一种基于门禁通信芯片的用户身份智能检测方法和装置与流程

1.本发明涉及身份识别技术领域，尤其涉及一种基于门禁通信芯片的用户身份智能检测方法和装置。


背景技术：

2.门禁卡身份识别技术是一种重要的身份认证方式，门禁卡身份识别具有无需充电、体积轻便等特性，随着门禁卡芯片制造成本的降低，门禁卡身份识别技术也越来越广泛应用于各类场所和设施的管理和安全保障中。
3.现有的门禁卡身份识别技术多为基于卡片物理特征的身份识别方法，通过利用门禁卡芯片中的通信芯片向门禁终端传输身份信息，实现身份的核验和识别，实际应用中，可能会出现通过复制门禁卡内部数据、冒用他人门禁卡进行身份识别的情况，而基于卡片物理特征的身份识别方法无法区分使用门禁卡的用户身份，可能会导致进行用户身份识别时的准确度较低。


技术实现要素：

4.本发明提供一种基于门禁通信芯片的用户身份智能检测方法和装置，其主要目的在于解决进行用户身份识别时的准确度较低的问题。
5.为实现上述目的，本发明提供的一种基于门禁通信芯片的用户身份智能检测方法，包括：
6.利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据；
7.依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，其中，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：
[0008][0009]
其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；将所述目标瞳孔图组中所有的
目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征；
[0010]
依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征；
[0011]
利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码；
[0012]
从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。
[0013]
可选地，所述利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，包括：
[0014]
利用门禁终端的读卡设备向用户的校园门禁卡发送激活信号，得到激活门禁卡；
[0015]
利用所述读卡设备向所述激活门禁卡发送数据请求，获取所述校园门禁卡针对所述数据请求的传输数据；
[0016]
从所述传输数据中提取出时间间隙，根据所述时间间隙对所述传输数据进行数据同步，得到编码数据序列；
[0017]
对所述编码数据序列进行解码，得到解码数据序列，将所述解码数据序列拼接成标准用户信息。
[0018]
可选地，所述依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，包括：
[0019]
逐个选取所述眼部图集中的眼部图片作为目标眼部图片，提取出所述目标眼部图片的初级眼部特征；
[0020]
根据所述初级眼部特征对所述目标眼部图片进行瞳孔定位，得到目标瞳孔图块；
[0021]
对所述目标瞳孔图块进行边缘侵蚀操作，得到目标瞳孔边缘，对所述目标瞳孔边缘进行圆形拟合，得到标准瞳孔边缘；
[0022]
根据所述标准瞳孔边缘生成标准瞳孔掩膜，根据所述标准瞳孔掩膜对所述目标眼部图片进行掩膜操作，得到初级瞳孔图片；
[0023]
对所述初级瞳孔图片进行图片灰度化操作，得到灰度瞳孔图片；
[0024]
生成所述灰度瞳孔图片的灰度直方图，根据所述灰度直方图对所述灰度瞳孔图片进行图片增强，得到增强瞳孔图片，并将所有的增强瞳孔图片汇集成增强瞳孔图集。
[0025]
可选地，所述对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，包括：
[0026]
逐一选取所述增强瞳孔图集中的增强瞳孔图片作为目标增强瞳孔图片，对所述目标增强瞳孔图片进行尺寸拉伸操作，得到标准瞳孔图片；
[0027]
提取出所述标准瞳孔图片的瞳孔位置特征，根据所述瞳孔位置特征对所述标准瞳孔图片进行倾斜矫正操作，得到矫正瞳孔图片；
[0028]
自上而下对所述矫正瞳孔图片进行图片分块操作，得到初始瞳孔图块序列，将所有的初始瞳孔图块序列汇集成初始瞳孔图块序列组；
[0029]
根据图块序号对所述初始瞳孔图块序列组中的各个瞳孔图块进行分组，得到多个瞳孔图组，并按照所述图块序号的顺序将所有的瞳孔图组汇集成瞳孔图组序列。
[0030]
可选地，所述将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，包括：
[0031]
对所述目标瞳孔图组中所有的目标初级瞳孔特征进行特征聚类，得到初级瞳孔特征类集；
[0032]
逐个选取所述初级瞳孔特征类集的初级瞳孔特征类作为目标初级瞳孔特征类，将所述目标初级瞳孔特征类的聚类中心作为目标瞳孔中心特征；
[0033]
将所述目标瞳孔特征类的特征总数作为所述目标瞳孔中心特征的权重，得到加权瞳孔中心特征；
[0034]
对所有的加权瞳孔中心特征进行加权池化操作，得到目标次级瞳孔特征。
[0035]
可选地，所述依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，包括：
[0036]
生成所述语音数据的语音列信号，对所述语音数据进行音频采样，得到语音信号数据；
[0037]
根据所述语音列信号对所述根据语音信号数据进行语音纠偏，得到纠偏语音信号；
[0038]
按照预设的分帧帧长对所述纠偏语音信号进行语音分帧，得到分帧语音信号；
[0039]
对所述分帧语音信号进行语音加窗操作，得到加窗语音信号；
[0040]
对所述加窗语音信号进行快速傅里叶滤波，得到语音频域数据。
[0041]
可选地，所述对所述语音频域数据进行多级频域特征提取，得到标准语音特征，包括：
[0042]
依次计算出所述语音频域数据的短时能量以及所述语音频域数据的；
[0043]
对所述语音频域数据进行离散余弦变换，得到倒谱系数；
[0044]
对所述语音频域数据进行线性预测，得到线性预测编码；
[0045]
将所述短时能量、所述短时平均过零率、所述倒谱系数以及所述线性预测编码汇集成标准语音特征。
[0046]
可选地，所述对所述语音频域数据进行线性预测，得到线性预测编码，包括：
[0047]
对所述语音频域数据进行自相关计算，得到自相关系数组；
[0048]
根据所述自相关系数组计算出所述语音频域数据的线性预测系数；
[0049]
依次对所述线性预测系数进行量化和编码操作，得到线性预测编码。
[0050]
可选地，所述利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，包括：
[0051]
对所述标准瞳孔特征进行全局降采样操作，得到降维瞳孔特征；
[0052]
对所述标准语音特征进行全局降采样操作，得到降维语音特征；
[0053]
利用如下的加权融合算法对所述降维瞳孔特征和所述降维语音特征进行特征融合，得到融合身份特征：
[0054][0055]
其中，f(a,b)是指由所述降维瞳孔特征a和所述降维语音特征b融合得到的融合身
份特征f，a是指所述降维瞳孔特征，b是指所述降维语音特征，f是指所述融合身份特征，是指所述降维瞳孔特征的权重矩阵，w是权重符号，t是矩阵的维度符号，e是指欧拉数，wb是指所述降维语音特征的权重，
⊙
是逐元素相乘符号，pb是所述降维语音特征的偏置系数，pa是所述降维瞳孔特征的偏置系数。
[0056]
为了解决上述问题，本发明还提供一种基于门禁通信芯片的用户身份智能检测装置，所述装置包括：
[0057]
数据采集模块，用于利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据；
[0058]
瞳孔特征提取模块，用于依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，其中，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：
[0059][0060]
其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征；
[0061]
音频特征提取模块，用于依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征；
[0062]
特征融合模块，用于利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码；
[0063]
身份识别模块，用于从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。
[0064]
本发明实施例通过利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，可以采集用户持有的校园门禁卡内存储的用户信息数据，通过利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据，可以实时采集用户的生物数据，从而方便后续的身份检测，通过依次对所述眼部图集进
行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，可以减少图片噪声以及亮斑造成的细节损失，通过对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，可以从不同的角度和方向提取出瞳孔虹膜不同区块不同角度的纹理特征，从而提高身份检测的准确性，通过依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，可以去除音频噪声，保留音频细节，通过对所述语音频域数据进行多级频域特征提取，得到标准语音特征，可以提取用户语音的多维特征，进而提高后续身份智能检测的准确率。
[0065]
通过利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码，可以降低所述标准瞳孔特征和所述标准语音特征的特征维度，并保留特征的分布关联性，从而提高后续身份检测的效率，通过从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测，可以降低所述校园门禁卡内部存储的数据大小，节省存储空间，同时通过实时获取云服务器端的用户特征编码库中的用户特征编码，可以方便对用户特征进行实时更新，同时通过编码距离进行身份识别，提高了身份检测的准确率。因此本发明提出的基于门禁通信芯片的用户身份智能检测方法和装置，可以解决进行用户身份识别时的准确度较低的问题。
附图说明
[0066]
图1为本发明一实施例提供的基于门禁通信芯片的用户身份智能检测方法的流程示意图；
[0067]
图2为本发明一实施例提供的生成标准冠心病药物词向量集的流程示意图；
[0068]
图3为本发明一实施例提供的对单药物效果词向量组集进行词频聚类的流程示意图；
[0069]
图4为本发明一实施例提供的基于门禁通信芯片的用户身份智能检测装置的功能模块图；
[0070]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0071]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0072]
本技术实施例提供一种基于门禁通信芯片的用户身份智能检测方法。所述基于门禁通信芯片的用户身份智能检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于门禁通信芯片的用户身份智能检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0073]
参照图1所示，为本发明一实施例提供的基于门禁通信芯片的用户身份智能检测方法的流程示意图。在本实施例中，所述基于门禁通信芯片的用户身份智能检测方法包括：
[0074]
s1、利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据。
[0075]
本发明实施例中，所述门禁终端包括读卡设备、摄像设备以及录音设备，所述门禁终端可以与校园数据库相连，用于识别用户身份信息，进行用户放行或不予通过操作，其中，所述读卡设备可以是射频识别(radio frequency identification，简称rfid)读卡器，所述摄像设备可以是ds-2cc11a2p摄像机或dcs-932l摄像机，所述录音设备可以是icd-ux570f录音机或sr501录音机。
[0076]
具体地，所述校园门禁卡是指包含了射频识别通讯芯片的便携式卡片，所述射频识别通讯芯片中记录了标准用户信息，且所述射频识别通讯芯片中的所述标准用户信息可以被所述读卡设备以非接触式网络射频技术识别，所述标准用户信息中记录了用户的充值信息、学生证编号以及用户门禁编码等信息。
[0077]
本发明实施例中，参照图2所示，所述利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，包括：
[0078]
s21、利用门禁终端的读卡设备向用户的校园门禁卡发送激活信号，得到激活门禁卡；
[0079]
s22、利用所述读卡设备向所述激活门禁卡发送数据请求，获取所述校园门禁卡针对所述数据请求的传输数据；
[0080]
s23、从所述传输数据中提取出时间间隙，根据所述时间间隙对所述传输数据进行数据同步，得到编码数据序列；
[0081]
s24、对所述编码数据序列进行解码，得到解码数据序列，将所述解码数据序列拼接成标准用户信息。
[0082]
详细地，所述激活信号是指所述读卡设备发送的一种短暂的射频脉冲信号，所述激活信号包括预警信号和询问信号，所述激活信号可以将处于休眠状态中的校园门禁卡唤醒，并让其处于可读状态，所述激活门禁卡是指处于激活状态下的校园门禁卡。
[0083]
具体地，所述数据请求包括帧头、指令码、数据域以及校验码，所述数据请求可以控制所述校园门禁卡发送传输数据，所述传输数据是指按照固定传输协议以及固定编码协议发送的标准用户信号。
[0084]
详细地，所述时间间隙是指时间轴上被划分出来的一段固定时间，用于实现多路复用，所述根据所述时间间隙对所述传输数据进行数据同步，得到编码数据序列是指根据不同时间间隙同步所述传输数据中不同的数据信号，以此恢复原始编码数据。
[0085]
具体地，所述编码数据序列是由多个编码数据构成的数据序列，可以利用tdm解码或二进制解码等解码算法对所述编码数据序列进行解码，得到解码数据序列。
[0086]
具体地，所述利用所述门禁终端的摄像设备采集所述用户的眼部图集是指利用所述门禁终端提示用户将眼部贴近摄像设备，利用摄像设备对所述用户的眼部进行多次拍摄，并将每次拍摄得到的眼部图片汇集成眼部图集，所述利用所述门禁终端的录音设备采集所述用户的语音数据，是指利用所述门禁终端提示用户进行语音确认，对用户的语音进
行录音得到语音数据。
[0087]
本发明实施例中，通过利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，可以采集用户持有的校园门禁卡内存储的用户信息数据，通过利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据，可以实时采集用户的生物数据，从而方便后续的身份检测。
[0088]
s2、依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征。
[0089]
本发明实施例中，所述增强瞳孔图集是由多个增强瞳孔图片组成的图片集，每个所述增强瞳孔图片包含了一次摄像采集的用户瞳孔区域的图片。
[0090]
本发明实施例中，所述依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，包括：
[0091]
逐个选取所述眼部图集中的眼部图片作为目标眼部图片，提取出所述目标眼部图片的初级眼部特征；
[0092]
根据所述初级眼部特征对所述目标眼部图片进行瞳孔定位，得到目标瞳孔图块；
[0093]
对所述目标瞳孔图块进行边缘侵蚀操作，得到目标瞳孔边缘，对所述目标瞳孔边缘进行圆形拟合，得到标准瞳孔边缘；
[0094]
根据所述标准瞳孔边缘生成标准瞳孔掩膜，根据所述标准瞳孔掩膜对所述目标眼部图片进行掩膜操作，得到初级瞳孔图片；
[0095]
对所述初级瞳孔图片进行图片灰度化操作，得到灰度瞳孔图片；
[0096]
生成所述灰度瞳孔图片的灰度直方图，根据所述灰度直方图对所述灰度瞳孔图片进行图片增强，得到增强瞳孔图片，并将所有的增强瞳孔图片汇集成增强瞳孔图集。
[0097]
具体地，所述提取出所述目标眼部图片的初级眼部特征是指利用预先训练的卷积神经网络对所述目标眼部图片进行多级卷积，得到初级眼部特征，所述根据所述初级眼部特征对所述目标眼部图片进行瞳孔定位，得到目标瞳孔图块是指根据所述初级眼部特征在所述目标眼部图片中匹配出区块特征点，并将所述区块特征点围成的图块作为目标瞳孔图块。
[0098]
详细地，可以利用canny算子或sobel算子对所述目标瞳孔图块进行边缘侵蚀操作，得到目标瞳孔边缘，可以利用最小二乘法对所述目标瞳孔边缘进行圆形拟合，得到标准瞳孔边缘。
[0099]
详细地，所述灰度直方图是描述图片中每种灰度级像素个数分布频率的图形，可以利用全局直方图均衡算法或局部直方图均衡算法根据所述灰度直方图对所述灰度瞳孔图片进行图片增强，得到增强瞳孔图片。
[0100]
详细地，参照图3所示，所述对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，包括：
[0101]
s31、逐一选取所述增强瞳孔图集中的增强瞳孔图片作为目标增强瞳孔图片，对所述目标增强瞳孔图片进行尺寸拉伸操作，得到标准瞳孔图片；
[0102]
s32、提取出所述标准瞳孔图片的瞳孔位置特征，根据所述瞳孔位置特征对所述标准瞳孔图片进行倾斜矫正操作，得到矫正瞳孔图片；
[0103]
s33、自上而下对所述矫正瞳孔图片进行图片分块操作，得到初始瞳孔图块序列，将所有的初始瞳孔图块序列汇集成初始瞳孔图块序列组；
[0104]
s34、根据图块序号对所述初始瞳孔图块序列组中的各个瞳孔图块进行分组，得到多个瞳孔图组，并按照所述图块序号的顺序将所有的瞳孔图组汇集成瞳孔图组序列。
[0105]
详细地，所述对所述目标增强瞳孔图片进行尺寸拉伸操作，得到标准瞳孔图片是指将每个目标增强瞳孔图片的图片尺寸大小比例拉伸到统一尺寸，可以利用基于大量标注了瞳孔特征位置的瞳孔图片训练后神经网络的提取出所述标准瞳孔图片的瞳孔位置特征，所述根据所述瞳孔位置特征确定出所述标准瞳孔图片的倾斜角度，并根据所述倾斜角度对所述标准瞳孔图片进行倾斜矫正操作，得到矫正瞳孔图片是指根据所述瞳孔位置特征将每个所述标准瞳孔图片旋转到同一方向角度，从而确保后续图块分序后的各个瞳孔图组为同一位置上的瞳孔图片。
[0106]
具体地，所述根据图块序号对所述初始瞳孔图块序列组中的各个瞳孔图块进行分组，得到多个瞳孔图组是指将所述初始瞳孔图块序列组中的每个初始瞳孔图块序列中的瞳孔图块按照图块序号进行重新组合，使得每个瞳孔图组中的各个瞳孔图块的图块序号相同。
[0107]
具体地，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：
[0108]
逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；
[0109]
利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：
[0110][0111]
其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；
[0112]
将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征。
[0113]
详细地，通过利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征可以产生同样尺寸的纹理特征，从而方便后续的特征融合拼接操作，同时也可以对虹膜中不同方向和角度的纹理特征进行识别，提高标准瞳孔特征的表征性，可以利用加权求和算法或深度融合算法将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征。
[0114]
详细地，所述将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，包括：
[0115]
对所述目标瞳孔图组中所有的目标初级瞳孔特征进行特征聚类，得到初级瞳孔特征类集；
[0116]
逐个选取所述初级瞳孔特征类集的初级瞳孔特征类作为目标初级瞳孔特征类，将所述目标初级瞳孔特征类的聚类中心作为目标瞳孔中心特征；
[0117]
将所述目标瞳孔特征类的特征总数作为所述目标瞳孔中心特征的权重，得到加权瞳孔中心特征；
[0118]
对所有的加权瞳孔中心特征进行加权池化操作，得到目标次级瞳孔特征。
[0119]
详细地，可以利用k近邻算法或均值漂移聚类算法对所述目标瞳孔图组中所有的目标初级瞳孔特征进行特征聚类，得到初级瞳孔特征类集。
[0120]
本发明实施例中，通过依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，可以减少图片噪声以及亮斑造成的细节损失，通过对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，可以从不同的角度和方向提取出瞳孔虹膜不同区块不同角度的纹理特征，从而提高身份检测的准确性。
[0121]
s3、依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征。
[0122]
本发明实施例中，所述语音频域数据是指语音信号在频域上展开的数据，通过将所述语音数据转化成所述语音频域数据，可以方便语音特征的提取。
[0123]
本发明实施例中，所述依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，包括：
[0124]
生成所述语音数据的语音列信号，对所述语音数据进行音频采样，得到语音信号数据；
[0125]
根据所述语音列信号对所述根据语音信号数据进行语音纠偏，得到纠偏语音信号；
[0126]
按照预设的分帧帧长对所述纠偏语音信号进行语音分帧，得到分帧语音信号；
[0127]
对所述分帧语音信号进行语音加窗操作，得到加窗语音信号；
[0128]
对所述加窗语音信号进行快速傅里叶滤波，得到语音频域数据。
[0129]
详细地，可以利用matlab生成所述语音数据的语音列信号，可以按照预设的采样频率对所述语音数据进行音频采样，得到语音信号数据，可以利用filterdesigner纠偏器根据所述语音列信号对所述根据语音信号数据进行语音纠偏，得到纠偏语音信号。
[0130]
具体地，可以利用汉明窗或布兰克曼窗(blackman窗)对所述分帧语音信号进行语音加窗操作，得到加窗语音信号.
[0131]
具体地，所述对所述语音频域数据进行多级频域特征提取，得到标准语音特征，包括：
[0132]
依次计算出所述语音频域数据的短时能量以及所述语音频域数据的；
[0133]
对所述语音频域数据进行离散余弦变换，得到倒谱系数；
[0134]
对所述语音频域数据进行线性预测，得到线性预测编码；
[0135]
将所述短时能量、所述短时平均过零率、所述倒谱系数以及所述线性预测编码汇集成标准语音特征。
[0136]
具体地，可以利用短时能量(short-time energy，简称ste)算法计算出所述语音频域数据的短时能量，可以利用短时平均过零率(short-time zero crossing rate，简称szcr)算法计算出所述语音频域数据的所述语音频域数据的，所述倒谱系数可以是梅尔频率倒谱系数(mel-frequency cepstral coefficients，简称mfcc)。
[0137]
详细地，所述对所述语音频域数据进行线性预测，得到线性预测编码，包括：
[0138]
对所述语音频域数据进行自相关计算，得到自相关系数组；
[0139]
根据所述自相关系数组计算出所述语音频域数据的线性预测系数；
[0140]
依次对所述线性预测系数进行量化和编码操作，得到线性预测编码。
[0141]
可以根据levinson-durbin递推算法和所述自相关系数组计算出所述语音频域数据的线性预测系数，可以利用vq或lsp等算法依次对所述线性预测系数进行量化和编码操作，得到线性预测编码。
[0142]
本发明实施例中，通过依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，可以去除音频噪声，保留音频细节，通过对所述语音频域数据进行多级频域特征提取，得到标准语音特征，可以提取用户语音的多维特征，进而提高后续身份智能检测的准确率。
[0143]
s4、利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码。
[0144]
本发明实施例中，所述融合身份特征是由用户的虹膜特征以及语音特征融合成的用于确定用户身份唯一性的生物特征。
[0145]
本发明实施例中，所述利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，包括：
[0146]
对所述标准瞳孔特征进行全局降采样操作，得到降维瞳孔特征；
[0147]
对所述标准语音特征进行全局降采样操作，得到降维语音特征；
[0148]
利用如下的加权融合算法对所述降维瞳孔特征和所述降维语音特征进行特征融合，得到融合身份特征：
[0149][0150]
其中，f(a,b)是指由所述降维瞳孔特征a和所述降维语音特征b融合得到的融合身份特征f，a是指所述降维瞳孔特征，b是指所述降维语音特征，f是指所述融合身份特征，是指所述降维瞳孔特征的权重矩阵，w是权重符号，t是矩阵的维度符号，e是指欧拉数，wb是指所述降维语音特征的权重，
⊙
是逐元素相乘符号，pb是所述降维语音特征的偏置系数，pa是所述降维瞳孔特征的偏置系数。
[0151]
本发明实施例中，通过利用所述加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，可以结合自注意力算法实现特征融合，从而在保持特征的内部相关性的同时实现特征融合。
[0152]
详细地可以利用sigmoid归一化算法或softmax归一化算法将所述融合身份特征归一化成识别用户编码。
[0153]
本发明实施例中，通过利用预设的加权融合算法将所述标准瞳孔特征和所述标准
语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码，可以降低所述标准瞳孔特征和所述标准语音特征的特征维度，并保留特征的分布关联性，从而提高后续身份检测的效率。
[0154]
s5、从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。
[0155]
本发明实施例中，所述用户门禁编码是指所述用户持有的校园门禁卡的唯一编号，所述用户特征库是包含每个用户预先录入的用户特征编码的特征库。
[0156]
详细地，所述用户特征编码是用户过去录入的识别用户编码，所述根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测是指判断所述识别用户编码和所述用户特征编码之间差值是否大于预设的差值阈值，若是，则用户身份验证失败，若否，则用户身份验证成功。
[0157]
本发明实施例中，通过从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测，可以降低所述校园门禁卡内部存储的数据大小，节省存储空间，同时通过实时获取云服务器端的用户特征编码库中的用户特征编码，可以方便对用户特征进行实时更新，同时通过编码距离进行身份识别，提高了身份检测的准确率。
[0158]
本发明实施例通过利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，可以采集用户持有的校园门禁卡内存储的用户信息数据，通过利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据，可以实时采集用户的生物数据，从而方便后续的身份检测，通过依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，可以减少图片噪声以及亮斑造成的细节损失，通过对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，可以从不同的角度和方向提取出瞳孔虹膜不同区块不同角度的纹理特征，从而提高身份检测的准确性，通过依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，可以去除音频噪声，保留音频细节，通过对所述语音频域数据进行多级频域特征提取，得到标准语音特征，可以提取用户语音的多维特征，进而提高后续身份智能检测的准确率。
[0159]
通过利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码，可以降低所述标准瞳孔特征和所述标准语音特征的特征维度，并保留特征的分布关联性，从而提高后续身份检测的效率，通过从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测，可以降低所述校园门禁卡内部存储的数据大小，节省存储空间，同时通过实时获取云服务器端的用户特征编码库中的用户特征编码，可以方便对用户特征进行实时更新，同时通过编码距离进行身份识别，提高了身份检测的准确率。因此本发明提出的基于门禁通信芯片的用户身份智能检测方法，可以解决进行用户身份识别时的准确度较低的问题。
[0160]
如图4所示，是本发明一实施例提供的基于门禁通信芯片的用户身份智能检测装置的功能模块图。
[0161]
本发明所述基于门禁通信芯片的用户身份智能检测装置100可以安装于电子设备中。根据实现的功能，所述基于门禁通信芯片的用户身份智能检测装置100可以包括数据采集模块101、瞳孔特征提取模块102、音频特征提取模块103、特征融合模块104及身份识别模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0162]
在本实施例中，关于各模块/单元的功能如下：
[0163]
所述数据采集模块101，用于利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据；
[0164]
所述瞳孔特征提取模块102，用于依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，其中，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：
[0165][0166]
其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征；
[0167]
所述音频特征提取模块103，用于依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征；
[0168]
所述特征融合模块104，用于利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码；
[0169]
所述身份识别模块105，用于从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。
[0170]
详细地，本发明实施例中所述基于门禁通信芯片的用户身份智能检测装置100中
所述的各模块在使用时采用与上述图1至图3中所述的基于门禁通信芯片的用户身份智能检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0171]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0172]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0173]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0174]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0175]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0176]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0177]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于门禁通信芯片的用户身份智能检测方法，其特征在于，所述方法包括：s1：利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据；s2：依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，其中，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：s21：逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；s22：利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；s23：将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征；s3：依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征；s4：利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码；s5：从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。2.如权利要求1所述的用户身份智能检测方法，其特征在于，所述利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，包括：利用门禁终端的读卡设备向用户的校园门禁卡发送激活信号，得到激活门禁卡；利用所述读卡设备向所述激活门禁卡发送数据请求，获取所述校园门禁卡针对所述数据请求的传输数据；从所述传输数据中提取出时间间隙，根据所述时间间隙对所述传输数据进行数据同步，得到编码数据序列；对所述编码数据序列进行解码，得到解码数据序列，将所述解码数据序列拼接成标准用户信息。
3.如权利要求1所述的用户身份智能检测方法，其特征在于，所述依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，包括：逐个选取所述眼部图集中的眼部图片作为目标眼部图片，提取出所述目标眼部图片的初级眼部特征；根据所述初级眼部特征对所述目标眼部图片进行瞳孔定位，得到目标瞳孔图块；对所述目标瞳孔图块进行边缘侵蚀操作，得到目标瞳孔边缘，对所述目标瞳孔边缘进行圆形拟合，得到标准瞳孔边缘；根据所述标准瞳孔边缘生成标准瞳孔掩膜，根据所述标准瞳孔掩膜对所述目标眼部图片进行掩膜操作，得到初级瞳孔图片；对所述初级瞳孔图片进行图片灰度化操作，得到灰度瞳孔图片；生成所述灰度瞳孔图片的灰度直方图，根据所述灰度直方图对所述灰度瞳孔图片进行图片增强，得到增强瞳孔图片，并将所有的增强瞳孔图片汇集成增强瞳孔图集。4.如权利要求1所述的用户身份智能检测方法，其特征在于，所述对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，包括：逐一选取所述增强瞳孔图集中的增强瞳孔图片作为目标增强瞳孔图片，对所述目标增强瞳孔图片进行尺寸拉伸操作，得到标准瞳孔图片；提取出所述标准瞳孔图片的瞳孔位置特征，根据所述瞳孔位置特征对所述标准瞳孔图片进行倾斜矫正操作，得到矫正瞳孔图片；自上而下对所述矫正瞳孔图片进行图片分块操作，得到初始瞳孔图块序列，将所有的初始瞳孔图块序列汇集成初始瞳孔图块序列组；根据图块序号对所述初始瞳孔图块序列组中的各个瞳孔图块进行分组，得到多个瞳孔图组，并按照所述图块序号的顺序将所有的瞳孔图组汇集成瞳孔图组序列。5.如权利要求1所述的用户身份智能检测方法，其特征在于，所述将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，包括：对所述目标瞳孔图组中所有的目标初级瞳孔特征进行特征聚类，得到初级瞳孔特征类集；逐个选取所述初级瞳孔特征类集的初级瞳孔特征类作为目标初级瞳孔特征类，将所述目标初级瞳孔特征类的聚类中心作为目标瞳孔中心特征；将所述目标瞳孔特征类的特征总数作为所述目标瞳孔中心特征的权重，得到加权瞳孔中心特征；对所有的加权瞳孔中心特征进行加权池化操作，得到目标次级瞳孔特征。6.如权利要求1所述的用户身份智能检测方法，其特征在于，所述依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，包括：生成所述语音数据的语音列信号，对所述语音数据进行音频采样，得到语音信号数据；根据所述语音列信号对所述根据语音信号数据进行语音纠偏，得到纠偏语音信号；按照预设的分帧帧长对所述纠偏语音信号进行语音分帧，得到分帧语音信号；对所述分帧语音信号进行语音加窗操作，得到加窗语音信号；对所述加窗语音信号进行快速傅里叶滤波，得到语音频域数据。7.如权利要求1所述的用户身份智能检测方法，其特征在于，所述对所述语音频域数据
进行多级频域特征提取，得到标准语音特征，包括：依次计算出所述语音频域数据的短时能量以及所述语音频域数据的；对所述语音频域数据进行离散余弦变换，得到倒谱系数；对所述语音频域数据进行线性预测，得到线性预测编码；将所述短时能量、所述短时平均过零率、所述倒谱系数以及所述线性预测编码汇集成标准语音特征。8.如权利要求7所述的用户身份智能检测方法，其特征在于，所述对所述语音频域数据进行线性预测，得到线性预测编码，包括：对所述语音频域数据进行自相关计算，得到自相关系数组；根据所述自相关系数组计算出所述语音频域数据的线性预测系数；依次对所述线性预测系数进行量化和编码操作，得到线性预测编码。9.如权利要求1所述的用户身份智能检测方法，其特征在于，所述利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，包括：对所述标准瞳孔特征进行全局降采样操作，得到降维瞳孔特征；对所述标准语音特征进行全局降采样操作，得到降维语音特征；利用如下的加权融合算法对所述降维瞳孔特征和所述降维语音特征进行特征融合，得到融合身份特征：其中，fa,b是指由所述降维瞳孔特征a和所述降维语音特征b融合得到的融合身份特征f，a是指所述降维瞳孔特征，b是指所述降维语音特征，f是指所述融合身份特征，是指所述降维瞳孔特征的权重矩阵，w是权重符号，t是矩阵的维度符号，e是指欧拉数，w
b
是指所述降维语音特征的权重，
⊙
是逐元素相乘符号，p
b
是所述降维语音特征的偏置系数，p
a
是所述降维瞳孔特征的偏置系数。10.一种基于门禁通信芯片的用户身份智能检测装置，其特征在于，所述装置包括：数据采集模块，用于利用门禁终端的读卡设备读取用户的校园门禁卡的标准用户信息，利用所述门禁终端的摄像设备采集所述用户的眼部图集，利用所述门禁终端的录音设备采集所述用户的语音数据；瞳孔特征提取模块，用于依次对所述眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，对所述增强瞳孔图集进行图块分序操作，得到瞳孔图组序列，利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，其中，所述利用二维方向滤波算法从所述瞳孔图组序列中提取出标准瞳孔特征，包括：逐个选取所述瞳孔图组序列中的瞳孔图组作为目标瞳孔图组，逐个选取所述目标瞳孔图组中的瞳孔图块作为目标瞳孔图块；利用如下的二维方向滤波算法对所述目标瞳孔图块进行纹理滤波，得到目标初级瞳孔特征：其中，g(x,y)是指以所述目标瞳孔图块中的坐标为(x,y)的像素为滤波卷积核中心进
行滤波得到的目标初级瞳孔特征，x是所述滤波卷积和中心的像素的横坐标，y是所述滤波卷积和中心的像素的纵坐标，g是指所述目标初级瞳孔特征，e是指欧拉数，cos为余弦函数，θ是所述二维方向滤波算法的滤波方向，sin是正弦函数，γ是指所述目标瞳孔图块的纵横比，σ是指所述二维方向滤波算法的滤波尺度，π是圆周率，λ是指所述二维方向滤波算法的滤波波长，是指所述二维方向滤波算法的滤波相位；将所述目标瞳孔图组中所有的目标初级瞳孔特征融合成目标次级瞳孔特征，将所述瞳孔图组序列中所有的目标次级瞳孔特征拼接成标准瞳孔特征；音频特征提取模块，用于依次对所述语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，对所述语音频域数据进行多级频域特征提取，得到标准语音特征；特征融合模块，用于利用预设的加权融合算法将所述标准瞳孔特征和所述标准语音特征进行特征融合，得到融合身份特征，并将所述融合身份特征归一化成识别用户编码；身份识别模块，用于从所述标准用户信息中提取出用户门禁编码，从预设的用户特征编码库中查询出所述用户门禁编码对应的用户特征编码，根据所述识别用户编码和所述用户特征编码之间的编码距离对所述用户进行身份检测。

技术总结
本发明涉及身份识别技术领域，揭露了一种基于门禁通信芯片的用户身份智能检测方法及装置，包括：读取用户的校园门禁卡的标准用户信息，采集用户的眼部图集和语音数据；依次对眼部图集进行瞳孔检测、瞳孔分割以及图片增强操作，得到增强瞳孔图集，提取出增强瞳孔图集对应的标准瞳孔特征；依次对语音数据进行音频采样、音频分帧以及频域滤波操作，得到语音频域数据，提取出语音频域数据的标准语音特征；将标准瞳孔特征和标准语音特征融合成识别用户编码；从标准用户信息中提取出用户特征编码，根据识别用户编码和用户特征编码对用户进行身份检测。本发明可以提高用户身份识别的准确率。确率。确率。


技术研发人员：郑咏希 陶俊清
受保护的技术使用者：深圳和能交通科技有限公司
技术研发日：2023.04.25
技术公布日：2023/7/25