【技术实现步骤摘要】
本申请涉及智能家居管理领域，且更为具体地，涉及一种智能家居设备管理系统及其方法。
技术介绍
1、随着科学技术的发展和社会水平的提高，智能门禁系统已经走入人们的日常生活中。市面上有各式各样的门锁，比如，防盗门锁、指纹门锁、蓝牙门锁和人脸识别门锁等。其中，通过人脸识别技术进行智能门锁的开关越来越受欢迎。但是，现有的智能门锁的人脸识别技术主要是考虑单一的人脸图像，而对人体躯干、步态、声音等综合性信息考虑较少。这样，就很容易受到欺骗和攻击。例如，攻击者可以使用伪造的照片或视频来欺骗人脸识别系统，从而绕过门锁的认证。而且，仅基于人脸图像进行识别可能导致错误识别的情况增多。因为人脸图像可能受到光线、表情等环境因素的影响，从而导致识别的准确性下降。
2、因此，期望一种智能家居设备管理系统及其方法，通过将人脸识别和声音识别相结合，基于综合性信息对用户身份进行识别，从而确保门锁系统的安全性和识别性以及提高用户的便利性和舒适度。
技术实现思路
1、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智能家居设备管理系统及其方法，其通过摄像头采集待校验用户的人脸图像以及通过声音传感器采集待校验用户的脚步声信号，然后通过卷积神经网络分别对其进行特征提取和分析，从而得到用于表示待校验用户的身份信息是否真实的分类结果。也就是，将人脸识别和声音识别相结合，基于综合性信息来对用户身份进行识别。这样，能够增加识别的可靠性和鲁棒性，从而确保门锁系统的安全性和识别性以及提高用户的便利性和舒适度。p>
2、根据本申请的第一方面，提供了一种智能家居设备管理系统，其包括：
3、数据采集单元，用于通过摄像头采集待校验用户的人脸图像以及通过声音传感器采集待校验用户的脚步声信号；
4、人脸检测单元，用于将所述待校验用户的人脸图像通过作为人脸区域检测网络的第一卷积神经网络以得到人脸特征图；
5、降噪单元，用于将所述待校验用户的脚步声信号通过基于对抗生成网络的降噪器以得到降噪后脚步声信号；
6、卷积编码单元，用于将所述降噪后脚步声信号的波形图通过使用空间注意力机制的第二卷积神经网络以得到脚步频率特征图；
7、特征融合单元，用于对所述人脸特征图和所述脚步频率特征图进行基于秩序性的位移过渡以得到分类特征图；
8、结果生成单元，用于将所述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待校验用户的身份信息是否真实。
9、结合本申请的第一方面，在本申请的第一方面的一种智能家居设备管理系统中，所述人脸检测单元，用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行：使用所述第一卷积神经网络的各层的卷积单元对所述输入数据进行卷积处理以得到卷积特征图；使用所述第一卷积神经网络的各层的池化单元对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及使用所述第一卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为所述人脸特征图。
10、结合本申请的第一方面，在本申请的第一方面的一种智能家居设备管理系统中，所述卷积编码单元，包括：深度卷积编码子单元，使用所述第二卷积神经网络的卷积编码部分对所述降噪后脚步声信号的波形图进行深度卷积编码以得到初始卷积特征图；空间注意力子单元，将所述初始卷积特征图输入所述第二卷积神经网络的空间注意力部分以得到空间注意力图；特征激活子单元，将所述空间注意力图通过softmax激活函数以得到空间注意力特征图；按位置点乘子单元，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述脚步频率特征图。
11、根据本申请的第二方面，提供了一种智能家居设备管理方法，其包括：
12、通过摄像头采集待校验用户的人脸图像以及通过声音传感器采集待校验用户的脚步声信号；
13、将所述待校验用户的人脸图像通过作为人脸区域检测网络的第一卷积神经网络以得到人脸特征图；
14、将所述待校验用户的脚步声信号通过基于对抗生成网络的降噪器以得到降噪后脚步声信号；
15、将所述降噪后脚步声信号的波形图通过使用空间注意力机制的第二卷积神经网络以得到脚步频率特征图；
16、对所述人脸特征图和所述脚步频率特征图进行基于秩序性的位移过渡以得到分类特征图；
17、将所述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待校验用户的身份信息是否真实。
18、与现有技术相比，本申请提供的一种智能家居设备管理系统及其方法，其通过摄像头采集待校验用户的人脸图像以及通过声音传感器采集待校验用户的脚步声信号，然后通过卷积神经网络分别对其进行特征提取和分析，从而得到用于表示待校验用户的身份信息是否真实的分类结果。也就是，将人脸识别和声音识别相结合，基于综合性信息来对用户身份进行识别。这样，能够增加识别的可靠性和鲁棒性，从而确保门锁系统的安全性和识别性以及提高用户的便利性和舒适度。
本文档来自技高网...【技术保护点】
1.一种智能家居设备管理系统，其特征在于，包括：
2.根据权利要求1所述的智能家居设备管理系统，其特征在于，所述人脸检测单元，用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行：
3.根据权利要求2所述的智能家居设备管理系统，其特征在于，所述第一卷积神经网络为Fast R-CNN、Faster R-CNN或RetinaNet。
4.根据权利要求3所述的智能家居设备管理系统，其特征在于，所述基于对抗生成网络的降噪器，包含生成模块和鉴别模块。
5.根据权利要求4所述的智能家居设备管理系统，其特征在于，所述卷积编码单元，包括：
6.根据权利要求5所述的智能家居设备管理系统，其特征在于，所述特征融合单元，包括：
7.根据权利要求6所述的智能家居设备管理系统，其特征在于，所述结果生成单元，用于：使用所述分类器以如下分类公式对所述分类特征图进行处理以得到所述分类结果；
8.一种智能家居设备管理方法，其特征在于，包括：
9.根据权利要求8所述的智能家居设备管理方法，其特征在于，将
10.根据权利要求9所述的智能家居设备管理方法，其特征在于，将所述待校验用户的脚步声信号通过基于对抗生成网络的降噪器以得到降噪后脚步声信号，所述基于对抗生成网络的降噪器，包含生成模块和鉴别模块。
...【技术特征摘要】
1.一种智能家居设备管理系统，其特征在于，包括：
2.根据权利要求1所述的智能家居设备管理系统，其特征在于，所述人脸检测单元，用于：使用所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行：
3.根据权利要求2所述的智能家居设备管理系统，其特征在于，所述第一卷积神经网络为fast r-cnn、faster r-cnn或retinanet。
4.根据权利要求3所述的智能家居设备管理系统，其特征在于，所述基于对抗生成网络的降噪器，包含生成模块和鉴别模块。
5.根据权利要求4所述的智能家居设备管理系统，其特征在于，所述卷积编码单元，包括：
6.根据权利要求5所述的智能家居设备管理系统，其特征在于，所述特征融合单...
【专利技术属性】
技术研发人员：洪国来，喻剑光，向葵丽，
申请(专利权)人：安徽欧来福智能家居有限公司，
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。