CN111709851A - 基于rfid及面部识别的酒店安全入住的方法、装置及设备 - Google Patents
基于rfid及面部识别的酒店安全入住的方法、装置及设备 Download PDFInfo
- Publication number
- CN111709851A CN111709851A CN202010564346.XA CN202010564346A CN111709851A CN 111709851 A CN111709851 A CN 111709851A CN 202010564346 A CN202010564346 A CN 202010564346A CN 111709851 A CN111709851 A CN 111709851A
- Authority
- CN
- China
- Prior art keywords
- user
- preset
- head portrait
- model
- rfid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000001815 facial effect Effects 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 210000000349 chromosome Anatomy 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G07C9/00896—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses
- G07C9/00904—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses for hotels, motels, office buildings or the like
-
- 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
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
- G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
- G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically
-
- 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
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/27—Individual registration on entry or exit involving the use of a pass with central registration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例公开了一种基于RFID及面部识别的酒店安全入住的方法、装置、设备及存储介质,属于酒店应用技术领域,该方法包括:前台时,对用户信息进行预采集;将预采集结果发送到中心控制模型;当前用户若为住户类型,获取当前用户对应的入住房间号;客房前,获取预采集中第一头像,同时对入住用户进行第二头像采集,对第一头像和第二头像分别进行人脸检测、预处理、特征点提取,进行对比,判断第一头像和第二头像是否为同一个人的不同头像照片;若是,判断当前用户对应的入住房间号与当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。本申请有助于提升酒店的安全防护等级,提高用户入住时的安全性。
Description
技术领域
本申请涉及酒店应用技术领域,尤其涉及一种基于RFID及面部识别的酒店安全入住的方法、装置、设备及存储介质。
背景技术
对于酒店入住,不能把它仅仅理解为装饰豪华的住所,更重要的是要如何为客户提供高安全等级的服务,并且能让客户的放心。同时,需要最大限度地节约酒店的运营成本,提高酒店效率。
为满足上述需求,多家公司提出了智能酒店,智能酒店就是酒店智能化,酒店智能化是以通信新技术计算机智能化信息处理,宽带交互式多媒体网络技术为核心的信息网络系统,能为消费者提供周到,便捷,舒适称心的服务,满足消费者个性化服务和信息化服务的需求,是21世纪新经济时代酒店业发展的方向;目前,用户入住时,主要采用门禁磁卡的方式,但是,如果门禁磁卡丢失,那么用户存放在酒店内的财物等就有一定的安全风险。由此可知,现有技术中用户进行酒店入住时,安全级别较低的问题。
发明内容
本申请实施例的目的在于提出一种基于RFID及面部识别的酒店安全入住的方法、装置、设备及存储介质,以解决现有技术中用户进行酒店入住时,安全级别较低的问题。
为了解决上述技术问题,本申请实施例提供一种基于RFID及面部识别的酒店安全入住的方法,采用了如下所述的技术方案:
一种基于RFID及面部识别的酒店安全入住的方法,包括:
基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像;
基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型;
基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号;
基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型;
基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片;
若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
进一步的,所述采集用户身份证信息中的头像图片,作为第一头像时,包括:
对当前用户的身份证信息和采集用户身份证信息中的第一头像进行同标识标记,生成身份证信息与第一头像构成的对照表,为第一对照表。
进一步的,所述预设的用户信息传输模型包括:
启动预设的RFID控制单元,所述预设的RFID控制单元向RFID读写器发送读入指令;
所述RFID读写器接收到读入指令后,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型;
同时,所述RFID控制单元将所述RFID电子标记单元绑定的当前用户的身份证信息发送到中心控制模型;
所述编号和所述当前用户的身份证信息生成key-vlaue格式的字段,进行缓存,生成第二对照表。
进一步的,所述预设的用户类型区别判断模型包括:
获取中心控制模型中提前录入的工作人员的身份证信息集,与所述预设的RFID电子标记单元绑定的当前用户的身份证信息进行对比;
判断所述预设的RFID电子标记单元绑定的当前用户的身份证信息是否为所述提前录入的工作人员的身份证信息集中的元素;
若为,则所述用户类型为工作人员类型,否则,则所述用户类型为住户类型。
进一步的,所述启动预设的用户信息采集模型时,获取当前用户对应的入住房间号信息包括:
读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型时,同时获取预设的酒店前端页面分配的房间号信息,将所述房间号信息发送到中心控制模型,并且与所述编号构成哈希值格式,生成第三对照表。
进一步的,所述基于预设的电子识别模型,判断客房间前是否为入住用户,若是,则获取所述入住用户对应的第一头像包括:
基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;
基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;
基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;
基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
进一步的,所述将所述第二头像发送到预设的中心控制模型时包括:
将所述第一头像和所述第二头像,加入到同一个有序图片集合,生成图片对照集,其中,第一头像在所述图片对照集中的位置为第一位,即所述第一头像为有序集合图片对照集的第一个元素。
进一步的,所述基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取包括:
获取所述图片对照集中的所有头像图片,对所述图片对照集中每一张图片,基于二进小波变换算法进行图片中的人脸检测,提取待测图像中的Haar特征,经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点。
进一步的,所述基于预设的算法模型,获取第一头像和第二头像的相似度包括:
获取所述图片对照集中的第一张图片的特征点,构成第一特征点集,同时获取所述图片对照集中其他图片的特征点,并分别构成对比特征点集;
基于预设的概率分布算法,获取所述第一特征点集与所述对比特征点集间特征点重叠的概率,是否超过预设的概率阈值,若超过,则所述第一特征点集和所述对比特征点集为同一张人脸照片。
进一步的,所述判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同包括:
基于第一头像和所述第一对照表获取所述身份证信息,基于所述身份证信息和第二对照表获取编号信息,基于编号信息和第三对照表,获取第三对照表中的房间号,即为当前用户对应的入住房间号;
同时基于预设的中心控制模型,获取当前用户所在客房前的房间号,其中,所述预设的中心控制模型与所有客房的电子识别模型相连接,且提前录入所有客房的房间号信息。
为了解决上述技术问题,本申请实施例还提供了一种基于RFID及面部识别的酒店安全入住的装置,采用了如下所述的技术方案:
一种基于RFID及面部识别的酒店安全入住的装置,包括:
用户信息预采集模块,用于基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像;
用户信息传输模块,用于基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型;
用户类型区别判断模块,用于基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号;
电子识别和图像采集模块,用于基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型;
人脸识别和特征对比模块,用于基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片;
客房开启判断模块,用于若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于RFID及面部识别的酒店安全入住的方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种非易失性计算机可读存储介质,采用了如下所述的技术方案:
一种非易失性计算机可读存储介质,计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于RFID及面部识别的酒店安全入住的方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例公开了基于RFID及面部识别的酒店安全入住的方法、装置、设备及存储介质,通过前台时,对用户信息进行预采集;将预采集结果发送到中心控制模型;当前用户若为住户类型,获取当前用户对应的入住房间号;客房前,获取预采集中第一头像,同时对入住用户进行第二头像采集,对第一头像和第二头像分别进行人脸检测、预处理、特征点提取,进行对比,判断第一头像和第二头像是否为同一个人的不同头像照片;若是,判断当前用户对应的入住房间号与当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。本申请有助于提升酒店的安全防护等级,提高用户入住时的安全性。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例可以应用于其中的示例性系统架构图;
图2为本申请实施例中所述基于RFID及面部识别的酒店安全入住的方法的一个实施例的流程图;
图3为本申请实施例中用户信息传输模型的执行流程图;
图4为本申请实施例中第三对照表的生成流程图;
图5为本申请实施例中电子识别模型的执行步骤图;
图6为本申请实施例中电子识别模型的逻辑流程图;
图7为本申请实施例中第一头像和第二头像的相似度判断的逻辑流程图;
图8为本申请实施例中是否开启客房的逻辑判断流程图;
图9为本申请实施例中所述基于RFID及面部识别的酒店安全入住的装置的一个实施例的结构示意图;
图10为本申请实施例中用户信息预采集模块的结构示意图;
图11为本申请实施例中电子识别和图像采集模块的结构示意图;
图12为本申请实施例中人脸识别和特征对比模块的结构示意图;
图13为本申请实施例中计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于RFID及面部识别的酒店安全入住的方法一般由服务器/终端设备执行,相应地,基于RFID及面部识别的酒店安全入住的装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,图中示出了本申请的基于RFID及面部识别的酒店安全入住的方法的一个实施例的流程图,所述的基于RFID及面部识别的酒店安全入住的方法包括以下步骤:
步骤201,基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像。
在本实施例中,所述步骤201中采集用户身份证信息中的头像图片,作为第一头像时包括:对当前用户的身份证信息和采集用户身份证信息中的第一头像进行同标识标记,生成身份证信息与第一头像构成的对照表,为第一对照表。
步骤202,基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型。
在本实施例中,所述步骤202中预设的用户信息传输模型包括步骤如下:启动预设的RFID控制单元,所述预设的RFID控制单元向RFID读写器发送读入指令;所述RFID读写器接收到读入指令后,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型;同时,所述RFID控制单元将所述RFID电子标记单元绑定的当前用户的身份证信息发送到中心控制模型;所述编号和所述当前用户的身份证信息生成key-vlaue格式的字段,进行缓存,生成第二对照表。
具体的参考图3,图3为本申请实施例中用户信息传输模型的执行流程图,具体如下:
301,启动预设的RFID控制单元,所述预设的RFID控制单元向RFID读写器发送读入指令;
302,所述RFID读写器接收到读入指令后,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型;
303,同时,所述RFID控制单元将所述RFID电子标记单元绑定的当前用户的身份证信息发送到中心控制模型;
304,所述编号和所述当前用户的身份证信息生成key-vlaue格式的字段,进行缓存,生成第二对照表。
步骤203,基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号。
在本实施例中,所述步骤203中预设的用户类型区别判断模型包括:获取中心控制模型中提前录入的工作人员的身份证信息集,与所述预设的RFID电子标记单元绑定的当前用户的身份证信息进行对比;判断所述预设的RFID电子标记单元绑定的当前用户的身份证信息是否为所述提前录入的工作人员的身份证信息集中的元素;若为,则所述用户类型为工作人员类型,否则,则所述用户类型为住户类型。
在本实施例中,所述步骤203中启动预设的用户信息采集模型时,获取当前用户对应的入住房间号信息包括:读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型时,同时获取预设的酒店前端页面分配的房间号信息,将所述房间号信息发送到中心控制模型,并且与所述编号构成哈希值格式,生成第三对照表。
具体的参考图4,图4为本申请实施例中第三对照表的生成流程图,图中具体生成方式如下:获取中心控制模型中提前录入的工作人员的身份证信息集,与所述预设的RFID电子标记单元绑定的当前用户的身份证信息进行对比;判断所述预设的RFID电子标记单元绑定的当前用户的身份证信息是否为所述提前录入的工作人员的身份证信息集中的元素;若为,则所述用户类型为工作人员类型,否则,则所述用户类型为住户类型,若为住户类型,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型时,同时获取预设的酒店前端页面分配的房间号信息,将所述房间号信息发送到中心控制模型,并且与所述编号构成哈希值格式,生成第三对照表。
步骤204,基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型。
在本实施例中,所述步骤204中基于预设的电子识别模型,判断客房间前是否为入住用户,若是,则获取所述入住用户对应的第一头像包括:基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
具体的参考图5,图5为本申请实施例中电子识别模型的执行步骤图,具体如下:
501,基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;
502,基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;
503,基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;
504,基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
具体的参考图6,图6为本申请实施例中电子识别模型的逻辑流程图,具体如下:基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
在本实施例中,所述步骤204中将所述第二头像发送到预设的中心控制模型时包括:将所述第一头像和所述第二头像,加入到同一个有序图片集合,生成图片对照集,其中,第一头像在所述图片对照集中的位置为第一位,即所述第一头像为有序集合图片对照集的第一个元素。
步骤205,基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片。
在本实施例中,所述步骤205中基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取包括:获取所述图片对照集中的所有头像图片,对所述图片对照集中每一张图片,基于二进小波变换算法进行图片中的人脸检测,提取待测图像中的Haar特征,经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点。
在本实施例中,所述步骤205中基于预设的算法模型,获取第一头像和第二头像的相似度包括:获取所述图片对照集中的第一张图片的特征点,构成第一特征点集,同时获取所述图片对照集中其他图片的特征点,并分别构成对比特征点集;基于预设的概率分布算法,获取所述第一特征点集与所述对比特征点集间特征点重叠的概率,是否超过预设的概率阈值,若超过,则所述第一特征点集和所述对比特征点集为同一张人脸照片。
具体参考图7,图7为本申请实施例中第一头像和第二头像的相似度判断的逻辑流程图,具体如下:获取所述图片对照集中的所有头像图片,对所述图片对照集中每一张图片,基于二进小波变换算法进行图片中的人脸检测,获取待测图像,提取待测图像中的Haar特征,经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点;获取所述图片对照集中的第一张图片的特征点,构成第一特征点集,同时获取所述图片对照集中其他图片的特征点,并分别构成对比特征点集;基于预设的概率分布算法,获取所述第一特征点集与所述对比特征点集间特征点重叠的概率,是否超过预设的概率阈值,若超过,则所述第一特征点集和所述对比特征点集为同一张人脸照片。
其中,所述的二进小波变换算法进行图片中的人脸检测包括:将第一头像作为原图像,为A0[n,m],在A0[n,m]的垂直方向上使用低通分析滤波器h的分解公式:得到垂直方向的低频分量和水平方向上的高频分量,同样的,可以获取第一头像在水平方向使用高通分析滤波器得到水平方向上的低频分量和垂直方向上的高频分量,再经过转化,获得角度相似函数和自由参数,选择人脸部位的任意一点(n,m),进行学习获得一个对应的自由参数,利用这些参数,可以有效进行人脸检测;令第二头像为检测图片,设定为B0[n,m],对B0[n,m]利用小波变换得到垂直方向和水平方向上的高频分量,具体公式如下:
垂直方向高频分量:水平方向上的高频分量:这里和是在学习阶段得到的垂直方向和水平方向上的高频分量,这里的和中的v相对独立,为了检测出测试图片中的人脸部位,预设检测标准如下:对测试图像使用若干个特征点的自由参数,获取预设公式R[n,m]中最小化的点(n0,m0),检测出人脸部位B0(n0,m0),其中,所述的公式R[n,m]为:
所述的提取待测图像中的Haar特征具体如下:使用积分图的方式获取特征点,具体步骤为用S(i,j)表示行方向的累加和,初始化S(i,-1)=0;用ii(i,j)表示一个积分图像,初始化ii(-1,i)=0;逐行扫描图像,递归计算每个像素(i,j)行方向的累加和S(i,j)和积分图像ii(i,j)的值S(i,j)=S(i,j-1)+f(i,j),ii(i,j)=ii(i-1,j)+S(i,j),扫描图像一遍,当到达图像右下角像素时,积分图像ii就构造好了。假设第一头像中特征点P1 的四个顶点分别为α1 、β1 、γ1 、δ1 ,第二头像中特征点P2 的四个顶点分别为α2 、β2 、γ2 、δ2 ,则第一头像中特征点P1 的像素和可以表示为则第二头像中特征点P2 的像素和可以表示为用上述像素值表示图像中特征点的Haar特征。
所述的经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点如下:
假设上述获得的Haar特征有100个特征值对应100维特征,选择一个所有满足预设阈值的特征点,即从上述100维特征中随机选择1维特征变成1,其他作为0,重复上述过程n次,则可以得到一个有n条染色体的初代种群M0 ,每条染色体都不尽相同;计算当前种群M(t) 中每条染色体的适应度值fm ,将每一条染色体的适应度值求出,即将每一条染色体所代表的d维特征选出,将Haar特征集变成一个208*d维的矩阵,计算出基于类内类间距离的可分性判据Jd(x),作为该染色体的适应度值fm ;经过n次计算之后,可以得到每条染色体的适应度值。按照选择概率p(fm)对种群中的染色体进行采样,由采样出的染色体经过一定的操作繁殖出下一代染色体,组成下一代的种群M(t+1) ;将种群中每条染色体的适应度值逐个累加,得到一些从0到1的区间,再进行交叉、变异和迭代,获取染色体的适应度值满足预设阈值的特征点。
步骤206,若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
在本实施例中,所述步骤206中判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同包括:基于第一头像和所述第一对照表获取所述身份证信息,基于所述身份证信息和第二对照表获取编号信息,基于编号信息和第三对照表,获取第三对照表中的房间号,即为当前用户对应的入住房间号;同时基于预设的中心控制模型,获取当前用户所在客房前的房间号,其中,所述预设的中心控制模型与所有客房的电子识别模型相连接,且提前录入所有客房的房间号信息。
具体参考图8,图8为本申请实施例中是否开启客房的逻辑判断流程图,具体如下:若为同一个人的不同头像照片,基于第一头像和所述第一对照表获取所述身份证信息,基于所述身份证信息和第二对照表获取编号信息,基于编号信息和第三对照表,获取第三对照表中的房间号,即为当前用户对应的入住房间号;同时基于预设的中心控制模型,获取当前用户所在客房前的房间号,若两者相同,则开启客房,否则,给予房间错误提示。其中,所述预设的中心控制模型与所有客房的电子识别模型相连接,且提前录入所有客房的房间号信息。
本申请实施例中所述的基于RFID及面部识别的酒店安全入住的方法,可以通过前台时,对用户信息进行预采集;将预采集结果发送到中心控制模型;当前用户若为住户类型,获取当前用户对应的入住房间号;客房前,获取预采集中第一头像,同时对入住用户进行第二头像采集,对第一头像和第二头像分别进行人脸检测、预处理、特征点提取,进行对比,判断第一头像和第二头像是否为同一个人的不同头像照片;若是,判断当前用户对应的入住房间号与当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。本申请有助于提升酒店的安全防护等级,提高用户入住时的安全性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图9,作为对上述图2所示方法的实现,本申请提供了一种基于RFID及面部识别的酒店安全入住的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图9所示,本实施例所述的基于RFID及面部识别的酒店安全入住的装置9包括:用户信息预采集模块901、用户信息传输模块902、用户类型区别判断模块903、电子识别和图像采集模块904、人脸识别和特征对比模块905和客房开启判断模块906。其中:
用户信息预采集模块901,用于基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像;
用户信息传输模块902,用于基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型;
用户类型区别判断模块903,用于基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号;
电子识别和图像采集模块904,用于基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型;
人脸识别和特征对比模块905,用于基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片;
客房开启判断模块906,用于若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
在本申请的一些实施例中,如图10,图10为本申请实施例中用户信息预采集模块的结构示意图,所述用户信息预采集模块901包括身份证信息绑定单元901a、第一头像采集单元901b。
在本申请的一些实施例中,所述身份证信息绑定单元901a用于基于预设的RFID电子标记单元,绑定当前用户的身份证信息。
在本申请的一些实施例中,所述第一头像采集单元901b用于基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像,同时,对当前用户的身份证信息和采集用户身份证信息中的第一头像进行同标识标记,生成身份证信息与第一头像构成的对照表,为第一对照表。
在本申请的一些实施例中,所述用户信息传输模块902中的用户信息传输模型还包括启动预设的RFID控制单元,所述预设的RFID控制单元向RFID读写器发送读入指令;所述RFID读写器接收到读入指令后,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型;同时,所述RFID控制单元将所述RFID电子标记单元绑定的当前用户的身份证信息发送到中心控制模型;所述编号和所述当前用户的身份证信息生成key-vlaue格式的字段,进行缓存,生成第二对照表。
在本申请的一些实施例中,所述用户类型区别判断模块903中的用户类型区别判断模型还用于获取中心控制模型中提前录入的工作人员的身份证信息集,与所述预设的RFID电子标记单元绑定的当前用户的身份证信息进行对比;判断所述预设的RFID电子标记单元绑定的当前用户的身份证信息是否为所述提前录入的工作人员的身份证信息集中的元素;若为,则所述用户类型为工作人员类型,否则,则所述用户类型为住户类型。
在本申请的一些实施例中,所述用户类型区别判断模块903中的启动预设的用户信息采集模型时,获取当前用户对应的入住房间号信息时还用于读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型时,同时获取预设的酒店前端页面分配的房间号信息,将所述房间号信息发送到中心控制模型,并且与所述编号构成哈希值格式,生成第三对照表。
在本申请的一些实施例中,如图11,图11为本申请实施例中电子识别和图像采集模块的结构示意图,所述电子识别和图像采集模块904包括电子识别单元904a、图像采集单元904b。
在本申请的一些实施例中,所述电子识别单元904a包括电子识别模型用于基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
在本申请的一些实施例中,所述图像采集单元904b用于启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,将所述第一头像和所述第二头像,加入到同一个有序图片集合,生成图片对照集,其中,第一头像在所述图片对照集中的位置为第一位,即所述第一头像为有序集合图片对照集的第一个元素。
在本申请的一些实施例中,如图12,图12为本申请实施例中人脸识别和特征对比模块的结构示意图,所述人脸识别和特征对比模块905包括人脸识别单元905a、特征对比单元905b。
在本申请的一些实施例中,所述人脸识别单元905a用于基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取具体步骤为获取所述图片对照集中的所有头像图片,对所述图片对照集中每一张图片,基于二进小波变换算法进行图片中的人脸检测,提取待测图像中的Haar特征,经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点。
在本申请的一些实施例中,所述特征对比单元905b用于获取所述图片对照集中的第一张图片的特征点,构成第一特征点集,同时获取所述图片对照集中其他图片的特征点,并分别构成对比特征点集;基于预设的概率分布算法,获取所述第一特征点集与所述对比特征点集间特征点重叠的概率,是否超过预设的概率阈值,若超过,则所述第一特征点集和所述对比特征点集为同一张人脸照片。
本申请实施例所述的基于RFID及面部识别的酒店安全入住的装置,通过前台时,对用户信息进行预采集;将预采集结果发送到中心控制模型;当前用户若为住户类型,获取当前用户对应的入住房间号;客房前,获取预采集中第一头像,同时对入住用户进行第二头像采集,对第一头像和第二头像分别进行人脸检测、预处理、特征点提取,进行对比,判断第一头像和第二头像是否为同一个人的不同头像照片;若是,判断当前用户对应的入住房间号与当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。本申请有助于提升酒店的安全防护等级,提高用户入住时的安全性。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图13,图13为本实施例计算机设备基本结构框图。
所述计算机设备13包括通过系统总线相互通信连接存储器13a、处理器13b、网络接口13c。需要指出的是,图中仅示出了具有组件13a-13c的计算机设备13,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器13a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器13a可以是所述计算机设备13的内部存储单元,例如该计算机设备13的硬盘或内存。在另一些实施例中,所述存储器13a也可以是所述计算机设备13的外部存储设备,例如该计算机设备13上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器13a还可以既包括所述计算机设备13的内部存储单元也包括其外部存储设备。本实施例中,所述存储器13a通常用于存储安装于所述计算机设备13的操作系统和各类应用软件,例如基于RFID及面部识别的酒店安全入住的方法的程序代码等。此外,所述存储器13a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器13b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器13b通常用于控制所述计算机设备13的总体操作。本实施例中,所述处理器13b用于运行所述存储器13a中存储的程序代码或者处理数据,例如运行所述基于RFID及面部识别的酒店安全入住的方法的程序代码。
所述网络接口13c可包括无线网络接口或有线网络接口,该网络接口13c通常用于在所述计算机设备13与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有基于RFID及面部识别的酒店安全入住的程序,所述基于RFID及面部识别的酒店安全入住的程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于RFID及面部识别的酒店安全入住的方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于RFID及面部识别的酒店安全入住的方法,其特征在于,包括下述步骤:
基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像;
基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型;
基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号;
基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型;
基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片;
若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
2.根据权利要求1所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述采集用户身份证信息中的头像图片,作为第一头像时,包括:
对当前用户的身份证信息和采集用户身份证信息中的第一头像进行同标识标记,生成身份证信息与第一头像构成的对照表,为第一对照表。
3.根据权利要求2所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述预设的用户信息传输模型包括:
启动预设的RFID控制单元,所述预设的RFID控制单元向RFID读写器发送读入指令;
所述RFID读写器接收到读入指令后,读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型;
同时,所述RFID控制单元将所述RFID电子标记单元绑定的当前用户的身份证信息发送到中心控制模型;
所述编号和所述当前用户的身份证信息生成key-vlaue格式的字段,进行缓存,生成第二对照表。
4.根据权利要求3所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述预设的用户类型区别判断模型包括:
获取中心控制模型中提前录入的工作人员的身份证信息集,与所述预设的RFID电子标记单元绑定的当前用户的身份证信息进行对比;
判断所述预设的RFID电子标记单元绑定的当前用户的身份证信息是否为所述提前录入的工作人员的身份证信息集中的元素;
若为,则所述用户类型为工作人员类型,否则,则所述用户类型为住户类型。
5.根据权利要求4所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述启动预设的用户信息采集模型时,获取当前用户对应的入住房间号信息包括:
读取所述RFID电子标记单元的编号,并将所述编号写入到中心控制模型时,同时获取预设的酒店前端页面分配的房间号信息,将所述房间号信息发送到中心控制模型,并且与所述编号构成哈希值格式,生成第三对照表。
6.根据权利要求1至5任一项所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述基于预设的电子识别模型,判断客房间前是否为入住用户,若是,则获取所述入住用户对应的第一头像包括:
基于预设的RFID接收器,判断是否存在被RFID电子标记单元发射的射频信号,若存在,则判断客房间有持被RFID电子标记的身份证的用户存在;
基于预设的RFID读写器,获取RFID电子标记单元的编号,获取所述第二对照表并进行key-value解析,获取所述编号对应的身份证信息;
基于所述第一对照表,判断所述身份证信息是否被标识标记,若未被标记,则所述身份证信息对应的用户为非入住用户,否则,当前用户为入住用户;
基于所述第一对照表中所述身份证信息的标记标识,获取所述身份证信息对应的第一头像。
7.根据权利要求6所述的基于RFID及面部识别的酒店安全入住的方法,其特征在于,所述基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取包括:
获取所述图片对照集中的所有头像图片,对所述图片对照集中每一张图片,基于二进小波变换算法进行图片中的人脸检测,提取待测图像中的Haar特征,经过遗传算法训练从中选出每一张图片的所有满足预设阈值的特征点。
8.一种基于RFID及面部识别的酒店安全入住的装置,其特征在于,包括:
用户信息预采集模块,用于基于预设的用户信息采集模型,对用户信息进行预采集,其中,所述预设的用户信息采集模型具体步骤包括:基于预设的RFID电子标记单元,绑定当前用户的身份证信息,基于预设的第一图片采集模型,采集用户身份证信息中的头像图片,作为第一头像;
用户信息传输模块,用于基于预设的用户信息传输模型,将所述预采集结果发送到中心控制模型;
用户类型区别判断模块,用于基于预设的用户类型区别判断模型,判断当前用户的类型是否为住户类型,若为住户类型,在将所述预采集结果发送到中心控制模型之前,启动预设的用户信息采集模型时,获取当前用户对应的入住房间号;
电子识别和图像采集模块,用于基于预设的电子识别模型,判断客房前是否为入住用户,若是,则获取所述入住用户对应的第一头像,同时启动预设的第二图像采集模型,对入住用户进行头像图片采集,作为第二头像,并将所述第二头像发送到预设的中心控制模型;
人脸识别和特征对比模块,用于基于所述中心控制模型中预设的人脸识别模型对所述第一头像和所述第二头像分别进行人脸检测、预处理、特征点提取,并将所述第一头像对应的特征点和所述第二头像对应的特征点进行对比,基于预设的算法模型,获取第一头像和第二头像的相似度,判断所述第一头像和第二头像是否为同一个人的不同头像照片;
客房开启判断模块,用于若为同一个人的不同头像照片,判断当前用户对应的入住房间号与所述当前用户所在客房前的房间号是否相同,若相同,则开启客房,否则,无法开启。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于RFID及面部识别的酒店安全入住的方法的步骤。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于RFID及面部识别的酒店安全入住的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010564346.XA CN111709851B (zh) | 2020-06-19 | 2020-06-19 | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010564346.XA CN111709851B (zh) | 2020-06-19 | 2020-06-19 | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111709851A true CN111709851A (zh) | 2020-09-25 |
CN111709851B CN111709851B (zh) | 2021-08-31 |
Family
ID=72541177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010564346.XA Active CN111709851B (zh) | 2020-06-19 | 2020-06-19 | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709851B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112202926A (zh) * | 2020-11-13 | 2021-01-08 | 深圳市腾盟技术有限公司 | 养殖的监控方法、系统、设备及存储介质 |
CN113657178A (zh) * | 2021-07-22 | 2021-11-16 | 浙江大华技术股份有限公司 | 人脸识别方法、电子设备和计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090097713A1 (en) * | 2002-04-05 | 2009-04-16 | Identix Incorporated | Vision-based operating method and system |
CN106296017A (zh) * | 2016-08-16 | 2017-01-04 | 北京佳阳科技有限公司 | 一种客房入住的管理方法及装置 |
CN106570798A (zh) * | 2016-11-07 | 2017-04-19 | 成都科曦科技有限公司 | 一种实现远程、现场登记和到店身份审核的酒店入住登记方法及系统 |
CN106600760A (zh) * | 2016-11-07 | 2017-04-26 | 成都科曦科技有限公司 | 一种宾客信息及入住人数自动识别的客房人员检测系统及方法 |
CN107301395A (zh) * | 2017-06-22 | 2017-10-27 | 王杰 | 一种酒驾检测系统及其检测方法 |
CN107369236A (zh) * | 2017-08-17 | 2017-11-21 | 张新海 | 一种互联网二维码智能锁及其在酒店管理中的使用方法 |
CN107967453A (zh) * | 2017-11-24 | 2018-04-27 | 河北三川科技有限公司 | 基于人脸识别的酒店入住身份核验方法及核验系统 |
US20190116043A1 (en) * | 2017-10-18 | 2019-04-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Control method for enrolling face template data and related product |
CN109840289A (zh) * | 2018-12-15 | 2019-06-04 | 深圳壹账通智能科技有限公司 | 基于人脸识别的客房确定方法、装置、服务器及存储介质 |
CN110443923A (zh) * | 2019-08-06 | 2019-11-12 | 金陵科技学院 | 一种基于人工智能的酒店安全管理方法 |
-
2020
- 2020-06-19 CN CN202010564346.XA patent/CN111709851B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090097713A1 (en) * | 2002-04-05 | 2009-04-16 | Identix Incorporated | Vision-based operating method and system |
CN106296017A (zh) * | 2016-08-16 | 2017-01-04 | 北京佳阳科技有限公司 | 一种客房入住的管理方法及装置 |
CN106570798A (zh) * | 2016-11-07 | 2017-04-19 | 成都科曦科技有限公司 | 一种实现远程、现场登记和到店身份审核的酒店入住登记方法及系统 |
CN106600760A (zh) * | 2016-11-07 | 2017-04-26 | 成都科曦科技有限公司 | 一种宾客信息及入住人数自动识别的客房人员检测系统及方法 |
CN107301395A (zh) * | 2017-06-22 | 2017-10-27 | 王杰 | 一种酒驾检测系统及其检测方法 |
CN107369236A (zh) * | 2017-08-17 | 2017-11-21 | 张新海 | 一种互联网二维码智能锁及其在酒店管理中的使用方法 |
US20190116043A1 (en) * | 2017-10-18 | 2019-04-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Control method for enrolling face template data and related product |
CN107967453A (zh) * | 2017-11-24 | 2018-04-27 | 河北三川科技有限公司 | 基于人脸识别的酒店入住身份核验方法及核验系统 |
CN109840289A (zh) * | 2018-12-15 | 2019-06-04 | 深圳壹账通智能科技有限公司 | 基于人脸识别的客房确定方法、装置、服务器及存储介质 |
CN110443923A (zh) * | 2019-08-06 | 2019-11-12 | 金陵科技学院 | 一种基于人工智能的酒店安全管理方法 |
Non-Patent Citations (1)
Title |
---|
江鹏等: ""基于Android系统的人脸识别门禁系统的设计"", 《计算机测量与控制》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112202926A (zh) * | 2020-11-13 | 2021-01-08 | 深圳市腾盟技术有限公司 | 养殖的监控方法、系统、设备及存储介质 |
CN113657178A (zh) * | 2021-07-22 | 2021-11-16 | 浙江大华技术股份有限公司 | 人脸识别方法、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111709851B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN112307472B (zh) | 基于智能决策的异常用户识别方法、装置及计算机设备 | |
CN112560753B (zh) | 基于特征融合的人脸识别方法、装置、设备及存储介质 | |
CN112561684A (zh) | 金融欺诈风险识别方法、装置、计算机设备及存储介质 | |
CN112650875A (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
CN112395390B (zh) | 意图识别模型的训练语料生成方法及其相关设备 | |
CN112528029A (zh) | 文本分类模型处理方法、装置、计算机设备及存储介质 | |
CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN111709851B (zh) | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 | |
CN114359582B (zh) | 一种基于神经网络的小样本特征提取方法及相关设备 | |
CN114780746A (zh) | 基于知识图谱的文档检索方法及其相关设备 | |
CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
CN110765293A (zh) | 自动开启二维码的方法、系统、电子设备及存储介质 | |
CN114861241A (zh) | 基于智能检测的防窥屏方法及其相关设备 | |
CN114282258A (zh) | 截屏数据脱敏方法、装置、计算机设备及存储介质 | |
CN112417886B (zh) | 意图实体信息抽取方法、装置、计算机设备及存储介质 | |
CN112507141B (zh) | 调查任务生成方法、装置、计算机设备及存储介质 | |
CN113988223B (zh) | 证件图像识别方法、装置、计算机设备及存储介质 | |
CN115700845A (zh) | 人脸识别模型训练方法、人脸识别方法、装置及相关设备 | |
CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
CN112036501A (zh) | 基于卷积神经网络的图片的相似度检测方法及其相关设备 | |
CN115690920B (zh) | 医疗身份认证的可信活体检测方法及相关设备 | |
CN114333024B (zh) | 基于对抗训练网络进行学生面部表情识别的方法、装置、设备及存储介质 |
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 |