本發(fā)明涉及門禁系統(tǒng)，具體涉及一種多模態(tài)生物識(shí)別門禁系統(tǒng)。

背景技術(shù)：

1、隨著科技的不斷發(fā)展，門禁系統(tǒng)在各個(gè)領(lǐng)域的應(yīng)用越來(lái)越廣泛。傳統(tǒng)的門禁系統(tǒng)主要采用鑰匙、密碼、刷卡等方式進(jìn)行身份驗(yàn)證，但這些方式存在著易丟失、易被破解、安全性低等問(wèn)題，為了提高門禁系統(tǒng)的安全性和準(zhǔn)確性，生物識(shí)別技術(shù)逐漸被應(yīng)用于門禁系統(tǒng)中。

2、目前，常見(jiàn)的生物識(shí)別技術(shù)有指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別等。這些生物識(shí)別技術(shù)各有優(yōu)缺點(diǎn)，單一的生物識(shí)別技術(shù)難以滿足高安全性的門禁需求，因此，開(kāi)發(fā)一種多模態(tài)生物識(shí)別門禁系統(tǒng)具有重要的現(xiàn)實(shí)意義。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決上述問(wèn)題，設(shè)計(jì)了一種多模態(tài)生物識(shí)別門禁系統(tǒng)，結(jié)合了多種生物識(shí)別技術(shù)，以提高門禁系統(tǒng)的安全性和準(zhǔn)確性。

2、本發(fā)明提供一種多模態(tài)生物識(shí)別門禁系統(tǒng)，所述多模態(tài)生物識(shí)別門禁系統(tǒng)包括生物識(shí)別模塊、數(shù)據(jù)處理模塊、身份確定模塊、控制模塊、存儲(chǔ)模塊和通信模塊，其中，

3、生物識(shí)別模塊，用于采集用戶的生物特征圖像，其中所述生物特征圖像至少包括指紋圖像、面部圖像和虹膜圖像；

4、數(shù)據(jù)處理模塊，用于對(duì)所述生物識(shí)別模塊采集到的所述生物特征圖像進(jìn)行數(shù)據(jù)處理和分析，提取出有效的特征值，得到目標(biāo)特征圖像；

5、身份確定模塊，用于對(duì)所述目標(biāo)特征圖像進(jìn)行多模態(tài)識(shí)別，得到識(shí)別結(jié)果，并進(jìn)行比對(duì)以確定用戶的身份；

6、控制模塊，用于根據(jù)所述身份確定模塊的比對(duì)結(jié)果控制門禁的開(kāi)啟或關(guān)閉；

7、存儲(chǔ)模塊，用于存儲(chǔ)用戶的生物特征模板和門禁參數(shù)信息；

8、通信模塊，用于采用有線通信或無(wú)線通信的方式與移動(dòng)端進(jìn)行通信及聯(lián)動(dòng)。

9、可選的，在本發(fā)明的第一種實(shí)現(xiàn)方式中，對(duì)所述生物識(shí)別模塊采集到的所述生物特征圖像進(jìn)行數(shù)據(jù)處理和分析，提取出有效的特征值，得到目標(biāo)特征圖像，包括：

10、獲取所述生物識(shí)別模塊輸出的生物特征圖像，通過(guò)k-means聚類算法對(duì)所述生物特征圖像進(jìn)行篩選，將所述生物特征圖像分為可用圖像和不可用圖像兩類；

11、采用lenet網(wǎng)絡(luò)對(duì)篩選出的可用圖像進(jìn)行識(shí)別，以得到含有有效特征的細(xì)節(jié)特征圖像；

12、對(duì)所述細(xì)節(jié)特征圖像進(jìn)行直方圖均衡增強(qiáng)，并對(duì)增強(qiáng)后的細(xì)節(jié)特征圖像進(jìn)行clahe增強(qiáng)，得到目標(biāo)特征圖像。

13、可選的，在本發(fā)明的第二種實(shí)現(xiàn)方式中，所述獲取所述生物識(shí)別模塊輸出的生物特征圖像，通過(guò)k-means聚類算法對(duì)所述生物特征圖像進(jìn)行篩選，將所述生物特征圖像分為可用圖像和不可用圖像兩類，包括：

14、獲取所述生物識(shí)別模塊輸出的生物特征圖像，計(jì)算所述生物特征圖像的原始數(shù)據(jù)集中每?jī)蓚€(gè)數(shù)據(jù)點(diǎn)xi、xj之間的歐式距離，并根據(jù)所有點(diǎn)的歐式距離計(jì)算出平均距離；

15、遍歷所有點(diǎn)的歐式距離，并基于平均距離，計(jì)算所有數(shù)據(jù)點(diǎn)的密度p(i)、簇內(nèi)平均距離ai和參數(shù)λi：

16、

17、選擇λi最大的數(shù)據(jù)點(diǎn)，將與該數(shù)據(jù)點(diǎn)距離小于平均距離的數(shù)據(jù)點(diǎn)加入到新數(shù)據(jù)集中，并在原始數(shù)據(jù)集中刪除相應(yīng)的數(shù)據(jù)點(diǎn)，重復(fù)迭代，直至所有點(diǎn)歸類；

18、計(jì)算新數(shù)據(jù)集中每個(gè)數(shù)據(jù)點(diǎn)的簇內(nèi)誤差平方，選擇簇內(nèi)誤差平方最小的點(diǎn)作為該聚類的初始中心點(diǎn)，計(jì)算新數(shù)據(jù)集中每個(gè)數(shù)據(jù)點(diǎn)與所有的初始中心點(diǎn)的距離，把所有數(shù)據(jù)點(diǎn)歸到k個(gè)類中，重復(fù)迭代直至新聚類中心不變，以將所述生物特征圖像分為可用圖像和不可用圖像兩類。

19、可選的，在本發(fā)明的第三種實(shí)現(xiàn)方式中，所述采用lenet網(wǎng)絡(luò)對(duì)篩選出的可用圖像進(jìn)行識(shí)別，以得到含有有效特征的細(xì)節(jié)特征圖像，包括：

20、lenet網(wǎng)絡(luò)的前三層卷積池化通過(guò)不同的卷積層學(xué)習(xí)輸入的可以圖像的特征，后邊兩層全連接層對(duì)卷積特征進(jìn)行高維特征的空間映射，并得到含有有效特征的細(xì)節(jié)特征圖像，其中每個(gè)卷積層的卷積核均為5×5的大小，每個(gè)卷積層都有一個(gè)2×2的最大池化層，通過(guò)relu激活函數(shù)引入非線性化。

21、可選的，在本發(fā)明的第四種實(shí)現(xiàn)方式中，對(duì)所述細(xì)節(jié)特征圖像進(jìn)行直方圖均衡增強(qiáng)，并對(duì)增強(qiáng)后的細(xì)節(jié)特征圖像進(jìn)行clahe增強(qiáng)，得到目標(biāo)特征圖像，包括：

22、將增強(qiáng)后的細(xì)節(jié)特征圖像劃分為若干個(gè)大小相等的子塊，并讓不同子塊之間沒(méi)有重疊的像素點(diǎn)；

23、計(jì)算每個(gè)子塊的直方圖m以及裁剪限制閾值δ：

24、

25、式中，nx和ny代表子塊在橫軸和縱軸方向上的像素點(diǎn)個(gè)數(shù)，c為對(duì)比度限制系數(shù)；

26、按照計(jì)算得到的δ對(duì)每個(gè)子塊進(jìn)行裁剪，將超過(guò)δ的像素點(diǎn)平均分配到子塊的直方圖；

27、對(duì)子塊的新直方圖進(jìn)行he和雙線性插值的操作，得到目標(biāo)特征圖像。

28、可選的，在本發(fā)明的第五種實(shí)現(xiàn)方式中，所述對(duì)所述目標(biāo)特征圖像進(jìn)行多模態(tài)識(shí)別，得到識(shí)別結(jié)果，并進(jìn)行比對(duì)以確定用戶的身份，包括：

29、采用指紋識(shí)別網(wǎng)絡(luò)模型、面部識(shí)別網(wǎng)絡(luò)模型和虹膜識(shí)別網(wǎng)絡(luò)模型三個(gè)網(wǎng)絡(luò)并行對(duì)所述目標(biāo)特征圖像的指紋、面部和虹膜進(jìn)行特征提取；

30、將從指紋識(shí)別網(wǎng)絡(luò)模型得到的指紋特征向量、從面部識(shí)別網(wǎng)絡(luò)模型得到的面部特征向量和虹膜識(shí)別網(wǎng)絡(luò)模型得到的虹膜特征向量依次排列組合；

31、為每個(gè)模態(tài)的特征向量分配一個(gè)權(quán)重，將每個(gè)模態(tài)的特征向量乘以相應(yīng)的權(quán)重：

32、y＝αx

33、式中，α表示相應(yīng)模態(tài)特征的具體權(quán)重參數(shù)，x表示自適應(yīng)權(quán)重層的輸入，y表示所提出的自適應(yīng)權(quán)重層的輸出；

34、將加權(quán)后的特征向量相加，得到融合后的多模態(tài)特征向量，將融合后的多模態(tài)特征轉(zhuǎn)換識(shí)別結(jié)果。

35、可選的，在本發(fā)明的第六種實(shí)現(xiàn)方式中，所述采用指紋識(shí)別網(wǎng)絡(luò)模型、面部識(shí)別網(wǎng)絡(luò)模型和虹膜識(shí)別網(wǎng)絡(luò)模型三個(gè)網(wǎng)絡(luò)并行對(duì)所述目標(biāo)特征圖像的指紋、面部和虹膜進(jìn)行特征提取，包括：

36、所述指紋識(shí)別網(wǎng)絡(luò)模型采用vgg-fingerprintnet，通過(guò)多個(gè)卷積層對(duì)輸入所述目標(biāo)特征圖像的指紋進(jìn)行特征提取，卷積層學(xué)習(xí)到不同尺度和方向的指紋紋理特征，通過(guò)池化層降低特征圖的分辨率經(jīng)過(guò)全連接層將提取到的指紋特征轉(zhuǎn)換為指紋特征向量；

37、所述面部識(shí)別網(wǎng)絡(luò)模型采用resnet-facenet，輸入的所述目標(biāo)特征圖像的面部經(jīng)過(guò)卷積層和殘差塊進(jìn)行特征提取，通過(guò)全局平均池化層將面部特征轉(zhuǎn)換為面部特征向量；

38、所述虹膜識(shí)別網(wǎng)絡(luò)模型采用deepirisnet，由多個(gè)卷積層和池化層組成，對(duì)輸入的所述目標(biāo)特征圖像的虹膜去除噪聲和干擾，通過(guò)卷積層和池化層逐步提取虹膜的紋理特征，最后經(jīng)過(guò)全連接層將虹膜特征轉(zhuǎn)換為虹膜特征向量。

39、可選的，在本發(fā)明的第七種實(shí)現(xiàn)方式中，所述控制模塊包括驗(yàn)證通過(guò)模塊和驗(yàn)證失敗模塊，其中，

40、驗(yàn)證通過(guò)模塊，用于當(dāng)用戶身份驗(yàn)證通過(guò)時(shí)，控制模塊發(fā)送開(kāi)門信號(hào)給門禁執(zhí)行機(jī)構(gòu)，打開(kāi)門禁；

41、驗(yàn)證失敗模塊，用于當(dāng)用戶身份驗(yàn)證失敗時(shí)，控制模塊發(fā)出報(bào)警信號(hào)，并記錄相關(guān)信息。

42、本發(fā)明提供的技術(shù)方案中，多模態(tài)生物識(shí)別門禁系統(tǒng)包括生物識(shí)別模塊、數(shù)據(jù)處理模塊、身份確定模塊、控制模塊、存儲(chǔ)模塊和通信模塊，結(jié)合了多種生物識(shí)別技術(shù)，如指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別等，這些生物識(shí)別技術(shù)具有唯一性、穩(wěn)定性和不可復(fù)制性等特點(diǎn)，能夠有效提高門禁系統(tǒng)的安全性；多種生物識(shí)別技術(shù)的結(jié)合可以彌補(bǔ)單一生物識(shí)別技術(shù)的不足，提高身份驗(yàn)證的準(zhǔn)確性；用戶只需在門禁系統(tǒng)前短暫停留，即可完成身份驗(yàn)證，提高了門禁系統(tǒng)的使用效率。