一种基于视觉识别控制的防盗门报警方法和系统与流程

本发明涉及人脸识别，具体是涉及一种基于视觉识别控制的防盗门报警方法。

背景技术：

1、防盗门通常指安装在建筑物入口处的具有防盗功能的门，其设计和结构能够有效阻挡或延迟非法入侵者进入建筑内部，起到保护财产和人员安全的作用。这种门通常采用特殊的锁具和材料制造，以增加破坏和入侵的难度，提高整体安全性。

2、随着技术的发展，目前防盗门的解锁模式从以往的钥匙开启，迭代为指纹开启、密码开启、人脸开启，这些新的解锁方式在一定程度上提高了生活的便利性，但是，这些解锁方式也可能面临一些安全风险，如指纹和人脸信息在某些情况下可能被复制或伪造，密码也可能被猜测或通过其他手段获取，存在一定的安全隐患。

技术实现思路

1、为解决上述技术问题，提供一种基于视觉识别控制的防盗门报警方法及系统，本技术方案解决了上述的但是，这些解锁方式也可能面临一些安全风险，如指纹和人脸信息在某些情况下可能被复制或伪造，密码也可能被猜测或通过其他手段获取，存在一定的安全隐患的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于视觉识别控制的防盗门报警方法，包括：

4、通过视觉识别设备采集家庭成员的人脸数据，储存为家庭成员人脸数据库；

5、通过防盗门验证传感器和压力传感器收集家庭成员的开门验证行为数据，储存至家庭成员数据库；

6、基于家庭成员数据库中每一位家庭成员的开门验证行为数据，建立行为分析模型，分析每一位家庭成员的行为特征，获得家庭成员行为特征集合；

7、基于家庭成员行为特征合集，对正在进行开门验证中密码和指纹所对应的家庭成员，分析该次开门验证是否存在异常，若否，则不进行验证干预，若是，则通过视觉识别设备进行人脸验证；

8、若通过视觉识别设备进行人脸验证，基于家庭成员人脸数据库，对防盗门外识别到的人脸数据进行家庭成员人脸数据库搜寻比对，若比对成功，则结束干预，若比对失败，则标记为异常人员，并开启异常监测；

9、若进行异常监测，通过视觉识别设备收集监测区域内的视频图像，建立异常行为分析模型，对防盗门外识别到的人员进行风险评估，确定风险评估得分；

10、根据分析评估得分，当风险评估得分超出安全阈值时进行报警。

11、优选的，基于家庭成员数据库中每一位家庭成员的开门验证行为数据，建立行为分析模型，分析每一位家庭成员的行为特征，获得家庭成员行为特征集合具体包括：

12、基于防盗门验证传感器和压力传感器记录的家庭成员开门验证习惯，将家庭成员开门验证习惯与对应的家庭成员进行绑定，组合为家庭成员行为经验包；

13、基于家庭成员行为经验包，标记出每一位家庭成员所对应的回归时序特征、指纹特征、密码特征和指纹压力特征，并构建为家庭成员行为特征集合；

14、将家庭家庭成员行为特征集合，组合为家庭成员原始合集，并分割为训练集和验证集；

15、建立行为分析模型；

16、基于行为分析模型，训练模型以训练集中的家庭成员行为特征作为输入，训练模型以每一位家庭成员信息作为输出；以家庭成员行为特征训练能够识别出所对应家庭成员作为训练目标；以最小化误差函数之和作为模型训练结束；

17、其中，行为分析模型为：

18、；

19、式中，为在输入家庭成员行为特征的条件下预测出家庭成员的概率，为模型的输出类别，为行为特征，为自然数底数，为家庭成员相关联的权重向量， 为家庭成员相关联的偏置项。

20、优选的，基于行为分析模型，获取正在进行开门验证中密码所对应的家庭成员，分析该次开门验证是否存在异常，若否，则不进行验证干预，若是，则通过视觉识别设备进行人脸验证具体包括：

21、基于行为分析模型，对正在进行开门密码验证的指纹或密码进行分析，确定是否为当前家庭成员；

22、若为当前家庭成员，通过行为分析模型，分析当前进行开门密码验证的指纹或密码所对应的家庭成员；

23、基于所对应的家庭成员，从家庭成员行为经验包，搜寻家庭成员行为特征，判断行为特征是否吻合，若是，则不进行验证干预，若否，则通过视觉识别设备进行人脸验证。

24、优选的，若通过视觉识别设备进行人脸验证，基于家庭成员人脸数据库，对防盗门外识别到的人脸数据进行家庭成员人脸数据库搜寻比对，若比对成功，则结束干预，若比对失败，则标记为异常人员，开启异常监测具体包括：

25、基于视觉识别设备，对进入人脸验证区域的人员进行人脸数据进行捕捉；

26、将捕捉到的人脸数据，进行灰度图转换，并标记出每一个人脸特征向量，作为待验证人脸数据；

27、基于待验证人脸数据中的人脸特征向量与家庭成员人脸数据库中人脸数据的人脸特征向量，通过相似度公式，计算待验证人脸数据与家庭成员人脸数据中人脸数据之间的相似度，获得人脸相似度指数；

28、基于人脸相似度指数，当人脸相似度指数大于解锁阈值时，进行人脸验证解锁，当人脸相似度指数小于解锁阈值时，则进行二次验证；

29、若二次验证的人脸相似度指数任然低于解锁阈值时，将视觉识别监测到的人员标记为异常人员，并开启异常监测；

30、其中，相似度公式为：

31、；

32、式中，s为人脸相似度指数，为待验证人脸数据的第个人脸特征向量，为家里人脸数据库中人脸数据的第个人脸特征向量，为人脸特征向量总数。

33、优选的，若进行异常监测，通过视觉识别设备收集区域内的视频图像，建立异常行为分析模型，对防盗门外识别到的人员进行风险评估，确定风险评估得分具体包括：

34、基于视觉识别设备，将防盗门外划分若干个异常监测区域；

35、基于区域内的异常人员，获取异常人员的视频图像，并按帧截取，对每一种进行关键点位标记，确定关键点位的坐标值，获得人体姿态数据；

36、基人体姿态数据，根据人体姿态数据中关键点位的坐标值在视觉关键帧中移动位置，确定运动轨迹；

37、基于人体姿态数据与运动轨迹，通过异常行为分析模型，分析异常人员与防盗门之间的关联动作，根据关联动作的风险得分，对防盗门外识别到的人员进行风险评估，确定风险评估得分；

38、；

39、式中，为关联动作的风险得分，第k个异常人员与防盗门之间的关联动作的风险权重，为k个异常人员与防盗门之间的关联动作。

40、进一步的，提出一种基于视觉识别控制的防盗门报警系统，用于实现如上所述的一种基于视觉识别控制的防盗门报警方法，包括：

41、人脸数据采集模块，人脸数据采集模块用于通过视觉识别设备采集家庭成员的人脸数据，储存为家庭成员人脸数据库；

42、家庭成员数据库模块，家庭成员数据库模块用于通过防盗门验证传感器和压力传感器收集家庭成员的开门验证行为数据，储存至家庭成员数据库；

43、特征分析模块，特征分析模块与家庭成员数据库模块电性连接，特征分析模块用于基于家庭成员数据库中每一位家庭成员的开门验证行为数据，建立行为分析模型，分析每一位家庭成员的行为特征，获得家庭成员行为特征集合；

44、异常判断模块，异常判断模块与特征分析模块电性连接，异常判断模块用于基于家庭成员行为特征合集，对正在进行开门验证中密码和指纹所对应的家庭成员，分析该次开门验证是否存在异常，若否，则不进行验证干预，若是，则通过视觉识别设备进行人脸验证；

45、异常处理模块，异常处理模块与异常判断模块和人脸数据采集模块电性连接，异常处理模块用于若通过视觉识别设备进行人脸验证，基于家庭成员人脸数据库，对防盗门外识别到的人脸数据进行家庭成员人脸数据库搜寻比对，若比对成功，则结束干预，若比对失败，则标记为异常人员，并开启异常监测；

46、异常监测模块，异常监测模块与异常处理模块电性连接，异常监测模块用于若进行异常监测，通过视觉识别设备收集监测区域内的视频图像，建立异常行为分析模型，对防盗门外识别到的人员进行风险评估，确定风险评估得分；

47、报警模块，报警模块与异常监测模块电性连接，报警模块用于根据分析评估得分，当风险评估得分超出安全阈值时进行报警。

48、可选的，特征分析模块内部包括：

49、经验获取单元，基于防盗门验证传感器和压力传感器记录的家庭成员开门验证习惯，将家庭成员开门验证习惯与对应的家庭成员进行绑定，组合为家庭成员行为经验包；

50、特征标记单元，基于家庭成员行为经验包，标记出每一位家庭成员所对应的回归时序特征、指纹特征、密码特征和指纹压力特征，并构建为家庭成员行为特征集合；

51、合集划分单元，将家庭家庭成员行为特征集合，组合为家庭成员原始合集，并分割为训练集和验证集；

52、模型单元，建立行为分析模型；

53、训练单元，基于行为分析模型，训练模型以训练集中的家庭成员行为特征作为输入，训练模型以每一位家庭成员信息作为输出；以家庭成员行为特征训练能够识别出所对应家庭成员作为训练目标；以最小化误差函数之和作为模型训练结束。

54、可选的，异常判断模块内部包括：

55、验证分析单元，基于行为分析模型，对正在进行开门密码验证的指纹或密码进行分析，确定是否为当前家庭成员；

56、成员验证单元，若为当前家庭成员，通过行为分析模型，分析当前进行开门密码验证的指纹或密码所对应的家庭成员；

57、特征验证单元，基于所对应的家庭成员，从家庭成员行为经验包，搜寻家庭成员行为特征，判断行为特征是否吻合，若是，则不进行验证干预，若否，则通过视觉识别设备进行人脸验证。

58、可选的，异常处理模块内部包括：

59、人脸捕捉单元，基于视觉识别设备，对进入人脸验证区域的人员进行人脸数据进行捕捉；

60、人脸数据处理单元，将捕捉到的人脸数据，进行灰度图转换，并标记出每一个人脸特征向量，作为待验证人脸数据；

61、相似度计算单元，基于待验证人脸数据中的人脸特征向量与家庭成员人脸数据库中人脸数据的人脸特征向量，通过相似度公式，计算待验证人脸数据与家庭成员人脸数据中人脸数据之间的相似度，获得人脸相似度指数；

62、人脸验证单元，基于人脸相似度指数，当人脸相似度指数大于解锁阈值时，进行人脸验证解锁，当人脸相似度指数小于解锁阈值时，则进行二次验证；

63、监测开启单元，若二次验证的人脸相似度指数任然低于解锁阈值时，将视觉识别监测到的人员标记为异常人员，并开启异常监测。

64、可选的，异常监测模块内部包括：

65、监测区域划分单元，基于视觉识别设备，将防盗门外划分若干个异常监测区域；

66、人体姿态分析单元，基于区域内的异常人员，获取异常人员的视频图像，并按帧截取，对每一种进行关键点位标记，确定关键点位的坐标值，获得人体姿态数据；

67、运动轨迹分析单元，基人体姿态数据，根据人体姿态数据中关键点位的坐标值在视觉关键帧中移动位置，确定运动轨迹；

68、异常行为分析单元，基于人体姿态数据与运动轨迹，通过异常行为分析模型，分析异常人员与防盗门之间的关联动作，根据关联动作的风险得分，对防盗门外识别到的人员进行风险评估，确定风险评估得分。

69、与现有技术相比，本发明的有益效果在于：

70、本发明提出一种基于视觉识别控制的防盗门报警方案，方案通过建立家庭成员数据库，结合视觉识别设备和行为分析模型，实现多重验证和异常监测，提高防盗门的安全性。同时，通过风险评估和及时报警机制，有效应对潜在的安全风险，并提供便捷快速的开门方式，提升用户体验。