一种通过智能门禁机进行人员识别的方法及装置

摘要

本发明提出了一种通过智能门禁机进行人员识别的方法及装置，方法包括：将采集的人员图像信息作为训练样本导入智能门禁机中，智能门禁机学习训练样本训练验证器；智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息，将出入人员的身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；否则，返回验证失败；将存储到数据库中的关联后的数据作为训练样本重新训练验证器，返回。实施本发明的通过智能门禁机进行人员识别的方法及装置，具有以下有益效果：识别率较高、误识别率较低、人体姿态的识别精度较高。

权利要求

1.一种通过智能门禁机进行人员识别的方法，其特征在于，所述智能门禁机设有验证器，所述方法包括如下步骤：A)在对人员授权环节，人工采集人员的图像信息，所述智能门禁机使用采集的人员图像信息作为训练样本，通过学习所述训练样本训练所述验证器；

B)所述智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，执行步骤C)；否则，返回验证失败信息；

C)从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息；所述特征信息包括行为特征信息；通过结合身份ID而提取的行为特征信息，能获取出入人员个体的姿态特征，形成先验信息；所述特征信息还包括面部特征信息；

D)将所述出入人员的身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；

E)将存储到所述数据库中的关联后的数据作为训练样本重新训练所述验证器，返回步骤B)；通过结合人员身份ID识别、人员行为识别和智能门禁机自学习的方法，对新产生的数据进行学习；将已确认的数据作为新的样本训练验证器，所述智能门禁机就具有自学习功能，所述智能门禁机对新的已确认的数据的学习；

所述步骤A)进一步包括：

A1)采集人员的图像信息，并将其作为训练样本导入所述智能门禁机中，所述智能门禁机从所述图像信息中提取面部特征信息；

A2)根据所述面部特征信息训练所述验证器。

2.一种实现如权利要求1所述的通过智能门禁机进行人员识别的方法的装置，其特征在于，所述智能门禁机设有验证器，所述装置包括：采集训练单元：用于在对人员授权环节，人工采集人员的图像信息，使所述智能门禁机使用采集的人员图像信息作为训练样本，通过学习所述训练样本训练所述验证器；

验证判断单元：用于使所述智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，进行图像采集和特征提取；否则，返回验证失败信息；

图像采集和特征提取单元：用于从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息；所述特征信息包括行为特征信息；通过结合身份ID而提取的行为特征信息，能获取出入人员个体的姿态特征，形成先验信息；所述特征信息还包括面部特征信息；

信息关联存储单元：用于将所述出入人员的身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；

训练样本重新训练单元：用于将存储到所述数据库中的关联后的数据作为训练样本重新训练所述验证器；通过结合人员身份ID识别、人员行为识别和智能门禁机自学习的方法，对新产生的数据进行学习；将已确认的数据作为新的样本训练验证器，所述智能门禁机就具有自学习功能，所述智能门禁机对新的已确认的数据的学习；

所述采集训练单元进一步包括：

面部特征提取模块：用于采集人员的图像信息，并将其作为训练样本导入所述智能门禁机中，所述智能门禁机从所述图像信息中提取面部特征信息；

训练样本训练模块：用于根据所述面部特征信息训练所述验证器。

说明书

一种通过智能门禁机进行人员识别的方法及装置

技术领域

[0001] 本发明涉及身份识别领域，特别涉及一种通过智能门禁机进行人员识别的方法及装置。

背景技术

[0002] 随着互联网技术、移动通讯技术和人工智能技术的飞速发展，人们对现代化办公和生活场所提出了更高层次的安全和智能化管理需求，普通的门禁系统和出入管理系统已经不符合现代人的实际需求，为了顺应智能楼宇、智能小区的发展，门禁系统必须实现更可靠、更安全、更方便的智能的功能。

[0003] 目前基于人脸识别技术的个人身份ID识别已经在门禁机中得到了广泛的应用，但是存在识别率较低、误识别率高等问题。而基于人体姿态识别的技术多用于安防摄像头中，在缺少先验信息的情况下，往往只能做简单的识别，人体姿态的识别精度较低。

发明内容

[0004] 本发明要解决的技术问题在于，针对现有技术的上述识别率较低、误识别率高、人体姿态的识别精度较低的缺陷，提供一种识别率较高、误识别率较低、人体姿态的识别精度较高的通过智能门禁机进行人员识别的方法及装置。

[0005] 本发明解决其技术问题所采用的技术方案是：构造一种通过智能门禁机进行人员识别的方法，所述智能门禁机设有验证器，所述方法包括如下步骤：

[0006] A)所述智能门禁机使用采集的人员图像信息作为训练样本，通过学习所述训练样本训练所述验证器；

[0007] B)所述智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，执行步骤C)；否则，返回验证失败信息；

[0008] C)从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息；所述特征信息包括行为特征信息；

[0009] D)将所述出入人员的身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；

[0010] E)将存储到所述数据库中的关联后的数据作为训练样本重新训练所述验证器，返回步骤B)。

[0011] 在本发明所述的通过智能门禁机进行人员识别的方法中，所述特征信息还包括面部特征信息。

[0012] 在本发明所述的通过智能门禁机进行人员识别的方法中，所述步骤A)进一步包括：

[0013] A1)采集人员的图像信息，并将其作为训练样本导入所述智能门禁机中，所述智能门禁机从所述图像信息中提取面部特征信息；

[0014] A2)根据所述面部特征信息训练所述验证器。

[0015] 本发明还涉及一种实现上述通过智能门禁机进行人员识别的方法的装置，所述智能门禁机设有验证器，所述装置包括：

[0016] 采集训练单元：用于使所述智能门禁机使用采集的人员图像信息作为训练样本，通过学习所述训练样本训练所述验证器；

[0017] 验证判断单元：用于使所述智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，进行图像采集和特征提取；否则，返回验证失败信息；

[0018] 图像采集和特征提取单元：用于从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息；所述特征信息包括行为特征信息；

[0019] 信息关联存储单元：用于将所述出入人员的身份ID、特征信息、产生所述特征信息的时间和位置信息进行关联，并存储到数据库中；

[0020] 训练样本重新训练单元：用于将存储到所述数据库中的关联后的数据作为训练样本重新训练所述验证器。

[0021] 在本发明所述的装置中，所述特征信息还包括面部特征信息。

[0022] 在本发明所述的装置中，所述采集训练单元进一步包括：

[0023] 面部特征提取模块：用于采集人员的图像信息，并将其作为训练样本导入所述智能门禁机中，所述智能门禁机从所述图像信息中提取面部特征信息；

[0024] 训练样本训练模块：用于根据所述面部特征信息训练所述验证器。

[0025] 实施本发明的通过智能门禁机进行人员识别的方法及装置，具有以下有益效果：由于智能门禁机使用采集的人员图像信息作为训练样本，通过学习训练样本训练验证器进行身份ID验证，并从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息，将其身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；并将其作为训练样本重新训练验证器，这样就可以达到提高图像识别和行为检测的精度的目的，所以其识别率较高、误识别率较低、人体姿态的识别精度较高。

附图说明

[0026] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0027] 图1为本发明通过智能门禁机进行人员识别的方法及装置一个实施例中方法的流程图；

[0028] 图2为所述实施例中智能门禁机使用采集的人员图像信息作为训练样本，通过学习训练样本训练验证器的具体流程图；

[0029] 图3为所述实施例中装置的结构示意图。

具体实施方式

[0030] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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的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。

[0031] 在本发明通过智能门禁机进行人员识别的方法及装置实施例中，其通过智能门禁机进行人员识别的方法的流程图如图1所示。本实施例中，智能门禁机设有验证器(图中未示出)。图1中，该通过智能门禁机进行人员识别的方法包括如下步骤：

[0032] 步骤S01智能门禁机使用采集的人员图像信息训练样本，通过学习训练样本训练验证器：本步骤中，在对人员授权环节(授予出入权限)，人工采集人员的图像信息，智能门禁机使用采集的人员图像信息训练样本，通过学习训练样本训练验证器。

[0033] 步骤S02智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功：本步骤中，智能门禁机在工作过程中，使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如果判断的结果为是，则执行S04；否则，执行步骤S03。

[0034] 步骤S03返回验证失败信息：如果上述步骤S02的判断结果为否，则执行本步骤。本步骤中，返回验证失败信息。

[0035] 步骤S04从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息：本步骤中，从验证成功的位置开始采集处于设定范围内(规定范围内)的出入人员的图像信息，提取特征信息，该特征信息包括行为特征信息。通过结合身份ID而提取的行为特征信息(姿态特征信息)，可获取出入人员个体的姿态特征，形成大量的先验信息，提高人体异常行为的识别率。

[0036] 当然，为了进一步提高识别率、降低误识别率，进一步提高人体姿态的识别精度，在提取特征信息时，所提取的特征信息还包括面部特征信息，也就是在提取特征信息时，同时提取行为特征信息和面部特征信息。这样，通过结合人体的面部特征信息和行为特征信息可提高识别率，更准确地确认人员的身份ID信息。

[0037] 步骤S05将出入人员的身份ID、特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中：本步骤中，将出入人员的身份ID、特征信息、产生行为特征信息的时间和位置信息进行关联，并存储到数据库中。当然，也可以将出入人员的面部特征信息存入数据库中。

[0038] 步骤S06将存储到数据库中的关联后的数据作为训练样本重新训练验证器：本步骤中，将存储到数据库中的关联后的数据作为训练样本重新训练验证器，执行完本步骤，返回步骤S02。将已确认的数据作为新的样本训练验证器，智能门禁机就具有了自学习功能；智能门禁机通过对新的已确认的数据的学习，可以提高人员识别和人员异常动作识别的精度。而普通的一台不具有自学习功能的门禁机只能根据录入的人脸信息进行识别，当人脸信息发生变化时将会降低识别率(比如光线变化、发型变化、局部创伤、年龄增长)，而本实施例中的智能门禁机可以通过学习而提高识别率。通过结合人员身份ID识别、人员行为识别和智能门禁机自学习的方法，对新产生的数据进行学习，使智能门禁机具有更高的精度。

[0039] 对于本实施例而言，上述步骤S01还可进一步细化，其细化后的流程图如图2所示。图2中，上述步骤S01进一步包括：

[0040] 步骤S11采集人员的图像信息，并将其作为训练样本导入智能门禁机中，智能门禁机从图像信息中提取面部特征信息：本步骤中，人工采集人员的图像信息，并将采集的人员的图像信息作为训练样本导入智能门禁机中，智能门禁机从采集的人员的图像信息中提取面部特征信息。

[0041] 步骤S12根据面部特征信息训练验证器：本步骤中，根据面部特征信息训练验证器。

[0042] 本实施例还涉及一种实现上述通过智能门禁机进行人员识别的方法的装置，其结构示意图如图3所示。本实施例中，智能门禁机设有验证器(图中未示出)。图3中，该装置包括采集训练单元1、验证判断单元2、图像采集和特征提取单元3、信息关联存储单元4和训练样本重新训练单元5；其中，采集训练单元1用于使智能门禁机使用采集的人员图像信息作为训练样本，通过学习训练样本训练验证器；验证判断单元2用于使智能门禁机使用已训练好的验证器对出入人员的身份ID进行验证，并判断是否验证成功，如是，进行图像采集和特征提取；否则，返回验证失败信息；图像采集和特征提取单元3用于从验证成功的位置开始采集处于设定范围内的出入人员的图像信息，提取特征信息；上述特征信息包括行为特征信息；当然，当然，为了进一步提高识别率、降低误识别率，进一步提高人体姿态的识别精度，在提取特征信息时，所提取的特征信息还包括面部特征信息。

[0043] 信息关联存储单元4用于将出入人员的身份ID、行为特征信息、产生特征信息的时间和位置信息进行关联，并存储到数据库中；训练样本重新训练单元5用于将存储到数据库中的关联后的数据作为训练样本重新训练验证器。这样就可以达到提高图像识别和行为检测的精度的目的，所以其识别率较高、误识别率较低、人体姿态的识别精度较高。

[0044] 本实施例中，采集训练单元1进一步包括面部特征提取模块11和训练样本训练模块12；其中，面部特征提取模块11用于采集人员的图像信息，并将其作为训练样本导入智能门禁机中，智能门禁机从图像信息中提取面部特征信息；训练样本训练模块12用于根据面部特征信息训练验证器。

[0045] 总之，在本实施例中，通过从采集的图像信息(录入的样本)中提取面部特征信息，根据这些特征信息训练验证器，进行身份ID验证。智能门禁机从验证成功的位置开始采集处于设定范围内的人员的图像信息，提取特征信息(包括行为特征信息和面部特征信息)，使提取出的特征信息与时间和位置相关联，并存储到数据库中，已确认的数据可作为新的样本训练验证器，以达到提高图像识别和行为检测的精度的目的。

[0046] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。