一种人脸门禁识别方法、系统、计算机存储介质及设备

摘要

本发明提供一种人脸门禁识别方法，该方法包括以下步骤：图片抓拍，得到待验证图片；对所述待验证图片进行人脸识别以获得人脸相似度分值；根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，其中，Score＝Scorelike*Ccrowd*Csafe；根据所述安全分Scorelike对门禁进行控制。本发明让用户在使用人脸门禁时，通过风险控制策略，来动态调整门禁方法。通过结合人脸门禁和指纹、虹膜等辅助门禁方法的优点，兼顾了门禁的安全性和方便性。

权利要求

1.一种人脸门禁识别方法，其特征在于，该方法包括以下步骤：图片抓拍，得到待验证图片；

对所述待验证图片进行人脸识别以获得人脸相似度分值Scorelike；

根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，安全分Score＝Scorelike*Ccrowd*Csafe；

根据所述安全分Score对门禁进行控制；

当得到的安全分Score大于预设的安全分阈值，则认为人脸门禁通过；否则需要进行辅助验证；根据所述辅助验证结果对门禁进行控制；

其中，所述的人气系数 Npeop为当前t时刻门禁的净流入人数，Npeop＝当天门禁的进入人数-外出人数，N'peop为7天前t'时刻门禁的净流入人数；

拥堵风险系数 Ncrowd为[t'-5T,t'+

5T]时间窗内拥堵事件数量，T为一次人脸门禁通过所用的时间，Tth为拥堵阈值，当连续两个人开始进行门禁识别的时间差小于T+Tth时，则认为发生了一次拥堵事件；其中，T＝Tcap+Tpre+Trec+Tgate，Tcap为一次图片抓拍的时间，Tpre为人脸预处理的时间，Trec为人脸识别的时间，Tgate为门禁一次开启+关闭的时间。

2.根据权利要求1所述的一种人脸门禁识别方法，其特征在于，在对所述图片进行抓拍前，还包括侦测监控画面中的移动物体，当发现移动物体时，进行图片抓拍。

3.根据权利要求1所述的一种人脸门禁识别方法，其特征在于，所述对所述待验证图片进行人脸识别，包括：检测待验证图片中出现的所有人脸区域；

从所有人脸区域中提取出尺寸最大的待检人脸区域；

计算所述尺寸最大的待检人脸区域的人脸质量分；

对所述尺寸最大的待检人脸区域进行人脸关键点检测；

根据所述人脸关键点得到待检人脸的特征向量；

利用1:N人脸检索算法，在人脸库中查找与所述待检人脸的特征向量最相似的特征向量，并得到对应的人脸相似度分值Scorelike。

4.一种人脸门禁识别系统，其特征在于，该系统包括：图片抓拍模块，用于进行图片抓拍，获得待验证图片；

人脸识别模块，用于对所述待验证图片进行人脸识别以获得人脸相似度分值Scorelike；

风险控制模块，用于根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，安全分Score＝Scorelike*Ccrowd*Csafe；

门禁控制模块，用于根据所述安全分Score对门禁进行控制；

当得到的安全分Score大于预设的安全分阈值，则认为人脸门禁通过；否则需要进行辅助验证；根据所述辅助验证结果对门禁进行控制；

其中，所述的人气系数 Npeop为当前t时刻门禁的净流入人数，Npeop＝当天门禁的进入人数-外出人数，N'peop为7天前t'时刻门禁的净流入人数；

拥堵风险系数 Ncrowd为[t'-5T,t'+

5T]时间窗内拥堵事件数量，T为一次人脸门禁通过所用的时间，Tth为拥堵阈值，当连续两个人开始进行门禁识别的时间差小于T+Tth时，则认为发生了一次拥堵事件；其中，T＝Tcap+Tpre+Trec+Tgate，Tcap为一次图片抓拍的时间，Tpre为人脸预处理的时间，Trec为人脸识别的时间，Tgate为门禁一次开启+关闭的时间。

5.根据权利要求4所述的一种人脸门禁识别系统，其特征在于，该系统还包括移动侦测模块，用于侦测监控画面中的移动物体，当发现移动物体时，启动所述抓拍模块。

6.根据权利要求4所述的一种人脸门禁识别系统，其特征在于，所述人脸识别模块包括：第一人脸检测模块，用于检测待验证图片中出现的所有人脸区域；

人脸筛选模块，用于从所有人脸区域中提取出尺寸最大的待检人脸区域；

第二人脸检测模块，用于计算所述尺寸最大的待检人脸区域的人脸质量分；

第一人脸关键点检测模块，用于提取所述尺寸最大的待检人脸区域的人脸关键点；

第二人脸关键点检测模块，用于根据所述人脸关键点得到待检人脸的特征向量；

人脸检索模块，用于利用1:N人脸检索算法，在人脸库中查找与所述待检人脸的特征向量最相似的特征向量，并得到对应的人脸相似度分值。

7.一种计算机存储介质，存储计算机程序，其特征在于，所述计算机程序被处理器运行时执行如权利要求1～3任意一项所述的人脸门禁识别方法。

8.一种设备，其特征在于，包括

存储器，用于存储计算机程序；

处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行如权利要求1～3任意一项所述的人脸门禁识别方法。

说明书

一种人脸门禁识别方法、系统、计算机存储介质及设备

技术领域

[0001] 本发明涉及人脸识别技术领域，特别是涉及一种人脸门禁识别方法、系统及计算机存储介质。

背景技术

[0002] 门禁，是对出入口通道进行管制，它是在传统的门锁基础上发展而来的。由于安全性和隐私性是人类在生活和工作中的基本需求，因而门禁在我们生活中悟出不在，例如银行、宾馆、机房、机要室、办公间、智能化小区、工厂等。

[0003] 门禁按进出识别方式可分：密码识别、卡片识别、生物识别。由于生物识别是天然存在于人体中，具有防丢失的方便性，而且生物特征具有唯一性，因而随着数字技术的不断发展，生物识别技术逐渐占领了需要强安全认证的门禁市场。这其中，人脸门禁是非接触式的无感验证，是对用户最友好的门禁识别方法，随着人脸识别算法的不断优化，人脸门禁的应用也越来越广。

[0004] 但是，现有的人脸门禁具有一定的局限性：人脸门禁属于人脸识别中的1:N人脸检索算法的应用场景，即根据某张人脸照片在人脸库中进行一一对比，随着人脸库的数量增加，算法的计算量和消耗的时间都线性增大，而算法的准确性却和人脸库的数量呈现负相关关系。因而，当人脸库越大，则人脸门禁的结果越不可靠。

发明内容

[0005] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种人脸门禁识别方法、系统及计算机存储介质，以解决现有技术中人脸门禁的结果不可靠的问题。

[0006] 为实现上述目的及其他相关目的，本发明提供一种人脸门禁识别方法，该方法包括以下步骤：

[0007] 图片抓拍，得到待验证图片；

[0008] 对所述待验证图片进行人脸识别以获得人脸相似度分值；

[0009] 根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，其中，Score＝Scorelike*Ccrowd*Csafe；

[0010] 根据所述安全分Scorelike对门禁进行控制。

[0011] 可选地，该方法还包括：

[0012] 根据所述安全分Score判断是否进行辅助验证；

[0013] 根据所述辅助验证结果对门禁进行控制。

[0014] 可选地，在对所述图片进行抓拍前，还包括侦测监控画面中的移动物体，当发现移动物体时，进行图片抓拍。

[0015] 可选地，所述对所述待验证图片进行人脸识别，包括：

[0016] 检测待验证图片中出现的所有人脸区域；

[0017] 从所有人脸区域中提取出尺寸最大的待检人脸区域；

[0018] 用于计算所述尺寸最大的待检人脸区域的人脸质量分；

[0019] 对所述尺寸最大的待检人脸区域进行人脸关键点检测；

[0020] 根据所述人脸关键点得到待检人脸的特征向量；

[0021] 利用1:N人脸检索算法，在人脸库中查找与所述待检人脸的特征向量最相似的特征向量，并得到对应的人脸相似度分值。

[0022] 为实现上述目的及其他相关目的，本发明还提供一种人脸门禁识别系统，该系统包括：

[0023] 图片抓拍模块，用于进行图片抓拍，获得待验证图片；

[0024] 人脸识别模块，用于对所述待验证图片进行人脸识别以获得人脸相似度分值；

[0025] 风险控制模块，用于根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，其中，Score＝Scorelike*Ccrowd*Csafe；

[0026] 门禁控制模块，用于根据所述安全分Score对门禁进行控制。

[0027] 可选地，该系统还包括辅助验证模块，用于根据所述安全分Score进行辅助验证，所述门禁控制模块用于根据辅助验证结果对门禁进行控制。

[0028] 可选地，该系统还包括移动侦测模块，用于侦测监控画面中的移动物体，当发现移动物体时，启动所述抓拍模块。

[0029] 可选地，所述人脸识别模块包括：

[0030] 第一人脸检测模块，用于检测待验证图片中出现的所有人脸区域；

[0031] 人脸筛选模块，用于从所有人脸区域中提取出尺寸最大的待检人脸区域；

[0032] 第二人脸检测模块，用于计算所述尺寸最大的待检人脸区域的人脸质量分；

[0033] 第一人脸关键点检测模块，用于提取所述尺寸最大的待检人脸区域的人脸关键点；

[0034] 第二人脸关键点检测模块，用于根据所述人脸关键点得到待检人脸的特征向量；

[0035] 人脸检索模块，用于利用1:N人脸检索算法，在人脸库中查找与所述待检人脸的特征向量最相似的特征向量，并得到对应的人脸相似度分值。

[0036] 为实现上述目的及其他相关目的，本发明还提供一种计算机存储介质，存储计算机程序，所述计算机程序被处理器运行时执行所述的人脸门禁识别方法。

[0037] 为实现上述目的及其他相关目的，本发明还提供一种设备，包括：

[0038] 存储器，用于存储计算机程序；

[0039] 处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行人脸门禁识别方法。

[0040] 如上所述，本发明的一种人脸门禁识别方法及系统，具有以下有益效果：

[0041] 本发明让用户在使用人脸门禁时，通过风险控制策略，来动态调整门禁方法。通过结合人脸门禁和指纹、虹膜等辅助门禁方法的优点，兼顾了门禁的安全性和方便性。

[0042] 本发明突破了传统人脸门禁易受攻击的局限性，在保障了准确性的同时，保留了一定的易用性。

附图说明

[0043] 图1为本发明所述的一种人脸门禁识别方法的流程图；

[0044] 图2为本发明对所述待验证图片进行人脸识别以获得人脸相似度分值的流程图。

具体实施方式

[0045] 以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

[0046] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

[0047] 需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

[0048] 如图1所示，本申请提供一种人脸门禁识别方法，该方法包括：

[0049] S1.图片抓拍，得到待验证图片；

[0050] 于一实施例中，在对所述图片进行抓拍前，还包括移动侦测，作用是侦测监控画面中的移动物体，当发现移动物体时，进行图片抓拍。

[0051] 具体地，移动侦测指利用一定的移动侦测算法自动监控门禁区域的摄像机视野中是否存在运动物体，若发生了运动则启动图片抓拍流程。

[0052] 这种方式能让摄像机大部分时间只是处在低功耗的侦测状态，而不用处理大部分没有人员进入视野的图片。

[0053] 移动侦测算法包括但不限于背景差法、帧差法。其中的背景差法实现方式为：在视野中选取静止不动的背景作为背景图，然后检测每一帧图片和背景图的像素差，若某一帧图片的像素差超过了设定的阈值则表示当前帧的视野内进入了不属于背景的物体，即发生了运动。

[0054] S2.对所述待验证图片进行人脸识别以获得人脸相似度分值，如图2所示，对所述待验证图片进行人脸识别以获得人脸相似度分值具体包括：

[0055] S21.检测待验证图片中出现的所有人脸区域；

[0056] 于本实施例中，通过人脸检测算法检测待验证图片中出现的所有人脸区域，所述人脸检测算法包括但不限于深度神经网络、模板匹配算法。

[0057] S22.从所有人脸区域中提取出尺寸最大的待检人脸区域.

[0058] 由于在门禁处进行人脸识别时，有可能检测到多张人脸，而尺寸最大的人脸所代表的是最前面的正准备通过门禁的人的人脸。因此，提取出最大尺寸的人脸。

[0059] S23.计算所述尺寸最大的待检人脸区域的人脸质量分；

[0060] 通过人脸质量分和阈值来进行判断，判断人脸质量是否合格。人脸质量分在[0,1]的取值空间内，取值越大代表人脸质量越好，一般阈值在0.8以上算优。

[0061] S24.对所述尺寸最大的待检人脸区域进行人脸关键点检测。

[0062] 于本实施例中，由于人脸方向可能和摄像机安装方向存在倾斜角度，因而需要根据一定的人脸校正算法计算出这个倾斜角度并进行纠正，这样才能保证人脸识别的准确性。

[0063] 人脸校正算法其中一种实现方式如下：

[0064] 利用人脸关键点检测算法，检测出口、鼻、嘴的人脸关键点。根据这些点的实际坐标关系来计算出当前拍摄的人脸的俯仰角(pitch)、横滚角(roll)、偏航角(yaw)。其中人脸的俯仰角、横滚角、偏航角都是相对于相机坐标系而定义。

[0065] 人脸校正算法包括但不限于上述描述的算法，还包括利用人脸关键点来校正等方式实现的算法。

[0066] S25.根据经过校正的所述人脸关键点得到待检人脸的特征向量；

[0067] S26.利用1:N人脸检索算法，在人脸库中查找与所述待检测人脸的特征向量最相似的特征向量，并得到对应人脸相似度分值。

[0068] 所述的人脸库包括了人员ID、人脸照片库以及它们对应的人脸特征向量。

[0069] 人脸相似度值在[0，1]的取值空间内，取值越大代表人脸越相似，一般阈值在0.8以上算优。人脸识别算法包括但不限于深度神经网络算法、模板匹配算法。

[0070] S3.根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，其中，Score＝Scorelike*Ccrowd*Csafe。

[0071] 于本实施例中，在对门禁进行控制前，需要分析拥堵风险和空房风险。分析拥堵风险即计算拥堵风险系数Ccrowd，分析拥堵风险是为了防范通过门禁时间过长造成的门禁处拥堵；分析空房风险即计算人气系数Csafe，分析空房风险是因为当门禁进入人员较少时间接反应了室内很多区域无人看管。

[0072] 综合拥堵风险系数Ccrowd、人气系数Csafe以及当前人脸相似度分值，来为当前门禁识别计算安全分。

[0073] 其中，计算拥堵风险系数的一种实现方式为：

[0074] 因为生活、工作规律一般上都是按周为周期，因而令当前时刻为t，则认为该时刻的门禁拥挤程度和7天前的相同时刻t'类似，可以用7天前的数据来预测。

[0075] 设T为一次人脸门禁通过所用的时间，则T可近似视为固定值，其计算方式为：

[0076] T＝Tcap+Tpre+Trec+Tgate

[0077] 其中，Tcap为一次图片抓拍的时间，Tpre为人脸预处理的时间，Trec为人脸识别的时间，Tgate为门禁一次开启+关闭的时间。

[0078] 设拥堵阈值为Tth，则当连续两个人开始进行门禁识别的时间差小于T+Tth时，则认为发生了一次拥堵事件。

[0079] 统计[t'-5T,t'+5T]时间窗内拥堵事件数量，记为Ncrowd，然后根据下列公式计算出拥堵风险系数Ccrowd：

[0080]

[0081] 其中，计算人气系数的一种实现方式为：

[0082] 统计当前t时刻门禁的净流入人数，记为Npeop。Npeop定义为：

[0083] Npeop＝当天门禁的进入人数-外出人数

[0084] 统计7天前t'时刻门禁的净流入人数，记为N'peop。

[0085] 则由下列公式可计算出当前时刻的人气系数Csafe：

[0086]

[0087] 其中，计算安全分的一种实现方式为：

[0088] 最终得到本次门禁行为的安全分Score为：

[0089] Score＝Scorelike*Ccrowd*Csafe

[0090] 安全分的计算方式包括但不限于上述实现方式，可根据实际需求来实现，例如还包括利用历史门禁数据的其他统计值、利用经验形成的固定策略等方式。

[0091] S4.根据所述安全分Score对门禁进行控制。

[0092] 具体地，当得到的安全分Score大于预设的安全分阈值，则认为人脸门禁通过，否则需要进行辅助验证，辅助验证方法包括但不限于密码验证、指纹识别、声纹识别、虹膜识别。

[0093] 本申请所述的一种人脸门禁识别方法，首先通过人脸识别作为第一道门禁识别，再通过风险控制策略，来自动动态调整门禁方法。

[0094] 本发明突破了传统人脸门禁易受攻击的局限性，可结合另外的指纹、密码、声纹、虹膜等验证方式作为第二道门禁识别，提高了系统的安全性；另一方面，本发明还兼顾了使用方便性，通过风险控制策略，可以自动调整辅助验证的调用频率，例如在本发明的一实施例中，举例描述了一种综合了室内人员数量、门禁拥堵程度来动态调整控制策略的方式。

[0095] 本发明还提供一种人脸门禁识别系统，该系统包括图片抓拍模块、人脸识另模块、风险控制模块和门禁控制模块；

[0096] 所述图片抓拍模块，用于进行图片抓拍，获得待验证图片；

[0097] 所述人脸识别模块，用于对所述待验证图片进行人脸识别以获得人脸相似度分值；

[0098] 于本实施例中，所述人脸识别模块包括第一人脸检测模块、人脸筛选模块、第二人脸检测模块、第一人脸关键点检测模块、第二人脸关键点检测模块和人脸检索模块。

[0099] 所述第一人脸检测模块，用于检测待验证图片中出现的所有人脸区域。

[0100] 具体地，第一人脸检测模块通过人脸检测算法检测待验证图片中出现的所有人脸区域，所述人脸检测算法包括但不限于深度神经网络、模板匹配算法。

[0101] 所述人脸筛选模块，用于从所有人脸区域中提取出尺寸最大的待检人脸区域。

[0102] 由于在门禁处进行人脸识别时，有可能检测到多张人脸，而尺寸最大的人脸所代表的是最前面的正准备通过门禁的人的人脸。因此，提取出最大尺寸的人脸。

[0103] 所述第二人脸检测模块，用于计算所述尺寸最大的待检人脸区域的人脸质量分。

[0104] 具体地，第二人脸检测模块通过人脸质量分和阈值来进行判断，判断人脸质量是否合格。人脸质量分在[0,1]的取值空间内，取值越大代表人脸质量越好，一般阈值在0.8以上算优。

[0105] 所述第一人脸关键点检测模块，用于提取所述尺寸最大的待检人脸区域的人脸关键点。

[0106] 于本实施例中，由于人脸方向可能和摄像机安装方向存在倾斜角度，因而，本发明设置一人脸预处理模块，用于对第一人脸关键点检测模块提取的人脸关键点进行校正。人脸校正算法计算出这个倾斜角度并进行纠正，这样才能保证人脸识别的准确性。

[0107] 人脸校正算法其中一种实现方式如下：

[0108] 利用人脸关键点检测算法，检测出口、鼻、嘴的人脸关键点。根据这些点的实际坐标关系来计算出当前拍摄的人脸的俯仰角(pitch)、横滚角(roll)、偏航角(yaw)。其中人脸的俯仰角、横滚角、偏航角都是相对于相机坐标系而定义。

[0109] 人脸校正算法包括但不限于上述描述的算法，还包括利用人脸关键点来校正等方式实现的算法。

[0110] 所述第二人脸关键点检测模块，用于根据所述人脸关键点得到待检人脸的特征向量。

[0111] 所述人脸检索模块，用于利用1:N人脸检索算法，在人脸库中查找与所述待检人脸的特征向量最相似的特征向量，并得到对应的人脸相似度分值。

[0112] 所述的人脸库包括了人员ID、人脸照片库以及它们对应的人脸特征向量。

[0113] 人脸相似度值在[0，1]的取值空间内，取值越大代表人脸越相似，一般阈值在0.8以上算优。人脸识别算法包括但不限于深度神经网络算法、模板匹配算法。

[0114] 所述风险控制模块，用于根据所述人脸相似度分值Scorelike、人气系数Csafe和拥堵风险系数Ccrowd计算安全分Score，其中，Score＝Scorelike*Ccrowd*Csafe。

[0115] 于本实施例中，在对门禁进行控制前，需要分析拥堵风险和空房风险。分析拥堵风险即计算拥堵风险系数Ccrowd，分析拥堵风险是为了防范通过门禁时间过长造成的门禁处拥堵；分析空房风险即计算人气系数Csafe，分析空房风险是因为当门禁进入人员较少时间接反应了室内很多区域无人看管。

[0116] 综合拥堵风险系数Ccrowd、人气系数Csafe以及当前人脸相似度分值，来为当前门禁识别计算安全分。

[0117] 其中，计算拥堵风险系数的一种实现方式为：

[0118] 因为生活、工作规律一般上都是按周为周期，因而令当前时刻为t，则认为该时刻的门禁拥挤程度和7天前的相同时刻t'类似，可以用7天前的数据来预测。

[0119] 设T为一次人脸门禁通过所用的时间，则T可近似视为固定值，其计算方式为：

[0120] T＝Tcap+Tpre+Trec+Tgate

[0121] 其中，Tcap为一次图片抓拍的时间，Tpre为人脸预处理的时间，Trec为人脸识别的时间，Tgate为门禁一次开启+关闭的时间。

[0122] 设拥堵阈值为Tth，则当连续两个人开始进行门禁识别的时间差小于T+Tth时，则认为发生了一次拥堵事件。

[0123] 统计[t'-5T,t'+5T]时间窗内拥堵事件数量，记为Ncrowd，然后根据下列公式计算出拥堵风险系数Ccrowd：

[0124]

[0125] 其中，计算人气系数的一种实现方式为：

[0126] 统计当前t时刻门禁的净流入人数，记为Npeop。Npeop定义为：

[0127] Npeop＝当天门禁的进入人数-外出人数

[0128] 统计7天前t'时刻门禁的净流入人数，记为N'peop。

[0129] 则由下列公式可计算出当前时刻的人气系数Csafe：

[0130]

[0131] 其中，计算安全分的一种实现方式为：

[0132] 最终得到本次门禁行为的安全分Score为：

[0133] Score＝Scorelike*Ccrowd*Csafe

[0134] 安全分的计算方式包括但不限于上述实现方式，可根据实际需求来实现，例如还包括利用历史门禁数据的其他统计值、利用经验形成的固定策略等方式。

[0135] 所述门禁控制模块，用于根据所述安全分Score对门禁进行控制。

[0136] 具体地，当得到的安全分Score大于预设的安全分阈值，则认为人脸门禁通过，否则需要启动辅助验证模块进行辅助验证，辅助验证方法包括但不限于密码验证、指纹识别、声纹识别、虹膜识别。

[0137] 于一实施例中，所述辅助验证子系统还包括移动侦测模块，用于侦测监控画面中的移动物体，当发现移动物体时，启动所述抓拍模块。

[0138] 移动侦测指利用一定的移动侦测算法自动监控门禁区域的摄像机视野中是否存在运动物体，若发生了运动则启动图片抓拍流程。

[0139] 这种方式能让摄像机大部分时间只是处在低功耗的侦测状态，而不用处理大部分没有人员进入视野的图片。

[0140] 移动侦测算法包括但不限于背景差法、帧差法。其中的背景差法实现方式为：在视野中选取静止不动的背景作为背景图，然后检测每一帧图片和背景图的像素差，若某一帧图片的像素差超过了设定的阈值则表示当前帧的视野内进入了不属于背景的物体，即发生了运动。

[0141] 本申请所述的一种人脸门禁识别方法以及系统，首先通过人脸识别作为第一道门禁识别，再通过风险控制策略，来自动动态调整门禁方法。

[0142] 本发明突破了传统人脸门禁易受攻击的局限性，可结合另外的指纹、密码、声纹、虹膜等验证方式作为第二道门禁识别，提高了系统的安全性；另一方面，本发明还兼顾了使用方便性，通过风险控制策略，可以自动调整辅助验证的调用频率，例如在本发明的一实施例中，举例描述了一种综合了室内人员数量、门禁拥堵程度来动态调整控制策略的方式。

[0143] 本发明还提供一种计算机存储介质，存储计算机程序，所述计算机程序被处理器运行时执行所述的人脸门禁识别方法。

[0144] 本发明还提供一种计算机存储介质，存储计算机程序，所述计算机程序被处理器运行时执行所述的人脸门禁识别方法。

[0145] 为实现上述目的及其他相关目的，本发明还提供一种设备，包括：

[0146] 存储器，用于存储计算机程序；

[0147] 处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行人脸门禁识别方法。

[0148] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。