[发明专利]一种基于人脸识别的宿舍门禁管理一体化系统在审

专利信息
申请号: 201910876475.X 申请日: 2019-09-17
公开(公告)号: CN110689655A 公开(公告)日: 2020-01-14
发明(设计)人: 余睿然;刘伯成;徐盛剑;彭诗杰 申请(专利权)人: 南昌大学
主分类号: G07C9/37 分类号: G07C9/37;G06K9/00;G06K9/62
代理公司: 36129 南昌赣专知识产权代理有限公司 代理人: 邓澄宇
地址: 330000 江西省*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸识别算法 人脸识别 人脸识别模块 门禁系统 预设区间 宿舍 算法 图像预处理模块 安全管理技术 门禁控制器 一体化系统 摄像头 单一算法 函数输出 环境因素 活体检测 门禁管理 人脸图像 算法调用 算法功能 算法共用 算法集成 预设函数 门禁 调用 采集
【权利要求书】:

1.一种基于人脸识别的宿舍门禁管理一体化系统,包括门禁系统,其特征在于:

所述门禁系统包括人脸识别模块和门禁控制器,所述人脸识别模块的末端与所述门禁控制器电连接;

所述人脸识别模块包括设置在宿舍门禁前的摄像头以及人脸识别算法系统,所述摄像头拍摄宿舍来人的脸部图像,所述摄像头的末端与搭载有人脸识别算法系统的宿舍管理计算机连接;

所述人脸识别算法系统包括活体检测模块、图像预处理模块和由五种算法功能集成的人脸识别算法,所述活体检测模块采用虹软活体检测算法判断活体个数;

所述活体个数为单个,所述脸部图像通过所述图像预处理模块进行处理;所述图像预处理模块包括图像预处理算法,通过所述图像预处理算法得出图像参数值,所述图像参数值作为自变量输入至预设函数中并得到函数输出值,所述预设函数的值域设置有五个区间值,所述人脸识别算法包括PCA+SVM+K-Fold算法、Face++算法、虹软算法、百度算法以及OpenCV算法,

所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法分别对应所述五个区间值,所述PCA+SVM+K-Fold算法、所述Face++算法、所述虹软算法、所述百度算法以及所述OpenCV算法共用算法调用接口;

所述活体个数为多个可直接通过调用所述虹软算法进行人脸识别。

2.根据权利要求1所述一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:

所述算法调用接口只可调用单个算法进行人脸识别。

3.根据权利要求1所述一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:

所述PCA+SVM+K-Fold算法为支持向量机(SVM)、K层交叉检验(K-Fold)以及主成分分析(PCA)三者结合的算法;

所述PCA+SVM+K-Fold算法预处理及建立数据模型的步骤为:

1)读取待识别的图像,生成样本矩阵;

2)对样本矩阵进行主成分分析(PCA)运算,取前35个特征,生成低维样本矩阵L以及分离变换矩阵S;

3)使用支持向量机(SVM)将一维标签列向量与矩阵L作分类,分为两类;

4)将原始训练集分割为K个子样本,从中取一个作为验证集,其他K-1个样本作为训练集;

5)重复K次交叉验证,每个子样本都要验证一次;

6)得到单一估测;

7)对矩阵L中每两个样本进行训练;

8)计算两类之间的分类超平面并存储,此时已建立训练过后的人脸识别模型。

4.根据权利要求1所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:

还包括后台管理系统,所述后台管理系统包括可登记身份信息的登记模块、存储人脸信息的存储模块以及统计宿舍访客数量的统计模块;

所述身份信息包括本校非本栋宿舍的学生身份登记信息和校外人员身份登记信息;所述人脸信息包括本栋宿舍学生人脸信息和访客人脸信息,所述访客人脸信息包括本校非本栋宿舍的学生人脸信息和校外人员人脸信息。

5.根据权利要求4所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:

所述本校非本栋宿舍的学生身份登记信息包括学生姓名、学号、所属楼栋以及本校非本栋宿舍的学生人脸信息;所述校外人员身份登记信息包括校外人员姓名、身份证号、校外人员人脸信息以及本宿舍被探访人员姓名。

6.根据权利要求4所述的一种基于人脸识别的宿舍门禁管理一体化系统,其特征在于:

所述校外人员人脸信息包括校外人员人脸正面图像信息、校外人员人脸左侧图像信息以及校外人员人脸图像右侧图像信息。

7.根据权利要求1所述的一种基于人脸识别的宿舍门禁管理一体化系统及人脸识别方法,其特征在于:

所述身份信息、所述人脸信息以及所述宿舍访客数量可通过所述宿舍管理计算机的显示界面进行显示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌大学,未经南昌大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910876475.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top