本发明涉及智能锁管理，更具体地说，本发明涉及基于行为识别的智能锁管理系统及方法。
背景技术：
1、随着智能领域技术的快速发展，智能锁作为智能领域的重要组成部分，得到了广泛应用，智能锁不仅提高了房屋安全性和便利性，还能够通过与其他智能设备的联动，提供更为智能化的体验，现有的智能锁系统主要依赖于传统的身份验证方式，如密码、指纹、卡片或手机app等，这些方式虽然在一定程度上提升了安全性，但仍存在一些局限性和潜在的安全风险。
2、现有技术存在的不足：虽然部分智能锁具备与其他智能设备联动的能力，但其智能化程度仍然有限，无法充分实现个性化和自动化的安全管理，尤其是在多用户或高流量的时段下，智能锁需要识别和处理每个用户的信息，不能通过优化验证过程来减轻这些高流量时段的压力，无法结合用户的行为习惯进行动态需求调整，进而造成拥堵，甚至产生安全隐患。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供基于行为识别的智能锁管理系统及方法，以解决上述背景技术中提出的智能锁在高流量时段下优化验证需求的调整效率低的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、基于行为识别的智能锁管理方法，包括如下步骤：
4、对智能锁配置传感器设备并获取传感器采集数据，传感器根据环境和用户接近速度智能调整采集频率和范围；
5、对用户由远及近的过程进行行为识别，将各个由远及近过程中传感器采集的数据进行预处理，将不同传感器提取的特征进行筛选后，进行多模态数据特征的融合，对特征融合后得到综合特征向量使用分类器进行初步用户行为识别；
6、若初步用户行为识别为跳过后续验证步骤，则对初步用户行为识别过程进行安全性验证分析，获取识别过程中产生的识别准确信息，确定智能锁管理过程的安全状态情况；
7、若智能锁管理过程的安全状态稳定，则生成管理稳定信号，不进行后续验证；若智能锁管理过程的安全状态异常，则生成智能验证信号，启动后续身份验证流程进行管理。
8、在一个优选的实施方式中，对智能锁配置传感器设备并获取传感器采集数据，传感器根据环境和用户接近速度智能调整采集频率和范围，具体过程如下：
9、传感器包括摄像头、麦克风、加速度计、陀螺仪、红外传感器、深度摄像头；
10、根据用户的接近速度和距离，传感器动态调整采集频率；
11、根据环境光线和噪音水平，传感器自动调整采集参数。
12、在一个优选的实施方式中，将各个由远及近过程中传感器采集的数据进行预处理，具体过程如下：
13、当用户进入智能锁的远距离感应范围时激活红外传感器、摄像头，摄像头捕捉图像数据、运动轨迹；
14、在中距离时增加麦克风传感器，进行听觉数据采集，在近距离时使用所有传感器进行数据采集；
15、对采集的传感器数据进行预处理，预处理包括图像去噪、特征提取；
16、对摄像头和深度摄像头采集的图像数据使用高斯滤波器进行去噪处理；
17、根据环境条件光线强度、噪声水平调整高斯滤波器的滤波参数，进行自适应滤波；
18、使用卷积神经网络提取图像和深度数据特征，使用自动编码器提取语音和动作数据特征。
19、在一个优选的实施方式中，将不同传感器提取的特征进行筛选后，进行多模态数据特征的融合，对特征融合后得到综合特征向量使用分类器进行初步用户行为识别，具体过程如下：
20、通过贝叶斯定理进行融合，获取类别的先验概率与特征的边际概率，根据类别的先验概率与特征的边际概率计算得到不同类别下对应特征的似然概率；
21、计算给定特征的情况下类别的后验概率；
22、对大于设置后验概率阈值的特征融合为一个综合特征向量；
23、使用分类器进行初步用户行为识别，选择机器学习模型，将融合的综合特征向量输入到选择的机器学习模型中；
24、分类器综合评估综合特征向量并预测初步用户行为识别结果。
25、在一个优选的实施方式中，若初步用户行为识别为跳过后续验证步骤，则对初步用户行为识别过程进行安全性验证分析，获取识别过程中产生的识别准确信息，确定智能锁管理过程的安全状态情况，具体过程如下：
26、设置置信度，若分类器的预测结果的置信度超过预设的置信度阈值，则初步用户行为识别为跳过后续验证步骤；
27、获取识别过程中产生的识别准确信息，识别准确信息包括行为模式信息、识别稳定信息；
28、行为模式信息中包括行为识别准确指数，识别稳定信息中包括复合稳定指数；
29、将获取到行为识别准确指数、复合稳定指数进行灰色关联分析。
30、在一个优选的实施方式中，将获取到行为识别准确指数、复合稳定指数进行灰色关联分析，具体过程如下：
31、将复合稳定指数设置为参考数列，将行为识别准确指数设置为比较数列；
32、使用灰色关联分析计算得到关联系数，对关联系数求平均，得到整个分析周期内的平均关联度。
33、在一个优选的实施方式中，若智能锁管理过程的安全状态稳定，则生成管理稳定信号，不进行后续验证；若智能锁管理过程的安全状态异常，则生成智能验证信号，启动后续身份验证流程进行管理，具体步骤如下：
34、将平均关联度与识别管理阈值进行对比；
35、若平均关联度大于或等于识别管理阈值，则生成管理稳定信号，不进行后续验证管理措施；
36、若平均关联度小于识别管理阈值，则生成智能验证信号，启动后续身份验证流程管理。
37、基于行为识别的智能锁管理系统，用于实现上述基于行为识别的智能锁管理方法，包括：
38、数据采集模块，用于对智能锁配置传感器设备并获取传感器采集数据，传感器根据环境和用户接近速度智能调整采集频率和范围；
39、行为识别模块，用于对用户由远及近的过程进行行为识别，将各个由远及近过程中传感器采集的数据进行预处理，将不同传感器提取的特征进行筛选后，进行多模态数据特征的融合，对特征融合后得到综合特征向量使用分类器进行初步用户行为识别；
40、安全分析模块，用于对初步用户行为识别过程进行安全性验证分析，获取识别过程中产生的识别准确信息，确定智能锁管理过程的安全状态情况；
41、管理模块，若智能锁管理过程的安全状态稳定，则生成管理稳定信号，不进行后续验证；若智能锁管理过程的安全状态异常，则生成智能验证信号，启动后续身份验证流程进行管理。
42、本发明的技术效果和优点：
43、本发明通过智能调整智能锁传感器的采集频率和范围，有效应对不同环境和用户接近速度的变化，实现能源效率的优化和数据采集的高效性，通过对多个传感器采集的数据进行预处理和筛选，并将这些数据进行多模态特征融合，从而能够精确提取综合特征向量，从而提高初步用户行为识别的准确度，这一过程减少了错误识别的可能性，提高了数据处理的质量。
44、在安全性验证方面，本发明通过分析识别准确信息来动态评估智能锁的安全状态，从而决定是否省略后续验证步骤。在安全状态异常时，能够自动触发额外的验证流程，及时响应潜在的安全威胁，这种灵活的安全策略不仅增强了智能锁对异常状态的处理能力，还优化了用户体验，避免了不必要的操作延误，提高了智能锁管理的便捷性和可靠性。
1.基于行为识别的智能锁管理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于行为识别的智能锁管理方法，其特征在于：对智能锁配置传感器设备并获取传感器采集数据，传感器根据环境和用户接近速度智能调整采集频率和范围，具体过程如下：
3.根据权利要求2所述的基于行为识别的智能锁管理方法，其特征在于：将各个由远及近过程中传感器采集的数据进行预处理，具体过程如下：
4.根据权利要求3所述的基于行为识别的智能锁管理方法，其特征在于：将不同传感器提取的特征进行筛选后，进行多模态数据特征的融合，对特征融合后得到综合特征向量使用分类器进行初步用户行为识别，具体过程如下：
5.根据权利要求4所述的基于行为识别的智能锁管理方法，其特征在于：若初步用户行为识别为跳过后续验证步骤，则对初步用户行为识别过程进行安全性验证分析，获取识别过程中产生的识别准确信息，确定智能锁管理过程的安全状态情况，具体过程如下：
6.根据权利要求5所述的基于行为识别的智能锁管理方法，其特征在于：将获取到行为识别准确指数、复合稳定指数进行灰色关联分析，具体过程如下：
7.根据权利要求6所述的基于行为识别的智能锁管理方法，其特征在于：若智能锁管理过程的安全状态稳定，则生成管理稳定信号，不进行后续验证；若智能锁管理过程的安全状态异常，则生成智能验证信号，启动后续身份验证流程进行管理，具体步骤如下：
8.基于行为识别的智能锁管理系统，用于实现权利要求1-7中任一项所述的基于行为识别的智能锁管理方法，其特征在于，包括：
