CN117456584A - 一种应用于智能保险柜的面部识别设备 - Google Patents
一种应用于智能保险柜的面部识别设备 Download PDFInfo
- Publication number
- CN117456584A CN117456584A CN202311498821.8A CN202311498821A CN117456584A CN 117456584 A CN117456584 A CN 117456584A CN 202311498821 A CN202311498821 A CN 202311498821A CN 117456584 A CN117456584 A CN 117456584A
- Authority
- CN
- China
- Prior art keywords
- feature
- module
- image information
- facial
- specific person
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 230000001815 facial effect Effects 0.000 claims description 119
- 238000000605 extraction Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 210000001508 eye Anatomy 0.000 claims description 5
- 210000004709 eyebrow Anatomy 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 5
- 210000000214 mouth Anatomy 0.000 claims description 2
- 210000001331 nose Anatomy 0.000 claims description 2
- 238000009499 grossing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及面部识别技术领域,且公开了一种应用于智能保险柜的面部识别设备,包括面部识别系统,所述面部识别系统与智能保险柜所在空间区域的监控系统网络连接,监控系统是特定人员经常出入的区域安装的监控设备网络互联形成的监控系统,该应用于智能保险柜的面部识别设备,通过将面部识别系统与监控系统网络连接,并利用图像采集模块和特征提取模块的组合,获取两组特定人员的面部特征图像信息的特征部,利用两组特征部的组合作为面部识别系统的识别基准,其中特征一可周期性更新,可以避免非特定人员直接利用特定人员的整个面部特征图像信息开启保险柜,可以提高面部识别系统的识别难度,提高面部识别使用的安全性。
Description
技术领域
本发明涉及面部识别技术领域,具体为一种应用于智能保险柜的面部识别设备。
背景技术
人脸面部识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,随着保险柜的不断发展设计,会在保险柜上安装人脸面部识别设备,利用人脸面部识别作为保险柜开启的识别认证密码。
现有的面部识别是直接录取特定人员的面部特征信息作为识别基准,当需要开启保险箱时,将特定人员的面部特征信息与录入面部识别设备中的识别基准进行匹配对比,当匹配合格时,面部识别通过,保险柜即可打开,但是特征人员的面部信息易获取,非特定人员可通过获取特定人员的面部信息开启保险箱,保险箱的使用安全性不高。
发明内容
为解决以上现有的面部识别技术在使用时,非特定人员可通过获取特定人员的面部信息开启保险箱,保险箱的使用安全性不高的问题,本发明通过以下技术方案予以实现:一种应用于智能保险柜的面部识别设备,包括面部识别系统,所述面部识别系统与智能保险柜所在空间区域的监控系统网络连接,监控系统是特定人员经常出入的区域安装的监控设备网络互联形成的监控系统,所述面部识别系统包括:
图像采集模块,用于通过所述监控系统周期性采集特定人员的面部特征图像信息,并记录为面部特征图像信息库一,同时用于直接采集特定人员的面部特征图像信息,并记录为面部特征图像信息库二;
特征提取模块,用于提取所述图像采集模块采集的所述特定人员的面部特征图像信息,并将所述特定人员的面部特征图像信息分成若干个特征部;
所述特征提取模块提取所述面部特征图像信息库一获得若干特征部一,特征部一是利用监控系统对特定人员的面部特征图像信息进行识别的基准,所述特征提取模块提取所述面部特征图像信息库二获得若干特征部二,特征部二是直接利用面部识别系统对特定人员的面部特征图像信息进行识别的基准,特征部二只需要采集提取一次;
面部识别模块,用于识别特定人员的面部特征,所述面部识别模块包括实时识别子模块和认证识别子模块,所述实时识别子模块用于通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部,所述认证识别子模块用于识别与若干所述特征部二中的特征部相匹配的部分特征部;
所述实时识别子模块和认证识别子模块共同识别的特征部组合能形成特定人员的整个面部特征图像信息时,面部识别通过,所述实时识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不超过75%,同事不低于25%,所述认证识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不低于25%。
进一步的,所述监控系统在能监测到所述特定人员的情况下,所述图像采集模块以天、周或月为周期,每个周期采集若干次所述特定人员的面部特征图像信息,所述周期随时间变化自动更新,所述周期为天时,以小时为单位更新周期,所述周期为周时,以天为单位更新周期,所述周期为月时,以天或周为单位更新周期,例如周期为周,以一天为更新周期,第一个周期为星期一到星期日,则第二周期为本周星期二到下一周星期一。
进一步的,所述特征提取模块包括图像处理子模块和特征参数提取子模块;
所述图像处理子模块对所述特定人员的面部特征图像信息的处理包括中值滤波、灰度化、对比度增强、Sobel边缘提取、相似度计算和二值化;
中值滤波:在图像的采集过程中,由于各种因素的影响,图像中会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏,这些都会影响图像的质量,因此需要将图片进行平滑操作以此来消除噪声。但是如果平滑不当,就会使图像本身的细节如边界轮廓、线条等变的模糊不清,为了既平滑掉噪声有尽量保持图像细节,利用中值滤波算法进行处理,其中处理噪声的过程称为滤波。滤波可以降低图像的视觉噪声。
图像灰度化的过程就是把彩色图像转换为灰度图像的过程,彩色图像包含较多人脸特征信息,但是直接作为处理对象会使过程复杂化。相比之下灰度图像在保留了人脸主要特征信息的基础上,减少了总信息量。
对比度增强:是对图像的进一步处理,将对比度再一次拉开,使图象原本模糊的边缘变得清晰。
Sobel边缘提取:采用梯度微分锐化图像,同样使噪声、条纹等得到增强,Soble算子由于引入了平均因素,因而对图像中的随机噪声有一定的平滑作用;由于它是相隔两行或两列之差分,故边缘两侧之元素得到了增强,故边缘显得粗而亮。
相似度计算:为了便于二值化阈值的确定,肤色相似度计算的意义是通过计算出与人脸肤色相近的像素点,确定人脸区域,用灰度图象显示出来,并为二值化提供一个可计算出阈值的比较值。
二值化的目的是将采集获得的多层次灰度图像处理成二值图像,以便于分析理解和识别并减少计算量。二值化是令整幅图像画面内仅有黑白二值,该图像由黑色区域和白色区域组成,用一个比特表示一个像素,“1”表示黑色,“O”表示白色,这种图像称之为二值图像。这样有利于对特征的提取。
所述特征参数提取子模块用于提取处理后的所述特定人员的面部特征图像信息的特征参数,并将特征参数划分为若干个特征部。
进一步的,所述特征一的特征参数提取深度低于所述特征二的特征参数提取深度,特征一的特征参数提取的深度较低时,每个周期内提取的多次相同的特征一之间会存在差异性,比如面部胡须的差异变化,以便按周期更新利用监控系统对特定人员的面部特征图像信息进行识别的基准,从而提高面部识别系统的识别安全性,特征二的特征参数提取的深度较深,可以避免特定人员因在不同时间面部特征出现差异无法识别。
进一步的,所述特征提取模块提取所述特定人员的面部特征图像信息划分成的特征部包括:侧脸部、正脸部、额头部、眉毛部、眼睛部、鼻子部、嘴巴部、下巴部,例如当实时识别模块识别到侧脸部、额头部、眉毛部、眼睛部、下巴部时,特定人员在进行面部识别时,认证识别子模块只需要识别正脸部、鼻子部、嘴巴部即可,可以提高面部识别的效率。
进一步的,所述图像采集模块每个周期采集m次所述特定人员的面部特征图像信息,所述特征提取模块每个周期提取的所述特定人员的面部特征图像信息的同一特征部均为m次,因此所述实时识别子模块通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部时判断所述特征部是否匹配的方法具体为:
利用所述监控系统获取所述特定人员的面部特征图像信息中的部分特征部,将其中一种特征部分别与采集的m次的对应的特征部进行相似度对比,每次对比的相似度分别为S1、S2、…Sm,获得权重相似度S:
S=k1S1+k2S2+…+kmSm;
其中,k1、k2、…km为每次对比的相似度的权重,所述采集的m次的对应的特征部的采集时间距离所要识别的所述特征部的识别时间越近,权重越大;
设定所述特征部匹配的相似度的最小阈值为S0,当所述相似度S不小于S0时,判定所要识别的所述特征部匹配成功。
进一步的,所述面部识别系统中还包括特征存储模块,所述特征存储模块内部设有若干个存储子模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一;
所述特征存储模块设置有删除模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一。
进一步的,所述存储子模块的个数与所述特征提取模块划分的所述特定人员的面部特征图像信息中特征部的个数相同,例如当所述特征提取模块将所述特定人员的面部特征图像信息划分为n个特征部时,所述存储子模块的个数也是n个;
所述实时识别子模块和认证识别子模块共同识别的特征部组合未能形成特定人员的整个面部特征图像信息时,面部识别不通过;同时若干所述存储子模块中分别抽取一种不同的所述特征部组合形成新的特定人员的整个面部特征图像信息作为面部识别需要匹配的面部特征图像信息。
进一步的,所述面部识别系统应用于保险柜中,当所述面部识别系统中的面部识别模块识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启,实时识别子模块通过监控系统对特定人员的面部特征图像信息进行实时识别,当特定人员需要打开保险柜时,认证识别子模块只需要识别实时识别子模块未识别的特定人员的面部特征图像信息即可,当实时识别子模块和认证识别子模块能识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启。
与现有技术相比,本发明具有以下有益效果:
该应用于智能保险柜的面部识别设备,通过将面部识别系统与监控系统网络连接,并利用图像采集模块和特征提取模块的组合,获取两组特定人员的面部特征图像信息的特征部,利用两组特征部的组合作为面部识别系统的识别基准,其中特征一可周期性更新,可以避免非特定人员直接利用特定人员的整个面部特征图像信息开启保险柜,可以提高面部识别系统的识别难度,提高面部识别使用的安全性,并利用实时识别子模块通过监控系统对特定人员的面部特征图像信息进行实时识别,利用认证识别子模块对特定人员的面部特征图像信息进行局部认证识别,可有效提高面部识别的效率。
附图说明
图1为本发明面部识别系统流程图一;
图2为本发明面部识别系统流程图二。
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。
该应用于智能保险柜的面部识别设备的实施例如下:
请参阅图1-图2,一种应用于智能保险柜的面部识别设备,包括面部识别系统,所述面部识别系统与智能保险柜所在空间区域的监控系统网络连接,监控系统是特定人员经常出入的区域安装的监控设备网络互联形成的监控系统,所述面部识别系统包括:
图像采集模块,用于通过所述监控系统周期性采集特定人员的面部特征图像信息,并记录为面部特征图像信息库一,同时用于直接采集特定人员的面部特征图像信息,并记录为面部特征图像信息库二。
所述监控系统在能监测到所述特定人员的情况下,所述图像采集模块以天、周或月为周期,每个周期采集若干次所述特定人员的面部特征图像信息,所述周期随时间变化自动更新,所述周期为天时,以小时为单位更新周期,所述周期为周时,以天为单位更新周期,所述周期为月时,以天或周为单位更新周期,例如周期为周,以一天为更新周期,第一个周期为星期一到星期日,则第二周期为本周星期二到下一周星期一。
特征提取模块,用于提取所述图像采集模块采集的所述特定人员的面部特征图像信息,并将所述特定人员的面部特征图像信息分成若干个特征部,所述特征提取模块提取所述特定人员的面部特征图像信息划分成的特征部包括:侧脸部、正脸部、额头部、眉毛部、眼睛部、鼻子部、嘴巴部、下巴部。
所述特征提取模块提取所述面部特征图像信息库一获得若干特征部一,特征部一是利用监控系统对特定人员的面部特征图像信息进行识别的基准,所述特征提取模块提取所述面部特征图像信息库二获得若干特征部二,特征部二是直接利用面部识别系统对特定人员的面部特征图像信息进行识别的基准,特征部二只需要采集提取一次。
所述特征提取模块包括图像处理子模块和特征参数提取子模块;所述图像处理子模块对所述特定人员的面部特征图像信息的处理包括中值滤波、灰度化、对比度增强、Sobel边缘提取、相似度计算和二值化。
中值滤波:在图像的采集过程中,由于各种因素的影响,图像中会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏,这些都会影响图像的质量,因此需要将图片进行平滑操作以此来消除噪声。但是如果平滑不当,就会使图像本身的细节如边界轮廓、线条等变的模糊不清,为了既平滑掉噪声有尽量保持图像细节,利用中值滤波算法进行处理,其中处理噪声的过程称为滤波。滤波可以降低图像的视觉噪声。
图像灰度化的过程就是把彩色图像转换为灰度图像的过程,彩色图像包含较多人脸特征信息,但是直接作为处理对象会使过程复杂化。相比之下灰度图像在保留了人脸主要特征信息的基础上,减少了总信息量。
对比度增强:是对图像的进一步处理,将对比度再一次拉开,使图象原本模糊的边缘变得清晰。
Sobel边缘提取:采用梯度微分锐化图像,同样使噪声、条纹等得到增强,Soble算子由于引入了平均因素,因而对图像中的随机噪声有一定的平滑作用;由于它是相隔两行或两列之差分,故边缘两侧之元素得到了增强,故边缘显得粗而亮。
相似度计算:为了便于二值化阈值的确定,肤色相似度计算的意义是通过计算出与人脸肤色相近的像素点,确定人脸区域,用灰度图象显示出来,并为二值化提供一个可计算出阈值的比较值。
二值化的目的是将采集获得的多层次灰度图像处理成二值图像,以便于分析理解和识别并减少计算量。二值化是令整幅图像画面内仅有黑白二值,该图像由黑色区域和白色区域组成,用一个比特表示一个像素,“1”表示黑色,“O”表示白色,这种图像称之为二值图像。这样有利于对特征的提取。
所述特征参数提取子模块用于提取处理后的所述特定人员的面部特征图像信息的特征参数,并将特征参数划分为若干个特征部。
所述特征一的特征参数提取深度低于所述特征二的特征参数提取深度,特征一的特征参数提取的深度较低时,每个周期内提取的多次相同的特征一之间会存在差异性,比如面部胡须的差异变化,以便按周期更新利用监控系统对特定人员的面部特征图像信息进行识别的基准,从而提高面部识别系统的识别安全性,特征二的特征参数提取的深度较深,可以避免特定人员因在不同时间面部特征出现差异无法识别。
面部识别模块,用于识别特定人员的面部特征,所述面部识别模块包括实时识别子模块和认证识别子模块,所述实时识别子模块用于通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部,所述认证识别子模块用于识别与若干所述特征部二中的特征部相匹配的部分特征部。
所述图像采集模块每个周期采集m次所述特定人员的面部特征图像信息,所述特征提取模块每个周期提取的所述特定人员的面部特征图像信息的同一特征部均为m次,因此所述实时识别子模块通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部时判断所述特征部是否匹配的方法具体为:
利用所述监控系统获取所述特定人员的面部特征图像信息中的部分特征部,将其中一种特征部分别与采集的m次的对应的特征部进行相似度对比,每次对比的相似度分别为S1、S2、…Sm,获得权重相似度S:
S=k1S1+k2S2+…+kmSm;
其中,k1、k2、…km为每次对比的相似度的权重,所述采集的m次的对应的特征部的采集时间距离所要识别的所述特征部的识别时间越近,权重越大;
设定所述特征部匹配的相似度的最小阈值为S0,当所述相似度S不小于S0时,判定所要识别的所述特征部匹配成功。
所述实时识别子模块和认证识别子模块共同识别的特征部组合能形成特定人员的整个面部特征图像信息时,面部识别通过,例如当实时识别模块识别到侧脸部、额头部、眉毛部、眼睛部、下巴部时,特定人员在进行面部识别时,认证识别子模块只需要识别正脸部、鼻子部、嘴巴部即可,可以提高面部识别的效率。
所述实时识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不超过75%,同事不低于25%,所述认证识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不低于25%。
所述面部识别系统中还包括特征存储模块,所述特征存储模块内部设有若干个存储子模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一,所述存储子模块的个数与所述特征提取模块划分的所述特定人员的面部特征图像信息中特征部的个数相同,例如当所述特征提取模块将所述特定人员的面部特征图像信息划分为n个特征部时,所述存储子模块的个数也是n个。
所述特征存储模块设置有删除模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一。
所述实时识别子模块和认证识别子模块共同识别的特征部组合未能形成特定人员的整个面部特征图像信息时,面部识别不通过;同时若干所述存储子模块中分别抽取一种不同的所述特征部组合形成新的特定人员的整个面部特征图像信息作为面部识别需要匹配的面部特征图像信息。
所述面部识别系统应用于保险柜中,当所述面部识别系统中的面部识别模块识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启,实时识别子模块通过监控系统对特定人员的面部特征图像信息进行实时识别,当特定人员需要打开保险柜时,认证识别子模块只需要识别实时识别子模块未识别的特定人员的面部特征图像信息即可,当实时识别子模块和认证识别子模块能识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启。
保险柜的面部识别设备运行原理:
将面部识别设备安装在保险柜中,将面部识别设备的面部识别系统与特定人员经常出入的区域中的监控系统通过网络连接在一起,利用图像采集模块通过所述监控系统周期性采集特定人员的面部特征图像信息,并记录为面部特征图像信息库一,同时直接采集特定人员的面部特征图像信息,并记录为面部特征图像信息库二。
面部识别系统中的特征提取模块提取所述图像采集模块采集的所述特定人员的面部特征图像信息,并将所述特定人员的面部特征图像信息分成若干个特征部,包括侧脸部、正脸部、额头部、眉毛部、眼睛部、鼻子部、嘴巴部、下巴部。
所述特征提取模块提取所述面部特征图像信息库一获得若干特征部一,特征部一是利用监控系统对特定人员的面部特征图像信息进行识别的基准,所述特征提取模块提取所述面部特征图像信息库二获得若干特征部二,特征部二是直接利用面部识别系统对特定人员的面部特征图像信息进行识别的基准,特征部二只需要采集提取一次。
面部识别系统面部识别模块包括实时识别子模块和认证识别子模块,所述实时识别子模块通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部,所述认证识别子模块识别与若干所述特征部二中的特征部相匹配的部分特征部。
所述实时识别子模块和认证识别子模块共同识别的特征部组合能形成特定人员的整个面部特征图像信息时,面部识别通过,所述实时识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不超过75%,同事不低于25%,所述认证识别子模块识别的特征部占特定人员的整个面部特征图像信息的比例不低于25%。
实时识别子模块通过监控系统对特定人员的面部特征图像信息进行实时识别,当特定人员需要打开保险柜时,认证识别子模块只需要识别实时识别子模块未识别的特定人员的面部特征图像信息即可,当实时识别子模块和认证识别子模块能识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启。
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)
1.一种应用于智能保险柜的面部识别设备,包括面部识别系统,所述面部识别系统与智能保险柜所在空间区域的监控系统网络连接,其特征在于:所述面部识别系统包括:
图像采集模块,用于通过所述监控系统周期性采集特定人员的面部特征图像信息,并记录为面部特征图像信息库一,同时用于直接采集特定人员的面部特征图像信息,并记录为面部特征图像信息库二;
特征提取模块,用于提取所述图像采集模块采集的所述特定人员的面部特征图像信息,并将所述特定人员的面部特征图像信息分成若干个特征部;
所述特征提取模块提取所述面部特征图像信息库一获得若干特征部一,所述特征提取模块提取所述面部特征图像信息库二获得若干特征部二;
面部识别模块,用于识别特定人员的面部特征,所述面部识别模块包括实时识别子模块和认证识别子模块,所述实时识别子模块用于通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部,所述认证识别子模块用于识别与若干所述特征部二中的特征部相匹配的部分特征部;
所述实时识别子模块和认证识别子模块共同识别的特征部组合能形成特定人员的整个面部特征图像信息时,面部识别通过。
2.根据权利要求1所述的应用于智能保险柜的面部识别设备,其特征在于:所述监控系统在能监测到所述特定人员的情况下,所述图像采集模块以天、周或月为周期,每个周期采集若干次所述特定人员的面部特征图像信息。
3.根据权利要求1所述的应用于智能保险柜的面部识别设备,其特征在于:所述特征提取模块包括图像处理子模块和特征参数提取子模块;
所述图像处理子模块对所述特定人员的面部特征图像信息的处理包括中值滤波、灰度化、对比度增强、Sobel边缘提取、相似度计算和二值化;
所述特征参数提取子模块用于提取处理后的所述特定人员的面部特征图像信息的特征参数,并将特征参数划分为若干个特征部。
4.根据权利要求3所述的应用于智能保险柜的面部识别设备,其特征在于:所述特征一的特征参数提取深度低于所述特征二的特征参数提取深度。
5.根据权利要求4所述的应用于智能保险柜的面部识别设备,其特征在于:所述特征提取模块提取所述特定人员的面部特征图像信息划分成的特征部包括:侧脸部、正脸部、额头部、眉毛部、眼睛部、鼻子部、嘴巴部、下巴部。
6.根据权利要求5所述的应用于智能保险柜的面部识别设备,其特征在于:所述图像采集模块每个周期采集m次所述特定人员的面部特征图像信息,所述特征提取模块每个周期提取的所述特定人员的面部特征图像信息的同一特征部均为m次,因此所述实时识别子模块通过所述监控系统实时识别若干与所述特征部一中的特征部相匹配的部分特征部时判断所述特征部是否匹配的方法具体为:
利用所述监控系统获取所述特定人员的面部特征图像信息中的部分特征部,将其中一种特征部分别与采集的m次的对应的特征部进行相似度对比,每次对比的相似度分别为S1、S2、…Sm,获得权重相似度S:
S=k1S1+k2S2+…+kmSm;
其中,k1、k2、…km为每次对比的相似度的权重,所述采集的m次的对应的特征部的采集时间距离所要识别的所述特征部的识别时间越近,权重越大;
设定所述特征部匹配的相似度的最小阈值为S0,当所述相似度S不小于S0时,判定所要识别的所述特征部匹配成功。
7.根据权利要求2所述的应用于智能保险柜的面部识别设备,其特征在于:所述面部识别系统中还包括特征存储模块,所述特征存储模块内部设有若干个存储子模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一;
所述特征存储模块设置有删除模块,所述存储子模块用于储存每个周期内所述特征提取模块提取的特征部一,若干个所述存储子模块存储若干个连续周期的所述特征提取模块提取的特征部一。
8.根据权利要求7所述的应用于智能保险柜的面部识别设备,其特征在于:所述存储子模块的个数与所述特征提取模块划分的所述特定人员的面部特征图像信息中特征部的个数相同;
所述实时识别子模块和认证识别子模块共同识别的特征部组合未能形成特定人员的整个面部特征图像信息时,面部识别不通过;同时若干所述存储子模块中分别抽取一种不同的所述特征部组合形成新的特定人员的整个面部特征图像信息作为面部识别需要匹配的面部特征图像信息。
9.根据权利要求1-8任一项所述的应用于智能保险柜的面部识别设备,其特征在于:所述面部识别系统应用于保险柜中,当所述面部识别系统中的面部识别模块识别特定人员的整个面部特征图像信息时,面部识别通过,保险柜开启。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311498821.8A CN117456584A (zh) | 2023-11-13 | 2023-11-13 | 一种应用于智能保险柜的面部识别设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311498821.8A CN117456584A (zh) | 2023-11-13 | 2023-11-13 | 一种应用于智能保险柜的面部识别设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117456584A true CN117456584A (zh) | 2024-01-26 |
Family
ID=89592791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311498821.8A Pending CN117456584A (zh) | 2023-11-13 | 2023-11-13 | 一种应用于智能保险柜的面部识别设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117456584A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1659578A (zh) * | 2002-06-03 | 2005-08-24 | 皇家飞利浦电子股份有限公司 | 使用半脸图像的脸部识别 |
CN102900305A (zh) * | 2012-07-13 | 2013-01-30 | 太仓博天网络科技有限公司 | 一种基于人脸识别的无钥保险柜系统 |
US20130070975A1 (en) * | 2009-12-02 | 2013-03-21 | At&T Intellectual Property I, L.P. | System and Method to Assign a Digital Image to a Face Cluster |
US20150317511A1 (en) * | 2013-11-07 | 2015-11-05 | Orbeus, Inc. | System, method and apparatus for performing facial recognition |
CN106156702A (zh) * | 2015-04-01 | 2016-11-23 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
KR20170077366A (ko) * | 2015-12-28 | 2017-07-06 | 삼성에스디에스 주식회사 | 얼굴 인식 시스템 및 방법 |
CN109658554A (zh) * | 2018-11-19 | 2019-04-19 | 合肥未来计算机技术开发有限公司 | 一种基于大数据的智能小区安防系统 |
WO2019201304A1 (zh) * | 2018-04-20 | 2019-10-24 | 比亚迪股份有限公司 | 基于人脸识别的语音处理方法及其设备 |
CN111695434A (zh) * | 2020-05-19 | 2020-09-22 | 南京雁有栖信息技术有限公司 | 一种面部识别门禁系统及识别方法 |
WO2021244414A1 (zh) * | 2020-06-05 | 2021-12-09 | 吉林求是光谱数据科技有限公司 | 基于光谱与多波段融合的人脸识别监控系统及识别方法 |
US20210406353A1 (en) * | 2020-06-29 | 2021-12-30 | Zkteco Usa | System and method for biometric authentication |
CN114694226A (zh) * | 2022-03-31 | 2022-07-01 | 北京瑞莱智慧科技有限公司 | 一种人脸识别方法、系统及存储介质 |
CN114827535A (zh) * | 2022-04-06 | 2022-07-29 | 杭州登虹科技有限公司 | 一种基于人脸识别的网络视频监控系统 |
CN115311706A (zh) * | 2019-08-28 | 2022-11-08 | 视联动力信息技术股份有限公司 | 人员识别方法、装置、终端设备和存储介质 |
CN115641643A (zh) * | 2022-09-19 | 2023-01-24 | 北京京东尚科信息技术有限公司 | 步态识别模型的训练方法、步态识别方法、装置及设备 |
-
2023
- 2023-11-13 CN CN202311498821.8A patent/CN117456584A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1659578A (zh) * | 2002-06-03 | 2005-08-24 | 皇家飞利浦电子股份有限公司 | 使用半脸图像的脸部识别 |
US20130070975A1 (en) * | 2009-12-02 | 2013-03-21 | At&T Intellectual Property I, L.P. | System and Method to Assign a Digital Image to a Face Cluster |
CN102900305A (zh) * | 2012-07-13 | 2013-01-30 | 太仓博天网络科技有限公司 | 一种基于人脸识别的无钥保险柜系统 |
US20150317511A1 (en) * | 2013-11-07 | 2015-11-05 | Orbeus, Inc. | System, method and apparatus for performing facial recognition |
CN106156702A (zh) * | 2015-04-01 | 2016-11-23 | 北京市商汤科技开发有限公司 | 身份认证方法及设备 |
KR20170077366A (ko) * | 2015-12-28 | 2017-07-06 | 삼성에스디에스 주식회사 | 얼굴 인식 시스템 및 방법 |
WO2019201304A1 (zh) * | 2018-04-20 | 2019-10-24 | 比亚迪股份有限公司 | 基于人脸识别的语音处理方法及其设备 |
CN109658554A (zh) * | 2018-11-19 | 2019-04-19 | 合肥未来计算机技术开发有限公司 | 一种基于大数据的智能小区安防系统 |
CN115311706A (zh) * | 2019-08-28 | 2022-11-08 | 视联动力信息技术股份有限公司 | 人员识别方法、装置、终端设备和存储介质 |
CN111695434A (zh) * | 2020-05-19 | 2020-09-22 | 南京雁有栖信息技术有限公司 | 一种面部识别门禁系统及识别方法 |
WO2021244414A1 (zh) * | 2020-06-05 | 2021-12-09 | 吉林求是光谱数据科技有限公司 | 基于光谱与多波段融合的人脸识别监控系统及识别方法 |
US20210406353A1 (en) * | 2020-06-29 | 2021-12-30 | Zkteco Usa | System and method for biometric authentication |
CN114694226A (zh) * | 2022-03-31 | 2022-07-01 | 北京瑞莱智慧科技有限公司 | 一种人脸识别方法、系统及存储介质 |
CN114827535A (zh) * | 2022-04-06 | 2022-07-29 | 杭州登虹科技有限公司 | 一种基于人脸识别的网络视频监控系统 |
CN115641643A (zh) * | 2022-09-19 | 2023-01-24 | 北京京东尚科信息技术有限公司 | 步态识别模型的训练方法、步态识别方法、装置及设备 |
Non-Patent Citations (3)
Title |
---|
YAN LIJUAN等: ""A face recognition algorithm based on the combine of image feature compensation and improved PSO"", 《SCIENTIFIC REPORTS》, 31 July 2023 (2023-07-31), pages 1 - 15 * |
刘兴莲等: ""孤独症谱系障碍儿童早期行为学特征分析"", 《中国妇幼保健》, vol. 32, no. 18, 31 December 2017 (2017-12-31), pages 4441 - 4445 * |
姜岳波等: ""特殊针法治疗面神经麻痹临床研究"", 《针灸临床杂志》, vol. 30, no. 1, 31 December 2014 (2014-12-31), pages 3 - 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359634B (zh) | 一种基于双目摄像机的人脸活体检测方法 | |
CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN111126219A (zh) | 一种基于人工智能的变电站人员的身份识别系统和方法 | |
CN112437280A (zh) | 一种基于大数据分析的智慧监控安防数据处理管理系统 | |
CN111860538A (zh) | 一种基于图像处理的舌体颜色鉴别方法和装置 | |
CN108369644B (zh) | 一种定量检测人脸抬头纹的方法、智能终端和存储介质 | |
CN105975952A (zh) | 一种视频图像中大胡子检测的方法及系统 | |
Monwar et al. | Pain recognition using artificial neural network | |
CN109785321A (zh) | 基于深度学习和Gabor滤波器的睑板腺区域提取方法 | |
CN114582003B (zh) | 一种基于云计算服务的睡眠健康管理系统 | |
CN112150692A (zh) | 一种基于人工智能的门禁控制方法及系统 | |
CN115690884A (zh) | 一种人脸识别方法、系统、存储介质及计算设备 | |
Naveen et al. | Face recognition and authentication using LBP and BSIF mask detection and elimination | |
CN110443577A (zh) | 一种基于人脸识别的校园考勤系统 | |
CN117456584A (zh) | 一种应用于智能保险柜的面部识别设备 | |
CN111814738A (zh) | 基于人工智能的人脸识别方法、装置、计算机设备及介质 | |
CN104573743A (zh) | 一种人脸图像检测过滤方法 | |
Karungaru et al. | Face recognition in colour images using neural networks and genetic algorithms | |
CN114677750A (zh) | 基于大数据的智慧商场人脸识别系统和方法 | |
CN112613432B (zh) | 一种基于人脸-人眼检测的“水客”判定海关查验系统 | |
CN111898464A (zh) | 一种基于5g网络的人脸识别方法 | |
CN114463814A (zh) | 一种基于图像处理的快速证件照眼镜检测方法 | |
CN112818728B (zh) | 年龄识别的方法及相关产品 | |
Bianchini et al. | An eye detection system based on neural autoassociators | |
CN112004056A (zh) | 一种抗干扰能力强的智能视频分析方法 |
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 |