[發明專利]一種基于人臉識別的智能門鎖及開鎖方法

有效

• 申請號: 202210833452.2
• 申請日: 2022-07-15
• 公開（公告）號: CN115223278B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 龍文瑞;盧英桂;龍梁容
• 申請（專利權）人: 深圳牛智技術科技有限公司
• 主分類號: G07C9/00
• 分類號: G07C9/00;G06N3/0464;G06N3/08
• 代理公司: 北京中盛智產知識產權代理事務所(普通合伙) 16196
• 代理人: 李忠華

一種基于人臉識別的智能門鎖及開鎖方法，包括信息采集端，信息處理端，智能開鎖模塊；所述信息采集端獲取視頻圖像以及傳感器數據；信息處理端對獲取的視頻圖像及傳感器數據進行矩陣向量化；智能開鎖模塊對信息處理端的信息采用卷積神經網絡處理，當滿足設定閾值時則開鎖，否則繼續保持閉鎖狀態。本發明將獲取的時間段T內的視頻圖像與傳感器數據，進行特征提取形成矩陣向量H，將矩陣向量H輸入至訓練好的卷積神經網絡；所述卷積神經網絡采用損失函數為Q；計算損失函數中，通過將參數Lsubgt;i/subgt;與函數的乘積形式，大大增強了訓練效果，提高了識別準確度增強了門鎖安全性。

技術領域

本發明涉及信息安全技術領域，具體地涉及一種基于人臉識別的智能門鎖及開鎖方法。

背景技術

目前，現有技術中：隨著技術發展，智能門禁系統已經走入人們的日常生活中。更加智能、安全、低成本的門禁系統是智能家居的研究熱點之一。智慧城市建設不斷的推進，智能化產品的安全性和便捷性的研究越來越受重視。通過人工智能識別等方式進行智能門鎖的開關以及在運行保障復雜條件下的設備管控和系統維護，越來越受到歡迎。

但現有的智能門鎖人臉識別技術識別方法，主要是考慮單一的人臉圖像，而對人體軀干、步態、聲音等綜合性信息考慮較少，且由于缺乏對光照、姿態、表情和圖像質量變化的魯棒性，在無約束條件下的人臉識別相對無效。等通過預先假設分布的情況下進行預測，獲得低維特征用來描述人臉，但是問題在于整體的方法沒有辦法包含局部的人臉變化。后續基于局部特征的人臉識別方法逐漸嶄露頭角，但是手工設計的特征往往缺少魯棒性。在深度卷積神經網絡中引入注意力機制，優化損失函數，提高模型的人臉特征提取能力的應用較少，且只是對歐式距離或三角距離的單獨應用。

發明內容

為解決上述技術問題，本發明提供一種基于人臉識別的智能門鎖及開鎖方法，本發明的一種基于人臉識別的智能門鎖及開鎖方法顯著提升了門鎖的自動化工作水平，且門鎖的安全性和便捷性大大提升，增強了用戶體驗；一種基于人臉識別的智能門鎖，包括信息采集端，信息處理端，智能開鎖模塊；所述信息采集端獲取視頻圖像以及傳感器數據；信息處理端對獲取的視頻圖像及傳感器數據進行矩陣向量化；智能開鎖模塊對信息處理端的信息采用卷積神經網絡處理，當滿足設定閾值時則開鎖，否則繼續保持閉鎖狀態；所述傳感器數據包括聲音傳感器獲取的聲音信息，聲音信息y_n(t)由說話聲音分量x_n(t)和腳步聲音分量v_n(t)組成，聲源信息為s(t),聲源反饋參數為g_n,n＝1,2，t為時間，聲音信息滿足：y_n(t)＝s(t)*g_n+v_n(t)＝x_n(t)+v_n(t)；所述矩陣向量化具體為，將獲取的時間段T內的視頻圖像與傳感器數據，進行特征提取形成矩陣向量H，將矩陣向量H輸入至訓練好的卷積神經網絡；所述卷積神經網絡采用損失函數為Q：

L_i＝y_ilog(p_i)+(1-y_i)(1-log(p_i))

其中，p_i表示第i個視頻圖像樣本中是房主本人人臉及軀干的概率，y_i表示為房主本人的人臉及軀干特征參數，將視頻圖像分成N段，s表示幅度冗余值，由房主人臉及軀干的特征確定，m表示角度冗余值，cosθ_i表示第i個視頻圖像樣本向量與房主本人特征向量的余弦值。

優選地，所述卷積神經網絡由三層網絡結構組成，第一層是P-Net，第二層是R-Net，第三層是O-Net，所述P-Net將輸入數據構建5層特征金字塔；所述O-Net輸出最終的人臉和軀干候選框、人臉和軀干置信度和關鍵點信息。

優選地，所述信息處理端采用CSI攝像機通過移動行業處理器接口MIPI連接到配備了深度學習庫的Jetson?Nano嵌入式系統，通過GPIO接口連接。