【技術(shù)領(lǐng)域】

本發(fā)明涉及模式識(shí)別領(lǐng)域，具體涉及一種用于共享設(shè)備的人臉識(shí)別系統(tǒng)。

背景技術(shù)：

近年來(lái)，隨著計(jì)算機(jī)行業(yè)的快速發(fā)展，計(jì)算機(jī)技術(shù)已經(jīng)深入人們的生活，已經(jīng)開(kāi)始逐漸和我們的居住環(huán)境結(jié)合起來(lái)，出現(xiàn)了共享共享設(shè)備的概念。所謂共享共享設(shè)備，就是利用計(jì)算機(jī)、通信、傳感器、家電等技術(shù)，將家庭中的各種共享設(shè)備都連接到一起，由一個(gè)終端進(jìn)行控制，從而給人們提供一個(gè)極其便利的生活環(huán)境。

在共享共享設(shè)備系統(tǒng)中，為了更好地面向用戶提供服務(wù)，通常對(duì)用戶的使用行為進(jìn)行收集、分析，提供個(gè)性化的服務(wù)，以增強(qiáng)用戶體驗(yàn)。因此，如何識(shí)別用戶變得尤為重要?，F(xiàn)有技術(shù)中，可以通過(guò)用戶攜帶rfid卡片或其他電子裝置的方式進(jìn)行用戶身份認(rèn)證，但是如果該硬件裝置被非用戶本人的其他人獲取，則同樣可以進(jìn)行身份認(rèn)證，并且需隨身攜帶相應(yīng)硬件裝置，降低用戶使用體驗(yàn)，同時(shí)提高了售貨系統(tǒng)的成本。現(xiàn)有技術(shù)中，還可以通過(guò)模式識(shí)別的系統(tǒng)，例如檢測(cè)用戶生物特征，進(jìn)行用戶身份識(shí)別，例如用戶臉部識(shí)別、指紋識(shí)別，但是以上系統(tǒng)需要用戶進(jìn)行固定操作，或是執(zhí)行識(shí)別系統(tǒng)所要求的認(rèn)證步驟，例如用戶需要正面站立于臉部識(shí)別裝置前，指紋識(shí)別需要用戶將手指放置于采集裝置上，這些系統(tǒng)一定程度上限制了用戶的操作，降低了用戶體驗(yàn)。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有的共享共享設(shè)備身份認(rèn)證問(wèn)題，本發(fā)明提出了一種用于共享設(shè)備的人臉識(shí)別系統(tǒng)。

貨設(shè)備主體、貨物掃描器、身份認(rèn)證裝置、網(wǎng)關(guān)、貨物柜和計(jì)費(fèi)單元；

所述貨物掃描器和計(jì)費(fèi)單元均連接一控制單元；貨物放置在所述貨物柜上，所述貨物掃描器掃描貨物，獲取貨物信息并傳輸至所述控制單元內(nèi)；用戶通過(guò)所述身份認(rèn)證裝置確認(rèn)身份后打開(kāi)所述共享設(shè)備，用戶取完貨物關(guān)閉共享設(shè)備的柜門(mén)后，所述貨物掃描器掃描貨物，獲取貨物信息并傳輸至所述控制單元內(nèi)；所述計(jì)費(fèi)單元通過(guò)所述控制單元進(jìn)行計(jì)費(fèi)，并從用戶注冊(cè)賬號(hào)中扣費(fèi)。

優(yōu)選的所述身份認(rèn)證裝置包括：云端服務(wù)器、圖像采集單元、檢測(cè)單元和結(jié)果輸出單元，所述云端服務(wù)器包括數(shù)據(jù)庫(kù)，用于保存用戶訓(xùn)練樣本，所述圖像采集單元設(shè)置在所述共享設(shè)備終端上，所述檢測(cè)單元和結(jié)果輸出單元設(shè)置在網(wǎng)關(guān)中，所述檢測(cè)單元中設(shè)置有特征分類(lèi)器，所述特征分類(lèi)器基于所述訓(xùn)練樣本進(jìn)行訓(xùn)練，所述檢測(cè)單元對(duì)所述圖像采集單元采集的用戶圖像進(jìn)行識(shí)別，得到身份認(rèn)證結(jié)果，所述結(jié)果輸出單元將用戶身份認(rèn)證結(jié)果傳遞至網(wǎng)關(guān)處，網(wǎng)關(guān)提取該用戶的共享設(shè)備終端的使用習(xí)慣，發(fā)送至各共享設(shè)備終端，所述共享設(shè)備終端自動(dòng)執(zhí)行符合用戶使用習(xí)慣的操作或給出相應(yīng)選項(xiàng)以供用戶進(jìn)行選擇。

優(yōu)選地、所述特征分類(lèi)器基于改進(jìn)的boost系統(tǒng)進(jìn)行訓(xùn)練，所述檢測(cè)單元中特征分類(lèi)器的訓(xùn)練過(guò)程包括以下步驟：

a1.所述用戶訓(xùn)練樣本為預(yù)先采集的用戶連續(xù)運(yùn)動(dòng)的全身圖像，訓(xùn)練樣本中有用戶存在的包括n個(gè)，即n個(gè)正樣本，用戶不存在的包括l個(gè)，即l個(gè)負(fù)樣本；

a2.獲取訓(xùn)練樣本的特征向量x，即x＝(f1(x),f2(x),...fk(x))^t，f(x)表示圖像樣本特征；樣本標(biāo)簽表示為y，y＝1表示正樣本標(biāo)簽，y＝0表示負(fù)樣本標(biāo)簽，x是正樣本的后驗(yàn)概率可以表示為

其中函數(shù)δ(z)定義為

從而建立起分類(lèi)器模型

結(jié)合式(1)和式(2)，后驗(yàn)概率可以表示為

p(y＝1|x)＝δ(hk(x))(4)

對(duì)于特征向量x的分類(lèi)器hk(x)可表示為

其中，hk(fk(x))表示一個(gè)弱分類(lèi)器，由k個(gè)弱分類(lèi)器可以組成強(qiáng)分類(lèi)器hk(x)。

將正負(fù)樣本分別放入兩個(gè)集合：正樣本集合{x1j,j＝0,...n-1}和負(fù)樣本集合{x0j,j＝n,...n+l-1}，從正負(fù)樣本集合中使用多組樣本不斷對(duì)弱分類(lèi)器進(jìn)行選擇，進(jìn)而構(gòu)造出識(shí)別率最高的組合分類(lèi)器，已知單個(gè)樣本的后驗(yàn)概率表示為

pij＝δ(hk(xij))(6)

其中，i的值代表樣本集合的編號(hào)，i＝1表示正樣本集合，i＝0表示負(fù)樣本集合，j是樣本編號(hào)，設(shè)定分類(lèi)器hk(fk(xij))中的條件概率是高斯分布的，即條件概率為

p(fk(xij)|y＝1)～n(μ1,σ1)

p(fk(xij)|y＝0)～n(μ0,σ0)(7)

其中，μ1,σ1,μ0,σ0會(huì)進(jìn)行增量更新

μ0,σ0的更新與上式相同；通過(guò)式(7)和式(8)可以求得pij，這樣，樣本集合i的后驗(yàn)概率可以表示為

a3.對(duì)首幀正樣本圖像進(jìn)行人工標(biāo)記人臉區(qū)域，然后采用卡爾曼濾波器獲得每幀圖像中的人臉區(qū)域，并且每隔10幀圖像進(jìn)行人工標(biāo)記修正，以降低卡爾曼濾波器的累積誤差；

a4.對(duì)于卡爾曼濾波器輸出的人臉區(qū)域，提取所述人臉區(qū)域特征，生成特征向量，形成特征向量集合，并且設(shè)置權(quán)重，提高該特征向量集合的后驗(yàn)概率：

其中,wj0是權(quán)重函數(shù)，單調(diào)遞減，表示為其中，|d(x1j)-d(x10)|表示樣本x1j到首幀人工標(biāo)定區(qū)域的歐氏距離，c是一個(gè)常數(shù)；

a5.確定樣本集合的后驗(yàn)概率后對(duì)分類(lèi)器進(jìn)行選擇，選擇的系統(tǒng)表示為

其中，是包含k-1個(gè)弱分類(lèi)器的強(qiáng)分類(lèi)器；l是集合的對(duì)數(shù)似然函數(shù)，定義為

l＝∑i(yilogpi+(1-yi)log(1-pi))(11)

優(yōu)選地、所述提取的用戶圖像特征為haar-like特征。

優(yōu)選地、所述檢測(cè)單元對(duì)所述圖像采集單元采集的用戶圖像進(jìn)行識(shí)別具體為，獲取用戶圖像，生成特征向量，輸入檢測(cè)單元中的特征分類(lèi)器進(jìn)行識(shí)別；

所述識(shí)別過(guò)程還包括，將識(shí)別為用戶的特征向量與所述卡爾曼濾波器輸出的人臉區(qū)域的特征向量進(jìn)行最近鄰匹配，所述最近鄰匹配基于歐氏距離，將距離值大于預(yù)定閾值的特征向量添加到所述卡爾曼濾波器輸出的特征向量集合中。

這樣做的目的在于，被識(shí)別為用戶的特征向量已通過(guò)特征分類(lèi)器的認(rèn)證，即被認(rèn)定為用戶，再與人臉區(qū)域的特征向量進(jìn)行匹配，假設(shè)兩個(gè)樣本之間的歐幾里德距離小于預(yù)設(shè)閾值，那么這兩個(gè)樣本就屬于同一類(lèi)，即與特征向量集合中的樣本屬于同一類(lèi)別；而如果兩個(gè)樣本之間的歐幾里德距離大于預(yù)設(shè)閾值，則可以認(rèn)定當(dāng)前出現(xiàn)新的樣本，可以將其加入到特征向量集合中，再次對(duì)特征分類(lèi)器進(jìn)行訓(xùn)練。

本發(fā)明所實(shí)現(xiàn)的有益效果是：本發(fā)明采用的售貨系統(tǒng)中用戶身份認(rèn)證的系統(tǒng)，不需要用戶額外攜帶硬件設(shè)備，并且用戶只需出現(xiàn)在售貨系統(tǒng)中，不需要執(zhí)行特定識(shí)別步驟，即可對(duì)用戶進(jìn)行身份識(shí)別，便于用戶使用，提高了用戶的使用體驗(yàn)。并且，采用卡爾曼濾波的輸出結(jié)果對(duì)弱分類(lèi)器的選擇增加權(quán)重，提高了分類(lèi)的準(zhǔn)確性。。

【附圖說(shuō)明】

此處所說(shuō)明的附圖是用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，但并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定，在附圖中：

圖1是本發(fā)共享設(shè)備人臉識(shí)別系統(tǒng)的總體結(jié)構(gòu)圖。

圖2是本發(fā)明系統(tǒng)流程圖。

【具體實(shí)施方式】

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類(lèi)似的標(biāo)號(hào)表示相同或類(lèi)似的元件或具有相同或類(lèi)似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。相反，本發(fā)明的實(shí)施例包括落入所附加權(quán)利要求書(shū)的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。

在本發(fā)明的描述中，需要理解的是，術(shù)語(yǔ)“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性。在本發(fā)明的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過(guò)中間媒介間接相連。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。此外，在本發(fā)明的描述中，除非另有說(shuō)明，“多個(gè)”的含義是兩個(gè)或兩個(gè)以上。

流程圖中或在此以其他方式描述的任何過(guò)程或系統(tǒng)描述可以被理解為，表示包括一個(gè)或更多個(gè)用于實(shí)現(xiàn)特定邏輯功能或過(guò)程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實(shí)施方式的范圍包括另外的實(shí)現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時(shí)的方式或按相反的順序，來(lái)執(zhí)行功能，這應(yīng)被本發(fā)明的實(shí)施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

本發(fā)明所應(yīng)用的系統(tǒng)，共享設(shè)備主體、貨物掃描器、身份認(rèn)證裝置、網(wǎng)關(guān)、貨物柜和計(jì)費(fèi)單元；

所述貨物掃描器和計(jì)費(fèi)單元均連接一控制單元；貨物放置在所述貨物柜上，所述貨物掃描器掃描貨物，獲取貨物信息并傳輸至所述控制單元內(nèi)；用戶通過(guò)所述身份認(rèn)證裝置確認(rèn)身份后打開(kāi)所述共享設(shè)備，用戶取完貨物關(guān)閉共享設(shè)備的柜門(mén)后，所述貨物掃描器掃描貨物，獲取貨物信息并傳輸至所述控制單元內(nèi)；所述計(jì)費(fèi)單元通過(guò)所述控制單元進(jìn)行計(jì)費(fèi)，并從用戶注冊(cè)賬號(hào)中扣費(fèi)。

本發(fā)明提供的實(shí)施例中，將身份認(rèn)證裝置安裝在共享設(shè)備主體上，利用身份認(rèn)證裝置控制共享設(shè)備的柜門(mén)及計(jì)費(fèi)單元，其中，本申請(qǐng)中的身份認(rèn)證裝置為人臉識(shí)別裝置，利用采集消費(fèi)者的臉部圖像，判斷消費(fèi)者身份，首先，消費(fèi)者注冊(cè)身份信息，共享設(shè)備后臺(tái)保存消費(fèi)者身份信息，當(dāng)消費(fèi)者使用共享設(shè)備時(shí)，設(shè)置于共享設(shè)備上的身份認(rèn)證裝置采集消費(fèi)者臉部圖像信息，并與共享設(shè)備后臺(tái)存儲(chǔ)的消費(fèi)者身份信息進(jìn)行匹配，確定用戶身份后，解鎖共享設(shè)備柜門(mén)，消費(fèi)者取完貨物關(guān)閉共享設(shè)備的柜門(mén)后，共享設(shè)備的貨物掃描器掃描貨物，獲取貨物信息并傳輸至所述控制單元內(nèi)；所述計(jì)費(fèi)單元通過(guò)所述控制單元進(jìn)行計(jì)費(fèi)，并從用戶注冊(cè)賬號(hào)中扣費(fèi)。

其中，用戶注冊(cè)賬號(hào)可以通過(guò)相應(yīng)的設(shè)置綁定銀行卡或者支付寶微信等支付方式，在消費(fèi)者使用共享設(shè)備后進(jìn)行支付。

參見(jiàn)附圖1，其示出了所述身份認(rèn)證裝置，包括：云端服務(wù)器、圖像采集單元、檢測(cè)單元和結(jié)果輸出單元，所述云端服務(wù)器包括數(shù)據(jù)庫(kù)，用于保存用戶訓(xùn)練樣本，所述圖像采集單元設(shè)置在所述共享設(shè)備終端上，所述檢測(cè)單元和結(jié)果輸出單元設(shè)置在網(wǎng)關(guān)中，所述檢測(cè)單元中設(shè)置有特征分類(lèi)器，所述特征分類(lèi)器基于所述訓(xùn)練樣本進(jìn)行訓(xùn)練，所述檢測(cè)單元對(duì)所述圖像采集單元采集的用戶圖像進(jìn)行識(shí)別，得到身份認(rèn)證結(jié)果，所述結(jié)果輸出單元將用戶身份認(rèn)證結(jié)果傳遞至網(wǎng)關(guān)處，網(wǎng)關(guān)提取該用戶的共享設(shè)備終端的使用習(xí)慣，發(fā)送至各共享設(shè)備終端，所述共享設(shè)備終端自動(dòng)執(zhí)行符合用戶使用習(xí)慣的操作或給出相應(yīng)選項(xiàng)以供用戶進(jìn)行選擇。

參見(jiàn)附圖2，示出了本發(fā)明的系統(tǒng)流程圖。其中，所述特征分類(lèi)器基于改進(jìn)的boost系統(tǒng)進(jìn)行訓(xùn)練，所述檢測(cè)單元中特征分類(lèi)器的訓(xùn)練過(guò)程包括以下步驟：

a1.所述用戶訓(xùn)練樣本為預(yù)先采集的用戶連續(xù)運(yùn)動(dòng)的全身圖像，訓(xùn)練樣本中有用戶存在的包括n個(gè)，即n個(gè)正樣本，用戶不存在的包括l個(gè)，即l個(gè)負(fù)樣本；

a2.獲取訓(xùn)練樣本的特征向量x，即x＝(f1(x),f2(x),...fk(x))^t，f(x)表示圖像樣本特征；樣本標(biāo)簽表示為y，y＝1表示正樣本標(biāo)簽，y＝0表示負(fù)樣本標(biāo)簽，x是正樣本的后驗(yàn)概率可以表示為

其中函數(shù)δ(z)定義為

從而建立起分類(lèi)器模型

結(jié)合式(1)和式(2)，后驗(yàn)概率可以表示為

p(y＝1|x)＝δ(hk(x))(4)

對(duì)于特征向量x的分類(lèi)器hk(x)可表示為

其中，hk(fk(x))表示一個(gè)弱分類(lèi)器，由k個(gè)弱分類(lèi)器可以組成強(qiáng)分類(lèi)器hk(x)。

將正負(fù)樣本分別放入兩個(gè)集合：正樣本集合{x1j,j＝0,...n-1}和負(fù)樣本集合{x0j,j＝n,...n+l-1}，從正負(fù)樣本集合中使用多組樣本不斷對(duì)弱分類(lèi)器進(jìn)行選擇，進(jìn)而構(gòu)造出識(shí)別率最高的組合分類(lèi)器，已知單個(gè)樣本的后驗(yàn)概率表示為

pij＝δ(hk(xij))(6)

其中，i的值代表樣本集合的編號(hào)，i＝1表示正樣本集合，i＝0表示負(fù)樣本集合，j是樣本編號(hào)，設(shè)定分類(lèi)器hk(fk(xij))中的條件概率是高斯分布的，即條件概率為

p(fk(xij)|y＝1)～n(μ1,σ1)

p(fk(xij)|y＝0)～n(μ0,σ0)(7)

其中，μ1,σ1,μ0,σ0會(huì)進(jìn)行增量更新

μ0,σ0的更新與上式相同；通過(guò)式(7)和式(8)可以求得pij，這樣，樣本集合i的后驗(yàn)概率可以表示為

a3.對(duì)首幀正樣本圖像進(jìn)行人工標(biāo)記人臉區(qū)域，然后采用卡爾曼濾波器獲得每幀圖像中的人臉區(qū)域，并且每隔10幀圖像進(jìn)行人工標(biāo)記修正，以降低卡爾曼濾波器的累積誤差；

a4.對(duì)于卡爾曼濾波器輸出的人臉區(qū)域，提取所述人臉區(qū)域特征，生成特征向量，形成特征向量集合，并且設(shè)置權(quán)重，提高該特征向量集合的后驗(yàn)概率：

其中,wj0是權(quán)重函數(shù)，單調(diào)遞減，表示為其中，|d(x1j)-d(x10)|表示樣本x1j到首幀人工標(biāo)定區(qū)域的歐氏距離，c是一個(gè)常數(shù)；

a5.確定樣本集合的后驗(yàn)概率后對(duì)分類(lèi)器進(jìn)行選擇，選擇的系統(tǒng)表示為

其中，是包含k-1個(gè)弱分類(lèi)器的強(qiáng)分類(lèi)器；l是集合的對(duì)數(shù)似然函數(shù)，定義為

l＝∑i(yilogpi+(1-yi)log(1-pi))(11)

優(yōu)選地、所述提取的用戶圖像特征為haar-like特征。

優(yōu)選地、所述檢測(cè)單元對(duì)所述圖像采集單元采集的用戶圖像進(jìn)行識(shí)別具體為，獲取用戶圖像，生成特征向量，輸入檢測(cè)單元中的特征分類(lèi)器進(jìn)行識(shí)別；

所述識(shí)別過(guò)程還包括，將識(shí)別為用戶的特征向量與所述卡爾曼濾波器輸出的人臉區(qū)域的特征向量進(jìn)行最近鄰匹配，所述最近鄰匹配基于歐氏距離，將距離值大于預(yù)定閾值的特征向量添加到所述卡爾曼濾波器輸出的特征向量集合中。

這樣做的目的在于，被識(shí)別為用戶的特征向量已通過(guò)特征分類(lèi)器的認(rèn)證，即被認(rèn)定為用戶，再與人臉區(qū)域的特征向量進(jìn)行匹配，假設(shè)兩個(gè)樣本之間的歐幾里德距離小于預(yù)設(shè)閾值，那么這兩個(gè)樣本就屬于同一類(lèi)，即與特征向量集合中的樣本屬于同一類(lèi)別；而如果兩個(gè)樣本之間的歐幾里德距離大于預(yù)設(shè)閾值，則可以認(rèn)定當(dāng)前出現(xiàn)新的樣本，可以將其加入到特征向量集合中，再次對(duì)特征分類(lèi)器進(jìn)行訓(xùn)練。

以上所述僅是本發(fā)明的較佳實(shí)施方式，故凡依本發(fā)明專(zhuān)利申請(qǐng)范圍所述的構(gòu)造、特征及原理所做的等效變化或修飾，均包括于本發(fā)明專(zhuān)利申請(qǐng)范圍內(nèi)。