发明内容
有鉴于此,本发明要解决的问题是提供一种应用于海上风电场的智能锁的控制方法。
为解决上述技术问题,本发明采用的技术方案是:
一种应用于海上风电场的智能锁的控制方法,包括:。
S101、接收人体感应器检测到的人体触发信号,记录触发信号的持续触发时长;
S102、当持续触发时长超过预设时长时,唤醒摄像头采集用户人脸图像;
S103、将用户人脸图像输入至人脸特征点识别模型中,确定用户人脸图像的特征点数量;
S104、判断人脸特征点数量是否大于阈值;若是,执行步骤S105;若否,执行步骤S106;
S105、判断用户人脸图像是否满足第一预设条件;若是,执行步骤S107;若否,执行步骤S108;
S106、获取用户输入的指纹信息;执行步骤S109;
S107、控制智能锁开启;
S108、智能锁发出警报。
S109、判断指纹信息是否满足第二预设条件;若是,执行步骤S110;若否,执行步骤S111;
S110、控制智能锁开启;
S111、智能锁发出警报
在步骤S101之前,包括:
建立数据库;
数据库内设有预存人脸图像和预存指纹信息。
在步骤S102后,还包括:对用户人脸图像进行预处理;
预处理包括用户人脸图像的光线补偿、灰度变换、几何校正以及滤波等。
在步骤S101之前,还包括:
将人工标记有特征点的人脸图像样本输入到神经网络训练模型中进行训练,得到人脸特征点识别模型。
用户人脸图像的特征点为:鼻子长度的两个端点、鼻子宽度的两个端点、嘴巴宽度的两个端点、上嘴唇弧度的中间点、下嘴唇弧度的中间点、左眼宽度的两个端点、右眼宽度的两个端点、左眉宽度的两个端点、右眉宽度的两个端点、左眉心点和右眉心点。
根据鼻子长度的两个端点的连线和鼻子宽度的两个端点的连线的交点,确定为基准点;
根据基准点,构建以鼻子长度的两个端点所在直线为纵轴、以鼻子宽度的两个端点所在直线为横轴的坐标系。
步骤S105具体包括:
从用户人脸图像中提取用户初始面部图像;
对用户初始面部图像进行整体缩放,得到用户待匹配面部图像;用户待匹配面部图像与预存人脸图像的比例相同;
计算用户待匹配面部图像的各个特征点与纵轴、横轴的距离;
若用户待匹配面部图像中的各个特征点与纵轴、横轴的距离与预存人脸图像中的各个特征点与纵轴、横轴的距离的差值小于预设差值时,即用户人脸图像满足第一预设条件。
步骤S109具体包括:
从指纹信息中划分成一个多行多列的指纹单元;
从多个指纹单元中确定出一个位于中心位置的中心特征单元;
以中心特征单元为起始点,由内向外依次对比指纹单元的形状和预设指纹单元的形状;
若与预设指纹单元的形状相同的指纹单元数量大于阈值时,即指纹信息满足第二预设条件。
本发明具有的优点和积极效果是:
在本发明中,采用人脸识别结合指纹对比的方式,控制智能锁的开启,避免了运维人员忘带钥匙或忘记密码而无法开门带来的不便,同时,也避免了非运维人员非法开锁的问题,提高了智能锁的安全性能。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
一种应用于海上风电场的智能锁的控制方法,如图1所示,包括:
S101、接收人体感应器检测到的人体触发信号,记录触发信号的持续触发时长;
其中,人体感应器设在智能锁的内部,人体感应器可以但不限于设为人体红外感应器。具体的,当人体进入到人体红外感应器的探测区域时,人体红外感应器可以检测到人体释放的人体红外热释电信号,实现人体检测功能。并且,人体红外感应器在检测人体红外热释电信号后,人体红外感应器可以持续生成体温触发信号,将体温触发信号发送智能锁。
若用户持续在智能锁旁边,温度传感器会持续检测到人体红外热释电信号,并持续生成体温触发信号,智能锁可以记录接收体温触发信号的持续触发时长,从而可以确定用户在智能锁旁边的逗留时长。
S102、当持续触发时长超过预设时长时,唤醒摄像头采集用户人脸图像;
其中,预设时长可以设为三秒,当然,还可以设为其他时长,具体可根据实际情况进行设置,在此并不做具体限定,提高设计的灵活性。
例如,在确定出用户在智能锁面前停留三秒时,此时可以控制摄像头进行抓拍,从而得到用户人脸图像。
在具体实现中,摄像头的拍摄范围覆盖了人体感应器的探测区域,以避免摄像头无法采集到用户图像。
S103、将用户人脸图像输入至人脸特征点识别模型中,确定用户人脸图像的特征点数量;
S104、判断人脸特征点数量是否大于阈值;若是,执行步骤S105;若否,执行步骤S106;
S105、判断用户人脸图像是否满足第一预设条件;若是,执行步骤S107;若否,执行步骤S108;
S106、获取用户输入的指纹信息;执行步骤S109;
S107、控制智能锁开启;
S108、智能锁发出警报。
S109、判断指纹信息是否满足第二预设条件;若是,执行步骤S110;若否,执行步骤S111;
S110、控制智能锁开启;
S111、智能锁发出警报。
如此,在本发明中,采用用人脸识别结合指纹对比的方式,控制智能锁的开启,避免了运维人员忘带钥匙或忘记密码而无法开门带来的不便,同时,也避免了非运维人员非法开锁的问题,提高了智能锁的安全性能。
在本发明中,在步骤S101之前,包括:
建立数据库;
数据库内设有预存人脸图像和预存指纹信息。
需要说明的是,海上风电场的全部内部人员的预存人脸图像和预存指纹信息均预先存储在数据库内,并且,一个内部人员均对应一预存人脸图像和一预存指纹信息。
在本发明中,在步骤S102后,还包括:对用户人脸图像进行预处理;
预处理包括用户人脸图像的光线补偿、灰度变换、几何校正以及滤波等。
通过摄像头获取的用户人脸图像由于受到各种条件的限制和随机干扰,往往不能直接使用,因此,需要对用户人脸图像进行灰度校正、噪声过滤等预处理。
对于本发明的用户人脸图像而言,其预处理过程主要包括用户人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
例如,对用户人脸图像进行光线补偿处理;
对光线补偿处理后的用户人脸图像进行灰度变换处理;
对灰度变换处理后的用户人脸图像进行直方图均衡化处理;
对直方图均衡化处理后的用户人脸图像进行归一化处理;
对归一化处理后的用户人脸图像进行几何校正处理;
对几何校正处理后的用户人脸图像进行滤波处理;
对滤波处理后的用户人脸图像进行锐化处理。
如此,有利于后续用户人脸图像和预存人脸图像的对比,提高对比的准确性。
在本发明中,在步骤S101之前,还包括:
将人工标记有特征点的人脸图像样本输入到神经网络训练模型中进行训练,得到人脸特征点识别模型。
具体地,在首次训练中,采用人工对每张人脸图像样本进行特征点的标记,特征点沿人脸图像样本中五官轮廓进行标记,特征点具体参见如下内容。
其中,神经网络训练模型采用FaceNet神经网络模型。
在本发明中,用户人脸图像的特征点为:鼻子长度的两个端点、鼻子宽度的两个端点、嘴巴宽度的两个端点、上嘴唇弧度的中间点、下嘴唇弧度的中间点、左眼宽度的两个端点、右眼宽度的两个端点、左眉宽度的两个端点、右眉宽度的两个端点、左眉心点和右眉心点。
其中,特征点的个数可按需要进行设置,在此并不做具体限定,以满足不同场景的需求。
然而,在本发明中,特征点的个数设有18个。若特征点标记的过少,则无法准确反映用户的五官特征;若特征点标记的过多,则导致计算量较大,影响计算速度。因此,本发明将特征点设置为18个,既能较好的五官形状,又不影响计算速度,计算速度快。
在本发明中,根据鼻子长度的两个端点的连线和鼻子宽度的两个端点的连线的交点,确定为基准点;
根据基准点,构建以鼻子长度的两个端点所在直线为纵轴、以鼻子宽度的两个端点所在直线为横轴的坐标系。
在本发明中,步骤S105具体包括:
从用户人脸图像中提取用户初始面部图像;
对用户初始面部图像进行整体缩放,得到用户待匹配面部图像;用户待匹配面部图像与预存人脸图像的比例相同;
计算用户待匹配面部图像的各个特征点与纵轴、横轴的距离;
若用户待匹配面部图像中的各个特征点与纵轴、横轴的距离与预存人脸图像中的各个特征点与纵轴、横轴的距离的差值小于预设差值时,即用户人脸图像满足第一预设条件。
例如,以计算鼻子长度的两个端点与纵轴、横轴的距离为例进行说明;
鼻子长度的两个端点分别用上端点和下端点表示,计算上端点和纵轴之间的距离L1、上端点和横轴之间的距离L2、下端点和纵轴之间的距离L3、下端点和横轴之间的距离L4;
说明一点,在数据库内还存储有预存人脸图像内的特征点距离纵轴、横轴的距离。
若数据库内存储有两张预存人脸图像,分别为第一预存人脸图像和第二预存人脸图像。
针对第一预存人脸图像而言,鼻子的上端点和纵轴之间的距离L11、上端点和横轴之间的距离L21、下端点和纵轴之间的距离L31、下端点和横轴之间的距离L41;
针对第二预存人脸图像而言,鼻子的上端点和纵轴之间的距离L12、上端点和横轴之间的距离L22、下端点和纵轴之间的距离L32、下端点和横轴之间的距离L42;
计算L1与L11的差值C1,L1与L12的差值C2;
计算L2与L21的差值C3,L2与L22的差值C4;
计算L3与L31的差值C5,L3与L32的差值C6;
计算L4与L41的差值C7,L4与L42的差值C8;
若C1、C3、C5和C7均小于预设差值时,表明用户待匹配面部图像与第一预存人脸图像相匹配,即用户人脸图像满足第一预设条件。
若C2、C4、C6和C8均小于预设差值时,表明用户待匹配面部图像与第二预存人脸图像相匹配,即用户人脸图像满足第一预设条件。
若C1、C3、C5、C7以及C2、C4、C6、C8均不小于预设差值时,表明用户待匹配面部图像与第一预存人脸图像、第二预存人脸图像均不匹配,即用户人脸图像不满足第一预设条件。
其中,预设差值可以根据实际情况进行设定,提高设计的灵活性。
需要说明的是,对于其他特征点的计算过程,与如上内容原理相同,具体可参见上述内容,重复之处不再赘述。
在本发明中,步骤S109具体包括:
从指纹信息中划分成一个多行多列的指纹单元;
从多个指纹单元中确定出一个位于中心位置的中心特征单元;
以中心特征单元为起始点,由内向外依次对比指纹单元的形状和预设指纹单元的形状;
若与预设指纹单元的形状相同的指纹单元数量大于阈值时,即指纹信息满足第二预设条件。
其中,智能锁可以采集到用户的指纹信息,即指纹图像,当采集到指纹图像之后,可以对指纹图像进行处理,将指纹图像划分成一个多行多列的指纹单元。
该多行多列的方式是指将多个指纹单元进行排列后能够形成规则几何图形的方式,该规则几何图形包括矩形、圆形或椭圆形。
在规则几何图形的中心位置处的指纹单元确定为中心特征单元。
例如,参见图2所示,由内而外依次为第一层、第二层、第三层,第一层的指纹单元个数为1个(A),第二层的指纹单元个数为8个(B1-B8),第三层的指纹单元的个数为16个(C1-C16)。
从第一层指纹单元A的形状与数据库内的各个预存指纹信息的形状进行对比,第一层的指纹单元对比结束后,继续对比第二层的指纹单元,第二层的指纹单元可以从B1处开始,按照顺时针的顺序依次对比第二层的所有指纹单元,第二层的指纹单元对比结束后,继续对比第三层的指纹单元,第三层的指纹单元可以从C1处开始,按照顺时针的顺序依次对比第三层的所有指纹单元。
在对比过程中,统计与预存指纹信息形状相同的指纹单元的个数,当大于阈值时,即表明指纹信息满足第二预设条件。
需要说明的是,在本发明中,可以根据指纹单元内的指纹纹路的两个端点和弧度确定指纹单元的形状。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。