[发明专利]基于物联网的安防设备

说明书

本申请涉及智能控制领域，其具体地公开了一种基于物联网的安防设备，其通过对所采集的指纹图像进行去雾处理，再利用基于深度卷积神经网络的特征提取器来提取所采集的指纹图像和录入的指纹图像的高维图像特征，并在高维特征空间中来比较两者的相似度，以提高匹配的精准度并兼顾安全性。

技术领域

本申请涉及智能控制领域，且更为具体地，涉及一种基于物联网的安防设备。

背景技术

指纹锁是常用的安防设备，其综合了物联网技术、计算机信息技术、电子技术、机械技术和五金工艺等。如今，指纹锁已被广泛地应用于各种场合中，例如，被应用于家庭，可以避免因钥匙丢失而带来的麻烦，再如被应用于公司，可以结合指纹锁来控制公司门的开启和关闭。

但是，在指纹锁的实际应用中，发现由于在录入指纹时用户的指纹处于规范且标准状态，但是在实际用户刷指纹时，用户的指纹表面可能存在水渍，用户可能并非以标准的姿势进行刷指纹，导致实施采集的指纹数据与实际录入的指纹之间的差异过大，而导致门禁无法开启，给用户造成诸多不便。

因此，期待一种优化的基于物联网的安防设备。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于物联网的安防设备，其通过对所采集的指纹图像进行去雾处理，再利用基于深度卷积神经网络的特征提取器来提取所采集的指纹图像和录入的指纹图像的高维图像特征，并在高维特征空间中来比较两者的相似度，以提高匹配的精准度并兼顾安全性。

根据本申请的一个方面，提供了一种基于物联网的安防设备，其包括：

指纹采集单元，用于从数据库获取用户录入的参考指纹图像以及获取由部署于指纹锁内的摄像头采集的用户按压指纹图像；

去雾单元，用于将所述用户按压指纹图像通过基于对抗生成网络的去雾生成器以得到生成用户按压指纹图像；

指纹特征提取单元，用于将所述参考指纹图像和所述生成用户按压指纹图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到参考特征图和校验特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构；

差分单元，用于计算所述参考特征图和所述校验特征图之间的差分特征图；

判断单元，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示用户按压指纹图像与参考指纹是否匹配；以及

控制结果生成单元，用于响应于所述分类结果为用户按压指纹图像与参考指纹匹配，生成解锁控制指令。

在上述基于物联网的安防设备中，所述指纹特征提取单元，包括：检测指纹特征提取子单元，用于使用所述第一卷积神经网络的多层卷积层对所述生成用户按压指纹图像进行深度卷积编码以由所述多层卷积层的最后一层输出深度校验特征图；第一空间注意力子单元，用于将所述深度校验特征图输入所述第一卷积神经网络的第一空间注意力模块以得到第一空间注意力图；以及，注意力施加子单元，用于计算所述深度校验特征图和所述第一空间注意力图的按位置点乘以得到所述校验特征图。

在上述基于物联网的安防设备中，所述指纹特征提取单元，包括：参考指纹特征提取子单元，用于使用所述第二卷积神经网络的多层卷积层对所述参考指纹图像进行深度卷积编码以由所述多层卷积层的最后一层输出深度参考特征图；第二空间注意力子单元，用于将所述深度参考特征图输入所述第二卷积神经网络的第二空间注意力模块以得到第二空间注意力图；以及，注意力作用子单元，用于计算所述深度参考特征图和所述第二空间注意力图的按位置点乘以得到所述参考特征图。

在上述基于物联网的安防设备中，所述差分单元，进一步用于：以如下公式计算计算所述参考特征图和所述校验特征图之间的差分特征图；

其中，所述公式为：