[发明专利]一种基于训练式的人脸识别智能保险柜应用方法及系统

权利要求书

1.一种基于训练式的人脸识别智能保险柜应用方法，其特征在于，包括：

S101：定义训练模型，所述训练模型包括支持向量机模型；

S201：利用保险柜上的人脸识别装置采集保险柜持有人的人脸图像信息，将该人脸图像信息定义为第一训练样本；

S301：从互相网上采集非保险柜持有人的人脸图像信息，将该人脸图像信息定义为第二训练样本；

S401：将所述第一训练样本和所述第二训练样本导入训练模型进行训练，获得决策模型；

S501a：保险柜的人脸识别装置对使用者进行检测时，对其人脸图像进行采集并基于决策模型进行匹配，当基于所述决策模型匹配的结果值超过第一预设值时，发出打开智能保险柜的指令；当基于决策模型匹配的结果值低于第二预设值时，发出禁止打开智能保险柜的指令。

2.如权利要求1所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，还包括当基于决策模型匹配的结果值在第一预设值与第二预设值之间，则重复S101至S501a的步骤。

3.如权利要求1所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，当基于决策模型匹配的结果值在第一预设值与第二预设值之间时，还包括采用深度哈希编码方法对所述第一训练样本和所述第二训练样本分别进行表征，对所述表征的样本采用欧式距离计算方法计算所述第一训练样本和所述第二训练样的相似度，根据相似度大小从高到低，保存第一预设数量的所述第一训练样本和所述第二训练样为对比样本；采用多组式K均值算法将待检测图像与所述对比样本进行匹配，若判断待检测图像为保险柜持有人的人脸图像，则发出打开保险柜的指令；若判断待检测图像不是保险柜持有人的人脸图像，则发出禁止打开保险柜的指令。

4.如权利要求3所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，所述深度哈希编码方法包括采用损失函数将所述第一训练样本和第二训练样本中的符合预设相似度的样本的进行归类，将不符合预设相似度的样本排除；将所述符合预设相似度的样本生成二进制编码，使用正则化器使所述二进制编码逼近期望的离散值，量化输出的二进制编码表征。

5.如权利要求3所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，所述对比样本中的所述第一训练样本内包括多个正样本，所述对比样本中的所述第二训练样本内包括多个负样本，分别采用欧式距离计算两两正样本之间的相似度、两两负样本之间的相似度，保留多个相同数量的正样本和负样本。

6.如权利要求5所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，

所述多组式K均值算法包括将多个所述正样本和多个所述负样本放在一个数据集中，将多个正样本和多个负样本分成多个分类组，任一所述分类组含有同等数量的正样本负样本；

从每个所述分类组随机选取第二预设数量的初始聚类中心；

计算任一所述分类组的样本数据到与其对应的所述初始聚类中心的距离，将每个样本归到其距离最近的聚类中心形成分类簇；

将任一所述分类簇内所有样本的均值作为所述分类簇新的二级聚类中心；

重复上述步骤,直到二级聚类中心不再变化；

若待检测图像被聚类后与所述正样本相适配，判定为保险柜持有者的人脸图像；若待检测图像被聚类后与所述负样本相适配，判定为非保险柜持有者的人脸图像。

7.如权利要求6所述的基于训练式的人脸识别智能保险柜应用方法，其特征在于，还包括若多个分类组中，有超过一半数量的分类组将待检测图像判定为保险柜持有者的人脸图像，则将待检测图像最终判定为保险柜持有者的人脸图像；多个分类组中，有超过一半数量的分类组将待检测图像判定为非保险柜持有者的人脸图像，则将待检测图像最终判定为非保险柜持有者的人脸图像。