CN111460994B - 基于人脸识别的防丢失助行器、控制方法及存储介质 - Google Patents

基于人脸识别的防丢失助行器、控制方法及存储介质 Download PDF

Info

Publication number
CN111460994B
CN111460994B CN202010244407.4A CN202010244407A CN111460994B CN 111460994 B CN111460994 B CN 111460994B CN 202010244407 A CN202010244407 A CN 202010244407A CN 111460994 B CN111460994 B CN 111460994B
Authority
CN
China
Prior art keywords
image
user
face recognition
walker
face
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.)
Active
Application number
CN202010244407.4A
Other languages
English (en)
Other versions
CN111460994A (zh
Inventor
刘�英
林妙艺
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN202010244407.4A priority Critical patent/CN111460994B/zh
Publication of CN111460994A publication Critical patent/CN111460994A/zh
Application granted granted Critical
Publication of CN111460994B publication Critical patent/CN111460994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H3/04—Wheeled walking aids for patients or disabled persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及基于人脸识别的防丢失助行器、控制方法及存储介质，包括以下：步骤101、获取用户的助行器使用指令，在接收到使用指令时获取用户的人脸信息作为第一图像；步骤102、对所述第一图像进行预处理得到可用于人脸识别的第二图像；步骤103、对所述第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF‑SVM分类器完成人脸识别；步骤104、获取人脸识别的结果，当人脸识别失败时控制摄像模块对当前用户进行拍照、控制扬声器发出第一语音信息并控制锁定模块将助行器的轮子锁住，当检测不到人脸时，控制锁定模块将助行器的轮子进行锁定。本发明能够通过人脸识别对助行器进行防丢失管控，充分的利用了人脸识别的优点，有利于助行器的防丢失。

Description

基于人脸识别的防丢失助行器、控制方法及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及基于人脸识别的防丢失助行器、控制方法及存储介质。
背景技术
助步器也叫下肢矫形器，是一种步行撑扶工具，供行动不便的老人、某些外伤、偏瘫患者与残疾人自行助步或四肢体力锻炼使用，人们扶着它可以轻松慢行。最常见助步器包括两轮和四轮助步器。如果你在保持平衡方面有困难或者很容易摔倒的话，两种助步器都能为你提供足够的稳定性。
但是因为助行器移动较为方便，所以常常有可能被人误拿甚至是偷拿，这样一来就给使用者带来了困扰，因为使用者大多是行动不便的老人，所以追回起来十分的不方便。
现有的助行器往往未对此类问题进行研究，也没有什么良好的有针对性的解决办法，当今市场需要一种防丢失的助行器及其相应的控制方法。
发明内容
本发明的目的是解决现有技术的不足，提供基于人脸识别的防丢失助行器、控制方法及存储介质。本发明能够通过人脸识别对助行器进行防丢失管控，充分的利用了人脸识别的优点，有利于助行器的防丢失。
为了实现上述目的，本发明采用以下的技术方案：
本发明提出一基于人脸识别的防丢失助行器控制方法，包括以下：
步骤101、获取用户的助行器使用指令，在接收到使用指令时获取用户的人脸信息作为第一图像；
步骤102、对所述第一图像进行预处理得到可用于人脸识别的第二图像；
步骤103、对所述第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
步骤104、获取人脸识别的结果，当人脸识别失败时控制摄像模块对当前用户进行拍照、控制扬声器发出第一语音信息并控制锁定模块将助行器的轮子锁住，当人脸识别成功时助行器照常使用，当检测不到人脸时，控制锁定模块将助行器的轮子进行锁定。
进一步，上述步骤102中对所述第一图像进行预处理的过程具体包括以下：
步骤201、对第一图像进行灰度化处理后得到第三图像；
步骤202、对所述第三图像进行滤波得到降噪的第四图像；
步骤203、对所述第四图像进行倾斜矫正得到第二图像。
进一步，上述步骤202中的对所述第三图像进行滤波的具体包括以下：
通过调用OpenCV中的高斯滤波器对所述第三图像进行滤波得到所述第四图像，所述高斯滤波器采用5×5的模版。
进一步，上述步骤203中对所述第四图像进行倾斜矫正的方法具体包括以下：
步骤401、通过调用OpenCV中的Sobel算子对第四图像进行边缘检测得到第四图像的轮廓图像；
步骤402、选定一副空白图像作为背景，通过霍夫变换找到构成第四图像的轮廓图像的4条直线；
步骤403、寻找构成第四图像的轮廓图像的四个角点，将其设为X[[x0,y0],[x1,y1],[x2,y2],[x3,y3]]；
步骤404、对所述四个角点进行重新构建得到第四图像的轮廓图像的新的四个角点Y[[x0,y1],[x3,y1],[x0,y2],[x3,y2]]，并根据新的四个角点得到倾斜矫正后的轮廓图像，进而得到第四图像的矫正图像即第二图像。
进一步，上述步骤103中所采用的PCA方式的协方差矩阵G具体为下述式子：
Figure BDA0002433590550000021
其中Xi表示训练样本，而
Figure BDA0002433590550000022
M代表训练样本的数量；
而训练上述样本Xi的矩阵A如下式所示，
Figure BDA0002433590550000023
采用的PCA方式在降维后的特征向量矩阵G如下式所示，
Figure BDA0002433590550000024
采用的PCA方式的每一个训练样本的特征向量νi的投影空间构造ui如下式所示，
Figure BDA0002433590550000025
其中λi表示第i个特征向量的特征值。
进一步，上述步骤103中的RBF-SVM分类器的RBF核函数KRBF如下式所示：
Figure BDA0002433590550000026
所述RBF-SVM分类器的分类超平面的获取如下式所示：
f(Xi)＝sgn{∑htyt[KRBF(νi，νj)+b]}
其中ht与yt分别代表分类超平面，b为常数。
进一步，上述步骤104中的当人脸识别成功时还会对识别成功的人脸信息进行核验，与人脸信息数据库中的用户身份进行匹配，确定用户的优先权等级，所述用户的优先权等级设置有3级，
第一级为用户本人，当用户的优先权等级为第一级时，无需对此次操作进行记录；
第二级为用户的亲属，当用户的优先权等级为第二级时，还需要验证此次用户的指纹，当指纹信息与用户的人脸信息相匹配时，允许用户进行使用，当指纹信息与用户的人脸信息不相匹配时，不允许用户进行使用，同时记录用户的身份信息；
第三级为助行器的维护相关人员，当用户的优先权等级为第三级时，对此次访问的用户身份信息进行记录，同时控制摄像模块对用户进行拍照，并允许用户进行使用。
本发明还提出基于人脸识别的的防丢失助行器，其特征在于，包括：
使用指令获取模块，用于获取用户的助行器使用指令，并在接收到使用指令时激活所述防丢失助行器；
人脸信息获取模块，用户在所述防丢失助行器被激活时，获取用户的人脸信息作为第一图像；
图像预处理模块，用于对第一图像依次进行灰度化处理、滤波降噪处理以及倾斜矫正处理；
人脸识别处理模块，用于对第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
摄像模块，用于当人脸识别失败时对当前用户进行拍照以及当用户的优先权等级为第三级时，对当前用户进行拍照；
锁定模块，用于在检测不到人脸识别时，对所述防丢失助行器进行锁定。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人脸识别的防丢失助行器控制方法的步骤。
本发明的有益效果为：本发明通过提出基于人脸识别的防丢失助行器、控制方法及存储介质，能够通过人脸识别对助行器进行防丢失管控，充分的利用了人脸识别的优点，有利于助行器的防丢失。
附图说明
图1所示为本发明一基于人脸识别的防丢失助行器控制方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1，提出一基于人脸识别的防丢失助行器控制方法，包括以下：
步骤101、获取用户的助行器使用指令，在接收到使用指令时获取用户的人脸信息作为第一图像；
步骤102、对所述第一图像进行预处理得到可用于人脸识别的第二图像；
步骤103、对所述第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
步骤104、获取人脸识别的结果，当人脸识别失败时控制摄像模块对当前用户进行拍照、控制扬声器发出第一语音信息并控制锁定模块将助行器的轮子锁住，当人脸识别成功时助行器照常使用，当检测不到人脸时，控制锁定模块将助行器的轮子进行锁定。
其中第一语音信息可人为设定，在本实施方式中设定为“核对失败”。
在使用时，用户只要使用助行器，助行器接收到使用指令后，会自动获取用户的人脸信息，并自动对用户的人脸信息进行识别，一旦识别成功还能够根据用户的优先权等级来进行相应的用户信息核验，确保助行器的安全，在人脸识别失败时会自动锁住助行器并拍摄非法用户的图像，方便日后追查。
作为本发明的优选实施方式，上述步骤102中对所述第一图像进行预处理的过程具体包括以下：
步骤201、对第一图像进行灰度化处理后得到第三图像；
步骤202、对所述第三图像进行滤波得到降噪的第四图像；
步骤203、对所述第四图像进行倾斜矫正得到第二图像。
作为本发明的优选实施方式，上述步骤202中的对所述第三图像进行滤波的具体包括以下：
通过调用OpenCV中的高斯滤波器对所述第三图像进行滤波得到所述第四图像，所述高斯滤波器采用5×5的模版。
作为本发明的优选实施方式，上述步骤203中对所述第四图像进行倾斜矫正的方法具体包括以下：
步骤401、通过调用OpenCV中的Sobel算子对第四图像进行边缘检测得到第四图像的轮廓图像；
步骤402、选定一副空白图像作为背景，通过霍夫变换找到构成第四图像的轮廓图像的4条直线；
步骤403、寻找构成第四图像的轮廓图像的四个角点，将其设为X[[x0,y0],[x1,y1],[x2,y2],[x3,y3]]；
步骤404、对所述四个角点进行重新构建得到第四图像的轮廓图像的新的四个角点Y[[x0,y1],[x3,y1],[x0,y2],[x3,y2]]，并根据新的四个角点得到倾斜矫正后的轮廓图像，进而得到第四图像的矫正图像即第二图像。
作为本发明的优选实施方式，上述步骤103中所采用的PCA方式的协方差矩阵G具体为下述式子：
Figure BDA0002433590550000051
其中Xi表示训练样本，而
Figure BDA0002433590550000052
M代表训练样本的数量；
而训练上述样本Xi的矩阵A如下式所示，
Figure BDA0002433590550000053
采用的PCA方式在降维后的特征向量矩阵G如下式所示，
Figure BDA0002433590550000054
采用的PCA方式的每一个训练样本的特征向量νi的投影空间构造ui如下式所示，
Figure BDA0002433590550000055
其中λi表示第i个特征向量的特征值。
作为本发明的优选实施方式，上述步骤103中的RBF-SVM分类器的RBF核函数KRBF如下式所示：
Figure BDA0002433590550000056
所述RBF-SVM分类器的分类超平面的获取如下式所示：
f(Xi)＝sgn{∑htyt[KRBF(νi，νj)+b]}
其中ht与yt分别代表分类超平面，b为常数。
作为本发明的优选实施方式，上述步骤104中的当人脸识别成功时还会对识别成功的人脸信息进行核验，与人脸信息数据库中的用户身份进行匹配，确定用户的优先权等级，所述用户的优先权等级设置有3级，
第一级为用户本人，当用户的优先权等级为第一级时，无需对此次操作进行记录；
第二级为用户的亲属，当用户的优先权等级为第二级时，还需要验证此次用户的指纹，当指纹信息与用户的人脸信息相匹配时，允许用户进行使用，当指纹信息与用户的人脸信息不相匹配时，不允许用户进行使用，同时记录用户的身份信息；
第三级为助行器的维护相关人员，当用户的优先权等级为第三级时，对此次访问的用户身份信息进行记录，同时控制摄像模块对用户进行拍照，并允许用户进行使用。
本发明还提出基于人脸识别的的防丢失助行器，其特征在于，包括：
使用指令获取模块，用于获取用户的助行器使用指令，并在接收到使用指令时激活所述防丢失助行器；
人脸信息获取模块，用户在所述防丢失助行器被激活时，获取用户的人脸信息作为第一图像；
图像预处理模块，用于对第一图像依次进行灰度化处理、滤波降噪处理以及倾斜矫正处理；
人脸识别处理模块，用于对第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
摄像模块，用于当人脸识别失败时对当前用户进行拍照以及当用户的优先权等级为第三级时，对当前用户进行拍照；
锁定模块，用于在检测不到人脸识别时，对所述防丢失助行器进行锁定。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人脸识别的防丢失助行器控制方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (7)

1.基于人脸识别的防丢失助行器控制方法，其特征在于，包括以下：
步骤101、获取用户的助行器使用指令，在接收到使用指令时获取用户的人脸信息作为第一图像；
步骤102、对所述第一图像进行预处理得到可用于人脸识别的第二图像；
步骤103、对所述第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
步骤104、获取人脸识别的结果，当人脸识别失败时控制摄像模块对当前用户进行拍照、控制扬声器发出第一语音信息并控制锁定模块将助行器的轮子锁住，当人脸识别成功时助行器照常使用，当检测不到人脸时，控制锁定模块将助行器的轮子进行锁定；
上述步骤103中所采用的PCA方式的协方差矩阵G具体为下述式子：
，其中表示训练样本，而，M代表训练样本的数量；
而训练上述样本的矩阵A如下式所示，
；
采用的PCA方式在降维后的特征向量矩阵G如下式所示，
；
采用的PCA方式的每一个训练样本的特征向量的投影空间构造如下式所示，
，其中表示第i个特征向量的特征值；
上述步骤103中的RBF-SVM分类器的RBF核函数如下式所示：
；
所述RBF-SVM分类器的分类超平面的获取如下式所示：
其中与分别代表分类超平面，b为常数。
2.根据权利要求1所述的基于人脸识别的防丢失助行器控制方法，其特征在于，上述步骤102中对所述第一图像进行预处理的过程具体包括以下：
步骤201、对第一图像进行灰度化处理后得到第三图像；
步骤202、对所述第三图像进行滤波得到降噪的第四图像；
步骤203、对所述第四图像进行倾斜矫正得到第二图像。
3.根据权利要求2所述的基于人脸识别的防丢失助行器控制方法，其特征在于，上述步骤202中的对所述第三图像进行滤波的具体包括以下：
通过调用OpenCV中的高斯滤波器对所述第三图像进行滤波得到所述第四图像，所述高斯滤波器采用5×5的模版。
4.根据权利要求2所述的基于人脸识别的防丢失助行器控制方法，其特征在于，上述步骤203中对所述第四图像进行倾斜矫正的方法具体包括以下：
步骤401、通过调用OpenCV中的Sobel算子对第四图像进行边缘检测得到第四图像的轮廓图像；
步骤402、选定一副空白图像作为背景，通过霍夫变换找到构成第四图像的轮廓图像的4条直线；
步骤403、寻找构成第四图像的轮廓图像的四个角点，将其设为X[[x0,y0],[x1,y1],[x2,y2],[x3,y3]]；
步骤404、对所述四个角点进行重新构建得到第四图像的轮廓图像的新的四个角点Y[[x0,y1],[x3,y1],[x0,y2],[x3,y2]]，并根据新的四个角点得到倾斜矫正后的轮廓图像，进而得到第四图像的矫正图像即第二图像。
5.根据权利要求1所述的基于人脸识别的防丢失助行器控制方法，其特征在于，上述步骤104中的当人脸识别成功时还会对识别成功的人脸信息进行核验，与人脸信息数据库中的用户身份进行匹配，确定用户的优先权等级，所述用户的优先权等级设置有3级，
第一级为用户本人，当用户的优先权等级为第一级时，无需对此次操作进行记录；
第二级为用户的亲属，当用户的优先权等级为第二级时，还需要验证此次用户的指纹，当指纹信息与用户的人脸信息相匹配时，允许用户进行使用，当指纹信息与用户的人脸信息不相匹配时，不允许用户进行使用，同时记录用户的身份信息；
第三级为助行器的维护相关人员，当用户的优先权等级为第三级时，对此次访问的用户身份信息进行记录，同时控制摄像模块对用户进行拍照，并允许用户进行使用。
6.基于人脸识别的防丢失助行器，其特征在于，包括：
使用指令获取模块，用于获取用户的助行器使用指令，并在接收到使用指令时激活所述防丢失助行器；
人脸信息获取模块，用户在所述防丢失助行器被激活时，获取用户的人脸信息作为第一图像；
图像预处理模块，用于对第一图像依次进行灰度化处理、滤波降噪处理以及倾斜矫正处理；
人脸识别处理模块，用于对第二图像通过PCA的方式进行特征提取，并根据提取的特征通过RBF-SVM分类器完成人脸识别；
摄像模块，用于当人脸识别失败时对当前用户进行拍照以及当用户的优先权等级为第三级时，对当前用户进行拍照；
锁定模块，用于在检测不到人脸识别时，对所述防丢失助行器进行锁定；
采用的PCA方式的协方差矩阵G具体为下述式子：
，其中表示训练样本，而，M代表训练样本的数量；
而训练上述样本的矩阵A如下式所示，
；
采用的PCA方式在降维后的特征向量矩阵G如下式所示，
；
采用的PCA方式的每一个训练样本的特征向量的投影空间构造如下式所示，
，其中表示第i个特征向量的特征值；
RBF-SVM分类器的RBF核函数如下式所示：
；
所述RBF-SVM分类器的分类超平面的获取如下式所示：
其中与分别代表分类超平面，b为常数。
7.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述基于人脸识别的防丢失助行器控制方法的步骤。
CN202010244407.4A 2020-03-31 2020-03-31 基于人脸识别的防丢失助行器、控制方法及存储介质 Active CN111460994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010244407.4A CN111460994B (zh) 2020-03-31 2020-03-31 基于人脸识别的防丢失助行器、控制方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010244407.4A CN111460994B (zh) 2020-03-31 2020-03-31 基于人脸识别的防丢失助行器、控制方法及存储介质

Publications (2)

Publication Number Publication Date
CN111460994A CN111460994A (zh) 2020-07-28
CN111460994B true CN111460994B (zh) 2023-04-25

Family

ID=71680919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010244407.4A Active CN111460994B (zh) 2020-03-31 2020-03-31 基于人脸识别的防丢失助行器、控制方法及存储介质

Country Status (1)

Country Link
CN (1) CN111460994B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229357A (zh) * 2017-12-24 2018-06-29 湛江正信科技服务有限公司 人脸识别的方法、装置、移动终端及存储介质
CN110163111A (zh) * 2019-04-24 2019-08-23 平安科技（深圳）有限公司 基于人脸识别的叫号方法、装置、电子设备及存储介质
CN110210340A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 一种人脸特征值比对方法及其系统、可读存储介质
CN110454918A (zh) * 2019-07-17 2019-11-15 安徽美博智能科技有限公司 一种基于人脸识别的空调智能温控系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229357A (zh) * 2017-12-24 2018-06-29 湛江正信科技服务有限公司 人脸识别的方法、装置、移动终端及存储介质
CN110163111A (zh) * 2019-04-24 2019-08-23 平安科技（深圳）有限公司 基于人脸识别的叫号方法、装置、电子设备及存储介质
CN110210340A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 一种人脸特征值比对方法及其系统、可读存储介质
CN110454918A (zh) * 2019-07-17 2019-11-15 安徽美博智能科技有限公司 一种基于人脸识别的空调智能温控系统及方法

Also Published As

Publication number Publication date
CN111460994A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
US5012522A (en) Autonomous face recognition machine
JP4389956B2 (ja) 顔認識装置及び顔認識方法、並びにコンピュータ・プログラム
US20100202669A1 (en) Iris recognition using consistency information
US20140161325A1 (en) Iris biometric matching system
US11449590B2 (en) Device and method for user authentication on basis of iris recognition
JP2002269565A (ja) 回転画像の補正による非接触式アイリス認識方法
WO2013087026A1 (zh) 一种虹膜定位方法和定位装置
WO2010129074A1 (en) System and method for identifying a person with reference to a sclera image
CN109886080A (zh) 人脸活体检测方法、装置、电子设备及可读存储介质
Kar et al. A multi-algorithmic face recognition system
CN110705454A (zh) 一种具有活体检测功能的人脸识别方法
CN112784669A (zh) 对象重新识别的方法
JP5698418B2 (ja) 虹彩認識による識別
CN106557752A (zh) 一种基于虹膜识别的安防控制系统及其方法
CN111460994B (zh) 基于人脸识别的防丢失助行器、控制方法及存储介质
KR20200119425A (ko) 도메인 적응 기반 객체 인식 장치 및 그 방법
CN111241505A (zh) 一种终端设备及其登录验证方法、计算机存储介质
Alonso-Fernandez et al. Eye detection by complex filtering for periocular recognition
CN116453196B (zh) 一种人脸识别方法及系统
Chen et al. Iris recognition using 3D co-occurrence matrix
CN111985442A (zh) 一种基于多模态数据融合的活体检测识别方法
JP2012248047A (ja) 生体識別装置、及び、生体識別方法
CN110135362A (zh) 一种基于红外摄像头下的人脸快速识别方法
KR20200049936A (ko) 생체 인식 장치 및 방법
KR101763761B1 (ko) 홍채 형상의 인식 방법 및 홍채 형상 인식 장치

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