门禁控制方法、系统、电子设备和存储介质与流程

1.本公开涉及门禁控制技术领域或金融科技领域，更具体地涉及一种门禁控制方法、系统、电子设备和存储介质。


背景技术：

2.随着生物识别技术及其应用的发展，近年来各种生物识别技术已应用于对园区的监控，例如利用人脸识别的门禁系统、利用指纹识别的门禁系统、利用步态识别的门禁系统等。在实现本公开发明构思的过程中，发明人发现相关技术中至少存在如下问题：在人流量大或通行高峰的情况下，容易验证不准确，导致验证时间增加，降低了门禁通行的效率。


技术实现要素：

3.鉴于上述问题，本公开提供了一种提高通行效率的门禁控制方法、系统、电子设备、存储介质和程序产品，以期至少部分地解决上述问题。
4.根据本公开的第一个方面，提供了一种门禁控制方法，包括：响应于门禁通行请求，采集目标人体的步态影像，得到步态影像数据序列；将上述步态影像数据序列输入至卷积神经网络模型中，输出目标人体的步态特征，其中，在上述卷积神经网络模型中设置偏离值校正上述目标人体的步态特征；在上述目标人体的步态特征与标准人体步态特征相匹配的情况下，利用深度学习算法追踪上述目标人体的位置信息；当感应到上述目标人体的位置信息靠近上述门禁时，且上述门禁在空闲状态下，发出允许上述目标人体通行的控制信号。
5.根据本公开的实施例，上述在上述目标人体的步态特征与标准人体步态特征相匹配的情况下包括：比较上述目标人体的步态特征的特征值与上述标准人体步态特征的标准特征值范围；在上述特征值位于上述标准特征值范围内的情况下，确定上述目标人体的步态特征与标准人体步态特征相匹配。
6.根据本公开的实施例，上述方法还包括：实时监控上述目标人体的行为数据，得到监控画面；其中，上述利用深度学习算法追踪上述目标人体的位置信息包括：利用深度学习算法，在监控画面上标记上述目标人体的位置信息；在监控范围内追踪并记录上述目标人体的位置信息。
7.根据本公开的实施例，上述方法还包括：在上述特征值超出上述标准特征值范围的情况下，确定上述目标人体的步态特征与标准人体步态特征不匹配。
8.根据本公开的实施例，上述方法还包括：在上述目标人体的步态特征与标准人体步态特征不匹配的情况下，利用深度学习算法追踪上述目标人体的位置信息；当感应到上述目标人体的位置信息靠近上述门禁时，发出门禁关闭信号和警报信号。
9.本公开的另一个方面还提供了一种门禁控制系统，包括：步态采集模块，用于响应于门禁通行请求，采集目标人体的步态影像，得到步态影像数据序列；步态识别模块，用于将上述步态影像数据序列输入至卷积神经网络模型中，输出目标人体的步态特征，其中，在
上述卷积神经网络模型中设置偏离值校正上述目标人体的步态特征；第一步态追踪模块，用于在上述目标人体的步态特征与标准人体步态特征相匹配的情况下，利用深度学习算法追踪上述目标人体的位置信息；感应模块，用于当感应到上述目标人体的位置信息靠近上述门禁时，且上述门禁在空闲状态下，发出允许上述目标人体通行的控制信号。
10.根据本公开的实施例，上述步态采集模块包括：多组摄像装置，上述多组摄像装置成弧状地均匀分布于门禁的一侧，用于多方位采集上述目标人体的步态影像。
11.根据本公开的实施例，上述多组摄像装置包括第一广角摄像头、第二广角摄像头、立柱；其中，上述第一广角摄像头和上述第二广角摄像头分别位于上述立柱的两端。
12.本公开的另一方面还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的门禁控制方法。
13.本公开的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述的门禁控制方法。
14.本公开的另一方面还提供了一种计算机程序产品，包括计算机程序，上述计算机程序被处理器执行上述的门禁控制方法。
15.根据本公开的实施例，通过将采集到的步态影响数据输入至卷积神经网络模型中，卷积神经网络中可以设置偏离值校正人体步态特征，提高验证通过率，缩短验证时间，提高门禁效率，可以使得相关人员无感通过。至少部分地克服了相关技术中验证时间长的问题，达到了提高通行效率的技术效果。
附图说明
16.通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
17.图1示意性示出了根据本公开实施例的门禁控制方法的应用场景；
18.图2示意性示出了根据本公开实施例的门禁控制方法的流程图；
19.图3示意性示出了根据本公开另一实施例的门禁控制方法；
20.图4示意性示出了根据本公开实施例的门禁控制系统的结构框图；
21.图5a示意性示出了根据本公开实施例的步态采集装置的应用场景图；
22.图5b示意性示出了根据本公开实施例的摄像装置的结构图
23.图6示意性示出了根据本公开另一实施例的门禁控制系统的结构框图；以及
24.图7示意性示出了根据本公开实施例的适于实现门禁控制方法的电子设备的方框图。
具体实施方式
25.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
26.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
27.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
28.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
29.利用生物识别方法的门禁系统在实际应用过程中，一般需要人体在门禁前停留或配合门禁系统中的识别设备完成特定动作，才能被识别设备捕获到信息，捕获的信息用于进行身份验证。在人流量较大或处于通行高峰期时间，通过得人员较多，由于采集的步态影像数据易出现偏差，进而导致在身份验证过程中，容易验证不准确，容错率低，这不仅增加了身份验证时间，还影响了通过效率。此外，实际通行过程中，在上一个人员被验证通过门禁之前，下一个人员只能等待，在人流量较大或通行高峰期的情况下，不能做到快速识别和通过，容易造成排队拥挤情况，降低了门禁的通行效率。
30.有鉴于此，本公开提供了一种可以提高通行效率的门禁控制方法。具体地，该方法包括：响应于门禁通行请求，采集目标人体的步态影像，得到步态影像数据序列；将步态影像数据序列输入至卷积神经网络模型中，输出目标人体的步态特征，其中，在卷积神经网络模型中设置偏离值校正目标人体的步态特征；在目标人体的步态特征与标准人体步态特征相匹配的情况下，利用深度学习算法追踪目标人体的位置信息；当感应到目标人体的位置信息靠近门禁时，且门禁在空闲状态下，发出允许目标人体通行的控制信号。
31.需要说明的是，本公开实施例确定的门禁控制方法和系统可用于门禁控制技术领域或金融科技领域。本公开实施例确定的门禁控制方法和系统也可用于除门禁控制技术领域和金融科技领域之外的任意领域。本公开实施例对确定的门禁控制方法和系统的应用领域不做限定。
32.在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
33.图1示意性示出了根据本公开实施例的门禁控制方法的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
34.如图1所示，根据该实施例的应用场景100可以包括门禁101、多组摄像设备102、网络103、服务器104。
35.门禁101可以是位于公共环境或独立环境中的各种闸机，包括但不限于翼闸、摆闸
机、三辊闸、速通门、全高闸等。闸机可以是一直打开的状态，只在验证不通过或判断可能会强行闯入的情况下是关闭状态，这样方便人员无感通过。
36.多组摄像设备102可以是由多个广角摄像头组成，多组摄像设备可以采集人员的步态影像，以便服务器104根据采集到的步态影像进行分析验证和判断。
37.网络103用以在门禁101和服务器104之间、多组摄像设备102与服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
38.服务器104可以是提供各种服务的服务器。例如，服务器104可以在检测到有人员需要通行的情况下，通过网络103与多组摄像设备102进行交互，采集目标人体的步态影响，得到步态影像数据序列，将步态影响数据序列输入至卷积神经网络模型中，得到目标人体的步态特征，比较得到的目标人体的步态特征与数据库中的标准人体步态特征，在比较结果表明相匹配的情况下，利用深度学习算法追踪目标人体得位置信息，当感应到位置信息靠近门禁101时，且门禁101是打开的状态，就会发出允许目标人体通行的控制信号。
39.需要说明的是，本公开实施例所提供的门禁控制方法一般可以由服务器104执行。相应地，本公开实施例所提供的门禁控制系统一般可以设置于服务器104中。本公开实施例所提供的门禁控制方法也可以由不同于服务器104且能够与门禁101、多组摄像设备102和/或服务器104通信的服务器或服务器集群执行。相应地，本公开实施例所提供的门禁控制系统也可以设置于不同于服务器104且能够与门禁101、多组摄像设备102和/或服务器104通信的服务器或服务器集群中。
40.应该理解，图1中的门禁、摄像设备和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的门禁、摄像设备和服务器。
41.以下将基于图1描述的场景，通过图2～图3对公开实施例的门禁控制方法进行详细描述。
42.图2示意性示出了根据本公开实施例的门禁控制方法的流程图。
43.如图2所示，该实施例的门禁控制方法包括操作s201～操作s204。
44.在步骤s201，响应于门禁通行请求，采集目标人体的步态影像，得到步态影像数据序列。
45.在步骤s202，将步态影像数据序列输入至卷积神经网络模型中，输出目标人体的步态特征，其中，在卷积神经网络模型中设置偏离值校正目标人体的步态特征。
46.在步骤s203，在目标人体的步态特征与标准人体步态特征相匹配的情况下，利用深度学习算法追踪目标人体的位置信息。
47.在步骤s204，当感应到目标人体的位置信息靠近门禁时，且门禁在空闲状态下，发出允许目标人体通行的控制信号。
48.根据本公开的实施例，门禁通行请求可以是在指定的监控范围内，由感应到的人体信号产生的。指定的监控范围可以是包括门禁在内的由多个摄像设备围成的范围。目标人体可以是需要通过门禁的人员之一。
49.根据本公开的实施例，门禁可以是默认处于常开状态，当目标人体一出现在该监控范围内，也可以理解为当目标人体位于门禁的远端时，便可以对目标人体步态信息进行采集、验证、匹配等操作，以便在匹配通过的情况下，目标人体可以直接通过门禁，不用在靠
近门禁的位置驻留等待进行身份验证，可以实现匹配通过的人员的无感式通行，避免了人员的门禁处的排队等待，加快了门禁的通行速度，提高了门禁的通行效率。
50.根据本公开的实施例，摄像设备的数量还可以根据实际需要进行适应性调整，摄像设备的数量越多，由摄像设备所围成的监控范围可以越大，能够加快门禁的通行效率。但如果过多的话，有可能受场地面积限制，或者是容易混入未验证通过的人员。基于此，本公开实施例的摄像设备个数设置在8～12个，优选地，可以设置10个摄像设备，这10个摄像设备可以呈弧状地均匀分布在门禁的一侧，以组成一个180
°
的全景高清画幅，以便有效改善一般摄像模式在步态采集过程中出现的遮挡问题或需要指定门禁通道等问题，进而实现对目标人体的多方位采集。
51.根据本公开的实施例，卷积神经网络模型可以用于得到目标人体的步态特征。具体地，通过对多帧连续图像进行分析，可以将目标人体的步态影像数据转换为步态影像数据序列，步态影像数据序列可以输入至卷积神经网络模型中，以便卷积神经网络模块对序列进行分析和判断，得到目标人体的步态特征。
52.根据本公开的实施例，在利用卷积神经网络模型分析步态影像数据序列的过程中，可以设置偏离值以校正步态特征，剔除不必要的特征，例如周围物体、周围空间的环境特征。提高采集到的步态特征的准确率，减少在验证过程中因为采集不准确等导致的验证时间长、验证效率低的问题，缩短验证时间，提高验证效率，进而提高门禁通行效率。
53.根据本公开的实施例，在人员需要通过门禁前，可以预先采集人员的步态特征，并将预先采集的步态特征存入至步态数据库中。标准人体步态特征可以是步态数据库中预先采集的步态特征。
54.根据本公开的实施例，深度学习算法可以包括sota(state of the art，最先进的模型)模型或mot(multiple object tracking，多目标跟踪)算法。在目标人体的步态特征与标准人体步态特征相匹配的情况下，追踪目标人体的位置信息，以便实时判断目标人体是否靠近门禁。
55.根据本公开的实施例，若感应到已经通过匹配的目标人体移动到门禁处，且门禁为打开状态，此时，可以发出允许直接通行的控制信号，目标人体无需在门禁处驻留等待，可以直接通行。控制信号可以是语音播报、灯光闪烁以提醒目标人体，例如可以发出短促的声音、播报与验证通过相关的内容、发出蓝色或绿色的灯光以提醒目标人体。
56.根据本公开的实施例，通过将采集到的步态影响数据输入至卷积神经网络模型中，卷积神经网络中可以设置偏离值校正人体步态特征，提高验证通过率，缩短验证时间，提高门禁效率，可以使得相关人员无感通过。至少部分地克服了相关技术中验证时间长的问题，达到了提高通行效率的技术效果。
57.根据本公开的实施例，步骤s203还可以包括如下操作：比较目标人体的步态特征的特征值与标准人体步态特征的标准特征值范围；在特征值位于标准特征值范围内的情况下，确定目标人体的步态特征与标准人体步态特征相匹配。在特征值超出标准特征值范围的情况下，确定目标人体的步态特征与标准人体步态特征不匹配。
58.根据本公开的实施例，目标人体的步态特征的特征值也可以由卷积神经网络模型输出的，具体地，卷积神经网络在对步态影像数据序列进行分析得到步态特征的过程中也可以得到步态特征的特征值。标准特征值范围是根据标准人体步态特征确定的。在特征值
位于特征值范围内的情况下，视为目标人体的步态特征与数据库中的标准人体步态特征匹配，目标人体为已通过匹配的人体。若特征值超出特征值范围，视为目标人体的步态特征与数据库中的标准人体步态特征不匹配，目标人体为未通过匹配的人体。
59.根据本公开的实施例，步骤s203还可以包括如下操作：利用深度学习算法，在监控画面上标记目标人体的位置信息；在监控范围内追踪并记录目标人体的位置信息。其中，监控画面是由实时监控目标人体的行为数据得到的。
60.根据本公开的实施例，监控画面可以是实时监控目标人体在在监控范围内的行为数据得到。在利用深度学习算法追踪人体的位置信息时，可以在监控画面上标记目标人体，并在监控范围内进行位置追踪，实时记录已标记人体在监控画面的位置信息。
61.根据本公开的实施例，门禁控制方法还包括在目标人体的步态特征与标准人体步态特征不匹配的情况下，利用深度学习算法追踪目标人体的位置信息；当感应到目标人体的位置信息靠近所述门禁时，发出门禁关闭信号和警报信号。
62.根据本公开的实施例，目标人体的步态特征与标准人体步态特征不匹配的情况下，可以视目标人体为未通过匹配的人体，此时若该目标人体仍往门禁方向靠近，则可以标记该目标人体并实时是追踪目标人体的位置信息，若感应到该未通过匹配的目标人体的位置靠近门禁时，则关闭门禁，同时利用语音播报、灯光闪烁以提醒相关人员进行处理。例如发出高亮的声音、播报与未通过匹配的内容、发出红色的光以提醒相关人员进行处理。
63.图3示意性示出了根据本公开另一实施例的门禁控制方法。
64.如图3所示，该方法包括s301～s318。
65.操作s301，设计并部署步态采集模块。
66.根据本公开的实施例，步态采集模块可以通过分析目标人体的行走路线，采集目标人体的步态影像数据，得到步态影像数据序列，以便步态识别模块和追踪模块使用。步态采集模块还可以采集目标人体的特征数据，以便追踪模块对目标人体进行标记并追踪。
67.操作s302，设计并部署步态识别模块。
68.根据本公开的实施例，步态识别模块可以通过对多帧连续的步态影像数据进行分析，将上述步态采集模块得到的步态影像数据序列输入到卷积神经网络模型中，通过设置偏离值σ校正步态特征，提高一般步态识别存在的样本质量参差问题，提高容错率。从而得到步态特征，并将步态特征发送给步态匹配模块。
69.操作s303，设计并部署步态数据库。
70.根据本公开的实施例，步态数据库可以预先存储目标人体的步态特征，作为标准人体步态特征，以便步态匹配模块可以根据该标准步态特征进行匹配。
71.操作s304，设计并部署步态匹配模块。
72.根据本公开的实施例，步态匹配模块可以比对步态识别模块得到的目标人体的步态特征和步态数据库的标准人体步态特征，若目标人体的步态特征的特征值在标准人体步态特征的特定阈值范围内，视为身份通过匹配。
73.操作s305，设计并部署追踪模块。
74.根据本公开的实施例，追踪模块可以获取已匹配的人体特征数据，利用深度学习算法sota模型和mot算法，在监控画面上标记目标人体，并在监控范围内对该目标人体进行位置追踪，实时记录已标记的目标人体的在监控画面的位置信息。当该已标记的目标人体
移动到监控画面的门禁处，则满足门禁放行的第一条件。
75.操作s306，设计并部署中央处理模块。
76.根据本公开的实施例，中央处理模块可以负责接收步态采集模块数据、步态识别模块，步态匹配模块、追踪模块、感应模块的数据，还可以负责驱动警报模块和门禁控制器工作。
77.操作s307，设计并部署感应模块。
78.根据本公开的实施例，感应模块可以感应目标人体的位置信息和门禁状态。如当已标记的目标人体移动到门禁前(满足第一条件)，门禁空闲(满足第二条件)，两个条件均同时满足，则发出放行信号。如未通过匹配通过人员移动到门禁前，是不满足第一条件的，则可以发出关门信号和警报红色信号。
79.操作s308，设计并部署警报模块。
80.根据本公开的实施例，警报模块可以发出灯光及声音警报信息。
81.操作s309，设计并部署门禁控制模块。
82.根据本公开的实施例，门禁控制模块可以关闭或开启门禁通道。门禁处可以设置默认常开状态，已通过匹配的人员无需驻留等待，可直接通行，进而可以降低通行时间成本。
83.操作s310，步态数据库实时存储标准人体步态特征和通过步态采集模块采集的人体步态影像数据。
84.根据本公开的实施例，步态数据库还可以实时存储步态采集模块采集的目标人体的特征数据、步态识别模块得到的步态特征。
85.操作s311，步态采集模块将采集的目标人体的步态影像数据传输至步态识别模块和中央处理模块。
86.根据本公开的实施例，将人体步态影像数据序列传输至步态识别模块可以得到目标人体的步态特征数据。将目标人体的步态影像数据传输至中央处理模块可以便与存储。
87.操作s312，步态识别模块对目标人体的步态影像数据序列进行处理得到人体步态特征。
88.操作s313，步态匹配模块将匹配通过的目标人体的步态特征传输至中央处理模块。
89.根据本公开的实施例，步态匹配模块可以将步态识别模块得到的人体步态特征与步态数据库中标准人体步态特征进行匹配，并将匹配通过的人体步态特征传递给中央处理模块，以便中央处理模块可以进行存储。
90.操作s314，追踪模块跟踪已通过匹配的目标人体在监控范围内位置信息，并将实时数据传给中央处理模块，以便中央处理模块可以进行数据存储。
91.操作s315，感应模块部署在门禁入口，并将感应数据实时传输至中央处理模块。
92.根据本公开的实施例，感应数据可以包括感应模块感应到的、目标人体的信息(包括已标记人体和无标记人体)及门禁通道状态信息(是否正在有人体通过)等数据。感应数据实时传输至中央处理模块，以便中央处理模块可以进行数据存储。
93.操作s316，警报模块对合法和非法通过门禁的人员分别发出蓝光或红光、短促或高亮的声音。
94.根据本公开的实施例，合法通过门禁可以理解为该人体步态特征与步态数据库中的标准步态特征相匹配，并且该人体已到达门禁附近。非法通过门禁可以理解为在该人体步态特征与步态数据库中的标准步态特征不匹配的情况下，该人体仍强行通过门禁。合法通过门禁时可以发出蓝色灯光、短促提示音；非法通过门禁时可以发出红色灯光、悠远高亮的提示音。
95.操作s317，门禁控制模块开启或关闭门禁通道。
96.根据本公开的实施例，门禁可以是默认常开的状态，以便通过验证的人员可以直接通过门禁，实现人员的无感式通过。
97.操作s318，中央处理模块处理步态采集模块、步态识别模块、步态匹配模块、追踪模块、感应模块的数据，并驱动警报和门禁控制模块。
98.根据本公开的实施例，中央处理模块根据步态采集模块、步态识别模块、步态匹配模块、追踪模块、感应模块传输的数据，可以驱动警报模块发出相应的灯光、相应的提示音，还可以驱动门禁做出相应的控制，例如打开或关闭。
99.根据本公开的实施例，操作s301～s318还可以参考操作s201～s204。在门禁控制时，步态采集模块可以部署在门禁系统的远端，通过摄像设备，如高清摄影摄像机，捕获在监控范围内所有的人体步态信息，将采集到的步态影像数据传输至步态识别模块，步态识别模块将与在步态数据库中的步态特征进行对比，对比通过的人体将会被追踪模块进行标记，且在监控范围捏追踪人体的位置。当标记人体移动到感应区且门禁处于空闲状态时，可以认为满足放行的两个条件，则警报模块可以发出蓝光和短促的声音。除上述的两个条件外均不满足放行条件，例如未通过对比的人员强行进入门禁，警报模块会发出红光和高亮声音，且门禁自动关闭。
100.根据本公开的实施例，将人员身份识别流程前置，在门禁远端完成人体的步态采集、识别、匹配以及门禁处默认常开状态，当身份已通过匹配的人员从远端到门禁处通过，无需携带任何物理跟踪器，也无需任何停留，实现人员的无感通行，在满足安全性的同时，进一步提高了门禁系统对人员的监控及通行效率。本公开实施例提供的门禁控制方法可以解决由于瞬时人员流量大造成的通行效率低的问题，降低传统门禁技术需要刻意驻留以验证的时间成本，同时解决排队等待等问题，加快了门禁通行速度，改善了传统门禁识别系统需要一对一验证及通过的方式。
101.基于上述门禁控制方法，本公开还提供了一种门禁控制系统。以下将结合图4对该系统进行详细描述。
102.图4示意性示出了根据本公开实施例的门禁控制系统的结构框图。
103.如图4所示，该实施例的门禁控制系统400包括步态采集模块410、步态识别模块420、第一步态追踪模块430和感应模块440。
104.步态采集模块410，用于响应于门禁通行请求，采集目标人体的步态影像，得到步态影像数据序列。
105.步态识别模块420，用于将步态影像数据序列输入至卷积神经网络模型中，输出目标人体的步态特征，其中，在卷积神经网络模型中设置偏离值校正目标人体的步态特征。
106.第一步态追踪模块430，用于在目标人体的步态特征与标准人体步态特征相匹配的情况下，利用深度学习算法追踪目标人体的位置信息。
107.感应模块440，用于当感应到目标人体的位置信息靠近门禁时，且门禁在空闲状态下，发出允许目标人体通行的控制信号。
108.根据本公开的实施例，通过将采集到的步态影响数据输入至卷积神经网络模型中，卷积神经网络中可以设置偏离值校正人体步态特征，提高验证通过率，缩短验证时间，提高门禁效率，可以使得相关人员无感通过。至少部分地克服了相关技术中验证时间长的问题，达到了提高通行效率的技术效果。
109.图5a示意性示出了根据本公开实施例的步态采集装置的应用场景图；图5b示意性示出了根据本公开实施例的摄像装置的结构图。
110.如图5a～图5b所示，步态采集模块可以包括多组摄像装置501，多组摄像装置501成弧状地均匀分布于门禁502的一侧，每组摄像装置501可以包括立柱503、第一广角摄像头504和第二广角摄像头505，第一广角摄像头504和第二广角摄像头505分别位于立柱的两端。在一实施例中，可以在门禁侧面0
°
～180
°
的方向上，设计10个交叉点部署10个摄像装置，每个摄像装置501上均有两个广角摄像头，均匀分布于门禁一侧，每个立柱的方向均指向一个同心圆点506，进而可以得到一个180
°
全景高清画幅，以便在监控范围内对人体的进行监控。
111.根据本公开的实施例，通过在立柱的两端部署两个广角摄像头，以及多组摄像装置成弧状地均匀分布于门禁地一侧，可以有效改善在采集人体步态影像数据时的遮挡问题以及一般的步态识别所需要指定通道的问题。
112.根据本公开的实施例，门禁控制系统还包括步态匹配模块、第一确定模块。
113.步态匹配模块，用于比较目标人体的步态特征的特征值与标准人体步态特征的标准特征值范围。
114.第一确定模块，用于在特征值位于标准特征值范围内的情况下，确定目标人体的步态特征与标准人体步态特征相匹配。
115.根据本公开的实施例，门禁控制系统还可以包括监控模块。
116.监控模块，用于实时监控目标人体的行为数据，得到监控画面。
117.根据本公开的实施例，追踪模块还包括标记单元、追踪单元。
118.标记单元，用于利用深度学习算法，在监控画面上标记目标人体的位置信息。
119.追踪单元，用于在监控范围内追踪并记录目标人体的位置信息。
120.根据本公开的实施例，门禁控制系统还包括第二确定模块。
121.第二确定模块，用于在特征值超出标准特征值范围的情况下，确定目标人体的步态特征与标准人体步态特征不匹配。
122.根据本公开的实施例，门禁控制系统还包括第二步态追踪模块、感应模块。
123.第二步态追踪模块，用于在目标人体的步态特征与标准人体步态特征不匹配的情况下，利用深度学习算法追踪目标人体的位置信息。
124.感应模块，用于当感应到目标人体的位置信息靠近门禁时，发出门禁关闭信号和警报信号。
125.根据本公开的实施例，步态采集模块410、步态识别模块420、第一步态追踪模块430和感应模块440中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其
他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，步态采集模块410、步态识别模块420、第一步态追踪模块430和感应模块440中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，步态采集模块410、步态识别模块420、第一步态追踪模块430和感应模块440中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
126.需要说明的是，本公开的实施例中门禁控制系统部分与本公开的实施例中门禁控制方法部分是相对应的，门禁控制系统部分的描述具体参考门禁控制方法部分，在此不再赘述。
127.图6示意性示出了根据本公开另一实施例的门禁控制系统的结构框图。
128.如图6所示，该门禁控制系统600可以包括步态采集模块601、步态识别模块602、步态数据库603、步态匹配模块604、追踪模块605、感应模块606、中央处理模块607、警报模块608、门禁控制模块609。其中，步态采集模块601、步态识别模块602、步态匹配模块604、追踪模块605均与步态数据库603电连接或通信连接，步态采集模块601、步态识别模块602、步态匹配模块604、追踪模块605、感应模块606、警报模块608、门禁控制模块609均与中央处理模块607电连接或通信连接。
129.根据本公开的实施例，门禁控制系统600部分的描述可以参考门禁控制系统400部分的描述，门禁控制系统600部分的描述也可以参考门禁控制方法的操作操作s201～s204或s301～s318，在此不再赘述。
130.图7示意性示出了根据本公开实施例的适于实现门禁控制方法的电子设备的方框图。
131.如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
132.在ram 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、rom 702以及ram 703通过总线704彼此相连。处理器701通过执行rom 702和/或ram 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 702和ram 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
133.根据本公开的实施例，电子设备700还可以包括输入/输出(i/o)接口705，输入/输出(i/o)接口705也连接至总线704。电子设备700还可以包括连接至i/o接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信
处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
134.本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
135.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 702和/或ram 703和/或rom 702和ram 703以外的一个或多个存储器。
136.本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的门禁控制方法。
137.在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
138.在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
139.在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
140.根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
141.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代
表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
142.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
143.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。