CN112766661A - 一种培训报道住宿一卡通集成系统及方法 - Google Patents

一种培训报道住宿一卡通集成系统及方法 Download PDF

Info

Publication number
CN112766661A
CN112766661A CN202011639642.8A CN202011639642A CN112766661A CN 112766661 A CN112766661 A CN 112766661A CN 202011639642 A CN202011639642 A CN 202011639642A CN 112766661 A CN112766661 A CN 112766661A
Authority
CN
China
Prior art keywords
control module
central control
student
matrix
distance
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
Application number
CN202011639642.8A
Other languages
English (en)
Other versions
CN112766661B (zh
Inventor
钱哨
李挥剑
漆峻炎
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.)
Shanghai Mengchuang Shuangyang Data Technology Co ltd
Original Assignee
Shanghai Mengchuang Shuangyang Data Technology Co ltd
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 Shanghai Mengchuang Shuangyang Data Technology Co ltd filed Critical Shanghai Mengchuang Shuangyang Data Technology Co ltd
Priority to CN202011639642.8A priority Critical patent/CN112766661B/zh
Publication of CN112766661A publication Critical patent/CN112766661A/zh
Application granted granted Critical
Publication of CN112766661B publication Critical patent/CN112766661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • 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
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Educational Technology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种培训报道住宿一卡通集成系统及方法，培训报道住宿一卡通集成系统包括：学员报名模块、学员报道模块、制卡模块及中控模块；培训住宿报道方法包括：步骤一，学员远程下载APP并根据APP指示完成培训报名；步骤二，学员前往培训地点入住的酒店，通过集成设备进行人脸识别并根据设备提示制备射频卡；步骤三，学员完成报道后根据APP指示完成入住与参培。本发明通过设置专用APP使学员能够完成远程报名并在报名完通过APP进行房间分配；在酒店进行报道时，学员到报道现场进行人脸识别认证，认证通过后集成设备可根据学员信息制备射频卡，报名、报道全程可由学员自己单独完成，减少酒店工作人员参与，大大加快了培训办理酒店入住手续时间。

Description

一种培训报道住宿一卡通集成系统及方法
技术领域
本发明涉及培训报道技术领域，尤其涉及一种培训报道住宿一卡通集成系统及方法。
背景技术
在一般社会培训会议中，通常在会议举办酒店设置报到处，报到现场经常出现大批量集中人员拥堵问题。拥堵的根本原因，是需要在短时间内快速完成报到人员的身份识别、报到、入住办理、费用缴纳、领取房卡等一系列复杂的管理流程。传统方式通过纸质文件寻找确认报到人员、缴纳费用，按照传统酒店系统模式办理入住、开通房卡，极容易产生大量人群聚集，引发群体性不满情绪。参训人员完成培训签到后，再至酒店前台完成身份确认和办理入住手续，若遇上住宿高峰，培训人员入住时间将大大延长，浪费参训学员时间不利于培训会议流程的正常展开。
发明内容
为此，本发明提供一种培训报道住宿一卡通集成系统及方法，用以克服现有技术中传统培训办理酒店入住手续时间长的问题。
为实现上述目的，本发明提供一种培训报道住宿一卡通集成系统，包括：学员报名模块、学员报道模块、制卡模块及中控模块；
所述学员报名模块，用以采集学员报名信息，包括：报名学员的姓名、单位、性别、手机号、身份证信息及多角度照片；
所述学员报道模块，通过报到现场的集成设备进行面部识别，结合报名数据库快速验证报到学员信息；
所述制卡模块，用以制备与学员一一匹配的一卡通，当学员报道完成后，通过报到现场的集成设备制备与学员匹配的的射频卡；
所述中控模块与所述学员报名模块、所述学员报道模块、所述制卡模块和所述消费模块分别相连；
所述集成系统设有培训APP，参见培训的学员能够通过下载培训APP进行报名认证；所述所述中控模块内设有性别矩阵A0、参训单位矩阵BO和年龄段矩阵C0，当学员X认证通过时，所述中控模块从将学员信息录入到数据库，中控模块能够根据学员X的性别、工作单位和年龄进行入住房间分配；
所述集成设备上设有身份证识别装置和图像采集装置，所述图像采集装置能够识别待识别人脸到摄像装置的距离；所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D并生成学员X的脸部信息矩阵组E0，当学员X通过所述学员报道模块进行报道时，所述集成设备采集学员X的面部图像信息人脸图像Dz和学员X人脸到摄像装置的距离L，中控模块判定距离L是否在合理范围，当距离L不在合理范围时，所述集成设备对学员X进行提示重新进行人脸图像采集；当当距离L在合理范围时，所述中控模块根据距离L将人脸图像调节为Dz’，所述中控模块根据人脸图像Dz’生成矩阵组F0，矩阵组E0与矩阵组F0中设有数量相同且一一对应的图像特征点矩阵，对于矩阵组E0中第p特征点位置信息矩阵Ep,Ep(Epx，Epy)，其中，Epx第p特征点X轴位置信息，Epy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，中控模块计算所述各特征点距离差和斜率差以判断人脸图像Dz’的各特征点坐标位置是否合格；所述中控模块计算坐标位置合格的特征点重合度评分并根据重合度评分的分值定义特征点重合度等级；所述中控模块计算重合度等级相同的特征点的等级重合特征点总分并根据各等级的等级重合特征点总分计算识别总分；所述中控模块识别通过识别总分标准值Z，中控模块通过判定识别总分与识别通过识别总分标准值Z的大小判定学员X人脸识别是否通过；
进一步地，对于性别矩阵A0，A0(A1,A2),其中，A1预设为男性，A2预设为女性；
对于参训单位矩阵BO，B0(B1,B2,B3,B4),其中，B1为第一预设参训单位，B2为第二预设参训单位，B3为第三预设参训单位，B4为第四预设参训单位；
对于年龄段矩阵C0，C0(C1,C2,C3,C4),其中，C1为第一预设年龄段，C2为第二预设年龄段，C3为第三预设年龄段，C4为第四预设年龄段；
当学员认证通过时，所述中控模块从将学员信息录入到数据库，所述培训APP弹出酒店入住房间选项，学员能够选择同一性别的期望同间房间的学员或选择系统自动分配同房间学员；
当两名学员互相选择为期望同间房间学员时，所述中控模块将两名学员分配到同一房间；当两名学员没有互相选择为期望同间房间学员时，所述中控模块通过系统进行自动分别；
当系统对学员X进行房间自动分配时，所述中控模块对学员进行一级房间分配，提取该学员性别信息Ai、单位信息Bj及年龄段信息Ck,生成学员信息矩阵X0(Ai,Bj,Ck),中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，中控模块将学员X与学员Y1安排到同一房间；
当数据库不存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合一级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行二级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，中控模块将学员X与学员Y2安排到同一房间；
当数据库不存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合二级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行三级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y30(Ai,Bj’,Ck)的学员Y3时，中控模块将学员X与学员Y3安排到同一房间；
当数据库不存在矩阵为Y30(Ai,Bj,Ck’)的学员Y3时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合三级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行四级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，中控模块将学员X与学员Y4安排到同一房间；
当数据库不存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，所述中控模块为学员X单独分配一间房间。
进一步地，所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D；所述中控模块内设有平面直角坐标系，中控模块将所述图像D投射到所述直角坐标系中，其中，图像D中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像D的特征点生成学员X的脸部信息矩阵组E0(E1,E2,E3,E4,E5,E6,E7,E8,E9),其中，E1为第一特征点位置信息矩阵，E2为第二特征点位置信息矩阵，E3为第三特征点位置信息矩阵，E4为第四特征点位置信息矩阵，E5为第五特征点位置信息矩阵，E6为第六特征点位置信息矩阵，E7为第七特征点位置信息矩阵，E8为第八特征点位置信息矩阵，E9为第九特征点位置信息矩阵。
进一步地，所述中控模块内设有待识别人脸到摄像装置的距离矩阵L0和距离对人脸图像补偿参数矩阵M0；
对于待识别人脸到摄像装置的距离矩阵L0，L0(L1,L2,L3,L4)，其中，L1为第一预设待识别人脸到摄像装置的距离，L2为第二预设待识别人脸到摄像装置的距离，L3为第三预设待识别人脸到摄像装置的距离，L4为第四预设待识别人脸到摄像装置的距离，各距离值按照顺序依次增大；
对于距离对人脸图像补偿参数矩阵M0，M0(M1,M2),其中，M1为第一预设距离对人脸图像补偿参数，M2为第二预设距离对人脸图像补偿参数；
当学员X采用所述报道模块进行报道时，将身份证放置在所述身份证识别装置上，所述身份证识别装置采集学员X身份信息并将采集到的信息传递至所述中控模块，中控模块根据身份信息从数据库中寻找学员X的脸部信息矩阵组E0；所述图像采集装置对采集学员X的实际人脸图像Dz和学员X人脸到摄像装置的距离L并将检测到的信息传递至所述中控模块，人脸图像Dz长为dzx，宽为dzy；
所述中控模块将距离L与待识别人脸到摄像装置的距离矩阵L0内参数进行对比：
当L≤L1时，所述中控模块判定待识别人脸到摄像装置的距离过近并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当L1＜L≤L2时，所述中控模块判定待识别人脸到摄像装置的距离较近，中控模块从距离对人脸图像补偿参数矩阵M0中选取M1作为距离对人脸图像补偿参数；
当L2＜L≤L3时，所述中控模块判定待识别人脸到摄像装置的距离适中，中控模块不对距离进行补偿；
当L3＜L≤L4时，所述中控模块判定待识别人脸到摄像装置的距离较远，中控模块从距离对人脸图像补偿参数矩阵M0中选取M2作为距离对人脸图像补偿参数；
当L＞L4时，所述中控模块判定待识别人脸到摄像装置的距离过远并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当所述中控模块选取Ma作为距离对人脸图像补偿参数时，a＝1，2，中控模块对采集到的人脸图像Dz进行补偿,中控模块将人脸图像Dz图像长调节为dzx’、宽调节为dzy’并生成长为dzx’、宽为dzy’的人脸图像Dz’,其中，当L≤L2时，dzx’＝dzx-[L-(L2+L3)÷2]2×Ma；dzy’＝dzy-[L-(L2+L3)÷2]2×Ma；当L＞L3时，dzx’＝dzx+[L-(L2+L3)÷2]2×Ma；dzy’＝dzy+[L-(L2+L3)÷2]2×Ma。
进一步地，所述中控模块将所述人脸图像Dz’投射到所述直角坐标系中，其中，图像Dz’中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像Dz’的特征点生成学员X的脸部信息矩阵组F0(F1,F2,F3,F4,F5,F6,F7,F8,F9),其中，F1为第一特征点位置信息矩阵，F2为第二特征点位置信息矩阵，F3为第三特征点位置信息矩阵，F4为第四特征点位置信息矩阵，F5为第五特征点位置信息矩阵，F6为第六特征点位置信息矩阵，F7为第七特征点位置信息矩阵，F8为第八特征点位置信息矩阵，F9为第九特征点位置信息矩阵；
对于第p特征点位置信息矩阵Fp,Fp(Fpx，Fpy)，其中，Fpx第p特征点X轴位置信息，Fpy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，当对人脸图像Dz’与图像D中第p特征点进行对比时，中控模块计算人脸图像D中第p特征点斜率Epk与第p特征点到原点距离EpL,其中，
Figure BDA0002879634640000061
所述中控模块按照上述方法计算图像Dz’的第p特征点斜率Fpk与第p特征点到原点距离FpL；
所述中控模块内设有同一特征点距离差判断值P和同一特征点斜率差判断值Q；
所述中控模块计算距离EpL与距离FpL的距离差ΔP和斜率Epk与斜率Fpk的斜率差ΔQ,其中，ΔP＝∣EpL-FpL∣，ΔQ＝∣Epk-Fpk∣；所述中控模块将距离差ΔP与距离差判断值P进行对比并将斜率差ΔQ与斜率差判断值Q进行对比：
当ΔP≤P且ΔQ≤Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格；
当ΔP＞P或ΔQ＞Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格。
进一步地，所述中控模块内设有重合度评分计算参数矩阵S0(S1,S2,S3,S4),其中，S1为距离差对重合度评分计算参数，S2为斜率差对重合度评分计算参数，S3为X轴坐标偏差对重合度评分计算参数，S4为X轴坐标偏差对重合度评分计算参数；
当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格时，中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点重合度评分Rp，Rp＝S1÷(ΔP+1)+S2÷(ΔQ+1)+S3÷(Epx-Fpx+1)2+S4÷(Epy-Fpy+1)2；
所述中控模块内还设有重合度评分矩阵R0(R1,R2),其中，R1为第一预设重合度评分参数，R2为第二预设重合度评分参数，R1＜R2；
当Rp≤R1时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点一级重合；
当R1＜Rp≤R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点二级重合；
当Rp＞R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点三级重合。
进一步地，当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格时，中控模块记录不合格点数量并对下一特征点进行坐标位置判断；当所述中控模块记录不合格点数量达到两个时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集。
进一步地，当所述中控模块对所有特征点识别完成后，所述中控模块计算一级重合特征点总分W1、二级重合特征点总分W2和三级重合特征点总分W3；
所述中控模块内设有特征点总分对识别总分权重参数矩阵U0和识别通过识别总分标准值Z；
对于特征点总分对识别总分权重参数矩阵U0，U0(U1,U2,U3),其中，U1为一级重合特征点总分对识别总分权重参数，U2为二级重合特征点总分对识别总分权重参数，U3为三级重合特征点总分对识别总分权重参数，各参数数值按照顺序依次增大；
所述中控模块计算识别总分Zz,Zz＝W1×U1+W2×U2+W3×U3，中控模块将识别总分Zz与识别通过识别总分标准值Z进行对比：
当Zz≥Z时，所述中控模块判定学员X识别通过，所述制卡模块通过所述集成设备根据房间分布情况为学员X制作射频卡；
当Zz＜Z时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
进一步地，当学员X人脸识别连续三次不通过时，所述中控模块判定学员X存在冒名报道风险，禁止学员X继续使用所述集成设备进行报道，学员X需到前台进行人工报道。
进一步地，所述中控模块内提前设有培训单位和各单位培训人员基本信息，当学员采用所述报名模块进行报名时，需提前下载培训中心定制培训APP并根据培训APP提示提前进行身份认证，报名模块将学员输入的信息与中控模块内提前设置的信息进行对比：当对比全部通过时，所述中控模块判定报名成功并控制培训APP弹出下一步操作指令；当对比有未通过项时，所述中控模块判定报名失败并控制培训APP返回初始报名页面；当连续三次报名失败，所述中控模块记录报名手机IP并拒绝该IP继续报名，若需恢复该IP报名权限，需集成系统管理人员对记录的IP进行消除。
一种应用上述培训报道住宿一卡通集成系统的培训住宿报道方法，包括：
步骤一，学员远程下载APP并根据APP指示完成培训报名；
步骤二，学员前往培训地点入住的酒店，通过集成设备进行人脸识别并根据设备提示制备射频卡；
步骤三，学员完成报道后根据APP指示完成入住与参培。
与现有技术相比，本发明的有益效果在于，所述集成系统设有培训APP，参见培训的学员能够通过下载培训APP进行报名认证；所述所述中控模块内设有性别矩阵A0、参训单位矩阵BO和年龄段矩阵C0，当学员X认证通过时，所述中控模块从将学员信息录入到数据库，中控模块能够根据学员X的性别、工作单位和年龄进行入住房间分配；参训学员通过APP可以远程进行报名，中控模块根据报名人员的性别、单位、年龄在学员远程报名成功后分配住宿房间；在酒店进行报道时，所述集成设备提前录入学员相关信息，学员到报道现场进行人脸识别认证，认证通过后集成设备可根据学员信息制备射频卡，报名、报道全程可由学员自己单独完成，减少酒店工作人员参与，同时，学员能够提前进行入住确认，大大加快了培训办理酒店入住手续时间。
进一步地，当系统对学员X进行房间自动分配时，所述中控模块对学员进行一级房间分配，提取该学员性别信息Ai、单位信息Bj及年龄段信息Ck,生成学员信息矩阵X0(Ai,Bj,Ck),中控模块对数据库进行检索，当中控模块从数据库中按照Y10(Ai,Bj,Ck)到Y20(Ai,Bj,Ck’)到Y30(Ai,Bj,Ck’)再到Y40(Ai,Bj’,Ck’)的顺序寻找对应矩阵，既按照同单位同年龄段，同单位不同年龄段，不同单位同年龄段，不同单位不同年龄段的顺序为学员X找到合适的同屋舍友，通常同一房间学员的近似条件越多二者相处越为和谐，通过上述顺序安排酒店房间方便酒店人员进行管理。
进一步地，当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，中控模块计算所述各特征点距离差和斜率差以判断人脸图像Dz’的各特征点坐标位置是否合格；所述中控模块计算坐标位置合格的特征点重合度评分并根据重合度评分的分值定义特征点重合度等级；所述中控模块计算重合度等级相同的特征点的等级重合特征点总分并根据各等级的等级重合特征点总分计算识别总分；所述中控模块识别通过识别总分标准值Z，中控模块通过判定识别总分与识别通过识别总分标准值Z的大小判定学员X人脸识别是否通过，通过多次判断确定学员X身份，防止冒名顶替，同时，通过集成设备进行身份认证加快认证速度，进一步加快了培训办理酒店入住手续时间。
进一步地，所述中控模块内提前设有培训单位和各单位培训人员基本信息，当学员采用所述报名模块进行报名时，需提前下载培训中心定制培训APP并根据培训APP提示提前进行身份认证，报名模块将学员输入的信息与中控模块内提前设置的信息进行对比：当对比全部通过时，所述中控模块判定报名成功并控制培训APP弹出下一步操作指令；当对比有未通过项时，所述中控模块判定报名失败并控制培训APP返回初始报名页面；当连续三次报名失败，所述中控模块记录报名手机IP并拒绝该IP继续报名，若需恢复该IP报名权限，需集成系统管理人员对记录的IP进行消除；当学员X人脸识别连续三次不通过时，所述中控模块判定学员X存在冒名报道风险，禁止学员X继续使用所述集成设备进行报名，学员X需到前台进行人工报名；限制报道/报名错误次数，防止他人盗用身份报名/报道,增加了所述集成系统安全性。
附图说明
图1为本发明所述培训住宿报道方法的流程示意图；
图2为本发明所述图像D的特征点分布示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
一种培训报道住宿一卡通集成系统，包括：学员报名模块、学员报道模块、制卡模块及中控模块；
所述学员报名模块，用以采集学员报名信息，包括：报名学员的姓名、单位、性别、手机号、身份证信息及多角度照片；
所述学员报道模块，通过报到现场的集成设备进行面部识别，结合报名数据库快速验证报到学员信息；
所述制卡模块，用以制备与学员一一匹配的一卡通，当学员报道完成后，通过报到现场的集成设备制备与学员匹配的的射频卡；
所述中控模块与所述学员报名模块、所述学员报道模块、所述制卡模块和所述消费模块分别相连；
所述集成系统设有培训APP，参见培训的学员能够通过下载培训APP进行报名认证；所述所述中控模块内设有性别矩阵A0、参训单位矩阵BO和年龄段矩阵C0，当学员X认证通过时，所述中控模块从将学员信息录入到数据库，中控模块能够根据学员X的性别、工作单位和年龄进行入住房间分配；
所述集成设备上设有身份证识别装置和图像采集装置，所述图像采集装置能够识别待识别人脸到摄像装置的距离；所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D并生成学员X的脸部信息矩阵组E0，当学员X通过所述学员报道模块进行报道时，所述集成设备采集学员X的面部图像信息人脸图像Dz和学员X人脸到摄像装置的距离L，中控模块判定距离L是否在合理范围，当距离L不在合理范围时，所述集成设备对学员X进行提示重新进行人脸图像采集；当当距离L在合理范围时，所述中控模块根据距离L将人脸图像调节为Dz’，所述中控模块根据人脸图像Dz’生成矩阵组F0，矩阵组E0与矩阵组F0中设有数量相同且一一对应的图像特征点矩阵，对于矩阵组E0中第p特征点位置信息矩阵Ep,Ep(Epx，Epy)，其中，Epx第p特征点X轴位置信息，Epy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，中控模块计算所述各特征点距离差和斜率差以判断人脸图像Dz’的各特征点坐标位置是否合格；所述中控模块计算坐标位置合格的特征点重合度评分并根据重合度评分的分值定义特征点重合度等级；所述中控模块计算重合度等级相同的特征点的等级重合特征点总分并根据各等级的等级重合特征点总分计算识别总分；所述中控模块识别通过识别总分标准值Z，中控模块通过判定识别总分与识别通过识别总分标准值Z的大小判定学员X人脸识别是否通过；
具体而言，对于性别矩阵A0，A0(A1,A2),其中，A1预设为男性，A2预设为女性；
对于参训单位矩阵BO，B0(B1,B2,B3,B4),其中，B1为第一预设参训单位，B2为第二预设参训单位，B3为第三预设参训单位，B4为第四预设参训单位；
对于年龄段矩阵C0，C0(C1,C2,C3,C4),其中，C1为第一预设年龄段，C2为第二预设年龄段，C3为第三预设年龄段，C4为第四预设年龄段；
当学员认证通过时，所述中控模块从将学员信息录入到数据库，所述培训APP弹出酒店入住房间选项，学员能够选择同一性别的期望同间房间的学员或选择系统自动分配同房间学员；
当两名学员互相选择为期望同间房间学员时，所述中控模块将两名学员分配到同一房间；当两名学员没有互相选择为期望同间房间学员时，所述中控模块通过系统进行自动分别；
当系统对学员X进行房间自动分配时，所述中控模块对学员进行一级房间分配，提取该学员性别信息Ai、单位信息Bj及年龄段信息Ck,生成学员信息矩阵X0(Ai,Bj,Ck),中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，中控模块将学员X与学员Y1安排到同一房间；
当数据库不存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合一级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行二级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，中控模块将学员X与学员Y2安排到同一房间；
当数据库不存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合二级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行三级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y30(Ai,Bj’,Ck)的学员Y3时，中控模块将学员X与学员Y3安排到同一房间；
当数据库不存在矩阵为Y30(Ai,Bj,Ck’)的学员Y3时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合三级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行四级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，中控模块将学员X与学员Y4安排到同一房间；
当数据库不存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，所述中控模块为学员X单独分配一间房间。
具体而言，所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D；所述中控模块内设有平面直角坐标系，中控模块将所述图像D投射到所述直角坐标系中，其中，图像D中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像D的特征点生成学员X的脸部信息矩阵组E0(E1,E2,E3,E4,E5,E6,E7,E8,E9),其中，E1为第一特征点位置信息矩阵，E2为第二特征点位置信息矩阵，E3为第三特征点位置信息矩阵，E4为第四特征点位置信息矩阵，E5为第五特征点位置信息矩阵，E6为第六特征点位置信息矩阵，E7为第七特征点位置信息矩阵，E8为第八特征点位置信息矩阵，E9为第九特征点位置信息矩阵。
具体而言，所述中控模块内设有待识别人脸到摄像装置的距离矩阵L0和距离对人脸图像补偿参数矩阵M0；
对于待识别人脸到摄像装置的距离矩阵L0，L0(L1,L2,L3,L4)，其中，L1为第一预设待识别人脸到摄像装置的距离，L2为第二预设待识别人脸到摄像装置的距离，L3为第三预设待识别人脸到摄像装置的距离，L4为第四预设待识别人脸到摄像装置的距离，各距离值按照顺序依次增大；
对于距离对人脸图像补偿参数矩阵M0，M0(M1,M2),其中，M1为第一预设距离对人脸图像补偿参数，M2为第二预设距离对人脸图像补偿参数；
当学员X采用所述报道模块进行报道时，将身份证放置在所述身份证识别装置上，所述身份证识别装置采集学员X身份信息并将采集到的信息传递至所述中控模块，中控模块根据身份信息从数据库中寻找学员X的脸部信息矩阵组E0；所述图像采集装置对采集学员X的实际人脸图像Dz和学员X人脸到摄像装置的距离L并将检测到的信息传递至所述中控模块，人脸图像Dz长为dzx，宽为dzy；
所述中控模块将距离L与待识别人脸到摄像装置的距离矩阵L0内参数进行对比：
当L≤L1时，所述中控模块判定待识别人脸到摄像装置的距离过近并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当L1＜L≤L2时，所述中控模块判定待识别人脸到摄像装置的距离较近，中控模块从距离对人脸图像补偿参数矩阵M0中选取M1作为距离对人脸图像补偿参数；
当L2＜L≤L3时，所述中控模块判定待识别人脸到摄像装置的距离适中，中控模块不对距离进行补偿；
当L3＜L≤L4时，所述中控模块判定待识别人脸到摄像装置的距离较远，中控模块从距离对人脸图像补偿参数矩阵M0中选取M2作为距离对人脸图像补偿参数；
当L＞L4时，所述中控模块判定待识别人脸到摄像装置的距离过远并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当所述中控模块选取Ma作为距离对人脸图像补偿参数时，a＝1，2，中控模块对采集到的人脸图像Dz进行补偿,中控模块将人脸图像Dz图像长调节为dzx’、宽调节为dzy’并生成长为dzx’、宽为dzy’的人脸图像Dz’,其中，当L≤L2时，dzx’＝dzx-[L-(L2+L3)÷2]2×Ma；dzy’＝dzy-[L-(L2+L3)÷2]2×Ma；当L＞L3时，dzx’＝dzx+[L-(L2+L3)÷2]2×Ma；dzy’＝dzy+[L-(L2+L3)÷2]2×Ma。
请参与图二所述，其为明所述图像D的特征点分布示意图，其中，(0,0)为预设原点，e1为第一特征点位置，e2为第二特征点位置，e3为第三特征点位置，e4为第四特征点位置，e5为第五特征点位置，e6为第六特征点位置，e7为第七特征点位置，e8为第八特征点位置，e9为第九特征点位置。
具体而言，所述中控模块将所述人脸图像Dz’投射到所述直角坐标系中，其中，图像Dz’中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像Dz’的特征点生成学员X的脸部信息矩阵组F0(F1,F2,F3,F4,F5,F6,F7,F8,F9),其中，F1为第一特征点位置信息矩阵，F2为第二特征点位置信息矩阵，F3为第三特征点位置信息矩阵，F4为第四特征点位置信息矩阵，F5为第五特征点位置信息矩阵，F6为第六特征点位置信息矩阵，F7为第七特征点位置信息矩阵，F8为第八特征点位置信息矩阵，F9为第九特征点位置信息矩阵；
对于第p特征点位置信息矩阵Fp,Fp(Fpx，Fpy)，其中，Fpx第p特征点X轴位置信息，Fpy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，当对人脸图像Dz’与图像D中第p特征点进行对比时，中控模块计算人脸图像D中第p特征点斜率Epk与第p特征点到原点距离EpL,其中，
Figure BDA0002879634640000141
所述中控模块按照上述方法计算图像Dz’的第p特征点斜率Fpk与第p特征点到原点距离FpL；
所述中控模块内设有同一特征点距离差判断值P和同一特征点斜率差判断值Q；
所述中控模块计算距离EpL与距离FpL的距离差ΔP和斜率Epk与斜率Fpk的斜率差ΔQ,其中，ΔP＝∣EpL-FpL∣，ΔQ＝∣Epk-Fpk∣；所述中控模块将距离差ΔP与距离差判断值P进行对比并将斜率差ΔQ与斜率差判断值Q进行对比：
当ΔP≤P且ΔQ≤Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格；
当ΔP＞P或ΔQ＞Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格。
具体而言，所述中控模块内设有重合度评分计算参数矩阵S0(S1,S2,S3,S4),其中，S1为距离差对重合度评分计算参数，S2为斜率差对重合度评分计算参数，S3为X轴坐标偏差对重合度评分计算参数，S4为X轴坐标偏差对重合度评分计算参数；
当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格时，中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点重合度评分Rp，Rp＝S1÷(ΔP+1)+S2÷(ΔQ+1)+S3÷(Epx-Fpx+1)2+S4÷(Epy-Fpy+1)2；
所述中控模块内还设有重合度评分矩阵R0(R1,R2),其中，R1为第一预设重合度评分参数，R2为第二预设重合度评分参数，R1＜R2；
当Rp≤R1时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点一级重合；
当R1＜Rp≤R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点二级重合；
当Rp＞R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点三级重合。
具体而言，当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格时，中控模块记录不合格点数量并对下一特征点进行坐标位置判断；当所述中控模块记录不合格点数量达到两个时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集。
具体而言，当所述中控模块对所有特征点识别完成后，所述中控模块计算一级重合特征点总分W1、二级重合特征点总分W2和三级重合特征点总分W3；
所述中控模块内设有特征点总分对识别总分权重参数矩阵U0和识别通过识别总分标准值Z；
对于特征点总分对识别总分权重参数矩阵U0，U0(U1,U2,U3),其中，U1为一级重合特征点总分对识别总分权重参数，U2为二级重合特征点总分对识别总分权重参数，U3为三级重合特征点总分对识别总分权重参数，各参数数值按照顺序依次增大；
所述中控模块计算识别总分Zz,Zz＝W1×U1+W2×U2+W3×U3，中控模块将识别总分Zz与识别通过识别总分标准值Z进行对比：
当Zz≥Z时，所述中控模块判定学员X识别通过，所述制卡模块通过所述集成设备根据房间分布情况为学员X制作射频卡；
当Zz＜Z时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
具体而言，当学员X人脸识别连续三次不通过时，所述中控模块判定学员X存在冒名报道风险，禁止学员X继续使用所述集成设备进行报道，学员X需到前台进行人工报道。
具体而言，所述中控模块内提前设有培训单位和各单位培训人员基本信息，当学员采用所述报名模块进行报名时，需提前下载培训中心定制培训APP并根据培训APP提示提前进行身份认证，报名模块将学员输入的信息与中控模块内提前设置的信息进行对比：当对比全部通过时，所述中控模块判定报名成功并控制培训APP弹出下一步操作指令；当对比有未通过项时，所述中控模块判定报名失败并控制培训APP返回初始报名页面；当连续三次报名失败，所述中控模块记录报名手机IP并拒绝该IP继续报名，若需恢复该IP报名权限，需集成系统管理人员对记录的IP进行消除。
请参阅图1所示，其为本发明所述培训住宿报道方法的流程示意图。
一种应用上述培训报道住宿一卡通集成系统的培训住宿报道方法，包括：
步骤一，学员远程下载APP并根据APP指示完成培训报名；
步骤二，学员前往培训地点入住的酒店，通过集成设备进行人脸识别并根据设备提示制备射频卡；
步骤三，学员完成报道后根据APP指示完成入住与参培。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种培训报道住宿一卡通集成系统，其特征在于，包括：学员报名模块、学员报道模块、制卡模块及中控模块；
所述学员报名模块，用以采集学员报名信息，包括：报名学员的姓名、单位、性别、手机号、身份证信息及多角度照片；
所述学员报道模块，通过报到现场的集成设备进行面部识别，结合报名数据库快速验证报到学员信息；
所述制卡模块，用以制备与学员一一匹配的一卡通，当学员报道完成后，通过报到现场的集成设备制备与学员匹配的的射频卡；
所述中控模块与所述学员报名模块、所述学员报道模块、所述制卡模块和所述消费模块分别相连；
所述集成系统设有培训APP，参见培训的学员能够通过下载培训APP进行报名认证；所述所述中控模块内设有性别矩阵A0、参训单位矩阵BO和年龄段矩阵C0，当学员X认证通过时，所述中控模块从将学员信息录入到数据库，中控模块能够根据学员X的性别、工作单位和年龄进行入住房间分配；
所述集成设备上设有身份证识别装置和图像采集装置，所述图像采集装置能够识别待识别人脸到摄像装置的距离；所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D并生成学员X的脸部信息矩阵组E0，当学员X通过所述学员报道模块进行报道时，所述集成设备采集学员X的面部图像信息人脸图像Dz和学员X人脸到摄像装置的距离L，中控模块判定距离L是否在合理范围，当距离L不在合理范围时，所述集成设备对学员X进行提示重新进行人脸图像采集；当当距离L在合理范围时，所述中控模块根据距离L将人脸图像调节为Dz’，所述中控模块根据人脸图像Dz’生成矩阵组F0，矩阵组E0与矩阵组F0中设有数量相同且一一对应的图像特征点矩阵，对于矩阵组E0中第p特征点位置信息矩阵Ep,Ep(Epx，Epy)，其中，Epx第p特征点X轴位置信息，Epy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，中控模块计算所述各特征点距离差和斜率差以判断人脸图像Dz’的各特征点坐标位置是否合格；所述中控模块计算坐标位置合格的特征点重合度评分并根据重合度评分的分值定义特征点重合度等级；所述中控模块计算重合度等级相同的特征点的等级重合特征点总分并根据各等级的等级重合特征点总分计算识别总分；所述中控模块识别通过识别总分标准值Z，中控模块通过判定识别总分与识别通过识别总分标准值Z的大小判定学员X人脸识别是否通过；
2.根据权利要求1所述的培训报道住宿一卡通集成系统，其特征在于，对于性别矩阵A0，A0(A1,A2),其中，A1预设为男性，A2预设为女性；
对于参训单位矩阵BO，B0(B1,B2,B3,B4),其中，B1为第一预设参训单位，B2为第二预设参训单位，B3为第三预设参训单位，B4为第四预设参训单位；
对于年龄段矩阵C0，C0(C1,C2,C3,C4),其中，C1为第一预设年龄段，C2为第二预设年龄段，C3为第三预设年龄段，C4为第四预设年龄段；
当学员认证通过时，所述中控模块从将学员信息录入到数据库，所述培训APP弹出酒店入住房间选项，学员能够选择同一性别的期望同间房间的学员或选择系统自动分配同房间学员；
当两名学员互相选择为期望同间房间学员时，所述中控模块将两名学员分配到同一房间；当两名学员没有互相选择为期望同间房间学员时，所述中控模块通过系统进行自动分别；
当系统对学员X进行房间自动分配时，所述中控模块对学员进行一级房间分配，提取该学员性别信息Ai、单位信息Bj及年龄段信息Ck,生成学员信息矩阵X0(Ai,Bj,Ck),中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，中控模块将学员X与学员Y1安排到同一房间；
当数据库不存在矩阵为Y10(Ai,Bj,Ck)的学员Y1时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合一级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行二级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，中控模块将学员X与学员Y2安排到同一房间；
当数据库不存在矩阵为Y20(Ai,Bj,Ck’)的学员Y2时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合二级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行三级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y30(Ai,Bj’,Ck)的学员Y3时，中控模块将学员X与学员Y3安排到同一房间；
当数据库不存在矩阵为Y30(Ai,Bj,Ck’)的学员Y3时，所述中控模块对记录学员X的信息并先对其他学员进行分组；
当中控模块对数据库内所有符合三级房间分配学员完成房间分配时，所述中控模块对未分配房间学员进行四级房间分配，当系统对学员X进行房间自动分配时，中控模块对数据库进行检索，当中控模块从数据库中检索到存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，中控模块将学员X与学员Y4安排到同一房间；
当数据库不存在矩阵为Y40(Ai,Bj’,Ck’)的学员Y4时，所述中控模块为学员X单独分配一间房间。
3.根据权利要求1所述的培训报道住宿一卡通集成系统，其特征在于，所述中控模块对认证通过的学员X照片进行整改生成学员X的面部识别图像D；所述中控模块内设有平面直角坐标系，中控模块将所述图像D投射到所述直角坐标系中，其中，图像D中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像D的特征点生成学员X的脸部信息矩阵组E0(E1,E2,E3,E4,E5,E6,E7,E8,E9),其中，E1为第一特征点位置信息矩阵，E2为第二特征点位置信息矩阵，E3为第三特征点位置信息矩阵，E4为第四特征点位置信息矩阵，E5为第五特征点位置信息矩阵，E6为第六特征点位置信息矩阵，E7为第七特征点位置信息矩阵，E8为第八特征点位置信息矩阵，E9为第九特征点位置信息矩阵。
4.根据权利要求3所述的培训报道住宿一卡通集成系统，其特征在于，所述中控模块内设有待识别人脸到摄像装置的距离矩阵L0和距离对人脸图像补偿参数矩阵M0；
对于待识别人脸到摄像装置的距离矩阵L0，L0(L1,L2,L3,L4)，其中，L1为第一预设待识别人脸到摄像装置的距离，L2为第二预设待识别人脸到摄像装置的距离，L3为第三预设待识别人脸到摄像装置的距离，L4为第四预设待识别人脸到摄像装置的距离，各距离值按照顺序依次增大；
对于距离对人脸图像补偿参数矩阵M0，M0(M1,M2),其中，M1为第一预设距离对人脸图像补偿参数，M2为第二预设距离对人脸图像补偿参数；
当学员X采用所述报道模块进行报道时，将身份证放置在所述身份证识别装置上，所述身份证识别装置采集学员X身份信息并将采集到的信息传递至所述中控模块，中控模块根据身份信息从数据库中寻找学员X的脸部信息矩阵组E0；所述图像采集装置对采集学员X的实际人脸图像Dz和学员X人脸到摄像装置的距离L并将检测到的信息传递至所述中控模块，人脸图像Dz长为dzx，宽为dzy；
所述中控模块将距离L与待识别人脸到摄像装置的距离矩阵L0内参数进行对比：
当L≤L1时，所述中控模块判定待识别人脸到摄像装置的距离过近并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当L1＜L≤L2时，所述中控模块判定待识别人脸到摄像装置的距离较近，中控模块从距离对人脸图像补偿参数矩阵M0中选取M1作为距离对人脸图像补偿参数；
当L2＜L≤L3时，所述中控模块判定待识别人脸到摄像装置的距离适中，中控模块不对距离进行补偿；
当L3＜L≤L4时，所述中控模块判定待识别人脸到摄像装置的距离较远，中控模块从距离对人脸图像补偿参数矩阵M0中选取M2作为距离对人脸图像补偿参数；
当L＞L4时，所述中控模块判定待识别人脸到摄像装置的距离过远并判定采集的人脸图像Dz不合格，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
当所述中控模块选取Ma作为距离对人脸图像补偿参数时，a＝1，2，中控模块对采集到的人脸图像Dz进行补偿,中控模块将人脸图像Dz图像长调节为dzx’、宽调节为dzy’并生成长为dzx’、宽为dzy’的人脸图像Dz’,其中，当L≤L2时，dzx’＝dzx-[L-(L2+L3)÷2]2×Ma；dzy’＝dzy-[L-(L2+L3)÷2]2×Ma；当L＞L3时，dzx’＝dzx+[L-(L2+L3)÷2]2×Ma；dzy’＝dzy+[L-(L2+L3)÷2]2×Ma。
5.根据权利要求4所述的培训报道住宿一卡通集成系统，其特征在于，所述中控模块将所述人脸图像Dz’投射到所述直角坐标系中，其中，图像Dz’中的鼻尖与坐标系原点重合，图像水平方向为坐标系X轴方向，中控模块提取图像Dz’的特征点生成学员X的脸部信息矩阵组F0(F1,F2,F3,F4,F5,F6,F7,F8,F9),其中，F1为第一特征点位置信息矩阵，F2为第二特征点位置信息矩阵，F3为第三特征点位置信息矩阵，F4为第四特征点位置信息矩阵，F5为第五特征点位置信息矩阵，F6为第六特征点位置信息矩阵，F7为第七特征点位置信息矩阵，F8为第八特征点位置信息矩阵，F9为第九特征点位置信息矩阵；
对于第p特征点位置信息矩阵Fp,Fp(Fpx，Fpy)，其中，Fpx第p特征点X轴位置信息，Fpy第p特征点Y轴位置信息；
当对学员X进行人脸识别时，所述中控模块对人脸图像Dz’与图像D内各特征点进行逐点对比，当对人脸图像Dz’与图像D中第p特征点进行对比时，中控模块计算人脸图像D中第p特征点斜率Epk与第p特征点到原点距离EpL,其中，Epk＝Epy÷Epx，
Figure FDA0002879634630000051
所述中控模块按照上述方法计算图像Dz’的第p特征点斜率Fpk与第p特征点到原点距离FpL；
所述中控模块内设有同一特征点距离差判断值P和同一特征点斜率差判断值Q；
所述中控模块计算距离EpL与距离FpL的距离差ΔP和斜率Epk与斜率Fpk的斜率差ΔQ,其中，ΔP＝∣EpL-FpL∣，ΔQ＝∣Epk-Fpk∣；所述中控模块将距离差ΔP与距离差判断值P进行对比并将斜率差ΔQ与斜率差判断值Q进行对比：
当ΔP≤P且ΔQ≤Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格；
当ΔP＞P或ΔQ＞Q时，所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格。
6.根据权利要求5所述的培训报道住宿一卡通集成系统，其特征在于，所述中控模块内设有重合度评分计算参数矩阵S0(S1,S2,S3,S4),其中，S1为距离差对重合度评分计算参数，S2为斜率差对重合度评分计算参数，S3为X轴坐标偏差对重合度评分计算参数，S4为X轴坐标偏差对重合度评分计算参数；
当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置合格时，中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点重合度评分Rp，Rp＝S1÷(ΔP+1)+S2÷(ΔQ+1)+S3÷(Epx-Fpx+1)2+S4÷(Epy-Fpy+1)2；
所述中控模块内还设有重合度评分矩阵R0(R1,R2),其中，R1为第一预设重合度评分参数，R2为第二预设重合度评分参数，R1＜R2；
当Rp≤R1时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点一级重合；
当R1＜Rp≤R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点二级重合；
当Rp＞R2时，所述中控模块判定中控模块计算人脸图像Dz’的第p特征点与图像D的第p特征点三级重合。
当所述中控模块判定人脸图像Dz’的第p特征点的坐标位置不合格时，中控模块记录不合格点数量并对下一特征点进行坐标位置判断；当所述中控模块记录不合格点数量达到两个时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集。
7.根据权利要求6所述的培训报道住宿一卡通集成系统，其特征在于，当所述中控模块对所有特征点识别完成后，所述中控模块计算一级重合特征点总分W1、二级重合特征点总分W2和三级重合特征点总分W3；
所述中控模块内设有特征点总分对识别总分权重参数矩阵U0和识别通过识别总分标准值Z；
对于特征点总分对识别总分权重参数矩阵U0，U0(U1,U2,U3),其中，U1为一级重合特征点总分对识别总分权重参数，U2为二级重合特征点总分对识别总分权重参数，U3为三级重合特征点总分对识别总分权重参数，各参数数值按照顺序依次增大；
所述中控模块计算识别总分Zz,Zz＝W1×U1+W2×U2+W3×U3，中控模块将识别总分Zz与识别通过识别总分标准值Z进行对比：
当Zz≥Z时，所述中控模块判定学员X识别通过，所述制卡模块通过所述集成设备根据房间分布情况为学员X制作射频卡；
当Zz＜Z时，中控模块判定人脸图像Dz’不通过人脸识别，中控模块控制所述集成设备对学员X进行提示重新进行人脸图像采集；
8.根据权利要求7所述的培训报道住宿一卡通集成系统，其特征在于，当学员X人脸识别连续三次不通过时，所述中控模块判定学员X存在冒名报道风险，禁止学员X继续使用所述集成设备进行报道，学员X需到前台进行人工报道。
9.根据权利要求1所述的培训报道住宿一卡通集成系统，其特征在于，所述中控模块内提前设有培训单位和各单位培训人员基本信息，当学员采用所述报名模块进行报名时，需提前下载培训中心定制培训APP并根据培训APP提示提前进行身份认证，报名模块将学员输入的信息与中控模块内提前设置的信息进行对比：当对比全部通过时，所述中控模块判定报名成功并控制培训APP弹出下一步操作指令；当对比有未通过项时，所述中控模块判定报名失败并控制培训APP返回初始报名页面；当连续三次报名失败，所述中控模块记录报名手机IP并拒绝该IP继续报名，若需恢复该IP报名权限，需集成系统管理人员对记录的IP进行消除。
10.一种培训住宿报道方法，其特征在于，应用于权利要求1-9任一项所述的培训报道住宿一卡通集成系统，包括：
步骤一，学员远程下载APP并根据APP指示完成培训报名；
步骤二，学员前往培训地点入住的酒店，通过集成设备进行人脸识别并根据设备提示制备射频卡；
步骤三，学员完成报道后根据APP指示完成入住与参培。
CN202011639642.8A 2020-12-31 2020-12-31 一种培训报道住宿一卡通集成系统及方法 Active CN112766661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011639642.8A CN112766661B (zh) 2020-12-31 2020-12-31 一种培训报道住宿一卡通集成系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011639642.8A CN112766661B (zh) 2020-12-31 2020-12-31 一种培训报道住宿一卡通集成系统及方法

Publications (2)

Publication Number Publication Date
CN112766661A true CN112766661A (zh) 2021-05-07
CN112766661B CN112766661B (zh) 2023-06-09

Family

ID=75698339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011639642.8A Active CN112766661B (zh) 2020-12-31 2020-12-31 一种培训报道住宿一卡通集成系统及方法

Country Status (1)

Country Link
CN (1) CN112766661B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194833A (zh) * 2017-04-11 2017-09-22 深圳市元征科技股份有限公司 基于人脸识别的酒店管理方法、系统及存储介质
CN107578484A (zh) * 2017-08-30 2018-01-12 南宁进驰科技有限责任公司 一种自助签到入住方法
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
CN108810477A (zh) * 2018-06-27 2018-11-13 江苏源控全程消防有限公司 针对综合视频培训平台远程监控的方法
CN109325885A (zh) * 2018-12-04 2019-02-12 广东电网有限责任公司 一种自助酒店登记系统
CN110570550A (zh) * 2019-07-26 2019-12-13 华中科技大学 一种无人酒店管理认证方法及装置
WO2020117006A1 (ko) * 2018-12-07 2020-06-11 주식회사 포스코아이씨티 Ai 기반의 안면인식시스템
CN111402439A (zh) * 2020-03-12 2020-07-10 郝宏志 一种基于人脸识别的在线培训到课率统计管理方法及系统
CN111985663A (zh) * 2020-07-17 2020-11-24 润海智能科技扬州有限公司 一种智慧酒店系统及入住酒店的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194833A (zh) * 2017-04-11 2017-09-22 深圳市元征科技股份有限公司 基于人脸识别的酒店管理方法、系统及存储介质
CN107578484A (zh) * 2017-08-30 2018-01-12 南宁进驰科技有限责任公司 一种自助签到入住方法
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
CN108810477A (zh) * 2018-06-27 2018-11-13 江苏源控全程消防有限公司 针对综合视频培训平台远程监控的方法
CN109325885A (zh) * 2018-12-04 2019-02-12 广东电网有限责任公司 一种自助酒店登记系统
WO2020117006A1 (ko) * 2018-12-07 2020-06-11 주식회사 포스코아이씨티 Ai 기반의 안면인식시스템
CN110570550A (zh) * 2019-07-26 2019-12-13 华中科技大学 一种无人酒店管理认证方法及装置
CN111402439A (zh) * 2020-03-12 2020-07-10 郝宏志 一种基于人脸识别的在线培训到课率统计管理方法及系统
CN111985663A (zh) * 2020-07-17 2020-11-24 润海智能科技扬州有限公司 一种智慧酒店系统及入住酒店的方法

Also Published As

Publication number Publication date
CN112766661B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN112749413B (zh) 一种基于智慧园区管理的权限验证装置及方法
CN107944838A (zh) 一种智能道闸现场监控系统及方法
Nosofsky et al. Comparing exemplar-retrieval and decision-bound models of speeded perceptual classification
CN110189111A (zh) 考勤方法及装置
CN111538970B (zh) 一种基于智能化物联网的云平台系统
CN107742340B (zh) 一种景区导游设备的自动化管理方法和装置
CN117012352B (zh) 一种基于人脸识别的医患无感同行方法
CN113191591A (zh) 一种电力作业人员现场监测方法
CN103258222A (zh) 小区智能物管系统
CN102222232A (zh) 人脸多阶层快速过滤匹配装置及方法
CN109360305A (zh) 一种基于人脸识别的图示馆管理方法及其系统
CN112766661A (zh) 一种培训报道住宿一卡通集成系统及方法
CN107301516A (zh) 一种电力工作现场安全管理的方法及系统
CN113010987A (zh) 一种基于物联网的架空线路施工进度实时判断方法
CN112801023A (zh) 景区游客识别系统
CN115544267A (zh) 一种基于知识图谱的多次应急处理的仿真动态验证方法
CN109165601A (zh) 基于神经网络的人脸识别方法和装置
CN114783097A (zh) 一种医院防疫管理系统及方法
CN109179105A (zh) 一种电梯生物识别系统
CN113606755A (zh) 基于需求响应的空调管理方法
CN113379369A (zh) 一种基于智慧建筑的全寿命周期的管理系统
CN111783592B (zh) 一种非完整人脸信息结合位置数据的人脸识别方法
CN115631525B (zh) 基于人脸边缘点识别的保险即时匹配方法
CN117575862B (zh) 一个基于知识图谱的学生个性化实训指导方法及系统
CN214410797U (zh) 用于员工健康管理的智能无接触晨检设备

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
GR01 Patent grant
GR01 Patent grant