CN111597532A - 基于人脸识别实现儿童机器人童锁系统的方法和系统 - Google Patents

Abstract

本发明公开了一种基于人脸识别实现儿童机器人童锁系统的方法，包括以下步骤：录入用户人脸信息；将录入的用户人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。该方法是儿童机器人基于人脸识别实现童锁控制，使儿童机器人摆脱对手机APP的依赖，可在单独使用儿童机器人的情况下验证管理员的身份信息实现童锁系统，操作流程大幅度简化减少了由于网络环境的影响导致童锁控制失效、状态不同步问题，同时基于人脸识别有效的校验了控制童锁用户的身份信息，确保了只有管理员才能控制童锁，从而规避了儿童自行操作，显著的提高了儿童机器人童锁系统的的易用性、安全性和有效性。

Description

基于人脸识别实现儿童机器人童锁系统的方法和系统

技术领域

本发明涉及儿童机器人技术领域，尤其涉及一种基于人脸识别实现儿童机器人童锁系统的方法和系统。

背景技术

儿童机器人童锁系统依赖APP，无法自身简单有效的验证家长身份控制童锁开关，导致在没有APP的情况下童锁系统失去意义；由于手机APP和儿童机器人之间需要网络通信，经常会因为网络环境、设备原因等问题导致童锁开关控制失效和开关状态的同步失败；手机APP的童锁开关只是一个开关或者增加了难度的开关而已，没有有效的家长身份验证，儿童完全可以自行操作，导致童锁系统失去意义。

发明内容

为了解决上述问题，本发明提供了一种基于人脸识别实现儿童机器人童锁系统的方法和系统。

本发明的第一方面在于提供一种基于人脸识别实现儿童机器人童锁系统的方法，包括以下步骤：

S102，录入用户人脸信息；

S103，将录入的用户人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

在本发明的一些实施方式中，还包括S101，预先录入管理员人脸信息的步骤。

在本发明的一些实施方式中，所述S101步骤中，要修改已录入的管理员人脸信息只有验证管理员人脸信息通过才能修改。

在本发明的一些实施方式中，所述S102步骤中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

在本发明的一些实施方式中，所述S103步骤中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

本发明的第二方面在于提供一种基于人脸识别实现儿童机器人童锁系统的系统，包括

第一录入模块，用于录入人脸信息；

验证模块，将录入的人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

在本发明的一些实施方式中，还包括第二录入模块，用于预先录入管理员人脸信息。

在本发明的一些实施方式中，所述第一录入模块中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

在本发明的一些实施方式中，所述验证模块中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

附图说明

图1为本发明基于人脸识别实现儿童机器人童锁系统的方法的一些实施方式的结构示意图；

图2为本发明基于人脸识别实现儿童机器人童锁系统的系统的一些实施方式的结构示意图。

具体实施方式

以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明的基于人脸识别实现儿童机器人童锁系统的方法，包括以下步骤：

S102，录入用户人脸信息；

S103，将录入的用户人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

儿童机器人可以通过童锁开关来限制对儿童机器人操控的权限。对于童锁开关的打开/关闭操作，需要一定的认证。本发明中，在打开/关闭儿童机器人童锁开关操作时，录入用户人脸信息后，将录入的用户人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，即打开/关闭儿童机器人童锁开关，改变童锁的状态，控制权限发生改变；否则提示身份验证失败，不执行用户操作，即儿童机器人童锁开关的状态不发生改变，保持原有的状态，不发生控制权限的改变。

该方法是儿童机器人基于人脸识别实现童锁控制，使儿童机器人摆脱对手机APP的依赖，可在单独使用儿童机器人的情况下验证管理员的身份信息实现童锁系统，操作流程大幅度简化减少了由于网络环境的影响导致童锁控制失效、状态不同步问题，同时基于人脸识别有效的校验了控制童锁用户的身份信息，确保了只有管理员才能控制童锁，从而规避了儿童自行操作，显著的提高了儿童机器人童锁系统的的易用性、安全性和有效性。

在本发明的一些实施方式中，如图1所示，还包括S101，预先录入管理员人脸信息的步骤。

在本发明的一些实施方式中，所述S101步骤中，要修改已录入的管理员人脸信息只有验证管理员人脸信息通过才能修改。

该方法可以防止预先录入管理员的人脸信息被随意替换掉，增加了安全性。

对于修改已录入的管理员人脸信息的验证，可以采用童锁开关的打开/关闭操作的验证的方法，只是通过验证后的操作是修改已录入的管理员人脸信息，而不是改变童锁开关的打开/关闭状态。

在本发明的一些实施方式中，所述S102步骤中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

在进行打开/关闭儿童机器人童锁开关时，儿童机器人开启验证模式，提示用户录入人脸信息进行校验。

在本发明的一些实施方式中，所述S103步骤中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

可以通过上述算法实现人脸验证的有效性。

本发明的基于人脸识别实现儿童机器人童锁系统的系统，包括

第一录入模块202，用于录入人脸信息；

验证模块203，将录入的人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

在本发明的一些实施方式中，如图2所示，还包括第二录入模块201，用于预先录入管理员人脸信息。

在本发明的一些实施方式中，所述第二录入模块201中，要修改已录入的管理员人脸信息只有验证管理员人脸信息通过才能修改。

在本发明的一些实施方式中，所述第一录入模块202中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

在本发明的一些实施方式中，所述验证模块203中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

以上对本发明优选的具体实施方式和实施例作了详细说明，但是本发明并不限于上述实施方式和实施例，在本领域技术人员所具备的知识范围内，还可以在不脱离本发明构思的前提下作出各种变化。

Claims (10)

1.基于人脸识别实现儿童机器人童锁系统的方法，其特征在于，包括以下步骤：

S102，录入用户人脸信息；

S103，将录入的用户人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

2.根据权利要求1所述的方法，其特征在于，还包括S101，预先录入管理员人脸信息的步骤。

3.根据权利要求2所述的方法，其特征在于，所述S101步骤中，要修改已录入的管理员人脸信息只有验证管理员人脸信息通过才能修改。

4.根据权利要求1所述的方法，其特征在于，所述S102步骤中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

5.根据权利要求1所述的方法，其特征在于，所述S103步骤中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

6.基于人脸识别实现儿童机器人童锁系统的系统，其特征在于，包括

第一录入模块，用于录入人脸信息；

验证模块，将录入的人脸信息与管理员人脸信息进行比较，判断是否验证通过；验证通过执行用户操作，否则提示身份验证失败，不执行用户操作。

7.根据权利要求6所述的系统，其特征在于，还包括第二录入模块，用于预先录入管理员人脸信息。

8.根据权利要求6所述的系统，其特征在于，所述第二录入模块中，要修改已录入的管理员人脸信息只有验证管理员人脸信息通过才能修改。

9.根据权利要求6所述的系统，其特征在于，所述第一录入模块中，要打开/关闭儿童机器人童锁开关时，开启验证模式，提示用户录入人脸信息进行校验。

10.根据权利要求6所述的系统，其特征在于，所述验证模块中，如果录入的用户人脸信息与管理员人脸信息相似度大于等于预设阈值，则认为验证通过执行用户操作，否则提示身份验证失败，不执行用户操作；

其中，录入的用户人脸信息与管理员人脸信息相似度的计算方法，包括以下步骤：

步骤1，将录入的用户人脸信息转化为人脸模板数学模型，用以下公式表示：

X＝[X1，……，Xk，……，XK]；

k为录入的用户人脸信息数量，X为每个录入的用户人脸信息转换成的竖直方向上的向量；

步骤2，将录入的管理员人脸信息转化为人脸模板数学模型，用以下公式表示：

y＝[y1，……，yk，……，yK]；

步骤3，使用最小二乘回归模型实现人脸识别匹配，基本模型用以下公式表示：

X是已录入的用户人脸和管理员人脸数据模型；y是输入验证的用户人脸信息，是一个和X每一列一样大小的向量；p是输入的测试样本在训练样本下的表达系数；

优化模型用以下公式表示：

人脸验证即分别计算已录入的用户人脸和管理员人脸数据模型重构y的误差，然后根据y的误差的大小判断是否属于验证人，误差越小相似度越高；

优选地，所述预设阈值为95％。

Images