一种基于深度学习的智能化数据采集方法及采集系统与流程

本发明涉及数据处理的，尤其是涉及一种基于深度学习的智能化数据采集方法及采集系统 。

背景技术：

1、作为人们日常房屋生活的必须物品，门禁为人们的日常生活提供了极佳的保护体验。随着人们对于门禁提出了智能化、便捷化及实用化的需求下，当前市场涌现出各式各样的新型智能门禁系统，其中最受人们欢迎的是基于人脸识别的门禁系统。人脸识别门禁系统是以住户人脸为开关依据，能够识别住户人员和非住户人员，其识别过程不依赖钥匙，节约了用户的实用成本。

2、目前，人脸脸识别技术中被广泛采用的区域特征分析算法，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。

3、但是，目前的门禁识别系统在识别人员的面部信息时，当人员的面部信息发生改变时（例如：胖瘦的变化、苍老的变化等），门禁系统仍然按照录入信息时面部信息参数进行比对，进而提高了对人员的拒识率，使得已录入面部信息的人员无法通过门禁。

技术实现思路

1、为了能够降低门禁系统对人员的拒识率，提高已录入面部信息的人员通过门禁的概率，本发明提供一种基于深度学习的智能化数据采集方法及采集系统。

2、第一方面，本发明提供的一种基于深度学习的智能化数据采集方法，采用如下的技术方案：

3、一种基于深度学习的智能化数据采集方法，包括以下步骤：

4、初步采集：对需要经过门禁的人员进行面部信息采集以及身份信息采集，获取人脸图像，并将其做图像大小调整和灰度调整操作；

5、特征分析：对拍摄的人脸图像进行人脸检测工作，定位人脸的位置，进行人脸对象的匹配工作，同时运用数据库的数据进行运算，从而获得人脸的特征向量矩阵；

6、形成特征参数：通过特征分析步骤中对人脸图像的分析，将人脸图像的特征向量矩阵转化为第一数字信号参数m；

7、人脸信息获取：门禁系统获取经过门禁的人员进行面部信息，并获取人脸图像，并将其做图像大小调整和灰度调整操作；

8、人脸特征分析：门禁系统将拍摄的人脸图像进行人脸检测工作，定位人脸的位置，进行人脸对象的匹配工作，同时运用数据库的数据进行运算，从而获得人脸的特征向量矩阵，并将人脸图像的特征向量矩阵转化为第二数字信号参数n；

9、初次特征比对：设置最大允许误差a，若，则执行门禁开步骤，并执行人脸日常采集步骤；若；执行门禁闭步骤，并再次执行初步采集步骤；

10、人脸日常采集：记录i次通过门禁的人员的人脸图像，并将人脸图像的特征向量矩阵转化为第三数字信号，并将第三数字信号记录为ni；

11、初次判断：若，则执行门禁开步骤，并执行二次判断步骤，否则执行门禁关步骤；

12、二次判断：设定警戒误差b，且b满足，若，则执行计算步骤；

13、计算：对第四数字信号参数q进行计算，第四数字信号参数q的计算模型如下：

14、；并另m＝q；

15、门禁开：控制门禁开启；

16、门禁闭：控制门禁闭合。

17、可选地，在二次判断步骤中，时刻对警戒误差b进行更新，警戒误差b的计算模型如下：

18、；式中t为人脸日常采集的周期，式中c为灵敏度常数，且。

19、可选地，根据初步采集步骤中人员的身份信息对c的取值进行确定，c的取值计算模型为：；式中age为初步采集步骤中被采集人员的年龄。

20、可选的，设置周期阈值t1,若人脸信息获取步骤中在周期阈值t1时间段内未获取人脸信息，则执行初步采集步骤。

21、第二方面，本发明提供的一种数据采集系统，采用如下的技术方案：

22、一种数据采集系统，包括输入终端、识别终端以及门禁控制模块，所述输入终端包括：

23、采集模块i：输出端与分析模块i的输入端电信号连接，用于对需要经过门禁的人员进行面部信息采集，获取人脸图像，并将其做图像大小调整和灰度调整操作；

24、分析模块i：输出端与计算模块i的输入端电信号连接，用于对拍摄的人脸图像进行人脸检测工作，定位人脸的位置，进行人脸对象的匹配工作，同时运用数据库的数据进行运算，从而获得人脸的特征向量矩阵；

25、计算模块i：输出端与识别终端的输入端电信号连接，通过分析模块i中对人脸图像的分析，将人脸图像的特征向量矩阵转化为第一数字信号参数m，并将第一数字信号参数m传输至识别终端；

26、所述识别终端包括采集模块ii、分析模块ii、以及比对模块i：

27、采集模块ii：输出端与所述分析模块ii的输入端电信号连接，用于获取经过门禁的人员进行面部信息，并获取人脸图像，并将其做图像大小调整和灰度调整操作；

28、分析模块ii：输出端与计算模块ii的输入端电信号连接，将拍摄的人脸图像进行人脸检测工作，定位人脸的位置，进行人脸对象的匹配工作，同时运用数据库的数据进行运算，从而获得人脸的特征向量矩阵；

29、计算模块ii：输出端与比对模块i的输入端电信号连接，通过分析模块ii中对人脸图像的分析，将人脸图像的特征向量矩阵转化为第一数字信号参数n；

30、比对模块i：输入端与计算模块i的输出端以及计算模块ii的输出端电信号连接，输出端与门禁控制模块的输入端电信号连接，并获得最大允许误差a，用于将第二数字信号参数n与第一数字信号参数m进行比较；

31、门禁控制模块：根据比对模块i中的比对结果，控制门禁系统的开合。

32、可选地，所述识别终端还包括采集模块iii、判断模块i、判断模块ii以及计算模块；

33、采集模块iii：输入端与比对模块i的输出端电信号连接，输出端与判断模块i的输入端电信号连接，用于记录i次通过门禁的人员的人脸图像，并将人脸图像的特征向量矩阵转化为第三数字信号，并将第三数字信号记录为ni；

34、判断模块i：输出端与门禁控制模块的输入端以及判断模块ii的输入端电信号连接，用于对第三数字信号ni进行判断，当时，则判断模块将判断结果传递至门禁控制模块以及判断模块ii；

35、判断模块ii：输出端与计算模块的输入端电信号连接，在判断模块ii中输入警戒误差b，且b满足，若时，则将判断结果传递至计算模块；

36、计算模块：对第四数字信号参数q进行计算， ，并使得将m进行覆盖。

37、可选地，所述判断模块ii中还对警戒误差b实时更新，通过公式，确定b的值，其中t为人脸日常采集的周期，式中c为灵敏度常数，且。

38、可选的，根据采集模块i中人员的身份信息对c的取值进行确定，c的取值计算模型为：；式中age为初步采集步骤中被采集人员的年龄。

39、可选的，所述采集模块ii中数字有周期阈值t1，若采集模块ii在周期阈值t1时段内未获取到人脸信息，则将信号传递至采集模块i。

40、综上所述，本发明包括以下至少一种有益技术效果：

41、1.由于人员在经过门禁时，通过设置最大允许误差，判断经过门禁时的人员面部数据是否超过最大允许误差的范围，进而降低由于人员面部做轻微装扮时，无法经过门禁系统的概率，进而垫底门禁系统的拒识率。

42、2.由于已经录入面部信息的人员，当面部信息录入门禁系统时，门禁系统会根据录入的面部识别出入门禁的员面部信息，由于随着时间的增加，人员的面部也会发生改变，通过设置警戒误差值b，门禁系统记录i次人员经过门禁时的面部信息ni，判断ni是否在警戒误差b的范围内，并对最初的面部信息参数m重新赋值，使得人员在经过门禁时的面部信息参数都与上次的进行比较，进而提高门禁对面部信息的识别精度，进而降低门禁的拒识率。

43、3.由于青年人与老年人的面部信息变化较大，青年人的面部信息变化较小，通过设置灵敏度常数c，在初步信息采集中根据人群确定c的取值，进而提高门禁系统对变化较大的人群的面部识别的精度。