一种基于人脸识别与热成像测温的智能通行系统及方法与流程

1.本发明属于社区防疫管理技术领域，特别是涉及一种基于人脸识别与热成像测温的智能通行系统及方法。


背景技术：

2.冠状病毒是一个大型病毒家族，已知可引起感冒以及中东呼吸综合征(mers)和严重急性呼吸综合征(sars)等较严重疾病，而新型冠状病毒是以前从未在人体中发现的冠状病毒新毒株。人感染了冠状病毒后常见体征有呼吸道症状、发热、咳嗽、气促和呼吸困难等。在较严重病例中，感染可导致肺炎、严重急性呼吸综合征、肾衰竭，甚至死亡。目前，对于新型冠状病毒所致疾病没有特异治疗方法，而社区作为一个人口相对集中密集的有机整体，易出现大规模疫情感染的情况。
3.目前社区对于住户的出入信息都是通过社区内的工作人员进行测体温、面部识别、核验安康码；使得工作人员的劳动强度增大，同时社区的住户要依次经过测体温、面部识别、核验安康码的三个步骤过于繁琐耗费时间，容易导致社区业主排队检测，滞留社区门前，增加了疫情传播的风险。
4.因此，针对上述问题，急需一种基于人脸识别与热成像测温的智能通行系统及方法。


技术实现要素：

5.本发明的目的在于提供一种基于人脸识别与热成像测温的智能通行系统及方法，通过采集人脸图像、安康码以及红外热成像测温图像，对图像进行特征处理建立人脸识别模型对用户人脸图像进行识别，解决了现有的人脸识别步骤繁琐、检测效率低、增加疫情传播风险的问题。
6.为解决上述技术问题，本发明是通过以下技术方案实现的：
7.本发明为一种基于人脸识别与热成像测温的智能通行系统，包括前端数据单元、中心大数据处理平台和终端智能应用端单元；
8.所述前端数据单元包括视频监控模块、车牌识别模块、楼宇对讲模块、人脸识别模块、指纹识别模块、刷卡识读模块、传感器模块、数据上报模块和报警模块；
9.所述中心大数据处理平台用于对前端数据单元上传的数据进行处理，并将处理结果反馈至终端智能应用端单元；
10.所述终端智能应用端单元包括访客控制模块、住户管理模块、数据存储模块、物业管理模块、联动控制模块、日志报表管理模块、决策分析模块和车辆管理模块。
11.作为一种优选的技术方案，所述中心大数据处理平台包括管理员模块、信息推送模块、身份分析模块和监控模块；所述管理员模块用于限制对社区管理模块的登录人员，所述信息推送模块用于将前端数据推送至终端；所述身份分析模块用于对社区内的人员身份情况进行准确合理的分析，并且第一时间做出合理的判断和对社区的进一步管控，所述监
控模块用于对门禁的出入情况进行监控。
12.本发明为一种基于人脸识别与热成像测温的智能通行方法，包括如下步骤：
13.步骤s1：视频监控模块采集人脸图像以及红外热成像测温图像；
14.步骤s2：设备端识别安康码，并读取安康码内的url地址；
15.步骤s3：设备端同时采集面部图像、红外测温图像和安康码url地址上传至中心大数据处理平台；
16.步骤s4：中心大数据处理平台对图像数据进行预处理；
17.步骤s5：提取待识别用户的人脸图像的面部特征；
18.步骤s6：面部特征与身份信息管理数据库模块进行匹配；
19.步骤s7：筛选出与输入图像相匹配的身份信息输出至led液晶显示屏展示；
20.步骤s8：若中心大数据处理平台审核通后，启动门禁系统，方便用户进行社区。
21.作为一种优选的技术方案，所述步骤s1中，用户没有带移动终端时，设备端直接进行人脸识别并进行测温处理，设备端将身份证证件号、测量温度以及抓拍图像上传的中心大数据处理平台，中心大数据处理平台调取身份证对应的安康码进行健康码的查找，再结合温度值进行识别判断，并将身份证信息上传至市级大数据平台，由大数据平台返回安康码状态至中心大数据处理平台。
22.作为一种优选的技术方案，所述步骤s4中，图像预处理包括数据化处理、几何变换处理、归一化处理、平滑去噪和增强处理。
23.作为一种优选的技术方案，所述步骤s5中，人脸图像的面部特征提取步骤如下：
24.步骤s51：人脸图像i(x,y)为n*n灰度图像，计算m幅图像的平均向量；
25.步骤s52：获取训练图像的协方差矩阵；
26.步骤s53：计算协方差矩阵的特征向量并按照特征值的权重取前若干个特征向量组成特征空u。
27.作为一种优选的技术方案，所述步骤s6中，面部特征匹配分为训练阶段和识别阶段；所述训练阶段中，每个已知人脸映射到由特征脸构成子空间上，得到m维向量：
28.∩k＝ut(rk·
ψ)(k＝1,2,3,...,nc)；
29.将待识别的图像r映射到特征脸空间，得到向量：
30.∩＝∪
t
(r
·
ψ)；
31.∩与每个人脸集的距离定义为：
[0032][0033]
计算原始图像r与其有特征空间重建的图像rf之间的距离ε：
[0034]
εz＝|r-rf|z；
[0035]
rf＝u∩ ψ。
[0036]
作为一种优选的技术方案，所述步骤s6中，面部特征匹配分为训练阶段和识别阶段；所述训练阶段中，每个已知人脸映射到由特征脸构成子空间上，得到m维向量：
[0037]
∩k＝ut(rk·
ψ)(k＝1,2,3,...,nc)；
[0038]
将待识别的图像r映射到特征脸空间，得到向量：
[0039]
∩＝∪
t
(r
·
ψ)；
[0040]
∩与每个人脸集的距离定义为：
[0041][0042]
计算原始图像r与其有特征空间重建的图像rf之间的距离ε：
[0043]
εz＝|r-rf|z；
[0044]
rf＝u∩ ψ。
[0045]
作为一种优选的技术方案，所述步骤s7中，筛选出与输入图像相匹配的身份信息输出至led液晶显示屏展示包括：
[0046]
人脸识别身份信息与安康码平台返回身份信息一致：开门，文字显示身份信息；
[0047]
人脸识别身份信息与安康码平台返回身份信息不一致：不开门，文字提示信息：安康码身份验证失败，请联系管理人员；
[0048]
安康码平台返回健康码过期：不开门，文字提示信息：安康码过期请重新认证；
[0049]
温度异常：不开门，文字提示信息：体温异常，请联系管理人员；
[0050]
安康码平台返回红码：不开门，文字并语音提示信息：红码禁止通行；
[0051]
安康码平台返回黄码：不开门，文字提示信息：黄码请复核；
[0052]
安康码平台返回绿码：开门，文字并语音提示信息：绿码请通行。
[0053]
本发明具有以下有益效果：
[0054]
本发明通过采集人脸图像、安康码以及红外热成像测温图像，对图像进行特征处理建立人脸识别模型对用户人脸图像进行识别，提取待识别用户的人脸图像的面部特征；面部特征与身份信息管理数据库模块进行匹配确定用户身份，提高了人脸检测效率，降低了疫情传播的风险。
[0055]
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0056]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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。
[0057]
图1为本发明的一种基于人脸识别与热成像测温的智能通行系统结构示意图；
[0058]
图2为本发明的一种基于人脸识别与热成像测温的智能通行方法流程图。
具体实施方式
[0059]
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前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0060]
请参阅图1所示，本发明为一种基于人脸识别与热成像测温的智能通行系统，包括前端数据单元、中心大数据处理平台和终端智能应用端单元；
[0061]
前端数据单元包括视频监控模块、车牌识别模块、楼宇对讲模块、人脸识别模块、
指纹识别模块、刷卡识读模块、传感器模块、数据上报模块和报警模块；
[0062]
中心大数据处理平台用于对前端数据单元上传的数据进行处理，并将处理结果反馈至终端智能应用端单元；
[0063]
终端智能应用端单元包括访客控制模块、住户管理模块、数据存储模块、物业管理模块、联动控制模块、日志报表管理模块、决策分析模块和车辆管理模块。
[0064]
中心大数据处理平台包括管理员模块、信息推送模块、身份分析模块和监控模块；管理员模块用于限制对社区管理模块的登录人员，信息推送模块用于将前端数据推送至终端；身份分析模块用于对社区内的人员身份情况进行准确合理的分析，并且第一时间做出合理的判断和对社区的进一步管控，监控模块用于对门禁的出入情况进行监控。
[0065]
请参阅图2所示，本发明为一种基于人脸识别与热成像测温的智能通行方法，包括如下步骤：
[0066]
步骤s1：视频监控模块采集人脸图像以及红外热成像测温图像；
[0067]
步骤s2：设备端识别安康码，并读取安康码内的url地址；
[0068]
步骤s3：设备端同时采集面部图像、红外测温图像和安康码url地址上传至中心大数据处理平台；
[0069]
步骤s4：中心大数据处理平台对图像数据进行预处理；
[0070]
步骤s5：提取待识别用户的人脸图像的面部特征；
[0071]
步骤s6：面部特征与身份信息管理数据库模块进行匹配；
[0072]
步骤s7：筛选出与输入图像相匹配的身份信息输出至led液晶显示屏展示；
[0073]
步骤s8：若中心大数据处理平台审核通后，启动门禁系统，方便用户进行社区。
[0074]
步骤s1中，用户没有带移动终端时，设备端直接进行人脸识别并进行测温处理，设备端将身份证证件号、测量温度以及抓拍图像上传的中心大数据处理平台，中心大数据处理平台调取身份证对应的安康码进行健康码的查找，再结合温度值进行识别判断，并将身份证信息上传至市级大数据平台，由大数据平台返回安康码状态至中心大数据处理平台。
[0075]
步骤s4中，图像预处理包括数据化处理、几何变换处理、归一化处理、平滑去噪和增强处理。
[0076]
步骤s5中，人脸图像的面部特征提取步骤如下：
[0077]
步骤s51：人脸图像i(x,y)为n*n灰度图像，计算m幅图像的平均向量；
[0078]
步骤s52：获取训练图像的协方差矩阵；
[0079]
步骤s53：计算协方差矩阵的特征向量并按照特征值的权重取前若干个特征向量组成特征空u。
[0080]
步骤s6中，面部特征匹配分为训练阶段和识别阶段；训练阶段中，每个已知人脸映射到由特征脸构成子空间上，得到m维向量：
[0081]
∩k＝ut(rk·
ψ)(k＝1,2,3,...,nc)；
[0082]
将待识别的图像r映射到特征脸空间，得到向量：
[0083]
∩＝∪
t
(r
·
ψ)；
[0084]
∩与每个人脸集的距离定义为：
[0085]
[0086]
计算原始图像r与其有特征空间重建的图像rf之间的距离ε：
[0087]
εz＝|r-rf|z；
[0088]
rf＝u∩ ψ。
[0089]
步骤s6中，面部特征匹配分为训练阶段和识别阶段；训练阶段中，每个已知人脸映射到由特征脸构成子空间上，得到m维向量：
[0090]
∩k＝ut(rk·
ψ)(k＝1,2,3,...,nc)；
[0091]
将待识别的图像r映射到特征脸空间，得到向量：
[0092]
∩＝∪
t
(r
·
ψ)；
[0093]
∩与每个人脸集的距离定义为：
[0094][0095]
计算原始图像r与其有特征空间重建的图像rf之间的距离ε：
[0096]
εz＝|r-rf|z；
[0097]
rf＝u∩ ψ。
[0098]
步骤s7中，筛选出与输入图像相匹配的身份信息输出至led液晶显示屏展示包括：
[0099]
人脸识别身份信息与安康码平台返回身份信息一致：开门，文字显示身份信息；
[0100]
人脸识别身份信息与安康码平台返回身份信息不一致：不开门，文字提示信息：安康码身份验证失败，请联系管理人员；
[0101]
安康码平台返回健康码过期：不开门，文字提示信息：安康码过期请重新认证；
[0102]
温度异常：不开门，文字提示信息：体温异常，请联系管理人员；
[0103]
安康码平台返回红码：不开门，文字并语音提示信息：红码禁止通行；
[0104]
安康码平台返回黄码：不开门，文字提示信息：黄码请复核；
[0105]
安康码平台返回绿码：开门，文字并语音提示信息：绿码请通行。
[0106]
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0107]
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
[0108]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。