本發明涉及圖像檢測領域，尤其涉及基于圖像采集的用戶出入檢測方法。

背景技術：

1、隨著科技的進步，對用戶出入的自動化監測和管理也變得日益重要。基于圖像采集的用戶出入檢測方法主要依賴于計算機視覺技術，通過攝像頭捕捉目標的圖像或視頻數據，并利用圖像處理算法和機器學習模型對圖像進行分析和識別，從而實現對用戶出入的自動監測。

2、隨著深度學習技術的不斷發展，結合圖像、聲音等多種模態信息，可以訓練出更加準確和高效的機器學習模型，能夠實現對用戶的更全面和準確的識別和管理，進一步提高用戶出入檢測的準確性和效率。

3、中國專利授權公告號：cn109784208b公開了一種基于圖像的目標行為檢測方法，步驟如下：首先通過攝像模塊拍攝到多張目標每種姿勢的圖像樣本，對每張圖像樣本中的目標姿勢進行標記并歸類，以得到包含目標每種姿勢的圖像數據集；建立檢測模型，設置判誤率和迭代訓練次數；將圖像數據集導入檢測模型內，按照s2中預設的迭代訓練次數對檢測模型進行訓練，得到用于檢測目標行為的檢測模型；對目標的行為進行檢測時，通過攝像模塊拍攝到目標的場景圖像，將拍攝的場景圖像輸入檢測模型中，檢測模型將場景圖像中的信息進行提取，得到該場景圖像屬于目標各類姿勢中某一類姿勢的概率。該發明提供一種基于圖像的目標行為檢測方法，幫助主人隨時了解其目標的狀態。

4、中國專利申請公開號：cn111507211a公開了一種目標監管方法、裝置、設備及存儲介質，用以檢測社區內活動的目標是否有主人看管、是否在規定時間內活動，從而方便進行目標監管。該方法包括：獲取預設區域范圍內的圖像數據；在確定圖像數據的采集時間處于第一預設時間段內時，基于圖像數據進行目標檢測和人像檢測；在確定圖像數據中檢測到目標圖像且目標圖像存在于預先建立的目標數據庫中時，若確定圖像數據中檢測到的人像不包括目標人像，觸發上報告警信息，其中，目標人像是目標數據庫中與目標圖像對應的人像，目標數據庫中存儲有目標與目標飼養人的人像之間的對應關系。

5、但是，上述方法存在以下問題：門禁設備無法對目標行蹤進行監測，從而無法降低目標走失的風險。

技術實現思路

1、為此，本發明提供基于圖像采集的用戶出入檢測方法，用以克服現有技術中的門禁設備無法對目標行蹤進行監測，從而無法降低目標走失的風險的問題。

2、為實現上述目的，本發明提供基于圖像采集的用戶出入檢測方法，包括：

3、錄入若干目標對應的面部信息和關聯用戶信息；

4、拍攝待監測目標的實時面部信息和環境信息；

5、對所述實時面部信息進行預學習，并生成對應的預學習數據；

6、面部學習模型對所述預學習數據進行學習，以生成面部對比結果，并將面部對比結果與相似度閾值進行比較，并根據比較結果判斷面部對比結果是否為通過；

7、對所述環境信息進行學習，以生成環境對比結果，并根據所述相似度閾值判斷環境對比結果是否為通過；

8、響應面部對比結果的通過或環境對比結果的通過，生成對應的綜合對比結果，并根據所述綜合對比結果判斷是否開啟門禁；

9、其中，所述實時面部信息在預學習時，還對所述實時面部信息進行信息過濾，并生成學習率為標準學習率的若干面部預學習數據；

10、所述標準學習率為所述面部學習模型能夠識別的學習率，其與所述面部信息的分辨率成反比，分辨率越高對應的標準學習率越低，且對于單次學習，對應的標準學習率為單個學習率；

11、所述預學習數據為所述面部學習模型能夠識別的標準化數據；

12、所述面部學習模型根據若干面部信息形成的訓練集進行訓練生成。

13、進一步地，對若干目標對應的面部信息和關聯用戶信息進行錄入的步驟包括：

14、終端平臺向若干子平臺發送匯總指令；

15、所述子平臺拍攝對應的面部信息并采集對應的關聯用戶信息；

16、所述子平臺將所述面部信息和所述關聯用戶信息發送至所述終端平臺；

17、其中，所述關聯用戶信息包括用戶姓名、聯系方式和/或對應的目標關聯信息。

18、進一步地，對所述待監測目標的實時面部信息和環境信息進行拍攝的步驟包括：

19、在門禁處設置若干圖像采集裝置；

20、當監測器監測到所述待監測目標時，發送器向所述圖像采集裝置發送拍攝指令；

21、所述圖像采集裝置對所述待監測目標進行拍攝，獲得對應的實時面部信息和環境信息；

22、將所述實時面部信息和所述環境信息傳入預學習器；

23、其中，圖像采集裝置中設置有可調節角度的攝像頭。

24、進一步地，對所述實時面部信息進行預學習的步驟包括：

25、所述預學習器對所述實時面部信息進行像素過濾，并形成對應的過濾信息；

26、選取所述過濾信息的若干指標特征；

27、對所述過濾信息進行標準化處理，并生成對應的預學習數據；

28、其中，所述預學習器中設置有像素閾值；

29、所述指標特征包括所述過濾信息的像素大小、目標品種和/或毛色；

30、所述標準化處理為將所述過濾信息按標準學習率進行分割。

31、進一步地，像素過濾的步驟包括：

32、所述預學習器獲取所述實時面部信息的像素信息；

33、將所述像素信息與所述像素閾值進行比較；

34、其中，當所述像素信息大于所述像素閾值時，保留所述實時面部信息，當所述像素信息小于所述像素閾值時，將所述實時面部信息過濾。

35、進一步地，所述面部學習模型對所述預學習數據進行學習的步驟包括：

36、將所述面部學習模型的學習率調整為所述標準學習率；

37、將所述預學習數據傳入所述面部學習模型；

38、所述面部學習模型對所述預學習數據進行學習，并得出對應的面部對比結果。

39、進一步地，將所述面部對比結果與所述相似度閾值進行比較，當所述面部對比結果小于所述相似度閾值時，所述發送器發送門禁指令，門禁裝置響應所述門禁指令關閉門禁。

40、進一步地，當所述面部對比結果大于所述相似度閾值時，對所述環境信息進行學習，生成對應的環境對比結果，當所述環境對比結果小于所述相似度閾值時，所述發送器發送門禁指令，門禁裝置響應所述門禁指令關閉門禁。

41、進一步地，當所述環境對比結果大于所述相似度閾值時，根據所述面部對比結果匹配對應的關聯用戶信息，并向對應的關聯用戶發送確認出門消息，所述關聯用戶確認出門時，響應出門指令開啟門禁，所述關聯用戶確認關門時，響應關閉指令關閉門禁；

42、其中，所述出門指令為獲取到所述關聯用戶的確認開門信息時，觸發所述發送器而發送的指令；

43、所述關閉指令為獲取到所述關聯用戶的確認關門信息時，觸發所述發送器而發送的指令。

44、進一步地，當所述監測器監測到超過一個待監測目標時，所述發送器發送所述門禁指令，門禁裝置響應所述門禁指令關閉門禁。

45、與現有技術相比，本發明通過錄入若干目標對應的面部信息和關聯用戶信息，拍攝待監測目標的實時面部信息和環境信息，并生成實時面部信息對應的預學習數據，對面部預學習數據進行學習，以生成面部對比結果，與相似度閾值進行比較，判斷面部對比結果是否通過，對環境信息進行學習，生成環境對比結果，并根據相似度閾值判斷環境對比結果是否為通過，并根據綜合對比結果判斷是否開啟門禁，利用機器學習，對待監測目標進行面部識別，有效避免了目標的丟失和誤入，實現了目標與關聯用戶的自動識別和門禁控制，不僅提高了用戶出入檢測的安全性，還為目標主人提供了更加便捷和個性化的服務。

46、進一步地，通過設置終端平臺，向若干子平臺發送匯總指令，子平臺將采集到的面部信息和關聯用戶信息發送至終端平臺，便捷了目標和對應的關聯用戶信息的采集，便于面部信息和關聯用戶信息進行分析和處理。

47、進一步地，通過在圖像采集裝置上設置可調節角度的攝像頭，對待監測目標的實時面部信息進行拍攝，可確保捕捉到最佳角度的實時面部圖像，通過這個流程，可以實現對目標的實時面部信息監測，提高了后續機器學習識別待監測目標實時面部圖像的準確性。

48、進一步地，通過對實時面部信息進行像素過濾，并選取若干指標特征對過濾信息進行標準化處理，便于去除噪聲和不重要的細節，確保了數據的一致性和可比較性，從而便于提取出更清晰、更有代表性的面部特征。

49、進一步地，通過設置面部學習模型，對預學習數據進行學習并生成對應的面部對比結果，能夠從預學習數據中學習并提高其識別能力，最終實現對待監測目標實時面部信息的準確識別和對比。

50、進一步地，通過設置相似度閾值，并將面部對比結果與相似度閾值進行比較，確保了只有授權的待監測目標才能通過門禁，增加了安全性和便利性，提供了一個安全、便捷且自動化的目標出入管理檢測方法。

51、通過錄入目標的面部信息和關聯用戶信息，拍攝實時面部信息，進行預學習和面部學習，以及根據面部對比結果控制門禁，構建一個完整的基于圖像采集的用戶出入檢測方法，從信息錄入、實時面部信息采集、預學習、面部學習，到門禁控制，形成了一個閉環的管理方法，提高了目標出入管理的安全性和便捷性，同時減少了人工干預，提高了用戶出入檢測的效率。