一种基于云计算平台的人脸识别寄存柜系统的制作方法

本发明涉及生物识别技术领域，具体涉及一种基于云计算平台的人脸识别寄存柜系统。

背景技术

寄存柜广泛存在于超市、机场、娱乐场所等公共场所，主要用于方便大家能够随时将自己的私人物品放置起来，方便大家的出行与其他体验。目前市场上的寄存柜的开关主要是采用ic卡、条形码、钥匙等形式，通过ic卡、条形码、钥匙等进行身份验证，从而控制寄存柜的开启与关闭。但是，通过这些方式的控制开关，有着一些弊端。例如，采用ic卡与钥匙控制开启与关闭，前期投入比较高；采用二维码控制开启与关闭，二维码不方便保管且造成资源的极度浪费；另外共同存在一个极为致命的缺点是无法辨明是否本人开启的寄存柜，这将极大的限制了寄存柜的发展。

技术实现要素：

针对上述问题，本发明提供一种基于云计算平台的人脸识别寄存柜系统。

本发明的目的采用以下技术方案来实现：

一种基于云计算平台的人脸识别寄存柜系统，该系统包括人脸信息采集模块、人脸识别云服务器、人脸识别控制指令生成模块和门锁控制器。人脸信息采集模块，用于采集试图开启寄存柜的人的人脸图像，并将采集的人脸图像发送至人脸识别云服务器；人脸识别云服务器，用于对采集的人脸图像进行处理，得到试图开启寄存柜的人的面部信息特征值，并将该人的面部信息特征值与人脸识别云服务器中的人脸信息数据库中预存的有开启寄存柜权限的用户的面部信息特征值进行对比，判断是否一致；人脸信息数据库还用于存储有开启寄存柜权限的用户的手机号码与用户的人脸的面部信息特征值；人脸识别控制指令生成模块，用于根据人脸识别云服务器的判断结果，生成相应的控制指令；门锁控制器，用于根据控制指令对门锁进行关闭与开启控制。

本发明的有益效果为：本发明将云计算与人脸识别相结合，实现一次录入多次使用、异地使用；借助云计算的强大计算能力和存储能力，能够快速进行人脸识别；采用本发明能够为具有机密的寄存柜提供防盗功能，可以更加安全的保障物品的安全；利用人脸识别技术可以节约资源，减少纸张与墨的消耗，更加环保；采用基于云计算的人脸识别技术，实现了非接触式开关储物柜，具有更好的用户体验。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构图；

图2是本发明人脸识别云服务器的框架结构图。

附图标记：人脸信息采集模块1；人脸识别云服务器2；人脸识别控制指令生成模块3；门锁控制器4；消息终端模块5；人脸图像预处理单元6；人脸图像特征提取单元7；人脸图像特征识别单元8；去噪子单元9；人脸边缘检测子单元10；增强子单元11。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，一种基于云计算平台的人脸识别寄存柜系统，该系统包括人脸信息采集模块1、人脸识别云服务器2、人脸识别控制指令生成模块3和门锁控制器4。人脸信息采集模块1，用于采集试图开启寄存柜的人的人脸图像，并将采集的人脸图像发送至人脸识别云服务器2；人脸识别云服务器2，用于对采集的人脸图像进行处理，得到试图开启寄存柜的人的面部信息特征值，并将该人的面部信息特征值与人脸识别云服务器2中的人脸信息数据库中预存的有开启寄存柜权限的用户的面部信息特征值进行对比，判断是否一致；人脸信息数据库还用于存储有开启寄存柜权限的用户的手机号码与用户的人脸的面部信息特征值；人脸识别控制指令生成模块3，用于根据人脸识别云服务器的判断结果，生成相应的控制指令；门锁控制器4，用于根据控制指令对门锁进行关闭与开启控制。

有益效果：本发明将云计算与人脸识别相结合，实现一次录入多次使用、异地使用；借助云计算的强大计算能力和存储能力，能够快速进行人脸识别；采用本发明能够为具有机密的寄存柜提供防盗功能，可以更加安全的保障物品的安全；利用人脸识别技术可以节约资源，减少纸张与墨的消耗，更加环保；采用基于云计算的人脸识别技术，实现了非接触式开关储物柜，具有更好的用户体验。

优选地，人脸信息采集模块1是ccd摄像机。

优选地，该系统还包括消息终端模块5，消息终端模块5，用于当人脸识别云服务器2的判断结果为不一致时，通过手机通知用户，并同时将试图开启寄存柜的人的人脸图像发送到用户手机上。

优选地，参见图2，人脸识别云服务器2包括人脸图像预处理单元6、人脸图像特征提取单元7和人脸图像特征识别单元8。

人脸图像预处理单元6，用于对采集的人脸图像进行预处理；人脸图像特征提取单元7，用于从预处理后的人脸图像中提取试图开启寄存柜的人的面部信息特征值；人脸图像特征识别单元8，用于将获得的面部信息特征值与人脸识别云服务器中的人脸信息数据库中预存的有开启寄存柜权限的用户的面部信息特征值进行对比，判断是否一致，若一致，则试图开启寄存柜的人具有开启寄存柜的权限，否则，该人不具有开启寄存柜的权限，并将人脸图像特征识别单元的判断结果发送至人脸识别控制指令生成模块。

优选地，人脸图像预处理单元6包括去噪子单元9、人脸边缘检测子单元10和增强子单元11。

去噪子单元9，用于去除采集的人脸图像中的随机噪声；人脸边缘检测子单元10，用于对去噪后的人脸图像进行边缘检测并进行分割，得到人脸目标图像；增强子单元11，用于对人脸目标图像进行增强处理。

优选地，所述去除采集的人脸图像中的随机噪声，具体是：对采集的人脸图像进行灰度化处理，并依次对灰度化后的人脸图像进行逐点去噪，得到所述人脸图像中各个像素点的去噪估计值，并将去噪估计值作为新的灰度值，此时所有像素点构成的集合即为去噪后的人脸图像；其中，所述人脸图像中像素点p(m,n)的去噪估计值利用下式计算得到：

式中，为像素点p(m,m)的去噪估计值，即是像素点p的去噪后的灰度值，m、n分别为像素点p的横坐标和纵坐标，d(p)为关于像素点p的正则化参数，ω是以像素点p为中心，大小为a×a的搜索窗，q是搜索窗内任一像素点，为像素点p和像素点q的高斯加权欧式距离，α为高斯函数的标准差，h为平滑参数，g(p)为像素点p的灰度值，g(q)为像素点q的灰度值，为搜索窗内所有像素点构成的图像块的灰度方差，σ为所述人脸图像的的灰度方差，η为设定的一个正数因子。

有益效果：采用上述方法对获取的人脸图像进行去噪处理，该方法通过依次计算该图像中所有像素点的去噪估计值，进而完成去噪操作，该去噪方法简单、去噪速度快，不仅考虑了像素点之间的高斯加权欧式距离信息，还考虑搜索窗口内剩余像素点与目标像素点灰度值的关系以及搜索窗内图像块的灰度方差和人脸图像的灰度方差的影响，从而最大程度地保留了该人脸图像中的边缘与细节特征，提高了去噪效果，同时也有利于后续对人脸图像的面部信息特征值提取的准确性，提高了识别精度。

优选地，所述对去噪后的人脸图像进行边缘检测并进行分割，得到人脸目标图像，具体为：

(1)取大小为3×3的滑动窗口内的中心像素点为边缘待检测点，按照横向检测方向把3×3的滑动窗口均分为三个区域：l、m、r，其中l位于滑动窗口左侧、m位于滑动窗口中间、r位于滑动窗口右侧，利用边缘检测公式判断边缘待检测点是否为边缘点，其中，所述边缘检测公式为：

式中，h(k)为边缘待检测点k的特征值，gl(a)为区域l内第a个像素点的灰度值，gm(a)为区域m内第a个像素点的灰度值，gr(a)为区域r内第a个像素点的灰度值，且a＝1,2,3；g(k)为边缘待检测点k的灰度值；

当h(k)≥t时，则边缘待检测点k为边缘点，反之，边缘待检测点k不是边缘点，其中，t为设定的阈值；

(2)遍历去噪后的人脸图像中所有像素点，并利用非极值抑制的方法对得到的边缘点进行边缘定位，即可得到人脸图像的最终边缘点的集合；

(3)根据得到人脸图像的最终边缘点的集合对去噪后的人脸图像进行分割，即可得到人脸目标图像。

有益效果：通过设定一个滑动窗口，判断滑动窗口内的中心像素点是否为人脸图像的边缘点，并利用滑动窗口依次遍历去噪后的人脸图像中所有像素点，该做法能够自适应地对各个像素点是否为边缘点进行判别，不仅在保留人脸图像的图像边缘点中细节特征的同时，也能够检测到清晰的边缘信息，同时为了进一步提高边缘检测精度，利用非极值抑制的方法对检测到的边缘点进行再次定位，能够进一步地去除非边缘点，使得提取出的边缘清晰、完整、准确，更有利于对人脸图像所在区域的准确分割，得到人脸目标图像，便于后续对人脸目标图像的面部信息特征值的提取和识别。

优选地，所述对人脸目标图像进行增强处理，具体是利用增强公式计算人脸目标图像中所有像素点增强处理后的灰度值，所述增强处理后的像素点构成的集合即为增强后的人脸图像，其中，所述增强公式为：

式中，ge(x,y)是增强后的像素点r(x,y)的灰度值，g(x,y)是人脸目标图像中像素点r(x,y)的灰度值，μ(x,y)是关于人脸目标图像中像素点r(x,y)沿梯度方向的控制系数，为像素点r(x,y)处沿梯度方向n的二阶偏导数，为像素点r(x,y)处沿与梯度方向正交的切线方向s的二阶偏导数；

其中，关于所述人脸目标图像中像素点r(x,y)沿梯度方向的控制系数μ(x,y)通过下面的方式获取：

(1)利用下式计算所述人脸目标图像中各个像素点处3×3邻域内的局部方差，其中关于像素点r(x,y)的局部方差的算式为：

式中，χ²(x,y)是像素点r(x,y)的局部方差，g(x+s,y+t)是坐标为(x+s,y+t)的像素点的灰度值，为邻域内所有像素点的灰度值均值；

(2)利用归一化算式对得到的局部方差χ²(x,y)进行归一化处理，将其局部方差归一化到0-255的区域内，其中归一化算式为：

式中，为像素点r(x,y)的归一化后的局部方差，maxχ²和minχ²分别为所述边缘检测后的电力设备图像局部方差的最大值和最小值；

(3)根据得到的归一化值，利用下式计算像素点r(x,y)沿梯度方向的控制系数；

式中，μ(x,y)为像素点r(x,y)沿梯度方向的控制系数，ζ为设定的方差阈值。

有益效果：采用上述算法对所述人脸目标图像进行增强处理，该算法在增强人脸目标图像细节特征的同时，避免了边缘处出现过冲现象，同时也有效地抑制了所述人脸目标图像中的残余噪声，使得增强后的人脸图像能够凸显人脸图像的细节特征，便于后续提取试图开启寄存柜的人的面部信息特征值，以实现快速进行人脸识别，可以更加安全的保障寄存柜里的物品的安全。

优选地，所述对采集的人脸图像进行处理，得到试图开启寄存柜的人的面部信息特征值，并将该人的面部信息特征值与所述人脸识别云服务器中的人脸信息数据库中预存的有开启寄存柜权限的用户的面部信息特征值进行对比，判断是否一致，具体是，将处理得到的该人的面部信息特征值l与所述人脸识别云服务器中的人脸信息数据库中预存的有开启寄存柜权限的用户的面部信息特征值ls进行比较，如果所述面部信息特征值l与所述有开启寄存柜权限的用户的面部信息特征值ls满足|l-ls|≤γ，则判断结果为一致，即试图开启寄存柜的人具有开启寄存柜的权限，否则，判断结果为不一致，即试图开启寄存柜的人不具有开启寄存柜的权限，其中，γ为自定义的相似度因子。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。