本发明涉及自动控制
技术领域：
，特别涉及一种确定门禁通行时间的方法及门禁系统。
背景技术：
：门禁系统主要用于管理和规范人员出入，应用场景较多，多集中于小区、地铁、机场或企事业园区的出入口等。目前，将门禁系统应用在出入口中，用户通行出入口时，门禁系统会对用户进行权限认证，认证通过后开启出入口，使用户顺利通行后关闭出入口。在这个过程中，门禁的开闭时间是固定的，但是用户的通行状态是复杂多变的，比如有时可能会携带大量的行李一起通行，这种情况下就会导致门禁系统所设置的门禁开闭时间不够，造成用户使用门禁的体验度很差。为了解决这个问题，可以针对不同的用户权限认证信息设置不同的门禁通行时间，当某一用户通行门禁时，认证通过后，采用用户权限认证信息对应的门禁通行时间，进行门禁的开闭。采用这种方式需要在门禁系统中针对不同的用户权限认证信息分别设置不同的门禁通行时间，比较繁琐且不容易实现。当然，用户在通行门禁时，如果需要花费时间比较长，也可以通过多次进行用户权限认证，多次使得门禁开闭，延长门禁通行的时间，但是采用这种方式，用户花费时间长，且用户的体验度也不好。技术实现要素：有鉴于此，本发明实施例提供一种确定门禁通行时间的方法，该方法能够准确确定门禁通行时间。本发明实施例还提供一种确定门禁通行时间的系统，该系统能够准确确定门禁通行时间。一种确定门禁通行时间的方法，所述方法包括：获取进入门禁识别范围内的用户图像；对所述用户图像中的人像信息及物像信息进行分离；根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。较佳地，所述方法还包括：根据人像信息对用户进行权限认证；所述权限认证通过后，根据所确定的当前门禁通行时间，开闭门禁。较佳地，所述基于所述当前物像占人像的比例确定门禁通行时间之前，还包括：根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。较佳地，所述基于所述当前物像占人像的比例确定门禁通行时间包括：获取门禁的当前人流量信息；将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。较佳地，所述将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间包括：所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通行时间，作为当前门禁通行时间。一种确定门禁通行时间的门禁系统，包括：图像采集单元及处理器，其中，图像采集单元，用于获取进入门禁识别范围内的用户图像；处理器，用于对所述用户图像中的人像信息及物像信息进行分离，以及用于根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。较佳地，所述处理器，还用于根据人像信息对用户进行权限认证；所述权限认证通过后，根据所确定的当前门禁通行时间，控制开闭门禁。较佳地，所述处理器，还用于根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。较佳地，所述处理器，还用于获取门禁的当前人流量信息；将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。较佳地，所述处理器，还用于所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通行时间，作为当前门禁通信时间。如上所见，本发明实施例获取进入门禁识别范围内的用户图像，对所述用户图像中的人像信息及物像信息进行分离，根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。更进一步地，在确定当前门禁通行时间时，还基于当前的当前人流量信息，使得所确定的门禁通行时间更准确。这样，就可以根据用户通行门禁时所需的占用时间，动态且准确的确定门禁通行时间。附图说明图1为本发明实施例提供的确定门禁通行时间的方法流程图；图2为本发明实施例提供的确定门禁通行时间的方法例子流程图；图3为本发明实施例提供的用户图像中的人像信息及物像信息进行分离过程一示意图；图4为本发明实施例提供的用户图像中的人像信息及物像信息进行分离过程二示意图；图5为本发明实施例提供的确定门禁通行时间的门禁系统结构示意图。具体实施方式为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。从
背景技术：
可以看出，在用户通行门禁时，门禁的开闭时间长度是根据设定的门禁通行时间确定的，而与用户当前的通行状态无关。当用户携带大量行李时，无法在设定的门禁通行时间通过时，就需要进行多次进行用户权限认证，多次使得门禁开闭，或者预先设置针对不同的用户权限认证信息设置不同的门禁通行时间，根据用户权限认证信息对应的门禁通行时间进行通行，比较繁琐且不容易实现，用户体验度不好。更进一步地，
背景技术：
提出的门禁的开闭时间长度也与当前人流量信息无关，如果当前人流量较大时，快速通行是需要考虑的，这时就需要设置的门禁的开闭时间长度减小，如果当前人流量较小时，则增加用户体验度是需要考虑的，这时就需要设置的门禁的开闭时间长度增大，但是，由于
背景技术：
提出的门禁的开闭时间长度是根据设定的门禁通行时间确定的，所以无法动态调整。因此，为了克服上述问题，本发明实施例获取进入门禁识别范围内的用户图像，对所述用户图像中的人像信息及物像信息进行分离，根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。更进一步地，在确定当前门禁通行时间时，还基于当前的当前人流量信息，使得所确定的门禁通行时间更准确。这样，本发明实施例就可以根据用户通行门禁时所需的占用时间，动态且准确的确定门禁通行时间。本发明实施例提供的方法是由门禁系统控制实现的，门禁系统集成在控制门禁开闭的门禁设备中，比如具有人脸识别功能的门禁设备中。图1为本发明实施例提供的确定门禁通行时间的方法流程图，其具体步骤包括：步骤101、获取进入门禁识别范围内的用户图像；步骤102、对所述用户图像中的人像信息及物像信息进行分离；步骤103、根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。在该方法中，门禁识别范围对于不同的门禁系统设置不同，根据门禁系统的识别性能设置的，可以根据应用场景需要动态调整。所述方法还包括：根据人像信息对用户进行权限认证；所述权限认证通过后，根据所确定的当前门禁通行时间，开闭门禁。也就是说，要通行门禁，还需要对用户进行权限认证，权限认证通后，才能通行。对用户进行权限认证可以采用上述的对人像信息进行认证，也可以采用其他方式进行，这里不限制。在该方法中，对所述用户图像中的人像信息及物像信息进行分离是根据设定的算法进行的。在该方法中，所述基于所述当前物像占人像的比例确定门禁通行时间之前，还包括：根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。也就是说，门禁系统为了简化用户通行过程，如果判断出用户携带行李很少或当前人流量少时，即当前物像占人像的比例小，则会直接按照设定的门禁通行时间进行通行，而无需再采用复杂的门禁通行时间计算神经网络进行计算，确定。在该方法中，所述基于所述当物像占人像的比例确定门禁通行时间包括：获取门禁的当前人流量信息；将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。在这里，确定门禁通行时间不仅仅与所述当物像占人像的比例有关，还与当前人流量信息有关，使得得到门禁通行时间更准确。本发明实施例为了使得得到的门禁通行时间更准确，采用了训练得到的门禁通行时间计算神经网络，具体包括：所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通信时间，作为当前门禁通信时间。举一个具体例子说明本发明实施例。图2为本发明实施例提供的确定门禁通行时间的方法例子流程图，其具体步骤包括：步骤201、用户进入到门禁系统的门禁识别范围内，门禁系统中的摄像头动态抓取到用户图像；步骤202、门禁系统对抓取的用户图像进行分析；步骤203、门禁系统判断用户图像中是否是单纯的人像信息，如果是，则执行步骤205，如果否，则执行步骤204；步骤204、用户图像有人像信息及物像信息，门禁系统将人像信息及物像信息进行分离后，执行步骤205及步骤209；步骤205、门禁系统对人像信息进行识别；步骤206、门禁系统对识别到的人像信息进行权限认证；步骤207、门禁系统根据权限认证的结果确定用户是否有通行权限，如果否，则执行步骤208，如果是，则执行步骤211；步骤208、门禁系统控制门禁不响应，不允许用户通行；步骤209、门禁系统对物像信息进行识别；步骤210、门禁系统根据人像信息及物像信息计算得到物像占人像的比例；步骤211、门禁系统根据计算得到物像占人像的比例和当前的人流量信息，判断是否是复杂通行状态，如果否，执行步骤212，如果是，执行步骤213；在本步骤中，判断是否是复杂通行状态，不仅仅根据物像占人像的比例，还根据了当前的人流量信息判定，是物像占人像的比例与当前的人流量信息的两个因素决定的；在本步骤中，当前的人流量信息是门禁系统监测得到的；步骤212、门禁系统将设定的门禁通行时间确定为所述当前门禁通行时间，开闭门禁，使得正常的通行时间；步骤213、门禁系统基于所述当前物像占人像的比例和当前的人流量信息确定当前门禁通行时间，控制开闭；在本步骤中，门禁系统基于所述当前物像占人像的比例和当前的人流量信息确定当前门禁通行时间具体包括：步骤2131、门禁系统监测得到人流量信息；步骤2132、门禁系统将所述当前人流量信息及物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。在该例子中，门禁系统将人像信息及物像信息进行分离可以采用多种方式进行，比如图3所示，图3为本发明实施例提供的用户图像中的人像信息及物像信息进行分离过程一示意图，如果用户图像中的人像信息和物像信息轮廓区分明显，没有重叠，则可以使用设置的分割算法进行边缘检测，进行用户图像中的人像信息及物像信息进行分离。图4为本发明实施例提供的用户图像中的人像信息及物像信息进行分离过程二示意图，如果用户图像中的人像信息和物像信息轮廓发生重叠时，此时为复杂图像，利用设置的分割算法中的复杂图像处理功能，分离图像。在该例子中，门禁系统监测得到人流量信息有多种方式，其中一种方式采用wifi探针方式。具体地说，当采用wifi探针方式时，用户使用的终端进入wifi探针信号覆盖区域内且wifi设备打开，那么用户使用的终端就能被wifi探针探测出来，并且获取用户使用终端的mac地址。在该例子中，在门禁系统中设置wifi探针模块，对进入门禁系统的门禁识别范围内的用户所使用的终端进行识别，即可侦测门禁系统的门禁识别范围内的用户使用的终端的mac信息，该信息对应人流量信息，从而获取到人流量信息，这是本例子中的门禁通行时间计算神经网络的重要输入参数。当然，也可以采用其他方式获取人流量信息，这里不限制。本发明实施例的门禁通行时间计算神经网络是训练得到的，具体训练过程包括：第一步骤，设置负重等级，将负重等级分为m个等级，比如分为5个等级，每个等级对应着一个物像占人像的比例、人流量及通行时间，如表1所示：将负重情况分为m个等级，比如分为5个等级，每个等级对应着一个物像占比和通行时间。负重等级物像占人像的比例人流量信息通行时间1级10％x1y12级30％x2y23级40％x3y34级60％x4y45级90％x5y5表一第二步骤，采集数据，设置上述环境条件进行实验，获取不同负重等级以及不同人流量下的用户图像，并设置各种负重等级下的门禁通行时间的初始值，其中物像占人像的比例和人流量信息作为门禁通行时间计算神经网络的输入参数，门禁通行时间作为算法的输出参数。第三步骤，将获取的数据分为训练集和测试集，根据门禁通行时间计算神经网络的自学习性，通过训练集训练门禁通行时间计算神经网络，并用测试集衡量门禁通行时间计算神经网络的性能，在可接受的误差内，输出门禁通行时间可动态调整的门禁通行时间计算神经网络。在本发明实施例中，当门禁系统的综合通行状态为复杂通行状态才会调用门禁通行时间计算神经网络，根据当前的人流量信息及物像占人像的比例，可以将用户的门禁通行状态分为几种情况，也就是通行状态复杂的程度是按照物像占人像的比例及当前的人流量信息确定的，只要物像占人像的比例及当前的人流量信息其中一个达到某个值就是复杂通行状态，否则是简单通行状态，如表2所示，其中的m为人流量信息的划分级别：表2图5为本发明实施例提供的确定门禁通行时间的门禁系统结构示意图，该门禁系统可以继承在门禁设备中，比如人脸识别设备中，如图所示，包括：图像采集单元及处理器，其中，图像采集单元，用于获取进入门禁识别范围内的用户图像；处理器，用于对所述用户图像中的人像信息及物像信息进行分离，以及根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。在该系统中，所述处理器，还用于根据人像信息对用户进行权限认证；所述权限认证通过后，根据所确定的当前门禁通行时间，控制开闭门禁。在该系统中，所述处理器，还用于根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。在该系统中，所述处理器，还用于获取门禁的当前人流量信息；将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。在该系统中，所述处理器，还用于所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通行时间，作为当前门禁通行时间。可以看出，本发明实施例训练得到门禁通行时间计算神经网络，利用具有人脸识别功能的门禁设备中的摄像头的动态识别功能，当用户进入检测区域，就开始用户图像的采集，然后将人像信息和物像信息进行分离，用人像信息进行权限认证，物像占人像的比例、当前人流量信息和权限认证结果判断其综合通行状态，然后将物像占人像的比例和当前人流量信息新输入到门禁通行时间计算神经网络动态且准确的获取到门禁通行时间，从而智能控制门禁通行时间，使得具有上述功能的该门禁系统适用于小区、地铁、机场、企事业园区入口等多个使用场景，极大的提高了用户体验感。本发明实施例还提供一种计算机可读介质，所述计算机可读存储介质存储指令，所述指令在由处理器执行时可执行如上所述的确定门禁通行时间的方法的步骤。实际应用中，所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的，也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或多个程序被执行时，可以实现上述各实施例描述的所述的实现应用程序容器化的实现方法。根据本发明公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件，或者上述的任意合适的组合，但不用于限制本发明保护的范围。在本发明公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。本发明实施例还提供一种电子设备，其中可以集成本发明实施例实现方法的装置。具体来讲：该电子设备可以包括一个或一个以上处理核心的处理器、一个或一个以上计算机可读存储介质的存储器以及存储在存储器上并可在处理器上运行的计算机程序。在执行所述存储器的程序时，可以实现上述的确定门禁通行时间的方法。具体的，实际应用中，该电子设备还可以包括电源、输入单元、以及输出单元等部件。本领域技术人员可以理解，本发明实施例中的电子设备的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：处理器是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行服务器的各种功能和处理数据，从而对该电子设备进行整体监控。存储器可用于存储软件程序以及模块，即上述计算机可读存储介质。处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。该电子设备还包括给各个部件供电的电源，可以通过电源管理系统与处理器逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。该电子设备还可包括输入单元，该输入单元可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。该电子设备还可以包括输出单元，该输出单元可以用于显示由用户输入的信息或提供给用户的信息以及各种图像用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。当前第1页1 2 3
技术特征：1.一种确定门禁通行时间的方法，其特征在于，所述方法包括：
获取进入门禁识别范围内的用户图像；
对所述用户图像中的人像信息及物像信息进行分离；
根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据人像信息对用户进行权限认证；
所述权限认证通过后，根据所确定的当前门禁通行时间，开闭门禁。
3.如权利要求1所述的方法，其特征在于，所述基于所述当前物像占人像的比例确定门禁通行时间之前，还包括：
根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。
4.如权利要求1或3所述的方法，其特征在于，所述基于所述当前物像占人像的比例确定门禁通行时间包括：
获取门禁的当前人流量信息；
将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。
5.如权利要求4所述的方法，其特征在于，所述将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间包括：
所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；
确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通行时间，作为当前门禁通行时间。
6.一种确定门禁通行时间的门禁系统，其特征在于，包括：图像采集单元及处理器，其中，
图像采集单元，用于获取进入门禁识别范围内的用户图像；
处理器，用于对所述用户图像中的人像信息及物像信息进行分离，以及根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。
7.如权利要求6所述的门禁系统，其特征在于，
所述处理器，还用于根据人像信息对用户进行权限认证；所述权限认证通过后，根据所确定的当前门禁通行时间，控制开闭门禁。
8.如权利要求6所述的门禁系统，其特征在于，所述处理器，还用于根据所述当前物像占人像的比例和获取到的当前人流量信息判断是否为复杂通行状态，如果是，执行基于所述当前物像占人像的比例确定当前门禁通行时间的步骤，如果否，则将设定的门禁通行时间确定为所述当前门禁通行时间。
9.如权利要求6或8所述的门禁系统，其特征在于，所述处理器，还用于获取门禁的当前人流量信息；
将所述当前人流量信息及所述当前物像占人像的比例，输入到训练得到的门禁通行时间计算神经网络中，得到所述当前门禁通行时间。
10.如权利要求9所述的门禁系统，其特征在于，所述处理器，还用于所述门禁通行时间计算神经网络中包括至少一个负重等级，每个负重等级对应物像占人像的比例、人流量信息及门禁通行时间；
确定所述当前人流量信息及所述当前物像占人像的比例，对应的所述门禁通行时间计算神经网络中的负重等级后，将所确定的负重等级对应的门禁通行时间，作为当前门禁通信时间。
技术总结本发明实施例公开了一种确定门禁通行时间的方法及门禁系统，本发明实施例获取进入门禁识别范围内的用户图像，对所述用户图像中的人像信息及物像信息进行分离，根据人像信息及物像信息计算得到当前物像占人像的比例后，基于所述当前物像占人像的比例确定当前门禁通行时间。更进一步地，在确定当前门禁通行时间时，还可以基于当前的当前人流量信息，使得所确定的门禁通行时间更准确。这样，就可以根据用户通行门禁时所需的占用时间，动态且准确的确定门禁通行时间。
技术研发人员：钱金柱;康卫昌;程建
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：2020.11.27
技术公布日：2021.03.12
