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方案

本发明专利技术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，涉及数据处理的技术领域，其中，数据采集方法包括初步采集

【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，本专利技术提供一种基于深度学习的智能化数据采集方法及采集系统
。
[0006]第一方面，本专利技术提供的一种基于深度学习的智能化数据采集方法，采用如下的技术方案：一种基于深度学习的智能化数据采集方法，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
。
[0007]可选地，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
。
[0008]可选地，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
。
[0009]可选的，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
。
[0010]第二方面，本专利技术提供的一种数据采集系统，采用如下的技术方案：一种数据采集系统，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
II、
分析模块
II、
以及比对模块
I
：采集模块
II
：输出端与所述分析模块
II
的输入端电信号连接，用于获取经过门禁
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；分析模块
II
：输出端与计算模块
II
的输入端电信号连接，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；计算模块
II
：输出端与比对模块
I
的输入端电信号连接，通过分析模块
II
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
N
；比对模块
I
：输入端与计算模块
I
的输出端以及计算模块
II
的输出端电信号连接，输出端与门禁控制模块的输入端电信号连接，并获得最大允许误差
A
，用于将第二数字信号参数
N
与第一数字信号参数
M
进行比较；门禁控制模块：根据比对模块
I
中的比对结果，控制门禁系统的开合
。
[0011]可选地，所述识别终端还包括采集模块
III、
判断模块
I、
判断模块
II
以及计算模块；采集模块
III
：输入端与比对模块
I
的输出端电信号连接，输出端与判断模块
I
的输入端电信号连接，用于记录
i
次通本文档来自技高网...

【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：