[发明专利]一种用于共享设备的人脸识别系统

说明书

【技术领域】

本发明涉及模式识别领域，具体涉及一种用于共享设备的人脸识别系统。

【背景技术】

近年来，随着计算机行业的快速发展，计算机技术已经深入人们的生活，已经开始逐渐和我们的居住环境结合起来，出现了共享共享设备的概念。所谓共享共享设备，就是利用计算机、通信、传感器、家电等技术，将家庭中的各种共享设备都连接到一起，由一个终端进行控制，从而给人们提供一个极其便利的生活环境。

在共享共享设备系统中，为了更好地面向用户提供服务，通常对用户的使用行为进行收集、分析，提供个性化的服务，以增强用户体验。因此，如何识别用户变得尤为重要。现有技术中，可以通过用户携带RFID卡片或其他电子装置的方式进行用户身份认证，但是如果该硬件装置被非用户本人的其他人获取，则同样可以进行身份认证，并且需随身携带相应硬件装置，降低用户使用体验，同时提高了售货系统的成本。现有技术中，还可以通过模式识别的系统，例如检测用户生物特征，进行用户身份识别，例如用户脸部识别、指纹识别，但是以上系统需要用户进行固定操作，或是执行识别系统所要求的认证步骤，例如用户需要正面站立于脸部识别装置前，指纹识别需要用户将手指放置于采集装置上，这些系统一定程度上限制了用户的操作，降低了用户体验。

【发明内容】

为了解决现有的共享共享设备身份认证问题，本发明提出了一种用于共享设备的人脸识别系统。

货设备主体、货物扫描器、身份认证装置、网关、货物柜和计费单元；

所述货物扫描器和计费单元均连接一控制单元；货物放置在所述货物柜上，所述货物扫描器扫描货物，获取货物信息并传输至所述控制单元内；用户通过所述身份认证装置确认身份后打开所述共享设备，用户取完货物关闭共享设备的柜门后，所述货物扫描器扫描货物，获取货物信息并传输至所述控制单元内；所述计费单元通过所述控制单元进行计费，并从用户注册账号中扣费。

优选的所述身份认证装置包括：云端服务器、图像采集单元、检测单元和结果输出单元，所述云端服务器包括数据库，用于保存用户训练样本，所述图像采集单元设置在所述共享设备终端上，所述检测单元和结果输出单元设置在网关中，所述检测单元中设置有特征分类器，所述特征分类器基于所述训练样本进行训练，所述检测单元对所述图像采集单元采集的用户图像进行识别，得到身份认证结果，所述结果输出单元将用户身份认证结果传递至网关处，网关提取该用户的共享设备终端的使用习惯，发送至各共享设备终端，所述共享设备终端自动执行符合用户使用习惯的操作或给出相应选项以供用户进行选择。

优选地、所述特征分类器基于改进的Boost系统进行训练，所述检测单元中特征分类器的训练过程包括以下步骤：

A1.所述用户训练样本为预先采集的用户连续运动的全身图像，训练样本中有用户存在的包括N个，即N个正样本，用户不存在的包括L个，即L个负样本；

A2.获取训练样本的特征向量X，即X＝(f₁(x),f₂(x),...f_k(x))^T，f(x)表示图像样本特征；样本标签表示为y，y＝1表示正样本标签，y＝0表示负样本标签，X是正样本的后验概率可以表示为

其中函数δ(z)定义为

从而建立起分类器模型

结合式(1)和式(2)，后验概率可以表示为

P(y＝1|X)＝δ(H_k(X)) (4)

对于特征向量X的分类器H_k(X)可表示为

其中，h_k(f_k(x))表示一个弱分类器，由K个弱分类器可以组成强分类器H_k(X)。

将正负样本分别放入两个集合：正样本集合{X_1j,j＝0,...N-1}和负样本集合{X_0j,j＝N,...N+L-1}，从正负样本集合中使用多组样本不断对弱分类器进行选择，进而构造出识别率最高的组合分类器，已知单个样本的后验概率表示为

P_ij＝δ(H_k(X_ij)) (6)

其中，i的值代表样本集合的编号，i＝1表示正样本集合，i＝0表示负样本集合，j是样本编号，设定分类器h_k(f_k(x_ij))中的条件概率是高斯分布的，即条件概率为