本发明专利技术涉及智能设备领域，其目的在于提供一种智能门锁控制方法、装置、设备及介质，该方法包括：获取目标对象的视频图像信息；基于视频图像信息提取多个运动特征向量；对运动特征向量进行聚类分析，得到特征序列；将特征序列与预设序列库进行匹配，当匹配成功时控制门锁开启。本发明专利技术通过对视频图像信息进行特征提取，构建出特征向量后再进行识别，可以有效降低识别的复杂度，同时提高识别的精度和准确率，有效提高智能门锁的安全性。有效提高智能门锁的安全性。有效提高智能门锁的安全性。
【技术实现步骤摘要】
一种智能门锁控制方法、装置、设备及介质
[0001]本专利技术涉及智能设备
，具体涉及一种智能门锁控制方法、装置、设备及介质。
技术介绍
[0002]门锁系统的简要构成要素包括锁体和钥匙，传统的解锁机制依托于以合成金属、塑料等为载体的实体钥匙。这种传统的解锁机制存在较大的安全隐患和隐藏成本。例如，实体钥匙的使用者存在匿名性，钥匙的转交和丢失都会对隐私财产造成威胁。实体钥匙传统的开锁耗时长，存在锁芯卡住，钥匙断裂等问题，这些问题会极大的影响用户体验。
[0003]而在此基础上升级的智能门锁虽然解决了部分上述问题，但方案上也存在一些缺陷。人脸识别作为一种生物识别技术，可以通过对人脸特征的采集和比对来进行身份认证。尽管在许多场合中，人脸识别作为一种便捷、高效的身份认证方式被广泛应用，但它也存在一些局限性和问题：当涉及到人脸识别技术的应用时，其中两个主要的问题是误识别率高和安全性存在问题。这些问题可能导致不良的影响，例如系统误判导致无法准确识别身份，或者被攻击者欺骗和利用系统漏洞来窃取数据。误识别率高是由于人脸识别系统对于多变的场景和人脸特征的识别仍然存在限制。例如，在低光照条件下，人脸的特征难以被识别。此外，不同面部表情、头发的遮挡、面具等也会影响人脸识别的准确度。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种智能门锁控制方法、装置、设备及介质，以解决现有技术中智能门锁对人脸的识别精度差、存在安全风险的问题。
[0005]为达到上述目的，本专利技术提供如下技术方案：<br/>[0006]本专利技术实施例提供了一种智能门锁控制方法，包括：
[0007]获取目标对象的视频图像信息；
[0008]基于所述视频图像信息提取多个运动特征向量；
[0009]对所述运动特征向量进行聚类分析，得到特征序列；
[0010]将所述特征序列与预设序列库进行匹配，当匹配成功时控制门锁开启。
[0011]可选的，所述基于所述视频图像信息提取多个运动特征向量，包括：
[0012]对所述视频图像信息进行识别筛选，得到多个运动特征图像；
[0013]从所述运动特征图像提取特征向量得到多个运动特征向量。
[0014]可选的，所述对所述视频图像信息进行识别筛选，得到运动特征图像，包括：
[0015]按照预设的时间间隔从所述视频图像信息中选取多个视频帧图像；
[0016]对每个所述视频帧图像进行识别分析，得到像素差值；
[0017]将所述像素差值与预设差值阈值进行对比；
[0018]当所述像素差值大于所述预设差值阈值时，提取该所述像素差值对应的视频帧图像作为运动特征图像。
[0019]可选的，所述从所述运动特征图像提取特征向量得到多个运动特征向量，包括：
[0020]根据预设特征要求从每个所述运动特征图像中提取多个特征向量；
[0021]将每个所述运动特征图像的特征向量进行组合得到多个特征矩阵；
[0022]对每个所述运动特征图像对应的所述特征矩阵进行归一化处理，得到多个运动特征向量。
[0023]可选的，在对每个所述运动特征图像对应的所述特征矩阵进行归一化处理之前，所述方法还包括：
[0024]将每个所述特征矩阵的维度与预设维度阈值进行对比；
[0025]当所述维度大于所述预设维度阈值时，对所述特征矩阵进行降维处理。
[0026]可选的，所述对所述运动特征向量进行聚类分析，得到特征序列，包括：
[0027]将所述运动特征向量输入预设聚类模型，得到多个特征集；
[0028]对每个所述特征集进行分析，得到多个聚类中心；
[0029]基于所述聚类中心对应的视频帧图像从所述视频图像信息中提取每个聚类中心对应的时间信息；
[0030]根据所述时间信息对所述聚类中心对应的中心向量进行排序，得到特征序列。
[0031]可选的，所述方法还包括：
[0032]根据匹配成功的特征序列和预设预测模型对所述预设序列库进行定期更新。
[0033]本专利技术实施例还提供了一种智能门锁控制装置，包括：
[0034]获取模块，用于获取目标对象的视频图像信息；
[0035]提取模块，用于基于所述视频图像信息提取多个运动特征向量；
[0036]分析模块，用于对所述运动特征向量进行聚类分析，得到特征序列；
[0037]控制模块，用于将所述特征序列与预设序列库进行匹配，当匹配成功时控制门锁开启。
[0038]本专利技术实施例还提供了一种电子设备，包括：
[0039]存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本专利技术实施例提供的智能门锁控制方法。
[0040]本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行本专利技术实施例提供的智能门锁控制方法。
[0041]本专利技术技术方案，具有如下优点：
[0042]本专利技术提供了一种智能门锁控制方法，通过获取目标对象的视频图像信息；基于视频图像信息提取多个运动特征向量；对运动特征向量进行聚类分析，得到特征序列；将特征序列与预设序列库进行匹配，当匹配成功时控制门锁开启。本专利技术通过对视频图像信息进行特征提取，构建出特征向量后再进行识别，可以有效降低识别的复杂度，同时提高识别的精度和准确率，有效提高智能门锁的安全性。
附图说明
[0043]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的
附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]图1为本专利技术实施例中的智能门锁控制方法的流程图；
[0045]图2为根据本专利技术实施例中基于所述视频图像信息提取多个运动特征向量的流程图；
[0046]图3为根据本专利技术实施例中对所述视频图像信息进行识别筛选的流程图；
[0047]图4为根据本专利技术实施例中从所述运动特征图像提取特征向量的流程图；
[0048]图5为根据本专利技术实施例中对所述特征矩阵进行降维处理的流程图；
[0049]图6为根据本专利技术实施例中对所述运动特征向量进行聚类分析的流程图；
[0050]图7为本专利技术实施例中的智能门锁控制装置的结构示意图；
[0051]图8为本专利技术实施例中的电子设备的结构示意图。
具体实施方式
[0052]为使本专利技术实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有做出创造性劳动前本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能门锁控制方法，其特征在于，包括：获取目标对象的视频图像信息；基于所述视频图像信息提取多个运动特征向量；对所述运动特征向量进行聚类分析，得到特征序列；将所述特征序列与预设序列库进行匹配，当匹配成功时控制门锁开启。2.根据权利要求1所述的智能门锁控制方法，其特征在于，所述基于所述视频图像信息提取多个运动特征向量，包括：对所述视频图像信息进行识别筛选，得到多个运动特征图像；从所述运动特征图像提取特征向量得到多个运动特征向量。3.根据权利要求2所述的智能门锁控制方法，其特征在于，所述对所述视频图像信息进行识别筛选，得到运动特征图像，包括：按照预设的时间间隔从所述视频图像信息中选取多个视频帧图像；对每个所述视频帧图像进行识别分析，得到像素差值；将所述像素差值与预设差值阈值进行对比；当所述像素差值大于所述预设差值阈值时，提取该所述像素差值对应的视频帧图像作为运动特征图像。4.根据权利要求2所述的智能门锁控制方法，其特征在于，所述从所述运动特征图像提取特征向量得到多个运动特征向量，包括：根据预设特征要求从每个所述运动特征图像中提取多个特征向量；将每个所述运动特征图像的特征向量进行组合得到多个特征矩阵；对每个所述运动特征图像对应的所述特征矩阵进行归一化处理，得到多个运动特征向量。5.根据权利要求4所述的智能门锁控制方法，其特征在于，在对每个所述运动特征图像对应的所述特征矩阵进行归一化处理之前，所述方法还包括：将每个所述特征矩阵的维度与预设维度阈值进行对比；当所述维度大于所述预...
【专利技术属性】
技术研发人员：黄毅，黄雪明，
申请(专利权)人：上海正之智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。