CN106225111B - 一种通过虹膜进行识别的中央空调*** - Google Patents

一种通过虹膜进行识别的中央空调*** Download PDF

Info

Publication number
CN106225111B
CN106225111B CN201610546244.9A CN201610546244A CN106225111B CN 106225111 B CN106225111 B CN 106225111B CN 201610546244 A CN201610546244 A CN 201610546244A CN 106225111 B CN106225111 B CN 106225111B
Authority
CN
China
Prior art keywords
iris
submodule
point
iris image
air conditioner
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610546244.9A
Other languages
English (en)
Other versions
CN106225111A (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Baicheng Mechanical and Electrical Technology Engineering Co., Ltd.
Original Assignee
Nanjing Baicheng Mechanical And Electrical Technology Engineering Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Baicheng Mechanical And Electrical Technology Engineering Co Ltd filed Critical Nanjing Baicheng Mechanical And Electrical Technology Engineering Co Ltd
Priority to CN201610546244.9A priority Critical patent/CN106225111B/zh
Publication of CN106225111A publication Critical patent/CN106225111A/zh
Application granted granted Critical
Publication of CN106225111B publication Critical patent/CN106225111B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/89—Arrangement or mounting of control or safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/02—Ducting arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述虹膜识别器包括：(1)采样模块；(2)预处理模块；(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，其包括第一次LBP算子处理子模块、第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块；(4)编码匹配模块。本发明增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理，经过多次LBP算子处理子模块处理后，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性。

Description

一种通过虹膜进行识别的中央空调***
技术领域
本发明涉及中央空调***设计领域，具体涉及一种通过虹膜进行识别的中央空调***。
背景技术
相关技术中，通过虹膜进行识别的中央空调***通常采用基本LBP(局部二值模式)算子对虹膜图像特征进行提取和编码，LBP算子是一种描述图像灰度范围内纹理特征的方法，对于光照变化来说有很强的鲁棒性，从而被广泛地应用在图像的纹理特征提取上。
基本LBP算子一般定义为：在3×3窗口内由中心点nc和其周围8个邻域n0,...n7组成，其中定义纹理T为：T＝(n0-nc,n1-nc,...,n7-nc)，对其进行二值化处理，以nc为阈值，邻域的8个点与nc比较，若大于中心点的值标记为1，否则标记为0。二值化后的纹理T为：T＝(sgn(n0-nc),sgn(n1-nc),...,sgn(n7-nc))，其中经过计算，将得到以nc为中心的8个二进制数，然后对不同像素位置进行加权求和便得到中心点的LBP值，其中LBP值的计算公式为：对图像中每个像素都进行LBP运算，便可以得到图像的LBP纹理描述。
然而，由于基本LBP算子只覆盖了中心点的8个邻域像素，使其与周围其它邻域的关联性不够全面，无法满足不同尺度和频率的图像纹理。
发明内容
针对上述问题，本发明提供一种识别速度快、识别范围广的一种通过虹膜进行识别的中央空调***，解决相关技术中采用基本LBP算子对虹膜图像特征进行提取和编码的中央空调******不能处理不同尺度和频率的图像纹理的问题。
本发明的目的采用以下技术方案来实现：
一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
(2)预处理模块，用于对获取的虹膜图像进行定位和归一化处理，其包括光斑点填充子模块，所述光斑点填充子模块用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的K个像素点进行比较来计算LBP值，所述K个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述K个像素点标记为n0～nK，K的取值范围为[20，24]，1st-LBP(xc,yc)的取值范围为[0,K]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块还包括：
(1)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(2)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(3)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本发明的有益效果为：
1、设置图像校正子模块，并定义了校正公式，提高了图像处理的精度；
2、设置光斑点填充子模块，并定义了光斑点的灰度值计算公式，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；
3、设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；
4、设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；
5、设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的虹膜识别器连接示意图。
图2是本发明中央空调***示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1，图2，本实施例一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取虹膜图像并采集虹膜图像的信息；
(2)预处理模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的20个像素点进行比较来计算LBP值，所述20个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述20个像素点标记为n0～n20，1st-LBP(xc,yc)的取值范围为[0,20]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块包括：
(1)光斑点填充子模块：用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
(2)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(3)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(4)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性，使用CASIAV1.0虹膜库进行测试时，结果如下：
实施例2
参见图1，图2，本实施例一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取虹膜图像并采集虹膜图像的信息；
(2)预处理模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的21个像素点进行比较来计算LBP值，所述21个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述21个像素点标记为n0～n21，1st-LBP(xc,yc)的取值范围为[0,21]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块包括：
(1)光斑点填充子模块：用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
(2)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(3)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(4)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性，使用CASIAV1.0虹膜库进行测试时，结果如下：
实施例3
参见图1，图2，本实施例一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
(2)预处理模块，用于对获取的虹膜图像进行定位和归一化处理；
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的22个像素点进行比较来计算LBP值，所述22个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述22个像素点标记为n0～n21，1st-LBP(xc,yc)的取值范围为[0,22]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块包括：
(1)光斑点填充子模块：用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
(2)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(3)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(4)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性，使用CASIAV1.0虹膜库进行测试时，结果如下：
实施例4
参见图1，图2，本实施例一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
(2)预处理模块，用于对获取的虹膜图像进行定位和归一化处理；
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的23个像素点进行比较来计算LBP值，所述23个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述23个像素点标记为n0～n21，1st-LBP(xc,yc)的取值范围为[0,23]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块包括：
(1)光斑点填充子模块：用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
(2)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(3)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(4)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性，使用CASIAV1.0虹膜库进行测试时，结果如下：
实施例5
参见图1，图2，本实施例一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计。
优选地，其特征是，所述虹膜识别器包括：
(1)采样模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像，实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
(2)预处理模块，用于对获取的虹膜图像进行定位和归一化处理；
优选地，其特征是，所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的24个像素点进行比较来计算LBP值，所述24个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述24个像素点标记为n0～n21，1st-LBP(xc,yc)的取值范围为[0,24]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
其中，所述预处理模块包括：
(1)光斑点填充子模块：用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
(2)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(3)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(4)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块，很好地保留了虹膜图像的结构信息，填充后的虹膜图像可以有效地进行定位；设置的初次定位单元，其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，便于虹膜的定位且提高了虹膜的速度；设置的第一次LBP算子处理子模块，增加了中心点与周围其它邻域的关联性，能够满足不同尺度和频率的图像纹理；设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块，在不影响中心点与周围邻域的关联性下，不断降低编码长度，节约了存储空间，减少了计算量，提高了识别速度，增强了识别准确率，得到了较高的鲁棒性，使用CASIAV1.0虹膜库进行测试时，结果如下：
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种通过虹膜进行识别的中央空调***，包括中央空调***和与中央空调***电信号连接的虹膜识别器，所述中央空调***包括：
空气处理装置和中央控制器，其中空气处理装置包括有空气冷却段、加压风机段，其中空气冷却段的进风口与中央空调***的新风口及回风口连接，经空气冷却段、加压风机段进行降温、降湿及净化后的空气经加压风机段的出风口与中央空调***的出风通道连接，出风通道上设有温湿度计，温湿度计的信号输出端与中央控制器电连接，其特征在于上述中央空调***的新风口及回风口还连接有旁流风柜，旁流风柜通过进风通道与新风口及回风口连接，旁流风柜的出风口通过出风通道与中央空调***的出风通道连接，旁流风柜与中央控制器电连接；
所述中央空调***的新风口上安装有温湿度计，旁流风柜的进风通道上还安装有温湿度计；
所述虹膜识别器包括：
(1)采样模块，用于获取、校正虹膜图像并采集虹膜图像的信息，由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差，需要对实际获得的虹膜图像进行平面校正，设定图像校正子模块，所述图像校正子模块采用的校正公式为：
其中，I(x,y)A表示实际获得的虹膜图像，I(x,y)B表示标准采集的虹膜图像， σb表示实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差；
(2)预处理模块，用于对获取的虹膜图像进行定位和归一化处理，其包括光斑点填充子模块，所述光斑点填充子模块用于对虹膜图像中检测出的每个光斑点进行填充，填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值，定义虹膜图像中的一个光斑点为P0(x0,y0)，所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4)，定义光斑点的灰度值计算公式为：
所述虹膜识别器还包括：
(3)特征编码模块，用于对虹膜图像的特征进行提取和编码，包括：
a、第一次LBP算子处理子模块：用于对虹膜图像中的任意一点nc与5×5窗内的K个像素点进行比较来计算LBP值，所述K个像素点以点nc为中心分布在点nc***，设nc的坐标为(xc,yc)，LBP值的计算公式为：
其中，所述K个像素点标记为n0～nK，K的取值范围为[20，24]，1st-LBP(xc,yc)的取值范围为[0,K]；
b、第二次LBP算子处理子模块，用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性，其以点nc的8个邻域像素点作为副中心点，记作nvc0,nvc1,...,nvc7，使用3×3窗，用窗内全体像素的均值代替副中心点的值，再使用LBP算子对中心点nc进行计算，计算公式为：
c、第三次LBP算子处理子模块，用于缩短经第二次LBP算子处理子模块处理后的虹膜图像的特征编码长度，其以点nc为中心，在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|＝rank4(|nvci-nc|,i＝0,1,...,7),j＝0,1,2,3}选择4个副中心点进行计算，计算公式为：
其中，rank4(|nvci-nc|,i＝0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数，nvcj表示选取的4个副中心点；
d、第四次LBP算子处理子模块：用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度，计算公式为：
计算完后输出表示虹膜图像特征的编码；
(4)编码匹配模块，用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对，完成对身份的识别。
2.根据权利要求1所述的一种通过虹膜进行识别的中央空调***，其特征是，所述预处理模块还包括：
(1)粗定位子模块：与光斑点填充子模块连接，用于对虹膜图像进行切割并初步定位瞳孔位置，切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割；
(2)精定位子模块：与粗定位子模块连接，用于精确定位虹膜区域；
(3)归一化子模块，用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
3.根据权利要求2所述的一种通过虹膜进行识别的中央空调***，其特征是，所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元，所述下采样单元用于对切割后的虹膜图像进行下采样，所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位，所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
4.根据权利要求3所述的一种通过虹膜进行识别的中央空调***，其特征是，所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
5.根据权利要求4所述的一种通过虹膜进行识别的中央空调***，其特征是，所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
CN201610546244.9A 2016-07-08 2016-07-08 一种通过虹膜进行识别的中央空调*** Expired - Fee Related CN106225111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610546244.9A CN106225111B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的中央空调***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610546244.9A CN106225111B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的中央空调***

Publications (2)

Publication Number Publication Date
CN106225111A CN106225111A (zh) 2016-12-14
CN106225111B true CN106225111B (zh) 2019-05-24

Family

ID=57519068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610546244.9A Expired - Fee Related CN106225111B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的中央空调***

Country Status (1)

Country Link
CN (1) CN106225111B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201715663U (zh) * 2010-05-22 2011-01-19 陈武 一种带有送风静压控制单元的变风量家用中央空调
CN104566822A (zh) * 2014-12-26 2015-04-29 珠海格力电器股份有限公司 空调机组管理***
CN104715531A (zh) * 2015-04-07 2015-06-17 北京释码大华科技有限公司 一种具有虹膜识别功能的门禁、服务器及***
CN204631493U (zh) * 2014-01-21 2015-09-09 上海科斗电子科技有限公司 采用多重身份验证的受控终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201715663U (zh) * 2010-05-22 2011-01-19 陈武 一种带有送风静压控制单元的变风量家用中央空调
CN204631493U (zh) * 2014-01-21 2015-09-09 上海科斗电子科技有限公司 采用多重身份验证的受控终端
CN204791023U (zh) * 2014-01-21 2015-11-18 上海聚然智能科技有限公司 防盗密交互***
CN104566822A (zh) * 2014-12-26 2015-04-29 珠海格力电器股份有限公司 空调机组管理***
CN104715531A (zh) * 2015-04-07 2015-06-17 北京释码大华科技有限公司 一种具有虹膜识别功能的门禁、服务器及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
虹膜特征表达与识别算法研究;李欢利;《中国博士学位论文全文数据库 信息科技辑》;20130531;正文第6、17-25页

Also Published As

Publication number Publication date
CN106225111A (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN108694393A (zh) 一种基于深度卷积的证件图像文本区域提取方法
CN109635806B (zh) 基于残差网络的电表数值识别方法
CN115994137B (zh) 一种基于物联网应用服务***的数据管理方法
CN108537203B (zh) 一种基于卷积神经网络的手掌关键点定位方法
CN109543676B (zh) 一种基于图像处理的字轮型水表数字字符识别方法
CN103400131B (zh) 一种图像识别中的校正装置及其方法
CN111260788A (zh) 一种基于双目视觉的配电柜开关状态识别方法
CN102831446A (zh) 单目视觉slam中基于图像外观的闭环检测方法
CN109766887A (zh) 一种基于级联沙漏神经网络的多目标检测方法
CN103020945A (zh) 一种多源传感器的遥感图像配准方法
CN102081733B (zh) 多模态信息结合的多姿态三维人脸面部五官标志点定位方法
CN110675421B (zh) 基于少量标注框的深度图像协同分割方法
CN108492263A (zh) 一种镜头径向畸变校正方法
CN111310710A (zh) 人脸检测方法与***
CN115953408A (zh) 一种基于YOLOv7的避雷器表面缺陷检测方法
CN113469178A (zh) 一种基于深度学习的电力表计识别方法
CN106204958B (zh) 一种通过虹膜进行识别的atm机输入装置
CN109598261B (zh) 一种基于区域分割的三维人脸识别方法
CN106225111B (zh) 一种通过虹膜进行识别的中央空调***
CN113902792A (zh) 基于改进RetinaNet网络的建筑物高度检测方法、***和电子设备
CN106248070B (zh) 一种基于虹膜识别启动的导航仪
CN106022320B (zh) 一种基于虹膜识别的自动控制装置
CN105959121B (zh) 一种具有身份验证功能的移动终端
CN115294130B (zh) 一种水泵叶轮异常识别方法
CN108133213A (zh) 一种面向燃气表外壳式摄像的嵌入式数字识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190423

Address after: 210001 Shazhuxiang District, Qinhuai District, Nanjing City, Jiangsu Province, 02 Blocks, 510 Rooms

Applicant after: Nanjing Baicheng Mechanical and Electrical Technology Engineering Co., Ltd.

Address before: No. 32, Zhenhai District, Zhejiang Province, Zhenhai District, Drum Tower East Road, Ningbo, Zhejiang

Applicant before: Zhong Linchao

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190524

Termination date: 20200708

CF01 Termination of patent right due to non-payment of annual fee