CN113593145A - 一种基于门禁设备的智能缴费*** - Google Patents

一种基于门禁设备的智能缴费*** Download PDF

Info

Publication number
CN113593145A
CN113593145A CN202110854833.4A CN202110854833A CN113593145A CN 113593145 A CN113593145 A CN 113593145A CN 202110854833 A CN202110854833 A CN 202110854833A CN 113593145 A CN113593145 A CN 113593145A
Authority
CN
China
Prior art keywords
information
payment
image
time
identity
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.)
Pending
Application number
CN202110854833.4A
Other languages
English (en)
Inventor
韩家宝
王泽印
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.)
Vehicle Channel Jilin Technology Co ltd
Original Assignee
Vehicle Channel Jilin Technology 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 Vehicle Channel Jilin Technology Co ltd filed Critical Vehicle Channel Jilin Technology Co ltd
Priority to CN202110854833.4A priority Critical patent/CN113593145A/zh
Publication of CN113593145A publication Critical patent/CN113593145A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于门禁设备的智能缴费***，包括门禁设备、影像接收模块、身份识别模块、身份库、缴费匹配模块、缴费库、数据接收模块、数据处理模块、总控模块、信息发模块与预设接收设备；所述门禁设备包括显示屏与影像采集设备，所述显示屏用于显示身份验证信息与缴费信息，所述影像采集设备用于采集进行身份验证的用户的人脸影像信息；所述影像接收模块用于接收人脸影像信息，并对人脸影像信息进行清晰化处理后，生成清晰人脸影像信息，清晰人脸影像信息被发送到身份匹配模块；所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息。本发明能够更加准确的进行缴费信息的推送，更加值得推广使用。

Description

一种基于门禁设备的智能缴费***
技术领域
本发明涉及智能缴费领域，具体涉及一种基于门禁设备的智能缴费***。
背景技术
自助缴费是指电力、通讯、银行为您提供的通过网上银行、电话银行、手机银行、ATM、和其他自助设备为您本人或他人缴纳手机费、电话费、水费、电费等各种费用的服务，在进行自助缴费时需要使用到缴费***，缴费***能够提醒用户缴费时间和缴费详情。
现有的缴费***，缴费信息推送不合理不准确，进行缴费推荐时多使用专用设备，造成了资源的浪费，大大影响了缴费***的使用体验，给缴费***的使用带来了一定的影响，因此，提出一种基于门禁设备的智能缴费***。
发明内容
本发明所要解决的技术问题在于：如何解决现有的缴费***，缴费信息推送不合理不准确，进行缴费推荐时多使用专用设备，造成了资源的浪费，大大影响了缴费***的使用体验，给缴费***的使用带来了一定的影响的问题，提供了一种基于门禁设备的智能缴费***。
本发明是通过以下技术方案解决上述技术问题的，本发明包括门禁设备、影像接收模块、身份识别模块、身份库、缴费匹配模块、缴费库、数据接收模块、数据处理模块、总控模块、信息发模块与预设接收设备；
所述门禁设备包括显示屏与影像采集设备，所述显示屏用于显示身份验证信息与缴费信息，所述影像采集设备用于采集进行身份验证的用户的人脸影像信息；
所述影像接收模块用于接收人脸影像信息，并对人脸影像信息进行清晰化处理后，生成清晰人脸影像信息，清晰人脸影像信息被发送到身份匹配模块；
所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息，所述身份库中预存了门禁设备所在楼宇中所有住户的预设人脸特征信息，所述身份匹配模块将实时人脸特征信息发送到身份库中进行身份匹配，身份匹配成功后获取到用户身份信息，用户身份信息被发送到缴费匹配模块；
所述缴费匹配模块获取到用户身份信息后将用户身份信息导入到缴费库中，缴费库中储存了用户应缴费信息与历史缴费记录信息，所述缴费匹配模块从缴费库中获取到实时用户应缴费信息与该用户历史缴费记录信息；
所述实时用户应缴费信息与该用户历史缴费记录信息被发送到数据接收模块，所述数据接收模块接收到实时用户应缴费信息与该用户历史缴费记录信息后将其发送到数据处理模块；
所述数据处理模块对实时用户应缴费信息与该用户历史缴费记录信息进行综合处理生成缴费提醒发送时间信息与提醒模式信息；
所述缴费提醒发送时间信息与提醒模式信息生成后总控模块控制信息发送模块将缴费提醒发送时间信息与提醒模式信息发送到预设接收设备。
优选的，所述影像接收模块对人脸影像信息进行清晰化处理得到清晰人脸影像信息的具体处理过程如下：
步骤一：提取出采集到的实时人脸影像信息，先通过BM3D降噪法对实时人脸影像信进行处理得到第一清晰影像；
步骤二：之后通过DCT降噪法对实时人脸影像信进行处理得到第二清晰影像；
步骤三：再通过PCA降噪法实时人脸影像信进行处理得到第三清晰影像；
步骤四：将第一清晰影像、第二清晰影像与第三清晰影像提取出，获取到第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3，将第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3按照清晰度高低进行从高到低的排名，提取出清晰度最高的影像为清晰人脸影像信息。
优选的，所述BM3D降噪法的具体处理过程如下：采用了不同的去噪策略，通过搜索相似块并在变换域进行滤波，得到块评估值，最后对图像中每个点进行加权得到最终去噪效果，即向将一图像分割成尺寸较小的小像素片，选定参考片后，寻找与参考片相似的小片组成3D块，此过程过后将得到3D块，然后将所有相似块进行3D变换，将变换后的3D块进行阈值收缩，然后进行3D逆变换，最后将所有的3D块通过加权平均后还原到图像中，其具体过程如下：
S1：逐块估计，对含噪图像中的每一块分组，找到它的相似块然后把它们聚集到一个三维数组；
S2：联合硬阈值，对形成的三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，然后逆变换得到组中所有图像块的估计值，然后把这些估计值返回到他们的原始位置；
S3：聚集，对得到的有重叠的块估计，通过对他们进行加权平均得到真实图像的基础估计；
S4：最终估计，逐块估计，对基础估计图像中的每一块分组，通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从基础估计图像中得到的，联合维纳滤波。对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置；
S5：聚集，对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计，即第一清晰影像。
优选的，所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息与进行身份匹配的具体过程如下：
SS1：提取出获取到的实时清晰人脸影像信息，进行特征点提取，获取到特征点提取出进行计算得到实时特征系数；
SS2：身份库中的门禁设备所在楼宇中所有住户的预设人脸特征信息被转化预设特征系数；
SS3：将将获取到的实时特征系数发送到身份库与身份库中的预设特征系数进行匹配处理，匹配成功即获取到用户身份信息。
优选的，所述特征点提取的具体过程如下：
步骤(1)：提取出采集到的实时人脸影像信息，将实时人脸影像信息的鼻尖点标记为点A1，将两个耳垂的最低点分别标记为点A2和点A3；
步骤(2)：将点A1分别与点A2和点A3连线得到线段L1和线段L2，测量出线段L1和线段L2的长度，之后通过公式(L1+L2)/2＝L均，得到线段L1和线段L2的均值L均；
步骤(3)之后以点A1为圆心，以L均/2为半径绘制圆得到圆F，计算出圆F的面积即得到实时特征系数。
优选的，所述SS3中的匹配过程如下：计算出实时特征系数与所有预设特征系数之间的差值得到x个系数差J，x＝1……n，当x个系数差J的绝对值中存在小于预设值系数差J时即验证通过。
优选的，所述缴费提醒发送时间信息的具体处理过程如下：
步骤a：获取到用户身份信息后，将其上传到缴费库中，从缴费库中获取到该用户身份信息对应的应缴费用信息与应缴费时间信息；
步骤b：提取出采集时的时间信息，将应缴费时间信息标记为T预，将采集时的时间信息标记为T实；
步骤c：提取出用户以往缴费记录，从以往缴费记录中得到m个应缴费时间与实际缴费时间的差值Dm，m＝1……n；
步骤d：计算出应缴费时间信息T预与采集时的时间信息T实之间的差值，得到时间差T差；
步骤e：通过公式(D1+D2+D3+D4+D5+……Dm)/m＝D均得到以往缴费时差均值D均；
步骤f：将应缴费时间信息T预减去以往缴费时差均值D均，得到用户习惯缴费时间信息，即缴费提醒发送时间信息。
优选的，所述提醒模式信息的具体内容如下：所述缴费提醒信息在缴费提醒发送时间信息发送到应缴费人的预设接收设备之后，监测其缴费状态，当其在接收到缴费提醒信息后即进行缴费，即再将其发送到一条缴费成功回执，当其在接收到缴费提醒信息后预设时长后仍未缴费时，再次向其发送缴费提醒信息，两次缴费提醒信息之间的间隔不得小于预设时长。
本发明相比现有技术具有以下优点：该基于门禁设备的智能缴费***，通过使用门禁设备上的影像采集设备采集用户身份信息进行费用缴纳提醒，省去了传统的传单式提醒的麻烦，在有效提高缴费效率的同时，减少了纸质资源的浪费，通过门禁设备进行采集提醒，减少了安装其他提醒设备导致的资金的浪费，并且本发明通过更加合理的人脸影像处理，能够有效的减少人脸影像识别处理导致的提醒信息误发的状况发生，并且通过采集以往的缴费记录信息，制定了更加合理的用户缴费提醒信息发送时间和信息发送模式，有效的避免了提醒信息发送过于频繁导致的用户厌恶感增加，大大提升了该***的使用体验，让该***更加值得推广使用。
附图说明
图1是本发明的***框图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供一种技术方案：一种基于门禁设备的智能缴费***，包括门禁设备、影像接收模块、身份识别模块、身份库、缴费匹配模块、缴费库、数据接收模块、数据处理模块、总控模块、信息发模块与预设接收设备；
所述门禁设备包括显示屏与影像采集设备，所述显示屏用于显示身份验证信息与缴费信息，所述影像采集设备用于采集进行身份验证的用户的人脸影像信息；
所述影像接收模块用于接收人脸影像信息，并对人脸影像信息进行清晰化处理后，生成清晰人脸影像信息，清晰人脸影像信息被发送到身份匹配模块；
所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息，所述身份库中预存了门禁设备所在楼宇中所有住户的预设人脸特征信息，所述身份匹配模块将实时人脸特征信息发送到身份库中进行身份匹配，身份匹配成功后获取到用户身份信息，用户身份信息被发送到缴费匹配模块；
所述缴费匹配模块获取到用户身份信息后将用户身份信息导入到缴费库中，缴费库中储存了用户应缴费信息与历史缴费记录信息，所述缴费匹配模块从缴费库中获取到实时用户应缴费信息与该用户历史缴费记录信息；
所述实时用户应缴费信息与该用户历史缴费记录信息被发送到数据接收模块，所述数据接收模块接收到实时用户应缴费信息与该用户历史缴费记录信息后将其发送到数据处理模块；
所述数据处理模块对实时用户应缴费信息与该用户历史缴费记录信息进行综合处理生成缴费提醒发送时间信息与提醒模式信息；
所述缴费提醒发送时间信息与提醒模式信息生成后总控模块控制信息发送模块将缴费提醒发送时间信息与提醒模式信息发送到预设接收设备。
所述影像接收模块对人脸影像信息进行清晰化处理得到清晰人脸影像信息的具体处理过程如下：
步骤一：提取出采集到的实时人脸影像信息，先通过BM3D降噪法对实时人脸影像信进行处理得到第一清晰影像；
步骤二：之后通过DCT降噪法对实时人脸影像信进行处理得到第二清晰影像；
步骤三：再通过PCA降噪法实时人脸影像信进行处理得到第三清晰影像；
步骤四：将第一清晰影像、第二清晰影像与第三清晰影像提取出，获取到第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3，将第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3按照清晰度高低进行从高到低的排名，提取出清晰度最高的影像为清晰人脸影像信息；
用过上述过将获取的人脸影像信息化，能够更好方便后续的人脸影像识别，减少了识别出错的状况发生。
所述BM3D降噪法的具体处理过程如下：采用了不同的去噪策略，通过搜索相似块并在变换域进行滤波，得到块评估值，最后对图像中每个点进行加权得到最终去噪效果，即向将一图像分割成尺寸较小的小像素片，选定参考片后，寻找与参考片相似的小片组成3D块，此过程过后将得到3D块，然后将所有相似块进行3D变换，将变换后的3D块进行阈值收缩，然后进行3D逆变换，最后将所有的3D块通过加权平均后还原到图像中，其具体过程如下：
S1：逐块估计，对含噪图像中的每一块分组，找到它的相似块然后把它们聚集到一个三维数组；
S2：联合硬阈值，对形成的三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，然后逆变换得到组中所有图像块的估计值，然后把这些估计值返回到他们的原始位置；
S3：聚集，对得到的有重叠的块估计，通过对他们进行加权平均得到真实图像的基础估计；
S4：最终估计，逐块估计，对基础估计图像中的每一块分组，通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从基础估计图像中得到的，联合维纳滤波。对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置；
S5：聚集，对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计，即第一清晰影像。
所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息与进行身份匹配的具体过程如下：
SS1：提取出获取到的实时清晰人脸影像信息，进行特征点提取，获取到特征点提取出进行计算得到实时特征系数；
SS2：身份库中的门禁设备所在楼宇中所有住户的预设人脸特征信息被转化预设特征系数；
SS3：将将获取到的实时特征系数发送到身份库与身份库中的预设特征系数进行匹配处理，匹配成功即获取到用户身份信息；
通过上述过程能够更好更加准确的进行身份验证。
所述特征点提取的具体过程如下：
步骤(1)：提取出采集到的实时人脸影像信息，将实时人脸影像信息的鼻尖点标记为点A1，将两个耳垂的最低点分别标记为点A2和点A3；
步骤(2)：将点A1分别与点A2和点A3连线得到线段L1和线段L2，测量出线段L1和线段L2的长度，之后通过公式(L1+L2)/2＝L均，得到线段L1和线段L2的均值L均；
步骤(3)之后以点A1为圆心，以L均/2为半径绘制圆得到圆F，计算出圆F的面积即得到实时特征系数。
所述SS3中的匹配过程如下：计算出实时特征系数与所有预设特征系数之间的差值得到x个系数差J，x＝1……n，当x个系数差J的绝对值中存在小于预设值系数差J时即验证通过。
所述缴费提醒发送时间信息的具体处理过程如下：
步骤a：获取到用户身份信息后，将其上传到缴费库中，从缴费库中获取到该用户身份信息对应的应缴费用信息与应缴费时间信息；
步骤b：提取出采集时的时间信息，将应缴费时间信息标记为T预，将采集时的时间信息标记为T实；
步骤c：提取出用户以往缴费记录，从以往缴费记录中得到m个应缴费时间与实际缴费时间的差值Dm，m＝1……n；
步骤d：计算出应缴费时间信息T预与采集时的时间信息T实之间的差值，得到时间差T差；
步骤e：通过公式(D1+D2+D3+D4+D5+……Dm)/m＝D均得到以往缴费时差均值D均；
步骤f：将应缴费时间信息T预减去以往缴费时差均值D均，得到用户习惯缴费时间信息，即缴费提醒发送时间信息；
通过上述过程能够获取到更加合理的缴费提醒时间，有效的避免了提醒信息发送过于频繁导致的用户厌恶感增加，大大提升了该***的使用体验。
所述提醒模式信息的具体内容如下：所述缴费提醒信息在缴费提醒发送时间信息发送到应缴费人的预设接收设备之后，监测其缴费状态，当其在接收到缴费提醒信息后即进行缴费，即再将其发送到一条缴费成功回执，当其在接收到缴费提醒信息后预设时长后仍未缴费时，再次向其发送缴费提醒信息，两次缴费提醒信息之间的间隔不得小于预设时长。
综上，本发明在使用时，门禁设备上的影像采集设备采集进行身份验证的用户的人脸影像信息，门禁设备上的显示屏显示身份验证信息与缴费信息，影像接收模块接收人脸影像信息，并对人脸影像信息进行清晰化处理后，生成清晰人脸影像信息，清晰人脸影像信息被发送到身份匹配模块，身份匹配模块对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息，身份库中预存了门禁设备所在楼宇中所有住户的预设人脸特征信息，身份匹配模块将实时人脸特征信息发送到身份库中进行身份匹配，身份匹配成功后获取到用户身份信息，用户身份信息被发送到缴费匹配模块，缴费匹配模块获取到用户身份信息后将用户身份信息导入到缴费库中，缴费库中储存了用户应缴费信息与历史缴费记录信息，缴费匹配模块从缴费库中获取到实时用户应缴费信息与该用户历史缴费记录信息，实时用户应缴费信息与该用户历史缴费记录信息被发送到数据接收模块，数据接收模块接收到实时用户应缴费信息与该用户历史缴费记录信息后将其发送到数据处理模块，数据处理模块对实时用户应缴费信息与该用户历史缴费记录信息进行综合处理生成缴费提醒发送时间信息与提醒模式信息，缴费提醒发送时间信息与提醒模式信息生成后总控模块控制信息发送模块将缴费提醒发送时间信息与提醒模式信息发送到预设接收设备。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于门禁设备的智能缴费***，其特征在于，包括门禁设备、影像接收模块、身份识别模块、身份库、缴费匹配模块、缴费库、数据接收模块、数据处理模块、总控模块、信息发模块与预设接收设备；
所述门禁设备包括显示屏与影像采集设备，所述显示屏用于显示身份验证信息与缴费信息，所述影像采集设备用于采集进行身份验证的用户的人脸影像信息；
所述影像接收模块用于接收人脸影像信息，并对人脸影像信息进行清晰化处理后，生成清晰人脸影像信息，清晰人脸影像信息被发送到身份匹配模块；
所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息，所述身份库中预存了门禁设备所在楼宇中所有住户的预设人脸特征信息，所述身份匹配模块将实时人脸特征信息发送到身份库中进行身份匹配，身份匹配成功后获取到用户身份信息，用户身份信息被发送到缴费匹配模块；
所述缴费匹配模块获取到用户身份信息后将用户身份信息导入到缴费库中，缴费库中储存了用户应缴费信息与历史缴费记录信息，所述缴费匹配模块从缴费库中获取到实时用户应缴费信息与该用户历史缴费记录信息；
所述实时用户应缴费信息与该用户历史缴费记录信息被发送到数据接收模块，所述数据接收模块接收到实时用户应缴费信息与该用户历史缴费记录信息后将其发送到数据处理模块；
所述数据处理模块对实时用户应缴费信息与该用户历史缴费记录信息进行综合处理生成缴费提醒发送时间信息与提醒模式信息；
所述缴费提醒发送时间信息与提醒模式信息生成后总控模块控制信息发送模块将缴费提醒发送时间信息与提醒模式信息发送到预设接收设备。
2.根据权利要求1所述的一种基于门禁设备的智能缴费***，其特征在于：所述影像接收模块对人脸影像信息进行清晰化处理得到清晰人脸影像信息的具体处理过程如下：
步骤一：提取出采集到的实时人脸影像信息，先通过BM3D降噪法对实时人脸影像信进行处理得到第一清晰影像；
步骤二：之后通过DCT降噪法对实时人脸影像信进行处理得到第二清晰影像；
步骤三：再通过PCA降噪法实时人脸影像信进行处理得到第三清晰影像；
步骤四：将第一清晰影像、第二清晰影像与第三清晰影像提取出，获取到第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3，将第一清晰影像的清晰度M1、第二清晰影像的清晰度M2与第三清晰影像的清晰度M3按照清晰度高低进行从高到低的排名，提取出清晰度最高的影像为清晰人脸影像信息。
3.根据权利要求2所述的一种基于门禁设备的智能缴费***，其特征在于：所述BM3D降噪法的具体处理过程如下：采用了不同的去噪策略，通过搜索相似块并在变换域进行滤波，得到块评估值，最后对图像中每个点进行加权得到最终去噪效果，即向将一图像分割成尺寸较小的小像素片，选定参考片后，寻找与参考片相似的小片组成3D块，此过程过后将得到3D块，然后将所有相似块进行3D变换，将变换后的3D块进行阈值收缩，然后进行3D逆变换，最后将所有的3D块通过加权平均后还原到图像中，其具体过程如下：
S1：逐块估计，对含噪图像中的每一块分组，找到它的相似块然后把它们聚集到一个三维数组；
S2：联合硬阈值，对形成的三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，然后逆变换得到组中所有图像块的估计值，然后把这些估计值返回到他们的原始位置；
S3：聚集，对得到的有重叠的块估计，通过对他们进行加权平均得到真实图像的基础估计；
S4：最终估计，逐块估计，对基础估计图像中的每一块分组，通过块匹配找到与它相似的相似块在基础估计图像中的位置，通过这些位置得到两个三维数组，一个是从含噪图像中得到的，一个是从基础估计图像中得到的，联合维纳滤波，对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，然后逆变换得到组中所有图像块的估计，然后把这些估计值返回到他们的原始位置；
S5：聚集，对得到的有重叠的局部块估计，通过对他们进行加权平均得到真实图像的最终估计，即第一清晰影像。
4.根据权利要求1所述的一种基于门禁设备的智能缴费***，其特征在于：所述身份匹配模块用于对清晰人脸影像信息进行特征化处理获取到实时人脸特征信息与进行身份匹配的具体过程如下：
SS1：提取出获取到的实时清晰人脸影像信息，进行特征点提取，获取到特征点提取出进行计算得到实时特征系数；
SS2：身份库中的门禁设备所在楼宇中所有住户的预设人脸特征信息被转化预设特征系数；
SS3：将将获取到的实时特征系数发送到身份库与身份库中的预设特征系数进行匹配处理，匹配成功即获取到用户身份信息。
5.根据权利要求4所述的一种基于门禁设备的智能缴费***，其特征在于：所述特征点提取的具体过程如下：
步骤(1)：提取出采集到的实时人脸影像信息，将实时人脸影像信息的鼻尖点标记为点A1，将两个耳垂的最低点分别标记为点A2和点A3；
步骤(2)：将点A1分别与点A2和点A3连线得到线段L1和线段L2，测量出线段L1和线段L2的长度，之后通过公式(L1+L2)/2＝L均，得到线段L1和线段L2的均值L均；
步骤(3)之后以点A1为圆心，以L均/2为半径绘制圆得到圆F，计算出圆F的面积即得到实时特征系数。
6.根据权利要求4所述的一种基于门禁设备的智能缴费***，其特征在于：所述SS3中的匹配过程如下：计算出实时特征系数与所有预设特征系数之间的差值得到x个系数差J，x＝1……n，当x个系数差J的绝对值中存在小于预设值系数差J时即验证通过。
7.根据权利要求1所述的一种基于门禁设备的智能缴费***，其特征在于：所述缴费提醒发送时间信息的具体处理过程如下：
步骤a：获取到用户身份信息后，将其上传到缴费库中，从缴费库中获取到该用户身份信息对应的应缴费用信息与应缴费时间信息；
步骤b：提取出采集时的时间信息，将应缴费时间信息标记为T预，将采集时的时间信息标记为T实；
步骤c：提取出用户以往缴费记录，从以往缴费记录中得到m个应缴费时间与实际缴费时间的差值Dm，m＝1……n；
步骤d：计算出应缴费时间信息T预与采集时的时间信息T实之间的差值，得到时间差T差；
步骤e：通过公式(D1+D2+D3+D4+D5+……Dm)/m＝D均得到以往缴费时差均值D均；
步骤f：将应缴费时间信息T预减去以往缴费时差均值D均，得到用户习惯缴费时间信息，即缴费提醒发送时间信息。
8.根据权利要求1所述的一种基于门禁设备的智能缴费***，其特征在于：所述提醒模式信息的具体内容如下：所述缴费提醒信息在缴费提醒发送时间信息发送到应缴费人的预设接收设备之后，监测其缴费状态，当其在接收到缴费提醒信息后即进行缴费，即再将其发送到一条缴费成功回执，当其在接收到缴费提醒信息后预设时长后仍未缴费时，再次向其发送缴费提醒信息，两次缴费提醒信息之间的间隔不得小于预设时长。
CN202110854833.4A 2021-07-28 2021-07-28 一种基于门禁设备的智能缴费*** Pending CN113593145A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110854833.4A CN113593145A (zh) 2021-07-28 2021-07-28 一种基于门禁设备的智能缴费***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110854833.4A CN113593145A (zh) 2021-07-28 2021-07-28 一种基于门禁设备的智能缴费***

Publications (1)

Publication Number Publication Date
CN113593145A true CN113593145A (zh) 2021-11-02

Family

ID=78250949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110854833.4A Pending CN113593145A (zh) 2021-07-28 2021-07-28 一种基于门禁设备的智能缴费***

Country Status (1)

Country Link
CN (1) CN113593145A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253318A (zh) * 2023-08-22 2023-12-19 北京国旺盛源智能终端科技有限公司 一种智能化自助缴费终端***及方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205809953U (zh) * 2016-07-07 2016-12-14 南京智杰物联科技股份有限公司 一种多应用社区门禁***
CN107633461A (zh) * 2017-09-07 2018-01-26 国网山东省电力公司莱芜供电公司 一种营业厅收电费***
CN107977639A (zh) * 2017-12-11 2018-05-01 浙江捷尚视觉科技股份有限公司 一种人脸清晰度判断方法
CN109215206A (zh) * 2018-10-12 2019-01-15 安徽灵图壹智能科技有限公司 一种小区人脸识别物业管理***及其方法
CN110880209A (zh) * 2019-08-19 2020-03-13 恒大智慧科技有限公司 一种小区待办事项推送的方法及计算机存储介质
CN111241960A (zh) * 2020-01-06 2020-06-05 佛山科学技术学院 一种基于维纳滤波与pca的人脸识别方法及***
CN111639991A (zh) * 2020-06-01 2020-09-08 上海哈蜂信息科技有限公司 智能化催缴与水电锁止***
CN211906454U (zh) * 2020-04-22 2020-11-10 四川建桥科技有限公司 家用人脸识别防盗***
CN111968057A (zh) * 2020-08-24 2020-11-20 浙江大华技术股份有限公司 图像降噪方法、装置、存储介质及电子装置
CN112132768A (zh) * 2020-09-30 2020-12-25 西京学院 一种基于多降噪器联合优化降噪的mri图像降噪方法
CN112288646A (zh) * 2020-01-07 2021-01-29 影石创新科技股份有限公司 堆叠降噪方法、装置、电子设备及存储介质
CN112559998A (zh) * 2020-11-30 2021-03-26 安徽澄小光智能科技有限公司 基于虹膜和人脸识别的身份识别***
CN212933593U (zh) * 2020-03-03 2021-04-09 北京新东正阳电子有限公司 一种智能物业催费***
CN113129495A (zh) * 2021-03-29 2021-07-16 安徽恒信通智能科技有限公司 一种智慧社区门禁识别***

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205809953U (zh) * 2016-07-07 2016-12-14 南京智杰物联科技股份有限公司 一种多应用社区门禁***
CN107633461A (zh) * 2017-09-07 2018-01-26 国网山东省电力公司莱芜供电公司 一种营业厅收电费***
CN107977639A (zh) * 2017-12-11 2018-05-01 浙江捷尚视觉科技股份有限公司 一种人脸清晰度判断方法
CN109215206A (zh) * 2018-10-12 2019-01-15 安徽灵图壹智能科技有限公司 一种小区人脸识别物业管理***及其方法
CN110880209A (zh) * 2019-08-19 2020-03-13 恒大智慧科技有限公司 一种小区待办事项推送的方法及计算机存储介质
CN111241960A (zh) * 2020-01-06 2020-06-05 佛山科学技术学院 一种基于维纳滤波与pca的人脸识别方法及***
CN112288646A (zh) * 2020-01-07 2021-01-29 影石创新科技股份有限公司 堆叠降噪方法、装置、电子设备及存储介质
CN212933593U (zh) * 2020-03-03 2021-04-09 北京新东正阳电子有限公司 一种智能物业催费***
CN211906454U (zh) * 2020-04-22 2020-11-10 四川建桥科技有限公司 家用人脸识别防盗***
CN111639991A (zh) * 2020-06-01 2020-09-08 上海哈蜂信息科技有限公司 智能化催缴与水电锁止***
CN111968057A (zh) * 2020-08-24 2020-11-20 浙江大华技术股份有限公司 图像降噪方法、装置、存储介质及电子装置
CN112132768A (zh) * 2020-09-30 2020-12-25 西京学院 一种基于多降噪器联合优化降噪的mri图像降噪方法
CN112559998A (zh) * 2020-11-30 2021-03-26 安徽澄小光智能科技有限公司 基于虹膜和人脸识别的身份识别***
CN113129495A (zh) * 2021-03-29 2021-07-16 安徽恒信通智能科技有限公司 一种智慧社区门禁识别***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253318A (zh) * 2023-08-22 2023-12-19 北京国旺盛源智能终端科技有限公司 一种智能化自助缴费终端***及方法
CN117253318B (zh) * 2023-08-22 2024-03-29 北京国旺盛源智能终端科技有限公司 一种智能化自助缴费终端***及方法

Similar Documents

Publication Publication Date Title
CN110472870B (zh) 一种基于人工智能的收银台服务规范检测***
CN108038937B (zh) 一种迎宾信息的展示方法、装置、终端设备和存储介质
CN107133612A (zh) 基于图像处理与语音识别技术的智能病房及其运行方法
CN105160318A (zh) 基于面部表情的测谎方法及***
CN114943936B (zh) 目标行为识别方法、装置、电子设备及存储介质
CN106548148A (zh) 视频中未知人脸的识别方法和***
CN111505632A (zh) 基于功率谱和多普勒特征的超宽带雷达动作姿态识别方法
CN111723773B (zh) 遗留物检测方法、装置、电子设备及可读存储介质
CN109920404A (zh) 拥有智能感知作用的自助售货广告管理***的信息采集装置及采集方法
CN105208528A (zh) 一种用于识别同行人员的***及方法
CN108319941A (zh) 基于人脸识别的用电业务办理辅助***
CN105574500A (zh) 提高人脸识别通过率的方法和装置
JP5578986B2 (ja) 気象レーダ観測情報提供システムおよび気象レーダ観測情報提供方法
CN113593145A (zh) 一种基于门禁设备的智能缴费***
CN112699328A (zh) 网点服务数据处理方法、装置、***、设备及存储介质
CN110363180A (zh) 一种统计陌生人人脸重复出现的方法和装置以及设备
CN110222647A (zh) 一种基于卷积神经网络的人脸活体检测方法
CN112288792B (zh) 一种基于视觉的客人排队长度和等待时间的即时测量方法
CN109800701A (zh) 一种基于人脸识别的智能化安防认证***
CN112818921B (zh) 一种基于人脸速度估计的排队时长测量方法
CN112883355B (zh) 一种基于rfid和卷积神经网络的非接触式用户身份认证方法
CN112818802B (zh) 一种银行柜台人员举手识别方法及***
CN110163028A (zh) 一种精准图像识别***及图像识别方法
CN112052737A (zh) 一种金融机构营业网点治理方法、***、存储介质及电子设备
CN113128474A (zh) 一种基于计算机视觉及变分模态分解的结构模态识别方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211102

RJ01 Rejection of invention patent application after publication