本發明涉及儲物柜，具體是一種基于人臉識別的景區儲物柜管理系統及方法。
背景技術：
1、人臉識別儲物柜是一種智能化的存物解決方案，利用先進的人臉識別技術來實現物品的安全存取；它不僅提高了存儲過程的便利性，還增強了存物的安全性，逐漸在各類場合得到應用；
2、盡管相較于傳統識別方法有著快速存取、不依賴于識別物件等的優點，但是同樣產生了新的問題，例如：在對人臉進行識別時，會受到各種因素的干擾包括但不限于光線照射、人員面部裝飾遮擋，導致人臉識別失敗，而一旦識別失敗，則可能會一直失敗，影響用戶的存取效率和情緒，大幅降低用戶對儲物柜的信任。
技術實現思路
1、本發明的目的在于提供一種基于人臉識別的景區儲物柜管理系統及方法，以解決現有技術中提出的問題。
2、為實現上述目的，本發明提供如下技術方案：一種基于人臉識別的景區儲物柜管理方法，管理方法包括以下步驟：
3、步驟s100：在景區儲物柜中建立人臉識別管理系統，對景區儲物柜每一次人臉識別過程進行記錄，得到若干條識別記錄；基于人臉識別過程中進行的面部特征比對情況，計算得到各條識別記錄的相似度，確定判斷人臉識別是否成功的相似度閾值；識別記錄中存儲有時間戳、用戶錄入的面部特征集合、當前捕捉到的用戶面部圖像、識別結果、匹配度等信息；
4、步驟s200：根據人臉識別管理系統中存儲的各用戶的面部特征，生成各用戶的識別日志；對任意識別日志中各條識別記錄進行異常劃分；通過比較各條識別記錄之間的差異情況，對所述識別日志的差異特征進行提取；識別日志中包含有用戶錄入的面部特征集合相同的所有識別記錄；
5、步驟s300：分析各個識別日志中差異特征的發生頻率，對各差異特征進行劃分；比較各識別日志中各條識別記錄之間的差異特征和相似度評估情況，得到各差異特征對人臉識別的影響程度；
6、步驟s400：每當用戶進行人臉識別時生成一條識別記錄并進行相似度評估，若得到的相似度低于相似度閾值，則對用戶關于各差異特征的相關信息進行捕捉，得到用戶所滿足的若干個差異特征；按照所述若干個差異特征的影響程度對相似度進行調整，若調整后的相似度高于相似度閾值，則對用戶提供調整建議并進行再次識別。
7、進一步的，步驟s100包括以下步驟：
8、步驟s101：對用戶第一次使用景區儲物柜時錄入的用戶面部圖像進行特征提取，得到用戶的面部特征集合并存儲到人臉識別管理系統中；任意選取一條識別記錄，將所述識別記錄中捕捉到的用戶面部圖像與預先存儲的面部特征集合進行特征比對，得到所述識別記錄的相似度s；
9、步驟s102：獲取各條識別記錄中記錄的識別結果，對識別失敗的識別記錄進行異常特征標記；按照是否存在異常特征標記對所有識別記錄進行劃分，得到正常記錄集和異常記錄集；
10、步驟s103：分別獲取正常記錄集和異常記錄集中各條識別記錄的相似度，提取所述正常記錄集中數值最小的正常相似閾值(s1)min和所述異常記錄集中數值最大的異常相似閾值(s2)max；若(s1)min≤(s2)max，則將正常相似閾值(s1)min作為判斷人臉識別是否成功的相似度閾值，若(s1)min＞(s2)max，則將異常相似閾值(s2)max作為判斷人臉識別是否成功的相似度閾值；正常記錄集的相似度得到的是識別成功的相似度范圍，異常記錄集的相似度得到是識別失敗的相似度范圍，從兩個相似度范圍之間取合適的值就能夠得到合理的相似度閾值去判斷人臉識別是否成功。
11、進一步的，步驟s200包括以下步驟：
12、步驟s201：獲取各條識別記錄中與用戶面部圖像進行特征比對的面部特征集合，若存在兩條識別記錄的面部特征集合相同，則將所述兩條識別記錄進行匯總，生成一個識別日志；對所有識別記錄的面部特征集合進行相互比較，生成各用戶所對應的識別日志；
13、步驟s202：任意選取一個識別日志，將所述識別日志中各條識別記錄進行劃分得到正常記錄集和異常記錄集；從兩個集合中各提取一條識別記錄，對兩條識別記錄中捕捉到的用戶面部圖像進行關鍵特征提取，分別得到所述兩條識別記錄的關鍵特征集合；
14、步驟s203：對各條識別記錄中存儲的面部特征集合預設若干種樣貌類型，分別將兩個關鍵特征集合中的關鍵特征與各種樣貌類型進行比對，確定每一個關鍵特征所對應的樣貌類型；將兩個關鍵特征集合對應的若干種樣貌類型進行匯總得到一個樣貌類型集合；樣貌特征包括有五官的形狀、有無佩戴裝飾等，例如一個用戶在錄入面部圖像時佩戴眼鏡，則可以將佩戴眼鏡作為用戶的一個樣貌特征；
15、步驟s204：從所述樣貌類型集合中任意選取一類樣貌類型，分別從兩個關鍵特征集合中選取所述樣貌類型對應的關鍵特征，對選取的兩個關鍵特征進行差異比對得到所述兩個關鍵特征之間的差異程度，設定一個差異程度閾值，若差異程度超過差異程度閾值，則將所述兩個關鍵特征所對應的樣貌類型設定為所述識別日志的一個差異特征；對所述識別日志中各條識別記錄進行差異比對，生成所述識別日志的差異特征集合。
16、進一步的，步驟s300包括以下步驟：
17、步驟s301：任意選取一個識別日志并提取所述識別日志的差異特征集合，從所述差異特征集合中任意選取一個差異特征，統計所述差異特征在第i個識別日志中的發生次數為ni，設定第i個識別日志中的識別記錄數量為mi；根據公式：
18、
19、其中，i和j為正整數，i∈(1,a)，j∈(1,a)，a為人臉識別管理系統中存儲的識別日志數量，mj為第j個識別日志中的識別記錄數量；計算得到所述差異特征的綜合發生頻率f’；綜合發生頻率反映的是一個差異特征在各條識別記錄中的發生頻率，用于后續與一條識別記錄中的發生頻率進行比較，得到在一個識別日志中發生頻率是否正常，有利于判斷差異特征的差異原因；
20、步驟s302：統計所述差異特征在各個識別日志中滿足ni≠0的日志數量為b，計算得到所述差異特征在所有識別日志中的發生占比為η＝a/b；預設一個發生占比閾值ηmax，若η≥ηmax，則將所述差異特征進行第一特征標記；若η＜ηmax，則得到所述差異特征在各個識別日志中的異常頻率判斷值為fp＝f’/η；獲取所述差異特征在第i個識別日志中的發生頻率為fi＝ni/mi，當滿足fi≥fp時，則將所述差異特征進行第二特征標記，當滿足fi＜fp時，則將所述差異特征進行第三特征標記；第一特征標記表示的景區儲物柜客觀存在的因素導致識別失敗，例如：光線照射、系統波動等；第二特征標記表示識別日志所對應用戶的主觀因素導致識別失敗，例如：用戶面部裝飾變化、面貌變化等；第三特征標記表示特殊情況下導致識別失敗；
21、步驟s303：從所述識別日志的差異特征集合中任意選取第k個差異特征，設定所述第k個差異特征的影響程度為xk；從所述識別日志中任意選取一條識別記錄，獲取所述識別記錄中各個差異特征所對應的特征標記，根據公式：
22、
23、其中，k1，k2和k3為正整數，且k1∈(1,c)，k2∈(1,c)，k3∈(1,c)；flagk1為第k1個差異特征所對應的特征標記，if()為判斷函數，if(flagk1＝1)為判斷第k1個差異特征是否存在第一特征標記，若存在第一特征標記，則if(flagk1＝1)＝1，否則，if(flagk1＝1)＝0；flagk2為第k2個差異特征所對應的特征標記，if(flagk2＝2)為判斷第k2個差異特征是否存在第二特征標記，若存在第二特征標記，則if(flagk2＝2)＝1，否則，if(flagk2＝2)＝0；flagk3為第k3個差異特征所對應的特征標記，if(flagk3＝3)為判斷第k3個差異特征是否存在第三特征標記，若存在第三特征標記，則if(flagk3＝3)＝1，否則，if(flagk3＝3)＝0；xk1為第k1個差異特征的影響程度，xk2為第k2個差異特征的影響程度，xk3為第k3個差異特征的影響程度；fk2為第k2個差異特征在所述識別日志中的發生頻率，ηk3為第k3個差異特征在所有識別日志中的發生占比；計算得到所述識別日志中，所有存在第一特征標記的差異特征的綜合影響程度y1，所有存在第二特征標記的差異特征的綜合影響程度y2和所有存在第三特征標記的差異特征的綜合影響程度y3；
24、由于差異特征劃分為三類，因此每一類差異特征的影響程度分析方式也存在差異，客觀存在的因素由于在各個識別日志中均存在問題，因此可以直接得到影響程度，而用戶主觀因素是各個識別日志中獨立存在的差異特征，因此需要再結合在識別日志中的發生頻率去分析影響程度，而特殊的差異特征由于發生概率較小，因此通過綜合發生頻率分析即可；
25、步驟s304：從所述識別日志的正常記錄集和異常記錄集中分別任意選取一條識別記錄，分別獲取選取的兩條識別記錄的相似度，根據公式：
26、
27、其中，s1為所述正常記錄集中所選取識別記錄的相似度，s2為所述異常記錄集中所選取識別記錄的相似度；
28、步驟s305：對所述識別日志中兩個記錄集之間任意兩條識別記錄之間的相似度差異情況進行獲取，確定影響程度xk1，xk2和xk3的值；其中，分別對存在第一特征標記和第二特征標記的各個差異特征的影響程度進行平均值計算，分別得到所述各個差異特征的平均影響程度。
29、進一步的，步驟s400包括以下步驟：
30、步驟s401：對當前用戶進行人臉識別，與人臉識別管理系統中存儲的用戶信息進行匹配，生成一條實時識別記錄，確定所述實時識別記錄所在的識別日志，并得到所述實時識別記錄的相似度為snow；
31、步驟s402：設定相似度閾值為s’，若snow＜s’，則基于預設的不同類別的屬性，對用戶人臉識別過程中產生的關鍵信息進行提取，得到各類屬性對應的關鍵信息；獲取所在識別日志的各條識別記錄中各類屬性對應的關鍵信息，按照屬性對兩組關鍵信息進行相似度比對，得到當前用戶所滿足的差異特征集合；
32、步驟s403：獲取所述差異特征集合中各個差異特征在所述識別日志中的影響程度，設定其中第d個差異特征的影響程度為xd，根據公式：
33、
34、其中，w為當前用戶所滿足的差異特征集合的差異特征數量；計算得到所述實時識別記錄進行調整后的相似度snew；若snew＞s’，則對用戶提供調整建議并進行再次識別；當第一次識別失敗時，可以通過分析用戶的面部特征去判斷是否存在若干特征影響到面部識別，若存在相應的特征，則可以通過對相應特征的影響進行排查，對用戶的面部識別結果進行調整，若調整后的相似度滿足條件，則說明用戶識別失敗的原因是受到一些因素的影響導致的，幫助用戶主動排查相關原因，并再次識別，保證識別效率。
35、為了更好地實現上述方法，還提出了一種基于人臉識別的景區儲物柜管理系統，管理系統包括人臉識別評估模塊、差異特征分析模塊、特征影響分析模塊、人臉識別實時分析模塊；
36、人臉識別評估模塊，用于在景區儲物柜中建立人臉識別管理系統，對景區儲物柜每一次人臉識別過程進行記錄，得到若干條識別記錄；基于人臉識別過程中進行的面部特征比對情況，計算得到各條識別記錄的相似度，確定判斷人臉識別是否成功的相似度閾值；
37、差異特征分析模塊，用于根據人臉識別管理系統中存儲的各用戶的面部特征，生成各用戶的識別日志；對任意識別日志中各條識別記錄進行異常劃分；通過比較各條識別記錄之間的差異情況，對所述識別日志的差異特征進行提取；
38、特征影響分析模塊，用于分析各個識別日志中差異特征的發生頻率，對各差異特征進行劃分；比較各識別日志中各條識別記錄之間的差異特征和相似度評估情況，得到各差異特征對人臉識別的影響程度；
39、人臉識別實時分析模塊，用于每當用戶進行人臉識別時生成一條識別記錄并進行相似度評估，若得到的相似度低于相似度閾值，則對用戶關于各差異特征的相關信息進行捕捉，得到用戶所滿足的若干個差異特征；按照所述若干個差異特征的影響程度對相似度進行調整，若調整后的相似度高于相似度閾值，則對用戶提供調整建議并進行再次識別。
40、進一步的，人臉識別評估模塊包括識別記錄構建單元和相似度評估單元；
41、識別記錄構建單元，用于在景區儲物柜中建立人臉識別管理系統，對景區儲物柜每一次人臉識別過程進行記錄，得到若干條識別記錄；相似度評估單元，用于基于人臉識別過程中進行的面部特征比對情況，計算得到各條識別記錄的相似度，確定判斷人臉識別是否成功的相似度閾值。
42、進一步的，差異特征分析模塊包括異常記錄劃分單元和差異特征提取單元；
43、異常記錄劃分單元，用于根據人臉識別管理系統中存儲的各用戶的面部特征，生成各用戶的識別日志；對任意識別日志中各條識別記錄進行異常劃分；差異特征提取單元，用于通過比較各條識別記錄之間的差異情況，對所述識別日志的差異特征進行提取。
44、進一步的，特征影響分析模塊包括差異特征劃分單元和影響程度分析單元；
45、差異特征劃分單元，用于分析各個識別日志中差異特征的發生頻率，對各差異特征進行劃分；影響程度分析單元，用于比較各識別日志中各條識別記錄之間的差異特征和相似度評估情況，得到各差異特征對人臉識別的影響程度。
46、進一步的，人臉識別實時分析模塊包括特征捕捉單元和調整建議提供單元；
47、特征捕捉單元，用于每當用戶進行人臉識別時生成一條識別記錄并進行相似度評估，若得到的相似度低于相似度閾值，則對用戶關于各差異特征的相關信息進行捕捉，得到用戶所滿足的若干個差異特征；調整建議提供單元，用于按照所述若干個差異特征的影響程度對相似度進行調整，若調整后的相似度高于相似度閾值，則對用戶提供調整建議并進行再次識別。
48、與現有技術相比，本發明的有益效果是：
49、1、本發明通過分析歷史識別記錄之間的差異性，幫助排查導致面部識別失敗的各個因素，能夠幫助用戶及時調整，避免識別失敗的頻繁發生，提高用戶的存取效率和存取情緒，提高用戶對儲物柜的信任；
50、2、本發明通過分析各個差異特征的影響程度，考慮到客觀差異特征和主觀差異特征之間的區別，并進行各自分析，得到各個差異特征對應的更為準確的影響程度，幫助后續對用戶的人臉識別的相似度進行有效分析，得到較為準確的相似度，提高用戶的識別效率；
51、3、本發明能夠在用戶第一次識別失敗時，主動幫助用戶分析識別失敗的原因，并對解決失敗原因后的相似度進行預測，若滿足識別成功的條件，則提醒用戶進行調整，幫助用戶在下一次識別時能夠提高識別成功的準確率，提高用戶的存取效率。