[发明专利]一种门禁控制方法、装置、存储介质及家居系统

权利要求书

1.一种门禁控制方法，其特征在于，包括：

动态跟踪门禁处当前使用者的人体区域信息中的人眼区域信息，包括：采用孪生神经网络模型，动态跟踪门禁处当前使用者的人体区域信息；对动态跟踪的人体区域信息进行预处理，得到预处理后的第一图像信息；所述预处理，包括：降噪处理和/或滤波处理；通过金字塔网络，根据门禁处当前使用者与门之间的不同距离，对第一图像信息进行一个以上尺度的分割处理，得到分割图像信息；以分割图像信息为搜索区域、并以门禁处当前使用者的眼眶信息为目标区域，在分割图像信息中进行搜索，并提取分割图像信息中的眼眶信息，作为门禁处当前使用者的人体区域信息中的人眼区域信息，包括：将动态跟踪的门禁处当前使用者的人体区域信息输入孪生神经网络模型，经所述孪生神经网络模型的孪生神经网络处理，得到门禁处当前使用者的人眼轮廓信息，将该人眼轮廓信息作为门禁处当前使用者的人体区域信息中的人眼区域信息；

自动态跟踪的人眼区域信息中动态抓取人眼虹膜图像；

基于动态抓取的人眼虹膜图像，确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者和/或确定该人眼虹膜图像所代表的当前使用者是否属于活体；

若该人眼虹膜图像所代表的当前使用者属于设定的合法使用者、和/或该人眼虹膜图像所代表的当前使用者属于活体，则发出门禁的开启指令，以控制门禁根据该开启指令执行开启门禁的操作。

2.根据权利要求1所述的方法，其特征在于，所述孪生神经网络模型，是经预先训练得到的；

其中，对所述孪生神经网络模型的预先训练，包括：

采用设定的移动网络模型，对预先选取的样本数据集中的图像，提取特征信息；

基于提取到的特征信息，通过孪生神经网络所产生的框、以及设定的标签框，判断提取到的特征信息是否是设定的人眼框图位置信息，以判断选取的样本数据集是正样本还是负样本；

通过回归损失函数和分类损失函数，对判断得到的正样本进行不断迭代学习，并获取移动网络模型的参数以调节迭代学习的学习率；

通过随机梯度损失函数处理，得到移动网络模型的损失函数最小值，以建立所述孪生神经网络模型。

3.根据权利要求1所述的方法，其特征在于，确定该人眼虹膜图像所代表的当前使用者是否属于设定的合法使用者，包括：

确定该人眼虹膜图像所代表的当前使用者的当前使用者身份；

确定该当前使用者的当前使用者身份，是否属于设定的合法使用者的合法使用者身份范围；

若该人眼虹膜图像所代表的当前使用者身份属于设定的合法使用者身份范围，则确定该人眼虹膜图像所代表的当前使用者属于设定的合法使用者。

4.根据权利要求3所述的方法，其特征在于，确定该人眼虹膜图像所代表的当前使用者的当前使用者身份，包括：

对动态抓取的人眼虹膜图像进行纹理信息提取处理，得到人眼纹理信息；

根据设定纹理信息与设定身份信息之间的对应关系，将该对应关系中与该人眼纹理信息相同的设定纹理信息对应的设定身份信息，确定为该人眼虹膜图像所代表的当前使用者的当前使用者身份。

5.根据权利要求1所述的方法，其特征在于，确定该人眼虹膜图像所代表的当前使用者是否属于活体，包括：

确定该人眼虹膜图像所代表的当前使用者的人体区域信息，属于设定的活体的活体信息范围、还是属于设定的图片的图片信息范围；

若该人眼虹膜图像所代表的当前使用者的人体区域信息属于设定的活体信息范围，则确定该人眼虹膜图像所代表的当前使用者属于活体。

6.根据权利要求1-5之一所述的方法，其特征在于，还包括：

确定该人眼虹膜图像所代表的当前使用者的使用习惯信息；

在控制门禁根据该开启指令执行开启门禁的操作之后，根据该使用习惯信息，控制预先与门禁之间建立关联关系的用电设备联动开启。