本發(fā)明涉及智能門禁控制領(lǐng)域，具體涉及一種基于事件驅(qū)動的門禁設(shè)備人臉特征圖更換方法。

背景技術(shù)：

1、高校是一個人群比較集中的場所，為了學(xué)生的安全，大多高校都建立了門禁設(shè)備，師生通過人臉驗證進(jìn)入校園和宿舍。

2、高校學(xué)生年齡大致都在18-25左右，臉部圖像特征容易發(fā)生變化，第一次錄入的人臉特征圖能通過門禁設(shè)備的驗證，但是一段時間后，人臉特征發(fā)生變化后，臉部實時特征圖與系統(tǒng)中現(xiàn)有特征圖比對就會不成功，因此會無法通過門禁設(shè)備，此時需要更新門禁系統(tǒng)中的臉部圖像特征信息。

3、現(xiàn)有的技術(shù)中，位于移動端的門禁設(shè)備人臉特征圖更換功能，僅存在于可以收集照片并不能自助檢測是否為人臉信息圖，如若上傳非人臉圖片或非本人人臉圖，可能造成系統(tǒng)錯誤或安全隱患，對人工干預(yù)需求較高。因此，維持移動端更換門禁人臉照片的同時，維持較高的精確性和一定的系統(tǒng)自主排錯功能，保證門禁系統(tǒng)安全的同時方便高校人員出行。值得為其研究一套可行方案。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：

2、為解決背景技術(shù)中提到的問題，本發(fā)明提供一種基于事件驅(qū)動的門禁設(shè)備人臉特征圖更換方法，通過自設(shè)深度學(xué)習(xí)判別器z1對用戶移動客戶端上傳的待替換人臉特征圖進(jìn)行判斷，剔除非人臉照片，后續(xù)通過身份特征向量提取模塊與相似特征計算模塊對人臉特征圖進(jìn)行本人來源識別。最終通過加密下發(fā)進(jìn)程替換人臉并注入人臉機。在進(jìn)一步提高個人移動客戶端人臉特征圖替換過程中精確性的同時，維持門禁系統(tǒng)的高安全需求。

3、技術(shù)方案：

4、本發(fā)明公開一種基于事件驅(qū)動的門禁設(shè)備人臉特征圖更換方法，所述方法包括如下步驟：

5、s1：用戶在用戶端撰寫人臉特征圖更換申請并提交，門禁服務(wù)管理系統(tǒng)后臺自動同意其請求并發(fā)送采集信息通知；

6、s2：進(jìn)入審核進(jìn)程，用戶端審核提交撰寫人臉特征圖進(jìn)行人臉特征提??；

7、s2.1：基于facenet模型優(yōu)化自設(shè)f9模型，使用inception網(wǎng)絡(luò)架構(gòu)，構(gòu)建自研深度學(xué)習(xí)判別器z1；

8、s2.2：通過自研深度學(xué)習(xí)判別器z1判斷用戶上傳人臉特征圖是否存在人臉，若是則保存并提交至s3，若不是則下發(fā)重新上傳指令；

9、s3：用戶端審核通過后，通過http協(xié)議通知門禁服務(wù)管理系統(tǒng)后臺，采用身份特征向量提取模塊與相似特征計算模塊判斷是否為本人，是則替換原特征圖，否則下發(fā)重新上傳指令；

10、s4：審核完畢后結(jié)束審核進(jìn)程，門禁服務(wù)管理系統(tǒng)后臺調(diào)用任務(wù)下發(fā)進(jìn)程，生成特征圖下發(fā)至門禁設(shè)備。

11、進(jìn)一步地，s2.1所述深度學(xué)習(xí)判別器z1的運行流程如下：

12、輸入初始特征圖包含5023*3的頂點特征信息，即頂點的三維坐標(biāo)，頂點之間的關(guān)系信息在網(wǎng)絡(luò)定義時已經(jīng)初始化，判別器中使用多個k＝6的chebconv卷積核來提取特征，每次卷積后都會使用leakyrelu激活函數(shù)，negative_slope參數(shù)設(shè)置為0.2，以保留部分負(fù)值信息，通過下采樣來減少節(jié)點數(shù)量，在判別器的最后兩層，使用基于facenet模型優(yōu)化改良的f9模型進(jìn)一步提取特征，通過多個卷積層、池化層和激活函數(shù)來逐層提取圖像的特征，獲取最終特征向量，將提取出來的特征向量與人臉特征向量做對比，如果識別出來的為人臉特征向量，則在向量空間中盡可能接近，特征向量距離計算公式如下：

13、

14、其中，f1,i和f2,i分別是f1和f2在第i維度上的分量。

15、進(jìn)一步地，所述f9模型結(jié)構(gòu)如下：

16、使用inception網(wǎng)絡(luò)架構(gòu)，由多個卷積層、批歸一化層，非線性激活函數(shù)、池化層組成，具體結(jié)構(gòu)依次為輸入層，深度卷積神經(jīng)網(wǎng)絡(luò)，嵌入向量層，三元組損失。

17、進(jìn)一步地，s3所述身份特征向量提取模塊具體為通過幀生成技術(shù)獲取模塊從原有人臉特征圖的特征信息上提取特征向量，作為生成幀圖像，再通過提取用戶所上傳替換的人臉信息，提取當(dāng)前的特征向量，生成幀的身份特征向量；再通過相似特征向量計算模塊進(jìn)行判別，通過比較兩張人臉的嵌入向量之間的距離，繼而判斷原人臉特征圖與待替換人臉特征圖是否屬于同一個人。

18、進(jìn)一步地，所述相似特征計算模塊設(shè)有相似特征計算公式，通過輸入生成幀的身份特征向量與原特征向量計算兩者相似度，公式如下：

19、

20、其中，f1：第一個人臉圖像的特征向量，f2：第二個人臉圖像的特征向量，f1,i：向量f1的第i個分量，f2,i：向量f2的第i個分量，d:特征向量的維度；特征向量的各個分量對距離的影響不同，為每個分量引入一個權(quán)重wi，wi根據(jù)特征需求性設(shè)置為0.36。

21、進(jìn)一步地，s4具體步驟為：

22、審核進(jìn)程審核完所有的申請后，結(jié)束審核進(jìn)程，門禁服務(wù)管理系統(tǒng)后臺調(diào)用任務(wù)下發(fā)進(jìn)程，生成特征圖下發(fā)至門禁設(shè)備，讀入每個任務(wù)下發(fā)至相應(yīng)的人臉機中去，并根據(jù)下發(fā)任務(wù)是否成功的結(jié)果修改任務(wù)的完成狀態(tài)值，將預(yù)先獲取的新的人臉信息圖像中提取新人臉的特征人臉身份信息向量中注入代更換人臉表征中，得到替換身份后的人臉特征；

23、下發(fā)進(jìn)程完成所有任務(wù)的下發(fā)后，再次啟動申請審核進(jìn)程，以免任務(wù)下發(fā)期間有用戶提交新的申請，采用http協(xié)議post方法的中間件接口，實現(xiàn)不同架構(gòu)、跨平臺的系統(tǒng)聯(lián)動，自動完成換特征圖申請、審核與下發(fā)，使用改進(jìn)的http/3.1協(xié)議，通過多路復(fù)用減少了tcp連接數(shù)，優(yōu)化了數(shù)據(jù)幀的傳輸，減少延遲，采用tls加密算法，確保post請求在傳輸過程中加密，防止敏感數(shù)據(jù)泄露，采用非對稱加密進(jìn)行保護(hù)數(shù)據(jù)。

24、進(jìn)一步地，下發(fā)到各個人臉識別機本體保存數(shù)據(jù)被物聯(lián)控制芯片加密，采用hsm硬件安全模塊，tpm可信平臺模塊，采用m1加密算法進(jìn)行數(shù)據(jù)保護(hù)具體計算公式如下：

25、c＝aes-encrypt(m,k)

26、其中，m是明文塊，k是密鑰，c是加密后的密文塊。

27、進(jìn)一步地，本發(fā)明公開一種計算機存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7中任一項所述的基于事件驅(qū)動的門禁設(shè)備人臉特征圖更換方法的步驟。

28、有益效果：

29、1.本發(fā)明通過自設(shè)深度學(xué)習(xí)判別器z1，使用多個k＝6的chebconv卷積核，串聯(lián)基于facenet模型優(yōu)化改良的f9模型進(jìn)一步提取特征，相較于現(xiàn)有技術(shù)有著更精準(zhǔn)的人臉特征圖辨別能力，減少非人臉特征圖上傳，降低門禁系統(tǒng)出現(xiàn)bug的概率，同時減少無意義的存儲資源浪費。

30、2.本發(fā)明利用身份特征向量提取模塊與相似特征計算模塊對人臉特征圖進(jìn)行本人來源識別，進(jìn)一步篩選并保證移動用戶端上傳人臉特征圖正確，維持系統(tǒng)魯棒性。

31、3.本發(fā)明基于物聯(lián)控制芯片加密采用加密下發(fā)進(jìn)程與采用tls加密算法，確保post請求在傳輸過程中加密，使用改進(jìn)的http/3.1協(xié)議，通過多路復(fù)用減少了tcp連接數(shù)、提升了數(shù)據(jù)傳輸效率，在保證用戶上傳人臉照片隱私性的同時，降低門禁系統(tǒng)人臉更換延遲，完善在高校開學(xué)季以及假后入學(xué)等大量人臉傳輸需求情境下用戶體驗。