本技术涉及智能识别领域，且更为具体地，涉及一种基于图片识别技术的智能闸机系统及方法。
背景技术：
1、闸机是一种自动化的门禁设备，广泛应用于各种需要控制人流出入的场所，如地铁站、火车站、机场、办公楼、住宅小区、景区等。随着科技的迅猛发展，尤其是在人工智能和大数据领域，安全和便捷的人流动管理变得至关重要，现代社会对于高效、智能化的门禁闸机系统的需求日益增长。
2、然而，传统人脸识别技术在多个方面存在局限性，例如未充分考虑年龄变化对面部特征的影响。具体地，随着年龄的增长，面部特征会发生显著变化，如皱纹、肤色和面部轮廓的变化，这使得传统算法难以准确识别经过时间变化后的人脸。此外，在实时性方面，传统算法通常计算复杂，处理速度较慢，尤其在人流密集的场合，识别延迟可能影响通行效率。这种局限性在公共交通等需要快速验证身份的场景中尤为明显，可能导致排队和拥堵，影响用户体验。
3、因此，需要一种优化的智能闸机方案。
技术实现思路
1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于图片识别技术的智能闸机系统及方法，其通过从身份证识别图像得到人脸参考图像和年龄信息，且由摄像头采集人脸检测图像，并采用基于深度学习的数据处理算法来对所述人脸参考图像和所述人脸检测图像进行人脸特征分析，对所述年龄信息进行信息编码，以此根据年龄信息辅助下得到的人脸参考修正特征和人脸检测特征之间计算差分得到的人脸对比特征来智能地判断是否身份匹配，并控制闸门开启指令。这样，可以显著提升跨年龄身份识别的准确性，同时得益于高效的算法进行数据处理，也提高了人脸识别的处理速度，进而确保了在公共交通等人流密集场合的高效通行。
2、根据本技术的一个方面，提供了一种基于图片识别技术的智能闸机系统，其包括：
3、人脸参考图像年龄信息获取模块，用于从身份证识别图像得到人脸参考图像和年龄信息；
4、人脸参考特征提取模块，用于将所述人脸参考图像输入人脸特征提取器以得到人脸参考特征图；
5、年龄信息独热编码模块，用于对所述年龄信息进行独热编码以得到年龄信息独热编码向量；
6、年龄信息-人脸参考特征联合编码模块，用于将所述年龄信息独热编码向量和所述人脸参考特征图输入基于模态辅助的异构transformer跨域联合编码器以得到年龄辅助人脸参考修正特征图；
7、人脸检测图像采集模块，用于获取由摄像头采集的人脸检测图像；
8、人脸检测特征提取模块，用于将所述人脸检测图像输入所述人脸特征提取器以得到人脸检测特征图；
9、人脸特征差分计算模块，用于计算所述人脸检测特征图与所述年龄辅助人脸参考修正特征图之间的差分特征图以得到人脸对比高维特征图作为人脸对比高维特征；
10、身份验证结果生成模块，用于基于所述人脸对比高维特征，得到身份验证结果，并基于所述身份验证结果，判断是否生成闸门开启指令。
11、在上述基于图片识别技术的智能闸机系统中，所述人脸参考特征提取模块，用于：将所述人脸参考图像输入基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸参考特征图。
12、在上述基于图片识别技术的智能闸机系统中，所述年龄信息-人脸参考特征联合编码模块，包括：年龄信息特征线性变换形状重塑单元，用于对所述年龄信息独热编码向量进行线性变换和特征形状重塑以得到年龄信息独热编码调制矩阵；人脸参考特征线性变换单元，用于对所述人脸参考特征图进行第一线性变换和第二线性变换以得到第一线性变换人脸参考特征图和第二线性变换人脸参考特征图；人脸参考特征线性变换重塑单元，用于对所述第一线性变换人脸参考特征图和所述第二线性变换人脸参考特征图进行特征形状重塑以得到第一线性变换人脸参考特征矩阵和第二线性变换人脸参考特征矩阵；年龄信息独热编码注意力计算单元，用于以所述第一线性变换人脸参考特征矩阵和所述第二线性变换人脸参考特征矩阵为键矩阵和值矩阵且以所述年龄信息独热编码调制矩阵作为查询矩阵，将所述查询矩阵、所述键矩阵和所述值矩阵输入transformer结构以得到年龄信息独热编码注意力查询人脸参考矩阵；年龄信息特征编码重塑单元，用于对所述年龄信息独热编码注意力查询人脸参考矩阵进行形状重塑和点卷积编码以得到年龄信息独热编码注意力查询人脸参考特征图；年龄辅助人脸特征修正单元，用于将所述年龄信息独热编码注意力查询人脸参考特征图与所述人脸参考特征图进行按位置点乘以得到所述年龄辅助人脸参考修正特征图。
13、在上述基于图片识别技术的智能闸机系统中，所述年龄信息特征线性变换形状重塑单元，用于：将所述年龄信息独热编码向量与年龄信息调制矩阵进行矩阵相乘以得到年龄信息调制向量后，将所述年龄信息调制向量与年龄信息偏置向量进行按位置相加以得到年龄信息独热编码调制偏置向量；将所述年龄信息独热编码调制偏置向量输入s igmoid函数进行激活处理以得到年龄信息独热编码调制激活向量；对所述年龄信息独热编码调制激活向量进行形状重塑以得到所述年龄信息独热编码调制矩阵。
14、在上述基于图片识别技术的智能闸机系统中，所述人脸参考特征线性变换单元，用于：将所述人脸参考特征图中沿通道维度的各个特征矩阵与第一人脸参考调制矩阵进行按位置相乘后与第一人脸参考偏置矩阵进行按位置相加以得到第一人脸参考偏置特征图；将所述第一人脸参考偏置特征图输入所述si gmoid函数进行激活处理以得到所述第一线性变换人脸参考特征图；将所述人脸参考特征图中沿通道维度的各个特征矩阵与第二人脸参考调制矩阵进行按位置相乘后与第二人脸参考偏置矩阵进行按位置相加以得到第二人脸参考偏置特征图；将所述第二人脸参考偏置特征图输入所述sigmoid函数进行激活处理以得到所述第二线性变换人脸参考特征图。
15、在上述基于图片识别技术的智能闸机系统中，所述年龄信息独热编码注意力计算单元，用于：计算所述年龄信息独热编码调制矩阵的转置矩阵与所述第一线性变换人脸参考特征矩阵之间的矩阵乘积后输入softmax函数以得到年龄信息-人脸参考特征关联矩阵；将所述年龄信息-人脸参考特征关联矩阵作为权重矩阵，计算所述权重矩阵与所述第二线性变换人脸参考特征矩阵之间的矩阵乘积以得到所述年龄信息独热编码注意力查询人脸参考矩阵。
16、在上述基于图片识别技术的智能闸机系统中，所述人脸检测特征提取模块，用于：将所述人脸检测图像输入所述基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸检测特征图。
17、在上述基于图片识别技术的智能闸机系统中，所述身份验证结果生成模块，包括：人脸特征解析单元，用于将所述人脸对比高维特征图输入基于分类器的身份验证器以得到所述身份验证结果，所述身份验证结果用于表示是否身份匹配；闸门开启指令生成单元，用于响应于所述身份验证结果为身份匹配，生成闸门开启指令。
18、根据本技术的另一方面，提供了一种基于图片识别技术的智能闸机方法，其包括：
19、从身份证识别图像得到人脸参考图像和年龄信息；
20、将所述人脸参考图像输入人脸特征提取器以得到人脸参考特征图；
21、对所述年龄信息进行独热编码以得到年龄信息独热编码向量；
22、将所述年龄信息独热编码向量和所述人脸参考特征图输入基于模态辅助的异构transformer跨域联合编码器以得到年龄辅助人脸参考修正特征图；
23、获取由摄像头采集的人脸检测图像；
24、将所述人脸检测图像输入所述人脸特征提取器以得到人脸检测特征图；
25、计算所述人脸检测特征图与所述年龄辅助人脸参考修正特征图之间的差分特征图以得到人脸对比高维特征图作为人脸对比高维特征；
26、基于所述人脸对比高维特征，得到身份验证结果，并基于所述身份验证结果，判断是否生成闸门开启指令。
27、在上述基于图片识别技术的智能闸机方法中，将所述人脸参考图像输入人脸特征提取器以得到人脸参考特征图，包括：将所述人脸参考图像输入基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸参考特征图。
28、与现有技术相比，本技术提供的基于图片识别技术的智能闸机系统及方法，其通过从身份证识别图像得到人脸参考图像和年龄信息，且由摄像头采集人脸检测图像，并采用基于深度学习的数据处理算法来对所述人脸参考图像和所述人脸检测图像进行人脸特征分析，对所述年龄信息进行信息编码，以此根据年龄信息辅助下得到的人脸参考修正特征和人脸检测特征之间计算差分得到的人脸对比特征来智能地判断是否身份匹配，并控制闸门开启指令。这样，可以显著提升跨年龄身份识别的准确性，同时得益于高效的算法进行数据处理，也提高了人脸识别的处理速度，进而确保了在公共交通等人流密集场合的高效通行。
1.一种基于图片识别技术的智能闸机系统，其特征在于，包括：
2.根据权利要求1所述的基于图片识别技术的智能闸机系统，其特征在于，所述人脸参考特征提取模块，用于：将所述人脸参考图像输入基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸参考特征图。
3.根据权利要求2所述的基于图片识别技术的智能闸机系统，其特征在于，所述年龄信息-人脸参考特征联合编码模块，包括：
4.根据权利要求3所述的基于图片识别技术的智能闸机系统，其特征在于，所述年龄信息特征线性变换形状重塑单元，用于：
5.根据权利要求4所述的基于图片识别技术的智能闸机系统，其特征在于，所述人脸参考特征线性变换单元，用于：
6.根据权利要求5所述的基于图片识别技术的智能闸机系统，其特征在于，所述年龄信息独热编码注意力计算单元，用于：
7.根据权利要求6所述的基于图片识别技术的智能闸机系统，其特征在于，所述人脸检测特征提取模块，用于：将所述人脸检测图像输入所述基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸检测特征图。
8.根据权利要求7所述的基于图片识别技术的智能闸机系统，其特征在于，所述身份验证结果生成模块，包括：
9.一种基于图片识别技术的智能闸机方法，其特征在于，包括：
10.根据权利要求9所述的基于图片识别技术的智能闸机方法，其特征在于，将所述人脸参考图像输入人脸特征提取器以得到人脸参考特征图，包括：将所述人脸参考图像输入基于空洞卷积神经网络模型的人脸特征提取器以得到所述人脸参考特征图。
