【技术实现步骤摘要】
一种基于深度学习的智能化数据采集方法及采集系统
[0001]本专利技术涉及数据处理的
,尤其是涉及一种基于深度学习的智能化数据采集方法及采集系统 。
技术介绍
[0002]作为人们日常房屋生活的必须物品,门禁为人们的日常生活提供了极佳的保护体验
。
随着人们对于门禁提出了智能化
、
便捷化及实用化的需求下,当前市场涌现出各式各样的新型智能门禁系统,其中最受人们欢迎的是基于人脸识别的门禁系统
。
人脸识别门禁系统是以住户人脸为开关依据,能够识别住户人员和非住户人员,其识别过程不依赖钥匙,节约了用户的实用成本
。
[0003]目前,人脸脸识别技术中被广泛采用的区域特征分析算法,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型
,
即人脸特征模板
。
利用已建成的人脸特征模板与被测者的人的面像进行特征分析,根据分析的结果来给出一个相似值
。
通过这个值即可确定是否为同一人
。
[0004]但是,目前的门禁识别系统在识别人员的面部信息时,当人员的面部信息发生改变时(例如:胖瘦的变化
、
苍老的变化等),门禁系统仍然按照录入信息时面部信息参数进行比对,进而提高了对人员的拒识率,使得已录入面部信息的人员无法通过门禁
。
技术实现思路
[0005]为了能够降低门禁系统对人员的拒识率,提高已录入面部信息的人员通过门禁的概率, ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的智能化数据采集方法,其特征在于:包括以下步骤:初步采集:对需要经过门禁的人员进行面部信息采集以及身份信息采集,获取人脸图像,并将其做图像大小调整和灰度调整操作;特征分析:对拍摄的人脸图像进行人脸检测工作,定位人脸的位置,进行人脸对象的匹配工作,同时运用数据库的数据进行运算,从而获得人脸的特征向量矩阵;形成特征参数:通过特征分析步骤中对人脸图像的分析,将人脸图像的特征向量矩阵转化为第一数字信号参数
M
;人脸信息获取:门禁系统获取经过门禁的人员进行面部信息,并获取人脸图像,并将其做图像大小调整和灰度调整操作;人脸特征分析:门禁系统将拍摄的人脸图像进行人脸检测工作,定位人脸的位置,进行人脸对象的匹配工作,同时运用数据库的数据进行运算,从而获得人脸的特征向量矩阵,并将人脸图像的特征向量矩阵转化为第二数字信号参数
N
;初次特征比对:设置最大允许误差
A
,若,则执行门禁开步骤,并执行人脸日常采集步骤;若;执行门禁闭步骤,并再次执行初步采集步骤;人脸日常采集:记录
i
次通过门禁的人员的人脸图像,并将人脸图像的特征向量矩阵转化为第三数字信号,并将第三数字信号记录为
N
i
;初次判断:若,则执行门禁开步骤,并执行二次判断步骤,否则执行门禁关步骤;二次判断:设定警戒误差
B
,且
B
满足,若,则执行计算步骤;计算:对第四数字信号参数
Q
进行计算,第四数字信号参数
Q
的计算模型如下:;并另
M
=
Q
;门禁开:控制门禁开启;门禁闭:控制门禁闭合
。2.
根据权利要求1所述的一种基于深度学习的智能化数据采集方法,其特征在于:在二次判断步骤中,时刻对警戒误差
B
进行更新,警戒误差
B
的计算模型如下:;式中
T
为人脸日常采集的周期,式中
C
为灵敏度常数,且
。3.
根据权利要求2所述的一种基于深度学习的智能化数据采集方法,其特征在于:根据初步采集步骤中人员的身份信息对
C
的取值进行确定,
C
的取值计算模型为:;式中
age
为初步采集步骤中被采集人员的年龄
。4.
根据权利要求1所述的一种基于深度学习的智能化数据采集方法,其特征在于:设置周期阈值
T1,
若人脸信息获取步骤中在周期阈值
T1
时间段内未获取人脸信息,则执行初步
采集步骤
。5.
一种数据采集系统,应用权利要求1‑4中任意一项所述的基于深度学习的智能化数据采集方法,其特征在于:包括输入终端
、
识别终端以及门禁控制模块,所述输入终端包括:采集模块
I
:输出端与分析模块
I
的输入端电信号连接,用于对需要经过门禁的人员进行面部信息采集,获取人脸图像,并将其做图像大小调整和灰度调整操作;分析模块
I
:输出端与计算模块
I
的输入端电信号连接,用于对拍摄的人脸图像进行人脸检测工作,定位人脸的位置,进行人脸对象的匹配工作,同时运用数据库的数据进行运算,从而获得人脸的特征向量矩阵;计算模块
I
:输出端与识别终端的输入端电信号连接,通过分析模块
I
中对人脸图像的分析,将人脸图像的特征向量矩阵转化为第一数字信号参数
M
,并将第一数字信号参数
M
传输至识别终端;所述识别终端包括采集模块<...
【专利技术属性】
技术研发人员:杨小林,刘超,付金涛,李晨,
申请(专利权)人:浪潮智慧科技创新山东有限公司,
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。