【技术实现步骤摘要】
本专利技术涉及机器视觉，具体为一种基于机器视觉的智能门锁监控方法及系统。
技术介绍
1、随着物联网技术的不断发展和智能家居的兴起，人们对于智能化、便捷化的生活方式的需求逐渐增加，智能门锁作为智能家居的一部分，需要更加先进的技术来提高安全性和用户体验，传统的门锁系统存在一些弊端，包括易受撬动、密码破解等问题，基于机器视觉的智能门锁系统能够通过先进的技术手段提高门锁系统的安全性，满足人们对安全的需求。
2、随着人脸识别技术的不断进步，其在安全领域的应用逐渐增多，将人脸识别技术应用于智能门锁监控系统，可以实现更加智能、便捷的身份验证方式，提高门锁系统的智能化水平；伴随着异常检测技术在安全领域的广泛的应用，实时监测智能门锁使用运行过程中的异常情况，也成为了智能门锁研究的着重点之一。
3、对于机器视觉在人脸识别匹配领域的研究，存在利用获取人脸信息与数据库现有人脸信息进行比对判断的方法，例如公告号：cn107610260b公开的一种基于机器视觉的智能考勤系统及考勤方法，利用信息采集处理终端、门禁系统、远程监控终端及通信模块，对所采集到的人员信息与信息存储模块内预先存储的人员信息进行匹配，并将匹配结果传送至门禁系统及远程监控终端，实现了智能化考勤。然而，上述基于机器视觉的智能考勤系统及考勤方法缺乏统一的人脸识别参考模型，对于考勤系统运行过程中的异常情况也缺乏检测模型。
4、因此，针对以上问题，亟待需要一种基于机器视觉的智能门锁监控方法及系统。
技术实现思路
1
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于机器视觉的智能门锁监控方法，包括以下步骤：基于获取的智能门锁监控过程信息，分析获得智能门锁监控异常检测值，用于检测智能门锁监控使用运行过程中是否存在异常状况；对于检测到智能门锁监控使用运行过程不存在异常状况时，基于获取的智能门锁监控过程信息获得人脸识别符合值，用于对人脸图像进行识别对比，判断访客是否可以通行。
3、进一步地，所述检测智能门锁监控使用运行过程中是否存在异常状况具体为：获得智能门锁监控异常检测阈值，所述智能门锁监控异常检测阈值表示为智能门锁监控异常检测值检测到异常状况发生的最小值，用于检测智能门锁监控异常情况；将智能门锁监控异常检测值与智能门锁监控异常检测阈值对比分析，当智能门锁监控异常检测值超过智能门锁监控异常检测阈值时，判断智能门锁监控使用过程中存在异常情况，所述异常情况包括：访客权限异常、攻击安全问题、环境异常，利用警报机制发送提示短信进行风险预警及优化措施，所述优化措施包括：重新配置访客访问权限、提供密码重置功能、强化安全措施、采用防水防尘设施。
4、进一步地，所述获得智能门锁监控异常检测值具体包括：获取智能门锁监控过程信息，所述智能门锁监控过程信息具体包括：验证访问信息、环境信息；通过验证访问信息、环境信息分析，分别获得隐私加密值、环境符合值、环境实际值；利用隐私加密值、环境符合值、环境实际值分析，构建智能门锁监控异常检测模型，得到智能门锁监控异常检测值。
5、进一步地，所述验证访问信息具体包括：多身份验证错误率、未授权访问率；所述环境信息具体包括：光照强度、温度、湿度、画面遮挡面积。
6、进一步地，所述隐私加密值具体为：利用多身份验证错误率、未授权访问率分析，结合多身份验证错误率、未授权访问率相对应的权重因子，进行加权求和计算，获得隐私加密值，所述隐私加密值用于数值化展示智能门锁监控的隐私加密情况；所述环境符合值具体为：获取环境信息阈值，所述环境信息阈值具体包括：光照强度阈值、温度阈值、湿度阈值、画面遮挡面积阈值，所述环境符合值表示为智能门锁监控可识别人脸图像的环境信息临界值，结合光照强度阈值、温度阈值、湿度阈值、画面遮挡面积阈值分析计算，得到环境符合值，所述环境符合值用于表示智能门锁监控可识别人脸图像时的环境临界值；所述环境实际值具体为：利用光照强度、温度、湿度、画面遮挡面积分析，结合光照强度、温度、湿度、画面遮挡面积相对应的权重因子，进行加权求和，获得环境实际值，所述环境实际值用于表示智能门锁监控识别人脸图像过程中的实际环境情况。
7、进一步地，智能门锁监控异常检测值计算公式为：
8、式中ζ表示为智能门锁监控异常检测值，i表示为智能门锁监控异常检测模型训练周期，i＝1,2,3,...,n，n表示为智能门锁监控异常检测模型训练周期的个数，η1i、η2i分别表示为第
9、i次训练的隐私加密值、环境实际值，δη2表示为环境符合值，a1、a2分别表示为隐私加密与环境异常相对应的权重因子。
10、进一步地，所述判断访客是否可以通行具体为：获取人脸识别符合阈值，所述人脸识别符合阈值用于评判人脸图像在数据库是否有对应图像，判断访客是否有权限通行，表示为人脸识别符合值的极限值；将访客的人脸识别符合值与人脸识别符合阈值进行对比分析，当人脸识别符合值超过人脸识别符合阈值时，判断该访客具有通行访问权限，给予放行；当人脸识别符合值低于人脸识别符合阈值时，判断该访客不具备通行访问权限，利用警报机制提示管理人员进行进一步身份登记或排查。
11、进一步地，所述获得人脸识别符合值具体包括：获取智能门锁监控过程信息，所述智能门锁监控过程信息包括人脸图像调整信息、人脸图像识别信息；所述人脸图像调整信息具体包括：人脸框高度、人脸框宽度、图像清晰度，利用人脸图像调整信息分析，计算得到人脸图像调整系数，用于为人脸图像预处理提供参考，利用人脸图像调整系数对人脸图像进行相应尺寸、位置调整，进而通过预处理后的人脸图像获取人脸图像识别信息，所述人脸图像识别信息具体包括：人脸特征向量；将人脸特征向量与数据库在登记的各个人脸特征向量进行对比，结合人脸图像调整系数分析，计算得到人脸识别符合值。
12、进一步地，人脸识别符合值计算公式为：
13、式中θ表示为人脸识别符合值，μ1表示为人脸特征向量，
14、{ι1,ι2,ι3,...,ιm}表示为数据库在登记的各个人脸特征向量，m表示为数据库在登记人数，表示为人脸图像调整系数。
15、一种基于机器视觉的智能门锁监控系统，应用上述的一种基于机器视觉的智能门锁监控方法，包括：异常检测模块，用于基于获取的智能门锁监控过程信息，分析获得智能门锁监控异常检测值，用于检测智能门锁监控使用运行过程中是否存在异常状况；人脸识别模块，用于对于检测到智能门锁监控使用运行过程不存在异常状况时，基于获取的智能门锁监控过程信息获得人脸识别符合值，用于对人脸图像进行识别对比，判断访客是否可以通行。
16、本专利技术具有以下有益效果：
17、(1)、该一种基于机器视觉的智能门锁监控方法及系统，通过验证访问信本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的智能门锁监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述检测智能门锁监控使用运行过程中是否存在异常状况具体为：
3.根据权利要求2所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述获得智能门锁监控异常检测值具体包括：
4.根据权利要求3所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述验证访问信息具体包括：多身份验证错误率、未授权访问率；
5.根据权利要求3所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述隐私加密值具体为：利用多身份验证错误率、未授权访问率分析，结合多身份验证错误率、未授权访问率相对应的权重因子，进行加权求和计算，获得隐私加密值，所述隐私加密值用于数值化展示智能门锁监控的隐私加密情况；
6.根据权利要求3所述的一种基于机器视觉的智能门锁监控方法，其特征在于，智能门锁监控异常检测值计算公式为：
7.根据权利要求1所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述判断访客是否可
8.根据权利要求7所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述获得人脸识别符合值具体包括：
9.根据权利要求8所述的一种基于机器视觉的智能门锁监控方法，其特征在于，人脸识别符合值计算公式为：
10.一种基于机器视觉的智能门锁监控系统，应用权利要求1-9任意一项所述的一种基于机器视觉的智能门锁监控方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于机器视觉的智能门锁监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述检测智能门锁监控使用运行过程中是否存在异常状况具体为：
3.根据权利要求2所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述获得智能门锁监控异常检测值具体包括：
4.根据权利要求3所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述验证访问信息具体包括：多身份验证错误率、未授权访问率；
5.根据权利要求3所述的一种基于机器视觉的智能门锁监控方法，其特征在于，所述隐私加密值具体为：利用多身份验证错误率、未授权访问率分析，结合多身份验证错误率、未授权访问率相对应的权重因子，进行加权求...
【专利技术属性】
技术研发人员：谢照，吴哲高，薛雪，龙照凯，
申请(专利权)人：湖南朗赫科技有限公司，
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。