【技术实现步骤摘要】
本专利技术涉及防盗门及体姿比对领域，具体为一种防盗门及体姿比对预警方法及系统。
技术介绍
1、防盗门作为一种材料特殊的门体结构，具有坚固耐用、安全可靠的特点。广泛应用于各种需要高安全性和防盗性能的场所，如住宅、商业建筑、金融机构和政府机构等。
2、防盗门通常采用高强度和耐腐蚀的材料，如钢、铝合金或木复合材料。这些材料具有优异的抗冲击和抗破坏性，能够有效防止非法入侵和破坏。防盗门通常配备高级安全级别的锁具系统，如多点锁、电子密码或者指纹识别锁。这些锁具能够提供更高的防护级别和访问控制有效防止恶意进入。
3、随着新一代的计算机技术的发展，防盗门的安全控制得到了进一步的提升。现今在市场上出现了大量新型智能防盗门，智能防盗门结合了人脸识别和体姿比对技术，提供了更高级别的安全性和访问控制。其中，体姿比对的智能防盗门是一种结合了体姿识别技术的先进门禁系统。它利用摄像头或深度传感器捕捉用户的体姿图像或视频流，并通过计算机视觉和机器学习算法对其进行分析和比对，以确定用户的身份和行为。
4、在现有技术中采用体姿比对方法实现防盗门安全的研究较少，且很难挖掘到直接的现有技术对防盗门的体姿比对进行研究。因此，本专利技术提出一种防盗门及体姿比对预警方法及系统，该方法及系统提升了防盗门的安全性，保证了用户的住房安全。
技术实现思路
1、一种防盗门及体姿比对预警方法及系统，用于解决上述技术问题。首先，本专利技术对防盗门识别过程中出现单个或多个目标情况下，通过识别目标与防盗门的
2、一种防盗门及体姿比对预警方法，包括：
3、步骤一：根据防盗门安置的单目摄像头获取目标的视频数据：其中，所述目标包括：单个或多个目标；
4、步骤二：对所述视频数据进行预处理，得到标准目标图像，并构建标准目标图像集；
5、其中，所述预处理包括：将所述视频数据按照时序序列进行分解，得到分解目标图像；
6、进一步地，对所述分解目标图像进行去噪，得到去噪目标图像；
7、进一步地，将所述去噪目标图像进行图像增强，得到增强目标图像；
8、进一步地，对所述增强目标图像进行标注，得到标准目标图像。
9、步骤三：选择所述标准目标图像中主目标；其中，所述主目标的选择过程包括：
10、判断所述标准目标图像中的目标个数；
11、进一步地，当所述目标的数量为单个目标时，认定所述目标为所述主目标；
12、进一步地，当所述目标个的数量多个目标时；根据主目标认定值的大小认定所述主目标；其中，所述主目标认定值的计算公式为：
13、mtrv＝η1*sdd+η2*ta；
14、其中，mtrv表示为所述主目标认定值；sdd表示为所述目标与防盗门之间的距离；ta表示为所述目标在所述标准目标图像中占比率；η1表示为所述目标与防盗门之间的距离的权重系数；η2表示为所述目标在所述标准目标图像中占比率的权重系数；且η1＜η2。
15、步骤四：对所述主目标进行身份认证和体姿比对，分别得到身份可信度和体姿可信度；
16、其中，所述身份可信度采用身份认证模型获取，具体的获取过程包括：
17、将所述标准目标图像输入至输入层，得到主目标图像；
18、进一步地，将所述主目标图像输入至分割层，得到主目标头部图像；
19、输入所述主目标头部图像至识别层，得到识别结果；其中，所述识别层包括：主目标一致性识别模块和遮挡识别模块；
20、其中，所述主目标识别模块用于识别当前所述标准目标图像中主目标与下一时刻所述标准目标图像中主目标的一致性；所述遮挡识别模块用于识别所述主目标的面部识别程度；
21、进一步地，根据所述识别结果采用脸部特征对比层进行脸部特征对比，得到脸部特征对比结果；
22、进一步地，根据所述脸部特征对比结果由输出层输出所述身份可信度；
23、所述体姿可信度的获取过程包括：
24、计算所述标准目标图像中所述主目标的人体完整度；其中，所述主目标包括：头部、颈部、肩部、手臂、手掌、手指、腰部、腿部和脚；
25、进一步地，当所述人体完整度未符合预设要求，重新获取所述主目标的人体图像；
26、进一步地，当所述人体完整度符合预设要求，计算所述主目标的体姿对比置信度；其中，所述体姿比对置信度的计算过程包括；
27、进一步地，根据所述身份认证模型的输出结果，获取第一置信度值；
28、进一步地，计算所述主目标与预存合法用户数据的肩宽误差，身高误差和手臂长度误差，分别获取第二置信度、第三置信度和第四置信度；
29、进一步地，根据所述第一置信度、所述第二置信度、所述第三置信度和所述第四置信度，得到所述体姿比对置信度；
30、进一步地，判断所述体姿比对置信度超过体姿比对预设阈值进行体姿比对；其中，所述体姿比对的具体过程包括：
31、进一步地，根据所述主目标的人体图像，构建体姿坐标矩阵bpm＝((bxij,byij))n×m(1≤i≤n,1≤j≤m)；其中，(bxij,byij)表示为第i个关节点在第j时刻的坐标点；n表示为关节点总数；m表示为体姿比对时长；
32、进一步地，将所述体姿坐标矩阵按照预设坐标系进行点位映射，获得m个二维体姿图像；
33、采用freak算法提取m个所述二维体姿图像的特征，建立m个体姿特征集合；
34、其中，freak(fast retina keypoint)算法，中文名为快速视网膜关键点算法；该算法模拟人类视网膜的拓扑结构设计关键点的采样模式，构造二进制编码串珠外关键点的特征描述符，具有速度快、内存占用小和鲁棒性强的优点。
35、进一步地，计算m个所述体姿特征集合与预设体姿验证图像的特征误差，获得所述体姿可信度。
36、步骤五：根据所述身份可信度和所述体姿可信度计算综合安全度；其中，所述综合安全度的计算公式为：
37、csd＝ξ1*tid+ξ2*pcd；
38、其中，csd表示为所述综合安全度；tid表示为所述身份可信度；pcd表示为所述本文档来自技高网...
【技术保护点】
1.一种防盗门及体姿比对预警方法，其特征在于，包括：
2.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述步骤二包括：将所述视频数据按照时序序列进行分解，得到分解目标图像；对所述分解目标图像进行去噪，得到去噪目标图像；将所述去噪目标图像进行图像增强，得到增强目标图像；对所述增强目标图像进行标注，得到标准目标图像。
3.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述步骤三包括：所述主目标的具体选择过程为：
4.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述体姿可信度的具体获取过程包括：
5.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述综合安全度的计算公式为：
6.一种防盗门及体姿比对预警系统，其特征在于，所述系统包括：摄像头单元、数据处理单元、用户判别单元、人脸识别单元、体姿检测单元、预警单元和数据存储与管理单元；其中，所述摄像头单元，用于捕捉门口区域的视频图像，包括用户的面部和体姿；所述数据处理单元，用于对于捕捉的视频图像进行数据处理；所述用
7.根据权利要求6所述的一种防盗门及体姿比对预警系统，其特征在于，所述数据处理单元包括：将所述视频图像按照时序序列进行分解，得到分解目标图像；对所述分解目标图像进行去噪，得到去噪目标图像；将所述去噪目标图像进行图像增强，得到增强目标图像；对所述增强目标图像进行标注，得到标准目标图像。
8.根据权利要求6所述的一种防盗门及体姿比对预警系统，其特征在于，所述用户判别单元包括：
9.根据权利要求6所述的一种防盗门及体姿比对预警系统，其特征在于，所述人脸识别单元采用身份认证模型，具体的过程包括：
10.根据权利要求6所述的一种防盗门及体姿比对预警系统，其特征在于，所述体姿检测单元包括：
...【技术特征摘要】
1.一种防盗门及体姿比对预警方法，其特征在于，包括：
2.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述步骤二包括：将所述视频数据按照时序序列进行分解，得到分解目标图像；对所述分解目标图像进行去噪，得到去噪目标图像；将所述去噪目标图像进行图像增强，得到增强目标图像；对所述增强目标图像进行标注，得到标准目标图像。
3.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述步骤三包括：所述主目标的具体选择过程为：
4.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述体姿可信度的具体获取过程包括：
5.根据权利要求1所述的一种防盗门及体姿比对预警方法，其特征在于，所述综合安全度的计算公式为：
6.一种防盗门及体姿比对预警系统，其特征在于，所述系统包括：摄像头单元、数据处理单元、用户判别单元、人脸识别单元、体姿检测单元、预警单元和数据存储与管理单元；其中，所述摄像头单元，用于捕捉门口区域的视频图像，包括用户的面部和体姿；所述数据处理单元，用于对于捕捉的视...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。