CN116596650B - 一种基于智能识别技术的银行实物管理系统 - Google Patents
一种基于智能识别技术的银行实物管理系统 Download PDFInfo
- Publication number
- CN116596650B CN116596650B CN202310871466.8A CN202310871466A CN116596650B CN 116596650 B CN116596650 B CN 116596650B CN 202310871466 A CN202310871466 A CN 202310871466A CN 116596650 B CN116596650 B CN 116596650B
- Authority
- CN
- China
- Prior art keywords
- real
- physical
- time
- data
- standard
- 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
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 210000000629 knee joint Anatomy 0.000 claims description 26
- 210000003423 ankle Anatomy 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 14
- 210000002683 foot Anatomy 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 9
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000004886 head movement Effects 0.000 description 4
- 229910000510 noble metal Inorganic materials 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052763 palladium Inorganic materials 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及银行实物管理技术领域,公开了一种基于智能识别技术的银行实物管理系统,包括:实物信息采集模块,用于采集实物的图像信息,并获取图像特征;实物信息分析统计模块,用于根据所述图像特征获取实物的种类及数量;分配模块,用于根据所述实物的种类及数量分配对应的实物存放装置和实物运输人员;数据采集模块,用于采集所述实物运输人员的实时数据。通过实时采集记录进入银行内的实物运输人员的实时运动数据并将实时运动数据与预先存储的标准数据进行匹配并判断分析,综合实物运输人员的多个运动数据对其进行实时验证并根据验证结果发出安全信号,提高了银行实物管理的安全性。
Description
技术领域
本发明涉及银行实物管理技术领域,具体涉及一种基于智能识别技术的银行实物管理系统。
背景技术
银行管理的实物包括现金、贵金属、网银盾、银行卡、支付密码器等。通常会对上述实物进行存放管理。
而传统的实物存放方式多为通过银行管理人员进行存放管理,银行管理人员通过实物仓库的人脸识别系统或指纹识别系统的认证即可通过实物仓库大门进入实物仓库内进行存放,而仅仅通过人脸识别系统或指纹识别系统的认证导致银行实物管理系统的安全性较低,实物仓库的安全不能得到保障。
发明内容
本发明的目的在于提供一种基于智能识别技术的银行实物管理系统,解决以下技术问题:
如何提供一种更加安全的银行实物管理系统。
本发明的目的可以通过以下技术方案实现:
一种基于智能识别技术的银行实物管理系统,包括:
实物信息采集模块,用于采集实物的图像信息,并获取图像特征;
实物信息分析统计模块,用于根据所述图像特征获取实物的种类及数量;
分配模块,用于根据所述实物的种类及数量分配对应的实物存放装置和实物运输人员;
数据采集模块,用于采集所述实物运输人员的实时数据;
数据匹配模块,用于将所述实时数据与预先存储的标准数据进行匹配,得出匹配度;
报警模块,用于将所述匹配度与预设匹配范围进行判断分析然后发出安全信号。
优选地,所述实物信息采集模块设置于所述实物的运输装置内,所述实物信息分析统计模块为经过训练的神经网络模型。
优选地,所述分配模块根据所述实物的种类及数量为所述实物分配与实物匹配的存放装置,并将各个所述存放装置匹配对应的实物运输人员,所述存放装置外设置有对应的识别装置。
优选地,所述数据采集模块包括设置于银行实物管理仓库门外的指纹采集单元和面部身高采集单元,以及设置于银行实物管理仓库内的图像采集单元,所述指纹采集单元用于采集实物运输人员的指纹数据,所述面部身高采集单元用于采集实物运输人员的面部身高数据,所述图像采集单元用于采集实物运输人员移动时的运动轨迹数据,所述实物运输人员的实时数据包括实物运输人员的指纹数据、面部身高数据以及实时运动轨迹数据。
优选地,所述实物运输人员为银行预先存储的银行在职人员,所述银行在职人员分为忙绿和空闲两种状态,所述分配模块根据银行在职人员的状态随机匹配处于空闲状态的银行在职人员作为实物运输人员,所述预先存储的标准数据为所述银行在职人员预先进行训练获得的标准数据。
优选地,所述实时运动轨迹数据包括实物运输人员移动时随时间变化的头部移动轨迹、膝关节移动轨迹和脚踝移动轨迹。
优选地,所述实物运输人员的头部戴有彩色头套,所述实物运输人员的耳部戴有彩色耳夹,所述头部移动轨迹为彩色头套中心点与彩色耳夹中心点的连线的移动轨迹;
所述实物运输人员的膝关节处戴有彩色震动环,所述彩色震动环随机发生震动,所述膝关节移动轨迹为彩色震动环的移动轨迹,其中,实物运输人员的膝关节受彩色震动环随机发生震动的影响而发生变化,所述预先存储的标准数据中包含受震动环震动影响后的标准运动轨迹数据;
所述实物运输人员的脚踝处戴有彩色脚环,所述脚踝移动轨迹为彩色脚环的移动轨迹;
所述彩色头套、彩色耳夹、彩色震动环和彩色脚环的颜色随机匹配。
优选地,所述匹配度:
;其中,为实物运输人员预先存储的标准头部移动轨迹在预设时间段内的轨迹长度,为数据采集模块采集的实物运输人员的实时头部移动轨迹在预设时间段内的轨迹长
度,为预设时间段内的实时头部移动轨迹在时间坐标轴上左右平移后与标准头部移
动轨迹重合度最大的重合轨迹长度;为实物运输人员预先存储的标准膝关节移动轨
迹在预设时间段内的轨迹长度,为数据采集模块采集的实物运输人员的实时膝关节
移动轨迹在预设时间段内的轨迹长度,为预设时间段内的实时膝关节移动轨迹在时
间坐标轴上左右平移后与标准膝关节移动轨迹重合度最大的重合轨迹长度;为实物
运输人员预先存储的标准脚踝移动轨迹在预设时间段内的轨迹长度,为数据采集模
块采集的实物运输人员的实时脚踝移动轨迹在预设时间段内的轨迹长度,为预设时
间段内的实时脚踝移动轨迹在时间坐标轴上左右平移后与标准脚踝移动轨迹重合度最大
的重合轨迹长度;为预设权重系数。
优选地,将所述匹配度与预设匹配范围进行判断分析:
若,则符合安全标准;
若否,
则将所述标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍…mn倍,其中,m为正
整数,将实时运动轨迹分别与扩大后的标准运动轨迹进行匹配,得出匹配度为、
、……,
若△M满足预设波动规律,则符合安全标准;
若△M不满足预设波动规律,则发出危险信号;
其中,△M=,为实
时运动轨迹与扩大n倍后的标准运动轨迹进行匹配的匹配度,为实时运动轨迹与扩大2n
倍后的标准运动轨迹进行匹配的匹配度,为实时运动轨迹与扩大3n倍后的标准运动轨
迹进行匹配的匹配度,为实时运动轨迹与扩大mn倍后的标准运动轨迹进行匹配的匹配
度。
优选地,所述报警模块判断分析过程为:
S1、若实时指纹数据匹配标准指纹数据且实时面部身高数据匹配标准面部身高数据,进行步骤S2;
否则,发出危险信号;
S2、若,则符合安全标准,不发出危险信号;
否则,进行步骤S3;
S3、将所述标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍…mn倍,将实时运
动轨迹分别与扩大后的标准运动轨迹进行匹配,得出匹配度为为、、……;
若△M满足预设波动规律,则符合安全标准,不发出危险信号;
若△M不满足预设波动规律,发出危险信号。
本发明的有益效果:
该基于智能识别技术的银行实物管理系统,通过获取实物的图像特征,从而获得需要向银行内存放的实物的种类及数量方便根据实物的种类及数量匹配对应的存放装置和实物运输人员,然后通过数据采集模块采集实物运输人员的实时数据,对实物运输人员的身份进行核实,保证进入银行内的实物运输人员为系统匹配的人员,同时实时采集记录进入银行内的实物运输人员的实时运动数据并将实时运动数据与预先存储的标准数据进行匹配并判断分析,综合实物运输人员的多个运动数据对其进行实时验证并根据验证结果发出安全信号,提高了银行实物管理的安全性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的智能识别技术的银行实物管理系统模块连接示意图。
实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于智能识别技术的银行实物管理系统,包括:
实物信息采集模块,用于采集实物的图像信息,并获取图像特征;
实物信息分析统计模块,用于根据图像特征获取实物的种类及数量;
分配模块,用于根据实物的种类及数量分配对应的实物存放装置和实物运输人员;
数据采集模块,用于采集实物运输人员的实时数据;
数据匹配模块,用于将实时数据与预先存储的标准数据进行匹配,得出匹配度;
报警模块,用于将匹配度与预设匹配范围进行判断分析然后发出安全信号。
通过上述技术方案,通过实物信息采集模块获取实物的图像特征,从而获得需要向银行内存放的实物的种类及数量方便根据实物的种类及数量匹配对应的存放装置和实物运输人员,然后通过数据采集模块采集实物运输人员的实时数据,对实物运输人员的身份进行核实,保证进入银行内的实物运输人员为系统匹配的人员,同时实时采集记录进入银行内的实物运输人员的实时运动数据并将实时运动数据与预先存储的标准数据进行匹配并判断分析,综合实物运输人员的多个运动数据对其进行实时验证并根据验证结果发出安全信号,提高了银行实物管理的安全性。
实物信息采集模块设置于实物的运输装置内,实物信息分析统计模块为经过训练的神经网络模型。
实物信息分析统计模块基于AI技术进行建模,可采用卷积神经网络(Convolutional Neural Networks, CNN)作为初始神经网络模型进行训练得到。CNN是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),可在训练后对输入图片中的指定物进行分类和计数;在本发明中,卷积神经网络的训练样本与图像信息的获取方式相同。
分配模块根据实物的种类及数量为实物分配与实物匹配的存放装置,并将各个存放装置匹配对应的实物运输人员,所述存放装置外设置有对应的识别装置。
通过上述技术方案,通过分配模块根据实物的种类及数量为实物分配与实物匹配的存放装置,与实物匹配的存放装置与实物具有相同属性,例如,对于贵金属,贵金属的属性信息包括产品类别、经营模式、品质、实物规格、存放模式、数量等,产品类别包括但不限于黄金、白银、铂金、钯金等,经营模式包括但不限于自营、经销、代销等,实物规格包括但不限于50g、100g、200g、500g、1000g、2000g等,品质包括但不限于无质损、质损等,存放模式包括但不限于保管柜、保险盒等。将产品类别、经营模式、品质和存放模式作为贵金属的属性信息,可以将与其属性信息相同的且未存满的存放装置作为匹配的存放装置;并可将存放装置随机匹配给选定的实物运输人员,存放装置外设置的识别装置进一步对实物运输人员进行识别,识别通过后再开启对应的存放装置,从而进一步提高了银行实物管理的安全性。
数据采集模块包括设置于银行实物管理仓库门外的指纹采集单元和面部身高采集单元,以及设置于银行实物管理仓库内的图像采集单元,指纹采集单元用于采集实物运输人员的指纹数据,面部身高采集单元用于采集实物运输人员的面部身高数据,图像采集单元用于采集实物运输人员移动时的运动轨迹数据,实物运输人员的实时数据包括实物运输人员的指纹数据、面部身高数据以及实时运动轨迹数据。
通过上述技术方案,银行实物管理仓库门外的指纹采集单元和面部身高采集单元对实物运输人员身份进行第一步核实,银行实物管理仓库内的图像采集单元对实物运输人员身份进行再一步的核实,从而提高银行实物管理的安全性。
实物运输人员为银行预先存储的银行在职人员,银行在职人员分为忙绿和空闲两种状态,分配模块根据银行在职人员的状态随机匹配处于空闲状态的银行在职人员作为实物运输人员,预先存储的标准数据为银行在职人员预先进行训练获得的标准数据。
实物运输人员的分配设置为随机的可增加破解银行安全系统的难度,从而提高银行实物管理的安全性。
实时运动轨迹数据包括实物运输人员移动时随时间变化的头部移动轨迹、膝关节移动轨迹和脚踝移动轨迹。
实物运输人员的头部戴有彩色头套,实物运输人员的耳部戴有彩色耳夹,头部移动轨迹为彩色头套中心点与彩色耳夹中心点的连线的移动轨迹;
实物运输人员的膝关节处戴有彩色震动环,彩色震动环随机发生震动,膝关节移动轨迹为彩色震动环的移动轨迹,其中,实物运输人员的膝关节受彩色震动环随机发生震动的影响而发生变化,预先存储的标准数据中包含受震动环震动影响后的标准运动轨迹数据;
实物运输人员的脚踝处戴有彩色脚环,脚踝移动轨迹为彩色脚环的移动轨迹;
彩色头套、彩色耳夹、彩色震动环和彩色脚环的颜色随机匹配。
通过上述技术方案,数据采集模块设置在银行实物管理仓库内且遍布在每个保存装置途径的路线上,通过采集彩色头套、彩色耳夹、彩色震动环和彩色脚环的移动轨迹来采集头部移动轨迹、膝关节移动轨迹和脚踝移动轨迹,可降低数据采集模块的采集难度;而实物运输人员的手部需要运输实物,所以综合头部、膝关节和脚踝的移动轨迹进行综合匹配,进一步提高匹配准确度;
在实物运输人员通过银行实物管理仓库门外的指纹采集单元和面部身高采集单元的核实进行仓库后才可获得对应的彩色头套、彩色耳夹、彩色震动环和彩色脚环的随机匹配的颜色,从而可避免可能存在不是通过正门进入仓库内实施盗窃的情况,因为其无法获得对应的颜色的设备,增加其进行仓库内被发现的风险,从而提高银行实物管理的安全性;
实物运输人员的膝关节处戴有彩色震动环,彩色震动环随机发生震动会对实物运输人员的膝关节的运动造成干扰,通过采集这一部分数据,可进一步提高匹配准确度,从而提高银行实物管理的安全性;
匹配度;
;其中,为实物运输人员预先存储的标准头部移动轨迹在预设时间段内的轨迹长度,为数据采集模块采集的实物运输人员的实时头部移动轨迹在预设时间段内的轨迹长
度,为预设时间段内的实时头部移动轨迹在时间坐标轴上左右平移后与标准头部移
动轨迹重合度最大的重合轨迹长度;为实物运输人员预先存储的标准膝关节移动轨
迹在预设时间段内的轨迹长度,为数据采集模块采集的实物运输人员的实时膝关节
移动轨迹在预设时间段内的轨迹长度,为预设时间段内的实时膝关节移动轨迹在时
间坐标轴上左右平移后与标准膝关节移动轨迹重合度最大的重合轨迹长度;为实物
运输人员预先存储的标准脚踝移动轨迹在预设时间段内的轨迹长度,为数据采集模
块采集的实物运输人员t的实时脚踝移动轨迹在预设时间段内的轨迹长度,为预设时
间段内的实时脚踝移动轨迹在时间坐标轴上左右平移后与标准脚踝移动轨迹重合度最大
的重合轨迹长度;为预设权重系数。
通过上述技术方案,提供了一种匹配度计算方式,通过公式
获得,通过将实时运动轨迹数据与标准运动轨迹数据进行比对,从而根据匹配度对实
物运输人员的身份进行核实验证;需要说明的是,预设权重系数根据经
验数据选择性设定。
将匹配度与预设匹配范围进行判断分析;
若,则符合安全标准;
若否,则将标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍……mn倍,其中,m
为正整数,将实时运动轨迹分别与扩大后的标准运动轨迹进行匹配,得出匹配度为,
若△m满足预设波动规律,则符合安全标准;
若△M不满足预设波动规律。则发出危险信号;
其中,△M=,为
实时运动轨迹与扩大n倍后的标准运动轨迹进行匹配的匹配度,为实时运动轨迹与扩
大2n倍后的标准运动轨迹进行匹配的匹配度,为实时运动轨迹与扩大3n倍后的标准
运动轨迹进行匹配的匹配度,为实时运动轨迹与扩大mn倍后的标准运动轨迹进行匹
配的匹配度。
通过上述技术方案,因头部在正常伸展时,需要抬高或抬低,所以头部移动轨迹的
彩色头套中心点的与彩色耳夹中心点的连线的移动轨迹会在一定角度范围内浮动,根据该
角度范围浮动的因素对标准运动轨迹进行等距扩大,并将实时运动轨迹分别与扩大后的标
准运动轨迹进行匹配,若,则符合安全标准,且当△M满足预设
波动规律,则符合安全标准,该预设波动规律根据头部摆动范围进行的经验数据选择性设
定,从而避免了由于头部晃动对匹配度的影响,进一步提高了银行实物管理的安全性。
报警模块判断分析过程为:
S1、若实时指纹数据匹配标准指纹数据且实时面部身高数据匹配标准面部身高数据,进行步骤S2;
否则,发出危险信号;
S2、若,则符合安全标准,不发出危险信号;
否则,进行步骤S3;
S3、将标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍……mn倍,将实时运动
轨迹分别与扩大后的标准运动轨迹进行匹配。得出匹配度为;
若△M满足预设波动规律,则符合安全标准,不发出危险信号;
若△M不满足预设波动规律,发出危险限号。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (3)
1.一种基于智能识别技术的银行实物管理系统,其特征在于,包括:
实物信息采集模块,用于采集实物的图像信息,并获取图像特征;
实物信息分析统计模块,用于根据所述图像特征获取实物的种类及数量;
分配模块,用于根据所述实物的种类及数量分配对应的实物存放装置和实物运输人员;
数据采集模块,用于采集所述实物运输人员的实时数据;
数据匹配模块,用于将所述实时数据与预先存储的标准数据进行匹配,得出匹配度;
报警模块,用于将所述匹配度与预设匹配范围进行判断分析然后发出安全信号;
所述实物信息采集模块设置于所述实物的运输装置内,所述实物信息分析统计模块为经过训练的神经网络模型;
所述分配模块根据所述实物的种类及数量为所述实物分配与实物匹配的存放装置,并将各个所述存放装置匹配对应的实物运输人员,所述存放装置外设置有对应的识别装置;
所述数据采集模块包括设置于银行实物管理仓库门外的指纹采集单元和面部身高采集单元,以及设置于银行实物管理仓库内的图像采集单元,所述指纹采集单元用于采集实物运输人员的指纹数据,所述面部身高采集单元用于采集实物运输人员的面部身高数据,所述图像采集单元用于采集实物运输人员移动时的运动轨迹数据,所述实物运输人员的实时数据包括实物运输人员的指纹数据、面部身高数据以及实时运动轨迹数据;
所述实物运输人员为银行预先存储的银行在职人员,所述银行在职人员分为忙绿和空闲两种状态,所述分配模块根据银行在职人员的状态随机匹配处于空闲状态的银行在职人员作为实物运输人员,所述预先存储的标准数据为所述银行在职人员预先进行训练获得的标准数据;
所述实时运动轨迹数据包括实物运输人员移动时随时间变化的头部移动轨迹、膝关节移动轨迹和脚踝移动轨迹;
所述实物运输人员的头部戴有彩色头套,所述实物运输人员的耳部戴有彩色耳夹,所述头部移动轨迹为彩色头套中心点与彩色耳夹中心点的连线的移动轨迹;
所述实物运输人员的膝关节处戴有彩色震动环,所述彩色震动环随机发生震动,所述膝关节移动轨迹为彩色震动环的移动轨迹,其中,实物运输人员的膝关节受彩色震动环随机发生震动的影响而发生变化,所述预先存储的标准数据中包含受震动环震动影响后的标准运动轨迹数据;
所述实物运输人员的脚踝处戴有彩色脚环,所述脚踝移动轨迹为彩色脚环的移动轨迹;
所述彩色头套、彩色耳夹、彩色震动环和彩色脚环的颜色随机匹配;
所述匹配度M0:
其中,为实物运输人员预先存储的标准头部移动轨迹在预设时间段内的轨迹长度,/>为数据采集模块采集的实物运输人员的实时头部移动轨迹在预设时间段内的轨迹长度,/>为预设时间段内的实时头部移动轨迹在时间坐标轴上左右平移后与标准头部移动轨迹重合度最大的重合轨迹长度;/>为实物运输人员预先存储的标准膝关节移动轨迹在预设时间段内的轨迹长度,/>为数据采集模块采集的实物运输人员的实时膝关节移动轨迹在预设时间段内的轨迹长度,/>为预设时间段内的实时膝关节移动轨迹在时间坐标轴上左右平移后与标准膝关节移动轨迹重合度最大的重合轨迹长度;/>为实物运输人员预先存储的标准脚踝移动轨迹在预设时间段内的轨迹长度,/>为数据采集模块采集的实物运输人员的实时脚踝移动轨迹在预设时间段内的轨迹长度,/>为预设时间段内的实时脚踝移动轨迹在时间坐标轴上左右平移后与标准脚踝移动轨迹重合度最大的重合轨迹长度;
σ1、σ2、σ3为预设权重系数。
2.根据权利要求1所述的基于智能识别技术的银行实物管理系统,其特征在于,将所述匹配度M0与预设匹配范围[Mlow,Mup]进行判断分析:
若M0∈[Mlow,Mup],则符合安全标准;
否则,则将所述标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍…mn倍,其中,m为正整数,将实时运动轨迹分别与扩大后的标准运动轨迹进行匹配,得出匹配度为M1、M2、M3…Mm,
若ΔM满足预设波动规律,则符合安全标准;
若ΔM不满足预设波动规律,则发出危险信号;
其中,ΔM=M2-M1=M3-M2=…=Mm-Mm-1,M1为实时运动轨迹与扩大n倍后的标准运动轨迹进行匹配的匹配度,M2为实时运动轨迹与扩大2n倍后的标准运动轨迹进行匹配的匹配度,M3为实时运动轨迹与扩大3n倍后的标准运动轨迹进行匹配的匹配度,Mm为实时运动轨迹与扩大mn倍后的标准运动轨迹进行匹配的匹配度。
3.据权利要求1所述的基于智能识别技术的银行实物管理系统,其特征在于,所述报警模块判断分析过程为:
S1、若实时指纹数据匹配标准指纹数据且实时面部身高数据匹配标准面部身高数据,进行步骤S2;
否则,发出危险信号;
S2、若M0∈[Mlow,Mup],则符合安全标准,不发出危险信号;
否则,进行步骤S3;
S3、将所述标准运动轨迹在y轴上上下等距扩大n倍,2n倍,3n倍…mn倍,将实时运动轨迹分别与扩大后的标准运动轨迹进行匹配,得出匹配度为M1、M2、M3…Mm:
若ΔM满足预设波动规律,则符合安全标准,不发出危险信号;
若ΔM不满足预设波动规律,发出危险信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871466.8A CN116596650B (zh) | 2023-07-17 | 2023-07-17 | 一种基于智能识别技术的银行实物管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871466.8A CN116596650B (zh) | 2023-07-17 | 2023-07-17 | 一种基于智能识别技术的银行实物管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116596650A CN116596650A (zh) | 2023-08-15 |
CN116596650B true CN116596650B (zh) | 2023-09-22 |
Family
ID=87594101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871466.8A Active CN116596650B (zh) | 2023-07-17 | 2023-07-17 | 一种基于智能识别技术的银行实物管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596650B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120078415A (ko) * | 2010-12-31 | 2012-07-10 | 주식회사 호서텔넷 | 모션영상 비교를 통한 위급상황 신호 송출방법 및 송출시스템 |
WO2016141641A1 (zh) * | 2015-03-11 | 2016-09-15 | 中兴通讯股份有限公司 | 一种可疑人员识别方法及装置 |
CN109951682A (zh) * | 2019-02-25 | 2019-06-28 | 广东协安机电工程有限公司 | 一种银行安全视频监控系统 |
CN111582823A (zh) * | 2020-05-07 | 2020-08-25 | 阳光保险集团股份有限公司 | 基于自动分配机制的印章任务管理方法及系统 |
CN112051735A (zh) * | 2020-08-19 | 2020-12-08 | 大连理工大学 | 仿人机器人步行控制方法 |
CN114565335A (zh) * | 2022-02-22 | 2022-05-31 | 中国建设银行股份有限公司 | 一种银行实物管理方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105872685A (zh) * | 2016-03-24 | 2016-08-17 | 深圳市国华识别科技开发有限公司 | 智能终端控制方法和系统、智能终端 |
WO2019227350A1 (zh) * | 2018-05-30 | 2019-12-05 | 北京小米移动软件有限公司 | 小区切换的处理方法及装置 |
-
2023
- 2023-07-17 CN CN202310871466.8A patent/CN116596650B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120078415A (ko) * | 2010-12-31 | 2012-07-10 | 주식회사 호서텔넷 | 모션영상 비교를 통한 위급상황 신호 송출방법 및 송출시스템 |
WO2016141641A1 (zh) * | 2015-03-11 | 2016-09-15 | 中兴通讯股份有限公司 | 一种可疑人员识别方法及装置 |
CN109951682A (zh) * | 2019-02-25 | 2019-06-28 | 广东协安机电工程有限公司 | 一种银行安全视频监控系统 |
CN111582823A (zh) * | 2020-05-07 | 2020-08-25 | 阳光保险集团股份有限公司 | 基于自动分配机制的印章任务管理方法及系统 |
CN112051735A (zh) * | 2020-08-19 | 2020-12-08 | 大连理工大学 | 仿人机器人步行控制方法 |
CN114565335A (zh) * | 2022-02-22 | 2022-05-31 | 中国建设银行股份有限公司 | 一种银行实物管理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116596650A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997629B (zh) | 门禁控制方法、装置及系统 | |
CN106373240B (zh) | 一种无人银行的智能监控系统及其监控方法 | |
CN206164722U (zh) | 一种基于人脸识别的商超防盗监控系统 | |
US20140347479A1 (en) | Methods, Systems, Apparatuses, Circuits and Associated Computer Executable Code for Video Based Subject Characterization, Categorization, Identification, Tracking, Monitoring and/or Presence Response | |
CN104348829B (zh) | 一种网络安全态势感知系统及方法 | |
CN107241358B (zh) | 一种基于深度学习的智能家居入侵检测方法 | |
CN108062349A (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN108875708A (zh) | 基于视频的行为分析方法、装置、设备、系统及存储介质 | |
CN107992739A (zh) | 用户验证方法、装置及系统 | |
CN109509093A (zh) | 一种基于主体画像的交易安全控制方法及系统 | |
CN105913528A (zh) | 门禁控制数据处理方法和装置、门禁控制方法和装置 | |
CN109583278A (zh) | 人脸识别报警的方法、装置、系统及计算机设备 | |
CN108537922A (zh) | 基于人脸识别的访客预警方法和系统 | |
CN102419885A (zh) | 异常检测装置 | |
CN101211484A (zh) | 防止在atm取款时密码被偷窥的方法及装置 | |
WO2015025249A2 (en) | Methods, systems, apparatuses, circuits and associated computer executable code for video based subject characterization, categorization, identification, tracking, monitoring and/or presence response | |
CN106339679A (zh) | 一种人脸识别系统 | |
CN115512304B (zh) | 基于图像识别的地铁站安全监控系统 | |
CN108446690A (zh) | 一种基于多视角动态特征的人脸活体检测方法 | |
CN116596650B (zh) | 一种基于智能识别技术的银行实物管理系统 | |
CN110717357A (zh) | 预警方法、装置、电子设备及存储介质 | |
Viji et al. | Intelligent anomaly detection model for ATM booth surveillance using machine learning algorithm: intelligent ATM Survillance model | |
CN103247150A (zh) | 防疲劳驾驶系统 | |
CN107273728A (zh) | 基于运动传感行为特征的智能手表解锁和认证方法 | |
CN114333011A (zh) | 网络训练、人脸识别方法、电子设备及存储介质 |
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 |