CN107792008A - 一种智能车载控制终端管理*** - Google Patents
一种智能车载控制终端管理*** Download PDFInfo
- Publication number
- CN107792008A CN107792008A CN201710900900.5A CN201710900900A CN107792008A CN 107792008 A CN107792008 A CN 107792008A CN 201710900900 A CN201710900900 A CN 201710900900A CN 107792008 A CN107792008 A CN 107792008A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- roi region
- palmmprint
- msup
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/20—Means to switch the anti-theft system on or off
- B60R25/25—Means to switch the anti-theft system on or off using biometry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Peptides Or Proteins (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种智能车载控制终端管理***，涉及车辆控制领域，包括：中央处理器、电源模块、车载数据采集模块、输出驱动模块和掌纹处理模块；所述电源模块连接中央处理器，用于向中央处理器持续供电；所述车载数据采集模块用于采集车载数据并将采集到的车载数据传输到中央处理器；所述输出驱动模块连接中央处理器，所述中央处理器连接掌纹处理模块，所述掌纹处理模块用于采集掌纹信息并对掌纹信息进行分析处理，将得到的判定结果传输给中央处理器，所述中央处理器根据判定结果，由中央处理器向输出驱动模块发送指令。从而实现用户通过掌纹信息对汽车的自如操作，提升汽车使用的安全性。
Description
技术领域
本发明涉及车载设备应用领域，特别涉及一种智能车载控制终端管理***。
背景技术
GPS车载控制终端管理***是依托卫星定位、地理信息及无线通信等技术手段，实时掌握车辆位置和状态数据，为物流运输业提供调度管理信息。GPS车载控制终端管理***一般由主机模块、天线和可选配件组成，其中主机模块和天线构成了车载终端的基础部分，可实现实时定位，探测经纬度、时间、行进方向和速度的基本功能，主机上留有数据接口，可根据需要外接设备和传感器，以实现附件的功能要求。同时GPS车载终端产品以internet为载体，实现终端与中心之间通讯连接，其数据传输速率高、误码率低、稳定可靠、监控范围广，依托网络覆盖可实现全国漫游监控。但现有开门方式繁琐，因GPS车载控制终端管理***缺少掌纹识别功能，即通过识别的掌纹控制车门开合。
发明内容
针对上述问题，本发明旨在提供一种智能车载控制终端管理***。
本发明的目的采用以下技术方案来实现：
一种智能车载控制终端管理***，其特征在于，包括：电源模块、车载数据采集模块、掌纹处理模块、中央处理器、输出驱动模块；
所述电源模块用于向中央处理器持续供电；
所述车载数据采集模块用于采集车载数据并将采集到的车载数据传输到中央处理器；
所述掌纹处理模块用于采集掌纹信息并对采集到的掌纹信息进行分析，并将得到的判定结果传输给中央处理器；
所述中央处理器用于根据判定结果，由所述中央处理器向输出驱动模块发送车门开关信息；所述中央处理器还用于对车载数据进行运算处理；
所述输出驱动模块连接所述中央处理器，所述输出驱动模块根据中央处理器所处理的车载数据向汽车发送相应的指令。
本发明的有益效果：采用内置的掌纹处理模块控制电路的技术方案，通过中央处理器的处理，控制车门的开合，对车门做出准确的控制，操作简单，使用方便，不但避免了人工开锁的繁琐，而且方便快捷，契合都市生活的快节奏的理念。
附图说明
图1是本发明的框架结构图；
图2是本发明掌纹处理模块的框架结构图。
附图标记：
中央处理器1；车载数据采集模块2；电源模块3；掌纹处理模块4；输出驱动模块5；GPS模块6；GSM模块7；掌纹采集设备40；掌纹预处理单元41；掌纹增强单元42；掌纹提取单元43；掌纹识别单元44；掌纹数据库45。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种智能车载控制终端管理***，其特征在于，包括：中央处理器1、车载数据采集模块2、电源模块3、掌纹处理模块4、输出驱动模块5。
所述电源模块3用于向中央处理器1持续供电。
所述车载数据采集模块2用于采集车载数据并将采集到的车载数据传输到中央处理器1。
所述掌纹处理模块4用于采集掌纹信息并对采集到的掌纹信息进行分析，并将得到的判定结果传输给中央处理器1。
所述中央处理器1用于根据判定结果，由所述中央处理器1向输出驱动模块5发送车门开关信息；所述中央处理器1还用于对车载数据进行运算处理。
所述输出驱动模块5连接所述中央处理器1，所述输出驱动模块5根据中央处理器1所处理的车载数据向汽车发送相应的指令。
所述的智能车载控制终端管理***，还包括GPS模块6和GSM模块7；所述GPS模块6和GSM模块7分别于中央处理器1相连，用于采集GPS信息和GSM信息并将采集到GPS信息和GSM信息发送给中央处理器1进行处理。
优选地，所述电源模块包括降压电路、过压保护电路和门限电压电路。
优选地，所述中央处理器1为32为300M的高速单片机，且包括RAM、FLASH和GPIO接口。
优选地，参见图2，所述掌纹处理模块4包括掌纹采集设备40、掌纹预处理单元41、掌纹增强单元42、掌纹提取单元43、掌纹识别单元44和掌纹数据库45；所述掌纹采集设备40用于采集掌纹信息；所述掌纹预处理单元41用于对采集到的掌纹信息进行去噪，所述掌纹增强单元42用于对去噪后的掌纹信息进行增强处理，所述掌纹提取单元43用于从增强处理后的掌纹信息中提取掌纹纹理特征，掌纹数据库45用于存储已训练好的预设掌纹纹理特征；所述掌纹识别单元44用于将掌纹提取单元43得到的掌纹纹理特征和掌纹数据库45中的预设掌纹纹理特征进行比对分析，并将得到的判定结果传输到中央处理器1。
本发明上述实施例，采用内置的掌纹识别模块控制电路的技术方案，通过中央处理器的处理，控制车门的开合，对车门作出准确的控制，操作简单，使用方便，不但避免了人工开锁的繁琐，而且方便快捷，契合都市生活的快节奏的理念。
优选地，所述掌纹预处理单元41用于从采集到的掌纹信息中提取一个大小为256×256的感兴趣区域图像即ROI区域，并对ROI区域进行平滑操作，去除ROI区域中的随机噪声，得到平滑后的ROI区域，具体为：
1)根据采集手掌的位置及手掌特点进行特征的定位，从定位好的掌纹图像中分割出含有丰富掌纹信息的、大小为256×256的感兴趣区域图像即ROI区域；
2)利用传递函数H(u,v)对经傅里叶变换得到的ROI区域进行平滑操作，其传递函数公式为：
其中，设(p,q)为ROI区域内像素点坐标，(u,v)为ROI区域内像素点(x,y)经傅里叶变换后的、在ROI区域的频域内的对应坐标；H(u,v)为传递函数值，D0为截止频率，D(u,v)为在ROI区域的频域内的坐标原点到坐标点(u,v)的欧式距离，n为传递因子，是一大于0的正整数；
通过传递函数H(u,v)可以使ROI区域经傅里叶变换得到的高频分量得到衰减，即低于截止频率D0的所有频率全部通过，而高于截止频率D0的频率根据点(u,v)的欧式距离和截止频率D0的比值进行逐步衰减；
3)采用傅里叶逆变换函数将平滑处理后的ROI区域从频率变换到空间域内，即可得到平滑后的ROI区域。
本优选实施例，首先对采集到的掌纹图像进行分割，选取一个包含有丰富纹理特征信息的ROI区域，有利于后续能够获得更多的掌纹信息，有利于后续通过获取的掌纹信息对人员身份进行辨识，提高了准确度和识别度，之后利用传递函数H(u,v)对ROI区域进行平滑处理，能够有效去除掌纹图像中的随机噪声，并保留ROI区域中的掌纹的详细信息，在高频向低频过渡区域形成了一个平滑的过渡带，该过渡带的存在能够有效地避免了掌纹图像中振铃现象的发生。
优选地，所述掌纹增强单元42用于对平滑后的ROI区域执行模糊变换，将平滑后的ROI区域变换到模糊域内，并组成一个模糊特征平面，之后在模糊域中进行非线性变换处理和模糊逆变换将模糊特征平面变换到空间域内，即可得到增强处理后的ROI区域，具体为：
1)采用正弦隶属度函数将平滑后的ROI区域由空间域变换到模糊域，组成一个模糊特征平面，其自定义的正弦隶属度函数为：
其中，Wj,k为平滑后的ROI区域(j,k)处的隶属度值，Xj,k为平滑处理后的ROI区域在(j,k)处的灰度值，Xmin为平滑处理后的ROI区域的最小灰度值，Xmax为平滑处理后的ROI区域的最大灰度值，r为自定义的一正整数；
遍历平滑后的ROI区域中所有像素点，得到所有像素点的隶属度值，所有像素点的隶属度值组成一个模糊平面即为平滑后的ROI区域的模糊特征平面W；
2)采用一变换函数对所有像素点的隶属度值进行变换处理，即可得到一个新的模糊特征平面W＇，其定义的变换函数公式为：
Wj,k＇＝Tr(Wj,k)＝Tr(Tr-1(Wj,k)),r＝1,2,3…
其中，Wj,k＇为经过变换得到的点(j,k)处的模糊隶属度，Xc为自定义的渡越点；Tr(Wj,k)为一个算子；
3)对Wj,k＇进行非线性逆变换，将平滑后的ROI区域由模糊域变换到空间域，其逆变换公式为：
遍历模糊域中的所有点，全体的Xj,k＇组成的图像即为增强处理后的ROI区域。
本优选实施例，将ROI区域由空间域转换到模糊域，并在模糊域内对隶属度进行变换，通过增大超过模糊隶属度阈值的隶属度值，减少了小于模糊隶属度阈值的隶属度值，进而达到了模糊域内图像增强的目的，不经保持了掌纹图像本身的亮度，而且也能很好的抑制了在采集掌纹图像中的出现的随机噪声。
优选地，所述掌纹提取单元43用于对增强处理后的ROI区域进行特征提取，得到增强处理后的掌纹纹理特征，其中增强处理后的ROI区域大小为256×256，具体为：
1)采用卷积神经网络模型对增强处理后的ROI区域进行特征提取；实现方法是：将增强处理后的ROI区域作为输入图像，采用大小为11×11的卷积滤波器对输入图像进行卷积操作，得到96个大小为55×55的特征图，对卷积得到的数据进行变换和归一化处理，其归一化公式为：
其中，表示增强处理后的ROI区域像素点(x,y)处第i个卷积滤波器通过应用卷积核计算出的神经元激活度，n是处于相同空间位置靠近的卷积核映射数目，N为卷积核总数目。K,α,β为预设值，为归一化值；
对归一化处理后的数据进行下采样，其中下采样窗口为3×3，步长为2，得到了96个大小为27×27的特征图；采用256个大小为5×5×48的滤波器对96个大小为27×27的特征图进行卷积操作，得到384个13×13的特征图；采用256个大小为3×3×192的滤波器对384个13×13的特征图进行卷积操作，得到256个13×13特征图，将得到的256个13×13特征图进行下采样操作，其中下采样窗口大小为3×3，步长为2，得到256个大小为6×6的特征图；将下采样得到的256个6×6特征图的像素点排成一列，利用神经网络进行降维操作，得到4096维的输出结果；将降维处理后的结果输入到全连接神经网络后，输出的即为增强处理后的ROI区域的4096维特征；
2)利用主成分分析算法对提取的数据进行降维，得到增强处理后的掌纹纹理特征。
本优选实施例，对输入图像进行卷积操作时，通过采用归一化公式对神经元激活度进行归一化处理，用利于实现模型的泛化，降低了卷积层的错误率，同时，在进行卷积时，进行了重叠的池化操作，避免了过拟合现象的发生，采用了全连接层神经网络提取掌纹的纹理特征，该全连接层能够很好的掌纹图像的全局特征，同时有利于后续与预设掌纹信息进行对比，中央处理器1根据根据对比结果，准确无误地向输出驱动模块7发送指令。
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 (6)
1.一种智能车载控制终端管理***，其特征在于，包括：电源模块、车载数据采集模块、掌纹处理模块、中央处理器、输出驱动模块；
所述电源模块用于向中央处理器持续供电；
所述车载数据采集模块用于采集车载数据并将采集到的车载数据传输到中央处理器；
所述掌纹处理模块用于采集掌纹信息并对采集到的掌纹信息进行分析，并将得到的判定结果传输给中央处理器；
所述中央处理器用于根据判定结果，由所述中央处理器向输出驱动模块发送车门开关信息；所述中央处理器还用于对车载数据进行运算处理；
所述输出驱动模块连接所述中央处理器，所述输出驱动模块根据中央处理器所处理的车载数据向汽车发送相应的指令。
2.根据权利要求1所述的智能车载控制终端管理***，其特征在于，还包括GPS模块和GSM模块；所述GPS模块和GSM模块分别于中央处理器相连，用于采集GPS信息和GSM信息并将采集到GPS信息和GSM信息发送给中央处理器进行处理。
3.根据权利要求2所述的智能车载控制终端管理***，其特征在于，所述掌纹处理模块包括掌纹采集设备、掌纹预处理单元、掌纹增强单元、掌纹提取单元、掌纹识别单元和掌纹数据库；所述掌纹采集设备用于采集掌纹信息；所述掌纹预处理单元用于对采集到的掌纹信息进行去噪，所述掌纹增强单元用于对去噪后的掌纹信息进行增强处理，所述掌纹提取单元用于从增强处理后的掌纹信息中提取掌纹纹理特征，掌纹数据库用于存储已训练好的预设掌纹纹理特征；所述掌纹识别单元用于将掌纹提取单元得到的掌纹纹理特征和掌纹数据库中的预设掌纹纹理特征进行对比分析，并将得到的判定结果传输到中央处理器。
4.根据权利要求3所述的智能车载控制终端管理***，其特征在于，所述掌纹预处理单元用于从采集到的掌纹信息中提取一个大小为256×256的感兴趣区域图像即ROI区域，并对ROI区域进行平滑操作，去除ROI区域中的随机噪声，得到平滑后的ROI区域，具体为：
1)根据采集手掌的位置及手掌特点进行特征的定位，从定位好的掌纹图像中分割出含有丰富掌纹信息的、大小为256×256的感兴趣区域图像即ROI区域；
2)利用传递函数H(u，v)对经傅里叶变换得到的ROI区域进行平滑操作，其传递函数公式为：
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msup>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，设(p，q)为ROI区域内像素点坐标，(u，v)为ROI区域内像素点(x，y)经傅里叶变换后的、在ROI区域的频域内的对应坐标；H(u，v)为传递函数值，D0为截止频率，D(u，v)为在ROI区域的频域内的坐标原点到坐标点(u，v)的欧式距离，n为传递因子，是一大于0的正整数；
通过传递函数H(u，v)可以使ROI区域经傅里叶变换得到的高频分量得到衰减，即低于截止频率D0的所有频率全部通过，而高于截止频率D0的频率根据点(u，v)的欧式距离和截止频率D0的比值进行逐步衰减；
3)采用傅里叶逆变换函数将平滑处理后的ROI区域从频率变换到空间域内，即可得到平滑后的ROI区域。
5.根据权利要求4所述的智能车载控制终端管理***，其特征在于，所述掌纹增强单元用于对平滑后的ROI区域进行模糊变换，将平滑后的ROI区域变换到模糊域内，在模糊域中对模糊域中的ROI区域进行非线性变换处理和模糊逆变换，得到增强处理后的ROI区域，具体为：
1)采用正弦隶属度函数将平滑后的ROI区域由空间域变换到模糊域，其自定义的正弦隶属度函数为：
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>&times;</mo>
<mfrac>
<mi>&pi;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>a</mi>
</msup>
</mrow>
其中，Wj，k为平滑后的ROI区域像素点(j，k)处的隶属度值，Xj，k为平滑处理后的ROI区域中像素点(j，k)处的灰度值，Xmin为平滑处理后的ROI区域的最小灰度值，Xmax为平滑处理后的ROI区域的最大灰度值，a为模糊域调节因子，用于根据ROI区域的图像内容和图像增强目的对正弦隶属度函数进行修正；
遍历平滑后的ROI区域中所有像素点，得到平滑后的ROI区域所有像素点的隶属度值；
2)采用一变换函数对所有像素点的隶属度值进行变换处理，即可得到一个新的模糊特征平面W′，其定义的变换函数公式为：
Wj，k′＝Tr(Wj，k)＝Tr(Tr-1(Wj，k))，r＝1，2，3...
<mrow>
<msub>
<mi>T</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo><</mo>
<msub>
<mi>X</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>X</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo><</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Wj，k′为经过变换得到的模糊隶属度值，Xc为自定义的模糊隶属度阈值；Tr(Wj，k)为一个映射函数；
3)对Wj，k′进行非线性逆变换，将平滑后的ROI区域由模糊域变换到空间域，其逆变换公式为：
<mrow>
<msup>
<msub>
<mi>X</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msup>
<mi>T</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>W</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msqrt>
<mi>r</mi>
</msqrt>
</msup>
<mo>&times;</mo>
<mfrac>
<mn>2</mn>
<mi>&pi;</mi>
</mfrac>
</mrow>
其中：Xj，k′为经逆变换得到的逆变换函数值；
遍历模糊域中的所有点，全体的Xj，k′组成的集合即为增强处理后的ROI区域。
6.根据权利要求5所述的智能车载控制终端管理***，其特征在于，所述掌纹提取单元用于对增强处理后的ROI区域进行特征提取，得到增强处理后的掌纹纹理特征，其中增强处理后的ROI区域大小为256×256，具体为：
1)采用卷积神经网络模型对增强处理后的ROI区域进行特征提取；实现方法是：将增强处理后的ROI区域作为输入图像，采用大小为11×11的卷积滤波器对输入图像进行卷积操作，得到96个大小为55×55的特征图，对卷积得到的数据进行变换和归一化处理，其归一化公式为：
<mrow>
<msubsup>
<mi>b</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>/</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>&alpha;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mo>-</mo>
<mfrac>
<mi>n</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mo>+</mo>
<mfrac>
<mi>n</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
其中，表示增强处理后的ROI区域像素点(x，y)处第i个卷积滤波器通过应用卷积核计算出的神经元激活度，n是处于相同空间位置靠近的卷积核映射数目，N为卷积核总数目；K，α，β为预设值，为归一化值；
对归一化处理后的数据进行下采样，其中下采样窗口为3×3，步长为2，得到了96个大小为27×27的特征图；采用256个大小为5×5×48的滤波器对96个大小为27×27的特征图进行卷积操作，得到384个13×13的特征图；采用256个大小为3×3×192的滤波器对384个13×13的特征图进行卷积操作，得到256个13×13特征图，将得到的256个13×13特征图进行下采样操作，其中下采样窗口大小为3×3，步长为2，得到256个大小为6×6的特征图；将下采样得到的256个6×6特征图的像素点排成一列，利用神经网络进行降维操作，得到4096维的输出结果；将降维处理后的结果输入到全连接神经网络后，输出的即为增强处理后的ROI区域的4096维特征；
2)利用主成分分析算法对提取的数据进行降维，得到增强处理后的掌纹纹理特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710900900.5A CN107792008B (zh) | 2017-09-28 | 2017-09-28 | 一种智能车载控制终端管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710900900.5A CN107792008B (zh) | 2017-09-28 | 2017-09-28 | 一种智能车载控制终端管理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107792008A true CN107792008A (zh) | 2018-03-13 |
| CN107792008B CN107792008B (zh) | 2018-10-12 |
Family
ID=61532845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710900900.5A Active CN107792008B (zh) | 2017-09-28 | 2017-09-28 | 一种智能车载控制终端管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107792008B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109270394A (zh) * | 2018-10-16 | 2019-01-25 | 江苏佳源科技有限公司 | 一种智能低压分路监测*** |
| CN109670471A (zh) * | 2018-12-28 | 2019-04-23 | 广州市久邦数码科技有限公司 | 一种掌纹特征提取方法和手相识别方法 |
| CN113128511A (zh) * | 2021-03-31 | 2021-07-16 | 武汉钢铁有限公司 | 一种焦炭组织识别方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060274921A1 (en) * | 2003-04-04 | 2006-12-07 | Lumidigm, Inc. | Texture-biometrics sensor |
| CN101464945A (zh) * | 2008-11-14 | 2009-06-24 | 清华大学深圳研究生院 | 基于指背关节纹理的身份特征识别方法 |
| CN102254188A (zh) * | 2011-08-04 | 2011-11-23 | 汉王科技股份有限公司 | 掌纹识别方法及装置 |
| CN203237210U (zh) * | 2013-05-14 | 2013-10-16 | 国家电网公司 | 一种车载智能掌纹识别*** |
| CN104228767A (zh) * | 2014-07-30 | 2014-12-24 | 哈尔滨工业大学深圳研究生院 | 一种基于掌纹认证的汽车启动方法 |
| CN105984429A (zh) * | 2015-02-04 | 2016-10-05 | 鸿富锦精密工业（深圳）有限公司 | 免电源智能钥匙、车辆解锁***及车辆解锁方法 |
-
2017
- 2017-09-28 CN CN201710900900.5A patent/CN107792008B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060274921A1 (en) * | 2003-04-04 | 2006-12-07 | Lumidigm, Inc. | Texture-biometrics sensor |
| CN101464945A (zh) * | 2008-11-14 | 2009-06-24 | 清华大学深圳研究生院 | 基于指背关节纹理的身份特征识别方法 |
| CN102254188A (zh) * | 2011-08-04 | 2011-11-23 | 汉王科技股份有限公司 | 掌纹识别方法及装置 |
| CN203237210U (zh) * | 2013-05-14 | 2013-10-16 | 国家电网公司 | 一种车载智能掌纹识别*** |
| CN104228767A (zh) * | 2014-07-30 | 2014-12-24 | 哈尔滨工业大学深圳研究生院 | 一种基于掌纹认证的汽车启动方法 |
| CN105984429A (zh) * | 2015-02-04 | 2016-10-05 | 鸿富锦精密工业（深圳）有限公司 | 免电源智能钥匙、车辆解锁***及车辆解锁方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109270394A (zh) * | 2018-10-16 | 2019-01-25 | 江苏佳源科技有限公司 | 一种智能低压分路监测*** |
| CN109670471A (zh) * | 2018-12-28 | 2019-04-23 | 广州市久邦数码科技有限公司 | 一种掌纹特征提取方法和手相识别方法 |
| CN113128511A (zh) * | 2021-03-31 | 2021-07-16 | 武汉钢铁有限公司 | 一种焦炭组织识别方法及装置 |
| CN113128511B (zh) * | 2021-03-31 | 2023-07-25 | 武汉钢铁有限公司 | 一种焦炭组织识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107792008B (zh) | 2018-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108573276B (zh) | 一种基于高分辨率遥感影像的变化检测方法 | |
| CN109508710A (zh) | 基于改进YOLOv3网络的无人车夜间环境感知方法 | |
| CN105354866A (zh) | 一种多边形轮廓相似度检测方法 | |
| CN107792008A (zh) | 一种智能车载控制终端管理*** | |
| CN101813475B (zh) | 远距离障碍的自适应检测方法 | |
| CN102567973B (zh) | 基于改进的形状自适应窗口的图像去噪方法 | |
| CN109447069A (zh) | 面向智能终端的车辆信息采集识别方法及*** | |
| CN109816040B (zh) | 基于深度学习的城市内涝水深检测的方法 | |
| CN104778457A (zh) | 基于多示例学习的视频人脸识别算法 | |
| CN105335975B (zh) | 基于低秩分解和直方图统计的极化sar图像分割方法 | |
| CN106683102A (zh) | 基于脊波滤波器和卷积结构模型的sar图像分割方法 | |
| CN104680180A (zh) | 基于k均值和稀疏自编码的极化sar图像分类方法 | |
| CN106373146A (zh) | 一种基于模糊学习的目标跟踪方法 | |
| CN103714326A (zh) | 一种单样本人脸识别方法 | |
| CN104732186A (zh) | 基于局部子空间稀疏表示的单样本人脸识别方法 | |
| CN107066966A (zh) | 一种基于关键点区域图像的人脸识别方法 | |
| CN106897999A (zh) | 基于尺度不变特征变换的苹果图像融合方法 | |
| CN102663724A (zh) | 基于自适应差异图的遥感图像变化检测方法 | |
| CN105205460A (zh) | 基于最大方向编码的人脸表情特征提取及识别方法 | |
| CN108882152A (zh) | 一种基于路径选择上报的用户隐私保护方法 | |
| CN103661102A (zh) | 一种实时提示车辆周边路人的方法及装置 | |
| CN106960192A (zh) | 自动驾驶中基于前向摄像头的道路标线提取*** | |
| CN107066501A (zh) | 一种基于道路相似性的机动车尾气遥测设备布点方法 | |
| CN106556760A (zh) | 一种基于云计算的车载多媒体的自动化测试控制*** | |
| KR102374158B1 (ko) | Gis 및 cnn 기반 공공데이터를 이용한 변화탐지 서비스 제공 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180822 Address after: 276500 1 Rizhao East Road, Juxian Economic Development Zone, Rizhao City, Shandong Applicant after: HAIHUI NEW ENERGY MOTOR Co.,Ltd. Address before: 542800 the Guangxi Zhuang Autonomous Region Hezhou eight step area east road 155 Applicant before: Wei Caixia |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211229 Address after: 276500 No. 23, Caihong Road, Zhaoxian Town, Ju county, Rizhao City, Shandong Province Patentee after: HAIHUI MOTOR Co.,Ltd. Patentee after: HAIHUI NEW ENERGY MOTOR Co.,Ltd. Address before: 276500 1 Rizhao East Road, Juxian Economic Development Zone, Rizhao City, Shandong Patentee before: HAIHUI NEW ENERGY MOTOR Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Intelligent Vehicle Control Terminal Management System Effective date of registration: 20230614 Granted publication date: 20181012 Pledgee: Bank of Rizhao Co.,Ltd. Juxian sub branch Pledgor: HAIHUI MOTOR Co.,Ltd. Registration number: Y2023980043838 |