一种智能门禁的数据处理方法及系统与流程

1.本技术涉及门禁系统的领域，尤其是涉及一种智能门禁的数据处理方法及系统。


背景技术：

2.当前，门禁指“门”的禁止权限，是对“门"的戒备防范。出入口门禁安全管理系统是新型现代化安全管理系统，门禁系统集微机自动识别技术和现代安全管理措施为一体，涉及电子，机械，光学，计算机技术，通讯技术，生物技术等诸多新技术，是解决重要部门出入口实现安全防范管理的有效措施。门禁系统适用各种机要部门，如银行、宾馆、机房、军械库、机要室、办公间、智能化小区、工厂等。
3.此外，常见的门禁系统有:密码门禁系统、非接触卡门禁系统、指纹虹膜掌型生物识别门禁系统、人脸识别门禁系统等，在人脸识别门禁系统中，一般多选用基于深度卷积神经网络人脸识别技术对人脸数据进行采集。
4.但是，人脸识别的本质是目标检测，目前普遍存在以下问题：人脸识别引擎在检测视频流时，视频中同一个人脸的框位置经常会出现抖动，故而人脸检测输出的人脸框难以做到稳定且连续，故而易对人脸识别的精确性产生影响，故有待改善。


技术实现要素：

5.为了改善相关技术中的人脸识别智能门禁在对人脸进行识别时，人脸框易出现抖动导致人脸识别精确性较低的问题，本技术提供一种智能门禁的数据处理方法及系统。
6.本技术提供的一种智能门禁的数据处理方法及系统采用如下的技术方案：一种智能门禁的数据处理方法，应用于智能门禁系统中，包括以下步骤；获取当前人脸框位置；确定所述当前人脸框位置及历史人脸框位置队列中目标人脸框位置的iou值，所述目标人脸框位置基于所述历史人脸框位置队列生成；比较所述iou值及所述预设的重叠阈值，若所述iou值大于或等于所述重叠阈值，移动人脸框位置至历史人脸框位置队列中，形成当前人脸框位置队列；计算所述当前历史人脸框位置队列中的目标人脸框位置，并将结果作为最终的人脸框位置。
7.通过采用上述技术方案，在采用本技术中的一种智能门禁的数据处理方法对视频流中的人脸信息进行检测时，可以先获取人脸框的位置的队列，即获取若干个满足条件的人脸框位置，其中，人脸框位置为人脸框在视频中，与视频边界的左边距，上边距，右边距、下边距；并将其放入历史人脸框位置队列中，接着对队列中的人脸框的位置数据进行处理，求出目标人脸框位置，目标人脸框位置的参考数据可以为人脸框的位置数据队列中所有人脸框位置队列的平均数、中位数或众数等，接着根据通过计算新的人脸框位置及历史人脸框位置队列中目标人脸框位置的的iou值，当iou值小于阈值时，即新的人脸框位置相比于历史人脸框位置的抖动幅度较小，此时，将新的人脸框位置并入历史人脸框位置队列中，以
成为当前人脸框位置队列并重新对历史人脸框位置队列中的目标人脸框位置，当需要对历史人脸框位置队列中的人脸框位置使用时，选取使用时的目标人脸框位置确定人脸框的位置，从而降低了人脸框产生抖动的可能性，提高了人脸识别时的精确性。
8.作为优选，所述历史人脸框位置队列内存放的数据个数为定值；所述方法还包括：当所述历史人脸框位置队列满载，且移动人脸框位置至历史人脸框位置队列时，从所述历史人脸框位置队列中，移除与人脸框位置时间间隔最长的人脸框位置。
9.通过采用上述技术方案，通过设定历史人脸框位置队列中人脸框位置的个数，从而使得在将人脸框位置加入至历史人脸框位置队列中时，一方面，可以使得历史人脸框位置队列内的缓存较小，降低了由于历史人脸框位置队列中人脸框位置过多导致处理器负载过高的可能性，另一方面，删除最早的数据可以降低距当前时间较长时间的数据对历史人脸框位置队列中的目标人脸框位置的影响，使得历史人脸框位置队列中的目标人脸框位置更为精确，进一步的提升了人脸识别时的精确性。
10.作为优选，识别最终的人脸框位置后，清空所述当前人脸框位置队列。
11.通过采用上述技术方案，当外接的设备完成人脸框定位识别后，清空初始人脸框位置参数及历史人脸框位置队列，从而使得处理单元的缓存较小，以便于后续的人脸识别，且识别一人次后对历史人脸框位置队列清空，以便于根据个人的习惯、身高等情况对个人在进行人脸识别扫描时人脸的位置进行重新获取，提升了人脸识别时的精确性。
12.作为优选，所述初始人脸框位置参数内存放的人脸框位置的个数大于或等于三个。
13.通过采用上述技术方案，三个及以上的人脸框位置一方面在对初始人脸框位置确定时，可以根据任意获取的两个人脸框位置对第三人脸框位置进行筛选，并通过不断调整初始人脸框位置以提升人脸识别时的精确度。
14.作为优选，在获取初始人脸框位置参数中，还包括以下步骤:获取第一人脸框位置及第二人脸框位置；获取第三人脸框位置；计算第三人脸框位置与第一人脸框位置的iou值，记为第一重复值；计算第三人脸框位置与第二人脸框位置的iou值，记为第二重复值；比较第一重复值与预设的重叠阈值及第二重复值与预设的重叠阈值；当第一重复值与第二重复值均大于或等于重叠阈值时，移动第三人脸框位置至历史人脸框位置队列中。
15.通过采用上述技术方案，处理器先获取第一人脸框位置及第二人脸框位置，接着通过将第三人脸框位置分别与第一人脸框数据及第二人脸框数据比较，以实现对初始人脸框位置参数，将第一人脸框位置、第二人脸框位置及第三人脸框位置中抖动幅度较大的人脸框位置筛出，并补入新的人脸框位置，重复进行多次上述步骤后，确定初始人脸框位置参数，并将初始人脸框位置参数中的初始人脸框位置作为历史人脸框位置队列的初始三个值，以进行目标人脸框位置的计算及后续人脸框位置的获取，提升了历史人脸框位置队列的目标人脸框位置的精确程度。
16.作为优选，当第一重复值及第二重复值中仅有一个大于或等于重叠阈值时，包括以下步骤；
移动第三人脸框位置至历史人脸框位置队列中；移除历史人脸框位置队列中对应iou值小于重叠阈值的人脸框位置；获取新的人脸框位置；比较新的人脸框位置及历史人脸框位置队列中的已有人脸框位置的iou值；根据比较结果调整历史人脸框位置队列内的人脸框位置直至历史人脸框位置队列内存放的数据个数满足预设的数量。
17.通过采用上述技术方案，当第一重复值及第二重复值中仅有一个大于或等于重叠阈值时，则将小于重叠阈值的对应人脸框位置筛出，并引入新的人脸框位置，对新的人脸框位置分别与筛出后的初始人脸框位置参数内的人脸框位置求iou值，此时，重复权利要求5-6内的步骤，直到初始人脸框位置内的人脸框位置到达三个，增加了确定人脸框位置时的精确性。
18.作为优选，当第一重复值及第二重复值均小于重叠阈值时，包括以下步骤；获取第二人脸框位置的引入时间参数；获取第三人脸框位置的引入时间参数；计算第三人脸框位置的引入时间参数及第二人脸框数据的引入时间参数的差值，记为第一时间差值；比较第一时间差值与预设的时限阈值；当第一时间差值小于时限阈值时，移除第三人脸框位置，获取新的人脸框位置并对新的人脸框位置以与第三人脸框位置相同的方式进行处理。
19.通过采用上述技术方案，当第一重复值及第二重复值均小于重叠阈值时，则读取每次获取人脸框位置的时间，并对新引入的人脸框位置与前一个人脸框位置进行比较，若是两者的差值小于时限阈值，则将新引入的人脸框位置筛出，并继续引入人脸框位置，提升了人脸框在被用于人脸识别扫描时的精确性。
20.作为优选，当第一时间差值大于时限阈值时，移除第一人脸框位置及第二人脸框位置并移动原第三人脸框位置至初始人脸框位置参数内作为新的第一人脸框位置；获取第二人脸框位置，再次对初始人脸框位置参数进行处理。
21.通过采用上述技术方案，当第一时间差值大于时限阈值时，则保留新引入的人脸框位置，将原有的人脸框位置移除出初始人脸框位置参数，从而降低了保留时间过长的数据在对计算人脸框位置的精确程度时的影响。
22.作为优选，一种智能门禁装置，包括：所述智能门禁装置包括获取单元、确定单元、移动单元以及计算单元；其中，所述获取单元，用于获取当前人脸框位置；所述确定单元，用于确定所述当前人脸框位置及历史人脸框位置队列中目标人脸框位置的iou值，所述目标人脸框位置基于所述历史人脸框位置队列生成；所述移动单元，用于比较所述iou值及所述预设的重叠阈值，若所述iou值大于或等于所述重叠阈值，移动人脸框位置至所述历史人脸框位置队列中，形成当前人脸框位置队列；所述计算单元，用于计算所述当前历史人脸框位置队列中的目标人脸框位置，并将结果作为最终的人脸框位置。
23.通过采用上述技术方案，获取单元通过人脸框的形式对人脸进行获取，接着通过确定单元确定当前人脸框位置及历史人脸框位置队列中目标人脸框位置的iou值，再通过移动单元比较所述iou值及所述预设的重叠阈值，若所述iou值大于或等于所述重叠阈值，移动人脸框位置至所述历史人脸框位置队列中，以形成当前人脸框位置队列；最后通过计算单元计算所述当前历史人脸框位置队列中的目标人脸框位置，并将结果作为最终的人脸框位置，从而降低了人脸框产生抖动的可能性，提高了人脸识别时的精确性。
24.本技术第三方面提供了一种电子设备，电子设备包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，使得一种电子设备单元执行如本技术第一方面任意一项所述的方法。
25.综上所述，本技术包括以下至少一种有益技术效果：1. 采用本技术中的一种智能门禁的数据处理方法对视频流中的人脸信息进行检测时，可以先获取人脸框的位置的队列，即获取若干个满足条件的人脸框位置，其中，人脸框位置为人脸框在视频中，与视频边界的左边距，上边距，右边距、下边距；并将其放入历史人脸框位置队列中，接着对队列中的人脸框的位置数据进行处理，求出目标人脸框位置，目标人脸框位置的参考数据可以为人脸框的位置数据队列中所有人脸框位置队列的平均数、中位数或众数等，接着根据通过计算新的人脸框位置及历史人脸框位置队列中目标人脸框位置的的iou值，当iou值小于阈值时，即新的人脸框位置相比于历史人脸框位置的抖动幅度较小，此时，将新的人脸框位置并入历史人脸框位置队列中，以成为当前人脸框位置队列并重新对历史人脸框位置队列中的目标人脸框位置，当需要对历史人脸框位置队列中的人脸框位置使用时，选取使用时的目标人脸框位置确定人脸框的位置，从而降低了人脸框产生抖动的可能性，提高了人脸识别时的精确性。
26.2. 处理器先获取第一人脸框位置及第二人脸框位置，接着通过将第三人脸框位置分别与第一人脸框数据及第二人脸框数据比较，以实现对初始人脸框位置参数，将第一人脸框位置、第二人脸框位置及第三人脸框位置中抖动幅度较大的人脸框位置筛出，并补入新的人脸框位置，重复进行多次上述步骤后，确定初始人脸框位置参数，并将初始人脸框位置参数中的初始人脸框位置作为历史人脸框位置队列的初始三个值，以进行目标人脸框位置的计算及后续人脸框位置的获取，提升了历史人脸框位置队列的目标人脸框位置的精确程度。
27.3. 获取单元通过人脸框的形式对人脸进行获取，接着通过确定单元确定当前人脸框位置及历史人脸框位置队列中目标人脸框位置的iou值，再通过移动单元比较所述iou值及所述预设的重叠阈值，若所述iou值大于或等于所述重叠阈值，移动人脸框位置至所述历史人脸框位置队列中，以形成当前人脸框位置队列；最后通过计算单元计算所述当前历史人脸框位置队列中的目标人脸框位置，并将结果作为最终的人脸框位置，从而降低了人脸框产生抖动的可能性，提高了人脸识别时的精确性。
附图说明
28.图1是本技术中逻辑处理单元在获取初始人脸框位置时的过程示意图。
29.图2是本技术中选择数据处理过程示意图。
30.图3是本技术中提供的数据处理过程示意图。
31.图4是本技术中提供的数据处理的流程示意图。
32.图5是本技术中一种智能门禁系统的整体结构示意图。
33.附图标记说明：1、获取单元；2、确定单元；3、移动单元；4、计算单元。
具体实施方式
34.以下结合附图1-5对本技术作进一步详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.本技术实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
36.在本技术实施例的描述中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，单独存在b，同时存在a和b这三种情况。另外，除非另有说明，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
37.以下是对本技术中涉及到的一些名词的解释：人脸框位置：人脸框存在于视频边界中时的距离视频边界的左边距、右边距、上边距及下边距；历史人脸框位置队列：由满足条件的人脸框位置组成的队列；iou值，即两个人脸框的重合率；重叠阈值，为预设的两个人脸框的重合率阈值，可人工调整；本技术实施例公开一种智能门禁系统及智能门禁数据的处理方式，其中包括在对智能门禁系统的数据进行处理的过程中，首先，建立历史人脸框位置队列，历史人脸框位置队列的前若干项定义为初始人脸款位置参数，其中初始人脸框位置参数中包括三个及以上的人脸框位置，在本技术中选用为三个人脸框位置，但在实际使用时，四个及以上的人脸框位置也被允许，且不对本技术中的门禁系统使用造成影响，历史人脸框位置队列内存储的人脸框位置个数大于初始人脸框位置的个数，本技术中的门禁系统在实际应用时，历史人脸框位置队列中的人脸框位置容量为180个；初始人脸框位置参数及历史人脸框位置队列一一对应，其个数与逻辑处理单元扫描出的人脸图像信息中的人脸个数有关，具体的，若是逻辑处理单元扫描出人脸图像信息中存在三个人脸，即此时逻辑处理单元建立三个历史人脸框位置队列，每个人脸对应的初始人脸框位置参数及历史人脸框位置队列与其余人脸对应的初始人脸框位置参数及历史人脸框位置队列互相独立工作，互不影响。
38.建立历史人脸框位置队列完毕后，获取初始人脸框位置参数；
参照图1，在获取初始人脸框位置参数时，本技术中的智能门禁系统在使用中的获取的初始人脸框位置个数为3个；在获取初始人脸框位置时，包括步骤s200-s203；s200、获取第一人脸框位置及第二人脸框位置；第一人脸框位置及第二人脸框位置为逻辑处理单元优先接收到的两帧人脸图像信息中的人脸框位置。
39.s201、获取第三人脸框位置；s202、计算第三人脸框位置与第一人脸框位置的iou值及第三人脸框与第二人脸框位置的iou值，分别记为第一重复值及第二重复值，其中iou值为两个人脸框相重叠的部分与两个人脸框的占据的总面积的比值；s203、将第一重复值及第二重复值分别与预设的重叠阈值比较，重叠阈值为工作人员的预设值，在本技术中重叠阈值的范围为0.85-0.95，重叠阈值的数值越大，人脸框抖动幅度越小，人脸框移动越平滑，人脸框位置采集的难度增加；测试环节中，重叠阈值的最佳数值为0.92，在实际工作过程中，对重叠阈值不断微调后，使用频率最高的重叠阈值为0.89。
40.具体的，若是第一重复值及第二重复值均大于或等于预设的重叠阈值，则此时说明第三人脸框位置相对于第一人脸框位置及第二人脸框位置的变化幅度较小，故而第三人脸框的抖动幅度较小，可将第三人脸框位置加入至初始人脸框位置参数中，则此时初始人脸框位置参数为{第一人脸框位置、第二人脸框位置、第三人脸框位置}。
41.在另一实施例中，若是第一重复值及第二重复值中存在一个值大于或等于预设的重叠阈值，此处选取第一重复值大于或等于预设的重叠阈值的情况，则此时说明第三人脸框位置相对于第一人脸框位置的变化幅度较小，二第三人脸框相对于第二人脸框位置的变化幅度较大，故而保留第三人脸框位置，移除第二人脸框位置，并将第三人脸框位置并入初始人脸框位置参数中，取代原第二人脸框位置的位置，并引入第四人脸框位置，重复以上步骤，即将第四人脸框位置与第一人脸框位置及新的第二人脸框位置（即原第三人脸框位置）进行比较，对比较结果的处理依然参照上述步骤，若第四人脸框位置满足与第一人脸框位置及新的第二人脸框位置的iou值均大于预设的重叠阈值，则此时初始人脸框位置参数为{第一人脸框位置、第三人脸框位置、第四人脸框位置}；当第二重复值大于或等于预设的重叠阈值时，其人脸框数据的选取方法与上述一致，故此处不再赘述，但是在移除iou值小于预设重叠阈值的步骤中，若是第一人脸框位置被移除，则原有的第二人脸框位置取代第一人脸框位置的位置，第三人脸框位置取代第二人脸框位置的位置，即在第四人脸框位置满足条件的情况下，初始人脸框位置参数为{第二人脸框位置、第三人脸框位置、第四人脸框位置}；在又一实施例中，若是第一重复值及第二重复值均小于预设的重叠阈值，参照图2，此时包括步骤s300-s303；s300、获取第二人脸框位置的引入时间参数，引入时间参数即为第二人脸框位置的获取的时间点，精确到毫秒；s301、获取第三人脸框位置的引入时间参数；s302、计算第三人脸框位置的引入时间参数及第二人脸框数据的引入时间参数的差值，记为第一时间差值；
s303、比较第一时间差值与预设的时限阈值，根据比较结果确定初始人脸框位置参数。
42.具体的，工作人员可以通过外部信息交互单元对预设的时限阈值进行调整，在本技术中的智能门禁系统中，时限阈值的设定长度高于两帧图片获取的时间间隔之和；本技术中的时限阈值在实际使用时设定为1s；当第一时间差值小于预设的时限阈值时，则将第三人脸框位置移除，并引入第四人脸框数据，同理，获取第四人脸框数据的引入时间参数，并重复上述步骤，在时间差值小于预设的时限范围内，直到存在一个人脸框位置与第一人脸框位置及与第二人脸框位置的iou值大于或等于预设的重叠阈值，记为第n个人脸框位置，则此时初始人脸框位置参数为{第二人脸框位置、第三人脸框位置、第n人脸框位置}，若是时间差值大于预设的时限范围，此时第m个人脸框位置与第一人脸框位置及与第二人脸框位置的iou值仍存在至少一个小于预设的重叠阈值，则此时将第一人脸框位置及第二人脸框数据移除，并将第m个人脸框位置引入初始人脸框位置参数中，获取第m+1个人脸框位置，并重复s200中的步骤，对第m+2个人脸框位置进行判断，直至初始人脸框位置参数中初始人脸框位置的个数达到预设个数（本技术中定为3个），若第m+2个人脸框位置满足条件，则此时初始人脸框位置参数为{第m人脸框位置、第m+1人脸框位置、第m+2人脸框位置}。
43.本技术中的门禁系统的历史人脸框位置队列内存储的数据个数为180个，当获取初始人脸框位置参数结束后，即确定历史人脸框位置队列中的前3个人脸框位置队列，即初始人脸框位置参数为{第a人脸框位置、第b人脸框位置、第c人脸框位置}，则历史人脸框位置队列为{第a人脸框位置、第b人脸框位置、第c人脸框位置......}；在确定历史人脸框位置队列后，参照图3及图4，还包括步骤s100-s103；s100、确定目标人脸框位置；其中，目标人脸框位置用于体现历史人脸框位置队列中人脸框的最常出现的位置，选用为平均数，即当历史人脸框位置队列中仅存有初始人脸框位置时，计算三个初始人脸框位置的平均值，即三个初始人脸框位置平均值的左边距的平均值、三个初始人脸框位置平均值的右边距的平均值、三个初始人脸框位置平均值的上边距的平均值和三个初始人脸框位置平均值的下边距的平均值，此时根据计算得到的历史人脸框位置队列内左边距、右边距、上边距及下边距的平均值在逻辑处理单元内生成虚拟的定位人脸框；在另一实施例中，目标人脸框位置选用为众数，由于逻辑处理单元在测量左边距、右边距、上边距及下边距时较为精确，故而任何微小的移动均会导致左边距、右边距、上边距及下边距的值发生变化，故而在本技术中的180个人脸框定位数据中，难以找到较多的相同的值作为众数的参考，故而此处选用为左边距、右边距、上边距及下边距的近似值的众数，可先将左边距、右边距、上边距及下边距的值精确到个位后，分别确定出左边距、右边距、上边距及下边距精确到个位后的众数，且将精确到个位后的众数筛出，接着将被筛出的人脸框位置所对应的原数据精确到小数点后一位，再次分别确定出左边距、右边距、上边距及下边距精确到个位后的众数，在本技术中由于历史人脸框位置队列存有180个数据，故而精确到小数点后一位后基本可以确定出人脸框出现频次最高的范围，以众数作为目标人脸框位置的方法可以随着历史人脸框位置队列内数据个数，以对众数的精确程度做进一步的限缩，在此不再赘述。
44.s101、引入新的人脸框位置，记为第四个人脸框位置；
s102、计算并比较第四个人脸框位置与定位人脸框的iou值，若是第四个人脸框位置与定位人脸框的iou值大于或等于预设的重叠阈值，则将第四个人脸框位置并入历史人脸框位置队列中，并对目标人脸框位置进行重新计算，重复s101-s102的步骤，以对历史人脸框位置队列进行填充；当历史人脸框位置队列填充满人脸框位置时，在继续引入新的人脸框位置时，会将位于首个的人脸框位置，即与当前人脸框位置时间间隔最长的人脸框位置从历史人脸框位置队列中移除，剔除历史人脸框位置队列中获取时间较长的人脸框位置以保持目标人脸框位置的精确性。
45.一种智慧门禁系统，参照图5，其包括获取单元，用于获取当前人脸框位置；可以选用相机对通过人脸框的形式对人脸进行扫描定位；确定单元，用于确定当前人脸框位置及历史人脸框位置队列中目标人脸框位置的iou值，目标人脸框位置基于历史人脸框位置队列生成；移动单元，用于比较iou值及预设的重叠阈值，若iou值大于或等于重叠阈值，移动人脸框位置至历史人脸框位置队列中，形成当前人脸框位置队列；计算单元，用于计算当前历史人脸框位置队列中的目标人脸框位置，并将结果作为最终的人脸框位置。
46.需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
47.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。