戴口罩人脸识别的门禁设备及系统技术方案

本申请涉及智能识别领域，其具体地公开了一种戴口罩人脸识别的门禁设备及系统，其通过将人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像后与所述人脸检测图像进行聚合以得到多通道人脸检测图像，采用基于特征提取器的卷积神经网络模型来提取所述多通道人脸检测图像中的图像局部区域高维隐含特征来进行分类，提高分类精度，进而提高戴口罩人脸识别的精准度。提高戴口罩人脸识别的精准度。提高戴口罩人脸识别的精准度。

【技术实现步骤摘要】
戴口罩人脸识别的门禁设备及系统


[0001]本申请涉及智能识别领域，且更为具体地，涉及一种戴口罩人脸识别的门禁设备及系统。

技术介绍

[0002]人脸识别技术目前已经在公共安全、智能安防、手机密保等多个领域得到应用。日常生活中具有人脸识别功能的门禁设备，几乎成为各个出入办公场所的标配。但是，出于一些需要，现阶段人们出门都要戴口罩，在人们佩戴口罩时，人脸识别系统的精准度会大幅下降，而如果摘下口罩，又会存在暴露的风险。
[0003]因此，期待一种优化的戴口罩人脸识别的门禁设备及系统。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种戴口罩人脸识别的门禁设备，其通过将人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像后与所述人脸检测图像进行聚合以得到多通道人脸检测图像，采用基于特征提取器的卷积神经网络模型来提取所述多通道人脸检测图像中的图像局部区域高维隐含特征来进行分类，提高分类精度，进而提高戴口罩人脸识别的精准度。
[0005]根据本申请的一个方面，提供了一种戴口罩人脸识别的门禁设备，其包括：
[0006]设备主体；
[0007]部署于设备主体的摄像头；以及
[0008]部署于所述设备主体且与所述摄像头可通信连接的处理器；
[0009]其中，所述处理器，包括：
[0010]图像接收模块，用于接收由所述摄像头采集的戴口罩对象的人脸检测图像；
[0011]口罩去除生成模块，用于将所述人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像；
[0012]多通道图像聚合模块，用于将所述人脸检测图像和所述生成人脸检测图像沿着通道维度进行聚合以得到多通道人脸检测图像；
[0013]特征提取模块，用于将所述多通道人脸检测图像通过使用空间注意力机制的卷积神经网络模型以得到分类特征图；
[0014]特征优化模块，用于对所述分类特征图进行基于特征聚类的去聚焦模糊优化以得到优化后分类特征图；以及
[0015]识别模块，用于将所述优化后分类特征图通过分类器以得到分类结果，所述分类结果用于表示戴口罩对象的身份标签；以及
[0016]门禁控制模块，用于基于所述分类结果，确定是否生成门禁开启指令。
[0017]在上述戴口罩人脸识别的门禁设备中，所述对抗生成网络包括鉴别器和生成器，所述口罩去除生成模块，进一步用于将所述人脸检测图像输入所述口罩去除器的生成器以
得到所述生成人脸检测图像。
[0018]在上述戴口罩人脸识别的门禁设备中，所述特征提取模块，包括：深度卷积编码单元，用于将所述多通道人脸检测图像输入所述卷积神经网络模型以得到人脸特征图；空间注意力单元，用于将所述人脸特征图通过空间注意力模块以得到空间注意力图；以及，注意力施加单元，用于将所述空间注意力图与所述人脸特征图进行按位置点乘以得到所述分类特征图。
[0019]在上述戴口罩人脸识别的门禁设备中，所述深度卷积编码单元，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络的最后一层的输出为所述人脸特征图，所述卷积神经网络的第一层的输入为所述多通道人脸检测图像。
[0020]在上述戴口罩人脸识别的门禁设备中，所述空间注意力单元，进一步用于：对所述人脸特征图进行沿通道维度的全局均值池化和全局最大值池化以得到第一人脸全局特征矩阵和第二人脸全局特征矩阵；将所述第一人脸全局特征矩阵和所述第二人脸全局特征矩阵级联后通过卷积层以得到注意力得分图；以及，使用Softmax激活函数对所述注意力得分图进行非线性激活以得到所述空间注意力图。
[0021]在上述戴口罩人脸识别的门禁设备中，所述特征优化模块，进一步用于：对所述分类特征图进行基于特征聚类的去聚焦模糊优化以得到优化后分类特征图；
[0022]其中，所述公式为：
[0023]其中μ和δ分别是特征集合的均值和标准差，其中f
i,j,k
是所述分类特征图的第(i,j,k)位置的特征值，f
i,j,k
∈F是特征集合。
[0024]在上述戴口罩人脸识别的门禁设备中，展开单元，用于将所述优化后分类特征图基于行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0025]在上述戴口罩人脸识别的门禁设备中，包括：图像接收模块，用于接收由所述摄像头采集的戴口罩对象的人脸检测图像；口罩去除生成模块，用于将所述人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像；多通道图像聚合模块，用于将所述人脸检测图像和所述生成人脸检测图像沿着通道维度进行聚合以得到多通道人脸检测图像；特征提取模块，用于将所述多通道人脸检测图像通过使用空间注意力机制的卷积神经网络模型以得到分类特征图；特征优化模块，用于对所述分类特征图进行基于特征聚类的去聚焦模糊优化以得到优化后分类特征图；以及，识别模块，用于将所述优化后分类特征图通过分类器以得到分类结果，所述分类结果用于表示戴口罩对象的身份标签；以及，门禁控制模块，用于基于所述分类结果，确定是否生成门禁开启指令。
[0026]根据本申请的另一方面，提供了一种戴口罩人脸识别方法，其包括：
[0027]接收由所述摄像头采集的戴口罩对象的人脸检测图像；
[0028]将所述人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像；
[0029]将所述人脸检测图像和所述生成人脸检测图像沿着通道维度进行聚合以得到多通道人脸检测图像；
[0030]将所述多通道人脸检测图像通过使用空间注意力机制的卷积神经网络模型以得到分类特征图；
[0031]对所述分类特征图进行基于特征聚类的去聚焦模糊优化以得到优化后分类特征图；以及
[0032]将所述优化后分类特征图通过分类器以得到分类结果，所述分类结果用于表示戴口罩对象的身份标签；以及
[0033]基于所述分类结果，确定是否生成门禁开启指令。
[0034]与现有技术相比，本申请提供的一种戴口罩人脸识别的门禁设备及系统，其通过将人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像后与所述人脸检测图像进行聚合以得到多通道人脸检测图像，采用基于特征提取器的卷积神经网络模型来提取所述多通道人脸检测图像中的图像局部区域高维隐含特征来进行分类，提高分类精度，进而提高戴口罩人脸识别的精准度。
附图说明
[0035]通过结合附图对本申请实施例进行更详细的描述，本申请的上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种戴口罩人脸识别的门禁设备，其特征在于，包括：设备主体；部署于设备主体的摄像头；以及部署于所述设备主体且与所述摄像头可通信连接的处理器；其中，所述处理器，包括：图像接收模块，用于接收由所述摄像头采集的戴口罩对象的人脸检测图像；口罩去除生成模块，用于将所述人脸检测图像通过基于对抗生成网络的口罩去除器以得到生成人脸检测图像；多通道图像聚合模块，用于将所述人脸检测图像和所述生成人脸检测图像沿着通道维度进行聚合以得到多通道人脸检测图像；特征提取模块，用于将所述多通道人脸检测图像通过使用空间注意力机制的卷积神经网络模型以得到分类特征图；特征优化模块，用于对所述分类特征图进行基于特征聚类的去聚焦模糊优化以得到优化后分类特征图；以及识别模块，用于将所述优化后分类特征图通过分类器以得到分类结果，所述分类结果用于表示戴口罩对象的身份标签；以及门禁控制模块，用于基于所述分类结果，确定是否生成门禁开启指令。2.根据权利要求1所述的戴口罩人脸识别的门禁设备，其特征在于，所述对抗生成网络包括鉴别器和生成器，所述口罩去除生成模块，进一步用于将所述人脸检测图像输入所述口罩去除器的生成器以得到所述生成人脸检测图像。3.根据权利要求2所述的戴口罩人脸识别的门禁设备，其特征在于，所述特征提取模块，包括：深度卷积编码单元，用于将所述多通道人脸检测图像输入所述卷积神经网络模型以得到人脸特征图；空间注意力单元，用于将所述人脸特征图通过空间注意力模块以得到空间注意力图；以及注意力施加单元，用于将所述空间注意力图与所述人脸特征图进行按位置点乘以得到所述分类特征图。4.根据权利要求3所述的戴口罩人脸识别的门禁设备，其特征在于，所述深度卷积编码单元，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络的最后一层的输出为所述人脸特征图，所述卷积神经网络的第一层的输入为所述多通道人脸检测图像。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：古秋枫，李文帅，
申请(专利权)人：深圳市星宏智能科技有限公司，
类型：发明
国别省市：