嵌入式物聯網門鎖人臉識別方法、系統及電子設備技術方案

本發明專利技術公開了嵌入式物聯網門鎖人臉識別方法、系統及電子設備，嵌入式物聯網門鎖人臉識別方法包括以下步驟：S1、人臉數據采集；S2、數據預處理；S3、數據多特征提取；S4、數據多特征融合；S5、構建人臉識別分類模型。嵌入式物聯網門鎖人臉識別系統，采用上述識別方法進行人臉識別，包括數據采集模塊、執行模塊以及數據處理模塊。一種電子設備，具有上述識別系統；電子設備包括處理器、存儲器、總線以及通信接口，所述處理器、通信接口以及存儲器通過總線連接；處理器執行存儲器中存儲的執行模塊。本申請集成了數據預處理、多特征提取、動態卷積神經網絡、粒子群優化和稀疏表達技術。有效在物聯網門鎖使用過程中進行人臉識別，具有較高的精度。精度。精度。

【技術實現步驟摘要】
嵌入式物聯網門鎖人臉識別方法、系統及電子設備


[0001]本專利技術屬于人工智能
，尤其涉及一種嵌入式物聯網門鎖人臉識別方法、系統及電子設備。

技術介紹

[0002]傳統的機械門鎖開關復雜，為了解決這一問題，出現了磁卡鎖和密碼鎖，這在一定程度上方便了人們的生活。然而，隨著這兩種鎖的不斷使用，它們的缺點也暴露了出來，即信息容易丟失、安全性低。隨著物聯網、AI等新科技的飛速發展，人臉識別智能門鎖應運而生。人臉識別在智能門鎖中扮演著重要的作用，提供了許多便利性和安全性的優勢，增加了智能門鎖的價值。首先，人臉識別技術免去了攜帶鑰匙或記住密碼的麻煩，用戶可以通過臉部識別進入家或辦公室，避免了鑰匙丟失或密碼泄露的安全風險。其次，人臉識別技術基于獨特的生物特征進行身份驗證，提供了高度的安全性，難以偽造或冒用，有效防止了非法入侵。此外，人臉識別門鎖系統快速、便捷，用戶只需靠近門鎖，系統即可自動識別并解鎖，提供了便捷的訪問體驗。同時，管理員可以根據需要設置和管理不同用戶的訪問權限，例如限制特定時間段的訪問或授權特定人員進入特定區域，提供了更高級別的安全保護和方便的權限管理。最后，人臉識別門鎖系統具備數據記錄和審計功能，記錄每次識別的時間、地點和用戶信息，有助于安全管理和事件調查。綜上所述，人臉識別在智能門鎖中的作用和價值主要體現在提供方便的無鑰匙訪問、高度安全的身份驗證、快速便捷的門鎖操作、靈活的訪問權限控制以及數據記錄和審計功能。
[0003]CN202310140780.9提出一種基于多任務的人臉識別方法、網絡模型、訓練方法及介質，該方法包括：獲取待識別人臉圖像，并根據待識別人臉圖像進行人臉檢測，得到人臉框圖；將人臉框圖輸入訓練完成的人臉識別網絡模型進行分類識別和關鍵點檢測，得到分類信息和關鍵點信息；根據分類信息和關鍵點信息，得到人臉識別結果。通過本申請方案的實施，在人臉識別時能夠利用一個神經網絡模型執行包括人臉分類識別以及人臉關鍵點檢測的多任務，減少了需要對多個神經網絡模型進行訓練和維護的工作量。
[0004]CN202211741263.9提出一種基于人臉識別的陌生人智能分辨方法，包括以下步驟，首先，面部信息錄入，用戶對準圖像采集模塊，圖像采集模塊對用戶的臉部進行240度的識別并采集人臉的特征信息，中心處理單元針對采集的臉部信息進行面部區域劃分，并對劃分區域進行特征記憶；然后，面部信息建模，針對數據分析的人臉數據進行三維人臉建模，根據人臉部特定肌肉位置、運動數據的特征和人臉部輪廓特征完善人臉建模。通過特征采集模塊，能夠在遠距離對目標人物進行識別，配合識別模塊，能夠實現快速識別，使得整體的識別更加快速高效；同時能夠對目標人物進行識別的同時對安保人員進行提醒，方便安保人員快速作出反應，防止安保事故發生。
[0005]CN202310191801.X提出一種基于人臉識別的智能門鎖，包括主控制面板和鎖具盒。所述主控制面板安裝在門體或門體一側的墻上，所述鎖具盒與門體上的原有門鎖配合解鎖。所述鎖具盒包括裝配座，所述裝配座與原有門鎖的外面板裝配固定。所述裝配座上裝
配有殼體，所述殼體內裝設有擰鎖機構，所述擰鎖機構內設有用于放置解鎖原有門鎖的鑰匙的鑰槽。所述擰鎖機構上設有用于拔出鑰匙的拔鑰組件。所述殼體上裝設有副控制面板，所述殼體與副控制面板之間通過鎖定開關固定連接。與現有技術相比，本申請與原有門鎖配合解鎖，無需拆卸原有門鎖，大大降低安裝門檻和安裝成本。對門體沒有安裝限制，適用于所有防盜門，提升了實用性和適用范圍。
[0006]但現有技術仍存在以下需要進一步提升的地方：
[0007]1、特征提取效率和質量有限：在許多現有的人臉識別技術中，特征提取通常基于靜態的卷積神經網絡，這限制了特征提取的效率和質量。另外，大多數現有技術只能提取到面部的基礎特征，對于更高級的面部抽象特征提取不足。
[0008]2、參數優化存在問題：傳統的神經網絡優化方法，例如梯度下降法，存在梯度消失、梯度爆炸和陷入局部最優的問題。這些問題會影響神經網絡的學習效果和效率。
[0009]3、模型復雜性高、泛化能力差：在現有的人臉識別技術中，分類器模型通常較為復雜，而且泛化能力較差。特別是在面對新的未見過的人臉圖像時，模型的識別性能往往會下降。
[0010]4、數據預處理方法單一：許多現有技術在數據預處理階段，通常只進行了基本的圖像剪裁和質量篩選，沒有考慮到圖像的光照條件、圖像尺寸等因素，導致輸入模型的數據質量和一致性不夠。

技術實現思路

[0011]本專利技術針對上述提出的技術問題，提供一種嵌入式物聯網門鎖人臉識別方法、系統及電子設備。
[0012]本申請提供一種嵌入式物聯網門鎖人臉識別方法，包括以下步驟：
[0013]S1、人臉數據采集
[0014]采集具有解開門鎖權限的人臉圖像數據；包括正面、側面以及不同角度的側臉；所采集的人臉圖像與被采集人的名稱組成訓練樣本數據集，其中人臉圖像為樣本數據，被采集人的名稱為數據的標簽；
[0015]S2、數據預處理
[0016]在采集得到人臉數據后，進行預處理操作，對人臉圖像進行預處理；
[0017]S3、數據多特征提取
[0018]利用采集人臉圖像的特征進行人臉識別模型的訓練與學習；包括S3.1、提取歸一化特征；S3.2、提取面部基礎特征；以及S3.3、提取面部抽象特征；
[0019]S4、數據多特征融合
[0020]將多種特征提取后的特征進行特征融合；
[0021]S5、構建人臉識別分類模型
[0022]所述分類模型包含輸入層、隱藏層以及輸出層；輸入層負責接收輸入特征；隱藏層負責學習輸入和輸出之間的非線性映射；輸出層負責輸出預測結果。
[0023]優選的，所述人S1中，采集時，人臉所在的背景穩定，光照選擇自然光線或均勻的室內光線。
[0024]優選的，所述S3.1中，對于所有的圖像數據，設所有人臉圖像數據的像素值組成的
序列{ax1，ax2，...，ax
n
}，將原始圖像的像素值范圍縮放到[ax
min
，ax
max
]區間范圍內，即：
[0025]ax
min
＝min{ax1，ax2，...，ax
n
}；
[0026]ax
max
＝max{ax1，ax2，...，ax
n
}；
[0027]其中，ax
mi
n表示所有人臉圖像數據像素值中最小的數值，ax
max
表示所有人臉圖像數據像素值中最大的數值，min{ax1，ax2，...，ax
n
}表示所有人臉圖像數據的像素值組成的序列中的最小值，max{ax1，ax2，...，ax
n
}表示所有人臉圖像數據的像素值組成的序列中的最大值；
[0028]然后，對每個像素點的值進行線性變換，使其映射到[0，1]區本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種嵌入式物聯網門鎖人臉識別方法，其特征在于，包括以下步驟：S1、人臉數據采集采集具有解開門鎖權限的人臉圖像數據；包括正面、側面以及不同角度的側臉；所采集的人臉圖像與被采集人的名稱組成訓練樣本數據集，其中人臉圖像為樣本數據，被采集人的名稱為數據的標簽；S2、數據預處理在采集得到人臉數據后，進行預處理操作，對人臉圖像進行預處理；S3、數據多特征提取利用采集人臉圖像的特征進行人臉識別模型的訓練與學習；包括S3.1、提取歸一化特征；S3.2、提取面部基礎特征；以及S3.3、提取面部抽象特征；S4、數據多特征融合將多種特征提取后的特征進行特征融合；S5、構建人臉識別分類模型所述分類模型包含輸入層、隱藏層以及輸出層；輸入層負責接收輸入特征；隱藏層負責學習輸入和輸出之間的非線性映射；輸出層負責輸出預測結果。2.根據權利要求1所述的識別方法，其特征在于，所述人S1中，采集時，人臉所在的背景穩定，光照選擇自然光線或均勻的室內光線。3.根據權利要求1所述的識別方法，其特征在于，所述S3.1中，對于所有的圖像數據，設所有人臉圖像數據的像素值組成的序列{ax1,ax2,...,ax
n
}，將原始圖像的像素值范圍縮放到[ax
min
,ax
max
]區間范圍內，即：ax
min
＝min{ax1,ax2,...,ax
n
}；ax
max
＝max{ax1,ax2,...,ax
n
}；其中，ax
min
表示所有人臉圖像數據像素值中最小的數值，ax
max
表示所有人臉圖像數據像素值中最大的數值，min{ax1,ax2,...,ax
n
}表示所有人臉圖像數據的像素值組成的序列中的最小值，max{ax1,ax2,...,ax
n
}表示所有人臉圖像數據的像素值組成的序列中的最大值；然后，對每個像素點的值進行線性變換，使其映射到[0,1]區間范圍內，即：其中，ax
i
表示第i個像素值歸一化前的數值，ay
i
表示第i個像素值歸一化后的數值；預處理后的人臉圖像被歸一化為具有歸一化特征的數據集aFea；將歸一化后的特征拉伸后拼接，得到一個長向量，表示為iR＝(ir1,ir2,......,irns,,......,irRs)，其中，ir1表示該長向量的第1個元素，ir2表示該長向量的第2個元素，irns表示該長向量的第ns個元素，irRs表示該長向量的第Rs個元素。4.根據權利要求1所述的識別方法，其特征在于，所述S3.2中的基礎特征包括LBP特征、HOG特征以及SIFT特征；LBP特征提取操作的公式表示為：
其中，L
p
(bx,by)表示LBP特征提取操作，(bx,by)為人臉...

【專利技術屬性】
技術研發人員：金城，
申請(專利權)人：江蘇新巢天誠智能技術有限公司，
類型：發明
國別省市：