CN112530072A - 一种智能门禁系统 - Google Patents

一种智能门禁系统 Download PDF

Info

Publication number
CN112530072A
CN112530072A CN202011509563.5A CN202011509563A CN112530072A CN 112530072 A CN112530072 A CN 112530072A CN 202011509563 A CN202011509563 A CN 202011509563A CN 112530072 A CN112530072 A CN 112530072A
Authority
CN
China
Prior art keywords
vein
image
palm
recognition
user
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
CN202011509563.5A
Other languages
English (en)
Inventor
韦立有
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011509563.5A priority Critical patent/CN112530072A/zh
Publication of CN112530072A publication Critical patent/CN112530072A/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
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种智能门禁系统，包括用户管理子系统、访客管理子系统和执行装置，所述用户管理子系统通过手掌静脉对用户进行身份验证，并将验证结果发送至执行装置，所述访客管理子系统用于采集访客头像并发送至经过身份验证的用户，由经过身份验证的用户对访客身份进行验证，并将验证结果发送至执行装置，对通过身份验证的用户和访客，所述执行装置执行开门动作。本发明的有益效果为：提供了一种智能门禁系统，基于手掌静脉识别实现了对用户和访客的双重管理，极大提升了门禁的安全性。

Description

一种智能门禁系统
技术领域
本发明涉及门禁技术领域，具体涉及一种智能门禁系统。
背景技术
现有的智能门禁系统安全性差、缺乏对用户和访客进行有效管理。
生物特征具有不易被遗忘、防伪性能好、不容易伪造或被盗、随身“携带”等优点，其识别技术的核心问题在于如何获取这些生物特征，并将获得的特征转换为数字信息，利用准确率高的匹配算法来完成认定和识别人的身份的过程。已经被用于生物识别的生物特征有虹膜、视网膜、手形、指纹、脸形、耳廓、签字、声音、按键力等。以这些特征为基础，生物特征识别技术在过去的几年中已经取得了飞速的发展。
发明内容
针对上述问题，本发明旨在提供一种智能门禁系统。
本发明的目的采用以下技术方案来实现：
提供了一种智能门禁系统，包括用户管理子系统、访客管理子系统和执行装置，所述用户管理子系统通过手掌静脉对用户进行身份验证，并将验证结果发送至执行装置，所述访客管理子系统用于采集访客头像并发送至经过身份验证的用户，由经过身份验证的用户对访客身份进行验证，并将验证结果发送至执行装置，对通过身份验证的用户和访客，所述执行装置执行开门动作。
本发明的有益效果为：提供了一种智能门禁系统，基于手掌静脉识别实现了对用户和访客的双重管理，极大提升了门禁的安全性。
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是本发明的结构示意图；
附图标记：
用户管理子系统1、访客管理子系统2、执行装置3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种智能门禁系统，包括用户管理子系统1、访客管理子系统2和执行装置3，所述用户管理子系统1通过手掌静脉对用户进行身份验证，并将验证结果发送至执行装置3，所述访客管理子系统2用于采集访客头像并发送至经过身份验证的用户，由经过身份验证的用户对访客身份进行验证，并将验证结果发送至执行装置3，对通过身份验证的用户和访客，所述执行装置3执行开门动作。
本实施例提供了一种智能门禁系统，基于手掌静脉识别实现了对用户和访客的双重管理，极大提升了门禁的安全性。
优选的，所述用户管理子系统1包括用户注册模块、静脉图像采集模块、静脉识别模块和识别评价模块，所述用户注册模块用于获取用户的手掌静脉模板，所述静脉图像采集模块用于实时采集手掌静脉图像，所述静脉识别模块用于对手掌静脉进行识别，所述识别评价模块用于对手掌静脉识别结果进行评价。
本实施例实现了手掌静脉识别和识别效果准确评价，从而提升了基于手掌静脉进行身份识别的识别准确性。
优选的，所述静脉图像采集模块包括图像采集单元和质量评价单元，所述图像采集单元用于采集红外手掌静脉图像，所述质量评价单元对采集的手掌静脉图像质量进行评价；
所述质量评价单元对采集的手掌静脉图像质量进行评价，具体为：
采用下式确定手掌静脉图像的质量评价因子：
Figure BDA0002845987960000021
式中，F表示手掌静脉图像的质量评价因子，M、N分别表示图像长度和宽度，g(i,j)、g′(i,j)表示参考图像和采集的静脉图像在点(i,j)处的灰度值；所述手掌静脉图像质量的评价因子越小，表示静脉图像质量越高；
本优选实施例通过采集红外手掌静脉图像，并通过
Figure BDA0002845987960000022
对静脉图像质量进行评价，保证了采集的图像质量，为后续手掌静脉识别奠定了基础。
优选的，所述静脉识别模块包括图像分割单元、特征提取单元和静脉识别单元，所述图像分割单元用于将静脉图像分割为静脉部分和背景部分，所述特征提取单元基于图像分割结果对静脉图像的静脉特征进行提取，所述静脉识别部分根据提取的特征对手掌静脉进行特征匹配识别；
所述图像分割单元用于将静脉图像分割为静脉部分和背景部分，具体为：
采用下式确定静脉图像的第一分割参数：
Figure BDA0002845987960000031
式中，D表示静脉图像，SD表示静脉图像的第一分割参数，表示静脉图像灰度级数，pk表示静脉图像中灰度级为k的像素个数，
采用下式确定静脉图像的第二分割参数：
Figure BDA0002845987960000032
式中，GD表示静脉图像的第二分割参数，T(i,j)表示静脉图像中像素点(i,j)的梯度值；
采用下式对图像进行分割：
Figure BDA0002845987960000033
式中，D1表示静脉部分，D-D1表示背景部分，
Figure BDA0002845987960000034
表示静脉部分的第一分割参数，
Figure BDA0002845987960000035
表示背景部分的第一分割参数，
Figure BDA0002845987960000036
表示静脉部分的第二分割参数，
Figure BDA0002845987960000037
表示背景部分的第二分割参数，δ1、δ2表示权值，δ1+δ2＝1；
本优选实施例通过静脉图像的第一分割参数
Figure BDA0002845987960000038
和第二分割参数
Figure BDA0002845987960000039
实现了静脉部分和背景部分的准确分割，为后续静脉特征提取奠定了基础。
优选的，所述特征提取单元基于图像分割结果对静脉图像的静脉特征进行提取，具体为：
对静脉部分进行细化处理，得到宽度为1个像素的静脉，将细化的静脉的像素值记为0，静脉图像中其它像素值记为1；
经过细化的静脉将静脉图像划分为若干区域，选取静脉的交叉点作为特征点，将特征点之间的静脉段的长度作为手掌静脉识别的第一特征A1：A1＝[d1，d2，…，dn]，其中，n表示静脉段的数量，di表示第i个静脉段的长度；
将特征点之间的静脉段首尾连接构成对应静脉直线段，将静脉直线段的倾斜角作为手掌静脉识别的第二特征A2：A2＝[θ1，θ2，…，θn]，其中，θi表示第i个静脉直线段的倾斜角；
根据手掌静脉识别的第一特征和第二特征确定静脉图像的静脉特征A：A＝[A1，A2]；
本优选实施例通过确定静脉图像的静脉特征A＝[A1，A2]，实现了静脉特征的准确提取，为后续手掌静脉特征匹配和识别奠定了基础。
优选的，所述识别评价模块用于对手掌静脉识别结果进行评价，具体为：
采用下式确定手掌静脉的识别评价因子：
Figure BDA0002845987960000041
式中，R表示手掌静脉的识别评价因子，R1表示将真实匹配的手掌静脉识别为错误匹配的概率，R2表示将错误匹配的手掌静脉识别为真实匹配的概率；所述手掌静脉的识别评价因子越小，表示手掌静脉识别准确率越高。
本优选实施例通过
Figure BDA0002845987960000042
对手掌静脉进行识别，保证了静脉识别准确率，为后续对手掌静脉识别进行改进奠定了基础。
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 (7)

1.一种智能门禁系统，其特征在于，包括用户管理子系统、访客管理子系统和执行装置，所述用户管理子系统通过手掌静脉对用户进行身份验证，并将验证结果发送至执行装置，所述访客管理子系统用于采集访客头像并发送至经过身份验证的用户，由经过身份验证的用户对访客身份进行验证，并将验证结果发送至执行装置，对通过身份验证的用户和访客，所述执行装置执行开门动作。
2.根据权利要求1所述的智能门禁系统，其特征在于，所述用户管理子系统包括用户注册模块、静脉图像采集模块、静脉识别模块和识别评价模块，所述用户注册模块用于获取用户的手掌静脉模板，所述静脉图像采集模块用于实时采集手掌静脉图像，所述静脉识别模块用于对手掌静脉进行识别，所述识别评价模块用于对手掌静脉识别结果进行评价。
3.根据权利要求2所述的智能门禁系统，其特征在于，所述静脉图像采集模块包括图像采集单元和质量评价单元，所述图像采集单元用于采集红外手掌静脉图像，所述质量评价单元对采集的手掌静脉图像质量进行评价；
所述质量评价单元对采集的手掌静脉图像质量进行评价，具体为：
采用下式确定手掌静脉图像的质量评价因子：
Figure FDA0002845987950000011
式中，F表示手掌静脉图像的质量评价因子，M、N分别表示图像长度和宽度，g(i，j)、g′(i，j)表示参考图像和采集的静脉图像在点(i，j)处的灰度值；所述手掌静脉图像质量的评价因子越小，表示静脉图像质量越高。
4.根据权利要求3所述的智能门禁系统，其特征在于，所述静脉识别模块包括图像分割单元、特征提取单元和静脉识别单元，所述图像分割单元用于将静脉图像分割为静脉部分和背景部分，所述特征提取单元基于图像分割结果对静脉图像的静脉特征进行提取，所述静脉识别部分根据提取的特征对手掌静脉进行特征匹配识别。
5.根据权利要求4所述的智能门禁系统，其特征在于，所述图像分割单元用于将静脉图像分割为静脉部分和背景部分，具体为：
采用下式确定静脉图像的第一分割参数：
Figure FDA0002845987950000012
式中，D表示静脉图像，SD表示静脉图像的第一分割参数，L表示静脉图像灰度级数，pk表示静脉图像中灰度级为k的像素个数，
采用下式确定静脉图像的第二分割参数：
Figure FDA0002845987950000021
式中，GD表示静脉图像的第二分割参数，T(i，j)表示静脉图像中像素点(i，j)的梯度值；
采用下式对图像进行分割：
Figure FDA0002845987950000022
式中，D1表示静脉部分，D-D1表示背景部分，
Figure FDA0002845987950000023
表示静脉部分的第一分割参数，
Figure FDA0002845987950000024
表示背景部分的第一分割参数，
Figure FDA0002845987950000025
表示静脉部分的第二分割参数，
Figure FDA0002845987950000026
表示背景部分的第二分割参数，δ1、δ2表示权值，δ1+δ2＝1。
6.根据权利要求5所述的智能门禁系统，其特征在于，所述特征提取单元基于图像分割结果对静脉图像的静脉特征进行提取，具体为：
对静脉部分进行细化处理，得到宽度为1个像素的静脉，将细化的静脉的像素值记为0，静脉图像中其它像素值记为1；
经过细化的静脉将静脉图像划分为若干区域，选取静脉的交叉点作为特征点，将特征点之间的静脉段的长度作为手掌静脉识别的第一特征A1：A1＝[d1，d2，…，dn]，其中，n表示静脉段的数量，di表示第i个静脉段的长度；
将特征点之间的静脉段首尾连接构成对应静脉直线段，将静脉直线段的倾斜角作为手掌静脉识别的第二特征A2：A2＝[θ1，θ2，…，θn]，其中，θi表示第i个静脉直线段的倾斜角；
根据手掌静脉识别的第一特征和第二特征确定静脉图像的静脉特征A：A＝[A1，A2]。
7.根据权利要求6所述的智能门禁系统，其特征在于，所述识别评价模块用于对手掌静脉识别结果进行评价，具体为：
采用下式确定手掌静脉的识别评价因子：
Figure FDA0002845987950000027
式中，R表示手掌静脉的识别评价因子，R1表示将真实匹配的手掌静脉识别为错误匹配的概率，R2表示将错误匹配的手掌静脉识别为真实匹配的概率；所述手掌静脉的识别评价因子越小，表示手掌静脉识别准确率越高。
CN202011509563.5A 2020-12-19 2020-12-19 一种智能门禁系统 Pending CN112530072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011509563.5A CN112530072A (zh) 2020-12-19 2020-12-19 一种智能门禁系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011509563.5A CN112530072A (zh) 2020-12-19 2020-12-19 一种智能门禁系统

Publications (1)

Publication Number Publication Date
CN112530072A true CN112530072A (zh) 2021-03-19

Family

ID=75001576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011509563.5A Pending CN112530072A (zh) 2020-12-19 2020-12-19 一种智能门禁系统

Country Status (1)

Country Link
CN (1) CN112530072A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567044A (zh) * 2009-05-22 2009-10-28 北京大学 一种人脸图像质量检测方法
CN104217480A (zh) * 2014-08-29 2014-12-17 华南理工大学 一种基于指纹和指静脉联合识别的智能门禁系统
CN105488460A (zh) * 2015-11-24 2016-04-13 成都四象联创科技有限公司 基于生理特征的图像处理方法
CN108846368A (zh) * 2018-06-25 2018-11-20 黎剑鸣 一种手指静脉识别系统
CN109803061A (zh) * 2018-12-04 2019-05-24 厦门中控智慧信息技术有限公司 楼宇门禁系统及其通信方法、门禁室外机
CN209357127U (zh) * 2018-12-12 2019-09-06 上海工程技术大学 一种基于多种生物特征识别的门禁装置
CN110415225A (zh) * 2019-07-22 2019-11-05 南充折衍智能光电科技有限公司 一种基于多信息融合的手指静脉图像质量评价方法
CN111462379A (zh) * 2020-03-17 2020-07-28 广东网深锐识科技有限公司 一种含掌静脉和人脸识别的门禁管理方法、系统及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567044A (zh) * 2009-05-22 2009-10-28 北京大学 一种人脸图像质量检测方法
CN104217480A (zh) * 2014-08-29 2014-12-17 华南理工大学 一种基于指纹和指静脉联合识别的智能门禁系统
CN105488460A (zh) * 2015-11-24 2016-04-13 成都四象联创科技有限公司 基于生理特征的图像处理方法
CN108846368A (zh) * 2018-06-25 2018-11-20 黎剑鸣 一种手指静脉识别系统
CN109803061A (zh) * 2018-12-04 2019-05-24 厦门中控智慧信息技术有限公司 楼宇门禁系统及其通信方法、门禁室外机
CN209357127U (zh) * 2018-12-12 2019-09-06 上海工程技术大学 一种基于多种生物特征识别的门禁装置
CN110415225A (zh) * 2019-07-22 2019-11-05 南充折衍智能光电科技有限公司 一种基于多信息融合的手指静脉图像质量评价方法
CN111462379A (zh) * 2020-03-17 2020-07-28 广东网深锐识科技有限公司 一种含掌静脉和人脸识别的门禁管理方法、系统及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾旭: "基于多特性融合的手背静脉识别关键算法研究", 《中国优秀博士学位论文全文数据库》 *

Similar Documents

Publication Publication Date Title
Jain et al. On-line fingerprint verification
Jain et al. An identity-authentication system using fingerprints
US8265347B2 (en) Method and system for personal identification using 3D palmprint imaging
JP5043097B2 (ja) まつげ分析による人物識別方法
CN107294730A (zh) 一种多模态生物特征身份认证方法、装置及系统
WO2016037077A1 (en) Image-based liveness detection for ultrasonic fingerprints
KR100554129B1 (ko) 인체의 열정보를 이용한 개인인증장치와 그 방법
Zhang et al. Advanced biometrics
Chaudhari et al. Implementation of minutiae based fingerprint identification system using crossing number concept
Antonelli et al. A new approach to fake finger detection based on skin distortion
CN110163123A (zh) 一种基于单幅近红外手指图像指纹指静脉融合识别方法
CN112530072A (zh) 一种智能门禁系统
Khan et al. Investigating linear discriminant analysis (LDA) on dorsal hand vein images
Lomte et al. Biometric fingerprint authentication by minutiae extraction using USB token system
Dimaunahan et al. Raspberry Pi and IOT Based-automated teller machine security for the DSWD 4P's biometric system using fingerprint recognition with fast-fourier transform image enhancement, multi-stage minutia extraction
de Assis Angeloni et al. Improving the ridge based fingerprint recognition method using sweat pores
CN112528911A (zh) 一种手掌静脉识别系统
Yang et al. Iris recognition based on location of key points
Simon-Zorita et al. Facing position variability in minutiae-based fingerprint verification through multiple references and score normalization techniques
KR102529513B1 (ko) 스마트폰을 이용한 신원확인 시스템
Kumari et al. A novel approach for secure multimodal biometric system using multiple biometric traits
Singh et al. Role of fuzzy in multimodal biometrics system
Kizza Biometric technologies and ethics
Roy et al. Iris recognition using biometric techniques
Nestorovic et al. Extracting unique personal identification number from iris

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

Application publication date: 20210319

RJ01 Rejection of invention patent application after publication