一种智能门禁系统技术方案

本发明专利技术属于智能建筑门禁系统领域，具体涉及一种基于RGB图像深度学习的人脸识别的智能门禁系统，包括人脸识别模块、超声模块、门禁开关控制模块，门禁开关控制模块与人脸识别模块电性连接，超声模块与人脸识别模块电性连接。本发明专利技术解决了门禁系统人脸识别1：N方案中的功耗不平衡问题，并提高了人脸识别中的多视角鲁棒性。本发明专利技术的超声波模块辅助方案能够进行活体识别，减少了门禁系统的计算量、提高了系统的散热稳定、PCB抗热老化性能，延长使用寿命、大大降低因发热导致的故障率以及维护成本。本发明专利技术针对人脸多种姿态脸部模型使用了基于视频流的特征提取方案，使得门禁底库录入更加便捷、识别准确度更高。 1

An intelligent entrance guard system

The invention belongs to the field of intelligent building entrance guard system, and specifically involves an intelligent entrance guard system based on the depth learning of RGB image. It includes face recognition module, ultrasonic module, door control switch control module, access switch control module and face recognition module electric connection, ultrasonic module and face recognition module. Sexual connection. The invention solves the problem of power imbalance in the face recognition 1:N scheme of the access control system, and improves the multi view robustness of face recognition. The ultrasonic module assisting scheme of the invention can recognize the living body, reduces the calculation of the entrance guard system, improves the stability of the system and the heat resistance of PCB, prolongs the service life, greatly reduces the failure rate and maintenance cost caused by the heating. In this paper, a feature extraction scheme based on video stream is used for face model of face multi pose, which makes the entry of gate base library more convenient and more accurate. One

【技术实现步骤摘要】
一种智能门禁系统
本专利技术属于智能建筑门禁系统领域，具体涉及一种基于RGB图像深度学习的人脸识别的智能门禁系统。
技术介绍
传统门禁系统利用RFID和指纹验证为主；少量产品利用了人脸识别，但多基于传统算法，例如fisher、特征脸算法等，非深度学习算法；不可避免有鲁棒性差、稳定性差等问题。基于RGB图像深度学习的人脸识别系统应用在门禁领域分为1:1和1:N两种模式，1:1的模式是利用RFID等非接触方法获取用户的ID信息，然后把ID对应的信息与现场获取的视频流信息进行校验；而1:N的模式省却了刷卡的步骤，直接由系统实时获取流信息，对视频流探测人脸的出现，并对特定人脸进行特征提取，把提取到的特征与ID数据库中的特征进行比对，然后传递给门禁开关系统相应的脉冲信号，实现对门锁的开启；1:N模式对流信息处理的负载较大，要求的运算能力较高，以实现实时不间断处理，但门禁系统的工作负载往往集中在特定时间段，如办公楼早上、中午人员进出较多，夜间应用较少；实际运用场景中存在着运算负载的不平衡，电子元器件的发热、功耗、寿命方面的问题也会影响到系统的经济性、可靠性。基于RGB图像深度学习模型的人脸识别系统，在图像信息获取的质量、模型训练方法等技术细节，存在许多待改进的空间，由于人脸RGB信息存在着空间透视的因素，人脸不同姿态有不同的GRB平面图像映射信息，2D图像人脸识别的门禁系统需要改善此因素引起的误差。2D图像人脸识别由于缺乏立体信息，若受到平面印刷品的攻击，缺乏鲁棒性强的活体检测算法，基于LBP(localbinarypattern)的算法易受环境光线、RGB摄像头本身的影响，基于红外摄像头也无法抵抗印刷品的攻击；另外本专利技术针对的1：N方式是没有附加的RFID、指纹等等验证，因此需要更可靠的辅助活体检测流程。
技术实现思路
针对现有技术中存在的问题，本专利技术的目的是提供一种解决了门禁1:N方案中的功耗不平衡问题，改善了人脸识别中视角误差引起的精度下降问题，并辅助活体检测的智能门禁系统。为了实现上述目的，本专利技术采用如下技术方案：一种智能门禁系统，包括人脸识别模块、超声模块、门禁开关控制模块，所述门禁开关控制模块与人脸识别模块电性连接，所述超声模块与人脸识别模块电性连接。本技术方案的进一步优化，所述超声模块为特定频段超声波设备。本技术方案的进一步优化，所述超声模块发射超声波脉冲，超声模块接收端收集人脸的反射波信号，针对反射波数据，利用计算机算法分析得到人脸部各个部分结构在回波序列中的特征波；利用朴素贝叶斯(NB)模型，对小型数据集进行训练分类；利用K临近以及支持向量机(SVM)模型，针对较大数据集进行分类训练，区分真实人脸和多种非真实人脸，辅助活体检测。本技术方案的进一步优化，所述超声模块在RGB摄像画幅中一定角度内、一定法向距离内，持续进行探测、活体检测，经NB或SVM模型校验通过，RGB摄像头捕捉到的二维图像才会进入计算机视觉人脸识别模块的人脸捕捉流程。本技术方案的进一步优化，所述角度为扇形区幅角55～65度，所述距离为35-135厘米。本技术方案的进一步优化，所述人脸识别模块为1：N模式，基于RGB图像深度学习的人脸识别系统，用于提取人脸特征，识别及校验访客。本技术方案的进一步优化，所述人脸识别模块针对人脸多种姿态使用基于视频流的特征提取方案，在特征底库注册过程中要求注册对象上、下、左、右扭动头部录制若干秒连续视频。本技术方案的进一步优化，所述人脸识别模块加入了多重判断机制，利用DLIB、MTCNN双重模型进行特征点提取。本技术方案的进一步优化，所述人脸识别模块利用特征提取模型FacenetInception进行特征提取。本技术方案的进一步优化，所述特征提取模型FacenetInception由CNN卷积层、池化层、全连接层和softmax分类层组成。本专利技术的有益效果在于：(1)本专利技术引入了超声模块，以特定方式发射超声波脉冲，超声模块接收端对人脸的反射波信号进行收集，针对反射波数据，利用计算机算法分析得到人脸部各个部分结构在回波序列中的特征波；利用K临近以及SVM算法，针对较大数据集进行分类训练，更准确区分真实人脸和非真实人脸；(2)本专利技术的超声波模块辅助方案减少了门禁系统的计算量、提高了系统的散热稳定、PCB抗热老化性能，延长使用寿命、大大降低因高功耗导致的故障率以及维护成本。并对流信息处理进行了优化，实现了真实生产环境中的高效、低消耗；(3)本专利技术针对人脸多种姿态脸部模型使用了基于视频流的特征提取方案，使得门禁底库录入更加便捷、识别准确度更高。(4)本专利技术解决了门禁1：N方案中的功耗不平衡问题，提高了了人脸识别中不同视角的鲁棒性。附图说明图1是本专利技术超声波辅助人脸识别流程图；图2是本专利技术基于视频的人脸特征入库流程示意图；图3是本专利技术整体示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。一种智能门禁系统，包括人脸识别模块、超声模块、门禁开关控制模块，所述门禁开关控制模块与人脸识别模块电性连接，所述超声模块与人脸识别模块电性连接。超声模块为特定频段超声波设备。所述超声模块发射超声波脉冲，超声模块接收端对人脸的反射波信号进行收集，针对反射波数据，利用计算机算法分析得到人脸部各个部分结构在回波序列中的特征波；利用NB模型，对小型数据集进行训练分类；利用K临近以及SVM模型，针对较大数据集进行分类训练，区分真实人脸和非真实人脸，得出活体判断结果。所述超声模块在RGB摄像画幅中一定角度内、一定法向距离内，持续进行探测、活体检测，经NB或SVM模型校验通过，RGB摄像头捕捉到的二维图像才会进入计算机视觉人脸识别模块的人脸捕捉流程。所述角度为扇形区幅角55～65度，所述距离为35-135厘米。所述人脸识别模块为1：N模式基于RGB图像深度学习的人脸识别系统，用于提取人脸特征，识别及校验访客。所述人脸识别模块针对人脸多种姿态使用基于视频流的特征提取方案，在特征底库注册过程中要求注册对象上、下、左、右扭动头部录制若干秒连续视频。所述人脸识别模块加入了多重判断机制，利用DLIB、MTCNN模型双重特征点提取。如图1所示，本专利技术利用窄带超声波设备对人脸进行主动信息摄取，发射的超声波频率为60KHz，超声波换能器声场发射角度为30°；超声波遇到人脸反射，反射波被一个或多个接收端收集，接收端换能器指向性为单向、入射角度30°左右，超过此角度的入射波，电平回馈较弱，抑制二次反射造成的信号污染、提高信噪比；RGB摄像头CMOS/CCD感光平面与超声模块位于同一地垂平面内，摄像头视域中轴线与超声波探测区域中轴线对齐致接近重合，且调整摄像头采集图像的视角、超声波设备超声波发射与接收端入射角接近重合；超声波设备回波探测距离用回波时间差估算：距离(厘米)＝0.017×时间(微秒)；将反射回的脉冲按照时间窗口截选，由距离等式得到所需截选的区间范围，本专利针对距离35-85厘米内回波进行分析，即在脉冲回波反射时间窗口在4.本文档来自技高网...

【技术保护点】
1.一种智能门禁系统，其特征在于，包括人脸识别模块、超声模块、门禁开关控制模块，

【技术特征摘要】
1.一种智能门禁系统，其特征在于，包括人脸识别模块、超声模块、门禁开关控制模块，所述门禁开关控制模块与人脸识别模块电性连接，所述超声模块与人脸识别模块电性连接。2.根据权利要求1所述的一种智能门禁系统，其特征在于，所述超声模块为特定频段超声波设备。3.根据权利要求1所述的一种智能门禁系统，其特征在于，所述超声模块发射超声波脉冲，超声模块接收端对人脸的反射波信号进行收集，针对反射波数据，利用计算机算法分析得到人脸部各个部分结构在回波序列中的特征波；利用NB模型，对小型数据集进行训练分类；利用K临近以及SVM模型，针对较大数据集进行分类训练，区分真实人脸和非真实人脸，得出活体判断结果。4.根据权利要求3所述的一种智能门禁系统，其特征在于，所述超声模块在RGB摄像画幅中一定角度内、一定法向距离内，持续进行探测、活体检测，经NB或SVM模型校验通过，RGB摄像头捕捉到的二维图像才会进入计算机视觉人脸识别模块的人脸捕捉流程。5.根据权利要求4所述的一种智能门禁系...

【专利技术属性】
技术研发人员：杨泽霖，马雁祥，罗红亮，
申请(专利权)人：深圳禾思众成科技有限公司，
类型：发明
国别省市：广东,44