[发明专利]一种智能楼宇访客管理的安全验证系统在审

专利信息
申请号: 202210827899.9 申请日: 2022-07-14
公开(公告)号: CN115188111A 公开(公告)日: 2022-10-14
发明(设计)人: 姚云;夏鸣;蒋克勤 申请(专利权)人: 安徽安联云服务有限公司
主分类号: G07C9/20 分类号: G07C9/20;G07C9/25;G07C9/27
代理公司: 合肥律众知识产权代理有限公司 34147 代理人: 朱晗
地址: 230088 安徽省合肥市高*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智能 楼宇 访客 管理 安全 验证 系统
【权利要求书】:

1.一种智能楼宇访客管理的安全验证系统,其特征在于:包括服务器,所述服务器通过访问请求接收模块接收访客的访问请求,并利用访客视频流采集模块对访客进行视频采集,所述服务器通过人脸判断模块基于采集视频对是否包含访客人脸图像,以及访客是否佩戴口罩进行判断;

所述服务器基于人脸判断模块的判断结果调用完整人脸识别模块或者遮挡人脸识别模块,所述完整人脸识别模块或者遮挡人脸识别模块基于数据存储模块中的预存储人脸图像对访客人脸图像进行人脸识别;

所述服务器基于人脸判断模块的判断结果调用动态授权码生成模块生成动态授权码,并利用动态授权码发送模块将生成的动态授权码发送至用户终端,所述服务器通过动态授权码管理模块对生成的动态授权码进行动态管理,并利用动态授权码验证模块对访客输入信息进行验证,所述服务器基于人脸识别结果和信息验证结果通过门禁控制模块控制门禁装置。

2.根据权利要求1所述的智能楼宇访客管理的安全验证系统,其特征在于:所述人脸判断模块基于采集视频对是否包含访客人脸图像进行判断,包括:

选取采集视频中的关键帧,对关键帧进行完整人脸特征定位,并判断各人脸特征之间的距离是否处于预设距离范围内;

若所有人脸特征之间的距离均处于预设距离范围内,则判断采集视频中包含访客人脸图像,否则判断采集视频中不包含访客人脸图像。

3.根据权利要求2所述的智能楼宇访客管理的安全验证系统,其特征在于:所述人脸判断模块基于采集视频对访客是否佩戴口罩进行判断,包括:

采用基于SVM支持向量机的人脸检测二分类器对访客是否佩戴口罩进行判断。

4.根据权利要求3所述的智能楼宇访客管理的安全验证系统,其特征在于:所述人脸判断模块判断采集视频中包含访客人脸图像,且判断访客佩戴口罩时,所述服务器调用遮挡人脸识别模块基于数据存储模块中的预存储人脸图像对访客人脸图像进行人脸识别;

所述人脸判断模块判断采集视频中包含访客人脸图像,且判断访客没有佩戴口罩时,所述服务器调用完整人脸识别模块基于数据存储模块中的预存储人脸图像对访客人脸图像进行人脸识别。

5.根据权利要求4所述的智能楼宇访客管理的安全验证系统,其特征在于:所述遮挡人脸识别模块基于数据存储模块中的预存储人脸图像对访客人脸图像进行人脸识别,包括:

在完整人脸训练集的完整人脸图片中,提取人脸关键点信息,获取完整人脸图片的五官位置;

基于五官位置利用遮挡模型在完整人脸图片中的合适位置生成口罩模型,得到遮挡人脸训练集,并利用遮挡人脸训练集对遮挡人脸识别模块进行模型训练;

利用训练好的遮挡人脸识别模块对访客人脸图像、数据存储模块中的预存储人脸图像进行特征提取、特征比对。

6.根据权利要求4所述的智能楼宇访客管理的安全验证系统,其特征在于:所述完整人脸识别模块基于数据存储模块中的预存储人脸图像对访客人脸图像进行人脸识别,包括:

利用完整人脸训练集对完整人脸识别模块进行模型训练,并利用训练好的完整人脸识别模块对访客人脸图像、数据存储模块中的预存储人脸图像进行特征提取、特征比对;

其中,完整人脸识别模块采用基于VGG网络、R-CNN网络或者ResNet网络训练得到的完整人脸识别模型。

7.根据权利要求3所述的智能楼宇访客管理的安全验证系统,其特征在于:所述人脸判断模块判断采集视频中包含访客人脸图像时,所述服务器调用动态授权码生成模块生成动态授权码;

所述人脸判断模块判断采集视频中不包含访客人脸图像时,所述服务器通过门禁控制模块维持门禁装置的锁闭状态。

8.根据权利要求7所述的智能楼宇访客管理的安全验证系统,其特征在于:所述动态授权码生成模块生成动态授权码,包括:

生成固定长度的随机密码,并获取生成随机密码的生成时间,对随机密码与生成时间计算后生成不可逆的动态授权码。

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安徽安联云服务有限公司,未经安徽安联云服务有限公司许可,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/202210827899.9/1.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