CN109147110B - 基于面部特征识别的进校验证机构 - Google Patents
基于面部特征识别的进校验证机构 Download PDFInfo
- Publication number
- CN109147110B CN109147110B CN201810790440.XA CN201810790440A CN109147110B CN 109147110 B CN109147110 B CN 109147110B CN 201810790440 A CN201810790440 A CN 201810790440A CN 109147110 B CN109147110 B CN 109147110B
- Authority
- CN
- China
- Prior art keywords
- image
- school
- value
- component
- vegetarian refreshments
- 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
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 68
- 230000008520 organization Effects 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于面部特征匹配的进校验证机构，包括：现场测距设备，设置在球形摄像机一侧，用于对球形摄像机前方进行超声波式测距处理，以获得球形摄像机前方最近的目标，以及获得所述目标到球形摄像机的距离并作为目标距离输出；球形摄像机，设置在学校门前，用于在所述目标距离小于等于预设距离阈值时，实施对学校门前的环境进行数据采集，以获得并输出相应的学校门前图像；人员辨识设备，用于对平滑操作图像进行面部区域识别，并对识别到的面部区域进行人员辨识操作，以在识别到的面部区域中的面部特征与预存特征数据库中的某一预设面部特征匹配时，发出合法人员信号。通过本发明，避免闲杂人员闯入校内的情况发生。
Description
技术领域
本发明涉及面部识别领域，尤其涉及一种基于面部特征识别的进校验证机构。
背景技术
面部特征识别是基于生物特征的识别方式，与指纹识别等传统的识别方式相比，具有实时、准确、高精度、易于使用、稳定性高、难仿冒、性价比高和非侵扰等特性，较容易被用户接受。
在当今社会信息安全问题备受人们关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码、磁卡和钥匙等传统的安全措施已不能完全满足社会要求。
在这样一个背景下，人们把目光投向了生物特征识别技术，即利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。
发明内容
为了解决进校人员缺乏有效鉴权机制的技术问题，本发明提供了一种基于面部特征匹配的进校验证机构，在目标距离小于等于预设距离阈值时，实施对学校门前环境进行的图像数据采集，并引入了各种针对性的图像处理设备，实现对进校人员身份的有效辨识；尤为关键的是，对图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，对图像执行逐行检测处理以获得R通道均值超限的行并作为可疑行，统计所述可疑行中位于所述背景子图像中的像素点的数量以确定所述可疑行是否为相应的亮线行，并在图像中存在亮线行时对图像执行高精度图像滤波处理。
根据本发明的一方面，提供了一种基于面部特征匹配的进校验证机构，所述机构包括：
现场测距设备，设置在球形摄像机一侧，用于对球形摄像机前方进行超声波式测距处理，以获得球形摄像机前方最近的目标，以及获得所述目标到球形摄像机的距离并作为目标距离输出；球形摄像机，设置在学校门前，与所述现场测距设备连接，用于在所述目标距离小于等于预设距离阈值时，实施对学校门前的环境进行数据采集，以获得并输出相应的学校门前图像；目标追踪设备，与所述球形摄像机连接，用于接收所述学校门前图像，对所述学校门前图像中的各个目标的边界锐化程度进行分析，以获得每一个目标的边界锐化等级，并基于所述学校门前图像中的各个目标的边界锐化等级，获取所述学校门前图像的整体锐化等级；边界锐化设备，与所述目标追踪设备连接，用于接收所述学校门前图像的整体锐化等级，并基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理，以获得并输出与所述学校门前图像对应的逐次锐化图像；在所述边界锐化设备中，基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理包括：所述学校门前图像的整体锐化等级越高，对所述学校门前图像进行锐化处理的相应次数越少；图像分割设备，与所述边界锐化设备连接，用于接收所述逐次锐化图像，对所述逐次锐化图像执行前景和背景分割，以获得对应的前景子图像和背景子图像；逐行检测设备，与所述图像分割设备连接，用于获取所述逐次锐化图像中每一个行的各个像素点的R通道数据，对每一个行的各个像素点的R通道数据进行算术平均值计算以获得对应的R通道均值，获取各行的R通道均值，对各行的R通道均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的R通道均值所对应的行作为可疑行；亮线识别设备，分别与所述逐行检测设备和所述图像分割设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；定制滤波设备，与所述亮线识别设备连接，用于在所述亮线识别设备输出的亮线行的数量非零时，将所述逐次锐化图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值；图像整合设备，与所述定制滤波设备连接，用于基于所述逐次锐化图像各个像素点的已处理Y分量值、已处理U分量值和已处理V分量值获取对应的分量整合图像；平滑度识别设备，与所述图像整合设备连接，用于接收所述分量整合图像，对所述分量整合图像执行平滑度识别动作，以获得所述分量整合图像对应的实时平滑度；平滑处理设备，与所述平滑度识别设备连接，用于接收所述实时平滑度和所述分量整合图像，并基于所述实时平滑度对所述分量整合图像进行相应的图像平滑处理，以获得相应的平滑操作图像，并输出所述平滑操作图像；在所述平滑处理设备中，所述实时平滑度越高，对所述分量整合图像进行相应的图像平滑处理的强度越小；人员辨识设备，与所述平滑处理设备连接，用于接收所述平滑操作图像，对所述平滑操作图像进行面部区域识别，并对识别到的面部区域进行人员辨识操作，以在识别到的面部区域中的面部特征与预存特征数据库中的某一预设面部特征匹配时，发出合法人员信号。
更具体地，在所述基于面部特征匹配的进校验证机构中：所述人员辨识设备包括数据接收单元、区域识别单元、特征识别单元、特征匹配单元、数据库存储单元和数据输出单元。
更具体地，在所述基于面部特征匹配的进校验证机构中：所述人员辨识设备还用于在识别到的面部区域中的面部特征与预存特征数据库中的任意预设面部特征都不匹配时，发出非法人员信号。
更具体地，在所述基于面部特征匹配的进校验证机构中：所述球形摄像机还用于在所述目标距离大于所述预设距离阈值时，停止对学校门前的环境进行的数据采集。
更具体地，在所述基于面部特征匹配的进校验证机构中：在所述人员辨识设备中，所述区域识别单元分别与所述数据接收单元和所述特征识别单元连接。
更具体地，在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值包括：确定所述对象像素点周围各个像素点的各个Y分量值的平均值，当所述平均值超过预设Y分量阈值时，将所述平均值作为所述对象像素点的已处理Y分量值，否则，将所述对象像素点的固有Y分量值作为所述对象像素点的已处理Y分量值。
更具体地，在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值包括：确定所述对象像素点周围各个像素点的各个U分量值的平均值，当所述平均值超过预设U分量阈值时，将所述平均值作为所述对象像素点的已处理U分量值，否则，将所述对象像素点的固有U分量值作为所述对象像素点的已处理U分量值。
更具体地，在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值包括：确定所述对象像素点周围各个像素点的各个V分量值的平均值，当所述平均值超过预设V分量阈值时，将所述平均值作为所述对象像素点的已处理V分量值，否则，将所述对象像素点的固有V分量值作为所述对象像素点的已处理V分量值。
更具体地，在所述基于面部特征匹配的进校验证机构中：在所述图像分割设备中，所述前景子图像和所述背景子图像组成所述逐次锐化图像。
更具体地，在所述基于面部特征匹配的进校验证机构中：
所述逐行检测设备输出的可疑行为一个或多个，所述亮线识别设备输出的亮线行为一个或多个；其中，在所述人员辨识设备中，所述特征匹配单元分别与所述特征识别单元和所述数据库存储单元连接，所述数据输出单元与所述特征匹配单元连接。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于面部特征匹配的进校验证机构的结构示意图。
具体实施方式
下面将参照附图对本发明的基于面部特征匹配的进校验证机构的实施方案进行详细说明。
面部特征识别技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。
利用已建成的人脸特征模板与被测者的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。
为了克服上述不足，本发明搭建了一种基于面部特征匹配的进校验证机构，有效解决相应的技术问题。
图1为根据本发明实施方案示出的基于面部特征匹配的进校验证机构的结构示意图，所述机构包括：
现场测距设备1，设置在球形摄像机一侧，用于对球形摄像机前方进行超声波式测距处理，以获得球形摄像机前方最近的目标，以及获得所述目标到球形摄像机的距离并作为目标距离输出；
球形摄像机2，设置在学校门前，与所述现场测距设备连接，用于在所述目标距离小于等于预设距离阈值时，实施对学校门前的环境进行数据采集，以获得并输出相应的学校门前图像；
控制仪表盒3，用于放置各种电子设备；
实时显示设备4，与所述球形摄像机连接，用于接收并显示所述学校门前图像；
目标追踪设备，与所述球形摄像机连接，用于接收所述学校门前图像，对所述学校门前图像中的各个目标的边界锐化程度进行分析，以获得每一个目标的边界锐化等级，并基于所述学校门前图像中的各个目标的边界锐化等级，获取所述学校门前图像的整体锐化等级；
边界锐化设备，与所述目标追踪设备连接，用于接收所述学校门前图像的整体锐化等级，并基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理，以获得并输出与所述学校门前图像对应的逐次锐化图像；在所述边界锐化设备中，基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理包括：所述学校门前图像的整体锐化等级越高，对所述学校门前图像进行锐化处理的相应次数越少；
图像分割设备，与所述边界锐化设备连接，用于接收所述逐次锐化图像，对所述逐次锐化图像执行前景和背景分割，以获得对应的前景子图像和背景子图像；
逐行检测设备，与所述图像分割设备连接，用于获取所述逐次锐化图像中每一个行的各个像素点的R通道数据，对每一个行的各个像素点的R通道数据进行算术平均值计算以获得对应的R通道均值，获取各行的R通道均值，对各行的R通道均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的R通道均值所对应的行作为可疑行；
亮线识别设备，分别与所述逐行检测设备和所述图像分割设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；
定制滤波设备，与所述亮线识别设备连接，用于在所述亮线识别设备输出的亮线行的数量非零时，将所述逐次锐化图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值；
图像整合设备，与所述定制滤波设备连接，用于基于所述逐次锐化图像各个像素点的已处理Y分量值、已处理U分量值和已处理V分量值获取对应的分量整合图像；
平滑度识别设备，与所述图像整合设备连接，用于接收所述分量整合图像，对所述分量整合图像执行平滑度识别动作，以获得所述分量整合图像对应的实时平滑度；
平滑处理设备，与所述平滑度识别设备连接，用于接收所述实时平滑度和所述分量整合图像，并基于所述实时平滑度对所述分量整合图像进行相应的图像平滑处理，以获得相应的平滑操作图像，并输出所述平滑操作图像；在所述平滑处理设备中，所述实时平滑度越高，对所述分量整合图像进行相应的图像平滑处理的强度越小；
人员辨识设备，与所述平滑处理设备连接，用于接收所述平滑操作图像，对所述平滑操作图像进行面部区域识别，并对识别到的面部区域进行人员辨识操作，以在识别到的面部区域中的面部特征与预存特征数据库中的某一预设面部特征匹配时，发出合法人员信号。
接着，继续对本发明的基于面部特征匹配的进校验证机构的具体结构进行进一步的说明。
在所述基于面部特征匹配的进校验证机构中：所述人员辨识设备包括数据接收单元、区域识别单元、特征识别单元、特征匹配单元、数据库存储单元和数据输出单元。
在所述基于面部特征匹配的进校验证机构中：所述人员辨识设备还用于在识别到的面部区域中的面部特征与预存特征数据库中的任意预设面部特征都不匹配时，发出非法人员信号。
在所述基于面部特征匹配的进校验证机构中：所述球形摄像机还用于在所述目标距离大于所述预设距离阈值时，停止对学校门前的环境进行的数据采集。
在所述基于面部特征匹配的进校验证机构中：在所述人员辨识设备中，所述区域识别单元分别与所述数据接收单元和所述特征识别单元连接。
在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值包括：确定所述对象像素点周围各个像素点的各个Y分量值的平均值，当所述平均值超过预设Y分量阈值时，将所述平均值作为所述对象像素点的已处理Y分量值，否则，将所述对象像素点的固有Y分量值作为所述对象像素点的已处理Y分量值。
在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值包括：确定所述对象像素点周围各个像素点的各个U分量值的平均值，当所述平均值超过预设U分量阈值时，将所述平均值作为所述对象像素点的已处理U分量值，否则，将所述对象像素点的固有U分量值作为所述对象像素点的已处理U分量值。
在所述基于面部特征匹配的进校验证机构中：在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值包括：确定所述对象像素点周围各个像素点的各个V分量值的平均值，当所述平均值超过预设V分量阈值时，将所述平均值作为所述对象像素点的已处理V分量值，否则，将所述对象像素点的固有V分量值作为所述对象像素点的已处理V分量值。
在所述基于面部特征匹配的进校验证机构中：在所述图像分割设备中，所述前景子图像和所述背景子图像组成所述逐次锐化图像。
在所述基于面部特征匹配的进校验证机构中：
所述逐行检测设备输出的可疑行为一个或多个，所述亮线识别设备输出的亮线行为一个或多个；
其中，在所述人员辨识设备中，所述特征匹配单元分别与所述特征识别单元和所述数据库存储单元连接，所述数据输出单元与所述特征匹配单元连接。
另外，在所述基于面部特征匹配的进校验证机构中：所述人员辨识设备可以由PLD器材来实现。可编程逻辑器件PLD(Programmable Logic Device)是ASIC的一个重要分支，是厂家作为一种通用性器件生产的半定制电路，用户可通过对器件编程实现所需要的功能。可编程逻辑阵列PLA(Programmable Logic Array),与20世纪70年代中期出现，它是由可编程的与阵列和可编程的或阵列组成。可编程阵列逻辑PAL(Programmable ArrayLogic)器件是1977年美国MMI公司率先推出的，它由于输出结构种类很多，设计灵活，因而得到普遍使用。
PAL器件的基本结构是把一个可编程的与阵列的输出乘积项馈送到或阵列，PAL器件所实现的逻辑表达式具有积之和的形式，因而可以描述任意布尔传递函数。PAL器件从内部结构上来说由五种基本类型构成：(1)基本阵列结构；(2)可编程I/O结构；(3)带反馈的寄存器输出结构；(4)异或结构：(5)算术功能结构。
采用本发明的基于面部特征匹配的进校验证机构，针对现有技术中学校安全保障不力的技术问题，在目标距离小于等于预设距离阈值时，实施对学校门前环境进行的图像数据采集，并引入了各种针对性的图像处理设备，实现对进校人员身份的有效辨识；尤为关键的是，对图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，对图像执行逐行检测处理以获得R通道均值超限的行并作为可疑行，统计所述可疑行中位于所述背景子图像中的像素点的数量以确定所述可疑行是否为相应的亮线行，并在图像中存在亮线行时对图像执行高精度图像滤波处理，从而解决了上述技术问题。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (7)
1.一种基于面部特征匹配的进校验证机构，其特征在于，所述机构包括：
现场测距设备，设置在球形摄像机一侧，用于对球形摄像机前方进行超声波式测距处理，以获得球形摄像机前方最近的目标，以及获得所述目标到球形摄像机的距离并作为目标距离输出；
球形摄像机，设置在学校门前，与所述现场测距设备连接，用于在所述目标距离小于等于预设距离阈值时，实施对学校门前的环境进行数据采集，以获得并输出相应的学校门前图像；
目标追踪设备，与所述球形摄像机连接，用于接收所述学校门前图像，对所述学校门前图像中的各个目标的边界锐化程度进行分析，以获得每一个目标的边界锐化等级，并基于所述学校门前图像中的各个目标的边界锐化等级，获取所述学校门前图像的整体锐化等级；
边界锐化设备，与所述目标追踪设备连接，用于接收所述学校门前图像的整体锐化等级，并基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理，以获得并输出与所述学校门前图像对应的逐次锐化图像；在所述边界锐化设备中，基于学校门前图像的整体锐化等级对所述学校门前图像进行相应次数的锐化处理包括：所述学校门前图像的整体锐化等级越高，对所述学校门前图像进行锐化处理的相应次数越少；
图像分割设备，与所述边界锐化设备连接，用于接收所述逐次锐化图像，对所述逐次锐化图像执行前景和背景分割，以获得对应的前景子图像和背景子图像；
逐行检测设备，与所述图像分割设备连接，用于获取所述逐次锐化图像中每一个行的各个像素点的R通道数据，对每一个行的各个像素点的R通道数据进行算术平均值计算以获得对应的R通道均值，获取各行的R通道均值，对各行的R通道均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的R通道均值所对应的行作为可疑行；
亮线识别设备，分别与所述逐行检测设备和所述图像分割设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；
定制滤波设备，与所述亮线识别设备连接，用于在所述亮线识别设备输出的亮线行的数量非零时，将所述逐次锐化图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值；
图像整合设备，与所述定制滤波设备连接，用于基于所述逐次锐化图像各个像素点的已处理Y分量值、已处理U分量值和已处理V分量值获取对应的分量整合图像；
平滑度识别设备，与所述图像整合设备连接，用于接收所述分量整合图像，对所述分量整合图像执行平滑度识别动作，以获得所述分量整合图像对应的实时平滑度；
平滑处理设备，与所述平滑度识别设备连接，用于接收所述实时平滑度和所述分量整合图像，并基于所述实时平滑度对所述分量整合图像进行相应的图像平滑处理，以获得相应的平滑操作图像，并输出所述平滑操作图像；在所述平滑处理设备中，所述实时平滑度越高，对所述分量整合图像进行相应的图像平滑处理的强度越小；
人员辨识设备，与所述平滑处理设备连接，用于接收所述平滑操作图像，对所述平滑操作图像进行面部区域识别，并对识别到的面部区域进行人员辨识操作，以在识别到的面部区域中的面部特征与预存特征数据库中的某一预设面部特征匹配时，发出合法人员信号；
所述人员辨识设备包括数据接收单元、区域识别单元、特征识别单元、特征匹配单元、数据库存储单元和数据输出单元；
所述人员辨识设备还用于在识别到的面部区域中的面部特征与预存特征数据库中的任意预设面部特征都不匹配时，发出非法人员信号；
所述球形摄像机还用于在所述目标距离大于所述预设距离阈值时，停止对学校门前的环境进行的数据采集。
2.如权利要求1所述的基于面部特征匹配的进校验证机构，其特征在于：
在所述人员辨识设备中，所述区域识别单元分别与所述数据接收单元和所述特征识别单元连接。
3.如权利要求2所述的基于面部特征匹配的进校验证机构，其特征在于：
在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个Y分量值以获得所述对象像素点的已处理Y分量值包括：确定所述对象像素点周围各个像素点的各个Y分量值的平均值，当所述平均值超过预设Y分量阈值时，将所述平均值作为所述对象像素点的已处理Y分量值，否则，将所述对象像素点的固有Y分量值作为所述对象像素点的已处理Y分量值。
4.如权利要求3所述的基于面部特征匹配的进校验证机构，其特征在于：
在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个U分量值以获得所述对象像素点的已处理U分量值包括：确定所述对象像素点周围各个像素点的各个U分量值的平均值，当所述平均值超过预设U分量阈值时，将所述平均值作为所述对象像素点的已处理U分量值，否则，将所述对象像素点的固有U分量值作为所述对象像素点的已处理U分量值。
5.如权利要求4所述的基于面部特征匹配的进校验证机构，其特征在于：
在所述定制滤波设备中，确定所述对象像素点周围各个像素点的各个V分量值以获得所述对象像素点的已处理V分量值包括：确定所述对象像素点周围各个像素点的各个V分量值的平均值，当所述平均值超过预设V分量阈值时，将所述平均值作为所述对象像素点的已处理V分量值，否则，将所述对象像素点的固有V分量值作为所述对象像素点的已处理V分量值。
6.如权利要求5所述的基于面部特征匹配的进校验证机构，其特征在于：
在所述图像分割设备中，所述前景子图像和所述背景子图像组成所述逐次锐化图像。
7.如权利要求6所述的基于面部特征匹配的进校验证机构，其特征在于：
所述逐行检测设备输出的可疑行为一个或多个，所述亮线识别设备输出的亮线行为一个或多个；
其中，在所述人员辨识设备中，所述特征匹配单元分别与所述特征识别单元和所述数据库存储单元连接，所述数据输出单元与所述特征匹配单元连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810790440.XA CN109147110B (zh) | 2018-07-18 | 2018-07-18 | 基于面部特征识别的进校验证机构 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810790440.XA CN109147110B (zh) | 2018-07-18 | 2018-07-18 | 基于面部特征识别的进校验证机构 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109147110A CN109147110A (zh) | 2019-01-04 |
| CN109147110B true CN109147110B (zh) | 2019-05-17 |
Family
ID=64801083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810790440.XA Expired - Fee Related CN109147110B (zh) | 2018-07-18 | 2018-07-18 | 基于面部特征识别的进校验证机构 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109147110B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109718037B (zh) * | 2019-01-10 | 2020-11-24 | 周世香 | 就诊人体护理平台 |
| CN109886184B (zh) * | 2019-02-18 | 2020-05-12 | 张秀纹 | 实时门诊数据修正平台 |
| CN110401234A (zh) * | 2019-04-09 | 2019-11-01 | 泰州悦诚科技信息咨询中心 | 实时参数设置平台 |
| CN110397368A (zh) * | 2019-04-18 | 2019-11-01 | 泰州市赛得机电设备有限公司 | 指令触发式动作*** |
| CN111027361B (zh) * | 2019-04-26 | 2020-08-18 | 台州雪华制冷设备有限公司 | 对象参数实时解析装置 |
| CN110363075B (zh) * | 2019-06-03 | 2020-03-20 | 南京特殊教育师范学院 | 基于大数据服务器的可疑病态面部检测*** |
| CN110636361B (zh) * | 2019-08-27 | 2020-04-24 | 上海移卓网络科技有限公司 | 智能化手机app设置平台、方法及存储介质 |
| CN112614137B (zh) * | 2019-10-06 | 2022-08-30 | 山东九州信泰信息科技股份有限公司 | 基于对象数量的参数调控*** |
| CN112291315B (zh) * | 2020-10-18 | 2021-05-28 | 盛夏 | 基于大数据服务的无线通信平台 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020113687A1 (en) * | 2000-11-03 | 2002-08-22 | Center Julian L. | Method of extending image-based face recognition systems to utilize multi-view image sequences and audio information |
| CN101980305A (zh) * | 2010-10-21 | 2011-02-23 | 青岛科技大学 | 基于人脸识别与3g通信的家庭智能门禁*** |
| CN105913241A (zh) * | 2016-04-01 | 2016-08-31 | 袁艳荣 | 一种基于图像识别的顾客认证***的使用方法 |
| CN206209937U (zh) * | 2016-12-01 | 2017-05-31 | 长春理工大学光电信息学院 | 一种具有人脸识别的门禁装置 |
-
2018
- 2018-07-18 CN CN201810790440.XA patent/CN109147110B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN109147110A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109147110B (zh) | 基于面部特征识别的进校验证机构 | |
| Radman et al. | Fast and reliable iris segmentation algorithm | |
| CN101359365B (zh) | 一种基于最大类间方差和灰度信息的虹膜定位方法 | |
| Zhang et al. | Multispectral biometrics systems | |
| CN109886080A (zh) | 人脸活体检测方法、装置、电子设备及可读存储介质 | |
| Sapkale et al. | A biometric authentication system based on finger vein recognition | |
| Abidin et al. | Iris segmentation analysis using integro-differential and hough transform in biometric system | |
| Ahmadi et al. | Iris recognition system based on canny and LoG edge detection methods | |
| Aleem et al. | Fast and accurate retinal identification system: Using retinal blood vasculature landmarks | |
| Kusban et al. | Combination a skeleton filter and reduction dimension of kernel pca based on palmprint recognition | |
| Akintoye et al. | A novel approach for finger vein pattern enhancement using Gabor and Canny edge detector | |
| Guo et al. | Research on the finger vein image capture and finger edge extraction | |
| Jayachandra et al. | Iris Recognition based on Pupil using Canny edge detection and K-Means Algorithm | |
| Zhong et al. | VeinDeep: Smartphone unlock using vein patterns | |
| Kumari et al. | An experimental study of feature reduction using PCA in multi-biometric systems based on feature level fusion | |
| Babatunde et al. | A block processing approach to fingerprint ridge-orientation estimation | |
| Jagadeesh et al. | Iris recognition system development using MATLAB | |
| Swati et al. | Iris recognition using Gabor | |
| Vishwakarma et al. | Biometric Iris Recognition using Sobel Edge Detection for Secured Authentication | |
| Akintoye et al. | Challenges of finger vein recognition system: a theoretical perspective | |
| Elliott et al. | Expanding the human-biometric sensor interaction model to identity claim scenarios | |
| Yunanto et al. | Automatic features reduction procedures in palm vein recognition | |
| Soltany et al. | Daugman’s Algorithm Enhancement for Iris Localization | |
| CN111937005A (zh) | 生物特征识别方法、装置、设备及存储介质 | |
| Patil et al. | Iris recognition using fuzzy system |
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: 20190412 Address after: Room 3905, 5475 Yunchuan Road, Baoshan District, Shanghai, 2004 Applicant after: SHANGHAI LIBA NETWORK TECHNOLOGY Co.,Ltd. Address before: 210029 No. 61 Guangzhou Road, Nanjing City, Jiangsu Province Applicant before: Gu Kebin |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 3905, 5475 Yunchuan Road, Baoshan District, Shanghai, 2004 Patentee after: Shanghai Jihao Network Co.,Ltd. Address before: Room 3905, 5475 Yunchuan Road, Baoshan District, Shanghai, 2004 Patentee before: SHANGHAI LIBA NETWORK TECHNOLOGY Co.,Ltd. |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190517 |