开门控制方法和系统技术方案

本发明专利技术公开了一种开门控制方法和系统，获取人体感兴趣区域图像后，基于人体感兴趣区域图像计算人体身高，一方面基于人体身高判断人体是否为儿童；另一方面使用卷积神经网络模型对人体感兴趣区域图像进行人体分类；在基于人体身高判断结果，以及基于卷积神经网络模型的人体分类结果均为儿童时控制门体保持锁定，否则控制门体开锁；这种结合身高判断+年龄识别判断的方式，能通过身高判断能从高度上排除非儿童的人群，通过卷积神经网络提取人的诸如衣着特征、体貌特征、高矮特征、胖瘦特征等与年龄相关的特征值来判断分类的方式从年龄上明确排除非儿童的人群，使得分类结果更加贴近实际更加准确，能够防止儿童随意开启门体，避免潜在危险发生。

【技术实现步骤摘要】
开门控制方法和系统
本专利技术属于图像处理识别
，具体地说，是涉及一种开门控制方法和系统。
技术介绍
带门体的柜体、家用电器等的普及为用户生活提供了便利，但也存在一定的安全隐患；例如，塞满物品的柜体、冰箱等在开启门体的时候，存在物品掉落的可能，此时若是儿童开启门体，则可能会被掉落的物品误伤头部等；或者，儿童出于好奇等打开门体钻入柜体中，也会因为意外原因出不来或者发生其他伤害事故。为了避免对儿童的潜在伤害，现有技术中，存在一些开门控制方法，例如，用红外传感器检测门体前出现的人体的身高，在身高低于一个身高定阈值时，则控制门体的锁处于锁死状态，防止儿童开启，但这种方案中对于身高阈值的设定比较困难，设定较低时，对于身高较矮的成人则无法开启门体，设定较高时则不利于保护儿童；又例如，采用摄像头获取用户脸部信息的方式，对用户的人脸进行识别，非授权用户无法开启门体，或授权用户才可以开启门体，但这种方式需要提前录入用户的脸部信息、设定授权信息等，占用系统资源且使用不方便。
技术实现思路
本申请提供了一种开门控制方法和系统，能够基于用户人体信息准确且高效的对用户进行分类，防止儿童随意开启门体，避免潜在危险发生。为解决上述技术问题，本申请采用以下技术方案予以实现：提出一种开门控制方法，包括：获取人体感兴趣区域图像；基于所述人体感兴趣区域图像计算人体身高；基于所述人体身高判断人体是否为儿童；以及使用卷积神经网络模型对所述人体感兴趣区域图像进行人体分类；判断基于所述人体身高判断结果，以及基于所述卷积神经网络模型的人体分类结果是否均为儿童，若是，控制门体保持锁定，否则控制门体开锁。进一步的，所述卷积神经网络模型包括三个卷积层、两个全连接层和一个分类器，所述分类器输出人体所对应人的分类为儿童和非儿童。进一步的，所述卷积神经网络模型可基于离线或在线方式更新。进一步的，所述卷积神经网络采用随机梯度下降法进行训练。提出一种开门控制系统，包括门体，还包括摄像单元、第一分类单元、第二分类单元、判断单元和控制单元；所述摄像单元，用于获取人体感兴趣区域图像；所述第一分类单元，用于基于所述人体感兴趣区域图像计算人体身高，并基于所述人体身高判断人体是否为儿童；所述第二分类单元，用于使用卷积神经网络模块对所述人体感兴趣区域图像进行人体分类；所述判断单元，用于判断基于所述人体身高判断结果，以及基于所述卷积神经网络模型的人体分类结果是否均为儿童；若是，则控制单元控制门体保持锁定，否则，控制单元控制门体开锁。进一步的，所述卷积神经网络模型包括三个卷积层、两个全连接层和一个分类器，所述分类器输出人体所对应人的分类为儿童和非儿童。进一步的，所述系统还包括存储单元和更新单元；所述存储单元，用于存储所述卷积神经网络模型；所述更新单元，用于以对所述卷积神经网络模型基于离线或在线方式进行更新。进一步的，所述卷积神经网络采用随机梯度下降法进行训练。与现有技术相比，本申请的优点和积极效果是：本申请提出的开门控制方法和系统中，采用摄像单元获取门体前出现的用户的人体感兴趣区域图像，一方面，基于人体感兴趣区域图像判断出人体的身高，通过人体身高判断当前用户是否为儿童，另一方面，将获取的人体感兴趣区域图像输入训练好的卷积神经网络模型进行人体分类，分类输出为儿童或非儿童，在通过身高判断以及通过卷积神经网络判断在人体分类均为儿童时，要控制门体保持锁定，而若其中任意一项判断为非儿童时则控制门体开锁，使得非儿童人类的人群可以在开锁后施力开启门体；这种以整个人的形体为感兴趣区域，结合身高判断+年龄识别判断的方式，能通过身高判断能从高度上排除非儿童的人群，通过卷积神经网络提取人的诸如衣着特征、体貌特征、高矮特征、胖瘦特征等与年龄相关的特征值来判断分类的方式从年龄上明确排除非儿童的人群，使得分类结果更加贴近实际更加准确，且无需用户提前录入授权信息，是一种准确、高效的分类方式，能够防止儿童随意开启门体，避免潜在危险发生。结合附图阅读本申请实施方式的详细描述后，本申请的其他特点和优点将变得更加清楚。附图说明图1为本申请提出的开门控制方法的流程图；图2为本申请提出的开门控制系统的系统框图。具体实施方式下面结合附图对本申请的具体实施方式作进一步详细地说明。本申请提出的开门控制方法，如图1所示，包括：步骤S11:获取人体感兴趣区域图像。在诸如柜体的门体、冰箱的门体等附近设置摄像单元，使得摄像单元能够获取人体感兴趣区域图像，具体的，可以采用基于Yolo的行人检测方法获取人体感兴趣区域。步骤S12：基于人体感兴趣区域图像计算人体身高。具体，采用基于Yolo的行人检测方法获取人体感兴趣矩形框，计算出检测矩形框的长度，单位为像素数，根据预先标定好的图像像素数跟现实场景下的距离计算对应关系计算出用户的身高。步骤S13：基于人体身高判断人体是否为儿童。同时，步骤S14：使用卷积神经网络模型对所述人体感兴趣区域图像进行人体分类。将人体感兴趣区域图像送到训练好的卷积神经网络模型中，具体的，卷积神经网络模型包括三个卷积层、两个全连接层和一个分类器，第一层卷积层采用96个卷积核，每个卷积核参数个数为，卷积步长为4，激活函数采用Relu，池化采用最大值池化，池化的size选择，池化步长stride选择2；第二层卷积层采用256个卷积核，卷积核大小为，卷积步长为1，池化的size选择，池化步长stride选择2；第三层卷积层采用384个滤波器，卷积核大小为；第一全连接层神经元个数选择512，第二个全连接层神经元个数也选择512，输出层设置为两个：儿童和非儿童，也即卷积神经网络模型的分类器输出人体所对应人的分类为儿童或非儿童。卷积神经网络模型在训练时，权重初始化方法采用标准差为0.01，均值为0的高斯正太分布；训练中防止过拟合采用两种策略：1、采用dropout方法，dropout比例采用0.5；2、采取数据扩充，数据扩充通过输入的图片，然后进行随机裁剪，裁剪为的图片，裁剪以人体中心为基础进行；训练方法采用随机梯度下降法，mini-batch大小选择50，学习率大小0.001，然后当迭代到10000次以后，把学习率调为0.0001。需要说明的是，上述本申请实施例中，不限定步骤S14与步骤S12的执行顺序。步骤S15：判断基于人体身高判断结果，以及基于卷积神经网络模型的人体分类结果是否均为儿童；若是，则步骤S16：控制门体保持锁定，否则步骤S17：控制门体开锁。本申请实施例中，卷积神经网络模型可基于离线或在线方式更新。上述本申请提出的开门控制方法中，采用摄像单元获取门体前出现的用户的人体感兴趣区域图像，一方面，基于人体感兴趣区域图像判断出人体的身高，通过人体身高判断当前用户是否为儿童，另一方面，将获取的人体感兴趣区域图像输入训练好的卷积神经网络模型进行人体分类，分类输出为儿童或非儿童，在通过身高判断以及通过卷积神经网络判断在人体分类均为儿童时，要控制门体保持锁定，而若其中任意一项判断为非儿童时则控制门体开锁，使得非儿童人类的人群可以在开锁后施力开启门体；这种以整个人的形体为感兴趣区域，结合身高判断+年龄识别判断的方式，能通过身高判断能从高度上排除非儿童的人群，通过卷积神经网络提取人的诸如衣着特征、体貌特征、高矮特征、胖瘦本文档来自技高网...

【技术保护点】
1.开门控制方法，其特征在于，包括：获取人体感兴趣区域图像；基于所述人体感兴趣区域图像计算人体身高；基于所述人体身高判断人体是否为儿童；以及使用卷积神经网络模型对所述人体感兴趣区域图像进行人体分类；判断基于所述人体身高判断结果，以及基于所述卷积神经网络模型的人体分类结果是否均为儿童；若是，控制门体保持锁定，否则控制门体开锁。

【技术特征摘要】
1.开门控制方法，其特征在于，包括：获取人体感兴趣区域图像；基于所述人体感兴趣区域图像计算人体身高；基于所述人体身高判断人体是否为儿童；以及使用卷积神经网络模型对所述人体感兴趣区域图像进行人体分类；判断基于所述人体身高判断结果，以及基于所述卷积神经网络模型的人体分类结果是否均为儿童；若是，控制门体保持锁定，否则控制门体开锁。2.根据权利要求1所述的开门控制方法，其特征在于，所述卷积神经网络模型包括三个卷积层、两个全连接层和一个分类器，所述分类器输出人体所对应人的分类为儿童和非儿童。3.根据权利要求1所述的开门控制方法，其特征在于，所述卷积神经网络模型可基于离线或在线方式更新。4.根据权利要求1所述的开门控制方法，其特征在于，所述卷积神经网络采用随机梯度下降法进行训练。5.开门控制系统，包括门体，其特征在于，还包括摄像单元、第一分类单元、第二分类单元、判断单元和控制单元；所述摄像单元，用于获取人体感兴...

【专利技术属性】
技术研发人员：刘兵，高洪波，俞国新，刘彦甲，李玉强，
申请(专利权)人：青岛海尔智能技术研发有限公司，
类型：发明
国别省市：山东,37