[发明专利]一种基于人脸识别的门镜系统及其人脸识别方法

说明书

技术领域

本发明涉及人脸识别技术领域，具体涉及一种基于人脸识别的门镜系统及其人脸识别方法。

背景技术

随着视频监控技术的发展，基于视频的人脸识别已经取得良好的发展，并且在智能交通、门禁、信息安全等安保和安防领域中具有十分重要的作用。现有的视频人脸识别方法是一种视频对静态图像的识别，采用人脸视频作为输入，通过和静态图像的人脸数据库进行对比来实现识别或者验证。

传统的视频对静态图像识别的一种方法是对每一帧人脸图像采用静态人脸识别的方法来识别，最后按照概率、距离判断等方式，综合所有识别结果；另一种方法是利用视频序列生成人脸模型或者基于运动时序信息生成人脸模型的方法；上述两种方法没有有效地过滤和补偿视频里的各种人脸变化，因而视频人脸识别的鲁棒性有待提高。

将人脸识别系统应用在智能家居系统中，是现代智能家居发展的需要。在智能家居的室外机上添加人脸检测和人脸识别功能，当室外机的传感器检测到有人靠近或者有人访问时，通过室外机的摄像头获取视频流，对它持续进行人脸检测。判断人脸识别方法是否适应于智能家居系统的标准，是系统检测速度和准确度，因此，如何提高人脸识别系统的检测速度和准确度是其发展的关键。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于人脸识别的门镜系统及其人脸识别方法，本发明是基于人脸识别的门镜系统，用统计的方法对人脸进行建模，比较所有可能的待检测区域与人脸模型的匹配度，从而得到可能存在的人脸区域，基于Haar分类器的方法，计算速度较快，能够提高识别效率。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于人脸识别的门镜系统，其包括：室外机、室内机、云服务器、移动终端，所述室外机为人脸识别装置，所述室外机安装在门镜系统的入户处，所述室内机安装在室内，且与所述室外机信息交互，所述室外机获取人脸图像，并进行检测和识别，然后将识别结果输出至所述室内机，所述室内机获取的信息传输至所述云服务器，所述云服务器将信息传输至所述移动终端，

还包括入户灯，所述入户灯受所述室外机控制，所述室外机检测到人脸时，所述入户灯自动亮起；

所述室外机包括：输入图像模块、人脸检测模块、特征提取模块、人脸识别模块、结果输出模块，所述输入图像模块获取人脸视频图像，并将人脸图像传输给所述人脸检测模块；

所述人脸检测模块对人脸进行建模，比较所有待检测区域与人脸模型的匹配度，得到可能存在的人脸区域，所述人脸检测模块利用Haar分类器对人脸和非人脸进行分类，在对人脸和非人脸进行分类过程中，针对不同训练集来训练弱分类器，然后将这些在不同训练集中得到的弱分类器集合起来，构造一个强分类器，其中，每一层AdaBoost算法训练得到一个强分类器，经过阈值调整，使得每一层能让全部人脸样本通过，每一层都拒绝非人脸样本，靠近前面的层拒绝了大部分非人脸样本，经过所述人脸检测模块检测后得到是否属于人脸的信号，并将信号传输给所述特征提取模块，所述特征提取模块提取矩形特征，然后将提取的矩形特征输送至所述人脸识别模块；

所述人脸识别模块将所述人脸检测模块检测到的人脸与人脸数据库中的人脸数据进行相似度比较，预先设置相似度阈值，当检测到的人脸与人脸数据库中的人脸数据相似度大于阈值时，识别成功；当检测到的人脸与人脸数据库中的人脸数据相似度小于阈值时，识别失败；

所述结果输出模块将所述人脸识别模块的识别结果输出至所述室内机，所述室内机根据识别结果来显示被识别的人脸是否属于人脸数据库中的人脸，自动或者人为确定是否开门。

进一步优选地，所述人脸检测模块利用Haar分类器建模的方法包括：

所述特征提取模块提取人脸特征集和非人脸特征集，构造Haar特征，计算人脸特征值，再提取人脸特征值，构造弱分类器；利用弱分类器和AdaBoost算法训练得到一个强分类器，得到人脸和非人脸的强分类器；重复训练过程，得到多个强分类器，再将多个强分类器组成级联结构。

进一步优选地，所述人脸检测模块与人脸识别模块在人脸检测和人脸识别过程中，所述人脸检测模块将检测到的人脸图像传输给所述人脸识别模块，如果所述人脸识别模块识别到人脸与人脸数据库中的人脸匹配，则将匹配正确的信号传输至所述人脸检测模块，所述人脸检测模块在未获得新的人脸图像之前，停止对人脸检测；如果所述人脸识别模块识别到人脸与人脸数据库中的人脸不匹配，则将匹配错误的信号传输至所述人脸检测模块，所述人脸检测模块循环检测。