CN116884130A - 一种基于体态识别的智能门禁控制方法和系统 - Google Patents
一种基于体态识别的智能门禁控制方法和系统 Download PDFInfo
- Publication number
- CN116884130A CN116884130A CN202311097118.6A CN202311097118A CN116884130A CN 116884130 A CN116884130 A CN 116884130A CN 202311097118 A CN202311097118 A CN 202311097118A CN 116884130 A CN116884130 A CN 116884130A
- Authority
- CN
- China
- Prior art keywords
- human body
- access control
- behavior action
- gesture
- user identity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 112
- 230000033001 locomotion Effects 0.000 claims abstract description 89
- 230000004927 fusion Effects 0.000 claims description 47
- 238000001514 detection method Methods 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 38
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000002414 leg Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 208000012880 Finger injury Diseases 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 230000036620 skin dryness Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及智能门禁技术领域，尤指一种基于体态识别的智能门禁控制方法和系统，包括以下步骤：通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作。本发明可以实现非接触式的识别，更加卫生、便捷。同时，不受环境影响，能保持较高的识别精度，有效地防止非法进入，且实现无感开门，开门速度快。
Description
技术领域
本发明涉及智能门禁技术领域，尤指一种基于体态识别的智能门禁控制方法和系统。
背景技术
门禁系统包括门禁设备和云服务器，门禁设备通常依赖网络与云服务器进行交互，进而向云服务器上报门禁状态，或者接收云端服务器下发的数据和指令。
现有主流门禁系统主要有密码门禁系统、卡片门禁系统、指纹门禁系统和人脸识别门禁系统，这些系统都存在缺点，具体如下：
密码门禁系统，其安全性较差，容易被破解；
卡片门禁系统，携带不方便，且容易遗失或被盗用；
指纹门禁系统，容易受一些因素(如手指受伤或者手指皮肤干燥)影响导致误判或者无法识别，且指纹信息容易被窃取或者复制，存在被他人盗用、滥用的风险；
人脸识别门禁系统，受到光线、角度、表情、遮挡等多种因素的影响，有时会导致人脸无法被正确识别，同时存在人脸信息被他人盗用、滥用的风险。
发明内容
为解决上述问题，本发明提供一种基于体态识别的智能门禁控制方法和系统，其通过对人体动作、姿态等行为进行识别来实现门禁控制，相比于密码门禁系统、卡片门禁系统，其安全性更高、更便捷且不易被盗用。相比于指纹识别、人脸识别等需要接触识别设备的生物识别技术，基于人体行为动作的门禁系统可以实现非接触式的识别，更加卫生、便捷。同时，不受环境影响，能保持较高的识别精度，有效地防止非法进入，且实现无感开门，开门速度快。与此同时，当体态识别的特征值匹配率较低时，增加了手势识别作为补充识别手段，根据所述第二用户身份信息，通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合识别，提高识别成功率。
为实现上述目的，本发明采用的技术方案是：
一种基于体态识别的智能门禁控制方法，包括以下步骤：
获取用户预先录入的人体行为动作图像，将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息，将所述第一人体姿态和运动特征信息作为第一用户身份信息保存在用户身份校验数据库中；所述人体姿态和运动特征信息包括：人体关键节点位置、人体重心位置、人体运动轨迹、人体行走速度和人体行走方式；
获取用户预先录入的手势图像，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息，所述第二用户身份信息保存在所述用户身份校验数据库中，所述手势特征包括：手指弯曲情况、手部轮廓和手势运动轨迹中的一种或多种；
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启；
当开门成功后，根据所述用户开门记录以及所述第二人体姿态和运动特征信息、手势特征实时修正所述第一用户身份信息和第二用户身份信息；
其中，
所述活体检测包括：眨眼检测、嘴部动作检测、头部转动检测以及表情变化检测中的一种或多种；
所述用户预先录入的人体行为动作图像和手势图像的录入方式包括视频文件录入和现场图像采集。
进一步，所述人体关键节点位置包括：头部、躯干、手臂、手腕、腿部以及脚部之间的相对位置；所述人体运动轨迹包括：人体前后左右移动路径或整体转动路径。
进一步，所述融合识别算法为决策树算法或支持向量机算法。
进一步，所述预处理包括：图像去噪、尺寸调整和帧率控制。
进一步，所述用户身份校验数据库部署在智能门禁设备上。
进一步，所述智能门禁设备包括门禁控制器，所述门禁控制器用于：
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
进一步，所述人体行走方式包括：快速步行、慢速步行和抱臂行走中的一种或多种。
一种基于体态识别的智能门禁控制系统，所述基于体态识别的智能门禁控制系统用于执行如以上所述的基于体态识别的智能门禁控制方法。
进一步，所述基于体态识别的智能门禁控制系统包括：信息采集端、电脑、云端服务器、智能门禁设备和摄像头模组，所述信息采集端通过电脑与所述云端服务器通信连接，所述智能门禁设备与所述云端服务器、摄像头模组通信连接；
所述信息采集端用于现场采集用户的人体行为动作图像和手势图像；
所述电脑用于接收包含用户人体行为动作图像和手势图像的视频文件；还用于将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息；以及，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息；
所述云端服务器用于接收所述电脑上传的所述第一人体姿态和运动特征信息，并将所述第一人体姿态和运动特征信息作为第一用户身份信息发送给所述智能门禁设备；还用于接收所述电脑上传的所述第二用户身份信息，并将所述第二用户身份信息发送给所述智能门禁设备；
所述摄像头模组用于对门禁区域的人体行为动作对象进行活体检测，以及采集门禁区域的人体行为动作对象的人体行为动作图像和手部图像；
所述智能门禁设备用于通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
本发明的有益效果在于：
1.本发明通过对人体动作、姿态等行为进行识别来实现门禁控制，相比于密码门禁系统、卡片门禁系统，其安全性更高、更便捷且不易被盗用。相比于指纹识别、人脸识别等需要接触识别设备的生物识别技术，基于人体行为动作的门禁系统可以实现非接触式的识别，更加卫生、便捷。同时，不受环境影响，能保持较高的识别精度，有效地防止非法进入，且实现无感开门，开门速度快。与此同时，当体态识别的特征值匹配率较低时，增加了手势识别作为补充识别手段，根据所述第二用户身份信息，通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合识别，提高识别成功率。
2.所述用户预先录入的图像的录入方式有多种，可以满足不同的信息采集场景的需求，尤其是，视频文件录入方式，使得用户可以不需要到达现场，就可以远程的完成人体行为动作图像和手势图像的采集，方便实用。
3.本发明先通过了活体检测，再进行门禁权限检验；可以防止他人凭借用户的动作视频欺骗门禁系统，提高安全性。
附图说明
图1是本发明所述基于体态识别的智能门禁控制系统的示意图。
图2是本发明所述基于体态识别的智能门禁控制方法的一个具体实施例示意图。
具体实施方式
请参阅图1-2所示，本发明关于一种基于体态识别的智能门禁控制方法和系统，其通过对人体动作、姿态等行为进行识别来实现门禁控制，相比于密码门禁系统、卡片门禁系统，其安全性更高、更便捷且不易被盗用。相比于指纹识别、人脸识别等需要接触识别设备的生物识别技术，基于人体行为动作的门禁系统可以实现非接触式的识别，更加卫生、便捷。同时，不受环境影响，能保持较高的识别精度，有效地防止非法进入，且实现无感开门，开门速度快。与此同时，当体态识别的特征值匹配率较低时，增加了手势识别作为补充识别手段，根据所述第二用户身份信息，通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合识别，提高识别成功率。
实施例1
一种基于体态识别的智能门禁控制方法，包括以下步骤：
获取用户预先录入的人体行为动作图像，将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息，将所述第一人体姿态和运动特征信息作为第一用户身份信息保存在用户身份校验数据库中；所述人体姿态和运动特征信息包括：人体关键节点位置、人体重心位置、人体运动轨迹、人体行走速度和人体行走方式；
获取用户预先录入的手势图像，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息，所述第二用户身份信息保存在所述用户身份校验数据库中，所述手势特征包括：手指弯曲情况、手部轮廓和手势运动轨迹中的一种或多种；
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启；
当开门成功后，根据所述用户开门记录以及所述第二人体姿态和运动特征信息、手势特征实时修正所述第一用户身份信息和第二用户身份信息；
其中，
所述活体检测包括：眨眼检测、嘴部动作检测、头部转动检测以及表情变化检测中的一种或多种；
所述用户预先录入的人体行为动作图像和手势图像的录入方式包括视频文件录入和现场图像采集。
在本实施例中，可以通过以下几种检测方案来实现活体检测：
1.眨眼检测：检测用户是否能够在一定时间内眨眼，以确认眼睛的活动性。
2.嘴部动作检测：检测用户是否能够做出特定的嘴部动作，如张嘴、说话等，以验证嘴部的活动性。
3.头部转动检测：检测用户是否能够在一定范围内转动头部，以验证头部的活动性。
4.表情变化检测：检测用户是否能够做出不同的表情变化，如微笑、皱眉等，以确认面部的活动性。
需要说明的是，
所述人体姿态和运动特征信息包括：人体关键节点位置、人体重心位置、人体运动轨迹、人体行走速度和人体行走方式；其中，
所述人体关键节点位置包括：头部、躯干、手臂、手腕、腿部以及脚部之间的相对位置；具体的，通过识别和跟踪人体关键节点，如头部、躯干、手臂、手腕、腿部、脚部等的位置和运动轨迹，以分析身体的整体姿态。
所述人体运动轨迹包括：人体前后左右移动路径或整体转动路径。具体的，概括人体的空间运动轨迹，如人体前后左右移动路径、整体转动路径等等，可以揭示人体运动的变化和特征，以及人体所处环境的活动范围。
人体关节角度：通过计算相邻关节点之间的角度、弧度等参数，以及身体各部位的拉伸和收缩程度，可以分析身体各部位的角度大小和变化，如肘部、膝盖、肩膀和腰部等关键部位姿态的变化。
人体重心位置：通过分析身体的重心位置来判断人体的姿态状态，如站立、行走、弯腰、俯视等，还可透过其变化反馈身体平衡状态，与生理健康相连。
所述人体行走方式包括：快速步行、慢速步行和抱臂行走中的一种或多种。需要说明的是，快速步行是一种较快的行走方式，步伐较大，速度相对较快(每秒1.4-1.7米)，人们可能会用力迈开脚步，但仍然一脚接一脚地行走。慢速步行是一种缓慢的行走方式，步伐较小，速度相对较慢(每秒0.8-1.1米)，人们可能会走得相对较稳，节奏较为放缓。抱臂行走是一种行走方式，人们将双臂交叉抱于胸前，步伐可能会更小、更稳，一般表示思索、沉思的状态。
进一步地，所述融合识别算法为决策树算法或支持向量机算法。需要说明的是，决策树算法是一种基于树形结构的分类和回归分析方法。它是一种监督学习算法，适合于处理具有多个属性的数据集，并可用于分类和回归分析等任务。决策树算法的基本思路是，将训练集中的样本根据不同属性排序，并根据每个属性值将样本划分为不同的子集，从而构建出一棵决策树。在决策树的每个节点上通过比较某个属性值，将数据集划分为不同的子集，不断重复这个过程，直到每个子集内的数据都属于一类别或满足某个停止条件为止。在构建决策树时，需要选择合适的属性作为分裂属性，常用的方法是选择能让子集纯度增加最多的属性，这可以通过计算信息增益、信息增益比或基尼指数等指标来实现。除了分类问题，决策树也可以用于解决回归问题，其中采用不同的指标来决定构建过程中使用的属性。决策树算法具有简单易懂、解释性强和适用于多类别问题等优点。
进一步地，所述预处理包括：图像去噪、尺寸调整和帧率控制。
进一步地，所述用户身份校验数据库部署在智能门禁设备上。
进一步地，所述智能门禁设备包括门禁控制器，所述门禁控制器用于：
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
实施例2
一种基于体态识别的智能门禁控制系统，所述基于体态识别的智能门禁控制系统用于执行如实施例1所述的基于体态识别的智能门禁控制方法。
进一步地，所述基于体态识别的智能门禁控制系统包括：信息采集端、电脑、云端服务器、智能门禁设备和摄像头模组，所述信息采集端通过电脑与所述云端服务器通信连接，所述智能门禁设备与所述云端服务器、摄像头模组通信连接；
所述信息采集端用于现场采集用户的人体行为动作图像和手势图像；
所述电脑用于接收包含用户人体行为动作图像和手势图像的视频文件；还用于将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息；以及，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息；
所述云端服务器用于接收所述电脑上传的所述第一人体姿态和运动特征信息，并将所述第一人体姿态和运动特征信息作为第一用户身份信息发送给所述智能门禁设备；还用于接收所述电脑上传的所述第二用户身份信息，并将所述第二用户身份信息发送给所述智能门禁设备；
所述摄像头模组用于对门禁区域的人体行为动作对象进行活体检测，以及采集门禁区域的人体行为动作对象的人体行为动作图像和手部图像；
所述智能门禁设备用于通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
本发明的有益效果在于：
1.本发明通过对人体动作、姿态等行为进行识别来实现门禁控制，相比于密码门禁系统、卡片门禁系统，其安全性更高、更便捷且不易被盗用。相比于指纹识别、人脸识别等需要接触识别设备的生物识别技术，基于人体行为动作的门禁系统可以实现非接触式的识别，更加卫生、便捷。同时，不受环境影响，能保持较高的识别精度，有效地防止非法进入，且实现无感开门，开门速度快。与此同时，当体态识别的特征值匹配率较低时，增加了手势识别作为补充识别手段，根据所述第二用户身份信息，通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合识别，提高识别成功率。
2.所述用户预先录入的图像的录入方式有多种，可以满足不同的信息采集场景的需求，尤其是，视频文件录入方式，使得用户可以不需要到达现场，就可以远程的完成人体行为动作图像和手势图像的采集，方便实用。
3.本发明先通过了活体检测，再进行门禁权限检验；可以防止他人凭借用户的动作视频欺骗门禁系统，提高安全性。
以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
Claims (9)
1.一种基于体态识别的智能门禁控制方法，其特征在于，包括以下步骤：
获取用户预先录入的人体行为动作图像，将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息，将所述第一人体姿态和运动特征信息作为第一用户身份信息保存在用户身份校验数据库中；所述人体姿态和运动特征信息包括：人体关键节点位置、人体重心位置、人体运动轨迹、人体行走速度和人体行走方式；
获取用户预先录入的手势图像，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息，所述第二用户身份信息保存在所述用户身份校验数据库中，所述手势特征包括：手指弯曲情况、手部轮廓和手势运动轨迹中的一种或多种；
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启；
当开门成功后，根据所述用户开门记录以及所述第二人体姿态和运动特征信息、手势特征实时修正所述第一用户身份信息和第二用户身份信息；
其中，
所述活体检测包括：眨眼检测、嘴部动作检测、头部转动检测以及表情变化检测中的一种或多种；
所述用户预先录入的人体行为动作图像和手势图像的录入方式包括视频文件录入和现场图像采集。
2.根据权利要求1所述的基于体态识别的智能门禁控制方法，其特征在于，所述人体关键节点位置包括：头部、躯干、手臂、手腕、腿部以及脚部之间的相对位置；所述人体运动轨迹包括：人体前后左右移动路径或整体转动路径。
3.根据权利要求2所述的基于体态识别的智能门禁控制方法，其特征在于，所述融合识别算法为决策树算法或支持向量机算法。
4.根据权利要求3所述的基于体态识别的智能门禁控制方法，其特征在于，所述预处理包括：图像去噪、尺寸调整和帧率控制。
5.根据权利要求4所述的基于体态识别的智能门禁控制方法，其特征在于，所述用户身份校验数据库部署在智能门禁设备上。
6.根据权利要求5所述的基于体态识别的智能门禁控制方法，其特征在于，所述智能门禁设备包括门禁控制器，所述门禁控制器用于：
通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
7.根据权利要求1所述的基于体态识别的智能门禁控制方法，其特征在于，所述人体行走方式包括：快速步行、慢速步行和抱臂行走中的一种或多种。
8.一种基于体态识别的智能门禁控制系统，其特征在于，所述基于体态识别的智能门禁控制系统用于执行如权利要求1-7任一项所述的基于体态识别的智能门禁控制方法。
9.根据权利要求8所述的基于体态识别的智能门禁控制系统，其特征在于，所述基于体态识别的智能门禁控制系统包括：信息采集端、电脑、云端服务器、智能门禁设备和摄像头模组，所述信息采集端通过电脑与所述云端服务器通信连接，所述智能门禁设备与所述云端服务器、摄像头模组通信连接；
所述信息采集端用于现场采集用户的人体行为动作图像和手势图像；
所述电脑用于接收包含用户人体行为动作图像和手势图像的视频文件；还用于将所述用户预先录入的人体行为动作图像进行预处理，将预处理后的用户预先录入的人体行为动作图像进行分析和识别，提取第一人体姿态和运动特征信息；以及，将所述用户预先录入的手势图像进行预处理，将预处理后的用户预先录入的手势图像进行分析和识别，提取手势特征信息，通过融合识别算法将所述手势特征信息与所述第一人体姿态和运动特征信息进行融合并生成第二用户身份信息；
所述云端服务器用于接收所述电脑上传的所述第一人体姿态和运动特征信息，并将所述第一人体姿态和运动特征信息作为第一用户身份信息发送给所述智能门禁设备；还用于接收所述电脑上传的所述第二用户身份信息，并将所述第二用户身份信息发送给所述智能门禁设备；
所述摄像头模组用于对门禁区域的人体行为动作对象进行活体检测，以及采集门禁区域的人体行为动作对象的人体行为动作图像和手部图像；
所述智能门禁设备用于通过摄像头模组对门禁区域的人体行为动作对象进行活体检测，若检测出活体，则获取所述人体行为动作对象的人体行为动作图像，将获取到的所述人体行为动作图像进行预处理，将预处理后的人体行为动作图像进行分析和识别，提取第二人体姿态和运动特征信息；
将所述第二人体姿态和运动特征信息与所述第一用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作；
若匹配不成功，则提醒所述人体行为动作对象展示手势，并采集所述人体行为动作对象的手部图像，对采集到的手部图像进行处理、分析和识别，提取出手势特征；
通过融合识别算法将所述手势特征与所述第二人体姿态和运动特征信息进行融合，生成融合结果；
将所述融合结果与所述第二用户身份信息进行对比，判断两者是否匹配成功，若匹配成功，则执行开门操作，否则，拒绝门禁开启。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097118.6A CN116884130B (zh) | 2023-08-29 | 2023-08-29 | 一种基于体态识别的智能门禁控制方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097118.6A CN116884130B (zh) | 2023-08-29 | 2023-08-29 | 一种基于体态识别的智能门禁控制方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116884130A true CN116884130A (zh) | 2023-10-13 |
| CN116884130B CN116884130B (zh) | 2024-02-20 |
Family
ID=88270325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311097118.6A Active CN116884130B (zh) | 2023-08-29 | 2023-08-29 | 一种基于体态识别的智能门禁控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116884130B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100303303A1 (en) * | 2009-05-29 | 2010-12-02 | Yuping Shen | Methods for recognizing pose and action of articulated objects with collection of planes in motion |
| WO2013003424A1 (en) * | 2011-06-29 | 2013-01-03 | Amazon Technologies, Inc. | User identification by gesture recognition |
| WO2018228218A1 (zh) * | 2017-06-16 | 2018-12-20 | 腾讯科技（深圳）有限公司 | 身份识别方法、计算设备及存储介质 |
| WO2021000415A1 (zh) * | 2019-07-03 | 2021-01-07 | 平安科技（深圳）有限公司 | 活体用户检测方法、装置、计算机设备和存储介质 |
| CN113836970A (zh) * | 2020-06-23 | 2021-12-24 | 深圳酷派技术有限公司 | 身份验证方法、装置、存储介质和电子设备 |
| CN115690967A (zh) * | 2022-08-25 | 2023-02-03 | 中国工商银行股份有限公司 | 门禁控制方法、系统、电子设备和存储介质 |
| CN116416683A (zh) * | 2023-04-18 | 2023-07-11 | 大连交通大学 | 一种人体姿态、行为识别装置及其姿态、行为识别方法 |
-
2023
- 2023-08-29 CN CN202311097118.6A patent/CN116884130B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100303303A1 (en) * | 2009-05-29 | 2010-12-02 | Yuping Shen | Methods for recognizing pose and action of articulated objects with collection of planes in motion |
| WO2013003424A1 (en) * | 2011-06-29 | 2013-01-03 | Amazon Technologies, Inc. | User identification by gesture recognition |
| WO2018228218A1 (zh) * | 2017-06-16 | 2018-12-20 | 腾讯科技（深圳）有限公司 | 身份识别方法、计算设备及存储介质 |
| WO2021000415A1 (zh) * | 2019-07-03 | 2021-01-07 | 平安科技（深圳）有限公司 | 活体用户检测方法、装置、计算机设备和存储介质 |
| CN113836970A (zh) * | 2020-06-23 | 2021-12-24 | 深圳酷派技术有限公司 | 身份验证方法、装置、存储介质和电子设备 |
| CN115690967A (zh) * | 2022-08-25 | 2023-02-03 | 中国工商银行股份有限公司 | 门禁控制方法、系统、电子设备和存储介质 |
| CN116416683A (zh) * | 2023-04-18 | 2023-07-11 | 大连交通大学 | 一种人体姿态、行为识别装置及其姿态、行为识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李闯;: "基于步态的身份识别技术", 科技信息, no. 12, 25 April 2009 (2009-04-25), pages 63 - 64 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116884130B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Deb et al. | Actions speak louder than (pass) words: Passive authentication of smartphone users via deep temporal features | |
| CN105260726B (zh) | 基于人脸姿态控制的交互式视频活体检测方法及其系统 | |
| Ahmed et al. | Kinect-based gait recognition using sequences of the most relevant joint relative angles | |
| CN107437074A (zh) | 一种身份认证方法和装置 | |
| CN107392112A (zh) | 一种人脸表情识别方法及其应用的智能锁系统 | |
| Kumar et al. | Authenticating users through their arm movement patterns | |
| CN106897658A (zh) | 人脸活体的鉴别方法和装置 | |
| CN109886080A (zh) | 人脸活体检测方法、装置、电子设备及可读存储介质 | |
| Li et al. | Mining key skeleton poses with latent svm for action recognition | |
| CN106295313A (zh) | 对象身份管理方法、装置和电子设备 | |
| WO2015025249A2 (en) | Methods, systems, apparatuses, circuits and associated computer executable code for video based subject characterization, categorization, identification, tracking, monitoring and/or presence response | |
| D'Sa et al. | A survey on vision based activity recognition, its applications and challenges | |
| Saeed | New directions in behavioral biometrics | |
| CN104156650A (zh) | 一种基于手部运动的用户身份识别方法 | |
| CN110599129A (zh) | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 | |
| Li et al. | Handwritten signature authentication using smartwatch motion sensors | |
| Fischer et al. | A dissimilarity measure for on-line signature verification based on the sigma-lognormal model | |
| CN116884130B (zh) | 一种基于体态识别的智能门禁控制方法和系统 | |
| Boncolmo et al. | Gender Identification Using Keras Model Through Detection of Face | |
| CN113673343B (zh) | 一种基于加权元度量学习的开放集掌纹识别系统及方法 | |
| Zedan et al. | Controlling Embedded Systems Remotely via Internet‐of‐Things Based on Emotional Recognition | |
| Liu et al. | Using deep learning for fusion of eye and mouse movement based user authentication | |
| Parmar et al. | Facial-feature based Human-Computer Interface for disabled people | |
| Owaidah et al. | Gait recognition for Saudi Costume using Kinect skeletal tracking | |
| Ismail et al. | Human gesture recognition using a low cost stereo vision in rehab activities |
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 |