CN108509865A - 一种工伤信息录入方法及装置 - Google Patents

一种工伤信息录入方法及装置 Download PDF

Info

Publication number
CN108509865A
CN108509865A CN201810196610.1A CN201810196610A CN108509865A CN 108509865 A CN108509865 A CN 108509865A CN 201810196610 A CN201810196610 A CN 201810196610A CN 108509865 A CN108509865 A CN 108509865A
Authority
CN
China
Prior art keywords
iris
industrial injury
data input
box body
lbp
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
Application number
CN201810196610.1A
Other languages
English (en)
Other versions
CN108509865B (zh
Inventor
罗磊
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.)
Guizhou People And Zhiyuan Data Service Co Ltd
Original Assignee
Guizhou People And Zhiyuan Data Service 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 Guizhou People And Zhiyuan Data Service Co Ltd filed Critical Guizhou People And Zhiyuan Data Service Co Ltd
Priority to CN201810196610.1A priority Critical patent/CN108509865B/zh
Publication of CN108509865A publication Critical patent/CN108509865A/zh
Application granted granted Critical
Publication of CN108509865B publication Critical patent/CN108509865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/19Sensors therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/193Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467Encoded features or binary features, e.g. local binary patterns [LBP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Ophthalmology & Optometry (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Input (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种工伤信息录入装置和方法,其中工伤信息录入装置包括工伤信息录入组件、虹膜采集器和虹膜识别组件,工伤信息录入组件包括矩形盒体、数据读取器、屏蔽门、直线轴承、线性电机,虹膜采集器至少包括盒体、摄像头、电路板和红外灯,虹膜识别组件与摄像头、红外灯通信相连。本发明提供了一种的工伤信息录入装置和方法,在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,且在当虹膜成功后,屏蔽门开启,将领取的识别标签放置在数据读取通道,可自动进行工伤信息录入。

Description

一种工伤信息录入方法及装置
【技术领域】
本发明涉及信息录入技术领域,尤其涉及一种工伤信息录入方法及装置。
【背景技术】
随着互联网技术的发展,各个领域的自动化程度越来越高。但是传统的工伤信息录入仍采用手动输入的方式,效率低、出错率高。本发明提供了一种基于虹膜识别的工伤信息录入方法及装置。
【发明内容】
有鉴于此,本发明实施例提供了一种工伤信息录入装置。
一种工伤信息录入装置,包括工伤信息录入组件、虹膜采集器和虹膜识别组件,所述工伤信息录入组件包括矩形盒体、数据读工伤信息录入组件取器、屏蔽门、直线轴承、线性电机,所述矩形盒体形成有数据读取通道,所述数据读取通道为矩形并与所述矩形盒体一体成型,数据读取通道的底部为数据读取器的读取处,数据读取通道的顶部的矩形开口处通过屏蔽门覆盖,所述开口处设有内翻边,所述直线轴承为两条且分别相对两侧的内翻边上,两个直线轴承的滑块固定在屏蔽门的相对两侧,所述滑块由线性电机进行驱动,线性电机的驱动信号由虹膜识别组件提供,当虹膜识别组件身份识别成功时,虹膜识别组件向线性电机发送驱动信号,并控制滑块将所述屏蔽门移动至指定位置;
所述虹膜采集器至少包括盒体、摄像头、电路板和红外灯,所述虹膜识别组件与摄像头、红外灯通信相连,所述盒体形成有虹膜采集通道,所述虹膜采集通道与盒体一体成型,所述虹膜采集通道将盒体分为第一子盒体和第二子盒体,所述第一子盒体内设置有摄像头,所述虹膜采集通道后部形成有连通虹膜采集通道与第一子盒体的第一通孔,所述第一通孔位于摄像头正前方,所述虹膜采集通道的前部形成有连通虹膜采集通道与第二子盒体的第二通孔,所述第二通孔位于第一通孔的正前方,所述第二子盒体内设有红外灯,电路板设置在第二子盒体的底部,所述摄像头和红外灯均与电路板连接。
作为本申请的一种优选实施方式,所述滑块设有距离传感器,所述距离传感器与线性电机电连接,当滑块滑动到预设距离时,所述距离传感器向所述线性电机发送停止工作信号以使滑块暂停滑动。
作为本申请的一种优选实施方式,所述虹膜识别组件包括:
采集模块,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中XkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子;
预处理模块,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱;
计算模块,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XLBP为最终LBP图谱,ALBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
光斑修正模块,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
暗点补偿模块,用于通过暗点补偿公式将最终LBP图谱中的暗点P′0(x′0,y′0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S′m(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x′mn,y′mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P′0),光斑修正公式为:
其中g′(offset)为暗点补偿灰度值偏移量。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
处理模块,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
另一方面,本申请还提供了一种工伤信息录入方法,包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时屏蔽门开启,可进行工伤信息录入。
上述技术方案中的一个技术方案具有如下有益效果:
1)设置了采集模块,并在采集模块中定义了校正公式,提高了虹膜图像处理的精度;
2)设置了计算模块,并定义了加权公式,将预处理模块中的40个图谱进行加权计算,简化了后续的处理量,同时考虑到了每个图谱的幅值,提高了加权结果的准确性;
3)光斑修正模块和暗点补偿模块,通过定义的光斑修正公式和暗点补偿公式,使得修正和补偿后的虹膜图像更接近虹膜图像的真实结构信息;
4)在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性;
5)当虹膜成功后,屏蔽门开启,将领取的识别标签放置在数据读取通道,可自动进行工伤信息录入。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例工伤信息录入装置连接框图;
图2是本发明实施例工伤信息录入组件的结构示意图;
图3是本发明实施例虹膜采集器的结构示意图;
图4是本发明实施例虹膜识别组件的结构示意图;
图5是本发明实施例工伤信息录入方法的流程示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1是本发明实施例工伤信息录入装置连接框图,图2是本发明实施例工伤信息录入组件的结构示意图,图3是本发明实施例虹膜采集器的结构示意图。如图1-3所示,本发明的工伤信息录入装置包括工伤信息录入组件100、虹膜采集器200和虹膜识别组件300。
工伤信息录入组件100包括矩形盒体11、数据读取器12、屏蔽门13、直线轴承14、线性电机15,矩形盒体11形成有数据读取通道,数据读取通道为矩形并与矩形盒体11一体成型,数据读取通道的底部为数据读取器12的读取处,数据读取通道的顶部的矩形开口处通过屏蔽门13覆盖,开口处设有内翻边16,直线轴承14为两条且分别相对两侧的内翻边上,两个直线轴承14的滑块17固定在屏蔽门13的相对两侧,滑块17由线性电机15进行驱动,线性电机15的驱动信号由虹膜识别组件300提供,当虹膜识别组件300身份识别成功时,虹膜识别组件300向线性电机15发送驱动信号,并控制滑块18将屏蔽门13移动至指定位置,其中屏蔽门13两部分对接形成。
虹膜采集器200至少包括盒体21、摄像头22、电路板23和红外灯24,虹膜识别组件300与摄像头、红外灯24通信相连,盒体21形成有虹膜采集通道25,虹膜采集通道25与盒体21一体成型,虹膜采集通道25将盒体21分为第一子盒体26和第二子盒体27,第一子盒体26内设置有摄像头22,虹膜采集通道25后部形成有连通虹膜采集通道25与第一子盒体26的第一通孔251,第一通孔251位于摄像头22正前方,虹膜采集通道25的前部形成有连通虹膜采集通道25与第二子盒体27的第二通孔252,第二通孔252位于第一通孔251的正前方,第二子盒体27内设有红外灯24,电路板23设置在第二子盒体27的底部,摄像头22和红外灯24均与电路板连接。
需要说明的是,本申请的工伤信息录入装置为自助型装置,当用户拿到录入标签,如FRID标签,FRID标签存储有工伤信息,在本发明的装置下通过虹膜识别后,屏蔽门自动打开,用户将FRID标签放入读取通过由读取器进行读取,读取完成后,读取器将FRID标签中信息导入系统中,其中系统可以为
与工伤信息录入组件连接的计算机系统。屏蔽门锁合时,由于其由铅金属制成,可实现屏蔽作用,是无法读取FRID标签中的信息的,当虹膜识别组件身份识别成功时,虹膜识别组件向线性电机发送驱动信号,并控制滑块将所述锁屏蔽门打开实现工商信息录入,当信息录入完成后,取出FRID标签,此时向线性电机发送驱动信号,以控制滑块将锁屏蔽门关闭。
由于滑块设有距离传感器,而距离传感器与线性电机电连接,当滑块滑动到预设距离时,距离传感器向线性电机发送停止工作信号以使滑块暂停滑动,滑块的运动距离可通过距离传感器控制线性电机的运行与关闭进行控制,从而用来控制屏蔽门的开启和关闭。
图4是本发明实施例虹膜识别组件的结构示意图,如图4所示,虹膜识别组件300包括:
采集模块31,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中XkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子。
需要说明的是,校正因子μ是基于虹膜采集器确定的,虹膜采集器至少包括摄像组件和红外组件,不同类型的虹膜采集器精度是不同的,本发明技术方案首先预设一个标准虹膜采集器,而校正因子μ只与虹膜采集器的类型有关,通过其与标准虹膜采集器信息采集精度进行确认。
预处理模块32,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱。
需要说明的是,二维Gabor小波可以提取图像特定区域内多尺度、多方向的空间频率特征,像显微镜一样放大灰度的变化,对光照、姿态具有一定的鲁棒性。采用Gabor变换来处理虹膜图像,可以增强一些关键特征,以区分不同虹膜图像。
计算模块33,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XXBP为最终LBP图谱,BLBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
需要说明的,本申请将幅值纳入加权公式使得加权效果更为精确,加权后的结果也可以减少后续的数据处理量,提高识别速度。
虹膜识别组件还包括:
光斑修正模块34,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
其中,g(offset)是根据虹膜识别组件中的训练样本计算出的灰度值偏移量,可以进一步提升修正精度。
虹膜识别组件还包括:
暗点补偿模块35,用于通过暗点补偿公式将最终LBP图谱中的暗点P'0(x′0,y′0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S′m(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x'mn,y′mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P′0),光斑修正公式为:
其中g′(offset)为暗点补偿灰度值偏移量。
其中,g'(offset)是根据虹膜识别组件中的训练样本计算出的暗点补偿模块,可以进一步提升补偿精度。
本申请技术方案中,对于虹膜图像中的亮点和暗点进行校正,使得最终虹膜图像更接近真实的图像。
虹膜识别组件还包括:
处理模块36,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
需要说明的是,本申请基于CS-LBP进一步优化,该方案通通过参考特征编码中码元“1”的出现次数与总维数的关系来进行二次编码。具体说,当码元“1”的出现次数超总维数的一半,则可认为该点存在重要的纹理变化信息,将特征码记为1,反之记为0,公式如下所示:
举例来说,若经过CS-LBP算子处理所得的特征编码为“0101”,其中码元“1”的出现次数为2,占到总维数的一半,因而记为“1”。与传统CS-LBP算子相比较,该方法只需要8192比特就能描述一幅虹膜图像,能够尽最大努力去降低特征描述码的维度,减少对存储空间的需求。
另外,Hamming距离通常用来实现两组数据相似程度的检验工作。对虹膜图像进行归一化处理能够很好的弥补平移不变性的缺陷,对于虹膜采集时由于角度不一致所带来的旋转变化,可使用Hamming距离进行检测判断。当Hamming距离越小、越趋近0时,则表明两幅图像的相似程度越高,极有可能为同类虹膜图像;当Hamming距离越大,则表明两幅图像的特征编码,存在极大差异,属于异类虹膜图像或者为经过水平位移后的同类虹膜图像。
如图5所示,本发明另一方面还提供了一种工伤信息录入方法,包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时屏蔽门开启,可进行工伤信息录入。
本发明实施例的技术方案具有以下有益效果:
1)设置了采集模块,并在采集模块中定义了校正公式,提高了虹膜图像处理的精度;
2)设置了计算模块,并定义了加权公式,将预处理模块中的40个图谱进行加权计算,简化了后续的处理量,同时考虑到了每个图谱的幅值,提高了加权结果的准确性;
3)光斑修正模块和暗点补偿模块,通过定义的光斑修正公式和暗点补偿公式,使得修正和补偿后的虹膜图像更接近虹膜图像的真实结构信息;
4)在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性;
5)当虹膜成功后,屏蔽门开启,将领取的识别标签放置在数据读取通道,可自动进行工伤信息录入。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。

Claims (7)

1.一种工伤信息录入装置,其特征在于,包括工伤信息录入组件、虹膜采集器和虹膜识别组件,所述工伤信息录入组件包括矩形盒体、数据读取器、屏蔽门、直线轴承、线性电机,所述矩形盒体形成有数据读取通道,所述数据读取通道为矩形并与所述矩形盒体一体成型,数据读取通道的底部为数据读取器的读取处,数据读取通道的顶部的矩形开口处通过屏蔽门覆盖,所述开口处设有内翻边,所述直线轴承为两条且分别相对两侧的内翻边上,两个直线轴承的滑块固定在屏蔽门的相对两侧,所述滑块由线性电机进行驱动,线性电机的驱动信号由虹膜识别组件提供,当虹膜识别组件身份识别成功时,虹膜识别组件向线性电机发送驱动信号,并控制滑块将所述屏蔽门移动至指定位置;
所述虹膜采集器至少包括盒体、摄像头、电路板和红外灯,所述虹膜识别组件与摄像头、红外灯通信相连,所述盒体形成有虹膜采集通道,所述虹膜采集通道与盒体一体成型,所述虹膜采集通道将盒体分为第一子盒体和第二子盒体,所述第一子盒体内设置有摄像头,所述虹膜采集通道后部形成有连通虹膜采集通道与第一子盒体的第一通孔,所述第一通孔位于摄像头正前方,所述虹膜采集通道的前部形成有连通虹膜采集通道与第二子盒体的第二通孔,所述第二通孔位于第一通孔的正前方,所述第二子盒体内设有红外灯,电路板设置在第二子盒体的底部,所述摄像头和红外灯均与电路板连接。
2.如权利要求1所述的工伤信息录入装置,其特征在于,所述滑块设有距离传感器,所述距离传感器与线性电机电连接,当滑块滑动到预设距离时,所述距离传感器向所述线性电机发送停止工作信号以使滑块暂停滑动。
3.如权利要求2所述的工伤信息录入装置,其特征在于,所述虹膜识别组件包括:
采集模块,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中XkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子;
预处理模块,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱;
计算模块,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XLXP为最终LBP图谱,ALBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
4.如权利要求3所述的工伤信息录入装置,其特征在于,所述虹膜识别组件还包括:
光斑修正模块,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
5.如权利要求4所述的工伤信息录入装置,其特征在于,所述虹膜识别组件还包括:
暗点补偿模块,用于通过暗点补偿公式将最终LBP图谱中的暗点P′0(x′0,y′0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S′m(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x′mn,y'mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P'0),光斑修正公式为:
其中g'(offset)为暗点补偿灰度值偏移量。
6.如权利要求5所述的工伤信息录入装置,其特征在于,所述虹膜识别组件还包括:
处理模块,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
7.一种利用权利要求1-6任一项所述的工伤信息录入方法,其特征在于,包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时屏蔽门开启,可进行工伤信息录入。
CN201810196610.1A 2018-03-09 2018-03-09 一种工伤信息录入方法及装置 Active CN108509865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810196610.1A CN108509865B (zh) 2018-03-09 2018-03-09 一种工伤信息录入方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810196610.1A CN108509865B (zh) 2018-03-09 2018-03-09 一种工伤信息录入方法及装置

Publications (2)

Publication Number Publication Date
CN108509865A true CN108509865A (zh) 2018-09-07
CN108509865B CN108509865B (zh) 2021-02-26

Family

ID=63377526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810196610.1A Active CN108509865B (zh) 2018-03-09 2018-03-09 一种工伤信息录入方法及装置

Country Status (1)

Country Link
CN (1) CN108509865B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416303A (zh) * 2018-03-09 2018-08-17 陈守见 一种基于虹膜识别的保险柜

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205098199U (zh) * 2015-10-28 2016-03-23 四川天成生化科技有限公司 现代有轨电车屏蔽门系统
CN205621023U (zh) * 2016-03-29 2016-10-05 陈剑军 一种虹膜图像采集装置
CN205618008U (zh) * 2016-04-22 2016-10-05 江苏浔丰轨道交通科技有限公司 地铁安全屏蔽门
CN106006312A (zh) * 2016-07-08 2016-10-12 钟林超 一种通过虹膜进行识别的电梯轿箱
CN106022320A (zh) * 2016-07-08 2016-10-12 钟林超 一种基于虹膜识别的自动控制装置
CN106248070A (zh) * 2016-07-08 2016-12-21 钟林超 一种基于虹膜识别启动的导航仪
CN205840700U (zh) * 2016-07-27 2016-12-28 东台市苏宝电磁屏蔽设备有限公司 一种电磁屏蔽门
CN106373221A (zh) * 2016-08-22 2017-02-01 冯玉国 一种基于虹膜识别的门禁系统及其实现方法
WO2017113083A1 (zh) * 2015-12-29 2017-07-06 厦门中控生物识别信息技术有限公司 一种虹膜识别方法及装置
CN206741586U (zh) * 2017-05-25 2017-12-12 四川万佳园科技有限公司 基于虹膜识别设备的门禁系统
JP2018004743A (ja) * 2016-06-28 2018-01-11 株式会社藤田電機製作所 アイリス機構

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205098199U (zh) * 2015-10-28 2016-03-23 四川天成生化科技有限公司 现代有轨电车屏蔽门系统
WO2017113083A1 (zh) * 2015-12-29 2017-07-06 厦门中控生物识别信息技术有限公司 一种虹膜识别方法及装置
CN205621023U (zh) * 2016-03-29 2016-10-05 陈剑军 一种虹膜图像采集装置
CN205618008U (zh) * 2016-04-22 2016-10-05 江苏浔丰轨道交通科技有限公司 地铁安全屏蔽门
JP2018004743A (ja) * 2016-06-28 2018-01-11 株式会社藤田電機製作所 アイリス機構
CN106006312A (zh) * 2016-07-08 2016-10-12 钟林超 一种通过虹膜进行识别的电梯轿箱
CN106022320A (zh) * 2016-07-08 2016-10-12 钟林超 一种基于虹膜识别的自动控制装置
CN106248070A (zh) * 2016-07-08 2016-12-21 钟林超 一种基于虹膜识别启动的导航仪
CN205840700U (zh) * 2016-07-27 2016-12-28 东台市苏宝电磁屏蔽设备有限公司 一种电磁屏蔽门
CN106373221A (zh) * 2016-08-22 2017-02-01 冯玉国 一种基于虹膜识别的门禁系统及其实现方法
CN206741586U (zh) * 2017-05-25 2017-12-12 四川万佳园科技有限公司 基于虹膜识别设备的门禁系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KANCHAN S. BHAGAT等: "Global LBP features for Iris Recognition using blood vessel segmentation", 《2016 INTERNATIONAL CONFERENCE SYSTEM MODELING & ADVANCEMENT IN RESEARCH TRENDS (SMART)》 *
李欢利: "虹膜特征表达与识别算法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416303A (zh) * 2018-03-09 2018-08-17 陈守见 一种基于虹膜识别的保险柜

Also Published As

Publication number Publication date
CN108509865B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
KR101117837B1 (ko) 멀티 스케일 지향 패치를 이용한 멀티 이미지 특징 매칭
US7929771B2 (en) Apparatus and method for detecting a face
US5642431A (en) Network-based system and method for detection of faces and the like
US7957584B2 (en) Fast object detection for augmented reality systems
CN109784342B (zh) 一种基于深度学习模型的ocr识别方法及终端
CN110032989B (zh) 一种基于框线特征和像素分布的表格文档图像分类方法
CN110569782A (zh) 一种基于深度学习目标检测方法
CN110458158B (zh) 一种针对盲人辅助阅读的文本检测与识别方法
CN111709313B (zh) 基于局部和通道组合特征的行人重识别方法
CN109947273B (zh) 一种点读定位方法及装置
CN112784712B (zh) 一种基于实时监控的失踪儿童预警实现方法、装置
CN105825211A (zh) 名片识别方法、装置及系统
CN108652269A (zh) 一种智能储存柜
CN102314598A (zh) 基于Retinex理论的复杂光照下的人眼检测方法
CN108985375B (zh) 考虑粒子权值空间分布的多特征融合跟踪方法
CN108509865A (zh) 一种工伤信息录入方法及装置
CN110766001B (zh) 基于cnn和rnn的银行卡卡号定位与端到端识别方法
US20030044067A1 (en) Apparatus and methods for pattern recognition based on transform aggregation
CN108491771A (zh) 一种基于虹膜的身份识别方法及装置
CN117152790A (zh) 一种复杂场景的牛脸检测方法及其检测系统
CN116665097A (zh) 一种结合上下文感知的自适应目标跟踪方法
CN108416303A (zh) 一种基于虹膜识别的保险柜
CN108830238A (zh) 唇膏颜色自适应选择系统
Hannan et al. Analysis of Detection and Recognition of Human Face Using Support Vector Machine
CN115410089A (zh) 自适应局部上下文嵌入的光学遥感小尺度目标检测方法

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
GR01 Patent grant
GR01 Patent grant