本发明涉及身份识别领域,具体涉及一种基于人脸图像的身份识别系统。
背景技术:
现有技术中,小区门口一般都会用到身份识别系统来对进出小区的人员进行管理。但是现有的身份识别系统一般是采用刷门禁卡的方式,这种方式不安全且不方便。门禁卡丢失的话容易被不属于该小区人员捡到,从而轻松进入小区。不方便则是,当小区住户骑自行车或者是电单车出入时,需要停下来刷门禁卡开门,然后再出入。
技术实现要素:
针对上述问题,本发明提供了一种基于人脸图像的身份识别系统,其包括拍摄模块、传输模块、处理模块和控制模块;
所述拍摄模块用于获取待进出小区的人员的脸部图像,并传输到传输模块;
所述传输模块用于接收所述脸部图像,并将所述脸部图像传输到处理模块;
所述处理模块用于接收所述脸部图像,并根据所述脸部图像判断所述待进出小区的人员是否属于小区住户,若是,则向控制模块发送用于打开小区大门的控制消息;
所述控制模块用于在接收到所述控制消息后,控制小区大门打开。
所述拍摄模块包括红外人体检测装置和拍摄装置;
所述红外人体检测装置用于检测在预先设定的检测区域中是否存在待进出小区的人员,若是,则控制拍摄装置对所述待进出小区的人员进行拍摄,获取所述待进出小区的人员的多张脸部图像。
本发明的有益效果为:
本发明通过人脸图像对待进出小区的人员进行身份识别,相较于传统的使用门禁卡的方式,更加安全,而且更加便捷。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种基于人脸图像的身份识别系统的一种示例性实施例图。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本发明的一种基于人脸图像的身份识别系统,其包括拍摄模块1、传输模块2、处理模块3和控制模块4;
所述拍摄模块1用于获取待进出小区的人员的脸部图像,并传输到传输模块2;
所述传输模块2用于接收所述脸部图像,并将所述脸部图像传输到处理模块3;
所述处理模块3用于接收所述脸部图像,并根据所述脸部图像判断所述待进出小区的人员是否属于小区住户,若是,则向控制模块4发送用于打开小区大门的控制消息;
所述控制模块4用于在接收到所述控制消息后,控制小区大门打开。
在一种实施方式中,所述拍摄模块1包括红外人体检测装置和拍摄装置;
所述红外人体检测装置用于检测在预先设定的检测区域中是否存在待进出小区的人员,若是,则控制拍摄装置对所述待进出小区的人员进行拍摄,获取所述待进出小区的人员的多张脸部图像。
在一种实施方式中,所述处理模块3包括图像筛选子模块、特征提取子模块和判断子模块,
所述图像筛选子模块用于对所述多张脸部图像进行筛选,选取图像质量最好的一张脸部图像作为识别图像,并将所述识别图像发送至特征提取子模块;
所述特征提取子模块用于获取所述识别图像,并提取所述识别图像中包含的特征信息,将所述特征信息发送至判断子模块;
所述判断子模块用于将所述特征信息与数据库中预存的小区住户的人脸特征信息进行匹配,若匹配成功,则判断所述待进出小区的人员属于小区住户。
在一种实施方式中,所述对所述多张脸部图像进行筛选,选取图像质量最好的一张脸部图像作为识别图像,包括:
对于多张脸部图像,分别计算每张脸部图像的质量指数,选取质量指数最高的脸部图像作为识别图像。
在一种实施方式中,所述计算每张脸部图像的质量指数,包括:
对脸部图像进行皮肤检测,获取脸部图像中的人脸区域图像;
根据所述人脸区域图像计算脸部图像的质量指数。
进行皮肤检测来获取脸部图像中的人脸区域图像,可以有效降低进行后续运算的图像的大小,加快计算的速度。
在一种实施方式中,所述根据所述人脸区域图像计算脸部图像的质量指数,包括:
将所述人脸区域图像转化为灰度图像;
根据所述灰度图像计算所述质量指数:
式中,zindex表示质量指数,ω1和ω2为预先设定的权重参数,σ表示人脸区域图像的像素点总数与脸部图像的像素点总数的比值,σthre表示在所述多张脸部图像中,人脸区域图像的像素点总数与脸部图像的像素点总数的比值的平均值,
本发明上述实施方式,从人脸区域图像的像素点总数与脸部图像的像素点总数的比值、灰度均值、清晰度、二维熵等方面综合计算脸部图像的质量参数,使得图像质量参数更能准确地反应脸部图像的质量情况。而传统的图像质量评价方式往往仅是从一个角度进行评价,这样的评价方式未能综合反映图像的质量情况。而本申请能很好地解决所述问题。在比值、灰度均值、清晰度这几个参数上,还考虑了拍摄模块1获取的多张图像中的其余图像的相关参数,从而更好地反映当前计算的脸部图像在多张脸部图像中的整体质量排名情况,使得质量指数的计算更为准确。
在一种实施方式中,所述特征提取子模块包括预处理单元和特征提取单元;
所述预处理单元用于对所述识别图像进行图像分割,获取包含人脸部分的前景图像;
所述特征提取单元用于对所述前景图像进行降噪处理,获得降噪图像,并对所述降噪图像进行特征信息的提取。
先获取前景图像,能够有效地减少后续参与特征提取的图像的大小,减少运算量,从而加快对待进出小区的人员是否属于小区住户的判断速度。
在一种实施方式中,特征提取单元使用surf特征提取算法对所述降噪图像进行特征信息的提取。
在一种实施方式中,所述预处理单元使用大津法对所述识别图像进行图像分割,获取包含人脸部分的前景图像。
在一种实施方式中,对所述前景图像进行降噪处理,获得降噪图像,包括:
对前景图像进行小波分解,获得高频小波系数和低频小波系数;
对所述高频小波系数进行如下阈值处理:
式中,hn表示阈值处理前的第n个高频小波系数,ahn表示阈值处理后的第n个高频小波系数,sgn表示符号函数,ht和lt表示判断阈值,ad表示缩放控制系数,bd表示调节系数,||表示取绝对值,ht=cnln(n)+υ,lt=cnln(n)-υ,cn表示第n个高频小波系数的标准差,n表示高频小波系数图像的总数,υ表示预设的常数型经验参数;
将低频小波系数和阈值处理后的高频小波系数进行重构,获得降噪图像。
本发明上述实施例,利用小波降噪的方式对前景图像进行降噪处理,根据高频小波系数图像的实际情况自适应地选取不同的阈值处理函数,使得阈值处理更具有针对性,能够有效地保留前景图像的边缘信息,同时又能有效去除前景图像中的噪点。在判断阈值的设置上,本发明上述实施例中的判断阈值计算参数,创造性地为不同的高频小波系数自适应地产生不同的判断阈值,判断阈值直接跟高频小波系数相关,进一步地增强了判断阈值的针对性,使得判断阈值更为准确,现有技术中,小波分解时的判断阈值一般是人为设定的固定值,这样的判断阈值并不能适应图像的多样性,对不同情况的图像使用同一个判断阈值,显然并不合理,这样会影响降噪的质量,造成噪点的误判。而本申请上述实施方式则是能很好地避免这种问题的发生。
在一种实施方式中,所述将所述特征信息与数据库中预存的小区住户的人脸特征信息进行匹配,包括:
分别计算所述特征信息与小区中预存的每一个小区住户的人脸特征信息之间的相似程度,获得多个相似度参数;
判断所述多个相似度参数中是否存在大于设定的相似度阈值的相似度参数,若存在,则表示匹配成功,否则,匹配失败。
在一种实施方式中,所述传输模块2包括wifi通信装置和无线蜂窝网络通信装置。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。