CN112257831A - 一种基于rfid与人脸识别技术的定位系统 - Google Patents
一种基于rfid与人脸识别技术的定位系统 Download PDFInfo
- Publication number
- CN112257831A CN112257831A CN202011225403.8A CN202011225403A CN112257831A CN 112257831 A CN112257831 A CN 112257831A CN 202011225403 A CN202011225403 A CN 202011225403A CN 112257831 A CN112257831 A CN 112257831A
- Authority
- CN
- China
- Prior art keywords
- positioning
- information
- image
- tag
- base station
- 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.)
- Withdrawn
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 230000004913 activation Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 241001622623 Coeliadinae Species 0.000 claims description 4
- 239000002131 composite material Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 21
- 238000000354 decomposition reaction Methods 0.000 description 16
- 230000009467 reduction Effects 0.000 description 11
- 238000000034 method Methods 0.000 description 7
- 241000271566 Aves Species 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101100229963 Drosophila melanogaster grau gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于RFID与人脸识别技术的定位系统，其包括定位标签、定位基站、服务器和监控终端；所述定位标签用于在接收到所述定位基站发送的激活信号后，向所述定位基站发送自身的标签信息；所述定位基站用于周期性地向其工作范围内发送激活信号以及将接收到的标签信息和定位基站自身的识别信息发送至所述服务器；所述服务器用于接收并将所述标签信息和识别信息发送至所述监控终端；所述监控终端用于根据所述标签信息和识别信息，获取所述监狱人员的定位图像，并判断所述标签信息和所述定位图像是否匹配，若否，则发出警报提示。在采用RFID技术的同时,采用人脸识别二次复合认证,能更加有效的保证定位的准确性,避免冒名顶替。
Description
技术领域
本发明涉及定位领域，尤其涉及一种基于RFID与人脸识别技术的定位系统。
背景技术
随着我国经济的快速发展,隐藏在社会背后的一些深层次矛盾慢慢凸显出来：贫富两极分化严重加剧、弱势群体得不到照顾等诸多问题导致一些人挺而走险走上了犯罪的道路。这就使监狱的人数大为上升，给监狱的管理工作带来了巨大的挑战。而通过采用高科技技术手段，可以缓解监狱所面临的压力。
RFID技术是一种新兴的自动识别技术。把RFID技术运用到监狱管理当中,可以实现远距离地对监狱人员进行识别与定位。这样就能掌握监狱内每一个受控区域内监狱人员的详细信息及数目。
通过RFID技术对监狱人员进行识别与定位，本质是对RFID的标签进行识别与定位，并非对具体的人进行识别和定位。如果RFID的标签丢失或被偷盗，即标签和监狱人员不能对应起来的话，这样子就会造成错误定位。
发明内容
鉴于上述问题，本发明的目的在于提供一种基于RFID与人脸识别技术的定位系统及系统。
本发明提供了一种基于RFID与人脸识别技术的定位系统，其包括定位标签、定位基站、服务器和监控终端；
所述定位标签设置在监狱人员身上，用于在接收到所述定位基站发送的激活信号后，向所述定位基站发送自身的标签信息；
所述定位基站分布设置在监狱中，用于周期性地向其工作范围内发送激活信号以及将接收到的标签信息和定位基站自身的识别信息发送至所述服务器；
所述服务器用于接收所述标签信息和识别信息，并将所述标签信息和识别信息发送至所述监控终端；
所述监控终端用于根据所述标签信息和识别信息，获取所述监狱人员的定位图像，并判断所述标签信息和所述定位图像是否匹配，若否，则发出警报提示。
优选地，所述定位系统还包括摄像机，所述摄像机分布设置在监狱中。
优选地，所述根据所述标签信息和识别信息，获取所述监狱人员的定位图像，包括：
所述监控终端根据所述标签信息和识别信息确定所述监狱人员的位置，并通过距离所述位置最近的摄像机对所述监狱人员进行拍照，获取所述监狱人员的定位图像。
优选地，所述监狱人员包括服刑人员和警务人员，所述定位标签包括防拆定位手环和定位胸卡，所述防拆定位手环由所述服刑人员佩戴，所述定位胸卡由所述警务人员佩戴；所述定位基站包括壁挂型定位基站和吸顶型定位基站，所述壁挂型定位基站悬挂在监狱的墙壁上，所述吸顶型定位基站悬挂在监狱的屋顶上。
优选地，所述监控终端包括固定式监控终端和移动式监控终端；所述固定式监控终端包括设置在监控室的台式电脑，所述移动式监控终端包括警务人员的工作手机、工作平板电脑和工作笔记本电脑。
优选地，所述定位标签为包含电池的主动式或半主动式定位标签。
优选地，所述监控终端包括人脸数据库，所述人脸数据库用于存储监狱人员对应的定位标签的标签信息、定位基站的识别信息和监狱人员的脸部的特征信息；所述标签信息包括监狱人员的名字和标签编号，所述识别信息包括定位基站的编号和定位基站的位置。
优选地，判断所述标签信息和所述定位图像是否匹配，包括：
将定位图像中的监狱人员的脸部特征信息和人脸数据库中预存的监狱人员的特征信息进行匹配，确定定位图像中的监狱人员的名字；
将定位图像中的监狱人员的名字与所述标签信息中包含的名字进行对比，判断两者是否一致，若是，则所述标签信息和所述定位图像互相匹配，若否，则所述标签信息和所述定位图像不匹配。
优选地，根据所述标签信息和识别信息确定所述监狱人员的位置，包括：
通过TOA定位算法、TDOA定位算法或RSSI定位算法确定定位标签的位置。
优选地，所述监控终端还包括门禁管理单元和非法聚集报警单元；
所述门禁管理单元用于在所述标签信息和所述定位图像互相匹配时，将监狱人员前方的门锁远程打开，并对所述门锁的打开时间和所述监狱人员的身份信息进行存储，得到门禁记录；
所述非法聚集报警单元用于检测指定区域内的监狱人员的数量是否超过设定的阈值，若是，则发出报警提示；
所述监狱人员的数量通过统计指定区域内定位标签的数量获得，或者是通过摄像机获取所述指定区域中的实时图像，并对所述实时图像进行人脸检测，通过统计人脸的数量获得。
与现有技术相比，本发明的优点在于：
通过RFID技术对监狱人员进行识别与定位，本质是对RFID的标签进行识别与定位，不能防止有人冒名顶替。如果RFID的标签丢失或被偷盗，落入服刑人员手中，监狱将面临巨大的风险。在采用RFID技术的同时,采用人脸识别二次复合认证,能更加有效的保证定位的准确性,避免冒名顶替，极大地提高门禁系统的安全性。
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，为本发明一种基于RFID与人脸识别技术的定位系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明提供了一种基于RFID与人脸识别技术的定位系统，其包括定位标签、定位基站、服务器和监控终端；
所述定位标签设置在监狱人员身上，用于在接收到所述定位基站发送的激活信号后，向所述定位基站发送自身的标签信息；
所述定位基站分布设置在监狱中，用于周期性地向其工作范围内发送激活信号以及将接收到的标签信息和定位基站自身的识别信息发送至所述服务器；
所述服务器用于接收所述标签信息和识别信息，并将所述标签信息和识别信息发送至所述监控终端；
所述监控终端用于根据所述标签信息和识别信息，获取所述监狱人员的定位图像，并判断所述标签信息和所述定位图像是否匹配，若否，则发出警报提示。
在一种实施例中，所述定位系统还包括摄像机，所述摄像机分布设置在监狱中。
在一种实施例中，所述根据所述标签信息和识别信息，获取所述监狱人员的定位图像，包括：
所述监控终端根据所述标签信息和识别信息确定所述监狱人员的位置，并通过距离所述位置最近的摄像机对所述监狱人员进行拍照，获取所述监狱人员的定位图像。
在一种实施例中，所述监狱人员包括服刑人员和警务人员，所述定位标签包括防拆定位手环和定位胸卡，所述防拆定位手环由所述服刑人员佩戴，所述定位胸卡由所述警务人员佩戴；所述定位基站包括壁挂型定位基站和吸顶型定位基站，所述壁挂型定位基站悬挂在监狱的墙壁上，所述吸顶型定位基站悬挂在监狱的屋顶上。
在一种实施例中，所述监控终端包括固定式监控终端和移动式监控终端；所述固定式监控终端包括设置在监控室的台式电脑，所述移动式监控终端包括警务人员的工作手机、工作平板电脑和工作笔记本电脑。
在一种实施例中，所述定位标签为包含电池的主动式或半主动式定位标签。
在一种实施例中，所述监控终端包括人脸数据库，所述人脸数据库用于存储监狱人员对应的定位标签的标签信息、定位基站的识别信息和监狱人员的脸部的特征信息；所述标签信息包括监狱人员的名字和标签编号，所述识别信息包括定位基站的编号和定位基站的位置。
在一种实施例中，判断所述标签信息和所述定位图像是否匹配，包括：
将定位图像中的监狱人员的脸部特征信息和人脸数据库中预存的监狱人员的特征信息进行匹配，确定定位图像中的监狱人员的名字；
将定位图像中的监狱人员的名字与所述标签信息中包含的名字进行对比，判断两者是否一致，若是，则所述标签信息和所述定位图像互相匹配，若否，则所述标签信息和所述定位图像不匹配。
在一种实施例中，根据所述标签信息和识别信息确定所述监狱人员的位置，包括：
通过TOA定位算法、TDOA定位算法或RSSI定位算法确定定位标签的位置。
在一种实施例中，所述监控终端还包括门禁管理单元和非法聚集报警单元；
所述门禁管理单元用于在所述标签信息和所述定位图像互相匹配时，将监狱人员前方的门锁远程打开，并对所述门锁的打开时间和所述监狱人员的身份信息进行存储，得到门禁记录；
所述非法聚集报警单元用于检测指定区域内的监狱人员的数量是否超过设定的阈值，若是，则发出报警提示；
所述监狱人员的数量通过统计指定区域内定位标签的数量获得，或者是通过摄像机获取所述指定区域中的实时图像，并对所述实时图像进行人脸检测，通过统计人脸的数量获得。
在一种实施例中，定位图像中的监狱人员的脸部特征信息通过如下方式获取：
获取定位图像的拍摄条件；
获取预先存储的，在所述拍摄条件下拍摄的背景图像，将所述背景图像记为bgP；
对所述定位图像进行人脸检测，获得人脸区域图像；
对人脸区域图像进行灰度化处理，获得灰度图像；
对所述灰度图像进行降噪处理，获得降噪图像；
获取所述降噪图像中包含的脸部特征信息。
所述拍摄条件包括拍摄所述定位图像的摄像机的编号和所述摄像机的拍摄角度。
在一种实施例中，对所述定位图像进行人脸检测，获得人脸区域图像，包括：
将定位图像记为loacP，将loacP和bgP进行差分处理，获得定位图像中的运动物体区域图像movP；
统计所述运动物体区域图像movP的像素点的行数movN，将所述运动区域图像movP平均划分为aves部分，每个部分包含
行像素点，将aves部分从上到下进行编号，编号组成的集合为{1,2,3…,aves}；
获取编号为1的部分，所述部分组成的图像记为oneP；
对oneP进行皮肤检测，获得属于人脸的像素点的集合faceU1；
使用大津法对oneP进行图像分割，获得前景部分像素点的集合faceU2；
获取faceU1和faceU2的交集lsU；
在faceU2中获取lsU的补集bU；
计算bU中的每个像素点与faceU1中的像素点的最小距离，将bU中最小距离小于预设的距离阈值的像素点存入集合faceU1中，获得最终的属于人脸的像素点集合faceUfinal；
集合faceUfinal中的像素点组成人脸区域图像。
由于定位图像中包含了大量的背景像素点，这些背景像素点对脸部识别来说是没有作用的，反而会影响识别的速度。本申请通过对定位图像进行划分，划分为面积相同的aves部分，并选择处于最上方的一部分作为进一步处理的区域，这种处理方式，能够极大地减少参与运算的像素点的数量。对选出来的部分使用大津法和皮肤检测进一步获取人脸区域的图像，能够进一步减少无用的像素点参与后续的识别运算。具体的，由于皮肤检测获得的像素点一般都是不连续的，这样子是不利于后续的特征提取。本申请上述实施例，创造性地将集合faceU2中的像素点对faceU1中的像素点所在的区域进行填充，从而获得了连续的人脸区域图像，有利于后续进一步进行识别。而且在填充的过程中，获取了补集bU，避免了对faceU2每个像素点求取与faceU1中的像素点的最小距离，能够有效地加快运行速度。有利于提升本申请的定位系统的定位速度。
在一种实施例中，aves的取值为7。
在一种实施例中，对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述灰度图像进行numCut层小波分解，获得小波高频系数和小波低频系数；
对第numcut层小波分解获得的第i个小波高频系数fnumcut,i(x,y)，进行如下处理：
若|fnumcut,i(x,y)|≥thre1，则使用下述公式对fnumcut,i(x,y)进行处理：
afnumcut,i(x,y)＝sgn(fnumcut,i(x,y))×(|fnumcut,i(x,y)|-ctrpa×thre1)
式中，afnumcut,i(x,y)表示对fnumcut,i(x,y)进行处理的结果，sgn表示符号函数，ctrpa表示控制参数，0＜ctrpa＜1，thre1表示预设的处理阈值，(x,y)表示像素点的位置；
若a×thre1＜|fnumcut,i(x,y)＜thre1，则使用下述公式对fnumcut,i(x,y)进行处理：
式中，a表示关系参数；
若|fnumcut,i(x,y)|＜a×thre1，则使用下述公式对fnumcut,i(x,y)进行处理：
afnumcut,i(x,y)＝z×|fnumcut,i(x,y)|
式中，z表示预设的比例参数；
i∈{1,2,3}，fnumcut,1(x,y)、fnumcut,2(x,y)、fnumcut,3(x,y)分别表示第numcut层小波分解获得的水平方向的小波高频系数、垂直方向的小波高频系数、对角线方向的小波高频系数；numcut∈[1，numCut]；
关系参数a通过下述方式进行确定：
式中，b为预设的常数型参数，grayP表示灰度图像的所有像素点的集合，aveGraj表示grayP中的像素点j的梯度幅值，numgrayP表示grayP中的像素点的总数；
将对小波高频系数进行处理的结果和小波低频系数进行重构，获得降噪图像。
本发明上述实施例，通过对灰度图像进行小波分解，对分解得到的小波高频系数进行处理，然后将小波低频系数和处理后的小波高频系数进行重构，获得降噪图像。这种处理方式，能够在保持灰度图像中的图像细节的同时，有效地对灰度图像中的噪声进行去除，有利于为后续的识别提供高质量的图像。具体地，在对小波高频系数进行处理时，通过设置处理阈值，并将小波高频系数与处理阈值进行对比，为不同情况的小波高频系数自适应地选取不同的处理函数，使得对小波高频系数的处理更具有针对性，重构后的降噪效果更好。能够避免出现如现有技术中，使用硬阈值的方式对小波高频系数进行处理时，图像失真的问题。值得一提的是，现有技术中，还会采用软阈值的方式对小波高频系数进行处理，但是传统的软阈值处理方式，容易出现降噪过度，使得图像的细节信息丢失的问题，主要原因是两个阈值之间的取值范围的不好把握。因此，本申请通过设置关系参数a来控制所述取值范围，在灰度图像的梯度幅值均值变大时，所述取值范围会逐渐变小，而在灰度图像的梯度幅值均值变小时，所述取值范围会逐渐变大。相较于传统的硬阈值和软阈值的处理方式，本发明上述实施例，提出了一种取值范围的自适应调节公式，能够在尽可能地保留更多图像细节的同时，尽可能地降噪。
在一种实施例中，小波分解的层数numCut通过下述方式进行确定：
(1)对灰度图像进行K层小波分解，获得小波高频系数hpk和小波低频系数lpk，k∈[1,K]；
对小波高频系数hpk进行硬阈值处理，获得处理后的小波高频系数ahpk；
将lpk和ahpk进行重构，获得K层小波分解的降噪图像pK；
(2)对灰度图像进行K+1层小波分解，获得小波高频系数hpk+1和小波低频系数lpk+1，k+1∈[1,K+1]；
对小波高频系数hpk+1进行硬阈值处理，获得处理后的小波高频系数ahpk+1；
将lpk+1和ahpk+1进行重构，获得K+1层小波分解的降噪图像pK+1；
(3)计算pK和pK+1之间的区别程度：
式中，
表示pK和pK+1之间的区别程度，
表示pK中的像素点n的视觉优先级，
表示pK中的像素点n和和pK+1中对应的位置的像素点的之间的细节信息区别度，pKU表示pK中的像素点的集合；
视觉优先级通过如下方式进行计算：
式中，xw(pK)表示pK的相位谱，cl(pK)表示pK的残余谱，cl(pK)＝ln(fd(pK))-avelb*ln(fd(pK))，式中，fd(pK)表示pK的幅值谱，avelb表示预设的均值滤波模板，*表示卷积符号，ftr表示傅里叶运算，gpK(n)表示像素点n处非局部均值降噪模板；
细节信息区别度通过如下方式进行计算：
式中，graU＝{1,2,3}，grax1(pK,n)表示pK中的像素点n的水平方向的梯度，grax1(pK+1,n)表示像素点n在pK+1中对应的位置的像素点的水平方向的梯度，grax2(pK,n)表示pK中的像素点n的竖直方向的梯度，grax2(pK+1,n)表示像素点n在pK+1中对应的位置的像素点的竖直方向的梯度，grax3(pK,n)表示pK中的像素点n的梯度方向，grax3(pK+1,n)表示像素点n在pK+1中对应的位置的像素点的梯度方向，s表示预设的常数型系数；Π表示连乘符号；
(4)使用不同的K值进行(1)-(3)的运算，直到pK和pK+1之间的区别程度
小于设定的区别程度阈值，将此时K+1的值作为小波分解的层数numCut的值。
现有技术中，小波分解的层数经常是由人工试验所得，这种方式显然不能适用于本申请的定位系统。本发明上述实施例，实现了小波分解层数的自动计算，在计算时区别程度时，充分考虑了分解层数相邻的两幅降噪图像在梯度值和梯度方向以及视觉优先级方面的差异，通过对区别程度的收敛判定来获取合适的分解层数，使得分解层数具有自适应性，针对不同情况的图像自动计算得到不同的分解层数，使得后续的计算结果更为准确。在获取降噪图像时，使用的是运算速度极快的硬阈值处理的方式，这种方式能够实现快速实现对灰度图像降噪效果的初步评估，然后再根据评估结果调整K的值，有利于提高小波分解层数的确定速度。
在一种实施例中，z的取值为0。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于RFID与人脸识别技术的定位系统，其特征在于，其包括定位标签、定位基站、服务器和监控终端；
所述定位标签设置在监狱人员身上，用于在接收到所述定位基站发送的激活信号后，向所述定位基站发送自身的标签信息；
所述定位基站分布设置在监狱中，用于周期性地向其工作范围内发送激活信号以及将接收到的标签信息和定位基站自身的识别信息发送至所述服务器；
所述服务器用于接收所述标签信息和识别信息，并将所述标签信息和识别信息发送至所述监控终端；
所述监控终端用于根据所述标签信息和识别信息，获取所述监狱人员的定位图像，并判断所述标签信息和所述定位图像是否匹配，若否，则发出警报提示。
2.根据权利要求1所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述定位系统还包括摄像机，所述摄像机分布设置在监狱中。
3.根据权利要求2所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述根据所述标签信息和识别信息，获取所述监狱人员的定位图像，包括：
所述监控终端根据所述标签信息和识别信息确定所述监狱人员的位置，并通过距离所述位置最近的摄像机对所述监狱人员进行拍照，获取所述监狱人员的定位图像。
4.根据权利要求1所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述监狱人员包括服刑人员和警务人员，所述定位标签包括防拆定位手环和定位胸卡，所述防拆定位手环由所述服刑人员佩戴，所述定位胸卡由所述警务人员佩戴；所述定位基站包括壁挂型定位基站和吸顶型定位基站，所述壁挂型定位基站悬挂在监狱的墙壁上，所述吸顶型定位基站悬挂在监狱的屋顶上。
5.根据权利要求4所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述监控终端包括固定式监控终端和移动式监控终端；所述固定式监控终端包括设置在监控室的台式电脑，所述移动式监控终端包括警务人员的工作手机、工作平板电脑和工作笔记本电脑。
6.根据权利要求1所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述定位标签为包含电池的主动式或半主动式定位标签。
7.根据权利要求1所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述监控终端包括人脸数据库，所述人脸数据库用于存储监狱人员对应的定位标签的标签信息、定位基站的识别信息和监狱人员的脸部的特征信息；所述标签信息包括监狱人员的名字和标签编号，所述识别信息包括定位基站的编号和定位基站的位置。
8.根据权利要求7所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，判断所述标签信息和所述定位图像是否匹配，包括：
将定位图像中的监狱人员的脸部特征信息和人脸数据库中预存的监狱人员的特征信息进行匹配，确定定位图像中的监狱人员的名字；
将定位图像中的监狱人员的名字与所述标签信息中包含的名字进行对比，判断两者是否一致，若是，则所述标签信息和所述定位图像互相匹配，若否，则所述标签信息和所述定位图像不匹配。
9.根据权利要求7所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，根据所述标签信息和识别信息确定所述监狱人员的位置，包括：
通过TOA定位算法、TDOA定位算法或RSSI定位算法确定定位标签的位置。
10.根据权利要求2所述的一种基于RFID与人脸识别技术的定位系统，其特征在于，所述监控终端还包括门禁管理单元和非法聚集报警单元；
所述门禁管理单元用于在所述标签信息和所述定位图像互相匹配时，将监狱人员前方的门锁远程打开，并对所述门锁的打开时间和所述监狱人员的身份信息进行存储，得到门禁记录；
所述非法聚集报警单元用于检测指定区域内的监狱人员的数量是否超过设定的阈值，若是，则发出报警提示；
所述监狱人员的数量通过统计指定区域内定位标签的数量获得，或者是通过摄像机获取所述指定区域中的实时图像，并对所述实时图像进行人脸检测，通过统计人脸的数量获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225403.8A CN112257831A (zh) | 2020-11-05 | 2020-11-05 | 一种基于rfid与人脸识别技术的定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225403.8A CN112257831A (zh) | 2020-11-05 | 2020-11-05 | 一种基于rfid与人脸识别技术的定位系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112257831A true CN112257831A (zh) | 2021-01-22 |
Family
ID=74267926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011225403.8A Withdrawn CN112257831A (zh) | 2020-11-05 | 2020-11-05 | 一种基于rfid与人脸识别技术的定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112257831A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642502A (zh) * | 2021-08-23 | 2021-11-12 | 浙江索思科技有限公司 | 一种图像处理的特种设备从业人员定位系统及方法 |
| CN117793628A (zh) * | 2024-02-26 | 2024-03-29 | 微澜能源(江苏)有限公司 | 一种水电站参观人员定位方法和装置 |
-
2020
- 2020-11-05 CN CN202011225403.8A patent/CN112257831A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642502A (zh) * | 2021-08-23 | 2021-11-12 | 浙江索思科技有限公司 | 一种图像处理的特种设备从业人员定位系统及方法 |
| CN117793628A (zh) * | 2024-02-26 | 2024-03-29 | 微澜能源(江苏)有限公司 | 一种水电站参观人员定位方法和装置 |
| CN117793628B (zh) * | 2024-02-26 | 2024-05-07 | 微澜能源(江苏)有限公司 | 一种水电站参观人员定位方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105590097B (zh) | 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法 | |
| US20170032182A1 (en) | System for adaptive real-time facial recognition using fixed video and still cameras | |
| 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 | |
| US6661907B2 (en) | Face detection in digital images | |
| CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
| CN110070010A (zh) | 一种基于行人重识别的人脸属性关联方法 | |
| CN106156688A (zh) | 一种动态人脸识别方法及系统 | |
| CN110781798B (zh) | 一种基于树莓派和人脸识别的车载嫌疑犯锁定系统 | |
| CN108986342B (zh) | 一种基于云计算平台的人脸识别寄存柜系统 | |
| CN108877009B (zh) | 一种基于人脸识别的智能门禁系统 | |
| CN111144277B (zh) | 一种带活体检测功能的人脸验证方法和系统 | |
| CN112257831A (zh) | 一种基于rfid与人脸识别技术的定位系统 | |
| CN107451575A (zh) | 一种身份认证系统中的人脸防欺骗检测方法 | |
| KR101515214B1 (ko) | 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법 | |
| CN112016353A (zh) | 一种基于视频的人脸图像进行身份识别方法及装置 | |
| CN108446690A (zh) | 一种基于多视角动态特征的人脸活体检测方法 | |
| CN111353338A (zh) | 一种基于营业厅视频监控的能效改进方法 | |
| Chang et al. | Localized detection of abandoned luggage | |
| Sushama et al. | Face recognition using DRLBP and SIFT feature extraction | |
| US9607231B2 (en) | Use of relatively permanent pigmented or vascular skin mark patterns in images for personal identification | |
| JPWO2020195376A1 (ja) | 監視装置、不審オブジェクト検出方法、およびプログラム | |
| CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
| CN109166220B (zh) | 一种基于区块链的智能门禁系统 | |
| Sridevi et al. | Third Generation Security System for Face Detection in ATM Machine Using Computer Vision | |
| CN111985331A (zh) | 预防商业秘密被窃照的检测方法及装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210122 |