一种基于人脸识别的智能门锁解锁方法、设备、存储介质与流程

1.本发明涉及智能门锁技术领域，尤其涉及一种基于人脸识别的智能门锁解锁方法、设备、存储介质。


背景技术：

2.随着安防技术的快速发展，智能门锁逐步进入千家万户，在智能家居中占据重要地位，可以通过声、指纹、人脸等指令开启。目前的人脸识别门锁在识别时多需要用户弯腰，且光线不可调节，光线较暗的走廊或者室内场所难以快速识别，识别准确率低，降低智能门锁使用的可靠性及用户的体验感。


技术实现要素：

3.为了克服现有技术的不足，本发明的目的之一在于提供一种基于人脸识别的智能门锁解锁方法，识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
4.本发明的目的之二在于提供一种设备，执行上述一种基于人脸识别的智能门锁解锁方法，识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
5.本发明的目的之三在于提供一种存储介质，执行上述一种基于人脸识别的智能门锁解锁方法，识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
6.本发明的目的之一采用如下技术方案实现：
7.一种基于人脸识别的智能门锁解锁方法，本方法包括以下步骤：
8.步骤s1、当待识别区域检测到存在待识别对象，判断所述待识别区域的环境是否满足识别要求，当所述待识别区域的环境未满足识别要求，执行步骤s2；当所述待识别区域的环境满足识别要求，执行步骤s3；
9.步骤s2、获取所述待识别区域的环境参数，根据所述环境参数调整待识别区域，直至所述待识别区域的环境参数满足识别要求；
10.步骤s3、进行人脸识别；当人脸识别验证通过后，打开智能门锁。
11.进一步地，所述步骤s2还包括以下步骤：
12.步骤s21、获取所述待识别区域的环境参数，所述环境参数包括光照参数及障碍物；
13.步骤s22、当存在障碍物时，发出障碍物提醒，直至障碍物消除；
14.步骤s22、当所述光照参数不在预设范围内时，通过光线调整算法调整所述待识别区域拍摄的人脸图像，直至所述人脸图像满足预设要求。
15.进一步地，所述光线调整算法具体为，所述人脸图像中人脸区域预设范围内灰度级的像素占比，比较所述灰度级的像素占比与识别成功所需像素占比，调整所述人脸图像中人脸区域的亮度，直至所述人脸区域预设范围内灰度级的像素占比大于所述识别成功所需像素占比。
16.进一步地，所述步骤s3中进行人脸识别包括以下步骤：
17.步骤s31、通过人脸活体检测算法检测所述待识别区域的检测对象是否为活体，当所述待识别区域的检测对象为活体时，进行人脸识别。
18.进一步地，所述人脸活体检测算法具体为，
19.收集人脸图像构成的正样本集合与假冒人脸的负样本集合，构建人脸活体检测数据库，通过卷积神经网路提取正样本集合与负样本集合的特征，对所述卷积神经网络进行训练，得到自动分辨的人脸活体检测算法。
20.进一步地，所述步骤s3中还包括以下步骤：
21.步骤s32、提取人脸活体数据检测库中人脸图像的特征，获取遮挡物的模型，将所述遮挡物的模型与所述人脸图像进行合并得到具有遮挡物的人脸图像；
22.步骤s33、获取待识别的人脸图像，识别人脸图像上的遮挡物，去除待识别人脸图像中的遮挡物区域；
23.步骤s34、将去除遮挡物后的人脸图像与人脸活体数据检测库中人脸图像进行第一次比较，将待识别的人脸图像与所述具有遮挡物的人脸图像进行第二次比较，在第一次比较与第二次比较的相似度均达到预设值时，人脸识别验证通过；所述第一次比较与第二次比较的相似度均达到的预设值为90％。
24.进一步地，所述智能门锁顶部设置有摄像机，且所述智能门锁的顶部呈一斜面，所述摄像机的拍摄范围为智能门锁上方。
25.进一步地，所述智能门锁还设置有红外传感器，通过所述红外传感器检测所述待识别区域是否存在待识别对象。
26.本发明的目的之二采用如下技术方案实现：
27.一种设备，其包括处理器、存储器及存储于所述存储器上并可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如上任一所述一种基于人脸识别的智能门锁解锁方法。
28.本发明的目的之三采用如下技术方案实现：
29.一种存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上任一所述一种基于人脸识别的智能门锁解锁方法。
30.相比现有技术，本发明的有益效果在于：
31.本发明提供了一种基于人脸识别的智能门锁解锁方法、设备、存储介质，在待识别区域检测到存在待识别对象时，优先待识别区域的环境是否满足识别要求，在所述待识别区域的环境未满足识别要求时调整环境参数，直至待识别区域的环境参数满足识别要求，进行人脸识别。在调整环境参数后的人脸识别方法识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
附图说明
32.图1为本发明所提供实施例一种基于人脸识别的智能门锁解锁方法的流程示意图；
33.图2为本发明所提供实施例一种基于人脸识别的智能门锁解锁方法步骤s2的流程示意图；
34.图3为本发明所提供实施例一种基于人脸识别的智能门锁解锁方法步骤s3的流程
示意图。
具体实施方式
35.下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
36.本发明公开了一种基于人脸识别的智能门锁解锁方法，识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
37.如图1所示，本方法包括以下步骤：
38.步骤s1、当待识别区域检测到存在待识别对象，判断所述待识别区域的环境是否满足识别要求，当所述待识别区域的环境未满足识别要求，执行步骤s2；当所述待识别区域的环境满足识别要求，执行步骤s3。待识别区域一般智能门锁摄像机所拍摄的位置，而摄像机设置于所述智能门锁顶部，且所述智能门锁的顶部呈一斜面，使得所述摄像机朝上，拍摄范围为智能门锁上方，使得用户在人脸识过程中无需弯腰靠近所述人脸识别区域，方便用户使用。同时所述智能门锁设置有红外传感器，通过所述红外传感器检测所述待识别区域是否存在待识别对象。当用户进入待识别区域时，快速启动摄像机进行人脸识别。
39.一般的，楼道光线较暗，或者户外阴天或晚上的情况，人脸识别存在较大困难。因此在红外传感器检测到待识别区域存在待识别对象时，需要首先检测所述待识别区域的环境是否满足识别要求。所述待识别区域的环境要求包括光线、安全因素等，以便于能够快速安全地人脸识别、打开门锁
40.步骤s2、获取所述待识别区域的环境参数，根据所述环境参数调整待识别区域，直至所述待识别区域的环境参数满足识别要求。一般的，楼道光线较暗，或者户外阴天或晚上的情况，人脸识别存在较大困难。智能门锁首先获取环境参数，从环境参数中分析不满足识别要求的因素，从而有针对性的调整。如图2所示，所述步骤s2还包括以下步骤：
41.步骤s21、获取所述待识别区域的环境参数，所述环境参数包括光照参数及障碍物；
42.步骤s22、当存在障碍物时，发出障碍物提醒，直至障碍物消除。障碍物是指遮挡摄像头拍摄范围的物品，如摄像头上存在较多灰尘或者树叶遮挡物等，影响摄像头正常工作。
43.步骤s23、当所述光照参数不在预设范围内时，通过光线调整算法调整所述待识别区域拍摄的人脸图像，直至所述人脸图像满足预设要求。在一般情况下，拍摄的光照参数不在预设范围内，可能出现过亮或者过暗的情况。在光线过暗时，需要用户自身补光，但用户补光容易出现部分过曝的现象，难以准确识别。或者是智能门锁自身设置补光灯，在光照参数不在预设范围内时自动开启，但该控制过程麻烦，且增加了使用成本。而当光照参数过亮时，则可能由于在户外太阳或者灯光直射，影响了摄像机的正常拍摄。
44.因此本技术中直接通过智能门锁内部算法进行调整。所述光线调整算法具体为，所述人脸图像中人脸区域预设范围内灰度级的像素占比，比较所述灰度级的像素占比与识别成功所需像素占比，调整所述人脸图像中人脸区域的亮度，直至所述人脸区域预设范围内灰度级的像素占比大于所述识别成功所需像素占比。
45.在每次拍摄后，自动识别人脸图像中的人脸区域。识别人脸区域后，获取人脸区域
内灰度级的像素数量，再获取人脸区域内的总像素数量，计算灰度级的像素占比。将灰度级的像素占比与预设的识别成功所需像素占比做比较，只有所述灰度级的像素占比大于预设的识别成功所需像素占比，才进行人脸识别。因此在所述灰度级的像素占比小于预设的识别成功所需像素占比时，调整人脸图像中人脸区域的亮度，以使所述灰度级的像素占比增大，直至所述灰度级的像素占比大于预设的识别成功所需像素占比。
46.步骤s3、进行人脸识别；当人脸识别验证通过后，打开智能门锁。在现实生活中，出现他人使用照片或者面具进行人脸识别的情况，为提高所述智能门锁的安全性，如图3所示，所述步骤s3中进行人脸识别还包括以下步骤：
47.步骤s31、通过人脸活体检测算法检测所述待识别区域的检测对象是否为活体，当所述待识别区域的检测对象为活体时，进行人脸识别。述人脸活体检测算法具体为，收集人脸图像构成的正样本集合与假冒人脸的负样本集合，构建人脸活体检测数据库，通过卷积神经网路提取正样本集合与负样本集合的特征，对所述卷积神经网络进行训练，得到自动分辨的人脸活体检测算法。
48.在训练过程中，需要使用不同材质、不同状态构成的假冒人脸，例如，静止状态下纸质人脸图像、运动状态下的纸质人脸图像、橡胶制成的人脸面具等，结合多种不同的材质进行训练，丰富卷积神经网络的负样本集合，提高卷积神经网络的识别能力。而正样本一般是采用该智能门锁的摄像机，拍摄多张人脸图像，可以是在不同光线下或者位于所述待识别区域的不同距离、不同高度下拍摄。在训练过程中全面考虑现实生活中用户使用存在的情况，从而提高卷积神经网络的识别能力、判断准确性及速率。
49.更多的，由于日常生活中用户可能佩戴口罩、眼睛或者帽子等，存在遮挡人脸中部分区域的现象，如果使用一般的人脸识别算法难以进行准确的识别。
50.因此所述步骤s3还包括以下步骤：
51.步骤s32、提取人脸活体数据检测库中人脸图像的特征，获取遮挡物的模型，将所述遮挡物的模型与所述人脸图像进行合并得到所述具有遮挡物的人脸图像；
52.步骤s33、获取待识别的人脸图像，识别人脸图像上的遮挡物，去除待识别人脸图像中的遮挡物区域，
53.步骤s34、将去除遮挡物后的人脸图像与人脸活体数据检测库中人脸图像进行第一次比较，将待识别的人脸图像与所述具有遮挡物的人脸图像进行第二次比较，在第一次比较与第二次比较的相似度均达到预设值时，人脸识别验证通过。通过两次比较，保证了在具有遮挡物的情况下仍能够准确进行人脸识别，，识别时间短且成功率高，有效地保障了用户的安全。
54.本发明提供了一种基于人脸识别的智能门锁解锁方法，在待识别区域检测到存在待识别对象时，优先待识别区域的环境是否满足识别要求，在所述待识别区域的环境未满足识别要求时调整环境参数，直至待识别区域的环境参数满足识别要求，进行人脸识别。在调整环境参数后的人脸识别方法识别准确率高、提高智能门锁使用的可靠性及用户的体验感。
55.另外，本发明还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述一种基于人脸识别的智能门锁解锁方法的步骤。
56.本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务
器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
57.基于相同的发明思想，还提供了一种设备，包括存储器、处理器以及存储在存储器中的程序，所述程序被配置成由处理器执行，处理器执行所述程序时实现上述一种基于人脸识别的智能门锁解锁方法。
58.本实施例中的设备与前述实施例中的方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的系统的结构及实施过程，为了说明书的简洁，在此就不再赘述。
59.上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。