CN109658627A - 一种基于区块链的智能物流取件系统 - Google Patents
一种基于区块链的智能物流取件系统 Download PDFInfo
- Publication number
- CN109658627A CN109658627A CN201811528820.2A CN201811528820A CN109658627A CN 109658627 A CN109658627 A CN 109658627A CN 201811528820 A CN201811528820 A CN 201811528820A CN 109658627 A CN109658627 A CN 109658627A
- Authority
- CN
- China
- Prior art keywords
- pickup
- express delivery
- facial image
- block chain
- delivery cabinet
- 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
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/10—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for means for safe-keeping of property, left temporarily, e.g. by fastening the property
- G07F17/12—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for means for safe-keeping of property, left temporarily, e.g. by fastening the property comprising lockable containers, e.g. for accepting clothes to be cleaned
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于区块链的智能物流取件系统,该物流取件系统包括:多个快递柜用于存放快递件;身份验证模块用于获取取件人的身份信息,并对取件人的身份进行验证;控制模块用于成功验证取件人的身份后,开启指定快递柜;电源模块用于给各个模块提供工作电压;区块链数据库与身份验证模块相连,区块链数据库用于存储各个快递柜里的快递件的数据信息。数据信息包括快递柜中快递件的取件人的身份信息、快递柜中快递件的物流信息和快递柜中快递件的寄件人的身份信息。本发明克服了取件者需要具体的互动操作才能开快递柜的技术问题,尤其在取件者手提众多物品的时候,特别不方便。
Description
技术领域
本发明涉及物流技术领域,具体涉及一种基于区块链的智能物流取件系统。
背景技术
现有小区门口的快递箱柜取件系统存在需要具体的互动操作才能开快递柜的技术问题,尤其在取件者手提众多物品的时候,取件者还得掏出手机,查找取件信息,在快递箱柜的输入设备上输入取件信息,等等,特别不方便。
发明内容
针对上述问题,本发明提供一种基于区块链的智能物流取件系统。
本发明的目的采用以下技术方案来实现:
一种基于区块链的智能物流取件系统,该物流取件系统包括:多个快递柜,用于存放快递件;身份验证模块,用于获取取件人的身份信息,并对取件人的身份进行验证;控制模块,用于成功验证取件人的身份后,开启指定快递柜;电源模块,用于给各个模块提供工作电压;区块链数据库,与身份验证模块相连,区块链数据库用于存储各个快递柜里的快递件的数据信息。数据信息包括快递柜中快递件的取件人的身份信息、快递柜中快递件的物流信息和快递柜中快递件的寄件人的身份信息。
优选地,区块链数据库由多个区块链节点组成,区块链节点用于存储各个快递柜里的快递件的数据信息。
优选地,取件人的身份信息是指:能够表征取件人身份的脸部纹理特征参数。
优选地,身份验证模块包括采集子模块、处理子模块、特征提取子模块和身份识别子模块;采集子模块,用于采集取件人的人脸图像;处理子模块,用于对采集的人脸图像进行处理;特征提取子模块,用于从处理后的人脸图像提取能够表征取件人身份的脸部纹理特征参数;身份识别模块,用于将提取到的取件人的脸部纹理特征参数和区块链数据库中存储的各个快递柜对应的取件人的脸部纹理特征参数进行匹配,若匹配成功,则取件人的身份验证成功。
本发明的有益效果为:本发明克服了取件者需要具体的互动操作才能开快递柜的技术问题,尤其在取件者手提众多物品的时候,特别不方便。且该物流取件系统智能化程度高、应用范围广、可靠性高、效率高、大大提高了使用者的使用体验。
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是本发明实施例物流取件系统的结构示意图;
图2是本发明处理子模块的框架结构图。
附图标记:快递柜1;身份验证模块2;控制模块3;电源模块4;区块链数据库5;采集子模块6;处理子模块7;特征提取子模块8;身份识别子模块9;平滑单元10;模糊增强单元11。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种基于区块链的智能物流取件系统,该物流取件系统包括:多个快递柜1用于存放快递件;身份验证模块2用于获取取件人的身份信息,并对取件人的身份进行验证;控制模块3用于成功验证取件人的身份后,开启指定快递柜;电源模块4分别与身份验证模块2和控制模块3相连,其用于给身份验证模块2和控制模块3提供工作电压;区块链数据库5,与身份验证模块2相连,区块链数据库5用于存储各个快递柜里的快递件的数据信息。数据信息包括快递柜中快递件的取件人的身份信息、快递柜中快递件的物流信息和快递柜中快递件的寄件人的身份信息。
优选地,区块链数据库5由多个区块链节点组成,区块链节点用于存储各个快递柜里的快递件的数据信息。
优选地,取件人的身份信息是指:能够表征取件人身份的脸部纹理特征参数。
优选地,参见图2,身份验证模块2包括采集子模块6、处理子模块7、特征提取子模块8和身份识别子模块9;采集子模块6,用于采集取件人的人脸图像;处理子模块7,用于对采集的人脸图像进行处理;特征提取子模块8,用于从处理后的人脸图像提取能够表征取件人身份的脸部纹理特征参数;身份识别子模块9,用于将提取到的取件人的脸部纹理特征参数和区块链数据库中存储的各个快递柜对应的取件人的脸部纹理特征参数进行匹配,若匹配成功,则取件人的身份验证成功。
本发明的有益效果为:本发明克服了取件者需要具体的互动操作才能开快递柜的技术问题,尤其在取件者手提众多物品的时候,特别不方便。且该物流取件系统智能化程度高、应用范围广、可靠性高、效率高、大大提高了使用者的使用体验。
优选地,参见图2,所述处理子模块7包括平滑单元10和模糊增强单元11;所述平滑单元10,用于对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声;所述模糊增强单元11,用于对平滑处理后的人脸图像进行模糊增强处理,得到增强后的人脸图像。
优选地,所述对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声,具体为:
(1)对采集的人脸图像进行小波变换,得到一组小波变换系数W={w1,w2,…,wn},n为小波系数的个数;
(2)利用下式对得到的小波系数进行估计,得到小波系数的估计值;
式中,为第i个小波系数的估计值,i=1,2,…,n;wi为第i个小波系数,T1为设定的阈值下限值,T2为设定的阈值上限值,|w|max为高频小波系数的绝对值的最大值,|w|min为高频小波系数的绝对值的最小值,c为一比例因子,其取值为0<c≤1,其用于控制小波系数的收缩程度;sgn(f)为符号函数,f为正数时,取1,为负数时,取-1;
(3)对得到的小波系数的估计值进行小波重构,即可得到去噪后的人脸图像。
有益效果:本实施例采用上述算法对采集的人脸图像进行分段去噪处理,该算法考虑了小波系数中高频小波系数绝对值的最大值、最小值的影响,有利于保留低频小波系数中的细节特征,同时有效去除高频小波系数中的随机噪声,且本实施例中的算式在阈值处连续且可导,有效抑制了振铃、伪Gibbs效应等带来的视觉失真,提高了去噪效果,降低了后续人脸图像处理的复杂度,有利于后续对人脸图像准确识别。
优选地,所述的对平滑处理后的人脸图像进行模糊增强处理,得到增强后的人脸图像,具体为:
(1)将去噪后的人脸图像分割成R个大小为P×Q图像块;
(2)采用自定义的隶属度函数分别将分割得到的图像块由空间域变换到模糊域,并计算所有像素点的隶属度值,其中,自定义的隶属度函数为:
当时,
当时,
式中,为第r个图像块中第p行第q列的像素点的隶属度值,其中,r=1,2,…,R,p=1,2,…,P,q=1,2,…,Q;为第r个图像块的最大灰度值,为第r个图像块的最小灰度值,hgmax为去噪后的人脸图像的最大灰度值,hgmin为去噪后的人脸图像的最小灰度值,为设定的第r个图像块的灰度阈值,为第r个图像块中第p行第q列的像素点的灰度值,τ为隶属度因子,其满足τ≥1;
(3)在模糊域中,利用非线性变换公式对得到的像素点的隶属度值进行修正,得到修正后的像素点的隶属度值;
式中,为第r个图像块中第p行第q列的像素点的修正后的隶属度值,为第r个图像块中第p行第q列的像素点的隶属度值,为的隶属度阈值,可由步骤(2)的隶属度函数计算得到;
(4)把修正后的像素点的隶属度值转换为相应像素点的灰度值,得到模糊增强后的人脸图像,其中,把第r个图像块中第p行第q列的像素点的修正后的隶属度值转换为其灰度值的式子是:
当时,
当时,
式中,为逆变换后得到的第r个图像块中第p行第q列的像素点的灰度值,为修正后的隶属度值;为修正后的第r个图像块的隶属度阈值,其可由步骤(3)中的式子求解得到;
遍历所有图像块,所有像素点构成的集合即为模糊增强后的人脸图像。
有益效果:利用自定义的隶属度函数将去噪后的人脸图像从空间域变换到模糊域,使之在模糊域中,各个图像块中的像素点灰度值映射在[0,1]区间。通过设定每个图像块的隶属度阈值根据每个图像块中各个像素点的灰度值大小以及去噪后的视频图像的最大灰度值以及最小灰度值,将每个图像块分为灰度级较高的区域和灰度级较低的区域,并分别在这两个区域内用不同的隶属度函数求解区域内像素点的隶属度值,这样做可以削弱灰度级较低的部分,使相应的像素点的灰度级更低,同时增强灰度级较高的部分,使相应的像素点的灰度级更高,以此来达到图像增强的目的;通过在模糊域中完成对去噪后的人脸图像的增强处理,使得去噪后的人脸图像得到有效增强,使得整个增强后的人脸图像变亮的同时,能够更好的保留人脸图像中的细节特征,有利于后续对取件者的身份的准确识别。
在一个优选实施例中,的值还可以利用下式求解得到:
式中,为第r个图像块的灰度值阈值,为去噪后的人脸图像的平均灰度值,为第r个图像块中第p行第q列位置处的像素点的灰度值,表示第r个图像块中所有像素点的灰度值的中值,γ1、γ2为权重系数。
有益效果:本实施例中,利用上述方法求解各个图像块的灰度值阈值,该方法不仅考虑了去噪后的人脸图像的平均灰度值与图像块中各个像素点灰度值的差的平方和,还考虑了图像块中像素点的中值的影响,该方法得到的图像块的灰度值阈值能够自适应的将相应图像块由空间域变换到模糊域,进而实现在模糊域中对各个图像块的增强操作,该方法能够对相应图像块的细节特征进行有效增强,同时抑制了残余噪声的影响。
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 (6)
1.一种基于区块链的智能物流取件系统,其特征在于,包括:
多个快递柜,用于存放快递件;
身份验证模块,用于获取取件人的身份信息,并对取件人的身份进行验证;
控制模块,用于成功验证所述取件人的身份后,开启指定快递柜;
电源模块,用于给各个模块提供工作电压;
区块链数据库,与所述身份验证模块相连,所述区块链数据库用于存储各个快递柜里的快递件的数据信息。所述数据信息包括快递柜中快递件的取件人的身份信息、快递柜中快递件的物流信息和快递柜中快递件的寄件人的身份信息。
2.根据权利要求1所述的智能物流取件系统,其特征在于,所述区块链数据库由多个区块链节点组成,所述区块链节点用于存储各个快递柜里的快递件的数据信息。
3.根据权利要求2所述的智能物流取件系统,其特征在于,所述的取件人的身份信息是指:能够表征取件人身份的脸部纹理特征参数。
4.根据权利要求3所述的智能物流取件系统,其特征在于,所述身份验证模块包括采集子模块、处理子模块、特征提取子模块和身份识别子模块;
所述采集子模块,用于采集取件人的人脸图像;
所述处理子模块,用于对采集的人脸图像进行处理;
所述特征提取子模块,用于从处理后的人脸图像提取能够表征取件人身份的脸部纹理特征参数;
所述身份识别子模块,用于将提取到的取件人的脸部纹理特征参数和所述区块链数据库中存储的各个快递柜对应的取件人的脸部纹理特征参数进行匹配,若匹配成功,则所述取件人的身份验证成功。
5.根据权利要求4所述的智能物流取件系统,其特征在于,所述图像处理子模块包括平滑单元和模糊增强单元;
所述平滑单元,用于对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声;
所述模糊增强单元,用于对平滑处理后的人脸图像进行模糊增强处理,得到增强后的人脸图像。
6.根据权利要求5所述的智能物流取件系统,其特征在于,所述对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声,具体为:
(1)对采集的人脸图像进行小波变换,得到一组小波变换系数W={w1,w2,…,wn},n为小波系数的个数;
(2)利用下式对得到的小波系数进行估计,得到小波系数的估计值;
式中,为第i个小波系数的估计值,i=1,2,…,n;wi为第i个小波系数,T1为设定的阈值下限值,T2为设定的阈值上限值,|w|max为高频小波系数的绝对值的最大值,|w|min为高频小波系数的绝对值的最小值,c为一比例因子,其取值为0<c≤1,其用于控制小波系数的收缩程度;sgn(f)为符号函数,f为正数时,取1,为负数时,取-1;
(3)对得到的小波系数的估计值进行小波重构,即可得到去噪后的人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811528820.2A CN109658627A (zh) | 2018-12-13 | 2018-12-13 | 一种基于区块链的智能物流取件系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811528820.2A CN109658627A (zh) | 2018-12-13 | 2018-12-13 | 一种基于区块链的智能物流取件系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658627A true CN109658627A (zh) | 2019-04-19 |
Family
ID=66114603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811528820.2A Pending CN109658627A (zh) | 2018-12-13 | 2018-12-13 | 一种基于区块链的智能物流取件系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658627A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080185A (zh) * | 2019-10-29 | 2020-04-28 | 长安大学 | 一种基于智能合约的隐私保护快递派取件系统及方法 |
CN112820039A (zh) * | 2021-02-07 | 2021-05-18 | 南宁师范大学 | 一种基于区块链的智能物流快递存储柜 |
CN113393198A (zh) * | 2021-06-29 | 2021-09-14 | 绵阳九洲北斗新时空能源有限公司 | 一种基于北斗导航的物流电商服务平台系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1285504A (zh) * | 2000-10-09 | 2001-02-28 | 清华大学 | 一种人手运动图像三维实时检测方法 |
US8899487B2 (en) * | 2005-08-18 | 2014-12-02 | Ivi Holdings Ltd. | Biometric identity verification system and method |
CN104463804A (zh) * | 2014-12-12 | 2015-03-25 | 中国科学院武汉物理与数学研究所 | 一种基于直觉模糊集的图像增强方法 |
CN106022681A (zh) * | 2016-05-13 | 2016-10-12 | 杭州云象网络技术有限公司 | 一种基于区块链的物流追踪方法 |
CN106446872A (zh) * | 2016-11-07 | 2017-02-22 | 湖南源信光电科技有限公司 | 一种低照度下的视频人脸检测识别方法 |
CN108629337A (zh) * | 2018-06-11 | 2018-10-09 | 深圳市益鑫智能科技有限公司 | 一种基于区块链的人脸识别门禁系统 |
CN108986342A (zh) * | 2018-08-06 | 2018-12-11 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的人脸识别寄存柜系统 |
CN108989040A (zh) * | 2018-01-11 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种基于区块链的信息处理方法和装置 |
-
2018
- 2018-12-13 CN CN201811528820.2A patent/CN109658627A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1285504A (zh) * | 2000-10-09 | 2001-02-28 | 清华大学 | 一种人手运动图像三维实时检测方法 |
US8899487B2 (en) * | 2005-08-18 | 2014-12-02 | Ivi Holdings Ltd. | Biometric identity verification system and method |
CN104463804A (zh) * | 2014-12-12 | 2015-03-25 | 中国科学院武汉物理与数学研究所 | 一种基于直觉模糊集的图像增强方法 |
CN106022681A (zh) * | 2016-05-13 | 2016-10-12 | 杭州云象网络技术有限公司 | 一种基于区块链的物流追踪方法 |
CN106446872A (zh) * | 2016-11-07 | 2017-02-22 | 湖南源信光电科技有限公司 | 一种低照度下的视频人脸检测识别方法 |
CN108989040A (zh) * | 2018-01-11 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种基于区块链的信息处理方法和装置 |
CN108629337A (zh) * | 2018-06-11 | 2018-10-09 | 深圳市益鑫智能科技有限公司 | 一种基于区块链的人脸识别门禁系统 |
CN108986342A (zh) * | 2018-08-06 | 2018-12-11 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的人脸识别寄存柜系统 |
Non-Patent Citations (2)
Title |
---|
张鑫: "基于小波变换及轮廓波变换的光学图像去噪研究", 《CNKI优秀硕士学位论文全文库》 * |
赵小川: "《MATLAB图像处理:能力提高与应用案例》", 31 January 2014 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080185A (zh) * | 2019-10-29 | 2020-04-28 | 长安大学 | 一种基于智能合约的隐私保护快递派取件系统及方法 |
CN112820039A (zh) * | 2021-02-07 | 2021-05-18 | 南宁师范大学 | 一种基于区块链的智能物流快递存储柜 |
CN113393198A (zh) * | 2021-06-29 | 2021-09-14 | 绵阳九洲北斗新时空能源有限公司 | 一种基于北斗导航的物流电商服务平台系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898547B (zh) | 人脸识别模型的训练方法、装置、设备及存储介质 | |
CN108764207B (zh) | 一种基于多任务卷积神经网络的人脸表情识别方法 | |
KR102554724B1 (ko) | 이미지 내 객체를 식별하기 위한 방법 및 상기 방법을 실행하기 위한 모바일 디바이스 | |
CN109658627A (zh) | 一种基于区块链的智能物流取件系统 | |
Malik et al. | The statistical quantized histogram texture features analysis for image retrieval based on median and laplacian filters in the dct domain | |
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 | |
CN105426829B (zh) | 基于人脸图像的视频分类方法和装置 | |
CN108268850B (zh) | 一种基于图像的大数据处理方法 | |
CN107133575A (zh) | 一种基于时空特征的监控视频行人重识别方法 | |
CN105046272B (zh) | 一种基于简洁非监督式卷积网络的图像分类方法 | |
Tang et al. | Image denoising via sparse coding using eigenvectors of graph Laplacian | |
CN109509299A (zh) | 一种具有人脸识别的自动售货机 | |
CN109509142A (zh) | 一种人脸变老图像处理方法、系统、可读存储介质及设备 | |
CN108875907A (zh) | 一种基于深度学习的指纹识别方法和装置 | |
Vishwakarma et al. | An efficient hybrid DWT-fuzzy filter in DCT domain based illumination normalization for face recognition | |
CN113011253B (zh) | 基于ResNeXt网络的人脸表情识别方法、装置、设备及存储介质 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
CN108986342A (zh) | 一种基于云计算平台的人脸识别寄存柜系统 | |
CN112766165A (zh) | 基于深度神经网络与全景分割的跌倒预判方法 | |
CN114821735A (zh) | 一种基于人脸识别和语音识别的智能储物柜 | |
CN109522865A (zh) | 一种基于深度神经网络的特征加权融合人脸识别方法 | |
CN114241459A (zh) | 一种驾驶员身份验证方法、装置、计算机设备及存储介质 | |
CN117496019A (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
CN109146834A (zh) | 车辆定损方法及装置、计算机可读存储介质、终端 | |
CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |