781778B CN110781778B (zh) | 2021-04-20 |
Family
ID=69384991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962151.8A Active CN110781778B (zh) | 2019-10-11 | 2019-10-11 | 一种门禁控制方法、装置、存储介质及家居系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781778B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763967A (zh) * | 2021-08-17 | 2021-12-07 | 珠海格力电器股份有限公司 | 一种智能家电绑定app的方法、装置和服务器及系统 |
CN114253614A (zh) * | 2021-11-25 | 2022-03-29 | 上海齐感电子信息科技有限公司 | 控制方法及控制系统 |
CN114913638A (zh) * | 2022-04-08 | 2022-08-16 | 湖北安源建设集团有限公司 | 一种基于互联网的消防门禁管理方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520838A (zh) * | 2008-02-27 | 2009-09-02 | 中国科学院自动化研究所 | 自动跟踪和自动变焦的虹膜图像获取方法 |
CN203102418U (zh) * | 2013-05-16 | 2013-07-31 | 广西中烟工业有限责任公司 | 一种门禁系统 |
CN105843051A (zh) * | 2016-03-21 | 2016-08-10 | 美的集团股份有限公司 | 智能家居系统、智能家居的控制装置及其控制方法 |
CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联(北京)科技有限公司 | 一种智能别墅门禁认证方法及系统 |
CN107451455A (zh) * | 2017-07-29 | 2017-12-08 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
US20170372487A1 (en) * | 2016-06-28 | 2017-12-28 | Google Inc. | Eye gaze tracking using neural networks |
CN107832683A (zh) * | 2017-10-24 | 2018-03-23 | 亮风台(上海)信息科技有限公司 | 一种目标跟踪方法及系统 |
CN108090918A (zh) * | 2018-02-12 | 2018-05-29 | 天津天地伟业信息系统集成有限公司 | 一种基于深度全卷积孪生网络的实时人脸跟踪方法 |
CN108734151A (zh) * | 2018-06-14 | 2018-11-02 | 厦门大学 | 基于相关滤波以及深度孪生网络的鲁棒长程目标跟踪方法 |
CN108846358A (zh) * | 2018-06-13 | 2018-11-20 | 浙江工业大学 | 一种基于孪生网络进行特征融合的目标跟踪方法 |
CN109446889A (zh) * | 2018-09-10 | 2019-03-08 | 北京飞搜科技有限公司 | 基于孪生匹配网络的物体追踪方法及装置 |
CN110021033A (zh) * | 2019-02-22 | 2019-07-16 | 广西师范大学 | 一种基于金字塔孪生网络的目标跟踪方法 |
CN110197158A (zh) * | 2019-05-31 | 2019-09-03 | 广西南宁市博睿通软件技术有限公司 | 一种安保云系统及其应用 |
-
2019
- 2019-10-11 CN CN201910962151.8A patent/CN110781778B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520838A (zh) * | 2008-02-27 | 2009-09-02 | 中国科学院自动化研究所 | 自动跟踪和自动变焦的虹膜图像获取方法 |
CN203102418U (zh) * | 2013-05-16 | 2013-07-31 | 广西中烟工业有限责任公司 | 一种门禁系统 |
CN105843051A (zh) * | 2016-03-21 | 2016-08-10 | 美的集团股份有限公司 | 智能家居系统、智能家居的控制装置及其控制方法 |
US20170372487A1 (en) * | 2016-06-28 | 2017-12-28 | Google Inc. | Eye gaze tracking using neural networks |
CN107045744A (zh) * | 2017-04-14 | 2017-08-15 | 特斯联(北京)科技有限公司 | 一种智能别墅门禁认证方法及系统 |
CN107451455A (zh) * | 2017-07-29 | 2017-12-08 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
CN107832683A (zh) * | 2017-10-24 | 2018-03-23 | 亮风台(上海)信息科技有限公司 | 一种目标跟踪方法及系统 |
CN108090918A (zh) * | 2018-02-12 | 2018-05-29 | 天津天地伟业信息系统集成有限公司 | 一种基于深度全卷积孪生网络的实时人脸跟踪方法 |
CN108846358A (zh) * | 2018-06-13 | 2018-11-20 | 浙江工业大学 | 一种基于孪生网络进行特征融合的目标跟踪方法 |
CN108734151A (zh) * | 2018-06-14 | 2018-11-02 | 厦门大学 | 基于相关滤波以及深度孪生网络的鲁棒长程目标跟踪方法 |
CN109446889A (zh) * | 2018-09-10 | 2019-03-08 | 北京飞搜科技有限公司 | 基于孪生匹配网络的物体追踪方法及装置 |
CN110021033A (zh) * | 2019-02-22 | 2019-07-16 | 广西师范大学 | 一种基于金字塔孪生网络的目标跟踪方法 |
CN110197158A (zh) * | 2019-05-31 | 2019-09-03 | 广西南宁市博睿通软件技术有限公司 | 一种安保云系统及其应用 |
Non-Patent Citations (5)
Title |
---|
JIANMING ZHANG 等: "Spatial and semantic convolutional features for robust visual object tracking", 《MULTIMEDIA TOOLS AND APPLICATIONS 》 * |
OLEG V. KOMOGORTSEV 等: "Biometric identification via an oculomotor plant mathematical model", 《ETRA "10: PROCEEDINGS OF THE 2010 SYMPOSIUM ON EYE-TRACKING RESEARCH & APPLICATIONS》 * |
朱秀昌 等: "《数字图像处理与图像通信 修订版》", 31 July 2008 * |
田启川: "《虹膜识别原理及算法》", 30 June 2010 * |
郑晓萌: "复杂背景下的视频运动目标跟踪算法", 《中国优秀硕士学位论文库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763967A (zh) * | 2021-08-17 | 2021-12-07 | 珠海格力电器股份有限公司 | 一种智能家电绑定app的方法、装置和服务器及系统 |
CN114253614A (zh) * | 2021-11-25 | 2022-03-29 | 上海齐感电子信息科技有限公司 | 控制方法及控制系统 |
CN114913638A (zh) * | 2022-04-08 | 2022-08-16 | 湖北安源建设集团有限公司 | 一种基于互联网的消防门禁管理方法及系统 |
CN114913638B (zh) * | 2022-04-08 | 2024-03-01 | 湖北安源建设集团有限公司 | 一种基于互联网的消防门禁管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110781778B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197525B (zh) | 人脸图像生成方法及装置 | |
CN110781778B (zh) | 一种门禁控制方法、装置、存储介质及家居系统 | |
US9922238B2 (en) | Apparatuses, systems, and methods for confirming identity | |
CN105956578B (zh) | 一种基于身份证件信息的人脸验证方法 | |
US6661907B2 (en) | Face detection in digital images | |
JP5010905B2 (ja) | 顔認証装置 | |
CN109727344A (zh) | 3d人脸识别智能门锁及3d人脸解锁方法 | |
CN104778396B (zh) | 一种基于环境筛选帧的眼纹识别解锁方法及系统 | |
CN105740779B (zh) | 人脸活体检测的方法和装置 | |
CN107066942A (zh) | 一种活体人脸识别方法及系统 | |
CN103678984A (zh) | 一种利用摄像头实现用户身份验证的方法 | |
JP2011510420A (ja) | 画像内個人の永続的認識可能化 | |
CN104851140A (zh) | 基于人脸识别的考勤门禁系统 | |
CN107590473B (zh) | 一种人脸活体检测方法、介质和相关装置 | |
CN109359647A (zh) | 识别多种证件的方法、设备及计算机可读存储介质 | |
US9449217B1 (en) | Image authentication | |
CN101131728A (zh) | 一种基于Shape Context的人脸形状匹配方法 | |
EP3680794A1 (en) | Device and method for user authentication on basis of iris recognition | |
Mady et al. | Efficient real time attendance system based on face detection case study “MEDIU staff” | |
CN110936920A (zh) | 车辆后备箱开启方法、装置、车辆及存储介质 | |
CN110135362A (zh) | 一种基于红外摄像头下的人脸快速识别方法 | |
Amjed et al. | Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database | |
CN114299586A (zh) | 一种基于卷积神经网络的智能化深度学习系统 | |
WO2022000334A1 (zh) | 生物特征识别方法、装置、设备及存储介质 | |
Jonsson et al. | Learning salient features for real-time face verification |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |