[发明专利]一种人脸识别门禁系统

权利要求书

1.一种人脸识别门禁系统，包括控制器(1)、识别模块(2)以及门禁模块(3)，其特征在于：所述控制器(1)内设置有人脸验证软件(4)，所述人脸验证软件(4)内设置有人脸采集处理单元(5)、人脸匹配单元(6)以及数据存储单元(7)。

2.根据权利要求1所述的一种人脸识别门禁系统，其特征在于：所述识别模块(2)以及门禁模块(3)与控制器(1)均通过5G通信网络相连接，所述控制器(1)、识别模块(2)以及门禁模板(3)均由通过导线与外界电源电性连接在一起。

3.根据权利要求1所述的一种人脸识别门禁系统，其特征在于：所述识别模块(2)为各种具有无线传输功能的COD摄像头和各种LED照明灯，且识别模块(2)设置有多组，所述门禁模块(3)为各种具有远程操作功能的电控门。

4.根据权利要求1所述的一种人脸识别门禁系统，其特征在于：所述人脸采集处理单元(5)的具体分析步骤为：

S1，识别模块(2)会将拍摄到的图像输入控制器(1)内的人脸验证软件(3)中，人脸采集处理单元(5)会将输入的图像带入稀疏公式中，得到稀疏表示系数，使用稀疏表示系数和系数常数来建立稀疏表示模型，并使用重构公式得到重构图像，再将重构图像输入融合公式内，得到融合重构图像，同时，将重构图像输入残差公式内，得到残差图像并把残差图像输入检测公式内，得到检测阈值，根据检测阈值计算出融合重构图像的迭代次数，将融合重构图像送入迭代公式中进行迭代，得到迭代图像；

S2，在迭代图像中选取肖像面部特征点，使用特征公式计算出肖像面部特征点的特征值，将肖像面部特征点的特征值为锚点，将迭代图像的相位信息统一到相同基准，然后进行相位匹配得到稠密视差图，使用泊松曲面重建法对稠密视差图进行处理和重建，得到三维脸部模型。

5.根据权利要求1所述的一种人脸识别门禁系统，其特征在于：所述人脸匹配单元(6)的具体分析步骤为：人脸采集处理单元(5)将获得的三维脸部模型输入人脸匹配单元(6)中，并使用卷积网络对三维脸部模型进行处理，得到验证脸部特征向量，人脸采集处理单元(5)从数据存储单元(7)中的人脸特征数据库内提取出用户脸部特征向量，计算用户脸部特征向量和验证脸部特征向量的欧式距离，当欧氏距离小于预置阈值时，确定人脸特征数据库中包含验证脸部特征向量，当欧氏距离大于预置阈值时，确定人脸特征数据库中不包含验证脸部特征向量。

6.根据权利要求4所述的一种人脸识别门禁系统，其特征在于：所述S1中稀疏公式为：(其中Y为待识别图像、D为训练字典、e为图像噪声，α为稀疏表示系数)，稀疏表示模型为：(其中λ为系数常数)，λ由omp算法对待识别图像进行稀疏编码得到，重构公式为Y′＝DαY。

7.根据权利要求4所述的一种人脸识别门禁系统，其特征在于：所述S1中融合公式为(其中为重构图像，为补模板，且I为元素全为1的矩阵)，残差公式为R＝|Y′-Y|，检测公式为：T＝Otsu(R)(其中Otsu(·)表示采用Otsu自动阈值技术对残差图像进行阈值求解)。

8.根据权利要求4所述的一种人脸识别门禁系统，其特征在于：所述迭代公式为(其中Y(i,j)表示待去噪的有奇异点的图像，表示第k次迭代后的融合图像，

9.根据权利要求4所述的一种人脸识别门禁系统，其特征在于：所述S2中特征公式为其中g_c表示中心点亮度，g_p表示邻域点亮度，P表示邻域点数，R表示邻域半径，且

10.根据权利要求5所述的一种人脸识别门禁系统，其特征在于：所述S2中卷积网络包括6个卷积层、6个池化层、2个识别分类层以及一个softmax函数判断分类，6个卷积层分别为C1、C2、C5、C6、C9、C10，6个池化层分别为S3、S4、S7、S8、S11、S12，识别分类层分别为F13、F14，卷积层C1有20个4×4大小的卷积核，有20个不同的特征映射，C1的大小是48×40×20；卷积层C2有20个8×8大小的卷积核，有20个不同的特征映射，C2的大小是44×36×20；池化层对C1的每个2×2的区域取最大值，大小为24×20×20；池化层S4对C2的每个2×2的区域取最大值，大小为22×18×20；卷积层C5对3×3卷积核采用S3进行卷积运算，特征取40个，大小为22×18×40，卷积层C6对S4进行卷积运算，卷积核大小是5×5，特征取40个，大小为18×14×40；池化层S7用2×2的窗口取最大值对C5进行采样池化，所得大小为11×9×40；池化层S8对C6进行采样，同样取2×2的窗口最大值池化，所得大小为9×7×40；卷积层C9和C10采用对2×2的卷积核分别对S7和S8进行卷积运算，特征都为60个，大小分别为10×8×60和8×6×60；池化层S11和Sl2采用2×2的窗口最大值池化分别对C9和C10进行下采样，所得大小分别为5×4×60和4×3×60。