CN111882715A - 一种基于蚁群算法的行李箱智能锁系统的方法 - Google Patents

一种基于蚁群算法的行李箱智能锁系统的方法 Download PDF

Info

Publication number
CN111882715A
CN111882715A CN202010744814.1A CN202010744814A CN111882715A CN 111882715 A CN111882715 A CN 111882715A CN 202010744814 A CN202010744814 A CN 202010744814A CN 111882715 A CN111882715 A CN 111882715A
Authority
CN
China
Prior art keywords
fingerprint
module
ant colony
colony algorithm
intelligent lock
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
Application number
CN202010744814.1A
Other languages
English (en)
Inventor
张艳
胡兴柳
余振中
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.)
Jinling Institute of Technology
Original Assignee
Jinling Institute of Technology
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 Jinling Institute of Technology filed Critical Jinling Institute of Technology
Priority to CN202010744814.1A priority Critical patent/CN111882715A/zh
Publication of CN111882715A publication Critical patent/CN111882715A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Lock And Its Accessories (AREA)

Abstract

本发明涉及一种基于蚁群算法的行李箱智能锁系统的方法。本发明利用蚁群算法在组合优化领域的优势，建立蚁群算法的行李箱智能锁系统。首先建立行李箱智能锁硬件系统，硬件系统主要包括指纹采集模块、舵机控制模块、ARM控制模块、GPS模块，GSM模块，LED模块、按键输入模块，和蜂鸣器模块等；ARM控制模块通过控制指纹采集模块读取用户指纹信息，为了保证指纹识别算法的准确度，使用蚁群算法对采集的指纹信息进行增强；最后通过舵机模块控制行李箱智能锁的开关。

Description

一种基于蚁群算法的行李箱智能锁系统的方法
技术领域
本发明涉及智能锁领域，特别设计基于蚁群算法的行李箱智能锁系统的方法。
背景技术
随着交通技术的高速发展，远行成为了现代人生活很重要的一部分，行李箱变成了生活中必不可少的一种工具，尽管现有行李箱种类繁多，但行李箱的锁大部分还是传统的手动密码锁，安全性凸显不足。随着近些年制造行业的发展，嵌入式系统朝着集成化、低功耗、高频率、多功能的方向发展。嵌入式系统能够满足众多微型智能系统的需求。
发明内容
为了解决上述存在问题。本发明提出一种基于蚁群算法的行李箱智能锁系统的方法，利用嵌入式系统集成化、低功耗、高频率、多功能的特点，建立行李箱指纹智能锁系统，利用蚁群算法对收集指纹信息进行信息增强，进而增加指纹识别的准确行，以用GSM，GPS等模块进而增加行李箱的安全性。为达此目的：
本发明提出基于蚁群算法的行李箱智能锁系统的方法，具体步骤如下：
步骤1：建立行李箱智能锁硬件系统，智能锁硬件系统主要包括指纹采集模块、舵机控制模块、ARM控制模块、GPS模块，GSM模块，LED模块、按键输入模块，和蜂鸣器模块等；
步骤2：指纹采集模块采集用户指纹信息，对指纹信息进行灰度归一化；
步骤3：建立蚁群群体，对归一化的指纹信息进行指纹增强；
步骤4：指纹特征匹配，判断是否是用户开启智能锁；
步骤5：如果指纹特征匹配成功，控制器控制舵机打开智能锁，并打开智能锁的绿色指示灯；
步骤6：如果指纹特征匹配失败，提醒用户重新输入指纹信息，如果匹配失败超过5次，控制器锁定指纹模块，并通过GSM模块向用户手机发送行李箱的位置信息，需要用户手动输入密码再次解除指纹模块锁定。
作为本发明进一步改进，所述步骤2中灰度归一化公式为：
Figure BDA0002607989420000021
Figure BDA0002607989420000022
Figure BDA0002607989420000023
其中，G是灰度值I(i,j)的灰度估计值，D0是灰度值I(i,j)的灰度方差，M、N是指纹灰度图像的尺寸。
作为本发明进一步改进，所述步骤3中蚁群算法的样本与聚类中心的加权欧氏距离为公式为：
Figure BDA0002607989420000024
其中，pk是指纹灰度样本的权值，m是聚类数。
作为本发明进一步改进，所述步骤3中蚁群算法聚类路径上的信息量公式为：
Figure BDA0002607989420000025
其中，R是聚类半径，γ(i,j,t)是t时刻蚂蚁i到聚类中心j路径的信息量。
作为本发明进一步改进，所述步骤4中指纹特征匹配的公式为：
Figure BDA0002607989420000026
Figure BDA0002607989420000027
其中，D是输入指纹的特征向量，D0是库指纹的特征向量，T是匹配阈值。
本发明基于蚁群算法的行李箱智能锁系统的方法，有益效果在于：
1.本发明利用指纹识别技术，行李箱开锁更加便捷。
2.本发明蚁群算法对指纹信息进行增强，指纹识别率更加高。
3.本发明使用GPS模块与GSM模块，能够对行李箱位置进行实时定位，提高行李箱的安全性。
4.本发明硬件系统实现简单，成本低。
附图说明
图1是行李箱智能锁系统框图；
图2是行李箱指纹信息处理示意图；
图3是行李箱智能锁的工作流程图；
具体实施方式
本发明提出一种基于蚁群算法的行李箱智能锁系统的方法，利用嵌入式系统集成化、低功耗、高频率、多功能的特点，建立行李箱指纹智能锁系统，利用蚁群算法对收集指纹信息进行信息增强，进而增加指纹识别的准确行，以用GSM，GPS等模块进而增加行李箱的安全性。如图1是行李箱智能锁系统框图，图2是行李箱指纹信息处理示意图。
首先，建立行李箱智能锁硬件系统，智能锁硬件系统主要包括指纹采集模块、舵机控制模块、ARM控制模块、GPS模块，GSM模块，LED模块、按键输入模块，和蜂鸣器模块等；接着指纹采集模块采集用户指纹信息，对指纹信息进行灰度归一化；
灰度归一化公式为：
Figure BDA0002607989420000031
Figure BDA0002607989420000032
Figure BDA0002607989420000033
其中，G是灰度值I(i,j)的灰度估计值，D0是灰度值I(i,j)的灰度方差，M、N是指纹灰度图像的尺寸。
然后，建立蚁群群体，对归一化的指纹信息进行指纹增强。
蚁群算法的样本与聚类中心的加权欧氏距离为公式为：
Figure BDA0002607989420000041
其中，pk是指纹灰度样本的权值，m是聚类数。
蚁群算法聚类路径上的信息量公式为：
Figure BDA0002607989420000042
其中，R是聚类半径，γ(i,j,t)是t时刻蚂蚁i到聚类中心j路径的信息量。
最后，指纹特征匹配，判断是否是用户开启智能锁；如果指纹特征匹配成功，控制器控制舵机打开智能锁，并打开智能锁的绿色指示灯；如果指纹特征匹配失败，提醒用户重新输入指纹信息，如果匹配失败超过5次，控制器锁定指纹模块，并通过GSM模块向用户手机发送行李箱的位置信息，需要用户手动输入密码再次解除指纹模块锁定。
指纹特征匹配的公式为：
Figure BDA0002607989420000043
Figure BDA0002607989420000044
其中，D是输入指纹的特征向量，D0是库指纹的特征向量，T是匹配阈值。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (5)

1.基于蚁群算法的行李箱智能锁系统的方法，具体步骤如下，其特征在于；
步骤1：建立行李箱智能锁硬件系统，智能锁硬件系统主要包括指纹采集模块、舵机控制模块、ARM控制模块、GPS模块，GSM模块，LED模块、按键输入模块，和蜂鸣器模块等；
步骤2：指纹采集模块采集用户指纹信息，对指纹信息进行灰度归一化；
步骤3：建立蚁群群体，对归一化的指纹信息进行指纹增强；
步骤4：指纹特征匹配，判断是否是用户开启智能锁；
步骤5：如果指纹特征匹配成功，控制器控制舵机打开智能锁，并打开智能锁的绿色指示灯；
步骤6：如果指纹特征匹配失败，提醒用户重新输入指纹信息，如果匹配失败超过5次，控制器锁定指纹模块，并通过GSM模块向用户手机发送行李箱的位置信息，需要用户手动输入密码再次解除指纹模块锁定。
2.根据权利要求1所述的基于蚁群算法的行李箱智能锁系统的方法，其特征在于；
所述步骤2中灰度归一化公式为：
Figure FDA0002607989410000011
Figure FDA0002607989410000012
Figure FDA0002607989410000013
其中，G是灰度值I(i,j)的灰度估计值，D0是灰度值I(i,j)的灰度方差，M、N是指纹灰度图像的尺寸。
3.根据权利要求1所述的基于蚁群算法的行李箱智能锁系统的方法，其特征在于；
所述步骤3中蚁群算法的样本与聚类中心的加权欧氏距离为公式为：
Figure FDA0002607989410000014
其中，pk是指纹灰度样本的权值，m是聚类数。
4.根据权利要求1所述的基于蚁群算法的行李箱智能锁系统的方法，其特征在于；
所述步骤3中蚁群算法聚类路径上的信息量公式为：
Figure FDA0002607989410000021
其中，R是聚类半径，γ(i,j,t)是t时刻蚂蚁i到聚类中心j路径的信息量。
5.根据权利要求1所述的基于蚁群算法的行李箱智能锁系统的方法，其特征在于；
所述步骤4中指纹特征匹配的公式为：
Figure FDA0002607989410000022
Figure FDA0002607989410000023
其中，D是输入指纹的特征向量，D0是库指纹的特征向量，T是匹配阈值。
CN202010744814.1A 2020-07-29 2020-07-29 一种基于蚁群算法的行李箱智能锁系统的方法 Pending CN111882715A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010744814.1A CN111882715A (zh) 2020-07-29 2020-07-29 一种基于蚁群算法的行李箱智能锁系统的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010744814.1A CN111882715A (zh) 2020-07-29 2020-07-29 一种基于蚁群算法的行李箱智能锁系统的方法

Publications (1)

Publication Number Publication Date
CN111882715A true CN111882715A (zh) 2020-11-03

Family

ID=73201122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010744814.1A Pending CN111882715A (zh) 2020-07-29 2020-07-29 一种基于蚁群算法的行李箱智能锁系统的方法

Country Status (1)

Country Link
CN (1) CN111882715A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913520A (zh) * 2016-04-13 2016-08-31 时建华 通过指纹进行识别的电梯轿厢
CN105935188A (zh) * 2016-06-28 2016-09-14 长沙文思信息科技有限公司 指纹识别行李箱
CN106037200A (zh) * 2016-06-03 2016-10-26 海宁滴滴箱包智能科技有限公司 具有远程开锁及定位功能的自能箱包
CN206079382U (zh) * 2016-09-23 2017-04-12 西北师范大学 一种语音智能行李箱
CN109815780A (zh) * 2018-08-31 2019-05-28 武汉芯盈科技有限公司 一种基于图像处理的高精度指纹识别方法及系统
WO2020029166A1 (en) * 2018-08-09 2020-02-13 Lingdong Technology (Beijing) Co. Ltd Luggage delivery system
CN111223210A (zh) * 2019-11-19 2020-06-02 浙江因特佳智能科技有限公司 一种智能锁指纹识别系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913520A (zh) * 2016-04-13 2016-08-31 时建华 通过指纹进行识别的电梯轿厢
CN106037200A (zh) * 2016-06-03 2016-10-26 海宁滴滴箱包智能科技有限公司 具有远程开锁及定位功能的自能箱包
CN105935188A (zh) * 2016-06-28 2016-09-14 长沙文思信息科技有限公司 指纹识别行李箱
CN206079382U (zh) * 2016-09-23 2017-04-12 西北师范大学 一种语音智能行李箱
WO2020029166A1 (en) * 2018-08-09 2020-02-13 Lingdong Technology (Beijing) Co. Ltd Luggage delivery system
CN109815780A (zh) * 2018-08-31 2019-05-28 武汉芯盈科技有限公司 一种基于图像处理的高精度指纹识别方法及系统
CN111223210A (zh) * 2019-11-19 2020-06-02 浙江因特佳智能科技有限公司 一种智能锁指纹识别系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KAI CAO ETAL: "A novel ant colony optimization algorithm for large-distorted fingerprint matching", 《PATTERN RECOGNITION》 *
刘波: "指纹图像增强及匹配算法的研究与应用", 《中国博士学位论文全文数据库》 *
杨金等: "蚁群算法在指纹增强中的应用", 《计算机工程与应用》 *

Similar Documents

Publication Publication Date Title
CN109800648B (zh) 基于人脸关键点校正的人脸检测识别方法及装置
CN110033002B (zh) 基于多任务级联卷积神经网络的车牌检测方法
US20200110952A1 (en) System and method for determining probability that a vehicle driver is associated with a driver identifier
Petrovic et al. Analysis of Features for Rigid Structure Vehicle Type Recognition.
US8320643B2 (en) Face authentication device
CN101030244B (zh) 基于人体生理图像中排序测度特征的自动身份识别方法
CN103605972B (zh) 一种基于分块深度神经网络的非限制环境人脸验证方法
CN110781798B (zh) 一种基于树莓派和人脸识别的车载嫌疑犯锁定系统
CN102254151A (zh) 一种基于面部视频分析的驾驶人疲劳检测方法
CN110555463B (zh) 一种基于步态特征的身份识别方法
Cao et al. Fingerprint matching by incorporating minutiae discriminability
CN108564040A (zh) 一种基于深度卷积特征的指纹活性检测方法
CN110880010A (zh) 基于卷积神经网络的视觉slam闭环检测算法
CN102521571A (zh) 一种多模态生物识别装置及其方法
CN111104852A (zh) 一种基于启发式高斯云变换的人脸识别技术
CN111882715A (zh) 一种基于蚁群算法的行李箱智能锁系统的方法
CN111241323A (zh) 一种基于深度学习的由粗到精的快速人脸检索方法
CN111898400A (zh) 一种基于多模态特征融合的指纹活性检测方法
CN108416168B (zh) 基于分层决策的地形适配区选取方案
CN112804650B (zh) 一种信道状态信息数据降维方法及智能室内定位方法
Soviany et al. Multimodal biometric securing methods for informatic systems
CN109919023A (zh) 一种基于人脸识别的联网报警方法
CN110992522A (zh) 室内外通用人脸识别新算法安防系统
CN114998731B (zh) 智能终端导航场景感知识别的方法
Yang et al. HOG and SVM algorithm based on vehicle model recognition

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: 20201103