基于物联网的智慧物业智能管理方法及系统与流程

本发明涉及数据处理，具体涉及基于物联网的智慧物业智能管理方法及系统。

背景技术：

1、随着物联网技术的发展，物业管理也逐渐转向智能化。为了保障社区内居民的安全生活，减少恶意事件的发生，提升社区访客管理的准确性和及时性，一般会对社区住户的面部信息进行采集，根据采集的社区住户的面部信息对社区出入人员进行限制和确认。社区住户的面部信息采集后，一般通过huffman编码算法将所有的面部信息进行压缩存储，以便于对面部信息的管理和对小区的出入人员的确认。

2、在利用huffman编码对面部图像进行压缩的过程中，由于面部信息中包含大量无关信息，即面部图像中包含大量无关像素点，这些无关信息会使面部图像压缩后的编码过长，导致解码难度较高。但是，如果根据像素点的表现程度对面部图像进行压缩，会使大量的无关像素点获得较长编码，导致图像的压缩率降低，不能满足压缩需求。所以，对面部图像进行压缩的效果不佳。

技术实现思路

1、本发明提供基于物联网的智慧物业智能管理方法及系统，以解决物业管理过程中，社区住户的面部信息冗余使压缩效率较低，进而影响物业管理的问题，所采用的技术方案具体如下：

2、第一方面，本发明一个实施例提供了基于物联网的智慧物业智能管理方法，该方法包括以下步骤：

3、采集待压缩面部图像，获取待压缩面部图像中的面部区域，并获取面部区域内每个像素值的频率；

4、计算面部均值，确定面部区域中五官对应的区域，根据五官对应的区域，确定面部区域的对称轴，获取面部区域中像素点的查看范围窗口，确定面部区域中像素点的面部对称像素点，获取面部区域中像素点的最近五官距离和最近眼睛距离，根据面部均值，面部区域中的像素点的查看范围窗口、面部对称像素点、最近五官距离和最近眼睛距离，获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点；

5、确定第一非特征点和第一非特征点对应的第二非特征点，获取第一非特征点与第二非特征点的合并灰度值，确定第一非特征点和第二非特征点的压缩率变化，确定第一非特征点和第二非特征点的压缩效果影响，根据第一非特征点和第二非特征点的压缩率变化和压缩效果影响，获取第一非特征点和第二非特征点的合并可能性，根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域；

6、获取更新面部区域中像素点的查看范围窗口、特征表现程度、压缩率变化、压缩效果影响以及所有合并可能性的最大值，确定待分析像素点和待比较像素点，获取待分析像素点和待比较像素点的合并可能性，根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理。

7、进一步，所述获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点的方法为：

8、

9、其中，表示面部区域中像素点的特征表现程度；表示面部均值；表示面部区域中像素点的灰度值；表示面部区域中像素点的面部对称像素点的查看范围窗口内，第个像素点的灰度值；表示边长系数；表示面部区域中像素点的最近五官距离；表示面部区域中像素点的最近眼睛距离；

10、当面部区域中像素点的特征表现程度小于合并阈值时，将像素点记为非特征点，否则，将像素点记为特征点。

11、进一步，所述获取第一非特征点与第二非特征点的合并灰度值的方法为：

12、将第一非特征点和第二非特征点的灰度值的均值，记为第一非特征点与第二非特征点的合并灰度值。

13、进一步，所述压缩率变化的获取方法为：

14、将第一非特征点与第二非特征点的合并灰度值在面部区域内出现的频率与面部区域内第一非特征点的灰度值的频率的差值，记为第一非特征点和第二非特征点的压缩率变化。

15、进一步，所述合并可能性的获取方法为：

16、将第一非特征点和第二非特征点的压缩效果影响与阈值第二调节系数的和记为第一和值，将第一非特征点和第二非特征点的压缩率变化与第一和值的比值，记为第一非特征点和第二非特征点的合并可能性。

17、进一步，所述根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域的方法为：

18、将第一非特征点的所有合并可能性的最大值对应的第二非特征点，记为第一非特征点的合并点，将第一非特征点的合并点与第一非特征点进行合并，获取更新面部区域。

19、进一步，所述确定待分析像素点和待比较像素点的方法为：

20、将更新面部区域中每个像素点分别作为待分析像素点，将待分析像素点的查看范围窗口内包含的其他像素点记为待比较像素点。

21、进一步，所述合并可能性的方法为：

22、

23、其中，表示待分析像素点和待比较像素点的合并可能性；表示待分析像素点的所有合并可能性的最大值；表示待分析像素点和待比较像素点的压缩率变化；表示阈值第二调节系数；表示待分析像素点和待比较像素点的压缩效果影响；表示更新面部区域中像素点的特征表现程度；表示待比较像素点的灰度值；表示待比较像素点的查看范围窗口内包含的第个不是待比较像素点的其他像素点的灰度值；表示边长系数；表示线性归一化函数。

24、进一步，所述根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理的方法为：

25、将待分析像素点的所有合并可能性的最大值对应的待比较像素点记为待分析像素点的合并像素点，将合并像素点与待分析像素点进行合并，获取更新待压缩面部图像，对更新待压缩面部图像中每个像素点的灰度值进行huffman编码，将获取的huffman编码进行存储，完成对待压缩面部图像的压缩和管理。

26、第二方面，本发明实施例还提供了基于物联网的智慧物业智能管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

27、本发明的有益效果是：

28、本发明根据面部五官的对称性，确定面部区域的对称轴，并根据五官和皮肤对面部特征的表现程度，获取像素点的特征表现程度，并根据特征表现程度划分出面部区域中的非特征点和特征点；然后，根据非特征点对面部特征的表现程度不足、包含的小区住户的面部信息较少的特征，评价两个非特征点的合并可能性，并根据合并可能性对面部区域内的非特征点进行合并，获取更新面部区域，降低图像中不重要因素对后续图像压缩的影响，提高对重要信息的压缩效率；更新面部区域与面部区域存在差异，为了减少获取更新面部区域的过程对小区住户的面部信息的影响，对更新面部区域进行修正，获取更新面部区域中每个像素点与查看范围窗口内其他像素点之间的合并可能性，进而获取更新待压缩面部图像，在保留特征点信息的同时减少非重要信息的影响，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理，解决物业管理过程中，社区住户的面部信息冗余使压缩效率较低，进而影响物业管理的问题。