本發(fā)明涉及門禁技術領域，具體涉及一種基于人臉識別的智能門禁系統(tǒng)。

背景技術：

相關技術中，刷卡門禁是指利用非接觸式集成電路(ic，integratedcircuit)卡，在門禁的入口處放置刷卡門禁機，用戶進入時，需要像坐公交車刷卡一樣，輕輕接觸或靠近讀卡器，就可以讀取到卡片信息，進行刷卡操作。

上述刷卡門禁的方式，需要給用戶預先制備并交付包含個人身份識別信息的ic卡，若用戶遺失或遺漏ic卡都可能會造成無法進入會場，也會存在被人冒充進入會場的風險。

技術實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種基于人臉識別的智能門禁系統(tǒng)。

本發(fā)明的目的采用以下技術方案來實現(xiàn)：

提供了一種基于人臉識別的智能門禁系統(tǒng)，包括人臉識別裝置、人臉信息數(shù)據庫、門禁控制器和門禁裝置，所述人臉識別裝置與人臉信息數(shù)據庫、門禁控制器通信連接，所述門禁控制器和門禁裝置通信連接；所述人臉識別裝置用于對現(xiàn)場拍攝到的人臉圖像進行處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據庫中記錄的允許門禁開啟的人臉信息進行比對分析，生成人臉信息判定結果；所述門禁控制器根據人臉信息判定結果生成用于控制門禁裝置開關的門控信號。

本發(fā)明的有益效果為：實現(xiàn)了人臉識別和比對，以人臉識別代替了刷卡以及密碼輸入，提高了門禁系統(tǒng)的安全性。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構成對本發(fā)明的任何限制，對于本領域的普通技術人員，在不付出創(chuàng)造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1是本發(fā)明的框圖示意圖；

圖2是本發(fā)明人臉識別裝置的框圖示意圖。

附圖標記：

人臉識別裝置1、人臉信息數(shù)據庫2、門禁控制器3、門禁裝置4、人臉圖像采集模塊10、人臉圖像檢測模塊20、人臉圖像處理模塊30。

具體實施方式

結合以下實施例對本發(fā)明作進一步描述。

參見圖1，本實施例提供的一種基于人臉識別的智能門禁系統(tǒng)，包括人臉識別裝置1、人臉信息數(shù)據庫2、門禁控制器3、門禁裝置4，所述人臉識別裝置1與人臉信息數(shù)據庫2、門禁控制器3通信連接，所述門禁控制器3和門禁裝置4通信連接；所述人臉識別裝置1用于對現(xiàn)場拍攝到的人臉圖像進行處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據庫2中記錄的允許門禁開啟的人臉信息進行比對分析，生成人臉信息判定結果；所述門禁控制器3根據人臉信息判定結果生成用于控制門禁裝置4開關的門控信號。

優(yōu)選地，所述門禁控制器3通過網絡、藍牙、串行通信接口或繼電器與所述門禁裝置4實現(xiàn)通信連接。

進一步地，智能門禁系統(tǒng)還包括對現(xiàn)場拍攝到的人臉圖像進行活體檢測的人臉圖像有效檢測裝置，所述人臉圖像有效檢測裝置連接人臉識別裝置1，所述人臉識別裝置1只在活體檢測成功時運作。

本發(fā)明上述實施例實現(xiàn)了人臉識別和比對，以人臉識別代替了刷卡以及密碼輸入，提高了門禁系統(tǒng)的安全性。

優(yōu)選地，如圖2所示，所述人臉識別裝置1包括依次連接的人臉圖像采集模塊10、人臉圖像檢測模塊20、人臉圖像處理模塊30；其中人臉圖像處理模塊30與門禁控制器3連接；所述人臉圖像采集模塊10用于采集多張現(xiàn)場拍攝到的人臉圖像；所述人臉圖像檢測模塊20用于對采集的人臉圖像進行質量檢測，刪除質量檢測結果不合格的人臉圖像；所述人臉圖像處理模塊30用于對人臉圖像檢測模塊20輸出的人臉圖像進行圖像處理，提取人臉圖像中的人臉信息與人臉信息數(shù)據庫2中記錄的允許門禁開啟的人臉信息進行比對分析，生成人臉信息判定結果，將人臉信息判定結果發(fā)送至門禁控制器3。

優(yōu)選地，所述人臉圖像檢測模塊20對采集的人臉圖像進行質量檢測時，定義質量檢測公式為：

wi＝(ξi-ρ1)(λi-ρ2),＝1,…,

式中，wi表示第i張人臉圖像的質量檢測結果，ξi為第i張人臉圖像的灰度直方圖的概率最大的灰度值，λi為第i張人臉圖像的灰度直方圖的均方差，m為人臉圖像的數(shù)量，ρ1、ρ2為設定的閾值；

若wi＞0，則表示該人臉圖像的質量檢測結果為合格，若wi≤0，則表示該人臉圖像的質量檢測結果為不合格，刪除該人臉圖像。

本優(yōu)選實施例通過自定義質量檢測公式，對人臉圖像進行圖像質量檢測計算，簡單快捷，挑選出人臉圖像質量檢測合格的圖像作為人臉識別處理的圖像，為更好地提取人臉信息作鋪墊，進一步提高人臉圖像處理的速度。

所述對人臉圖像檢測模塊20輸出的人臉圖像進行圖像處理，包括：對人臉圖像進行濾波處理，減弱人臉圖像的圖像噪聲的影響；對濾波后的人臉圖像進行圖像分割，提取人臉圖像的人臉信息；其中，對濾波后的人臉圖像進行圖像分割，具體包括：

(1)按照設定的圖像尺寸調整比例將人臉圖像的像素降低到400×600；

(2)采用otsu算法對人臉圖像進行全局分割閾值估計，得到優(yōu)選全局分割閾值，對優(yōu)選全局分割閾值進行調整，使用調整后的優(yōu)選全局分割閾值對人臉圖像進行分割，獲得含有人臉特征區(qū)域的分割圖像，將該分割圖像平均劃分為4個子圖像；

(3)采用otsu算法對子圖像進行局部分割閾值估計，獲得各子圖像的優(yōu)選局部分割閾值；

(4)對不同的子圖像使用不同的分割閾值進行分割，定義子圖像的分割閾值的計算公式為：

式中，gi為第i個子圖像的分割閾值，qi為第i個子圖像的優(yōu)選局部分割閾值，h表示整個人臉圖像的灰度方差，hi表示第i個子圖像的灰度方差，δi表示第i個子圖像的灰度均值，δ表示整個人臉圖像的灰度均值，d為設定的權重因子，0d＜1；

(5)抽取各子圖像分割得到的人臉特征區(qū)域的坐標，并按設定的圖像尺寸調整比例將人臉特征區(qū)域坐標還原到原始圖像坐標；

(6)拼接各子圖像分割得到的人臉特征區(qū)域，結束當前人臉圖像的分割。

本優(yōu)選實施例在對人臉圖像進行分割時，采用了最大類間方差法(otsu)算法。最大類間方差法(otsu)算法是1979年由ostu提出的動態(tài)閾值分割算法，它依據圖像的灰度直方圖，依據類間距離極大準則來確定區(qū)域分割門限，其對單峰和雙峰圖像均有較好的效果。最大類間方差法(otsu)算法對圖像進行分割的原理是，根據圖像的灰度特性，將圖像分為目標區(qū)域和背景區(qū)域兩部分，這兩部分之間的類間方法最大的值就是圖像的分割閾值；

本優(yōu)選實施例對人臉圖像進行分割時，采用兩步分割的方式進行處理：

第一步先減小圖像尺寸，然后采用otsu算法對人臉圖像進行全局閾值分割，獲取人臉圖像的大致人臉特征區(qū)域；

第二步對獲得的大致人臉特征區(qū)域進行劃分，形成4個子圖像后再進行分割；

本優(yōu)選實施例的兩步分割方法相對于全局直接分割而言，預先分割后得到的子圖像具有較好的二項分布特性，各子圖像的尺寸和內容有了較大的降低，從而降低了人臉圖像分割的難度，進一步提高了人臉圖像處理的速度，保證門禁系統(tǒng)的工作效率。

優(yōu)選地，對優(yōu)選全局分割閾值進行調整，具體包括：

設定優(yōu)選全局分割閾值為t，調整因子為ζ，ζ∈[0.90,1.10]，則調整后的優(yōu)選全局分割閾值為ξt；

其中，調整因子的最優(yōu)取值按照下述方式進行選取：

(1)設定調整因子ζ的幾個優(yōu)選值，優(yōu)選值的范圍為[0.90,1.10]；

(2)采用sobel邊界檢測算子對人臉圖像進行處理，得到人臉圖像的人臉特征區(qū)域邊界s(i)；

(3)根據設定的調整因子ζ的優(yōu)選值，得到對應的調整后的優(yōu)選全局分割閾值，使用調整后的優(yōu)選全局分割閾值對人臉圖像進行分割，得到對應于各調整因子的人臉圖像的人臉特征區(qū)域邊界sζ＝x(i)；

(4)計算兩人臉特征區(qū)域邊界s(i)和sζ＝x(i)的邊界重合度，選取邊界重合度最大時所對應的調整因子值作為調整因子的最優(yōu)取值，定義邊界重合度的計算公式為：

式中，eζ＝x表示調整因子為ζ＝x時對應得到的人臉圖像的人臉特征區(qū)域邊界與人臉特征區(qū)域邊界s(i)的邊界重合度，“∩”表示交集運算，x為設定的調整因子的優(yōu)選值，

本優(yōu)選實施例采用了sobel邊界檢測算子，sobel邊界檢測算子能夠有效的檢測到灰度變化較大區(qū)域邊界，按照其檢測的人臉特征區(qū)域邊界與采用調整后的優(yōu)選全局分割閾值分割得到的人臉特征區(qū)域邊界進行邊界重合度計算，選用較大邊界重合度對應的調整因子取值作為最終取值，實現(xiàn)了對優(yōu)選全局分割閾值的修正；

本優(yōu)選實施例使用調整后的優(yōu)選全局分割閾值對人臉圖像進行分割，能夠獲得較為準確的人臉特征區(qū)域的輪廓，提高對人臉圖像分割的準確性和穩(wěn)定性，為進一步的人臉識別奠定良好的基礎，保證門禁系統(tǒng)的工作精度。

最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的實質和范圍。