[发明专利]具有3D人脸识别的门锁系统及使用方法

说明书

本发明提供了一种具有3D人脸识别的门锁系统及使用方法，包括3D人脸识别模块和门锁主控模块；3D人脸识别模块，用于采集目标人脸的人脸图像，并对人脸图像进行活体识别和人脸识别，当人脸图像为活体人脸且人脸图像为预设置的白名单人脸生成开锁信号，否则生成错误提示；人脸图像包括RGB人脸图像、红外人脸图像以及深度人脸图像；门锁主控模块，用于接收开锁信号或错误提示，以根据开锁信号控制门锁进行开锁，或者发出错误提示。在本发明中通过对人脸图像进行活体识别和人脸识别判断采集的目标人脸是否为活体图像以及是否为预设置的允许开锁的白名单人脸，从而使得门锁主控模块控制门锁进行开锁或提示错误信息，从而能够实现的门锁的智能控制。

技术领域

本发明涉及人脸识别系统，具体地，涉及一种具有3D人脸识别的门锁系统及使用方法。

背景技术

2014年，深度学习首次应用在人脸识别领域，展示了强大的特征学习能力，将LFW(Labeled Faces in the Wild)识别准确率从94％提升到97％，大幅超越了经典的人脸识别方法。随着相关深度学习理论的发展，以及大规模人脸数据的驱动，人脸识别的准确率继续攀升，很快突破99.8％大关，预示着人脸识别算法趋于成熟，并迅速的商业应用落地。目前人脸识别技术广泛应用于安防、自助通关、医疗、教育、户政和支付等领域。

在用基于深度学习的人脸识别系统中，输入是2D RGB或者IR图像，在可控场景下能够取得很好的人脸识别效果。但是受光照、人脸姿态和人脸表情变化等影响，人脸识别准确率在黑暗、逆光等情况下迅速下降；并且基于2D图像的人脸识别系统在抗假体(假脸)攻击方面存在很大的风险，影响了人脸识别在门锁、金融支付等场景的应用推广。

3D摄像模组拓宽了前端感知的维度，能够很好的解决2D人脸识别遇到的抗假体攻击和极端情况下识别准确率降低的问题，效果得到了市场的认可，需求强烈。

目前市场能够完成3D人脸识别解决方案的已知公司包括支付宝、微信和云从等，具有非常高的技术和资源门槛。这些公司根据自身的需求打造终端解决方案，但不提供公版模组，远不能满足门锁、门禁和银联支付等场景对3D人脸识别的强烈需求。因此，需要提供一种对于打通3D人脸识别的解决方案，能够应用于3D人脸识别相关产品，并逐渐推广到门锁、门禁和支付等领域。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种具有3D人脸识别的门锁系统及使用方法。

根据本发明提供的具有3D人脸识别的门锁系统，包括3D人脸识别模块和门锁主控模块；

所述3D人脸识别模块，用于采集目标人脸的人脸图像，并对所述人脸图像进行活体识别和人脸识别，当所述人脸图像为活体人脸且所述人脸图像为预设置的白名单人脸生成开锁信号，否则生成错误提示；所述人脸图像包括RGB人脸图像、红外人脸图像以及深度人脸图像中的任一种或任多种；

所述门锁主控模块，用于接收所述开锁信号或错误提示，以根据所述开锁信号控制门锁进行开锁，或者发出所述错误提示。

优选地，所述3D人脸识别模块包括第一计算单元、激光散斑投射器以及红外探测器；所述激光散斑投射器和所述红外探测器电连接所述第一计算单元；

所述激光散斑投射器，用于向目标人脸投射散斑状的红外光束；

所述红外探测器，用于采集目标人脸反射红外光束形成的光斑图案；

所述第一计算单元，用于获取所述光斑图像，并进而根据所述光斑图案的形变或位移计算生成所述目标人脸的深度人脸图像。

优选地，所述3D人脸识别模块包括第二计算单元、光投射器以及TOF传感器；所述光投射器、所述RGB摄像模组以及所述红外摄像模组电连接所述第二计算单元；

所述光投射器，用于向目标人脸投射红外泛光；