CN115759517A - 基于生物识别的酒店入住系统 - Google Patents

Abstract

本发明公开了基于生物识别的酒店入住系统，包括自助一体机、云平台和智能门锁，位于酒店的所述自助一体机的酒店管理系统获取客户的订单信息，所述自助一体机在通过身份证认证客户身份信息后，酒店管理系统对当前客户分配相应的房间，然后通过摄像头采集客户的生物识别数据并且将生物识别数据传输到所述云平台。本发明公开的基于生物识别的酒店入住系统，其首先通过自助一体机将客户的生物特征下发到对应房间的智能门锁，然后客户只需在智能门锁前进行当场生物识别比对，比对成功即可开锁，其具有无卡化、智能化和操作方便等优点。

Description

基于生物识别的酒店入住系统

技术领域

本发明属于酒店入住管理技术领域，具体涉及一种基于生物识别的酒店入住系统。

背景技术

传统酒店入住系统采用的是人工登记及制作房卡给客人开门的方式，办理时间较长且需要人员成本，为了降低酒店运营成本并减少人与人之间的接触，行业中出现使用自助入住机的解决方案，方案为使用入住机替代部分酒店前台人员，旅客可持身份在入住机上办理订房、入住、付费、身份识别、付费、制作房卡等操作。

传统自助入住机任然依托于传统房卡系统，所以存在以下缺点：

(1)房卡作为耗材依然是成本浪费，且不环保；

(2)房卡在进出客房时需客人随身携带，容易遗失；

(3)归还房卡依然需要人工处理，并无法做到最大程度的酒店前台人员成本节省。

因此，针对上述问题和缺点，予以进一步改进。

发明内容

本发明的主要目的在于提供一种基于生物识别的酒店入住系统，其首先通过自助一体机将客户的生物特征下发到对应房间的智能门锁，然后客户只需在智能门锁前进行当场生物识别比对，比对成功即可开锁，其具有无卡化、智能化和操作方便等优点。

为达到以上目的，本发明提供一种基于生物识别的酒店入住系统，包括自助一体机、云平台和智能门锁，其中：

位于酒店的所述自助一体机的酒店管理系统(软件系统)获取客户的订单信息(客户在来酒店之前一般都会在第三方软件上或者直接来酒店前台进行订购房间(房间类型，例如双人房)，然后生成的订单信息传输到酒店管理系统)；

所述自助一体机在通过身份证认证客户身份信息后(客户来酒店入住时需要身份认证)，酒店管理系统对当前客户分配相应的房间(具体到房间号，并且为客户打印房间信息小票)，然后通过(RGB)摄像头采集客户的生物识别数据并且将生物识别数据传输到所述云平台；

所述云平台将获取的生物识别数据进行特征值算法处理，从而将生物识别数据转换为实际特征值数据并且通过互联网将实际特征值数据下发到相应的房间的所述智能门锁；

所述智能门锁下载实际特征值数据后注册存储到识别模块，并且当客户位于所述识别模块的识别区域时，所述识别模块采集客户的生物识别数据并且转换为当前特征值数据，将当前特征值数据与实际特征值数据进行比对，如果比对成功则进行开锁，否则不开锁。

作为上述技术方案的进一步优选的技术方案，云平台的特征值算法处理具体实施为：

将生物识别数据的RGB图片转为灰度图片并且对灰度图片进行图像处理，从而根据需求对图片进行包括大小调整、裁剪、模糊和锐化的处理；

将处理后的图片进行分割，用于轮廓检测或者分割单个图片中的对个对象，以便分类器快速检测到图片中的对象和人脸；

将分割后的图片进行特征算法处理，以对图片中的物体进行特征选择和特征提取，从而将生物识别数据转换为实际特征值数据。

作为上述技术方案的进一步优选的技术方案，RGB图片转为灰度图片具体实施为：

先将图片的RGB颜色空间转为LAB颜色空间，然后在LAB颜色空间中去色，使得A、B均为零，从而生成一个RGB等值的灰阶(L)，最后根据该灰阶向灰度空间转换，从而转为灰度图片。

作为上述技术方案的进一步优选的技术方案，设RGB颜色空间的灰度系数为GAMMA1并且灰度空间的灰度系数为GAMMA2，从而获得在RBG颜色空间中相对于GAMMA1的灰度K1和(转换到灰度空间后)在灰度空间中相对于GAMMA2的灰度K2，灰度K1、灰度K2和灰阶L的关系为：

K1＝1-L/255

K2＝K1^(GAMMA1/GAMMA2)＝1-(L/255)^(GAMMA1/GAMMA2)。

作为上述技术方案的进一步优选的技术方案，特征选择和特征提取具体实施为：

a.对灰度图片的图像序列的第k帧及之前n-1帧，共n帧灰度图像各自进行图像滤波，得到n个滤波图像；

b.对n个滤波图像进行特征提取。

作为上述技术方案的进一步优选的技术方案，步骤a中，进行图像滤波的方法为：

a1：对于n帧灰度图像中的坐标为(x0,y0)的像素，以(x0,y0)为中心，选择其周边j×j大小的邻域作为处理范围，j为奇数，该范围记为ω，求取ω内所有像素的原始灰度值的均值，然后将该均值赋值给(x0,y0)，作为(x0,y0)的新的灰度值，(x0,y0)代表的像素为n帧灰度图像中的任一像素；

a2：对于n帧灰度图像中的任一帧图像的最外圈像素来说，首先需要在最外圈像素的外侧补充宽度为(j-1)/2的灰度值为0的像素，然后按步骤a1所述的方法进行(x0,y0)灰度值的重新赋值。

作为上述技术方案的进一步优选的技术方案，在步骤b中，对滤波图像进行特征提取时，对n个滤波图像进行时域上的特征提取，形成时域特征图，时域特征图包括时域方差特征图、时域峰度特征图和时域斜度特征图；

在步骤b中，对滤波图像进行特征提取时，还对第k帧图像进行空域上的梯度特征提取，得到空域梯度特征图。

作为上述技术方案的进一步优选的技术方案，时域方差特征图用于表征同一个像素(x0,y0)在当前帧，即第k帧，及之前n-1帧的灰度图像序列中的方差特征，得到时域方差特征图的步骤如下：

记第k-n+1帧开始至k的共n帧灰度图像序列中的同一像素(x0,y0)的灰度值为fk-n+1(x0,y0)、fk-n+2(x0,y0)、......、fk(x0,y0)；

求取(x0,y0)在n帧灰度图像序列中的灰度平均值e(x0,y0)；

根据e(x0,y0)求取方差d(x0,y0)；

将d(x0,y0)作为时域方差特征图中的(x0,y0)的值，从而得到所有像素在灰度图像序列中的方差特征组成的时域方差特征图。

本发明的有益效果为：

(1)环保，无类似房卡的耗材。

(2)无需携带房卡，客人出入体验更佳。

(3)入住退房流程实现完全无人服务，最大限度节省前台接待人员成本。

(4)人脸特征值转化算法集成于云平台，前端自助一体机可使用通用RGB摄像头，使得系统可兼容市面所有类型自助入住机。

(5)使用人脸特征值通过网络下发门锁，是传统人脸图片下发数据量的1/20～1/40，有效的节约下载时间从而下降门锁功耗。

附图说明

图1是本发明的基于生物识别的酒店入住系统的示意图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

在本发明的优选实施例中，本领域技术人员应注意，本发明所涉及的订单信息和酒店等可被视为现有技术。

优选实施例。

本发明公开了一种基于生物识别的酒店入住系统，包括自助一体机、云平台和智能门锁，其中：

位于酒店的所述自助一体机的酒店管理系统(软件系统)获取客户的订单信息(客户在来酒店之前一般都会在第三方软件上或者直接来酒店前台进行订购房间(房间类型，例如双人房)，然后生成的订单信息传输到酒店管理系统)；

所述自助一体机在通过身份证认证客户身份信息后(客户来酒店入住时需要身份认证)，酒店管理系统对当前客户分配相应的房间(具体到房间号，并且为客户打印房间信息小票)，然后通过(RGB)摄像头采集客户的生物识别数据并且将生物识别数据传输到所述云平台；

所述云平台将获取的生物识别数据进行特征值算法处理，从而将生物识别数据转换为实际特征值数据(数据大小只有原始数据的几十分之一，便于存储)并且通过互联网将实际特征值数据下发到相应的房间的所述智能门锁；

所述智能门锁下载实际特征值数据后注册存储到识别模块，并且当客户位于所述识别模块的识别区域时，所述识别模块采集客户的生物识别数据并且转换为当前特征值数据，将当前特征值数据与实际特征值数据进行比对，如果比对成功则进行开锁，否则不开锁。

具体的是，云平台的特征值算法处理具体实施为：

将生物识别数据的RGB图片转为灰度图片并且对灰度图片进行图像处理，从而根据需求对图片进行包括大小调整、裁剪、模糊和锐化的处理；

将处理后的图片进行分割，用于轮廓检测或者分割单个图片中的对个对象，以便分类器快速检测到图片中的对象和人脸；

将分割后的图片进行特征算法处理，以对图片中的物体进行特征选择和特征提取，从而将生物识别数据转换为实际特征值数据。

值得一提的是，特征算法优选为Haar-Like特征算法，该算法用于查找帧或图像中人脸的位置。所有的人脸都具有人脸的一些普遍特性，例如眼睛区域比其相邻像素更暗，鼻子区域比眼睛区域更亮；

Haar-Like特征算法也用于对图像中的物体进行特征选择或特征提取，借助边缘检测、线检测、中心检测来检测图片中的眼睛、鼻子、嘴巴等，它用于选择图像中的基本特征并提取这些特征进行人脸检测。

更具体的是，RGB图片转为灰度图片具体实施为：

先将图片的RGB颜色空间转为LAB颜色空间，然后在LAB颜色空间中去色，使得A、B均为零，从而生成一个RGB等值的灰阶(L)，最后根据该灰阶向灰度空间转换，从而转为灰度图片。

优选地，对于灰阶的计算为：

不同的RGB空间，灰阶的计算公式有所不同，本算法中使用的RGB空间的计算灰阶的公式如下：

1、简化sRGB IEC61966-2.1[gamma＝2.20]

Gray＝(R^2.2*0.2126+G^2.2*0.7152+B^2.2*0.0722)^(1/2.2)

2、Adobe RGB(1998)[gamma＝2.20]

Gray＝(R^2.2*0.2973+G^2.2*0.6274+B^2.2*0.0753)^(1/2.2)

3、Apple RGB[gamma＝1.80]

Gray＝(R^1.8*0.2446+G^1.8*0.6720+B^1.8*0.0833)^(1/1.8)

4、ColorMatch RGB[gamma＝1.8]

Gray＝(R^1.8*0.2750+G^1.8*0.6581+B^1.8*0.0670)^(1/1.8)

5、简化KODAK DC Series Digital Camera[gamma＝2.2]

Gray＝(R^2.2*0.2229+G^2.2*0.7175+B^2.2*0.0595)^(1/2.2)。

进一步的是，由于RGB空间与灰度空间都有其相互独立的灰度系数(即GAMMA，设RGB空间的GAMMA为GAMMA1，灰度空间的GAMMA为GAMMA2)，设RGB颜色空间的灰度系数为GAMMA1并且灰度空间的灰度系数为GAMMA2，从而获得在RBG颜色空间中相对于GAMMA1的灰度K1和(转换到灰度空间后)在灰度空间中相对于GAMMA2的灰度K2((K2实际上就是经过GAMMA转换后的灰度))，灰度K1、灰度K2和灰阶L的关系为：

K1＝1-L/255

K2＝K1^(GAMMA1/GAMMA2)＝1-(L/255)^(GAMMA1/GAMMA2)。

更进一步的是，特征选择和特征提取具体实施为：

a.对灰度图片的图像序列的第k帧及之前n-1帧，共n帧灰度图像各自进行图像滤波，得到n个滤波图像；

b.对n个滤波图像进行特征提取。

优选地，步骤a中，进行图像滤波的方法为：

a1：对于n帧灰度图像中的坐标为(x0,y0)的像素，以(x0,y0)为中心，选择其周边j×j大小的邻域作为处理范围，j为奇数，该范围记为ω，求取ω内所有像素的原始灰度值的均值，然后将该均值赋值给(x0,y0)，作为(x0,y0)的新的灰度值，(x0,y0)代表的像素为n帧灰度图像中的任一像素；

a2：对于n帧灰度图像中的任一帧图像的最外圈像素来说，首先需要在最外圈像素的外侧补充宽度为(j-1)/2的灰度值为0的像素，然后按步骤a1所述的方法进行(x0,y0)灰度值的重新赋值。

进一步地，所述的邻域大小为3×3或5×5或7×7或9×9。

优选地，在步骤b中，对滤波图像进行特征提取时，对n个滤波图像进行时域上的特征提取，形成时域特征图，时域特征图包括时域方差特征图、时域峰度特征图和时域斜度特征图；

在步骤b中，对滤波图像进行特征提取时，还对第k帧图像进行空域上的梯度特征提取，得到空域梯度特征图。

优选地，时域方差特征图用于表征同一个像素(x0,y0)在当前帧，即第k帧，及之前n-1帧的灰度图像序列中的方差特征，得到时域方差特征图的步骤如下：

记第k-n+1帧开始至k的共n帧灰度图像序列中的同一像素(x0,y0)的灰度值为fk-n+1(x0,y0)、fk-n+2(x0,y0)、......、fk(x0,y0)；

求取(x0,y0)在n帧灰度图像序列中的灰度平均值e(x0,y0)；

根据e(x0,y0)求取方差d(x0,y0)；

将d(x0,y0)作为时域方差特征图中的(x0,y0)的值，从而得到所有像素在灰度图像序列中的方差特征组成的时域方差特征图。

值得一提的是，智能门锁的识别模块包括摄像头和人体红外识别单元，只有通过人体红外识别单元识别到智能门锁前有人体时，才通过摄像头进行数据采集，并且在智能门锁中，获取当前拍摄的图片的特征值数据与云平台的算法相同。

值得一提的是，本发明专利申请涉及的订单信息和酒店等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。

对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

Claims (8)

1.一种基于生物识别的酒店入住系统，其特征在于，包括自助一体机、云平台和智能门锁，其中：

位于酒店的所述自助一体机的酒店管理系统获取客户的订单信息；

所述自助一体机在通过身份证认证客户身份信息后，酒店管理系统对当前客户分配相应的房间，然后通过摄像头采集客户的生物识别数据并且将生物识别数据传输到所述云平台；

所述云平台将获取的生物识别数据进行特征值算法处理，从而将生物识别数据转换为实际特征值数据并且通过互联网将实际特征值数据下发到相应的房间的所述智能门锁；

所述智能门锁下载实际特征值数据后注册存储到识别模块，并且当客户位于所述识别模块的识别区域时，所述识别模块采集客户的生物识别数据并且转换为当前特征值数据，将当前特征值数据与实际特征值数据进行比对，如果比对成功则进行开锁，否则不开锁。

2.根据权利要求1所述的一种基于生物识别的酒店入住系统，其特征在于，云平台的特征值算法处理具体实施为：

将生物识别数据的RGB图片转为灰度图片并且对灰度图片进行图像处理，从而根据需求对图片进行包括大小调整、裁剪、模糊和锐化的处理；

将处理后的图片进行分割，用于轮廓检测或者分割单个图片中的对个对象，以便分类器快速检测到图片中的对象和人脸；

将分割后的图片进行特征算法处理，以对图片中的物体进行特征选择和特征提取，从而将生物识别数据转换为实际特征值数据。

3.根据权利要求2所述的一种基于生物识别的酒店入住系统，其特征在于，RGB图片转为灰度图片具体实施为：

先将图片的RGB颜色空间转为LAB颜色空间，然后在LAB颜色空间中去色，使得A、B均为零，从而生成一个RGB等值的灰阶，最后根据该灰阶向灰度空间转换，从而转为灰度图片。

4.根据权利要求3所述的一种基于生物识别的酒店入住系统，其特征在于，设RGB颜色空间的灰度系数为GAMMA1并且灰度空间的灰度系数为GAMMA2，从而获得在RBG颜色空间中相对于GAMMA1的灰度K1和在灰度空间中相对于GAMMA2的灰度K2，灰度K1、灰度K2和灰阶L的关系为：

K1＝1-L/255

K2＝K1^(GAMMA1/GAMMA2)＝1-(L/255)^(GAMMA1/GAMMA2)。

5.根据权利要求4所述的一种基于生物识别的酒店入住系统，其特征在于，特征选择和特征提取具体实施为：

a.对灰度图片的图像序列的第k帧及之前n-1帧，共n帧灰度图像各自进行图像滤波，得到n个滤波图像；

b.对n个滤波图像进行特征提取。

6.根据权利要求5所述的一种基于生物识别的酒店入住系统，其特征在于，

步骤a中，进行图像滤波的方法为：

a1：对于n帧灰度图像中的坐标为(x0,y0)的像素，以(x0,y0)为中心，选择其周边j×j大小的邻域作为处理范围，j为奇数，该范围记为ω，求取ω内所有像素的原始灰度值的均值，然后将该均值赋值给(x0,y0)，作为(x0,y0)的新的灰度值，(x0,y0)代表的像素为n帧灰度图像中的任一像素；

a2：对于n帧灰度图像中的任一帧图像的最外圈像素来说，首先需要在最外圈像素的外侧补充宽度为(j-1)/2的灰度值为0的像素，然后按步骤a1所述的方法进行(x0,y0)灰度值的重新赋值。

7.根据权利要求6所述的一种基于生物识别的酒店入住系统，其特征在于，

在步骤b中，对滤波图像进行特征提取时，对n个滤波图像进行时域上的特征提取，形成时域特征图，时域特征图包括时域方差特征图、时域峰度特征图和时域斜度特征图；

在步骤b中，对滤波图像进行特征提取时，还对第k帧图像进行空域上的梯度特征提取，得到空域梯度特征图。

8.根据权利要求7所述的一种基于生物识别的酒店入住系统，其特征在于，

时域方差特征图用于表征同一个像素(x0,y0)在当前帧，即第k帧，及之前n-1帧的灰度图像序列中的方差特征，得到时域方差特征图的步骤如下：

记第k-n+1帧开始至k的共n帧灰度图像序列中的同一像素(x0,y0)的灰度值为fk-n+1(x0,y0)、fk-n+2(x0,y0)、......、fk(x0,y0)；

求取(x0,y0)在n帧灰度图像序列中的灰度平均值e(x0,y0)；

根据e(x0,y0)求取方差d(x0,y0)；

将d(x0,y0)作为时域方差特征图中的(x0,y0)的值，从而得到所有像素在灰度图像序列中的方差特征组成的时域方差特征图。

Images