CN111161458A - 一种基于人像识别的教学门禁管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于人像识别的教学门禁管理系统及方法，涉及人脸识别技术领域，所述系统包括：识别端；所述识别端有多个，均以区块链网络的机构信号连接；所述系统还包括：云端服务器；所述云端服务器与每个识别端信号连接；所述识别端包括：控制端和图像识别端；所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；具有识别准确、结构简单和功能多样的优点。

Description

一种基于人像识别的教学门禁管理系统及方法

技术领域

本发明涉人脸识别技术领域，特别是涉及一种基于人像识别的教学门禁管理系统及方法。

背景技术

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；非接触性：用户不需要和设备直接接触就能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

出入口门禁系统顾名思义就是对出入口通道进行管制的系统，它是在传统的门锁基础上发展而来的。传统的机械门锁仅仅是单纯的机械装置，无论结构设计多么合理，材料多么坚固，人们总能用通过各种手段把它打开。在出入人很多的通道(像办公室，酒店客房)钥匙的管理很麻烦，钥匙丢失或人员更换都要把锁和钥匙一起更换。为了解决这些问题，就出现了电子磁卡锁，电子密码锁，这两种锁的出现从一定程度上提高了人们对出入口通道的管理程度，使通道管理进入了电子时代，但随着这两种电子锁的不断应用，它们本身的缺陷就逐渐暴露，磁卡锁的问题是信息容易复制，卡片与读卡机具之间磨损大，故障率高，安全系数低。密码锁的问题是密码容易泄露，又无从查起，安全系数很低。同时这个时期的产品由于大多采用读卡部分(密码输入)与控制部分合在一起安装在门外，很容易被人在室外打开锁。这个时期的门禁系统还停留在早期不成熟阶段，因此当时的门禁系统通常被人称为电子锁，应用也不广泛。

但现有技术中将人脸识别和门禁结合起来的人脸识别门禁系统往往因为其造价高昂，且人脸识别准确率不高的问题导致其应用不够广泛。

发明内容

鉴于此，本发明的目的是提供一种基于人像识别的教学门禁管理系统及方法，具有识别准确、结构简单和功能多样的优点。

为了实现上述目的，本发明采用如下技术方案：

一种基于人像识别的教学门禁管理系统，所述系统包括：识别端；所述识别端有多个，均以区块链网络的机构信号连接；所述系统还包括：云端服务器；所述云端服务器与每个识别端信号连接；所述识别端包括：控制端和图像识别端；所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

进一步的，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

进一步的，所述控制端包括：微处理器、报警器和远程数据传输装置；所述微处理器，用于根据图像识别装置发送过来的识别信号，判断识别是否通过，进而发送控制命令至报警器和数据传输装置；所述数据传输装置，根据接收到的控制命令，进行信号发送；所述报警器根据接收到的控制命令，发出报警信号。

进一步的，所述基于特征点比较包括至少两个特征点特征向量的两两比较。

进一步的，所述基于区域颜色比较包括至少两个颜色特征向量的移动距离比较。

进一步的，使用图像分析来得到利用所述余弦比较进行比较的关键字。

一种基于人像识别的教学门禁管理方法，所述方法执行以下步骤：

步骤1：多个识别端，均以区块链网络的机构信号连接；

步骤2：云端服务器与每个识别端信号连接；

步骤3：识别端的图像识别端进行图像的识别；控制端根据图像识别的结果，控制门禁的运行。

进一步的，所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

进一步的，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

与现有技术相比，本发明实现的有益效果：具有识别准确、结构简单和功能多样的优点。

附图说明

以下结合附图和具体实施方式来进一步详细说明本发明：

图1为本发明实施例公开的一种基于人像识别的教学门禁管理系统的系统结构示意图。

图2为本发明实施例公开的一种基于人像识别的教学门禁管理方法的方法流程示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

请参阅图1。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1

一种基于人像识别的教学门禁管理系统，所述系统包括：识别端；所述识别端有多个，均以区块链网络的机构信号连接；所述系统还包括：云端服务器；所述云端服务器与每个识别端信号连接；所述识别端包括：控制端和图像识别端；所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

实施例2

在上一实施例的基础上，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

具体的，人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

实施例3

在上一实施例的基础上，所述控制端包括：微处理器、报警器和远程数据传输装置；所述微处理器，用于根据图像识别装置发送过来的识别信号，判断识别是否通过，进而发送控制命令至报警器和数据传输装置；所述数据传输装置，根据接收到的控制命令，进行信号发送；所述报警器根据接收到的控制命令，发出报警信号。

实施例4

在上一实施例的基础上，所述基于特征点比较包括至少两个特征点特征向量的两两比较。

实施例5

在上一实施例的基础上，所述基于区域颜色比较包括至少两个颜色特征向量的移动距离比较。

实施例6

在上一实施例的基础上，使用图像分析来得到利用所述余弦比较进行比较的关键字。

实施例7

如图2所示，一种基于人像识别的教学门禁管理方法，所述方法执行以下步骤：

步骤1：多个识别端，均以区块链网络的机构信号连接；

步骤2：云端服务器与每个识别端信号连接；

步骤3：识别端的图像识别端进行图像的识别；控制端根据图像识别的结果，控制门禁的运行。

实时8

在上一实施例的基础上，所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；非接触性：用户不需要和设备直接接触就能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；生物特征：例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

实施例9

在上一实施例的基础上，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。

所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD～ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。

术语“包括”或者任何其它类似用语旨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/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种基于人像识别的教学门禁管理系统，其特征在于，所述系统包括：识别端；所述识别端有多个，均以区块链网络的机构信号连接；所述系统还包括：云端服务器；所述云端服务器与每个识别端信号连接；所述识别端包括：控制端和图像识别端；所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

2.如权利要求1所述的系统，其特征在于，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

3.如权利要求2所述的系统，其特征在于，所述控制端包括：微处理器、报警器和远程数据传输装置；所述微处理器，用于根据图像识别装置发送过来的识别信号，判断识别是否通过，进而发送控制命令至报警器和数据传输装置；所述数据传输装置，根据接收到的控制命令，进行信号发送；所述报警器根据接收到的控制命令，发出报警信号。

4.如权利要求3所述的系统，其特征在于，所述基于特征点比较包括至少两个特征点特征向量的两两比较。

5.如权利要求4所述的系统，其特征在于，所述基于区域颜色比较包括至少两个颜色特征向量的移动距离比较。

6.如权利要求5所述的系统，其特征在于，使用图像分析来得到利用所述余弦比较进行比较的关键字。

7.一种基于权利要求1至6之一所述系统的基于人像识别的教学门禁管理方法，其特征在于，所述方法执行以下步骤：

步骤1：多个识别端，均以区块链网络的机构信号连接；

步骤2：云端服务器与每个识别端信号连接；

步骤3：识别端的图像识别端进行图像的识别；控制端根据图像识别的结果，控制门禁的运行。

8.如权利要求7所述的方法，其特征在于，所述图像识别端包括：图像获取装置、图像更新装置、图像存储装置和图像识别装置；所述图像获取装置，用于获取待识别的图像；所述图像更新装置，用于定时统计图像存储装置中存储的图片被调用的次数，将被调用次数最低的图片删除，同时，从云端服务器中获取新的图片；所述图像存储装置，用于存储已经录入的图片，所述已经录入的图片，用于提供给图像识别装置；所述图像识别装置，用于根据已经录入的图片与待识别的图像进行比对识别，判断识别是否通过，若通过，则发送信号至控制端；所述控制端根据接收到的信号，控制门禁是否允许人员通过。

9.如权利要求8所述的方法，其特征在于，所述图像识别装置包括：图像过滤单元，用于过滤多个潜在匹配图像；图像检索单元，用于从图像存储装置检索图像，所述图像存储装置包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述潜在匹配图像作为目标图像执行图像识别单元；图像识别单元，用于使用所述处理设备来对所述目标图像和所述目标图像执行图像识别算法，以便获得图像识别算法输出；图像比较单元，用于根据如果所述图像识别算法输出在预选的范围内，那么接受所述目标图像；以及如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述目标图像并且重复执行图像检索单元、所述图像识别单元和所述图像比较单元，其中，所述图像识别算法包括可视符号比较，所述可视符号比较对出现在所述目标图像中的物体上的或与该物体有关的字符或符号进行比较，其中，执行所述可视符号比较包括执行余弦比较、基于特征点比较和基于区域颜色比较。

Images