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】
本专利技术属于电梯控制,尤其涉及一种电梯无感控制系统及方法。
技术介绍
1、目前,社会正朝着信息化、网络化、数字化快速发展的时代,信息安全变得尤为重要,越来越引起人们的关注,信息安全涉及到社会的方方面面,因此,如何有效地保护信息安全,如何方便、快捷、有效地对身份进行认证失败成为社会的热门话题。随着人工智能技术兴起的5g时代的到来,很多之前难以解决的问题得到了更多的技术支持和解决方案。然而,随着人脸识别技术的快速发展,其在实际生产生活中的应用变得越来越普及和越来越成熟,给人们的生活带来很大的便利和更好的体验。智能电梯是通过相机实时传输杏仁的图片,从图片中检测行人的人脸从而验证身份,将发出的电梯控制指令和模拟的电梯状态显示在用户界面上,通常会对距离的测定和对人脸检测与人脸识别的过程耗费时间长,也会出现误识别的问题。
技术实现思路
1、有鉴于此,本专利技术提供了一种可以提升人脸识别速率和精度的电梯无感控制系统及方法,来解决上述存在的技术问题,具体采用以下技术方案来实现。
2、第一方面,本专利技术提供了一种电梯无感控制系统,包括:
3、双目视觉单元,用于从双目相机获取视频流,从视频流中得到图像信息并将图像信息输入人脸检测单元和人脸识别单元进行处理得到人脸图像,根据人脸图像对视频中的人脸进行双目测距;
4、人脸检测单元,用于从人脸图像中检测出人脸得到人脸的位置和大小,其中,采用深度学习的检测算法进行人脸检测;
5、人脸识别单元,用于对检测后的人
6、显示单元,用于显示人脸识别结果,识别出的人脸用方框标出,并给出身份信息和电梯的状态,其中,电梯状态包括电梯门的开闭、电梯处于运动状态或停止状态、停止状态对应的楼层;
7、数据库单元,用于存储人脸特征向量、人脸特征向量对应的身份信息和电梯的状态。
8、作为上述技术方案的优选,显示单元包括对电梯门图像进行处理的图像预处理模块,图像预处理模块采用高斯滤波算法对电梯门图像进行图像平滑得到平滑后的图像g(x,y),对应的表达式为g1(x,y)=g(x,y)*g(x,y),其中σ表示高斯滤波的标准方差;
9、以3×3模板为例,在模板范围内计算当前像素点g(x,y)与其他像素之间的灰度差grd(x,y),对应的表达式为
10、令高斯平滑因子α=1-grd(x,y)/255,通过高斯平滑因子对图像进行平滑得到改进后的平滑图像g2(x,y)的表达式为g2(x,y)=αg1(x,y)+(1-α)g(x,y),当图像像素处于边缘区域时,像素之间的灰度差grd(x,y)也越大,高斯平滑因子α越小。
11、作为上述技术方案的优选,显示单元还包括对电梯门图像进行处理的边缘检测模块,边缘检测模块采用自适应的canny边缘检测算法,通过求解有限差分均值来计算平滑后图像g2(x,y)的梯度幅值和梯度方向的表达式为其中px[x,y]表示在x方向上的偏导函数,py[x,y]表示在y方向上的偏导函数,梯度幅值为梯度方向为θ[x,y]=arctan(py[x,y]/px[x,y]),增加45°方向和135°方向的梯度幅值,所得总梯度幅值的表达式为其中px[x,y]、py[x,y]、pxy[x,y]和pyx[x,y]分别表示在x轴方向、y轴方向、45°方向和135°方向的偏导函数;
12、canny算子通过设置高、低阈值来实现边缘的检测,若某像素点的梯度幅值比高阈值高,则该像素点为边缘点;若某像素点的梯度幅值比低阈值低,则该像素点不是边缘点。
13、作为上述技术方案的优选,显示单元还包括边缘筛选模块,边缘筛选模块采用图像表示提取检测标识点信息,检测标识点包括编码标识点和非编码标识点,编码标识点和非编码标识点为大小相同的圆形并经ccd成像后呈椭圆状,边缘筛选模块的执行过程包括:
14、椭圆轮廓为凸性封闭轮廓,比较边缘跟踪后的曲线段起始像素点和终止像素点间的距离,若距离小于阈值,则确定为轮廓封闭,否则为噪声并剔除;
15、选取投影角度即标识点所在平面的法线方向与投影方向的夹角在0°-60°之间对电梯门进行拍摄,在这个角度范围内电梯门图像中标识点轮廓周长l、椭圆面积s分别满足其中lmin、lmax分别表示在该角度范围内标识点轮廓周长应满足的最小、最大范围,smin、smax分别表示在该角度范围内标识点轮廓面积应满足的最小、最大范围;
16、将利用椭圆的几何特性,对目标边缘轮廓进行筛选,筛选在0°-60°范围内符合要求的椭圆轮廓,通过椭圆长短轴比、形状因子r和椭圆圆度c对轮廓进行筛选的表达式为其中a、b分别表示椭圆的长短轴,要求小于阈值m。
17、作为上述技术方案的优选,检测标识点前景色与背景色对比度强烈,根据标记点的灰度特征对边缘检测后的轮廓进行筛选,预设检测标识点的中心区域为前景色e1,像素点灰度值接近白色,用mf表示e1范围内像素平均值;环状区域为背景色e2,像素点灰度值接近黑色,用mb表示e2范围内像素平均值,则mf、mb应满足其中mf表示区分图像前景色与背景色的阈值,δmt表示前景色与背景色只差应满足的最小阈值。
18、作为上述技术方案的优选,人脸识别单元包括模型选型模块,模型选型模块采用识别信号和验证信号,总损失为识别信号和验证信号损失的加权和,训练过程中动态调整权重,各自损失函数的表达式为其中f表示特征向量,θ表示网络参数,t表示目标类别,p表示目标概率分布,表示预测概率分布,当i=1时,pi=1,当两样本为同一人时y为1,否则为-1;
19、采用优化器进行训练的表达式为其中mt、vt表示一阶和二阶动量,β1、β2表示动力参数,表示修正值,wt表示t时刻网络的参数。
20、作为上述技术方案的优选,人脸识别单元包括还包括模型评价模块,模型评价模块采用准确率、查准率和召回率作为模型泛化能力评价指标,模型预测结果的真假有置信度阈值来决定,置信度阈值是iou阈值,设置iou阈值为0.5,置信度大于0.5则为真,置信度小于0.5则为假,准确率:查准率:召回率:
21、作为上述技术方案的优选,人脸检测单元的执行过程包括:
22、检测到人脸,提取该人脸的特征向量;
23、将该特征向量与标签中的所有特征信息比对,找到与其欧式距离最近的特征向量,以这两个向量的距离作为key值,以标签中的相应特征向量对应的身份信息作为value值,成对保存到数据库单元的临时字典;
24、在根据检测到的人的数量,预设为n,提取临时字典中key值最小的前n个值的value值作为识别出的信息,发送出设置楼层的指令信号以完成电梯无感控制。
...
【技术保护点】
1.一种电梯无感控制系统,其特征在于,包括:
2.根据权利要求1所述的电梯无感控制系统,其特征在于,显示单元包括对电梯门图像进行处理的图像预处理模块,图像预处理模块采用高斯滤波算法对电梯门图像进行图像平滑得到平滑后的图像g(x,y),对应的表达式为g1(x,y)=g(x,y)*G(x,y),其中σ表示高斯滤波的标准方差;
3.根据权利要求2所述的电梯无感控制系统,其特征在于,显示单元还包括对电梯门图像进行处理的边缘检测模块,边缘检测模块采用自适应的Canny边缘检测算法,通过求解有限差分均值来计算平滑后图像g2(x,y)的梯度幅值和梯度方向的表达式为其中Px[x,y]表示在x方向上的偏导函数,Py[x,y]表示在y方向上的偏导函数,梯度幅值为梯度方向为θ[x,y]=arctan(Py[x,y]/Px[x,y]),增加45°方向和135°方向的梯度幅值,所得总梯度幅值的表达式为其中Px[x,y]、Py[x,y]、Pxy[x,y]和Pyx[x,y]分别表示在x轴方向、y轴方向、45°方向和135°方向的偏导函数;
4.根据权利要求3所述的电梯无感控
5.根据权利要求4所述的电梯无感控制系统,其特征在于,还包括:
6.根据权利要求1所述的电梯无感控制系统,其特征在于,人脸识别单元包括模型选型模块,模型选型模块采用识别信号和验证信号,总损失为识别信号和验证信号损失的加权和,训练过程中动态调整权重,各自损失函数的表达式为其中f表示特征向量,θ表示网络参数,t表示目标类别,p表示目标概率分布,表示预测概率分布,当i=1时,pi=1,当两样本为同一人时y为1,否则为-1;
7.根据权利要求6所述的电梯无感控制系统,其特征在于,人脸识别单元包括还包括模型评价模块,模型评价模块采用准确率、查准率和召回率作为模型泛化能力评价指标,模型预测结果的真假有置信度阈值来决定,置信度阈值是IoU阈值,设置IoU阈值为0.5,置信度大于0.5则为真,置信度小于0.5则为假,准确率:查准率:召回率:
8.根据权利要求1所述的电梯无感控制系统,其特征在于,人脸检测单元的执行过程包括:
9.根据权利要求1所述的电梯无感控制系统,其特征在于,双目视觉单元包括标定模块,标定模块通过双目标定获得双目摄像机之间的位置信息,位置关系可用平移矩阵P、旋转矩阵T来进行描述,通过求解左、右摄像机坐标与世界坐标之间的平移、旋转矩阵,即可获得左、右摄像机坐标之间的位置关系的表达式为其中Pl表示世界坐标系中P在左摄像机坐标下的坐标,通过旋转矩阵Rl和平移矩阵Tl实现左摄像机坐标和世界坐标的转换;Pr表示世界坐标系中P在右摄像机坐标下的坐标,通过旋转矩阵Rr和平移矩阵Tr实现右摄像机坐标和世界坐标的转换。
10.一种根据权利要求1-9任一项所述的电梯无感控制系统的电梯无感控制方法,其特征在于,包括以下步骤:
...【技术特征摘要】
1.一种电梯无感控制系统,其特征在于,包括:
2.根据权利要求1所述的电梯无感控制系统,其特征在于,显示单元包括对电梯门图像进行处理的图像预处理模块,图像预处理模块采用高斯滤波算法对电梯门图像进行图像平滑得到平滑后的图像g(x,y),对应的表达式为g1(x,y)=g(x,y)*g(x,y),其中σ表示高斯滤波的标准方差;
3.根据权利要求2所述的电梯无感控制系统,其特征在于,显示单元还包括对电梯门图像进行处理的边缘检测模块,边缘检测模块采用自适应的canny边缘检测算法,通过求解有限差分均值来计算平滑后图像g2(x,y)的梯度幅值和梯度方向的表达式为其中px[x,y]表示在x方向上的偏导函数,py[x,y]表示在y方向上的偏导函数,梯度幅值为梯度方向为θ[x,y]=arctan(py[x,y]/px[x,y]),增加45°方向和135°方向的梯度幅值,所得总梯度幅值的表达式为其中px[x,y]、py[x,y]、pxy[x,y]和pyx[x,y]分别表示在x轴方向、y轴方向、45°方向和135°方向的偏导函数;
4.根据权利要求3所述的电梯无感控制系统,其特征在于,显示单元还包括边缘筛选模块,边缘筛选模块采用图像表示提取检测标识点信息,检测标识点包括编码标识点和非编码标识点,编码标识点和非编码标识点为大小相同的圆形并经ccd成像后呈椭圆状,边缘筛选模块的执行过程包括:
5.根据权利要求4所述的电梯无感控制系统,其特征在于,还包括:
6.根据权利要求1所述的电梯无感控制系统,其特征在于...
【专利技术属性】
技术研发人员:白维朝,马敏献,
申请(专利权)人:深圳市经纬纵横科技有限公司,
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。