【技术实现步骤摘要】
本专利技术属于机器视觉，具体涉及一种基于深度学习的门禁安全保障系统。
技术介绍
1、伴随信息高速发展的发展，各个传统行业正在向物联网、人工智能等智能化转型。越来越多的智能化设施进入我们的日常生活与学习工作。2024年王梦真等人研究了一种基于人脸识别门禁的系统.通过摄像头采集人脸信息，并采用卷积神经网络进行训练，人体红外传感器实现非接触的温度采集，控制器根据数据信息，实现了对门禁系统的控制。
2、但是现有的门禁系统在多个用户同时需要使用的情况下不能同时进行识别，导致门禁处的通行效率较慢，给用户带来不好体验。
技术实现思路
1、本专利技术的目的在于解决现有的门禁系统在多个用户同时需要使用的情况下不能同时进行识别，导致门禁处的通行效率较慢，给用户带来不好体验的问题，提供一种基于深度学习的门禁安全保障系统；
2、为了实现上述目的，本专利技术采用以下技术方案：一种基于深度学习的门禁安全保障系统，包括：
3、门禁识别模块，用于对人脸或车牌进行识别，再对识别结果进行实时跟踪，并使用bfmatcher将识别结果和跟踪结果与录入用户信息对比，其中识别结果包括人脸识别结果或车牌识别结果；
4、主控器，用于根据对比结果，判断是否为用户，若为用户，则控制门禁打开；
5、环境监测模块，用于获取人脸、车牌以及烟雾信息；
6、以及用户界面与管理模块，用于用户的注册和录入用户信息。
7、进一步地，所述门禁识别模块对人脸进行识别步骤
8、步骤11：采用模型剪枝和量化来减少opencv函数的冗余参数和计算量，并利用并行计算来将opencv函数中的计算任务分解成多个子任务并行执行和异步处理来将opencv函数中的耗时操作异步执行，同时通过使用指针或引用在opencv函数中传递数据，来减少opencv函数中创建新的副本，进而得到优化后的opencv函数；
9、步骤12：利用优化后的opencv函数调用环境监测模块并读取每帧人脸图像；
10、步骤13：利用yolo v8模型检测步骤12中读取每帧人脸图像中的人脸位置区域，再利用insightface模型对人脸位置区域进行人脸检测，并提取目标人脸的特征向量，即人脸识别结果。
11、进一步地，所述门禁识别模块对车牌信息进行识别步骤包括：
12、步骤21：通过车牌定位模型对环境监测模块中获取的车牌进行定位，得到定位后的车牌；
13、步骤22：对定位后的车牌进行增强和去噪，再通过nms非极大值抑制算法检测出其边缘，然后计算出抑制后的车牌的四个顶点坐标，得到车牌顶点矩阵，通过透视变换对车牌顶点矩阵进行变换，得到变换矩阵m，接着通过来变换矩阵m校正倾斜车牌，得到定位并校正后的车牌，即车牌识别结果。
14、进一步地，所述车牌定位模型的训练步骤包括：
15、步骤211：通过环境监测模块获取车牌，并通过k-means++聚类算法对车牌的目标框进行了聚类操作，将聚类后的车牌分为训练集和测试集；
16、步骤212：将步骤211中训练集输入yolo v8模型进行训练，得到训练模型；
17、步骤213：将步骤211中测试集输入步骤212中得到的训练模型进行验证，得到车牌定位模型。
18、进一步地，所述门禁识别模块对人脸或车牌进行实时跟踪进行识别步骤包括：
19、步骤31：利用scrfd检测所有的识别结果的目标框；
20、步骤32：将步骤31中检测到的识别结果的目标框传递给sort算法，并通过sort算法对每个检测到的识别结果的目标框进行关联和跟踪，构建一个跟踪列表，即跟踪结果。
21、进一步地，所述主控器上还设置多个光敏电阻，用于检测环境中光照强度，并将检测到的光照强度与主控器中设置的光照强度的需求值进行比较，并根据比较结果来输出pwm波来调节与主控器电性相连的led得亮度。
22、进一步地，所述环境监测模块包括：摄像头和烟雾探测器，所述摄像头和烟雾探测器与门禁识别模块电性相连，所述摄像头用于拍摄人脸或车牌，所述烟雾探测器用于获取烟雾信息。
23、有益效果：
24、1、本专利技术通过门禁识别模块对人脸或车牌进行识别，再对识别结果中多个人脸或车牌进行实时跟踪，跟踪过程中，采用sort算法的预测结果来补充漏检，并通过sort算法对每个检测到的识别结果的目标框进行关联和跟踪，构建一个跟踪列表，接着根据跟踪列表和识别结果与与录入用户信息对比，从而现实多个用户识别，并避免漏检的情况，进而提高门禁处的通行效率。
25、2、通过对opencv库函数进行优化，提高系统的实时性并降低运算量和控制复杂。
26、3、本专利技术基于深度学习，并选择了yolo v8算法作为目标检测算法，训练出车牌定位模型，再结合nms和透视变换算法进行倾斜校正，得到定位并校正后的车牌，来提高在雾天、弱光照、字符模糊或部分被遮挡、车牌倾斜等情况下车牌识别率。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的门禁安全保障系统，其特征在于，包括：
2.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对人脸进行识别步骤包括：
3.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对车牌信息进行识别步骤包括：
4.根据权利要求3所述基于深度学习的门禁安全保障系统，其特征在于，所述车牌定位模型的训练步骤包括：
5.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对人脸或车牌进行实时跟踪进行识别步骤包括：
6.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述主控器上还设置多个光敏电阻，用于检测环境中光照强度，并将检测到的光照强度与主控器中设置的光照强度的需求值进行比较，并根据比较结果来输出PWM波来调节与主控器电性相连的LED得亮度。
7.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述环境监测模块包括：摄像头和烟雾探测器，所述摄像头和烟雾探测器与门禁识别模块电性相连，所述摄像头
...【技术特征摘要】
1.一种基于深度学习的门禁安全保障系统，其特征在于，包括：
2.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对人脸进行识别步骤包括：
3.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对车牌信息进行识别步骤包括：
4.根据权利要求3所述基于深度学习的门禁安全保障系统，其特征在于，所述车牌定位模型的训练步骤包括：
5.根据权利要求1所述基于深度学习的门禁安全保障系统，其特征在于，所述门禁识别模块对人脸或车牌进...
【专利技术属性】
技术研发人员：潘世晨，周宙，罗驹，黄丽薇，
申请(专利权)人：东南大学成贤学院，
类型：发明
国别省市：
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。