CN106204842B - 一种通过虹膜进行识别的门锁 - Google Patents

一种通过虹膜进行识别的门锁 Download PDF

Info

Publication number
CN106204842B
CN106204842B CN201610547272.2A CN201610547272A CN106204842B CN 106204842 B CN106204842 B CN 106204842B CN 201610547272 A CN201610547272 A CN 201610547272A CN 106204842 B CN106204842 B CN 106204842B
Authority
CN
China
Prior art keywords
door lock
iris
point
iris image
submodule
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.)
Active
Application number
CN201610547272.2A
Other languages
English (en)
Other versions
CN106204842A (zh
Inventor
朱宁
李新
曹高厅
颜渭东
朱德华
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.)
BUYANG GROUP CO., LTD.
Original Assignee
Buyang Group 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 Buyang Group Co Ltd filed Critical Buyang Group Co Ltd
Priority to CN201610547272.2A priority Critical patent/CN106204842B/zh
Publication of CN106204842A publication Critical patent/CN106204842A/zh
Application granted granted Critical
Publication of CN106204842B publication Critical patent/CN106204842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (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门锁，包括门锁和与门锁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门锁
技术领域
本发明涉及门锁设计领域，具体涉及一种通过虹膜进行识别的门锁。
背景技术
相关技术中，通过虹膜进行识别的门锁通常采用基本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门锁，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门锁系统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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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是本发明门锁示意图。
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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，所述的每个门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；所述的每个门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分。
优选地，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
优选地，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
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外围，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 (7)

1.一种通过虹膜进行识别的门锁，包括门锁装置和与门锁装置电信号连接的虹膜识别器，所述门锁装置包括：
两个对称分布的门锁机构，每个所述的门锁机构具有门锁固定座、位于门锁固定座下方的门锁副钩底座以及位于两者之间的锁具，所述的锁具包括尾部固定安装在门锁固定座前端的弯钩形主门锁，所述的弯钩形主门锁的中间位置处设置有与其相垂直的门锁弹簧，弯钩形主门锁的头部一侧设置有固定安装在门锁副钩底座上的弯钩形门锁副钩，所述的弯钩形门锁副钩与弯钩形主门锁组合形成N形结构，弯钩形主门锁的头部还设置有门锁驱动轮；每个所述的门锁机构还具有触点开关，所述的触点开关包括固定安装在弯钩形主门锁头部的固定开关部分和活动安装在门锁副钩底座上的活动开关部分；
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，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，用于对校正后的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外围，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门锁，其特征是，所述的门锁固定座和弯钩形主门锁之间通过锁轴固定连接。
3.根据权利要求2所述的一种通过虹膜进行识别的门锁，其特征是，所述的弯钩形门锁副钩和门锁副钩底座之间通过六角螺钉固定连接。
4.根据权利要求3所述的一种通过虹膜进行识别的门锁，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，用于将精确定位后的虹膜区域展开成固定分辨率的虹膜图像。
5.根据权利要求4所述的一种通过虹膜进行识别的门锁，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。
6.根据权利要求5所述的一种通过虹膜进行识别的门锁，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。
7.根据权利要求6所述的一种通过虹膜进行识别的门锁，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。
CN201610547272.2A 2016-07-08 2016-07-08 一种通过虹膜进行识别的门锁 Active CN106204842B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610547272.2A CN106204842B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的门锁

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610547272.2A CN106204842B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的门锁

Publications (2)

Publication Number Publication Date
CN106204842A CN106204842A (zh) 2016-12-07
CN106204842B true CN106204842B (zh) 2018-06-22

Family

ID=57477542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610547272.2A Active CN106204842B (zh) 2016-07-08 2016-07-08 一种通过虹膜进行识别的门锁

Country Status (1)

Country Link
CN (1) CN106204842B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062940B (zh) * 2019-12-31 2022-05-20 西南交通大学 一种基于机器视觉的螺钉定位与识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100866792B1 (ko) * 2007-01-10 2008-11-04 삼성전자주식회사 확장 국부 이진 패턴을 이용한 얼굴 기술자 생성 방법 및장치와 이를 이용한 얼굴 인식 방법 및 장치
CN104709804A (zh) * 2015-03-24 2015-06-17 现代电梯(杭州)有限公司 电梯用门锁装置
CN105184300A (zh) * 2015-09-01 2015-12-23 中国矿业大学(北京) 一种基于图像lbp的煤岩识别方法

Also Published As

Publication number Publication date
CN106204842A (zh) 2016-12-07

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
CN102800097B (zh) 多特征多级别的可见光与红外图像高精度配准方法
CN108416791A (zh) 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法
CN102819839B (zh) 多特征多级别的红外与高光谱图像的高精度配准方法
CN102521597B (zh) 一种基于分级策略的影像直线特征匹配方法
CN110059769A (zh) 用于街景理解的基于像素重排重建的语义分割方法及系统
CN106530345A (zh) 一种同机影像辅助下的建筑物三维激光点云特征提取方法
CN108009551A (zh) 适用于电力作业机器人的电力刀闸分合位状态识别方法
CN108010082A (zh) 一种几何匹配的方法
CN104077769A (zh) 一种图像配准中的误匹配点对剔除算法
CN106204842B (zh) 一种通过虹膜进行识别的门锁
CN112070800A (zh) 一种基于三维点云极化地图表征的智能车定位方法及系统
CN108549890A (zh) 基于图像识别的发票倾斜检测及几何校正方法
CN113902792A (zh) 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备
CN107832696B (zh) 一种电力作业现场物体安全特征识别系统
CN106022320B (zh) 一种基于虹膜识别的自动控制装置
CN106206112B (zh) 一种通过虹膜识别的控制开关
CN102682293B (zh) 基于图像的回旋体玻璃瓶凸点模具号识别方法及其系统
CN104794723A (zh) 一种基于概率的遥感影像建筑物位置检测方法
CN105959121B (zh) 一种具有身份验证功能的移动终端
CN106006312B (zh) 一种通过虹膜进行识别的电梯轿箱
CN103700095A (zh) 基于圆形约束改进活动轮廓模型的原木端面图像分割算法
CN116977632A (zh) 基于非对称卷积的改进U-Net网络的滑坡提取方法
CN106780577A (zh) 一种基于组特征的直线匹配方法
CN106203348B (zh) 一种具有身份验证功能的高压开关柜

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Zhu Ning

Inventor after: Li Xin

Inventor after: Cao Gaoting

Inventor after: Yan Weidong

Inventor after: Zhu Dehua

Inventor before: The inventor has waived the right to be mentioned

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20180523

Address after: 321300 Zhejiang Jinhua Yongkang City Xicheng Street Tang Shan Mountain Industrial Zone

Applicant after: BUYANG GROUP 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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Door lock for recognition through iris

Effective date of registration: 20191223

Granted publication date: 20180622

Pledgee: Yongkang branch of the Industrial Commercial Bank of China Ltd

Pledgor: BUYANG GROUP CO., LTD.

Registration number: Y2019330000370

PE01 Entry into force of the registration of the contract for pledge of patent right