CN111881822A - 基于人脸识别的门禁方法、装置、设备及存储介质 - Google Patents
基于人脸识别的门禁方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111881822A CN111881822A CN202010734141.1A CN202010734141A CN111881822A CN 111881822 A CN111881822 A CN 111881822A CN 202010734141 A CN202010734141 A CN 202010734141A CN 111881822 A CN111881822 A CN 111881822A
- Authority
- CN
- China
- Prior art keywords
- emotion
- preset
- image
- door
- light 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008451 emotion Effects 0.000 claims abstract description 271
- 238000012795 verification Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000008909 emotion recognition Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000012544 monitoring process Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 15
- 230000036651 mood Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 5
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 206010048909 Boredom Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 235000019788 craving Nutrition 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000009891 weiqi Substances 0.000 description 1
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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Abstract
本发明涉及人脸识别领域,公开了一种基于人脸识别的门禁方法、装置、设备及存储介质。该方法包括:获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;判断所述身份信息是否在预置许可人员列表中;若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
Description
技术领域
本发明涉及人脸识别领域,尤其涉及一种基于人脸识别的门禁方法、装置、设备及存储介质。
背景技术
随着人工智能在围棋领域超越人类,人工智能的深度学习领域就广受关注,人们对深度学习的探索将最初的神经网络中不断应用在各个领域中。在安全领域上,人脸识别逐步成为安全领域的热门方向。通过人脸识别可以实现网络支付、搜索失踪儿童、门禁人员验证等功能,越来越深入人们的生活。
但是,不断发展的经济使得生活学习节奏加快,人们的心理问题越来越凸显。许多事件的发生使得人们越来越关注人们的心理健康。使用人脸识别技术分析面部表情来分析人们的心理状态,用于预警和疏导存在心理问题的人们。但是,现有的基于可见光的图像深度学习分析人们的心理状态准确性不足,且门禁系统没有结合心理疏导问题,需要一个分析心理状态准确性更高的门禁系统来预警和疏导人们的心理问题。
发明内容
本发明的主要目的在于解决现有人脸识别预警心理问题的预警效果较低的技术问题。
本发明第一方面提供了一种基于人脸识别的门禁方法,所述基于人脸识别的门禁方法包括:
获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断所述身份信息是否在预置许可人员列表中;
若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
可选的,在本发明第一方面的第一种实现方式中,所述将所述可见光图像和所述红外光图像进行合并处理,生成特征图像包括:
根据预置分解数量参数,将所述可见光图像和所述红外光图像进行横向或纵向的等量分割,得到可见光图集和红外光图集;
将所述可见光图集与所述红外光图集进行交叉拼接,得到特征图像。
可选的,在本发明第一方面的第二种实现方式中,所述根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度包括:
基于预置情绪识别算法,对所述特征图像的进行灰度化处理,得到灰度化特征图像;
对所述灰度化图像进行向量化处理,得到特征向量矩阵;
根据所述情绪识别算法中的分析神经网络,对所述特征向量矩阵进行卷积处理,得到特征卷积向量;
对所述特征卷积向量进行归一化处理,生成特征结果概率矩阵;
根据所述特征结果概率矩阵判定得出开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度。
可选的,在本发明第一方面的第三种实现方式中,所述对所述灰度化图像进行向量化处理,得到特征向量矩阵包括:
读取所述灰度化图像中的每个像素的灰度值数据;
根据所述灰度化图像中每个像素的分布,排列所有所述灰度值数据,得到初步向量矩阵;
对所述初步向量矩阵进行拟合化处理,得到特征向量矩阵。
可选的,在本发明第一方面的第四种实现方式中,所述对所述特征卷积向量进行归一化处理,生成特征结果概率矩阵包括:
获取预置权重矩阵,将所述特征卷积向量与所述权重矩阵进行乘积,得到加权特征矩阵;
使用预置回归函数对所述加权特征矩阵中的每个元素进行回归计算,得到每个元素对应的回归值
将所述加权特征矩阵中的每个元素替换为所述元素对应的回归值,并对替换后的加权特征矩阵进行归一化计算,得到特征结果概率矩阵。
可选的,在本发明第一方面的第五种实现方式中,所述根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处包括:
读取预置情绪监控数据,其中,所述情绪监控数据包括:情绪监控种类、所述情绪监控种类对应的情绪强度阈值;
抓取所述情绪记录表格中所述情绪监控种类对应的情绪种类和情绪强度,生成监控列表;
判断是否存在所述监控列表中的情绪强度大于对应情绪强度阈值;
若存在,则标记大于对应情绪强度阈值的情绪强度,以及标记所述情绪强度对应的情绪种类;
根据标记的情绪种类与情绪强度,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
可选的,在本发明第一方面的第六种实现方式中,在所述根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处之后,还包括:
获取所述管理设备发送的标记人员信息,其中,所述标记人员信息记录在所述许可人员列表中;
当解析得到所述标记人员信息对应的身份信息时,向所述管理设备发送所述标记人员信息对应的情绪种类,以及所述情绪种类对应的情绪强度。
本发明第二方面提供了一种基于人脸识别的门禁装置,包括:
获取模块,用于获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
解析模块,用于根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断模块,用于判断所述身份信息是否在预置许可人员列表中;
记录模块,用于若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
发送模块,用于根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
本发明第三方面提供了一种基于人脸识别的门禁设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人脸识别的门禁设备执行上述的基于人脸识别的门禁方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于人脸识别的门禁方法。
附图说明
图1为本发明实施例中基于人脸识别的门禁方法的第一个实施例示意图;
图2为本发明实施例中基于人脸识别的门禁方法的第二个实施例示意图;
图3为本发明实施例中基于人脸识别的门禁方法的第三个实施例示意图;
图4为本发明实施例中基于人脸识别的门禁装置的一个实施例示意图;
图5为本发明实施例中基于人脸识别的门禁装置的另一个实施例示意图;
图6为本发明实施例中基于人脸识别的门禁设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于人脸识别的门禁方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于人脸识别的门禁方法的第一个实施例包括:
101、获取开门验证人员的可见光图像和红外光图像,以及将可见光图像和红外光图像进行合并处理,生成特征图像;
在本实施例中,开门验证人员的面部表情不能完全反应其心理状态,因此需要补充红外光图像的特征,对人脸部分温度进行监控。将同时采集到的可见光图像和红外光图像进行合并,在合并处理上可以使用图层覆盖方式直接组合成一张特征图像,也可以直接拼接生成左边为可见光图像右边为红外光图像的一张特征图像。在合并处理上还可以直接读取红外光图像的温度,生成温度矩阵,然后进行温度值进行函数处理,与可见光图像的光学矩阵进行带权重的合并计算,最终得到一个处理合并后的矩阵,将该矩阵作为特征图像。
102、根据预置情绪识别算法,解析特征图像,得到开门验证人员的身份信息和情绪种类,并得到情绪种类对应的情绪强度;
在本实施例中,将特征图像进行向量化,得到特征图像对应的矩阵,在获得矩阵的向量化过程中可以对图像先进行去噪处理,然后再进行向量化。将得到的矩阵进行卷积计算,最后再使用激活层最终得到开门验证人员的身份信息和情绪种类,并且在得到情绪种类时可以得到情绪强度。情绪强度使用数字表示可以为1-10,强度数值越大则说明情绪越大。例如,得到结果为:{身份:AAQ,学号(工号):1520,性别:男,当前情绪种类:愤怒,情绪强度:5},情绪种类可以分类为:钦佩、崇拜、欣赏、娱乐、焦虑、敬畏、尴尬、厌倦、冷静、困惑、渴望、厌恶、痛苦、愤怒、嫉妒、兴奋、恐惧、痛恨、有趣、快乐、怀旧、悲伤、满意、同情、满足等25种类别。
103、判断身份信息是否在预置许可人员列表中;
在本实施例中,许可人员列表中人员种类是预先记录的,判断是否在许可表列表中,可以使用学号(工号)进行匹配。例如:{身份:AAQ,学号(工号):1520,性别:男,当前情绪种类:愤怒,情绪强度:5},在许可人员列表中记录的人员信息有1-1510学号(工号),则该识别的信息不在许可人员列表中。
104、若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将情绪种类和情绪强度写入预置情绪记录表格中;
在本实施例中,如果匹配成功,将开门指令发送到电子门锁开锁后,记录人员的情绪和情绪强度,情绪记录表格存在为记录情绪的基础数据表。可以将时间同时记录,例如{学号:480情绪种类:嫉妒情绪强度:8日期:2020.1.15,学号:480情绪种类:嫉妒情绪强度:7日期:2020.1.17,学号:487情绪种类:悲伤情绪强度:4日期:2020.1.17}。
105、根据情绪记录表格,生成开门验证人员的情绪报告,并将情绪报告发送至管理设备处。
在本实施例中,设置可以生成报告的条件,例如负面情绪:痛苦、厌恶、嫉妒、焦虑、痛恨、悲伤等情绪强度大于5则需要进行报告。分析得出{身份:AAQ,学号(工号):1520,性别:男,当前情绪种类:愤怒,情绪强度:8},则要将该信息进行报告,说明人员的负面情绪种类,并说明开门时间:2020.7.14。也可以设置生成报告条件变为负面情绪:痛苦、厌恶、嫉妒、焦虑、痛恨、悲伤在2天内检测超过5次,则将超过5次的记录进行抓取,生成记录表格,然后将记录表格和对应的记录时间发送至管理设备处。
本发明实施例中,通过增加特征获取,并将图像进行人脸识别,在门禁解锁时进行验证人员的情绪判断,对情绪负面的人员进行预警,对负面情绪人员早发现早疏导,提高了心理问题的预警效果和准确性。
请参阅图2,本发明实施例中基于人脸识别的门禁方法的第二个实施例包括:
201、获取开门验证人员的可见光图像和红外光图像;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
202、根据预置分解数量参数,将可见光图像和红外光图像进行横向或纵向的等量分割,得到可见光图集和红外光图集;
在本实施例中,分解数量参数是1000,将可见光图像和红外光图像横向等量分割成1000份,然后将1000份根据排序标号为1-1000,生成可见光图集和红外光图集。
203、将可见光图集与红外光图集进行交叉拼接,得到特征图像;
在本实施例中,根据编号先排列1号可见光图集元素再排列1号红外光图集元素,然后再排列2号可见光图集元素排列2号可见光图集元素,一直交叉拼接至1000号元素,得到特征图像。
204、基于预置情绪识别算法,对特征图像的进行灰度化处理,得到灰度化特征图像;
在本实施例中,令特征图像中的R=B=G三通道的颜色的数值都相等,于是得到灰度化特征图像。
205、读取灰度化图像中的每个像素的灰度值数据;
在本实施例中,读取每个像素的灰度值,例如,10、15、14、13、17、25、25、0、0这样的灰度值。还可以采用灰度校正算法:
Grey是灰度值,R为红色通道数值,G为绿色通道数值,B为蓝色通道数值。
206、根据灰度化图像中每个像素的分布,排列所有灰度值数据,得到初步向量矩阵;
在本实施例中,根据分布将灰度值进行排布,生成矩阵,例如:
将该向量矩阵作为初步向量矩阵。
207、对初步向量矩阵进行拟合化处理,得到特征向量矩阵;
在本实施例中,拟合化是为了防止部分特征过于突出,拟合化公式可以是整个矩阵的元素均用:
f(x)=ex-45
进行计算,f(x)是计算后的元素,x为初步向量矩阵的元素。
208、根据情绪识别算法中的分析神经网络,对特征向量矩阵进行卷积处理,得到特征卷积向量;
在本实施例中,特征向量为N*M的形状,卷积向量为2*2为了尽量提取更多的特征,卷积层为80-120层,最终得到特征卷积向量。
209、获取预置权重矩阵,将特征卷积向量与权重矩阵进行乘积,得到加权特征矩阵;
在本实施例中,特征卷积向量为A*B的形状,权重矩阵为B*1,最终得到A*1的加权特征矩阵。
210、使用预置回归函数对加权特征矩阵中的每个元素进行回归计算,得到每个元素对应的回归值;
在本实施例中,回归计算公式为:f(x)=ex,其中,f(x)为元素的回归值,x为元素值。
211、将加权特征矩阵中的每个元素替换为元素对应的回归值,并对替换后的加权特征矩阵进行归一化计算,得到特征结果概率矩阵;
在本实施例中,归一化计算公式为:
212、根据特征结果概率矩阵判定得出开门验证人员的身份信息和情绪种类,并得到情绪种类对应的情绪强度;
在本实施例中,[0.012,0.088,0.105,0.795,0,0,0,0,…,0,0]T为特征结果概率,最终得到0.795概率对应的身份信息和情绪种类,并且情绪种类对应的情绪强度。
213、判断身份信息是否在预置许可人员列表中;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
214、若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将情绪种类和情绪强度写入预置情绪记录表格中;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
215、根据情绪记录表格,生成开门验证人员的情绪报告,并将情绪报告发送至管理设备处。
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例中,通过增加特征获取,并将图像进行人脸识别,在门禁解锁时进行验证人员的情绪判断,对情绪负面的人员进行预警,对负面情绪人员早发现早疏导,提高了心理问题的预警效果和准确性。
请参阅图3,本发明实施例中基于人脸识别的门禁方法的第三个实施例包括:
301、获取开门验证人员的可见光图像和红外光图像,以及将可见光图像和红外光图像进行合并处理,生成特征图像;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
302、根据预置情绪识别算法,解析特征图像,得到开门验证人员的身份信息和情绪种类,并得到情绪种类对应的情绪强度;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
303、判断身份信息是否在预置许可人员列表中;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
304、若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将情绪种类和情绪强度写入预置情绪记录表格中;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
305、读取预置情绪监控数据,其中,情绪监控数据包括:情绪监控种类、情绪监控种类对应的情绪强度阈值;
在本实施例中,情绪种类可以为:钦佩、崇拜、欣赏、娱乐、焦虑、敬畏、尴尬、厌倦、冷静、困惑、渴望、厌恶、痛苦、愤怒、嫉妒、兴奋、恐惧、痛恨、有趣、快乐、怀旧、悲伤、满意、同情、满足中的一种或多种。例如,情绪监控数据要求监控:兴奋情绪,情绪强度阈值为2;痛恨情绪,情绪强度阈值为5。
306、抓取情绪记录表格中情绪监控种类对应的情绪种类和情绪强度,生成监控列表;
在本实施例中,在情绪记录表格中,抓取所有人的兴奋情绪和痛恨情绪,以及对应的情绪强度,生成监控列表。
307、判断是否存在监控列表中的情绪强度大于对应情绪强度阈值;
在本实施例中,判断监控列表里的情绪强度是否存在大于2的情况,以及判断痛恨情绪是否存在大于5的情况。
308、若存在,则标记大于对应情绪强度阈值的情绪强度,以及标记情绪强度对应的情绪种类;
在本实施例中,将兴奋情绪强度大于2的情况标记,并标记对应的兴奋情绪,将痛恨情绪强度大于5的情况标记,并标记对应的痛恨情绪。
309、根据标记的情绪种类与情绪强度,生成开门验证人员的情绪报告,并将情绪报告发送至管理设备处;
在本实施例中,将标记的痛恨情绪与兴奋情绪对应的情绪强度进行罗列,生成报告,将报告发送到管理设备中,可以是手机或者是邮箱中。
310获取管理设备发送的标记人员信息,其中,标记人员信息记录在许可人员列表中;
在本实施例中,接收到重点需要监控的人员,例如,{标记监控:工号1021,姓名WEQ,性别男},标记监控的信息是在许可人员列表中。
311、当解析得到标记人员信息对应的身份信息时,向管理设备发送标记人员信息对应的情绪种类,以及情绪种类对应的情绪强度。
在本实施例中,当解析获得{工号1021,姓名WEQ,性别男}的信息时,立即向设置的手机、邮箱、文件夹发送此时监控到的情绪{工号1021,姓名WEQ,性别男情绪类型:开心情绪强度:8},完成监控人员的心理状态实时监控。
本发明实施例中,通过增加特征获取,并将图像进行人脸识别,在门禁解锁时进行验证人员的情绪判断,对情绪负面的人员进行预警,对负面情绪人员早发现早疏导,提高了心理问题的预警效果和准确性。
上面对本发明实施例中基于人脸识别的门禁方法进行了描述,下面对本发明实施例中基于人脸识别的门禁装置进行描述,请参阅图4,本发明实施例中基于人脸识别的门禁装置一个实施例包括:
获取模块401,用于获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
解析模块402,用于根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断模块403,用于判断所述身份信息是否在预置许可人员列表中;
记录模块404,用于若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
发送模块405,用于根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
本发明实施例中,通过增加特征获取,并将图像进行人脸识别,在门禁解锁时进行验证人员的情绪判断,对情绪负面的人员进行预警,对负面情绪人员早发现早疏导,提高了心理问题的预警效果和准确性。
请参阅图5,本发明实施例中基于人脸识别的门禁装置的另一个实施例包括:
获取模块401,用于获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
解析模块402,用于根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断模块403,用于判断所述身份信息是否在预置许可人员列表中;
记录模块404,用于若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
发送模块405,用于根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
其中,所述获取模块401具体用于:
根据预置分解数量参数,将所述可见光图像和所述红外光图像进行横向或纵向的等量分割,得到可见光图集和红外光图集;
将所述可见光图集与所述红外光图集进行交叉拼接,得到特征图像。
其中,所述解析模块402包括:
灰度化单元4021,用于基于预置情绪识别算法,对所述特征图像的进行灰度化处理,得到灰度化特征图像;
向量化单元4022,用于对所述灰度化图像进行向量化处理,得到特征向量矩阵;
卷积单元4023,用于根据所述情绪识别算法中的分析神经网络,对所述特征向量矩阵进行卷积处理,得到特征卷积向量;
归一化单元4024,用于对所述特征卷积向量进行归一化处理,生成特征结果概率矩阵;
判定单元4025,用于根据所述特征结果概率矩阵判定得出开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度。
其中,所述向量化单元4022具体用于:
读取所述灰度化图像中的每个像素的灰度值数据;
根据所述灰度化图像中每个像素的分布,排列所有所述灰度值数据,得到初步向量矩阵;
对所述初步向量矩阵进行拟合化处理,得到特征向量矩阵。
其中,所述归一化单元4024具体用于:
获取预置权重矩阵,将所述特征卷积向量与所述权重矩阵进行乘积,得到加权特征矩阵;
使用预置回归函数对所述加权特征矩阵中的每个元素进行回归计算,得到每个元素对应的回归值
将所述加权特征矩阵中的每个元素替换为所述元素对应的回归值,并对替换后的加权特征矩阵进行归一化计算,得到特征结果概率矩阵。
其中,所述发送模块405具体用于:
读取预置情绪监控数据,其中,所述情绪监控数据包括:情绪监控种类、所述情绪监控种类对应的情绪强度阈值;
抓取所述情绪记录表格中所述情绪监控种类对应的情绪种类和情绪强度,生成监控列表;
判断是否存在所述监控列表中的情绪强度大于对应情绪强度阈值;
若存在,则标记大于对应情绪强度阈值的情绪强度,以及标记所述情绪强度对应的情绪种类;
根据标记的情绪种类与情绪强度,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
其中,所述基于人脸识别的门禁装置包括标记模块406,所述标记模块406具体用于:
获取所述管理设备发送的标记人员信息,其中,所述标记人员信息记录在所述许可人员列表中;
在解析得到所述标记人员信息对应的身份信息时,向所述管理设备发送所述标记人员信息对应的情绪种类,以及所述情绪种类对应的情绪强度。
本发明实施例中,通过增加特征获取,并将图像进行人脸识别,在门禁解锁时进行验证人员的情绪判断,对情绪负面的人员进行预警,对负面情绪人员早发现早疏导,提高了心理问题的预警效果和准确性。
上面图4和图5从模块化功能实体的角度对本发明实施例中的基于人脸识别的门禁装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于人脸识别的门禁设备进行详细描述。
图6是本发明实施例提供的一种基于人脸识别的门禁设备的结构示意图,该基于人脸识别的门禁设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于人脸识别的门禁设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于人脸识别的门禁设备600上执行存储介质630中的一系列指令操作。
基于人脸识别的门禁设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于人脸识别的门禁设备结构并不构成对基于人脸识别的门禁设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于人脸识别的门禁方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人脸识别的门禁方法,其特征在于,包括步骤:
获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断所述身份信息是否在预置许可人员列表中;
若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
2.根据权利要求1所述的基于人脸识别的门禁方法,其特征在于,所述将所述可见光图像和所述红外光图像进行合并处理,生成特征图像包括:
根据预置分解数量参数,将所述可见光图像和所述红外光图像进行横向或纵向的等量分割,得到可见光图集和红外光图集;
将所述可见光图集与所述红外光图集进行交叉拼接,得到特征图像。
3.根据权利要求1所述的基于人脸识别的门禁方法,其特征在于,所述根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度包括:
基于预置情绪识别算法,对所述特征图像的进行灰度化处理,得到灰度化特征图像;
对所述灰度化图像进行向量化处理,得到特征向量矩阵;
根据所述情绪识别算法中的分析神经网络,对所述特征向量矩阵进行卷积处理,得到特征卷积向量;
对所述特征卷积向量进行归一化处理,生成特征结果概率矩阵;
根据所述特征结果概率矩阵判定得出开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度。
4.根据权利要求3所述的基于人脸识别的门禁方法,其特征在于,所述对所述灰度化图像进行向量化处理,得到特征向量矩阵包括:
读取所述灰度化图像中的每个像素的灰度值数据;
根据所述灰度化图像中每个像素的分布,排列所有所述灰度值数据,得到初步向量矩阵;
对所述初步向量矩阵进行拟合化处理,得到特征向量矩阵。
5.根据权利要求3所述的基于人脸识别的门禁方法,其特征在于,所述对所述特征卷积向量进行归一化处理,生成特征结果概率矩阵包括:
获取预置权重矩阵,将所述特征卷积向量与所述权重矩阵进行乘积,得到加权特征矩阵;
使用预置回归函数对所述加权特征矩阵中的每个元素进行回归计算,得到每个元素对应的回归值
将所述加权特征矩阵中的每个元素替换为所述元素对应的回归值,并对替换后的加权特征矩阵进行归一化计算,得到特征结果概率矩阵。
6.根据权利要求1所述的基于人脸识别的门禁方法,其特征在于,所述根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处包括:
读取预置情绪监控数据,其中,所述情绪监控数据包括:情绪监控种类、所述情绪监控种类对应的情绪强度阈值;
抓取所述情绪记录表格中所述情绪监控种类对应的情绪种类和情绪强度,生成监控列表;
判断是否存在所述监控列表中的情绪强度大于对应情绪强度阈值;
若存在,则标记大于对应情绪强度阈值的情绪强度,以及标记所述情绪强度对应的情绪种类;
根据标记的情绪种类与情绪强度,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
7.根据权利要求1-6任一项所述的基于人脸识别的门禁方法,其特征在于,在所述根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处之后,还包括:
获取所述管理设备发送的标记人员信息,其中,所述标记人员信息记录在所述许可人员列表中;
当解析得到所述标记人员信息对应的身份信息时,向所述管理设备发送所述标记人员信息对应的情绪种类,以及所述情绪种类对应的情绪强度。
8.一种基于人脸识别的门禁装置,其特征在于,所述基于人脸识别的门禁装置包括:
获取模块,用于获取开门验证人员的可见光图像和红外光图像,以及将所述可见光图像和所述红外光图像进行合并处理,生成特征图像;
解析模块,用于根据预置情绪识别算法,解析所述特征图像,得到开门验证人员的身份信息和情绪种类,并得到所述情绪种类对应的情绪强度;
判断模块,用于判断所述身份信息是否在预置许可人员列表中;
记录模块,用于若在预置许可人员列表中,则发送开门指令至预置电子门锁中,并将所述情绪种类和所述情绪强度写入预置情绪记录表格中;
发送模块,用于根据所述情绪记录表格,生成开门验证人员的情绪报告,并将所述情绪报告发送至管理设备处。
9.一种基于人脸识别的门禁设备,其特征在于,所述基于人脸识别的门禁设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人脸识别的门禁设备执行如权利要求1-7中任一项所述的基于人脸识别的门禁方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,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1-7中任一项所述的基于人脸识别的门禁方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734141.1A CN111881822A (zh) | 2020-07-27 | 2020-07-27 | 基于人脸识别的门禁方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734141.1A CN111881822A (zh) | 2020-07-27 | 2020-07-27 | 基于人脸识别的门禁方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111881822A true CN111881822A (zh) | 2020-11-03 |
Family
ID=73201773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010734141.1A Pending CN111881822A (zh) | 2020-07-27 | 2020-07-27 | 基于人脸识别的门禁方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881822A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298982A (zh) * | 2021-05-18 | 2021-08-24 | 新疆爱华盈通信息技术有限公司 | 蓝牙锁绑定方法及相关控制系统 |
CN113409507A (zh) * | 2021-06-15 | 2021-09-17 | 深圳市纽贝尔电子有限公司 | 一种基于人脸识别的控制方法 |
CN114973485A (zh) * | 2021-02-25 | 2022-08-30 | 深圳埃尔姆科技有限公司 | 可疑人员门禁识别方法、装置及系统 |
CN115024726A (zh) * | 2022-04-27 | 2022-09-09 | 上海迎智正能文化发展有限公司 | 基于红外技术的情绪实时观测装置及其运行方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404060A (zh) * | 2008-11-10 | 2009-04-08 | 北京航空航天大学 | 一种基于可见光与近红外Gabor信息融合的人脸识别方法 |
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
CN109829362A (zh) * | 2018-12-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
KR20200055811A (ko) * | 2018-11-06 | 2020-05-22 | 숙명여자대학교산학협력단 | 감정을 식별하기 위한 얼굴 감정 인식 장치 및 그 방법 |
CN111312367A (zh) * | 2020-05-11 | 2020-06-19 | 成都派沃智通科技有限公司 | 一种基于自适应云管理平台的校园人员异常心理预测方法 |
-
2020
- 2020-07-27 CN CN202010734141.1A patent/CN111881822A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404060A (zh) * | 2008-11-10 | 2009-04-08 | 北京航空航天大学 | 一种基于可见光与近红外Gabor信息融合的人脸识别方法 |
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
KR20200055811A (ko) * | 2018-11-06 | 2020-05-22 | 숙명여자대학교산학협력단 | 감정을 식별하기 위한 얼굴 감정 인식 장치 및 그 방법 |
CN109829362A (zh) * | 2018-12-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
CN111312367A (zh) * | 2020-05-11 | 2020-06-19 | 成都派沃智通科技有限公司 | 一种基于自适应云管理平台的校园人员异常心理预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973485A (zh) * | 2021-02-25 | 2022-08-30 | 深圳埃尔姆科技有限公司 | 可疑人员门禁识别方法、装置及系统 |
CN113298982A (zh) * | 2021-05-18 | 2021-08-24 | 新疆爱华盈通信息技术有限公司 | 蓝牙锁绑定方法及相关控制系统 |
CN113409507A (zh) * | 2021-06-15 | 2021-09-17 | 深圳市纽贝尔电子有限公司 | 一种基于人脸识别的控制方法 |
CN115024726A (zh) * | 2022-04-27 | 2022-09-09 | 上海迎智正能文化发展有限公司 | 基于红外技术的情绪实时观测装置及其运行方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881822A (zh) | 基于人脸识别的门禁方法、装置、设备及存储介质 | |
JP7178343B2 (ja) | 安全検査システムおよび安全検査装置を設定する方法 | |
CN109214373B (zh) | 一种用于考勤的人脸识别系统及方法 | |
CN112801431A (zh) | 基于人工智能分析的企业经营风险评估方法及系统 | |
Kalunga et al. | Development of fingerprint biometrics verification and vetting management system | |
CN103443772B (zh) | 基于多模态数据分析的个人性别验证的方法 | |
Balakrishnan et al. | A high security framework through human brain using algo mixture model deep learning algorithm | |
CN111723869A (zh) | 一种面向特殊人员的行为风险智能预警方法及系统 | |
CN110852714A (zh) | 应用于装修业务平台的薪酬提成数据管理系统 | |
Gelsema et al. | Pattern Recognition in Practice IV: multiple paradigms, comparative studies and hybrid systems | |
CN110246250A (zh) | 一种实验室安全准入管理系统 | |
CN111754195B (zh) | 信息处理的方法及装置、电子设备及计算机可读存储介质 | |
Tanjung et al. | Face Recognition using Webcam with K Nearest Neighbors Algorithm for Employee Presence | |
CN112182537A (zh) | 监控方法、装置、服务器、系统以及存储介质 | |
Lin et al. | Establishment of Biometric Verification System Based on Design Science Research Methodology and Sensing System for Smart Border Control. | |
Kaur et al. | An advance 2D face recognition by feature extraction (ICA) and optimize multilayer architecture | |
CN112269878B (zh) | 可解释法律判决预测方法、装置、电子设备及存储介质 | |
Zhumazhanova et al. | Neurobayesian algorithm for subject's psychophysiological state identification | |
AU2021103335A4 (en) | System for productivity determination using machine learning based face recognition | |
CN115936431B (zh) | 再犯罪风险评估方法、装置、计算机设备及可读存储介质 | |
CN116432953B (zh) | 基于泛化生成模式的文物保护应急响应决策方法和系统 | |
Dzemydiene et al. | Knowledge representation in advisory information system of crime investigation domain | |
Arslan | Fingerprint Forensics in Crime Scene: A Computer Science Approach | |
Kumar et al. | Biometric forensic tools for criminal investigation | |
Josey et al. | A methodology for automated facial expression recognition using facial landmarks |
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 |