CN116453246A - 识别门外物件且可报警的智能门锁及识别报警方法 - Google Patents

Abstract

本发明提供了识别门外物件且可报警的智能门锁及识别报警方法，运用于安防监控技术领域，其方法包括：对初始监控画面进行预设次数分割得到第一子画面集，识别所述监控画面和所述第一子画面集得到门外物件清单；根据所述门外物件清单进行二次分割得到第二子画面集，三帧差分法结合背景差分法进行移动侦测；识别移动目标得到目标身份，对后续监控画面和所述第二子画面集后进行识别得到第二识别结果；当所述目标身份不为房屋主人且前后识别结果不一致，则向移动终端发送警示信息；将背景图像按照不同尺寸进行分割提高了图像识别的准确度，采用帧间差分法和背景差分法相结合且对算法进行优化，提高了移动侦测的准确性，使报警更加及时和准确。

Description

识别门外物件且可报警的智能门锁及识别报警方法

技术领域

本发明涉及安防监控技术领域，特别涉及一种识别门外物件且可报警的智能门锁及识别报警方法。

背景技术

门锁关系到一所房子的安全性，随着信息技术的发展，安防系统已经开始从机械化转向信息化，过去的机械式门锁逐渐被密码解锁、指纹解锁、人脸解锁取代，但是开锁技术也随之进步，在有足够的时间的情况下，门锁都有可能被打开。

在现有技术CN111200718A一种双目智能门锁系统中，通过在门锁上安装双摄像头，获取门前更多的视频信息，通过图片处理模块对视频画面进行处理，实现了对门前信息的主动获取和在状况突发时报警。

但是该技术没有公开图像处理的实现过程和使用过程，其所采用的图像处理技术不能够实现对运动画面的侦测，而且该技术所作的图像处理只是对于人脸的识别和处理，不包括对门外物件的识别、监控和显示；当门外情况发生变化，现有技术无法检测到具体的变化情况，也无法将变化情况告知房屋主人，房屋主人更无法及时查看门外情况，因此，房屋主人无法得到门外的实时状况，更无法对其进行及时处理，可能错过或丢失重要物品，会造成不必要的财务损失。

为此本发明提出一种识别门外物件且可报警的智能门锁及识别报警方法。

发明内容

本发明的目的是提供一种识别门外物件且可报警的智能门锁及识别报警方法，旨在解决现有技术中门锁无法对门前物品进行识别、监控和报警的问题。

为实现上述目的，本发明提供如下技术方案：

本发明提供一种识别门外物件且可报警的智能门锁及识别报警方法，包括：

S1：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

S2：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测，所述移动侦测的过程可表示为： 是差分图像的像素值，/>是第n+1帧图像的像素值，/>是第n帧图像的像素值，/>是背景图像的像素值，/>是对差分图像的像素值进行二值化处理后的结果，/>是判定该像素点是否为移动目标像素点的可变阈值，所述可变阈值根据环境的变化智能调节；S3：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

S4：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。

进一步的，在S1的步骤中，包括：

所述分割过程包括：

按照最小的预设尺寸进行分割，对所述画面单元进行识别，去除识别失败的所述画面单元得到画面内容和对应的像素坐标，再按照更大预设尺寸重复前述过程进行分割和识别；

将画面内容一致但尺寸大小不同的所述画面单元进行比对，当大尺寸的所述画面单元的像素坐标覆盖了小尺寸的所述画面单元的像素坐标，将小尺寸的所述画面单元移出所述门外物件清单，所述条件表示如下：，分别为所述大尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，/>分别为所述小尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，True表示结果为真值。进一步的，在S2的步骤中，包括：

使用以单高斯模型为基础的背景分割算法对背景图像帧进行建模得到背景模型，减小光照变化、背景混乱运动对背景图像帧的干扰，建模过程包括：

对所述监控画面整体的第一帧图片进行像素分析，进行所述背景模型初始化得到：，/>表示在初始时刻，(x,y)处像素值的均值，/>表示所述第一帧图片在(x,y)处的像素值，/>表示所述背景模型建立时，(x,y)处像素值的方差，/>表示所述背景模型建立时，(x,y)处像素值的标准差，std_init是一个预设的常数；将所述监控画面整体和所述第二子画面集的后续图像帧按时间顺序输入所述背景模型，更新所述背景模型的参数，得到：/>，t表示时间，output(x,y,t)表示t时刻背景图像在(x,y)处的像素值，/>表示时刻输入的图像帧在(x,y)处的像素值，/>表示t时刻前一时刻所述背景模型在(x,y)处的像素均值，λ是一个变化的常数，/>表示t时刻所述背景模型在(x,y)处的像素标准差值，公式含义为：若t时刻的图像帧在(x,y)处的像素值与与上一时刻所述背景模型中对应位置像素值的均值的距离小于所述像素标准差值的λ倍，则输入图像帧在(x,y)处的像素属于背景像素；所述背景模型中的参数随着图像帧的输入而更新，更新过程为：，α是一个大于0且小于1的自定义常数，表示所述背景模型随输入图像帧的更新率。

进一步的，预设的常数λ决定了所述背景模型的准确度，得到最优λ的过程包括：将所述监控画面按时间顺序输入所述背景模型，所述背景模型保持更新，最优λ也随所述背景模型保持更新。

进一步的，所述更新率决定了背景模型的鲁棒性，得到最优α的过程包括：

获取所述监控画面的连续图像帧，计算所述图像帧的亮度，得到亮度变化率：，更新率α用来降低所述背景模型对图像帧的亮度变化率敏感度：。进一步的，在S2的步骤中，还包括：

减小环境噪声对所述移动侦测结果的影响，公式中，得到判定阈值T的过程为：，/>是所述移动侦测的初始判定阈值，β是光照系数，/>是当前图像帧中像素的总数量，A是当前图像帧中像素点的集合。进一步的，所述光照系数β由环境中光照的变化得出，包括：

检测并记录所述监控画面范围内光照的变化频率h，单位为次/分钟，变化幅度g，单位为Lux/次，则光照系数的表达式为：，c、k是两个预设的自定义系数，光照的变化频率和幅度越小，光照系数越小，对判定结果的影响越弱。

进一步的，在S4的步骤中，包括：

将实时的监控画面加密传输到所述移动终端供用户查看；

当侦测到所述监控画面运动且运动后的识别结果与运到前不一致，根据对比前后所述门外物件清单得到的结果，讲所述监控画面发生的变化远程告知用户。

识别门外物件且可报警的智能门锁，应用于上述的识别门外物件且可报警的识别报警方法，所述智能门锁包括：

视频监控模块：获取到监控区域的视屏画面并分成连续的画面帧

画面分割和识别模块：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

移动侦测模块：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测；

风险判别模块：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

远程报警模块：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。

本发明提供了一种识别门外物件且可报警的智能门锁及识别报警方法，具有以下有益效果：

（1）通过将监控画面进行不同尺寸的分割再进行图片识别，使识别结果更加准确，按照识别结果的像素区域再次对监控画面进行定制化分割，完成了对监控画面内容的定向监控，使智能门锁对风险更加敏感；

（2）通过使用帧间差分法和背景差分法相结合的方式对监控画面进行移动侦测，使侦测结果更加准确真实，在选取背景图像帧时，使用基于高斯分布的背景模型对背景图像帧进行背景提取，将背景模型中的判定系数λ跟随图像帧的输而更新，将光照因素融入更新率系数α，提高了背景模型的准确性和鲁棒性；

（3）在差分算法中，通过将环境噪声和光线变化融入判定阈值的确定中，提高了判定结果的准确性。

附图说明

图1为本发明一实施例的识别门外物件且可报警的智能门锁及识别报警方法的流程示意图；

图2为本发明一实施例的可远程看管和报警的门外物件智能识别门锁的模块连接示意图；

图3为本发明一实施例的可远程看管和报警的门外物件智能识别门锁实物示意图；

本发明为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

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的一部分实施例，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作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。

参考图1-3，为本发明提出的识别门外物件且可报警的智能门锁及识别报警方法的示意图；

本发明所提供的识别门外物件且可报警的识别报警方法，步骤包括：

S1：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

S2：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测，所述移动侦测的过程可表示为： 是差分图像的像素值，/>是第n+1帧图像的像素值，/>是第n帧图像的像素值，/>是背景图像的像素值，/>是对差分图像的像素值进行二值化处理后的结果，/>是判定该像素点是否为移动目标像素点的可变阈值，所述可变阈值根据环境的变化智能调节；S3：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

S4：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。

在一个实施例中，本发明提出的识别门外物件且可报警的识别报警方法应用在一个居民楼一楼的一个房子的门锁上，门锁上下都有摄像头，可以对门前范围进行全方位的摄像，通过这样全方位的摄像对该区域进行监控得到监控画面，在门锁安装好后，对门前的初始画面进行拍摄，拍摄后对监控画面按照长宽100像素的尺寸进行分割，得到分割结果，对分割结果进行识别得到图片识别结果，按照100像素的大小不断增加分割的尺寸，再次分割和图片识别，重复分割和识别的过程直到尺寸增加到拍摄画面整体大小，通过这样的分割和逐步识别的方式，能够将监控画面中的所有物体识别出来，再根据识别结果在监控画面中所占的像素区域进行二次画面分割，再针对二次画面分割结果进行图片识别，根据识别结果有针对性得进行移动侦测；在本实施例中，门锁安装好后，对门前的监控画面进行多次分割和识别后得到门前得门外物件清单：小路、绿化带、垃圾桶、石墩、汽车、凉亭，在分割和识别的过程中，绿化带的灌木在较小尺寸的子画面中被识别出，绿化带在覆盖所述灌木的像素区域被识别，因此在门外物件清单中舍去灌木只留下绿化带；将当前的监控画面连续帧输入基于单高斯分布的背景模型中获取背景图像的像素值；对监控画面进行移动侦测后，当监控画面持续5分钟不发生运动时，再次通过背景模型提取背景图像部分的像素值，持续获取监控画面和前一帧监控画面和背景图像进行像素值的差分，将画面中每一个点的像素值的差分结果与阈值进行比较，当大于阈值时，判定该像素点为发生了移动的部分画面的像素点，将所有大于阈值的像素点连通起来，就是画面中的移动部分，当侦测到画面中发生了移动时，就对画面进行再次图片识别，得到新的门外物件清单和对运动部分的识别结果，在本实施例中，该次识别结果为非房屋主人，将移动前后的画面的门外物件清单进行比对，门外物件清单中多出了一项：包裹，于是向房屋主人所持有的移动终端发送警示信息。

在S1的步骤中，包括：

所述分割过程包括：按照最小的预设尺寸进行分割，对所述画面单元进行识别，去除识别失败的所述画面单元得到画面内容和对应的像素坐标，再按照更大预设尺寸重复前述过程进行分割和识别；

将画面内容一致但尺寸大小不同的所述画面单元进行比对，当大尺寸的所述画面单元的像素坐标覆盖了小尺寸的所述画面单元的像素坐标，将小尺寸的所述画面单元移出所述门外物件清单，所述条件表示如下：，分别为所述大尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，/>分别为所述小尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，True表示结果为真值。在具体实施时，经过对监控画面进行多次分割和识别，得到的门外物件清单为：小路、绿化带、垃圾桶、石墩、汽车、凉亭，其中绿化带在画面中的像素区域覆盖了灌木的像素区域，所以就去掉了灌木。

在S2的步骤中，包括：

使用以单高斯模型为基础的背景分割算法对背景图像帧进行建模得到背景模型，减小光照变化、背景混乱运动对背景图像帧的干扰，建模过程包括：

对所述监控画面整体的第一帧图片进行像素分析，进行所述背景模型初始化得到：，/>表示在初始时刻，(x,y)处像素值的均值，/>表示所述第一帧图片在(x,y)处的像素值，/>表示所述背景模型建立时，(x,y)处像素值的方差，/>表示所述背景模型建立时，(x,y)处像素值的标准差，std_init是一个预设的常数；将所述监控画面整体和所述第二子画面集的后续图像帧按时间顺序输入所述背景模型，更新所述背景模型的参数，得到：/>，t表示时间，output(x,y,t)表示t时刻背景图像在(x,y)处的像素值，/>表示时刻输入的图像帧在(x,y)处的像素值，/>表示t时刻前一时刻所述背景模型在(x,y)处的像素均值，λ是一个变化的常数，/>表示t时刻所述背景模型在(x,y)处的像素标准差值，公式含义为：若t时刻的图像帧在(x,y)处的像素值与与上一时刻所述背景模型中对应位置像素值的均值的距离小于所述像素标准差值的λ倍，则输入图像帧在(x,y)处的像素属于背景像素；

所述背景模型中的参数随着图像帧的输入而更新，更新过程为：α大于0且小于1，表示所述背景模型随输入图像帧的更新率。

在具体实施时，把对监控画面的移动侦测问题转化为一个二分类问题，将所有像素划分为背景和运动前景两类，进而对分类结果进行后处理，得到最终检测结果，当场景中无任何运动目标出现时捕获背景图像，但这种方法不能实现自适应，通常仅适应于对场景的短时间监控，不能满足智能监控系统对背景建模的要求，所以在本实施例中，采用背景差分法完成对监控画面的移动侦测；背景差分法的关键是背景模型，它是背景差分法分割运动前景的基础，将图像序列中的当前帧和已经确定好或实时获取的背景参考模型做减法，计算出与背景图像像素差异超过一定阀值的区域作为运动区域，从而来确定运动物体位置、轮廓、大小等特征，在创建背景模型时采用单高斯分布算法，该算法对复杂场景的适应强，能通过自动更新的模型参数来对背景模型调整，同时根据新获取的图像，对背景模型参数进行自适应更新。

预设的常数λ决定了所述背景模型的准确度，得到最优λ的过程包括：，将所述监控画面按时间顺序输入所述背景模型，所述背景模型保持更新，最优λ也随所述背景模型保持更新，通过微积分的方式使其变化更加平滑。

在具体实施时，背景模型的各项参数随着侦测的进行保持更新，λ保持同频率的更新

所述更新率决定了背景模型的鲁棒性，得到最优α的过程包括：

获取所述监控画面的连续图像帧，计算所述图像帧的亮度，得到亮度变化率：，更新率α用来降低所述背景模型对图像帧的亮度变化率敏感度：。在具体实施时，当天气为晴朗且多云时，亮度的变化会间歇性变得剧烈，背景模型的更新不能对亮度过于敏感，所以亮度的变化率成反比。

在S2的步骤中，还包括：

减小环境噪声对所述移动侦测结果的影响，公式中，得到判定阈值T的过程为：，/>是所述移动侦测的初始判定阈值，β是光照系数，/>是当前图像帧中像素的总数量，A是当前图像帧中像素点的集合。在具体实施时，如果阈值T选取的值太小，则无法抑制差分图像中的噪声；如果阈值T选取的值太大，又有可能掩盖差分图像中目标的部分信息；而且固定的阈值无法适应场景中光线变化等情况，所以在本实施例中，通过加入光照系数来调节判定阈值的大小，如果场景中的光照变化较小，则该项的值趋向于零；如果场景中的光照变化明显，则该项的值明显增大，导致上式右侧判决条件自适应地增大，最终的判决结果为没有运动目标，这样就有效地抑制了光线变化对运动目标检测结果的影响。

所述光照系数β由环境中光照的变化得出，包括：

检测并记录所述监控画面范围内光照的变化频率h，单位为次/分钟，变化幅度g，单位为Lux/次，则光照系数的表达式为：，c、k是两个预设的自定义系数，光照的变化频率和幅度越小，光照系数越小，对判定结果的影响越弱。

在具体实施时，经过测试，c的值为3.72、k的值为1.24时得出的光照系数对判定阈值的设定最优，光照的变化率对判定阈值的影响弱于光照幅度变化对判定阈值的影响，当光照的变化率越大和光照的幅度越大时，光照系数的值越大，于是判定阈值就增大，光照的影响就变弱，根据多次试验，本实施例中的光照系数公式能够取得最佳效果。

在S4的步骤中，包括：

将实时的监控画面加密传输到所述移动终端供用户查看；

当侦测到所述监控画面运动且运动后的识别结果与运到前不一致，根据对比前后所述门外物件清单得到的结果，讲所述监控画面发生的变化远程告知用户。

在具体实施时，门锁通过无线网络接入家庭网关，将监测到的变化通过网络发送给对应的移动终端，所述移动终端一般为手机安装的应用程序。

识别门外物件且可报警的智能门锁，应用于上述的识别门外物件且可报警的识别报警方法，所述智能门锁包括：

视频监控模块：获取到监控区域的视屏画面并分成连续的画面帧；

画面分割和识别模块：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

移动侦测模块：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测；

风险判别模块：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

远程报警模块：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。

在一个实施例中，视频监控模块为安装在门锁上的上下两个摄像装置，该摄像装置可以对门前范围进行全方位的监控；画面分割和识别模块为门锁内置的程序，程序包含了对画面的分割和识别的算法实现，在开发完成后植入门锁的芯片中；移动侦测模块包括了单高斯背景模型算法、帧间差分和背景差分相结合的算法，接收画面分割和识别模块输出的分割结果和监控画面，输出移动侦测的结果；风险判别模块通过对监控画面发生移动前后的识别结果进行对比，将对比后发生的变化通过远程报警模块发送到移动终端，所述远程报警模块为物联网通信模块，与房屋内部的网络通过无线信号连接，移动终端为安装在房屋主人手机或其他设备上的监控程序，房屋主人通过监控程序可以调取监控画面主动查看。

综上所述，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.识别门外物件且可报警的识别报警方法，其特征在于，包括：

S1：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

S2：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测，所述移动侦测的过程可表示为： 是差分图像的像素值，/>是第n+1帧图像的像素值，/>是第n帧图像的像素值，是背景图像的像素值，/>是对差分图像的像素值进行二值化处理后的结果，/>是判定所述像素值是否为移动目标像素值的可变阈值，所述可变阈值根据环境的变化智能调节；

S3：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

S4：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。

2.根据权利要求1所述的识别门外物件且可报警的识别报警方法，其特征在于，所述对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容的步骤，包括：

按照最小的预设尺寸进行分割，对所述画面单元进行识别，去除识别失败的所述画面单元得到画面内容和对应的像素坐标，再按照更大预设尺寸重复前述过程进行分割和识别；

将画面内容一致但尺寸大小不同的所述画面单元进行比对，当大尺寸的所述画面单元的像素坐标覆盖了小尺寸的所述画面单元的像素坐标，将小尺寸的所述画面单元移出所述门外物件清单；，其中，/>分别为所述大尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，/>分别为所述小尺寸的所述画面单元从左下角按照逆时针顺序的4个顶点的坐标，True表示结果为真值。

3.根据权利要求1所述的识别门外物件且可报警的识别报警方法，其特征在于，在S2的步骤中，包括：

使用以单高斯模型为基础的背景分割算法对背景图像帧进行建模得到背景模型，减小光照变化、背景混乱运动对背景图像帧的干扰，建模过程包括：

对所述监控画面整体的第一帧图片进行像素分析，进行所述背景模型初始化得到：，/>表示在初始时刻(x,y)处像素值的均值，/>表示所述第一帧图片在(x,y)处的像素值，/>表示所述背景模型建立时(x,y)处像素值的方差，/>表示所述背景模型建立时(x,y)处像素值的标准差，std_init是一个预设的常数；将所述监控画面整体和所述第二子画面集的后续图像帧按时间顺序输入所述背景模型，更新所述背景模型的参数，得到：/>，t表示时间，output(x,y,t)表示t时刻背景图像在(x,y)处的像素值，/>表示时刻输入的图像帧在(x,y)处的像素值，/>表示t时刻前一时刻所述背景模型在(x,y)处的像素均值，λ是一个变化的常数，/>表示t时刻所述背景模型在(x,y)处的像素标准差值，公式含义为：若t时刻的图像帧在(x,y)处的像素值与与上一时刻所述背景模型中对应位置像素值的均值的距离小于所述像素标准差值的λ倍，则输入图像帧在(x,y)处的像素属于背景像素；所述背景模型中的参数随着图像帧的输入而更新，更新过程为：，α是一个大于0且小于1的自定义常数，表示所述背景模型随输入图像帧的更新率。

4.根据权利要求3所述的识别门外物件且可报警的识别报警方法，其特征在于，预设的常数λ决定了所述背景模型的准确度，得到最优λ的过程包括：，将所述监控画面按时间顺序输入所述背景模型，所述背景模型保持更新，最优λ也随所述背景模型保持更新。

5.根据权利要求3所述的识别门外物件且可报警的识别报警方法，其特征在于，所述更新率决定了背景模型的鲁棒性，得到最优α的过程包括：

获取所述监控画面的连续图像帧，计算所述图像帧的亮度，得到亮度变化率：，更新率α用来降低所述背景模型对图像帧的亮度变化率敏感度：。

6.根据权利要求1所述的识别门外物件且可报警的识别报警方法，其特征在于，在S2的步骤中，还包括：

减小环境噪声对所述移动侦测结果的影响，公式中，得到判定阈值T的过程为：，/>是所述移动侦测的初始判定阈值，β是光照系数，/>是当前图像帧中像素的总数量，A是当前图像帧中像素点的集合。

7.根据权利要求6所述的识别门外物件且可报警的识别报警方法，其特征在于，所述光照系数β由环境中光照的变化得出，包括：

检测并记录所述监控画面范围内光照的变化频率h，单位为次/分钟，变化幅度g，单位为Lux/次，则光照系数的表达式为：，c、k是两个预设的自定义系数，光照的变化频率和幅度越小，光照系数越小，对判定结果的影响越弱。

8.根据权利要求1所述的识别门外物件且可报警的识别报警方法，其特征在于，在S4的步骤中，包括：

将实时的监控画面加密传输到所述移动终端供用户查看；

当侦测到所述监控画面运动且运动后的识别结果与运到前不一致，根据对比前后所述门外物件清单得到的结果，讲所述监控画面发生的变化远程告知用户。

9.识别门外物件且可报警的智能门锁，采用权利要求1-8任一项所述的识别门外物件且可报警的识别报警方法，其特征在于，所述智能门锁包括：

视频监控模块：获取到监控区域的视屏画面并分成连续的画面帧；

画面分割和识别模块：对初始监控画面进行预设次数分割得到画面单元，每次分割按照不同的尺寸，得到第一子画面集，使用预训练的卷积神经网络识别所述监控画面和所述第一子画面集得到门外物件清单，所述门外物件清单包括所述初始监控画面中的画面内容；

移动侦测模块：根据所述门外物件清单对所述初始监控画面进行二次分割得到第二子画面集，将所述第二子画面集作为背景图像帧，采用三帧差分法和背景差分法结合的方式对后续监控画面整体和所述第二子画面集的后续状态进行移动侦测；

风险判别模块：当侦测到所述后续监控画面发生运动时，对移动目标进行识别得到目标身份，在所述移动目标移出监控画面时，对所述后续监控画面整体和所述第二子画面集后续状态进行图片识别得到第二识别结果，比对所述第二识别结果与所述门外物件清单得到比对结果；

远程报警模块：向移动终端传输监控画面，当所述目标身份不为房屋主人，且所述比对结果不一致，则向移动终端发送警示信息。