本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于人臉識(shí)別的門鏡系統(tǒng)及其人臉識(shí)別方法。

背景技術(shù)：

隨著視頻監(jiān)控技術(shù)的發(fā)展，基于視頻的人臉識(shí)別已經(jīng)取得良好的發(fā)展，并且在智能交通、門禁、信息安全等安保和安防領(lǐng)域中具有十分重要的作用?，F(xiàn)有的視頻人臉識(shí)別方法是一種視頻對(duì)靜態(tài)圖像的識(shí)別，采用人臉視頻作為輸入，通過和靜態(tài)圖像的人臉數(shù)據(jù)庫(kù)進(jìn)行對(duì)比來實(shí)現(xiàn)識(shí)別或者驗(yàn)證。

傳統(tǒng)的視頻對(duì)靜態(tài)圖像識(shí)別的一種方法是對(duì)每一幀人臉圖像采用靜態(tài)人臉識(shí)別的方法來識(shí)別，最后按照概率、距離判斷等方式，綜合所有識(shí)別結(jié)果；另一種方法是利用視頻序列生成人臉模型或者基于運(yùn)動(dòng)時(shí)序信息生成人臉模型的方法；上述兩種方法沒有有效地過濾和補(bǔ)償視頻里的各種人臉變化，因而視頻人臉識(shí)別的魯棒性有待提高。

將人臉識(shí)別系統(tǒng)應(yīng)用在智能家居系統(tǒng)中，是現(xiàn)代智能家居發(fā)展的需要。在智能家居的室外機(jī)上添加人臉檢測(cè)和人臉識(shí)別功能，當(dāng)室外機(jī)的傳感器檢測(cè)到有人靠近或者有人訪問時(shí)，通過室外機(jī)的攝像頭獲取視頻流，對(duì)它持續(xù)進(jìn)行人臉檢測(cè)。判斷人臉識(shí)別方法是否適應(yīng)于智能家居系統(tǒng)的標(biāo)準(zhǔn)，是系統(tǒng)檢測(cè)速度和準(zhǔn)確度，因此，如何提高人臉識(shí)別系統(tǒng)的檢測(cè)速度和準(zhǔn)確度是其發(fā)展的關(guān)鍵。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的以上問題，提供一種基于人臉識(shí)別的門鏡系統(tǒng)及其人臉識(shí)別方法，本發(fā)明是基于人臉識(shí)別的門鏡系統(tǒng)，用統(tǒng)計(jì)的方法對(duì)人臉進(jìn)行建模，比較所有可能的待檢測(cè)區(qū)域與人臉模型的匹配度，從而得到可能存在的人臉區(qū)域，基于haar分類器的方法，計(jì)算速度較快，能夠提高識(shí)別效率。

為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：

一種基于人臉識(shí)別的門鏡系統(tǒng)，其包括：室外機(jī)、室內(nèi)機(jī)、云服務(wù)器、移動(dòng)終端，所述室外機(jī)為人臉識(shí)別裝置，所述室外機(jī)安裝在門鏡系統(tǒng)的入戶處，所述室內(nèi)機(jī)安裝在室內(nèi)，且與所述室外機(jī)信息交互，所述室外機(jī)獲取人臉圖像，并進(jìn)行檢測(cè)和識(shí)別，然后將識(shí)別結(jié)果輸出至所述室內(nèi)機(jī)，所述室內(nèi)機(jī)獲取的信息傳輸至所述云服務(wù)器，所述云服務(wù)器將信息傳輸至所述移動(dòng)終端，

還包括入戶燈，所述入戶燈受所述室外機(jī)控制，所述室外機(jī)檢測(cè)到人臉時(shí)，所述入戶燈自動(dòng)亮起；

所述室外機(jī)包括：輸入圖像模塊、人臉檢測(cè)模塊、特征提取模塊、人臉識(shí)別模塊、結(jié)果輸出模塊，所述輸入圖像模塊獲取人臉視頻圖像，并將人臉圖像傳輸給所述人臉檢測(cè)模塊；

所述人臉檢測(cè)模塊對(duì)人臉進(jìn)行建模，比較所有待檢測(cè)區(qū)域與人臉模型的匹配度，得到可能存在的人臉區(qū)域，所述人臉檢測(cè)模塊利用haar分類器對(duì)人臉和非人臉進(jìn)行分類，在對(duì)人臉和非人臉進(jìn)行分類過程中，針對(duì)不同訓(xùn)練集來訓(xùn)練弱分類器，然后將這些在不同訓(xùn)練集中得到的弱分類器集合起來，構(gòu)造一個(gè)強(qiáng)分類器，其中，每一層adaboost算法訓(xùn)練得到一個(gè)強(qiáng)分類器，經(jīng)過閾值調(diào)整，使得每一層能讓全部人臉樣本通過，每一層都拒絕非人臉樣本，靠近前面的層拒絕了大部分非人臉樣本，經(jīng)過所述人臉檢測(cè)模塊檢測(cè)后得到是否屬于人臉的信號(hào)，并將信號(hào)傳輸給所述特征提取模塊，所述特征提取模塊提取矩形特征，然后將提取的矩形特征輸送至所述人臉識(shí)別模塊；

所述人臉識(shí)別模塊將所述人臉檢測(cè)模塊檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)進(jìn)行相似度比較，預(yù)先設(shè)置相似度閾值，當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)相似度大于閾值時(shí)，識(shí)別成功；當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)相似度小于閾值時(shí)，識(shí)別失?。?/p>

所述結(jié)果輸出模塊將所述人臉識(shí)別模塊的識(shí)別結(jié)果輸出至所述室內(nèi)機(jī)，所述室內(nèi)機(jī)根據(jù)識(shí)別結(jié)果來顯示被識(shí)別的人臉是否屬于人臉數(shù)據(jù)庫(kù)中的人臉，自動(dòng)或者人為確定是否開門。

進(jìn)一步優(yōu)選地，所述人臉檢測(cè)模塊利用haar分類器建模的方法包括：

所述特征提取模塊提取人臉特征集和非人臉特征集，構(gòu)造haar特征，計(jì)算人臉特征值，再提取人臉特征值，構(gòu)造弱分類器；利用弱分類器和adaboost算法訓(xùn)練得到一個(gè)強(qiáng)分類器，得到人臉和非人臉的強(qiáng)分類器；重復(fù)訓(xùn)練過程，得到多個(gè)強(qiáng)分類器，再將多個(gè)強(qiáng)分類器組成級(jí)聯(lián)結(jié)構(gòu)。

進(jìn)一步優(yōu)選地，所述人臉檢測(cè)模塊與人臉識(shí)別模塊在人臉檢測(cè)和人臉識(shí)別過程中，所述人臉檢測(cè)模塊將檢測(cè)到的人臉圖像傳輸給所述人臉識(shí)別模塊，如果所述人臉識(shí)別模塊識(shí)別到人臉與人臉數(shù)據(jù)庫(kù)中的人臉匹配，則將匹配正確的信號(hào)傳輸至所述人臉檢測(cè)模塊，所述人臉檢測(cè)模塊在未獲得新的人臉圖像之前，停止對(duì)人臉檢測(cè)；如果所述人臉識(shí)別模塊識(shí)別到人臉與人臉數(shù)據(jù)庫(kù)中的人臉不匹配，則將匹配錯(cuò)誤的信號(hào)傳輸至所述人臉檢測(cè)模塊，所述人臉檢測(cè)模塊循環(huán)檢測(cè)。

進(jìn)一步優(yōu)選地，當(dāng)所述室外機(jī)檢測(cè)到人臉時(shí)，所述室內(nèi)機(jī)沒有應(yīng)答，通過所述云服務(wù)器將信息發(fā)送至移動(dòng)終端，同時(shí)所述云服務(wù)器將相關(guān)人臉數(shù)據(jù)記錄保存。

進(jìn)一步優(yōu)選地，所述特征提取模塊提取人臉的特征包括：低層特征、組群特征、變形模型。

進(jìn)一步優(yōu)選地，所述低層特征包括：灰度、紋理、顏色、運(yùn)動(dòng)，所述組群特征包括：特征搜索、星群分析，所述變形模塊包括：彈性模板、點(diǎn)頒布模型、活動(dòng)輪廓模型。

進(jìn)一步優(yōu)選地，一種人臉識(shí)別方法，包括以下步驟：

s101室外機(jī)的傳感器檢測(cè)到有人靠近，通過攝像頭獲取人臉圖像的視頻流；

s102室外機(jī)根據(jù)人臉的特征值，人臉檢測(cè)模塊在檢測(cè)過程中，已經(jīng)訓(xùn)練好的分類器用不同的尺度遍歷輸入的人臉圖像的每一個(gè)像素，來檢測(cè)不同大小的人臉，當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)里面的人臉相似度高于閾值，識(shí)別出是否是在數(shù)據(jù)庫(kù)中登記記錄的成員；

s103將識(shí)別結(jié)果傳輸至室內(nèi)機(jī)；

s104當(dāng)室內(nèi)機(jī)沒有應(yīng)答時(shí)，室內(nèi)機(jī)將接收到的人臉圖像發(fā)送至云服務(wù)器，云服務(wù)器發(fā)送到遠(yuǎn)程的移動(dòng)終端上。

本發(fā)明的有益效果是:

本發(fā)明是基于人臉識(shí)別的門鏡系統(tǒng)，用統(tǒng)計(jì)的方法對(duì)人臉進(jìn)行建模，比較所有可能的待檢測(cè)區(qū)域與人臉模型的匹配度，從而得到可能存在的人臉區(qū)域，基于haar分類器的方法，計(jì)算速度較快，能夠提高識(shí)別效率。

本發(fā)明的人臉識(shí)別系統(tǒng)主要用于小場(chǎng)景，比如家用的人臉識(shí)別系統(tǒng)一般人臉數(shù)據(jù)庫(kù)中的人臉照片都是家庭成員，數(shù)據(jù)量比較小，通過室外機(jī)的攝像頭檢測(cè)人臉并進(jìn)行人臉識(shí)別，很容易區(qū)別是否是家庭成員還是陌生人，能夠起到很好的安防作用，而且當(dāng)家里沒人時(shí)，有陌生人來訪，會(huì)主動(dòng)把檢測(cè)到的陌生人臉圖像發(fā)送到遠(yuǎn)程移動(dòng)終端(例如智能手機(jī))上；本發(fā)明的人臉識(shí)別系統(tǒng)與照明系統(tǒng)聯(lián)網(wǎng)，門鏡系統(tǒng)可以感應(yīng)家庭的入戶燈，當(dāng)檢測(cè)到有人臉時(shí)，入戶燈自動(dòng)亮起，更加智能化，在門鏡系統(tǒng)中設(shè)置安防報(bào)警時(shí)間，設(shè)置好一段時(shí)間之后，若此段時(shí)間內(nèi)室外機(jī)的攝像頭有檢測(cè)到人臉，就會(huì)報(bào)警，移動(dòng)終端和室內(nèi)機(jī)都會(huì)收到相關(guān)信息，起到安防和監(jiān)控作用。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說明如后。本發(fā)明的具體實(shí)施方式由以下實(shí)施例及其附圖詳細(xì)給出。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明的系統(tǒng)原理圖；

圖2是本發(fā)明的室外機(jī)的原理圖；

圖3是本發(fā)明的級(jí)聯(lián)結(jié)構(gòu)的原理圖；

圖4是本發(fā)明的特征提取模塊提取人臉的特征分類圖；

圖5是本發(fā)明的方法流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例1

本實(shí)施例公開了一種基于人臉識(shí)別的門鏡系統(tǒng)，門鏡系統(tǒng)主要應(yīng)用在智能家居系統(tǒng)中，在智能家居的室外機(jī)上添加人臉檢測(cè)、人臉識(shí)別功能，當(dāng)室外機(jī)的傳感器檢測(cè)到有人訪問時(shí)，通過室外機(jī)的攝像頭獲取視頻流，對(duì)其進(jìn)行持續(xù)的人臉檢測(cè)。

具體的，如圖1中所示，該門鏡系統(tǒng)主要包括：入戶燈、室外機(jī)、室內(nèi)機(jī)、云服務(wù)器、移動(dòng)終端，上述室外機(jī)為人臉識(shí)別裝置，上述室外機(jī)安裝在門鏡系統(tǒng)的入戶處，上述室內(nèi)機(jī)安裝在室內(nèi)，且與上述室外機(jī)信息交互，上述室外機(jī)獲取人臉圖像，并進(jìn)行檢測(cè)和識(shí)別，然后將識(shí)別結(jié)果輸出至上述室內(nèi)機(jī)，上述室內(nèi)機(jī)獲取的信息傳輸至上述云服務(wù)器，上述云服務(wù)器將信息傳輸至上述移動(dòng)終端，入戶燈受上述室外機(jī)控制，上述室外機(jī)檢測(cè)到人臉時(shí)，上述入戶燈自動(dòng)亮起，入戶燈可以根據(jù)室內(nèi)機(jī)的設(shè)置閃爍警告，或者變化不同的顏色。

當(dāng)上述室外機(jī)檢測(cè)到人臉時(shí)，上述室內(nèi)機(jī)沒有應(yīng)答，通過上述云服務(wù)器將信息發(fā)送至移動(dòng)終端，同時(shí)上述云服務(wù)器將相關(guān)人臉數(shù)據(jù)記錄保存。

在本實(shí)施例中，上述移動(dòng)終端可以是智能手機(jī)，可以是平板。

在人臉識(shí)別門鏡系統(tǒng)中，室外機(jī)是實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別的主要裝置，其中人臉檢測(cè)的基本思想是用統(tǒng)計(jì)的方法對(duì)人臉進(jìn)行建模，比較所有可能的待檢測(cè)區(qū)域與人臉模型的匹配度，從而得到可能存在的人臉區(qū)域。人臉識(shí)別的基本思想是對(duì)當(dāng)前檢測(cè)到的人臉與之前記錄在人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)進(jìn)行相似度比較。

具體的，如圖2中所示，上述室外機(jī)包括：輸入圖像模塊、人臉檢測(cè)模塊、特征提取模塊、人臉識(shí)別模塊、結(jié)果輸出模塊，上述輸入圖像模塊獲取人臉視頻圖像，并將人臉圖像傳輸給上述人臉檢測(cè)模塊。

上述人臉檢測(cè)模塊對(duì)人臉進(jìn)行建模，比較所有待檢測(cè)區(qū)域與人臉模型的匹配度，得到可能存在的人臉區(qū)域，上述人臉檢測(cè)模塊利用haar分類器對(duì)人臉和非人臉進(jìn)行分類，在對(duì)人臉和非人臉進(jìn)行分類過程中，針對(duì)不同訓(xùn)練集來訓(xùn)練弱分類器，然后將這些在不同訓(xùn)練集中得到的弱分類器集合起來，構(gòu)造一個(gè)強(qiáng)分類器，其中，每一層adaboost算法訓(xùn)練得到一個(gè)強(qiáng)分類器，經(jīng)過閾值調(diào)整，使得每一層能讓全部人臉樣本通過，每一層都拒絕非人臉樣本，靠近前面的層拒絕了大部分非人臉樣本，經(jīng)過上述人臉檢測(cè)模塊檢測(cè)后得到是否屬于人臉的信號(hào)，并將信號(hào)傳輸給上述特征提取模塊，上述特征提取模塊提取矩形特征，然后將提取的矩形特征輸送至上述人臉識(shí)別模塊。

上述人臉識(shí)別模塊將上述人臉檢測(cè)模塊檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)進(jìn)行相似度比較，預(yù)先設(shè)置相似度閾值，當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)相似度大于閾值時(shí)，識(shí)別成功；當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)中的人臉數(shù)據(jù)相似度小于閾值時(shí)，識(shí)別失敗。

上述結(jié)果輸出模塊將上述人臉識(shí)別模塊的識(shí)別結(jié)果輸出至上述室內(nèi)機(jī)，上述室內(nèi)機(jī)根據(jù)識(shí)別結(jié)果來顯示被識(shí)別的人臉是否屬于人臉數(shù)據(jù)庫(kù)中的人臉，自動(dòng)或者人為確定是否開門。

adaboost針對(duì)不同的訓(xùn)練集訓(xùn)練同一個(gè)分類器，即弱分類器，然后把這些不同訓(xùn)練集上得到的分類器集合起來，構(gòu)造一個(gè)更強(qiáng)的最終算法，得到一個(gè)強(qiáng)分類器。是一種由粗到細(xì)的結(jié)構(gòu)，其中每一層adaboost算法訓(xùn)練得到一個(gè)強(qiáng)分類器，都經(jīng)過閾值調(diào)整，使得每一層都能讓全部正確的樣本通過，而拒絕很大一部分非人臉樣本。這樣，靠前的層，拒絕了大部分非人臉樣本。而且，由于前面的層使用的矩形特征數(shù)較少，計(jì)算速度較快，越往后面的層，通過候選窗口越少，盡管由于矩形特征增多，單個(gè)窗口的計(jì)算時(shí)間加長(zhǎng)，但是由于實(shí)際檢測(cè)時(shí)，在輸入圖像中對(duì)應(yīng)著人臉的窗口非常少，所以真正引起所有層到到計(jì)算的窗口數(shù)非常少。

如圖3所示，上述人臉檢測(cè)模塊利用haar分類器建模的方法包括：上述特征提取模塊提取人臉特征集和非人臉特征集，構(gòu)造haar特征，計(jì)算人臉特征值，再提取人臉特征值，構(gòu)造弱分類器；利用弱分類器和adaboost算法訓(xùn)練得到一個(gè)強(qiáng)分類器，得到人臉和非人臉的強(qiáng)分類器；重復(fù)訓(xùn)練過程，得到多個(gè)強(qiáng)分類器，再將多個(gè)強(qiáng)分類器組成級(jí)聯(lián)結(jié)構(gòu)。

上述人臉檢測(cè)模塊與人臉識(shí)別模塊在人臉檢測(cè)和人臉識(shí)別過程中，上述人臉檢測(cè)模塊將檢測(cè)到的人臉圖像傳輸給上述人臉識(shí)別模塊，如果上述人臉識(shí)別模塊識(shí)別到人臉與人臉數(shù)據(jù)庫(kù)中的人臉匹配，則將匹配正確的信號(hào)傳輸至上述人臉檢測(cè)模塊，上述人臉檢測(cè)模塊在未獲得新的人臉圖像之前，停止對(duì)人臉檢測(cè)；如果上述人臉識(shí)別模塊識(shí)別到人臉與人臉數(shù)據(jù)庫(kù)中的人臉不匹配，則將匹配錯(cuò)誤的信號(hào)傳輸至上述人臉檢測(cè)模塊，上述人臉檢測(cè)模塊循環(huán)檢測(cè)。

在人臉識(shí)別過程中，一般會(huì)設(shè)置一個(gè)比較結(jié)果范圍，例如(0-100)，比較結(jié)果越接近100，說明相似度越高，相反說明相似度月底，一般設(shè)置閾值為80左右，當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)里面的人臉進(jìn)行比較，比較結(jié)果大于80的，說明相似度比較高，可以識(shí)別出是否是家庭成員。

如圖4所示，特征提取模塊提取人臉的特征包括：低層特征、組群特征、變形模型。上述低層特征包括：灰度、紋理、顏色、運(yùn)動(dòng)，上述組群特征包括：特征搜索、星群分析，上述變形模塊包括：彈性模板、點(diǎn)頒布模型、活動(dòng)輪廓模型。

實(shí)施例2

實(shí)施例2中公開了一種人臉識(shí)別方法，包括以下步驟：

s101室外機(jī)的傳感器檢測(cè)到有人靠近，通過攝像頭獲取人臉圖像的視頻流；

s102室外機(jī)根據(jù)人臉的特征值，人臉檢測(cè)模塊在檢測(cè)過程中，已經(jīng)訓(xùn)練好的分類器用不同的尺度遍歷輸入的人臉圖像的每一個(gè)像素，來檢測(cè)不同大小的人臉，當(dāng)檢測(cè)到的人臉與人臉數(shù)據(jù)庫(kù)里面的人臉相似度高于閾值，識(shí)別出是否是在數(shù)據(jù)庫(kù)中登記記錄的成員；

s103將識(shí)別結(jié)果傳輸至室內(nèi)機(jī)；

s104當(dāng)室內(nèi)機(jī)沒有應(yīng)答時(shí)，室內(nèi)機(jī)將接收到的人臉圖像發(fā)送至云服務(wù)器，云服務(wù)器發(fā)送到遠(yuǎn)程的移動(dòng)終端上。

上述實(shí)施例中基于人臉識(shí)別的門鏡系統(tǒng)，用統(tǒng)計(jì)的方法對(duì)人臉進(jìn)行建模，比較所有可能的待檢測(cè)區(qū)域與人臉模型的匹配度，從而得到可能存在的人臉區(qū)域，基于haar分類器的方法，計(jì)算速度較快，能夠提高識(shí)別效率。人臉識(shí)別系統(tǒng)主要用于小場(chǎng)景，比如家用的人臉識(shí)別系統(tǒng)一般人臉數(shù)據(jù)庫(kù)中的人臉照片都是家庭成員，數(shù)據(jù)量比較小，通過室外機(jī)的攝像頭檢測(cè)人臉并進(jìn)行人臉識(shí)別，很容易區(qū)別是否是家庭成員還是陌生人，能夠起到很好的安防作用，而且當(dāng)家里沒人時(shí)，有陌生人來訪，會(huì)主動(dòng)把檢測(cè)到的陌生人臉圖像發(fā)送到遠(yuǎn)程移動(dòng)終端(例如智能手機(jī))上；本發(fā)明的人臉識(shí)別系統(tǒng)與照明系統(tǒng)聯(lián)網(wǎng)，門鏡系統(tǒng)可以感應(yīng)家庭的入戶燈，當(dāng)檢測(cè)到有人臉時(shí)，入戶燈自動(dòng)亮起，更加智能化，在門鏡系統(tǒng)中設(shè)置安防報(bào)警時(shí)間，設(shè)置好一段時(shí)間之后，若此段時(shí)間內(nèi)室外機(jī)的攝像頭有檢測(cè)到人臉，就會(huì)報(bào)警，移動(dòng)終端和室內(nèi)機(jī)都會(huì)收到相關(guān)信息，起到安防和監(jiān)控作用。

對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。