CN115273185B - 一种基于5g网络的智慧园区管理系统 - Google Patents

一种基于5g网络的智慧园区管理系统 Download PDF

Info

Publication number
CN115273185B
CN115273185B CN202210841055.XA CN202210841055A CN115273185B CN 115273185 B CN115273185 B CN 115273185B CN 202210841055 A CN202210841055 A CN 202210841055A CN 115273185 B CN115273185 B CN 115273185B
Authority
CN
China
Prior art keywords
pixel point
pixel
face image
image
module
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.)
Active
Application number
CN202210841055.XA
Other languages
English (en)
Other versions
CN115273185A (zh
Inventor
付刚
陈健隆
付琳林
方金善
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.)
Guangzhou Zhilian Information Technology Co ltd
Guangzhou Intelligent Computing Information Technology Co ltd
Original Assignee
Guangzhou Zhilian Information Technology Co ltd
Guangzhou Intelligent Computing Information 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 Guangzhou Zhilian Information Technology Co ltd, Guangzhou Intelligent Computing Information Technology Co ltd filed Critical Guangzhou Zhilian Information Technology Co ltd
Priority to CN202210841055.XA priority Critical patent/CN115273185B/zh
Publication of CN115273185A publication Critical patent/CN115273185A/zh
Application granted granted Critical
Publication of CN115273185B publication Critical patent/CN115273185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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
    • G06T2207/30168—Image quality inspection
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于5G网络的智慧园区管理系统，包括拍摄模块、通信模块和识别模块；拍摄模块用于采用差分处理和抽样处理的方式判断脸部图像符合设定的条件；通信模块用于将符合设定的条件的脸部图像发送至识别模块；识别模块用于对通信模块发送过来的脸部图像进行识别处理，获得处理结果。本发明在对待识别人员进行人脸识别时，并不是直接对获得的人脸图像进行识别处理，而是通过计算合格率来对人脸图像的质量进行判断。只对满足合格率的人脸图像进行识别处理。从而避免了对低质量的人脸图像进行人脸识别处理，既避免了浪费运算资源，又避免了待出入人员等待时间过长。

Description

一种基于5G网络的智慧园区管理系统
技术领域
本发明涉及管理领域，尤其涉及一种基于5G网络的智慧园区管理系统。
背景技术
园区管理包括对园区内的公共设施进行维护、对出入进行管理、对园区安全进行管理等。对园区进行出入管理时，会采用刷卡或人脸识别等方式进行管理。当采用人脸识别方式进行管理时，需要先获取人脸图像，然后再根据获得的人脸图像判断相应的人员是否具有出入的权限。现有技术一般是直接对获得的人脸图像进行识别处理，并没有考虑到人脸图像的质量问题。这就使得会出现对质量比较差的图像，例如模糊的人脸图像进行识别后，获得错误的识别结果，然后需要重新执行整个人脸识别的过程，既浪费了运算资源，又增加了待出入人员等待的时间的问题。
发明内容
本发明的目的在于公开一种基于5G网络的智慧园区管理系统，解决现有技术中，园区出入管理时，直接对获得的人脸图像进行识别处理，容易出现浪费运算资源，增加出入人员等待时间的问题。
为了达到上述目的，本发明采用如下技术方案：
一种基于5G网络的智慧园区管理系统，包括拍摄模块、通信模块和识别模块；
拍摄模块包括摄像头单元、存储单元和边缘处理单元；
摄像头单元用于获取待识别人员的脸部图像；
存储单元用于存储背景图像；
边缘处理单元用于采用如下方式判断脸部图像是否符合设定的条件：
对脸部图像和背景图像进行差分处理，获得差分图像；
获取差分图像中像素值大于设定的像素值阈值的像素点的集合Q；
获取集合Q中的像素点在脸部图像中对应的像素点的集合R；
对集合R中的像素点进行均匀抽样处理，将获得的像素点存入集合S；
计算集合S中的像素点的合格率；
若合格率大于设定的合格率阈值，则表示脸部图像符合设定的条件，若合格率小于等于设定的合格率阈值，则表示脸部图像不符合设定的条件；
边缘处理单元还用于将符合设定的条件的脸部图像传输至通信模块；
通信模块用于将边缘处理模块传输过来的脸部图像发送至识别模块；
识别模块用于对通信模块发送过来的脸部图像进行识别处理，获得处理结果。
优选地，所述识别模块还用于将所述处理结果发送至所述通信模块。
优选地，基于5G网络的园区管理系统还包括显示模块，
所述通信模块用于将所述处理结果发送至显示模块；
显示模块用于显示通信模块发送过来的处理结果。
优选地，基于5G网络的园区管理系统还包括控制模块，控制模块用于在识别结果为待识别人员具有出入权限时，打开设置在园区门口的闸门。
优选地，所述背景图像为不包含待识别人员的图像。
优选地，所述待识别人员包括进入园区的人员或离开园区的人员。
优选地，所述对脸部图像和背景图像进行差分处理，获得差分图像，包括：
使用如下公式获取差分图像：
difima(x,y)＝|facima(x,y)-bacima(x,y)
式中，difima表示差分图像，(x,y)表示像素点的坐标，difima(x,y)表示在difima中坐标为(x,y)的像素点的像素值，facima表示对脸部图像进行灰度化处理获得的灰度图像，facima(x,y)表示在facima中坐标为(x,y)的像素点的像素值，bacima表示对背景图像进行灰度化处理获得的灰度图像，bacima(x,y)表示在bacima中坐标为(x,y)的像素点的像素值。
优选地，所述对集合R中的像素点进行均匀抽样处理，包括：
对脸部图像进行分区处理，将脸部图像分成大小相同的多个子图像；
若子图像中只存在一个属于集合R中的像素点，则将该像素点存入集合S；
若子图像中属于集合R中的像素点的数量大于等于2，则随机选择一个像素点存入集合S。
优选地，所述计算集合S中的像素点的合格率，包括：
对于集合S中的像素点d，采用如下公式计算像素点d的质量指数：
Figure BDA0003750415140000021
式中，fuzindd表示像素点d的质量指数，setd表示以像素点d为圆心的，半径为R的范围内的像素点的集合，nfsetd表示setd中包含的元素的总数；
采用如下公式计算集合S中的像素点的合格率：
Figure BDA0003750415140000031
式中，pasrat表示合格率，nfS表示集合S中包含的像素点的总数，ratd表示集合S中的像素点d的标志参数，若像素点d的质量指数大于设定的质量系数阈值，则像素点d的标志参数的值为1，若像素点d的质量指数小于等于设定的质量系数阈值，则像素点d的标志参数的值为0。
优选地，所述通信模块包括5G通信网络。
本发明在对待识别人员进行人脸识别时，并不是直接对获得的人脸图像进行识别处理，而是通过计算合格率来对人脸图像的质量进行判断。只对满足合格率的人脸图像进行识别处理。从而避免了对低质量的人脸图像进行人脸识别处理，既避免了浪费运算资源，又避免了待出入人员等待时间过长。
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5G网络的智慧园区管理系统的一种示例性实施例图。
图2，为本发明获取通信模块发送过来的脸部图像中包含的特征信息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。
如图1所示的一种实施例，本发明提供了一种基于5G网络的智慧园区管理系统，包括拍摄模块、通信模块和识别模块；
拍摄模块包括摄像头单元、存储单元和边缘处理单元；
摄像头单元用于获取待识别人员的脸部图像；
存储单元用于存储背景图像；
边缘处理单元用于采用如下方式判断脸部图像是否符合设定的条件：
对脸部图像和背景图像进行差分处理，获得差分图像；
获取差分图像中像素值大于设定的像素值阈值的像素点的集合Q；
获取集合Q中的像素点在脸部图像中对应的像素点的集合R；
对集合R中的像素点进行均匀抽样处理，将获得的像素点存入集合S；
计算集合S中的像素点的合格率；
若合格率大于设定的合格率阈值，则表示脸部图像符合设定的条件，若合格率小于等于设定的合格率阈值，则表示脸部图像不符合设定的条件；
边缘处理单元还用于将符合设定的条件的脸部图像传输至通信模块；
通信模块用于将边缘处理模块传输过来的脸部图像发送至识别模块；
识别模块用于对通信模块发送过来的脸部图像进行识别处理，获得处理结果。
本发明在对待识别人员进行人脸识别时，并不是直接对获得的人脸图像进行识别处理，而是通过计算合格率来对人脸图像的质量进行判断。只对满足合格率的人脸图像进行识别处理。从而避免了对低质量的人脸图像进行人脸识别处理，既避免了浪费运算资源，又避免了待出入人员等待时间过长。
优选地，所述识别模块还用于将所述处理结果发送至所述通信模块。
优选地，基于5G网络的园区管理系统还包括显示模块，
所述通信模块用于将所述处理结果发送至显示模块；
显示模块用于显示通信模块发送过来的处理结果。
具体的，显示模块设置在园区出入口，用于显示人脸识别的处理结果。
优选地，基于5G网络的园区管理系统还包括控制模块，控制模块用于在识别结果为待识别人员具有出入权限时，打开设置在园区门口的闸门。
具体的，若识别结果为待识别人员不具有出入权限，则通过所述显示模块对该人员进行文字提示。
优选地，所述背景图像为不包含待识别人员的图像。
背景图像在由摄像头单元在出入口的闸门处没有人员的时候拍摄。
优选地，所述待识别人员包括进入园区的人员或离开园区的人员。
优选地，所述对脸部图像和背景图像进行差分处理，获得差分图像，包括：
使用如下公式获取差分图像：
difima(x,y)＝|facima(x,y)-bacima(x,y)|
式中，difima表示差分图像，(x,y)表示像素点的坐标，difima(x,y)表示在difima中坐标为(x,y)的像素点的像素值，facima表示对脸部图像进行灰度化处理获得的灰度图像，facima(x,y)表示在facima中坐标为(x,y)的像素点的像素值，bacima表示对背景图像进行灰度化处理获得的灰度图像，bacima(x,y)表示在bacima中坐标为(x,y)的像素点的像素值。
通过获取差分图像，能够选出脸部图像中相较于背景图像出现像素值变化的像素点，从而大幅度减少了进行合格率计算的过程中需要进行计算的像素点的数量，有效提高了判断脸部图像是否符合设定的条件的效率。从而提高了本发明的园区管理系统的使用体验。
优选地，所述对集合R中的像素点进行均匀抽样处理，包括：
对脸部图像进行分区处理，将脸部图像分成大小相同的多个子图像；
若子图像中只存在一个属于集合R中的像素点，则将该像素点存入集合S；
若子图像中属于集合R中的像素点的数量大于等于2，则随机选择一个像素点存入集合S。
在本发明中，抽样处理主要的思路是分别从每个子图像中获取一个像素点，然后基于获得的像素点计算合格率。均匀抽样处理在能够在保持随机的同时避免获得同样属于背景或同样属于前景的像素点，有利于提高合格率的准确性。因为如果全都是背景像素点，在拍摄过程中，可能会因为对焦导致背景部分像素点之间的像素值差异比较小，进而计算得到的质量系数也比较小，从而容易出现对脸部图像是否符合设定的条件的错误判断。其次，均匀抽样能够进一步减少进入到合格率计算环节的像素点的数量，进一步提高判断脸部图像是否符合设定的条件的效率。
优选地，所述计算集合S中的像素点的合格率，包括：
对于集合S中的像素点d，采用如下公式计算像素点d的质量指数：
Figure BDA0003750415140000051
式中，fuzindd表示像素点d的质量指数，setd表示以像素点d为圆心的，半径为R的范围内的像素点的集合，nfsetd表示setd中包含的元素的总数；
采用如下公式计算集合S中的像素点的合格率：
Figure BDA0003750415140000052
式中，pasrat表示合格率，nfS表示集合S中包含的像素点的总数，ratd表示集合S中的像素点d的标志参数，若像素点d的质量指数大于设定的质量系数阈值，则像素点d的标志参数的值为1，若像素点d的质量指数小于等于设定的质量系数阈值，则像素点d的标志参数的值为0。
本发明在计算质量指数时，采用了计算像素点之间的方差的方式来获得计算结果。方差越大，质量系数越大，表示图像清晰的可能性越大。
优选地，所述通信模块包括5G通信网络。
优选地，所述识别模块包括存储单元、特征提取单元、对比单元和通信单元；
存储单元用于存储具有出入权限的人员的脸部的特征信息；
通信单元用于接收通信模块发送过来的脸部图像；
特征提取单元用于获取通信模块发送过来的脸部图像中包含的特征信息；
对比单元用于将特征提取单元获取的特征信息与存储单元中存储的具有出入权限的人员的脸部的特征信息逐一进行对比，判断存储单元中是否存在与特征提取单元获取的特征信息之间相似度大于设定的相似度阈值的特征信息，若存在，则处理结果为待识别人员具有出入权限，若不存在，则处理结果为待识别人员不具有出入权限；
通信单元还用于将所述处理结果发送至所述通信模块。
优选地，如图2所示，所述获取通信模块发送过来的脸部图像中包含的特征信息，包括：
对通信模块发送过来的脸部图像进行灰度化处理，获得灰度图像；
对灰度图像进行降噪处理，获得降噪图像；
对降噪图像进行图像分割处理，获得前景图像；
使用改进的LBP特征提取算法对前景图像进行特征提取，获得特征信息。
进行降噪处理，能够降低噪声对特征信息的结果的影响，提高特征信息的准确率。
优选地，所述对降噪图像进行图像分割处理，获得前景图像，包括：
使用otsu算法等图像分割算法将降噪图像中的像素点分成前景像素点和背景像素点，由前景像素点组成前景图像。
优选地，所述使用改进的LBP特征提取算法对前景图像进行特征提取，获得特征信息，包括：
对前景图像进行分区处理，获得多个小区域；
获取每个小区域的LBP值的直方图；
对LBP值的直方图进行归一化处理，获得统计直方图；
将所有小区域的统计直方图进行连接，获得特征信息。
优选地，所述获取每个小区域的LBP值的直方图，包括：
分别计算小区域中每个像素点的LBP值：
对于像素点K，将像素点K以及像素点K的8邻域的像素点用如下矩阵neiset进行表示：
Figure BDA0003750415140000071
其中，nei表示像素点K的8邻域中的第i个像素点；i∈[1,8]；
将像素点K的像素值分别与8邻域中的每个像素点的像素值进行求和，获得像素值矩阵valset：
Figure BDA0003750415140000072
其中，Gi表示像素点K的8邻域中的第i个像素点nei的像素值，GK表示像素点K的像素值；
采用如下公式计算像素点K的LBP值：
Figure BDA0003750415140000073
式中，valK表示像素点K的LBP值，Ω(aGK,Gi)表示判断函数值，Ω(aGK,Gi)＝aGK-Gi；aGK表示像素点K的加权优化值：
Figure BDA0003750415140000074
式中，distac(neii,K)表示像素点K和像素点nei之间的距离，λ表示预设的距离标准值，Φ表示像素点K的8邻域的像素点以及像素点K在像素值上的方差；
若Ω(aGK,Gi)大于设定的自适应阈值δ，则Ω(aGK,Gi)的值为1，若Ω(aGK,Gi)小于等于自适应阈值δ，则Ω(aGK,Gi)的值为0；
对小区域内的所有LBP值进行统计，获得小区域的LBP值的直方图。
本发明在采用LBP算法获取特征信息的过程中，进行了改进，原有的LBP算法是直接根据当前进行计算的像素点与邻域的像素点的像素值之间的大小关系来计算LBP值。而本发明是将8邻域中的像素点与当前进行计算的像素点的加权优化值进行比较，再根据比较结果获取特征信息。这样的设置方式，能够进一步降低图像中的噪声对LBP算法获得的特征信息的准确率的影响。因为在图像降噪的过程中，可能会有部分的像素点经过降噪后，像素值依然比周围的像素点都显著偏大，直接采用这样的像素点的像素值进行对比的话，会获得错误的特征信息。而本发明则，从像素值的差异和空间距离的差异两方面进行加权获得加权优化值，能够很好地避免这个问题。
优选地，所述自适应阈值δ通过如下方式进行计算：
Figure BDA0003750415140000081
式中，α、β表示权重参数，stThr表示预设的基准阈值，numofnoi表示像素点K的8邻域中的噪声像素点的总数，Ψ表示调节参数。
通过设置自适应阈值，进一步提高了获得的LBP值的准确性。8邻域中的噪声像素点的比例越高，表示当前区域的像素点的分布越不规律，从而使得自适应阈值越大，提高了像素值差异的判断标准，进一步降低了噪声的影响，进而提高LBP值的准确性。
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。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (10)

1.一种基于5G网络的智慧园区管理系统，其特征在于，包括拍摄模块、通信模块和识别模块；
拍摄模块包括摄像头单元、存储单元和边缘处理单元；
摄像头单元用于获取待识别人员的脸部图像；
存储单元用于存储背景图像；
边缘处理单元用于采用如下方式判断脸部图像是否符合设定的条件：
对脸部图像和背景图像进行差分处理，获得差分图像；
获取差分图像中像素值大于设定的像素值阈值的像素点的集合Q；
获取集合Q中的像素点在脸部图像中对应的像素点的集合R；
对集合R中的像素点进行均匀抽样处理，将获得的像素点存入集合S；
计算集合S中的像素点的合格率；
若合格率大于设定的合格率阈值，则表示脸部图像符合设定的条件，若合格率小于等于设定的合格率阈值，则表示脸部图像不符合设定的条件；
边缘处理单元还用于将符合设定的条件的脸部图像传输至通信模块；
通信模块用于将边缘处理模块传输过来的脸部图像发送至识别模块；
识别模块用于对通信模块发送过来的脸部图像进行识别处理，获得处理结果；
所述计算集合S中的像素点的合格率，包括：
对于集合S中的像素点d，采用如下公式计算像素点d的质量指数：
式中，fuzindd表示像素点d的质量指数，setd表示以像素点d为圆心的，半径为R的范围内的像素点的集合，nfsetd表示setd中包含的元素的总数；
采用如下公式计算集合S中的像素点的合格率：
式中，pasrat表示合格率，nfS表示集合S中包含的像素点的总数，ratd表示集合S中的像素点d的标志参数，若像素点d的质量指数大于设定的质量系数阈值，则像素点d的标志参数的值为1，若像素点d的质量指数小于等于设定的质量系数阈值，则像素点d的标志参数的值为0。
2.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述识别模块还用于将所述处理结果发送至所述通信模块。
3.根据权利要求2所述的一种基于5G网络的智慧园区管理系统，其特征在于，还包括显示模块，
所述通信模块用于将所述处理结果发送至显示模块；
显示模块用于显示通信模块发送过来的处理结果。
4.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，还包括控制模块，控制模块用于在识别结果为待识别人员具有出入权限时，打开设置在园区门口的闸门。
5.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述背景图像为不包含待识别人员的图像。
6.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述待识别人员包括进入园区的人员或离开园区的人员。
7.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述对脸部图像和背景图像进行差分处理，获得差分图像，包括：
使用如下公式获取差分图像：
difima(x，y)＝|facima(x，y)-bacima(x，y)|
式中，difima表示差分图像，(x，y)表示像素点的坐标，difima(x，y)表示在difima中坐标为(x，y)的像素点的像素值，facima表示对脸部图像进行灰度化处理获得的灰度图像，facima(x，y)表示在facima中坐标为(x，y)的像素点的像素值，bacima表示对背景图像进行灰度化处理获得的灰度图像，bacima(x，y)表示在bacima中坐标为(x，y)的像素点的像素值。
8.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述对集合R中的像素点进行均匀抽样处理，包括：
对脸部图像进行分区处理，将脸部图像分成大小相同的多个子图像；
若子图像中只存在一个属于集合R中的像素点，则将该像素点存入集合S；
若子图像中属于集合R中的像素点的数量大于等于2，则随机选择一个像素点存入集合S。
9.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述计算集合S中的像素点的合格率，包括：
对于集合S中的像素点d，采用如下公式计算像素点d的质量指数：
式中，fuzindd表示像素点d的质量指数，setd表示以像素点d为圆心的，半径为R的范围内的像素点的集合，nfsetd表示setd中包含的元素的总数；
采用如下公式计算集合S中的像素点的合格率：
式中，pasrat表示合格率，nfS表示集合S中包含的像素点的总数，ratd表示集合S中的像素点d的标志参数，若像素点d的质量指数大于设定的质量系数阈值，则像素点d的标志参数的值为1，若像素点d的质量指数小于等于设定的质量系数阈值，则像素点d的标志参数的值为0。
10.根据权利要求1所述的一种基于5G网络的智慧园区管理系统，其特征在于，所述通信模块包括5G通信网络。
CN202210841055.XA 2022-07-18 2022-07-18 一种基于5g网络的智慧园区管理系统 Active CN115273185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210841055.XA CN115273185B (zh) 2022-07-18 2022-07-18 一种基于5g网络的智慧园区管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210841055.XA CN115273185B (zh) 2022-07-18 2022-07-18 一种基于5g网络的智慧园区管理系统

Publications (2)

Publication Number Publication Date
CN115273185A CN115273185A (zh) 2022-11-01
CN115273185B true CN115273185B (zh) 2023-04-14

Family

ID=83767801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210841055.XA Active CN115273185B (zh) 2022-07-18 2022-07-18 一种基于5g网络的智慧园区管理系统

Country Status (1)

Country Link
CN (1) CN115273185B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10262190B2 (en) * 2015-03-26 2019-04-16 Beijing Kuangshi Technology Co., Ltd. Method, system, and computer program product for recognizing face
CN106598916A (zh) * 2016-11-16 2017-04-26 东华大学 一种基于均匀抽样的二阶差分聚类数确定方法
KR101954763B1 (ko) * 2017-09-04 2019-03-06 동국대학교 산학협력단 얼굴 인식 출입 통제 장치 및 이의 동작 방법
CN111898408B (zh) * 2020-06-09 2023-09-19 广州杰赛科技股份有限公司 一种快速人脸识别方法及装置
CN112396016B (zh) * 2020-11-26 2021-07-23 武汉宏数信息技术有限责任公司 一种基于大数据技术的人脸识别系统

Also Published As

Publication number Publication date
CN115273185A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
US11263434B2 (en) Fast side-face interference resistant face detection method
CN105913002B (zh) 视频场景下在线自适应的异常事件检测方法
CN112132206A (zh) 图像识别方法及相关模型的训练方法及相关装置、设备
CN112150692A (zh) 一种基于人工智能的门禁控制方法及系统
CN114582003B (zh) 一种基于云计算服务的睡眠健康管理系统
CN116228804A (zh) 一种基于图像分割的矿产资源识别方法
EP2497052A1 (en) Method for illumination normalization on a digital image for performing face recognition
CN113052726B (zh) 一种基于云计算的智慧社区物业服务系统
CN117115117B (zh) 基于小样本下的病理图像识别方法、电子设备及存储介质
CN115273185B (zh) 一种基于5g网络的智慧园区管理系统
CN111199228B (zh) 一种车牌定位的方法及装置
CN117314793A (zh) 基于bim模型的建筑施工数据采集方法
CN116092170A (zh) 一种基于大数据技术的专利价值分析系统
CN112733652A (zh) 图像目标识别方法、装置、计算机设备及可读存储介质
CN115115622B (zh) 一种冲压端子视觉检测装置
CN115019376B (zh) 一种基于云服务的电力信息管理系统
CN110633705A (zh) 一种低照度成像车牌识别方法及装置
CN114627434B (zh) 一种基于大数据的汽车销售展厅客流识别系统
CN113313124B (zh) 基于图像分割算法识别车牌号码的方法、装置和终端设备
CN112070956A (zh) 一种基于人脸图像的身份识别系统
CN112818728B (zh) 年龄识别的方法及相关产品
CN114549884A (zh) 一种异常图像检测方法、装置、设备及介质
CN112532938A (zh) 一种基于大数据技术的视频监控系统
CN111986176A (zh) 一种裂纹图像识别方法、系统、终端及可读存储介质
CN112085683A (zh) 一种显著性检测中的深度图可信度检测方法

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