System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及数据处理,具体涉及一种通行验证方法、装置、设备及存储介质。
技术介绍
1、随着人口老龄化的日益严重,为老年人提供更便利的服务和关怀变得尤为重要。目前各地公园和景点已经推出了针对老年人的免费开放政策。
2、目前在进入这些对老年人免费开放的公园或景点时,老年人常需要通过购买老年票或者刷身份证、老年卡等方式验证老年人身份。这些方式对于行动不便或记忆力较差的老年人来说仍然过于繁琐,而且还可能存在安全性隐患,造成老年人的个人信息泄露。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种通行验证方法、装置、设备及存储介质。
2、第一方面,本公开提供了一种通行验证方法,包括:
3、获取待通行用户的人脸图像;
4、根据所述人脸图像识别所述待通行用户的年龄;
5、若所述待通行用户的年龄符合通行要求,则放行所述待通行用户。
6、可选的,所述获取待通行用户的图像,包括:
7、控制摄像头拍摄入口预设范围内的人物,得到实时图像;
8、识别所述实时图像中与入口之间距离最小的目标人物;
9、从所述实时图像提取所述目标人物的人脸图像作为所述待通行用户的人脸图像。
10、可选的,所述根据所述人脸图像识别所述待通行用户的年龄之前,还包括:
11、收集多个不同年龄段、不同性别的人脸图像数据,其中每个人脸图像数据均标注有年龄标签;
1
13、可选的,所述利用所述多个人脸图像数据训练预设的卷积神经网络模型,得到年龄识别模型,包括:
14、对所述多个人脸图像数据进行预处理,以使所述多个人脸图像数据的尺寸对齐;
15、按照预设比例将预处理后的所述多个人脸图像数据划分为训练集和验证集,所述训练集的占比大于所述验证集的占比;
16、使用所述训练集对预设的卷积神经网络模型进行训练,通过反向传播的方式更新模型的参数,得到训练后的卷积神经网络模型;
17、使用所述验证集对训练后的卷积神经网络模型进行验证评估,得到年龄识别的准确度评估结果;
18、重复上述训练、评估的步骤直至所述准确度评估结果符合预设条件,则将训练后的卷积神经网络模型作为所述年龄识别模型。
19、可选的,所述根据所述人脸图像识别所述待通行用户的年龄,包括:
20、将所述人脸图像输入所述年龄识别模型,以得到所述年龄识别模型输出的年龄识别结果;
21、将所述年龄识别结果中的年龄作为所述待通行用户的年龄。
22、可选的,所述放行所述待通行用户之后,还包括:
23、向所述待通行用户播报年龄询问语音;
24、采集到所述待通行用户的回复语音后,通过语音识别模型确定所述回复语音中包含的年龄信息;
25、根据所述年龄信息为所述人脸图像赋予年龄标签,并将所述人脸图像传输至训练数据库中;
26、在所述训练数据库新增的人脸图像达到预设阈值时,使用所述训练数据库中的人脸图像数据对所述年龄识别模型进行迭代训练。
27、可选的,所述将所述人脸图像传输至训练数据库中,包括:
28、从预设的多个脱敏策略中随机选择脱敏策略对所述人脸图像进行脱敏处理,得到脱敏后的人脸图像,每个脱敏策略具有对应的标识;
29、将脱敏后的人脸图像和所选脱敏策略的标识传输至训练数据库中,以使所述训练数据库在存储所述人脸图像时根据所选脱敏策略的标识确定解脱敏策略,并通过所述解脱敏策略对脱敏后的人脸图像进行解脱敏。
30、第二方面,本公开提供了一种通行验证装置,包括:
31、获取模块,用于获取待通行用户的人脸图像;
32、识别模块,用于根据所述人脸图像识别所述待通行用户的年龄;
33、验证模块,用于若所述待通行用户的年龄符合通行要求,则放行所述待通行用户。
34、可选的,所述获取模块在获取待通行用户的图像时,具体用于控制摄像头拍摄入口预设范围内的人物,得到实时图像;识别所述实时图像中与入口之间距离最小的目标人物;从所述实时图像提取所述目标人物的人脸图像作为所述待通行用户的人脸图像。
35、可选的,所述通行验证装置还包括训练模块,用于在根据所述人脸图像识别所述待通行用户的年龄之前,收集多个不同年龄段、不同性别的人脸图像数据,其中每个人脸图像数据均标注有年龄标签;利用所述多个人脸图像数据训练预设的卷积神经网络模型,得到年龄识别模型。
36、可选的,所述训练模块在利用所述多个人脸图像数据训练预设的卷积神经网络模型,得到年龄识别模型时,具体用于对所述多个人脸图像数据进行预处理,以使所述多个人脸图像数据的尺寸对齐;按照预设比例将预处理后的所述多个人脸图像数据划分为训练集和验证集,所述训练集的占比大于所述验证集的占比;使用所述训练集对预设的卷积神经网络模型进行训练,通过反向传播的方式更新模型的参数,得到训练后的卷积神经网络模型;使用所述验证集对训练后的卷积神经网络模型进行验证评估,得到年龄识别的准确度评估结果;重复上述训练、评估的步骤直至所述准确度评估结果符合预设条件,则将训练后的卷积神经网络模型作为所述年龄识别模型。
37、可选的,所述识别模块在根据所述人脸图像识别所述待通行用户的年龄时,具体用于将所述人脸图像输入所述年龄识别模型,以得到所述年龄识别模型输出的年龄识别结果;将所述年龄识别结果中的年龄作为所述待通行用户的年龄。
38、可选的,所述通行验证装置还包括迭代模块,用于在放行所述待通行用户之后,向所述待通行用户播报年龄询问语音;采集到所述待通行用户的回复语音后,通过语音识别模型确定所述回复语音中包含的年龄信息;根据所述年龄信息为所述人脸图像赋予年龄标签,并将所述人脸图像传输至训练数据库中;在所述训练数据库新增的人脸图像达到预设阈值时,使用所述训练数据库中的人脸图像数据对所述年龄识别模型进行迭代训练。
39、可选的,所述迭代模块在将所述人脸图像传输至训练数据库中时,具体用于从预设的多个脱敏策略中随机选择脱敏策略对所述人脸图像进行脱敏处理,得到脱敏后的人脸图像,每个脱敏策略具有对应的标识;将脱敏后的人脸图像和所选脱敏策略的标识传输至训练数据库中,以使所述训练数据库在存储所述人脸图像时根据所选脱敏策略的标识确定解脱敏策略,并通过所述解脱敏策略对脱敏后的人脸图像进行解脱敏。
40、第三方面,本公开提供了一种电子设备,包括:
41、存储器;
42、处理器;以及
43、计算机程序;
44、其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面中任一项所述的方法。
45、第四方面,本公开提供了一种计算机本文档来自技高网...
【技术保护点】
1.一种通行验证方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取待通行用户的图像,包括:
3.如权利要求1所述的方法,其特征在于,所述根据所述人脸图像识别所述待通行用户的年龄之前,还包括:
4.如权利要求3所述的方法,其特征在于,所述利用所述多个人脸图像数据训练预设的卷积神经网络模型,得到年龄识别模型,包括:
5.如权利要求3所述的方法,其特征在于,所述根据所述人脸图像识别所述待通行用户的年龄,包括:
6.如权利要求3所述的方法,其特征在于,所述放行所述待通行用户之后,还包括:
7.如权利要求6所述的方法,其特征在于,所述将所述人脸图像传输至训练数据库中,包括:
8.一种通行验证装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
【技术特征摘要】
1.一种通行验证方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取待通行用户的图像,包括:
3.如权利要求1所述的方法,其特征在于,所述根据所述人脸图像识别所述待通行用户的年龄之前,还包括:
4.如权利要求3所述的方法,其特征在于,所述利用所述多个人脸图像数据训练预设的卷积神经网络模型,得到年龄识别模型,包括:
5.如权利要求3所述的方法,其特征在于,所述根据所述人脸图像识别所述待通...
【专利技术属性】
技术研发人员:孙连鹏,李良斌,
申请(专利权)人:北京声智科技有限公司,
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。