CN110084022A - 一种基于蓝牙辅助的用户身份识别方法及系统 - Google Patents
一种基于蓝牙辅助的用户身份识别方法及系统 Download PDFInfo
- Publication number
- CN110084022A CN110084022A CN201910453788.4A CN201910453788A CN110084022A CN 110084022 A CN110084022 A CN 110084022A CN 201910453788 A CN201910453788 A CN 201910453788A CN 110084022 A CN110084022 A CN 110084022A
- Authority
- CN
- China
- Prior art keywords
- user
- target user
- bluetooth
- acquisition
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000012790 confirmation Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 241001062009 Indigofera Species 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010903 husk Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于蓝牙辅助的用户身份识别方法及系统，所述方法包括：确定目标区域的目标用户；采集目标用户身份信息，所述目标用户身份信息包括目标用户蓝牙身份信息和目标用户人物图像；将采集的目标用户人物图像与目标用户蓝牙身份信息进行捆绑后，发送至中心服务器；中心服务器对目标用户进行身份识别确认，并将识别结果返回。所述系统包括：移动终端设备、采集终端设备和中心服务器，所述采集终端设备包括图像采集单元、蓝牙信号采集单元、捆绑单元、发送单元、接收单元和显示单元；本发明身份识别方法及系统，可提高人工智能身份识别的准确性，降低误识率，提升用户体验效果。
Description
技术领域
本发明涉及身份识别技术领域，具体涉及一种基于蓝牙辅助的用户身份识别方法及系统。
背景技术
具有非配合性、非接触性等优点的人脸识别技术在多种生物识别技术中脱颖而出，成为人工智能时代身份识别的新宠，正越来越多地应用于人们的日常工作和生活当中。评价人脸识别技术的成熟度，主要可以从误识率、通过率、识别速度等方面进行判断。现有人脸识别的误识率主要受到用户基数、识别环境等因素影响较大。通常，用户基数越大，误识率越高；识别环境越复杂，误识率也越高。例如，在人流密集的机场、高铁、地铁等过闸场景应用中，不仅用户量超多，并且还会受到诸多复杂环境因素影响，如光线昏暗、人像重叠、佩戴遮挡物等等，从而造成人脸识别误识率大大增加，影响用户正常通行，用户使用体验效果不佳。
近年来，随着人工智能应用场景需要处理的数据量飞速提升，深度学习的发展十分迅速，基于神经网络的人脸识别已成为应用的主流。相比于传统的机器学习算法，采用神经网络可以充分利用硬件资源进行计算，并且无需人工设计提取特征的维度，训练时还可充分利用现有的海量数据，不断提高神经网络的学习能力。
发明内容
本发明的目的在于提供一种基于蓝牙辅助的用户身份识别方法及系统，以提高人工智能身份识别的准确性，降低误识率，提升用户体验效果。
为实现以上发明目的，采用的技术方案是：
一种基于蓝牙辅助的用户身份识别方法，所述方法包括：
步骤S1：确定目标区域的目标用户；
步骤S2：采集目标用户身份信息，所述目标用户身份信息包括目标用户蓝牙身份信息和目标用户人物图像；所述蓝牙身份信息为通过蓝牙接收到的用户UserID；
步骤S3：将采集的目标用户人物图像与目标用户蓝牙身份信息进行捆绑，将捆绑后的目标用户身份信息发送至中心服务器；
步骤S4：中心服务器对目标用户进行身份识别确认，并将识别结果返回。
进一步的，所述步骤S1具体为：
通过蓝牙定位跟踪目标区域内的用户，获取用户位置，并通过采集终端设备探测有效区域内的用户蓝牙信号，测得有效区域内用户与采集终端设备之间的距离，确定距离最小的用户为目标用户；
所述目标区域位于采集终端设备前方；所述有效区域靠近采集终端设备且位于所述目标区域内；所述用户蓝牙信号包含用户蓝牙身份信息和定位信息。
进一步的，所述将捆绑后的目标用户身份信息发送至中心服务器具体为：
首先将捆绑后的目标用户身份信息发送至分布式服务器进行信息认证；
再由分布式服务器将捆绑的目标用户身份信息上传至中心服务器。
进一步的，所述中心服务器对目标用户进行身份识别确认的过程如下：
（1）通过神经网络提取目标用户的人物图像特征；
（2）神经网络根据提取的人物图像特征筛选出置信度大于设定阀值的若干用户UserID；
（3）将所述若干用户UserID与目标用户蓝牙身份信息进行匹配，如果匹配成功，则认为此次识别成功，并输出匹配的用户UserID识别结果；如果未匹配成功，则认为此次识别失败，输出识别结果为用户不匹配。
进一步的，所述人物图像为人脸图像或全身图像。
进一步的，所述蓝牙定位基于RSSI定位原理。
本发明还提供一种基于蓝牙辅助的用户身份识别系统，包括：移动终端设备、采集终端设备和中心服务器，所述采集终端设备包括图像采集单元、蓝牙信号采集单元、捆绑单元、发送单元、接收单元和显示单元；
所述移动终端设备用于接收和发送蓝牙信号；所述图像采集单元用于采集目标用户人物图像；所述蓝牙信号采集单元用于采集用户蓝牙信号；所述捆绑单元用于将目标用户人物图像与目标用户蓝牙身份信息进行捆绑；所述发送单元用于将捆绑后的目标用户身份信息发送至服务器；所述接收单元用于接收识别结果信息；所述显示单元用于显示识别结果信息；所述中心服务器用于对目标用户人物图像进行识别处理，并将识别结果与用户蓝牙身份信息匹配。
进一步的，所述采集终端设备为一个或多个。
进一步的，还包括：分布式服务器，所述分布式服务器用于对捆绑后的目标用户身份信息进行认证处理。
进一步的，所述采集终端设备还包括语音单元，所述语音单元用于播报识别结果。
本发明的一种基于蓝牙辅助的用户身份识别方法及系统，具有以下有益效果：
本发明一种基于蓝牙辅助的用户身份识别方法及系统，通过蓝牙定位与测距结合快速锁定目标用户，并将目标用户的图像识别结果与蓝牙身份信息进行匹配以确认用户身份，极大提高了用户身份识别的准确率，减少误识别。通过对用户人物图像的识别结果结合蓝牙身份信息辅助判断用户身份，可帮助神经网络进行自动误识别纠错，无需人工干预，提高了效率，同时可使神经网络在不断的自我纠错学习中提高自身识别的准确率。
附图说明
图1是本发明一种基于蓝牙辅助的用户身份识别系统结构图。
图2是本发明采集终端设备组成结构图。
图3是本发明一种基于蓝牙辅助的用户身份识别方法流程图。
图4是本发明目标区域目标用户确定示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的目的在于提供一种基于蓝牙辅助的用户身份识别方法及系统，以提高人工智能身份识别的准确性，提升用户体验。以下将详细阐述本发明的一种基于蓝牙辅助的用户身份识别方法及系统的原理及实施方式，使本领域技术人员不需要创造性劳动即可理解本发明的技术内容。
图1是本发明一种基于蓝牙辅助的用户身份识别系统结构图，图2是本发明采集终端设备组成结构图。本发明基于蓝牙辅助的用户身份识别系统，包括：移动终端设备、采集终端设备、分布式服务器和中心服务器，其中，采集终端设备包括图像采集单元、蓝牙信号采集单元、捆绑单元、发送单元、接收单元、显示单元和语音单元。本发明基于蓝牙辅助的用户身份识别系统工作原理为，首先通过蓝牙确定目标用户，然后通过采集终端设备采集目标用户身份信息，并将目标用户身份信息上传至分布式服务器进行信息认证，再由分布式服务器将目标用户身份信息上传至中心服务器进行身份识别，目标用户身份信息包括人物图像信息和蓝牙身份信息。中心服务器完成身份识别后，将识别结果反馈给分布式服务器，分布式服务器再将识别结果反馈给采集终端设备。本实施例采集终端设备为多个，适用于在不同地点有多个识别场景分布应用的情形，例如地铁站、火车站、公交车站、停车场等。本发明身份识别系统，也适用于单一识别场景的应用，例如考勤系统、楼宇门禁系统等，在单一识别场景应用中，可省去分布式服务器，由采集终端设备直接将目标用户身份信息上传至中心服务器进行识别，中心服务器完成识别后将识别结果返回到采集终端设备。
图3是本发明一种基于蓝牙辅助的用户身份识别方法流程图，图4是本发明目标区域目标用户确定示意图。以下结合图1、2、3和4详细阐述本发明用户身份识别方法原理。
本发明基于蓝牙辅助的用户身份识别方法过程如下：
首先，用户需通过移动终端设备下载APP进行注册，注册成功后，用户将获得唯一身份标识的UserID，将用户UserID与移动终端设备绑定，同时中心服务器将用户UserID与用户注册人物图像特征绑定。
进行身份识别时，用户携带移动终端设备走近采集终端设备，在此过程中通过蓝牙定位跟踪目标区域内的用户，目标区域位于采集终端设备前方。
图4是本发明目标区域目标用户确定示意图。如图4所示，在目标区域内铺设有蓝牙信标Beacon，由Beacon不断地向周围广播数据信号，当移动终端设备进入Beacon信号的覆盖范围时，测出其在不同基站下的RSSI值，再通过移动终端设备内置的定位算法测算出具体的位置。然后由移动终端设备通过蓝牙广播发送自身定位信息和用户UserID，采集终端设备通过蓝牙信号采集单元接收移动终端设备发送的蓝牙信号，并分析移动终端设备（也即用户）是否在有效区域内，若在有效区域内，则检测其距离。经过蓝牙距离检测，测得有效区域内用户与采集终端设备之间的距离，确定距离最小（即最靠近采集终端设备）的用户为目标用户。如图4所示，用户6和用户7均在有效区域内，经过蓝牙距离检测，用户7距离最小，则确定用户7为目标用户。蓝牙距离检测原理为：基于蓝牙协议的测距方法，获取主从蓝牙设备交互时的RSSI值，经过数据挖掘，将最终的RSSI值代入RSSI与距离的衰落模型当中，求取移动终端设备与蓝牙接收设备（采集终端设备）之间的距离。具体的，移动终端设备可以为智能手机、智能手表、平板电脑等，并且需具备BLE功能。
具体的，有效区域位于目标区域内且靠近采集终端设备，便于采集终端设备采集清晰的用户人物图像。更为具体的，用户人物图像为人脸图像或全身图像。若采集的用户人物图像为人脸图像，有效区域优选为距离采集终端设备0.5~1.0米的范围区域；若采集的用户人物图像为全身图像，有效区域优选为距离采集终端设备1.0~1.6米的范围区域。
确定目标用户之后，采集终端设备收集标记目标用户的蓝牙身份信息（通过蓝牙接收到的用户UserID），并通过采集终端设备的图像采集单元采集目标用户人物图像，再通过采集终端设备的捆绑单元将目标用户人物图像与目标用户蓝牙身份信息（通过蓝牙接收到的用户UserID）进行捆绑；然后通过采集终端设备的发送单元将捆绑后的目标用户身份信息发送至分布式服务器，由分布式服务器进行认证后（即验证是否为分布式服务器管辖的用户），再发送至中心服务器进行身份识别确认。
具体的，中心服务器对目标用户进行身份识别确认的过程如下：
（1）通过神经网络提取目标用户的人物图像特征；优选的，通过卷积神经网络（CNN）完成人物图像特征提取。当然，也可采用其他神经网络进行人物图像特征提取。提取图像特征是神经网络能正确识别的关键步骤。
（2）神经网络根据提取的人物图像特征筛选出置信度大于设定阀值的若干用户UserID。具体的，通过分类的神经网络对已提取的目标用户的人物图像特征进行身份分类，找到分类置信度大于设定阈值的若干用户UserID；优选的，通过全连接神经网络（FC）或全局平均池化（GAP）完成人物图像身份分类。当然，也可以采用其他神经网络完成人物身份分类。
（3）将筛选得出的若干用户UserID与目标用户蓝牙身份信息（通过蓝牙接收到的用户UserID）进行匹配，若在筛选得出的若干用户UserID中能匹配到与目标用户蓝牙身份信息（通过蓝牙接收到的用户UserID）相同的，则认为此次识别成功，并输出匹配的用户UserID识别结果；如果未能匹配到相同的，则认为此次识别失败，输出识别结果为用户不匹配。
识别完成后，中心服务器将识别结果返回到分布式服务器，由分布式服务器将识别结果返回到采集终端设备。在未采用分布式服务器的方案中，中心服务器则将识别结果直接返回到采集终端设备。采集终端设备通过接收单元接收识别结果，并通过显示单元和语音单元显示和播报识别结果。
由以上技术方案可知，本发明一种基于蓝牙辅助的用户身份识别方法及系统，通过蓝牙定位与测距结合快速锁定目标用户，并通过目标用户的图像识别结果与蓝牙身份信息进行匹配以确认用户身份，极大提高了用户身份识别的准确率。
现有技术中，采用神经网络进行身份识别时，通常是在筛选出的置信度大于设定阀值的若干用户UserID中，选取置信度最高的用户UserID作为目标识别结果，但这一选取标准，往往会导致误识别。本发明身份识别方法及系统，通过用户人物图像的识别结果结合蓝牙身份信息辅助判断用户身份，还可帮助神经网络进行自动误识别纠错，无需人工干预，提高了效率。神经网络在蓝牙身份信息的辅助判断下，能够实现在自我纠错中不断学习和优化，不断提高自身识别的准确率。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。凡在本发明的精神和原则之内，所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围内。
Claims (10)
1.一种基于蓝牙辅助的用户身份识别方法，其特征在于，所述方法包括：
步骤S1：确定目标区域的目标用户；
步骤S2：采集目标用户身份信息，所述目标用户身份信息包括目标用户蓝牙身份信息和目标用户人物图像；所述蓝牙身份信息为通过蓝牙接收到的用户UserID；
步骤S3：将采集的目标用户人物图像与目标用户蓝牙身份信息进行捆绑，将捆绑后的目标用户身份信息发送至中心服务器；
步骤S4：中心服务器对目标用户进行身份识别确认，并将识别结果返回。
2.根据权利要求1所述的识别方法，其特征在于，所述步骤S1具体为：
通过蓝牙定位跟踪目标区域内的用户，获取用户位置，并通过采集终端设备探测有效区域内的用户蓝牙信号，测得有效区域内用户与采集终端设备之间的距离，确定距离最小的用户为目标用户；
所述目标区域位于采集终端设备前方；所述有效区域靠近采集终端设备且位于所述目标区域内；所述用户蓝牙信号包含用户蓝牙身份信息和定位信息。
3.根据权利要求1所述的识别方法，其特征在于，所述将捆绑后的目标用户身份信息发送至中心服务器具体为：
首先将捆绑后的目标用户身份信息发送至分布式服务器进行信息认证；
再由分布式服务器将捆绑的目标用户身份信息上传至中心服务器。
4.根据权利要求1所述的识别方法，其特征在于，所述中心服务器对目标用户进行身份识别确认的过程如下：
（1）通过神经网络提取目标用户的人物图像特征；
（2）神经网络根据提取的人物图像特征筛选出置信度大于设定阀值的若干用户UserID；
（3）将所述若干用户UserID与目标用户蓝牙身份信息进行匹配，如果匹配成功，则认为此次识别成功，并输出匹配的用户UserID识别结果；如果未匹配成功，则认为此次识别失败，输出识别结果为用户不匹配。
5.根据权利要求1所述的识别方法，其特征在于，所述人物图像为人脸图像或全身图像。
6.根据权利要求2所述的识别方法，其特征在于，所述蓝牙定位基于RSSI定位原理。
7.一种基于蓝牙辅助的用户身份识别系统，其特征在于，包括：移动终端设备、采集终端设备和中心服务器，所述采集终端设备包括图像采集单元、蓝牙信号采集单元、捆绑单元、发送单元、接收单元和显示单元；
所述移动终端设备用于接收和发送蓝牙信号；
所述图像采集单元用于采集目标用户人物图像；
所述蓝牙信号采集单元用于采集用户蓝牙信号；
所述捆绑单元用于将目标用户人物图像与目标用户蓝牙身份信息进行捆绑；
所述发送单元用于将捆绑后的目标用户身份信息发送至服务器；
所述接收单元用于接收识别结果信息；
所述显示单元用于显示识别结果信息；
所述中心服务器用于对目标用户人物图像进行识别处理，并将识别结果与用户蓝牙身份信息匹配。
8.根据权利要求7所述的识别系统，其特征在于，所述采集终端设备为一个或多个。
9.根据权利要求8所述的识别系统，其特征在于，还包括：分布式服务器，所述分布式服务器用于对捆绑后的目标用户身份信息进行认证处理。
10.根据权利要求7所述的识别系统，其特征在于，所述采集终端设备还包括语音单元，所述语音单元用于播报识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453788.4A CN110084022A (zh) | 2019-05-28 | 2019-05-28 | 一种基于蓝牙辅助的用户身份识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453788.4A CN110084022A (zh) | 2019-05-28 | 2019-05-28 | 一种基于蓝牙辅助的用户身份识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110084022A true CN110084022A (zh) | 2019-08-02 |
Family
ID=67422340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910453788.4A Pending CN110084022A (zh) | 2019-05-28 | 2019-05-28 | 一种基于蓝牙辅助的用户身份识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110084022A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112566326A (zh) * | 2020-12-30 | 2021-03-26 | 苏州佩林网络科技有限公司 | 智能灯具、智能灯具控制系统及智能灯具控制方法 |
| CN112566327A (zh) * | 2020-12-30 | 2021-03-26 | 苏州佩林网络科技有限公司 | 智能灯具控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103152329A (zh) * | 2013-02-07 | 2013-06-12 | 中金金融认证中心有限公司 | 利用蓝牙进行身份认证的方法及系统 |
| DE112012000183T5 (de) * | 2012-08-13 | 2014-08-28 | Wwtt Technology China | Vorrichtung und Verfahren zur ldentitätsauthentifizierungsverwaltung |
| CN104066055A (zh) * | 2014-07-08 | 2014-09-24 | 深圳市几米电子有限公司 | 实现物品定位寻找的方法、移动终端、用户端及系统 |
| CN109121077A (zh) * | 2018-08-06 | 2019-01-01 | 刘丽 | 一种车库的蓝牙工作系统及其工作方法 |
| CN209728746U (zh) * | 2019-05-28 | 2019-12-03 | 咪付(深圳)网络技术有限公司 | 一种基于蓝牙辅助的用户身份识别系统 |
-
2019
- 2019-05-28 CN CN201910453788.4A patent/CN110084022A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE112012000183T5 (de) * | 2012-08-13 | 2014-08-28 | Wwtt Technology China | Vorrichtung und Verfahren zur ldentitätsauthentifizierungsverwaltung |
| CN103152329A (zh) * | 2013-02-07 | 2013-06-12 | 中金金融认证中心有限公司 | 利用蓝牙进行身份认证的方法及系统 |
| CN104066055A (zh) * | 2014-07-08 | 2014-09-24 | 深圳市几米电子有限公司 | 实现物品定位寻找的方法、移动终端、用户端及系统 |
| CN109121077A (zh) * | 2018-08-06 | 2019-01-01 | 刘丽 | 一种车库的蓝牙工作系统及其工作方法 |
| CN209728746U (zh) * | 2019-05-28 | 2019-12-03 | 咪付(深圳)网络技术有限公司 | 一种基于蓝牙辅助的用户身份识别系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112566326A (zh) * | 2020-12-30 | 2021-03-26 | 苏州佩林网络科技有限公司 | 智能灯具、智能灯具控制系统及智能灯具控制方法 |
| CN112566327A (zh) * | 2020-12-30 | 2021-03-26 | 苏州佩林网络科技有限公司 | 智能灯具控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106714102A (zh) | 一种利用智能手机辅助室内定位的方法 | |
| CN108339255A (zh) | 捕获分享运动数据的运动器械 | |
| WO2018166291A1 (zh) | 一种基于多因素交叉验证的用户签到身份识别方法 | |
| CN110084022A (zh) | 一种基于蓝牙辅助的用户身份识别方法及系统 | |
| CN101216884A (zh) | 一种人脸认证的方法及系统 | |
| CN109951798A (zh) | 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法 | |
| CN105426869A (zh) | 基于铁路安检的人脸识别系统及识别方法 | |
| CN106412808A (zh) | 一种定位搜索的方法及装置 | |
| CN104640205B (zh) | 宏基站条件下利用场强和差分指纹的手机定位系统和方法 | |
| CN109275090A (zh) | 信息处理方法、装置、终端及存储介质 | |
| CN107315993A (zh) | 一种基于人脸识别的门镜系统及其人脸识别方法 | |
| CN107170065A (zh) | 移动智能考勤方法、装置和系统 | |
| CN107122650A (zh) | 一种多层次人脸识别身份认证系统 | |
| CN109218987A (zh) | 信息处理方法、装置、终端及存储介质 | |
| US9306749B2 (en) | Method of biometric authentication, corresponding authentication system and program | |
| CN110111062A (zh) | 一种基于大数据的伪装考勤场景识别方法及装置 | |
| CN101316170A (zh) | 一种即时通讯软件的用户状态控制方法及系统 | |
| CN209728746U (zh) | 一种基于蓝牙辅助的用户身份识别系统 | |
| CN110910524A (zh) | 自动签到系统、方法、装置、电子设备及计算机存储介质 | |
| KR20140078242A (ko) | 단말의 생체 인식과 위치 인식을 활용한 출결 관리 시스템 및 그 방법 | |
| CN105893969A (zh) | 一种自动化面部识别系统的使用方法 | |
| CN108460854A (zh) | 基于无线网络的移动终端的考勤打卡方法及系统 | |
| CN109286499A (zh) | 一种基于行为特征的在场认证方法 | |
| EP3012809A1 (en) | System and method for monitoring the use of public transport vehicles and payment for ride | |
| CN112235601A (zh) | 直播行为纠正方法、终端、边缘服务器及计算机设备 |
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 |