[发明专利]基于面部图像的金库安全门的控制方法和装置

权利要求书

1.一种基于面部图像的金库安全门的控制方法，其特征在于，包括：

在用户输入金库密码时采集用户的面部图像；

从所述用户的面部图像中提取出用户的表情特征，包括：利用独立成分分析（ICA）算法提取所述面部图像的像素间的隐藏信息，获取所述面部图像的全局特征向量；利用局部二值模式（LBP）算法将所述面部图像转换为高维直方图，提取出所述面部图像的局部特征向量；拼接所述全局特征向量和所述局部特征向量得到所述表情特征；

利用风险预测网络处理所述表情特征，得到所述表情特征的预估风险等级，就是得到所述表情特征对应的密码输入过程中用户处于危险场景的概率；其中，所述风险预测网络是，利用样本数据集预先训练得到的反向传播神经网络；所述样本数据集的每一个样本数据，均包括表情特征和所述表情特征对应的实际风险等级；

若所述表情特征的预估风险等级为低风险，且用户输入的密码通过密码校验，控制银行金库的安全门开启；

若所述表情特征的预估风险等级为高风险，控制所述银行金库的安全门关闭；向授权终端发送授权请求，向所述授权终端实时发送金库现场的视频流，并接收所述授权终端的响应信息；

若所述授权终端的响应信息授权开启所述银行金库的安全门，且所述用户输入的密码通过密码校验，控制所述银行金库的安全门开启；

若所述授权终端的响应信息授权关闭所述银行金库的安全门，控制所述银行金库的安全门关闭；

训练所述风险预测网络的方法，包括：

获取初始预测网络；其中，所述初始预测网络的参数利用遗传算法确定；

针对样本数据集的每一个样本数据，利用所述初始预测网络处理所述样本数据的表情特征，得到所述样本数据的预估风险等级；

根据每一个所述样本数据的预估风险等级和所述样本数据的实际风险等级，计算所述初始预测网络的损失函数；

若所述初始预测网络的损失函数不满足收敛条件，更新所述初始预测网络的参数，返回执行所述针对样本数据集的每一个样本数据，利用所述初始特征网络处理所述样本数据的表情特征，得到所述样本数据的预估风险等级；

若所述初始预测网络的损失函数满足收敛条件，将所述初始预测网络确定为风险预测网络。

2.根据权利要求1所述的控制方法，其特征在于，所述若所述表情特征的预估风险等级为低风险，且用户输入的密码通过密码校验，控制银行金库的安全门开启，包括：

若所述表情特征的预估风险等级为低风险，比较所述用户输入的密码和银行金库的开启密码；

若所述用户输入的密码和所述银行金库的开启密码一致，确定所述用户输入的密码通过密码校验，并控制所述银行金库的安全门开启。

3.根据权利要求1所述的控制方法，其特征在于，所述从所述用户的面部图像中提取出用户的表情特征之前，还包括：

用图像增强算法对所述用户的面部图像增强处理，得到增强后的面部图像；

其中，所述从所述用户的面部图像中提取出用户的表情特征，包括：

从所述增强后的面部图像中提取出用户的表情特征。