CN117079377A - 一种提高自动门感应识别率的方法及系统 - Google Patents
一种提高自动门感应识别率的方法及系统 Download PDFInfo
- Publication number
- CN117079377A CN117079377A CN202310669079.6A CN202310669079A CN117079377A CN 117079377 A CN117079377 A CN 117079377A CN 202310669079 A CN202310669079 A CN 202310669079A CN 117079377 A CN117079377 A CN 117079377A
- Authority
- CN
- China
- Prior art keywords
- recognition
- user
- rate
- information
- key point
- 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
Links
- 230000006698 induction Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 129
- 238000012795 verification Methods 0.000 claims abstract description 54
- 238000009825 accumulation Methods 0.000 claims description 49
- 238000012216 screening Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 7
- 238000000926 separation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- 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
- G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Lock And Its Accessories (AREA)
Abstract
本发明提供了一种提高自动门感应识别率的方法及系统,涉及自动门控制技术领域,方法包括:获取自动感应门的用户基础信息,确定用户画像信息,确定关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;设定预设识别时间阈值,获取用户边缘卸载识别方案,进行边缘感应识别,发送自动控制指令,发送至自动控制开门设备,控制自动门处于开启状态。解决了难以同时保证感应识别效率与感应识别率,导致的用户体验和防风险能力均衡度低的技术问题,达到了通过高精度时间限定,维护感应识别效率,同时进行识别率验证,采用边缘识别运算,同时保证感应识别效率与感应识别率,进而提升用户体验和防风险能力均衡度的技术效果。
Description
技术领域
本发明涉及自动门控制技术领域,具体涉及一种提高自动门感应识别率的方法及系统。
背景技术
自动门进行感应检测到识别区域有人进入时,生成脉冲信号,将脉冲信号传给自动控制开门设备(如主控器),进行识别后,通知自动控制开门设备的马达运转,同时监控马达转数,以便通知马达在一定时分加力和进入慢行运转,马达一定运转电流后做正向运转,控制所述自动门处于开启状态,在这个过程中,识别尤为重要,识别精度可以通过误识率、通过率进行评估,一般的,高通过率的另一面是高误识率,防风险能力会下降,需要综合考虑用户体验和防风险能力,提高自动门感应识别率。
现有技术中存在难以同时保证感应识别效率与感应识别率,导致的用户体验和防风险能力均衡度低的技术问题。
发明内容
本申请通过提供了一种提高自动门感应识别率的方法及系统,解决了难以同时保证感应识别效率与感应识别率,导致的用户体验和防风险能力均衡度低的技术问题,达到了通过高精度时间限定,维护感应识别效率,同时进行识别率验证,采用边缘识别运算,同时保证感应识别效率与感应识别率,进而提升用户体验和防风险能力均衡度的技术效果。
鉴于上述问题,本申请提供了一种提高自动门感应识别率的方法及系统。
本申请的第一个方面,提供了一种提高自动门感应识别率的方法,其中,所述方法包括:获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;通过所述用户画像信息,确定关键点检测集合;通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;设定预设识别时间阈值;通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
本申请的第二个方面,提供了一种提高自动门感应识别率的系统,其中,所述系统包括:信息获取单元,所述信息获取单元用于获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;画像信息确定单元,所述画像信息确定单元用于基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;检测集合确定单元,所述检测集合确定单元用于通过所述用户画像信息,确定关键点检测集合;验证识别统计单元,所述验证识别统计单元用于通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;时间阈值设定单元,所述时间阈值设定单元用于设定预设识别时间阈值;卸载方案获取单元,所述卸载方案获取单元用于通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;指令发送单元,所述指令发送单元用于通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;自动控制单元,所述自动控制单元用于将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获取自动感应门的用户基础信息;基于用户基础信息,以用户身份信息为标记信息,确定用户画像信息;通过用户画像信息,确定关键点检测集合;通过关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;设定预设识别时间阈值;通过预设识别时间阈值,对关键点检测时间集合进行筛选,获取用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;将自动控制指令发送至自动控制开门设备,控制自动门处于开启状态。本申请达到了通过高精度时间限定,维护感应识别效率,同时进行识别率验证,采用边缘识别运算,同时保证感应识别效率与感应识别率,进而提升用户体验和防风险能力均衡度的技术效果。
附图说明
图1为本申请一种提高自动门感应识别率的方法的流程示意图;
图2为本申请一种提高自动门感应识别率的方法的获取关键点检测集合的流程示意图;
图3为本申请一种提高自动门感应识别率的方法的确定关键点检测时间集合的流程示意图;
图4为本申请一种提高自动门感应识别率的系统的结构示意图。
附图标记说明:信息获取单元11,画像信息确定单元12,检测集合确定单元13,验证识别统计单元14,时间阈值设定单元15,卸载方案获取单元16,指令发送单元17,自动控制单元18。
实施方式
本申请通过提供了一种提高自动门感应识别率的方法及系统,解决了难以同时保证感应识别效率与感应识别率,导致的用户体验和防风险能力均衡度低的技术问题,达到了通过高精度时间限定,维护感应识别效率,同时进行识别率验证,采用边缘识别运算,同时保证感应识别效率与感应识别率,进而提升用户体验和防风险能力均衡度的技术效果。
实施例
如图1所示,本申请提供了一种提高自动门感应识别率的方法,其中,所述方法包括:
步骤S100:获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;
步骤S200:基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;
步骤S300:通过所述用户画像信息,确定关键点检测集合;
具体而言,在用户通过自动感应门之前,通过基础信息生成用户画像,针对每个用户确定分别关键点检测集合(关键点检测集合中的检测特征为每个用户最显著的特征),进行验证识别时间限定,确定专用于每位用户的用户识别方案,用户通过自动感应门过程中,自动门需要先对识别区域的用户进行感应识别,通过用户识别方案,采用边缘感应识别,在保证用户感应识别效率的同时,保证感应识别精度。
具体而言,所述自动感应门与自动控制开门设备联动,所述用户基础信息包括用户面部信息(眼部信息、嘴部信息、鼻部信息、面部轮廓信息等其他相关信息)、用户指纹信息(用户习惯进行验证识别的某个手指的指纹信息)、用户身份信息(用户名、用户联系方式、用户身份证号等其他相关信息),在用户通过自动感应门之前,获取自动感应门的用户基础信息;
基于所述用户基础信息,以所述用户身份信息为标记信息,对所述用户基础信息进行标记,确定用户画像信息,通过所述用户画像信息中的第一用户画像信息,确定关键点检测集合,所述关键检测集合是第一用户的最显著的特征,可以是第一用户的鼻部特征、眼部特征或其他特征,现有技术已知的,关键检测集合为检测识别速度最快的检测特征,以当前检测速度最快的方案为基础,为进一步加快检测验证,提高自动门感应识别效率提供基础。
进一步的,如图2所示,通过所述用户画像信息,确定关键点检测集合,所述步骤S300包括:
步骤S310:通过所述用户画像信息,进行尺度空间的极值检测,寻找局部极值;
步骤S320:通过所述局部极值进行关键点定位,获取各个关键点位置信息;
步骤S330:通过局部特征,对各个关键点分别分配一个基准方向,获取各个关键点主方向;
步骤S340:通过所述各个关键点位置信息与所述各个关键点主方向,获取关键点检测集合。
具体而言,对所述用户画像信息进行特征提取,具体包括:尺度空间指一个变化尺度(σ)的二维高斯函数与用户画像信息卷积(即高斯模糊)后形成的空间,根据不同尺度下的高斯模糊化图像差异(Difference of Gaussians,高斯差)进行尺度空间的极值检测,寻找局部极值,寻找局部极值;通过所述局部极值进行关键点定位(关键点附近像素的信息、关键点的尺寸、关键点的主曲率来定位各个关键点,可以消除位于边上或是易受噪声干扰的关键点),获取各个关键点位置信息;为了使描述符的旋转不变性,利用局部特征为对各个关键点分别分配一个基准方向,获取各个关键点主方向(计算关键点局部邻域的方向直方图,所述关键点主方向即直方图中最大值的方向);通过所述各个关键点位置信息与所述各个关键点主方向,对各个关键点信息合并(合并关键点的位置、尺寸、主方向),获取关键点检测集合,重复上述特征提取步骤,对所述用户画像信息的多个用户画像信息分别进行特征提权,获取多个关键点检测集合,所述关键点检测集合为所述多个关键点检测集合中与第一用户画像信息对应的集合,为保证关键点检测集合的有效性提供支持。
步骤S400:通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;
步骤S500:设定预设识别时间阈值;
步骤S600:通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;
具体而言,对所述关键点检测集合中的各个关键点分离进行验证识别统计,统计各个关键点独立的时耗信息,通过各个关键点独立的时耗信息,对所述关键点检测集合中的各个关键点进行时耗排序标记,获取关键点检测时间集合,设定预设识别时间阈值(预设参数指标,可以通过用户需求进行设定,一般的时间阈值短,误识率越高,通过率越低,误识率与通过率为验证识别产品评估的核心参数指标,已知的,在预设识别时间阈值一致的情况下,误识率越低,通过率越高,识别精度越高);通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,时耗排序靠前,进行时耗累计,所得时耗累计结果短,优选所得用户边缘卸载识别方案中数据的全面性越高,进行时耗统计与筛选,在满足时间阈值限定的同时,保证用户边缘卸载识别方案中数据的全面性。
进一步的,如图3所示,通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合,所述步骤S400包括:
步骤S410:在所述关键点检测集合中的各个元素进行分离验证识别统计过程中,同步进行时间计量,获取各个元素检测时耗信息;
步骤S420:对所述各个元素检测时耗信息进行排序,获取检测时耗递增集合;
步骤S430:通过所述检测时耗递增集合与所述关键点检测集合,确定关键点检测时间集合。
具体而言,对所述关键点检测集合中的各个关键点分离进行验证识别统计,具体包括:获取当前用户画像信息,选取所述关键点检测集合中的第一元素,在所述当前用户画像信息中,通过第一元素进行验证识别,同步进行时间计量,获取第一元素检测时耗信息,重复上述分离验证识别步骤过程中,同步进行时间计量,获取各个元素检测时耗信息;依照时耗递增的顺序,对所述各个元素检测时耗信息进行排序,获取检测时耗递增集合;以所述检测时耗递增集合为时耗排序标识,通过所述时耗排序标识对所述关键点检测集合进行时耗排序标记,获取关键点检测时间集合,为后续进行时耗限定提供基础。
进一步的,所述通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案,所述步骤S600包括:
步骤S610:对所述关键点检测时间集合进行时耗累计统计,获取时耗累计统计结果;
步骤S620:在所时耗累计统计过程中,同步比对所述时耗累计统计结果与所述预设识别时间阈值;
步骤S630:若所述时耗累计统计结果超出所述预设识别时间阈值,发送时耗累计统计停止指令;
步骤S640:在确定时耗累计统计停止指令后,将当前的时耗累计统计结果设定为初始化时耗累计统计结果;
步骤S650:通过所述初始化时耗累计统计结果,获取用户边缘卸载识别方案。
具体包括,在所述关键点检测时间集合中,优选时耗排序靠前的,进行时耗累计统计,获取时耗累计统计结果;在所时耗累计统计过程中,同步对所述时耗累计统计结果与所述预设识别时间阈值进行比对;在所述时耗累计统计结果首次超出所述预设识别时间阈值的阈值上限时间节点,发送时耗累计统计停止指令;在确定时耗累计统计停止指令后,将当前的时耗累计统计结果(首次超出所述预设识别时间阈值的阈值上限对应的时耗累计统计结果)设定为初始化时耗累计统计结果(所述初始化时耗累计统计结果对应时耗大于预设识别时间阈值的阈值上限,但初始化时耗累计统计结果精度低,需要对时耗进行进一步优化评估,再次与预设识别时间阈值进行比对);通过所述初始化时耗累计统计结果,采用误识率与通过率进行识别精度评估,获取用户边缘卸载识别方案,为保证用户边缘卸载识别方案的有效性提供基础。
进一步的,通过所述初始化时耗累计统计结果,获取用户边缘卸载识别方案,所述步骤S650还包括:
步骤S651:通过所述初始化时耗累计统计结果,确定初始化用户识别方案;
步骤S652:通过所述初始化用户识别方案,进行初始化识别验证,获取初始化验证误识率与初始化验证通过率;
步骤S653:通过所述初始化验证误识率与初始化验证通过率,进行识别率运算,获取初始化识别率;
步骤S654:通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案。
具体而言,将所述关键点检测时间集合中与初始化时耗累计统计结果对应的元素进行提取,获取所述关键点检测初筛集合(简单来说就是关键点检测初筛集合的检测累计时耗与初始化时耗累计统计结果一致),通过所述关键点检测初筛集合,合成初始化用户识别方案,所述初始化用户识别方案的检测识别指标即关键点检测初筛集合;通过所述初始化用户识别方案,进行初始化识别验证(初始化识别验证次数可以设定为100),获取初始化验证误识率(误识率即错误未认出而通过的概率)与初始化验证通过率(通过率即正确认出而通过的概率);通过所述初始化验证误识率与初始化验证通过率,代入识别率运算公式进行识别率运算,获取初始化识别率;通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案,为保证用户边缘卸载识别方案的有效性提供基础。
进一步的,所述通过所述初始化验证误识率与初始化验证通过率,进行识别率运算,获取初始化识别率,所述步骤S653包括:
步骤S653-1:通过所述初始化验证误识率与初始化验证通过率,代入识别率运算公式;
步骤S653-2:识别率运算公式:=1-/>,其中,/>为初始化识别率,/>为所述初始化识别验证第i位的误识率,/>为所述初始化识别验证第i位的通过率,/>为验证次数,/>为初始化验证误识率、/> 为初始化验证通过率,/>且i≠1。
具体而言,通过所述初始化验证误识率与初始化验证通过率,代入识别率运算公式:=1-/>中进行识别率运算进行,其中,/>为初始化识别率,/>为所述初始化识别验证第i位的误识率,/>为所述初始化识别验证第i位的通过率,/>为验证次数,/>为初始化验证误识率、/>为初始化验证通过率,/>且i≠1,确定识别率运算公式,为保证初始化识别率的精准度提供基础。
进一步的,通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案,所述步骤S654还包括:
步骤S654-1:确定所述用户边缘卸载识别方案中的关联特征指标;
步骤S654-2:通过所述关联特征指标,进行时耗重叠度评估,确定时耗重叠信息;
步骤S654-3:通过所述时耗重叠信息与所述初始化时耗累计统计结果,确定初始化时耗累计修正结果;
步骤S654-4:判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值,若处于,获取识别率提升第一准许指令;
步骤S654-5:判断所述初始化识别率是否满足所述预设识别率,若不满足,获取识别率提升第二准许指令;
步骤S654-6:通过所述识别率提升第一准许指令与所述识别率提升第二准许指令,进行所述用户边缘卸载识别方案的检测关键点扩充。
具体而言,一般的,用户面部信息存在一定的对称性,用户指纹信息存在一定的关联度,进行指标重叠度评估,将重复使用的指标参数进行复用,可以提升检测识别速率,缩短实际检测用时,由此,确定所述用户边缘卸载识别方案中的关联特征指标,所述关联特征指标即重复使用的指标;通过所述关联特征指标,进行时耗重叠度(使用次数越多,时耗重叠度越高,时耗重叠度即重复次数)评估,确定时耗重叠信息(指标A分离时耗为0.01ms,时耗重叠度为6,时耗重叠信息为0.01ms×6-0.01ms=0.05ms);采用所述初始化时耗累计统计结果减去所述时耗重叠信息,确定初始化时耗累计修正结果;判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值,若处于,获取识别率提升第一准许指令;判断所述初始化识别率是否满足所述预设识别率,若不满足,获取识别率提升第二准许指令(判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值的判断优先等级高于判断所述初始化识别率是否满足所述预设识别率的判断优先等级,判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值,若所述初始化时耗累计修正结果不处于所述预设识别时间阈值,直接跳入预设识别时间阈值设定流程,重新进行后续步骤;在判断所述初始化时耗累计修正结果处于所述预设识别时间阈值后,判断所述初始化识别率是否满足所述预设识别率,若不满足,获取识别率提升第二准许指令;若满足,直接将用户边缘卸载识别方案输出)通过所述识别率提升第一准许指令与所述识别率提升第二准许指令,对进行所述用户边缘卸载识别方案的检测关键点扩充,为同时满足预设识别时间阈值与预设识别率提供支持,在预设识别时间阈值一致的情况下,最大限度的降低误识率,维护感应识别精度。
步骤S700:通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;
步骤S800:将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
具体而言,将所述用户边缘卸载识别方案卸载于独立识别模块中,在独立识别模块中对识别区域的用户进行边缘感应识别,若感应识别通过,发送自动控制指令;将所述自动控制指令发送至自动控制开门设备,所述自动控制开门设备接收自动控制指令后,控制所述自动门处于开启状态。
综上所述,本申请所提供的一种提高自动门感应识别率的方法及系统具有如下技术效果:
由于采用了获取自动感应门的用户基础信息;基于用户基础信息,以用户身份信息为标记信息,确定用户画像信息,确定关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;设定预设识别时间阈值,对关键点检测时间集合进行筛选,获取用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;将自动控制指令发送至自动控制开门设备,控制自动门处于开启状态,本申请通过提供了一种提高自动门感应识别率的方法及系统,达到了通过高精度时间限定,维护感应识别效率,同时进行识别率验证,采用边缘识别运算,同时保证感应识别效率与感应识别率,进而提升用户体验和防风险能力均衡度的技术效果。
由于采用了在关键点检测集合中的各个元素进行分离验证识别统计过程中,同步进行时间计量,获取各个元素检测时耗信息;对各个元素检测时耗信息进行排序,获取检测时耗递增集合,结合关键点检测集合,确定关键点检测时间集合,为后续进行时耗限定提供基础。
由于采用了通过初始化验证误识率与初始化验证通过率,代入识别率运算公式;识别率运算公式:=1-/>,为保证初始化识别率的精准度提供基础。
实施例
基于与前述实施例中一种提高自动门感应识别率的方法相同的发明构思,如图4所示,本申请提供了一种提高自动门感应识别率的系统,其中,所述系统包括:
信息获取单元11,所述信息获取单元11用于获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;
画像信息确定单元12,所述画像信息确定单元12用于基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;
检测集合确定单元13,所述检测集合确定单元13用于通过所述用户画像信息,确定关键点检测集合;
验证识别统计单元14,所述验证识别统计单元14用于通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;
时间阈值设定单元15,所述时间阈值设定单元15用于设定预设识别时间阈值;
卸载方案获取单元16,所述卸载方案获取单元16用于通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;
指令发送单元17,所述指令发送单元17用于通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;
自动控制单元18,所述自动控制单元18用于将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
进一步的,所述系统包括:
极值检测单元,所述极值检测单元用于通过所述用户画像信息,进行尺度空间的极值检测,寻找局部极值;
关键点定位单元,所述关键点定位单元用于通过所述局部极值进行关键点定位,获取各个关键点位置信息;
分配获取单元,所述分配获取单元用于通过局部特征,对各个关键点分别分配一个基准方向,获取各个关键点主方向;
检测集合获取单元,所述检测集合获取单元用于通过所述各个关键点位置信息与所述各个关键点主方向,获取关键点检测集合。
进一步的,所述系统包括:
时间计量单元,所述时间计量单元用于在所述关键点检测集合中的各个元素进行分离验证识别统计过程中,同步进行时间计量,获取各个元素检测时耗信息;
时耗排序单元,所述时耗排序单元用于对所述各个元素检测时耗信息进行排序,获取检测时耗递增集合;
关键点检测时间集合确定单元,所述关键点检测时间集合确定单元用于通过所述检测时耗递增集合与所述关键点检测集合,确定关键点检测时间集合。
进一步的,所述系统包括:
时耗累计统计单元,所述时耗累计统计单元用于对所述关键点检测时间集合进行时耗累计统计,获取时耗累计统计结果;
时耗同步比对单元,所述时耗同步比对单元用于在所时耗累计统计过程中,同步比对所述时耗累计统计结果与所述预设识别时间阈值;
统计停止指令发送单元,所述统计停止指令发送单元用于若所述时耗累计统计结果超出所述预设识别时间阈值,发送时耗累计统计停止指令;
时耗累计统计结果设定单元,所述时耗累计统计结果设定单元用于在确定时耗累计统计停止指令后,将当前的时耗累计统计结果设定为初始化时耗累计统计结果;
边缘卸载识别方案获取单元,所述边缘卸载识别方案获取单元用于通过所述初始化时耗累计统计结果,获取用户边缘卸载识别方案。
进一步的,所述系统包括:
用户识别方案确定单元,所述用户识别方案确定单元用于通过所述初始化时耗累计统计结果,确定初始化用户识别方案;
初始化识别验证单元,所述初始化识别验证单元用于通过所述初始化用户识别方案,进行初始化识别验证,获取初始化验证误识率与初始化验证通过率;
识别率运算单元,所述识别率运算单元用于通过所述初始化验证误识率与初始化验证通过率,进行识别率运算,获取初始化识别率;
卸载识别方案确定单元,所述卸载识别方案确定单元用于通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案。
进一步的,所述系统包括:
代入识别率运算单元,所述代入识别率运算单元用于通过所述初始化验证误识率与初始化验证通过率,代入识别率运算公式;
识别率运算公式单元,所述识别率运算公式单元用于识别率运算公式:=1-,其中,/>为初始化识别率,/>为所述初始化识别验证第i位的误识率,/>为所述初始化识别验证第i位的通过率,/>为验证次数,/>为初始化验证误识率、/> 为初始化验证通过率,/>且i≠1。
进一步的,所述系统包括:
关联特征指标确定单元,所述关联特征指标确定单元用于确定所述用户边缘卸载识别方案中的关联特征指标;
时耗重叠度评估单元,所述时耗重叠度评估单元用于通过所述关联特征指标,进行时耗重叠度评估,确定时耗重叠信息;
累计修正结果确定单元,所述累计修正结果确定单元用于通过所述时耗重叠信息与所述初始化时耗累计统计结果,确定初始化时耗累计修正结果;
第一准许指令获取单元,所述第一准许指令获取单元用于判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值,若处于,获取识别率提升第一准许指令;
第二准许指令获取单元,所述第二准许指令获取单元用于判断所述初始化识别率是否满足所述预设识别率,若不满足,获取识别率提升第二准许指令;
检测关键点扩充单元,所述检测关键点扩充单元用于通过所述识别率提升第一准许指令与所述识别率提升第二准许指令,进行所述用户边缘卸载识别方案的检测关键点扩充。
本说明书和附图仅仅是本申请的示例性说明,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种提高自动门感应识别率的方法,其特征在于,所述方法包括:
获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;
基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;
通过所述用户画像信息,确定关键点检测集合;
通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;
设定预设识别时间阈值;
通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;
通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;
将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
2.如权利要求1所述的方法,其特征在于,所述通过所述用户画像信息,确定关键点检测集合,所述方法包括:
通过所述用户画像信息,进行尺度空间的极值检测,寻找局部极值;
通过所述局部极值进行关键点定位,获取各个关键点位置信息;
通过局部特征,对各个关键点分别分配一个基准方向,获取各个关键点主方向;
通过所述各个关键点位置信息与所述各个关键点主方向,获取关键点检测集合。
3.如权利要求1所述的方法,其特征在于,所述通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合,所述方法包括:
在所述关键点检测集合中的各个元素进行分离验证识别统计过程中,同步进行时间计量,获取各个元素检测时耗信息;
对所述各个元素检测时耗信息进行排序,获取检测时耗递增集合;
通过所述检测时耗递增集合与所述关键点检测集合,确定关键点检测时间集合。
4.如权利要求3所述的方法,其特征在于,所述通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案,所述方法包括:
对所述关键点检测时间集合进行时耗累计统计,获取时耗累计统计结果;
在所时耗累计统计过程中,同步比对所述时耗累计统计结果与所述预设识别时间阈值;
若所述时耗累计统计结果超出所述预设识别时间阈值,发送时耗累计统计停止指令;
在确定时耗累计统计停止指令后,将当前的时耗累计统计结果设定为初始化时耗累计统计结果;
通过所述初始化时耗累计统计结果,获取用户边缘卸载识别方案。
5.如权利要求4所述的方法,其特征在于,所述通过所述初始化时耗累计统计结果,获取用户边缘卸载识别方案,所述方法还包括:
通过所述初始化时耗累计统计结果,确定初始化用户识别方案;
通过所述初始化用户识别方案,进行初始化识别验证,获取初始化验证误识率与初始化验证通过率;
通过所述初始化验证误识率与初始化验证通过率,进行识别率运算,获取初始化识别率;
通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案。
6.如权利要求5所述的方法,其特征在于,所述通过所述初始化验证误识率与初始化验证通过率,进行识别率运算,获取初始化识别率,所述方法包括:
通过所述初始化验证误识率与初始化验证通过率,代入识别率运算公式;
识别率运算公式:=1-/>,其中,/>为初始化识别率,/>为所述初始化识别验证第i位的误识率,/>为所述初始化识别验证第i位的通过率,/>为验证次数,/>为初始化验证误识率、/> 为初始化验证通过率,/>且i≠1。
7.如权利要求5所述的方法,其特征在于,所述通过所述初始化识别率与预设识别率,确定用户边缘卸载识别方案,所述方法还包括:
确定所述用户边缘卸载识别方案中的关联特征指标;
通过所述关联特征指标,进行时耗重叠度评估,确定时耗重叠信息;
通过所述时耗重叠信息与所述初始化时耗累计统计结果,确定初始化时耗累计修正结果;
判断所述初始化时耗累计修正结果是否处于所述预设识别时间阈值,若处于,获取识别率提升第一准许指令;
判断所述初始化识别率是否满足所述预设识别率,若不满足,获取识别率提升第二准许指令;
通过所述识别率提升第一准许指令与所述识别率提升第二准许指令,进行所述用户边缘卸载识别方案的检测关键点扩充。
8.一种提高自动门感应识别率的系统,其特征在于,所述系统包括:
信息获取单元,所述信息获取单元用于获取自动感应门的用户基础信息,所述用户基础信息包括用户面部信息、用户指纹信息、用户身份信息;
画像信息确定单元,所述画像信息确定单元用于基于所述用户基础信息,以所述用户身份信息为标记信息,确定用户画像信息;
检测集合确定单元,所述检测集合确定单元用于通过所述用户画像信息,确定关键点检测集合;
验证识别统计单元,所述验证识别统计单元用于通过所述关键点检测集合,分离进行验证识别统计,获取关键点检测时间集合;
时间阈值设定单元,所述时间阈值设定单元用于设定预设识别时间阈值;
卸载方案获取单元,所述卸载方案获取单元用于通过所述预设识别时间阈值,对所述关键点检测时间集合进行筛选,获取用户边缘卸载识别方案;
指令发送单元,所述指令发送单元用于通过所述用户边缘卸载识别方案,进行边缘感应识别,若感应识别通过,发送自动控制指令;
自动控制单元,所述自动控制单元用于将所述自动控制指令发送至自动控制开门设备,控制所述自动门处于开启状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310669079.6A CN117079377A (zh) | 2023-06-07 | 2023-06-07 | 一种提高自动门感应识别率的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310669079.6A CN117079377A (zh) | 2023-06-07 | 2023-06-07 | 一种提高自动门感应识别率的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117079377A true CN117079377A (zh) | 2023-11-17 |
Family
ID=88715971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310669079.6A Pending CN117079377A (zh) | 2023-06-07 | 2023-06-07 | 一种提高自动门感应识别率的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117079377A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060204050A1 (en) * | 2005-02-28 | 2006-09-14 | Kabushiki Kaisha Toshiba | Face authenticating apparatus and entrance and exit management apparatus |
CN106778578A (zh) * | 2016-12-06 | 2017-05-31 | 浙江水马环保科技有限公司 | 净水器用户身份识别方法 |
CN106845377A (zh) * | 2017-01-10 | 2017-06-13 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
JP2020077283A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社三井E&Sマシナリー | コンテナ番号認識システム |
CN113870468A (zh) * | 2021-12-02 | 2021-12-31 | 云丁网络技术(北京)有限公司 | 一种智能锁的控制方法及系统 |
WO2023029508A1 (zh) * | 2021-08-30 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 基于用户画像的页面生成方法、装置、设备及介质 |
-
2023
- 2023-06-07 CN CN202310669079.6A patent/CN117079377A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060204050A1 (en) * | 2005-02-28 | 2006-09-14 | Kabushiki Kaisha Toshiba | Face authenticating apparatus and entrance and exit management apparatus |
CN106778578A (zh) * | 2016-12-06 | 2017-05-31 | 浙江水马环保科技有限公司 | 净水器用户身份识别方法 |
CN106845377A (zh) * | 2017-01-10 | 2017-06-13 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
JP2020077283A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社三井E&Sマシナリー | コンテナ番号認識システム |
WO2023029508A1 (zh) * | 2021-08-30 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 基于用户画像的页面生成方法、装置、设备及介质 |
CN113870468A (zh) * | 2021-12-02 | 2021-12-31 | 云丁网络技术(北京)有限公司 | 一种智能锁的控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7151846B1 (en) | Apparatus and method for matching fingerprint | |
US20040008873A1 (en) | Face collation apparatus and biometrics data collation apparatus | |
EP0973123A1 (en) | Finger sensor operating technique | |
CN110458093B (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
EP2360619A1 (en) | Fast fingerprint searching method and fast fingerprint searching system | |
JP2012160165A (ja) | ベースライン帯域ビデオ監視システムおよび方法 | |
KR20120064922A (ko) | 근전도 센서와 자이로 센서를 이용한 지화 인식 방법 및 장치 | |
WO2007011188A1 (en) | Method and apparatus for recognizing serial number of paper money | |
CN112215154B (zh) | 一种应用于人脸检测系统的基于蒙版的模型评估方法 | |
JP5618295B2 (ja) | 認証システム及び認証の信頼度の判定方法 | |
JP5791148B2 (ja) | 認証システム及び信頼度判定方法 | |
CN108710828A (zh) | 识别目标物的方法、装置和存储介质以及车辆 | |
CN110766009A (zh) | 尾牌识别方法、装置以及计算机可读存储介质 | |
CN117079377A (zh) | 一种提高自动门感应识别率的方法及系统 | |
KR100397916B1 (ko) | 지문 등록 및 인증방법 | |
CN116257651B (zh) | 一种贯通道渡板异响智能监测系统 | |
KR100726473B1 (ko) | 이미지 분별 장치 및 그 방법 | |
CN106846609A (zh) | 一种基于感知哈希的纸币面值面向识别方法 | |
CN110569732A (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
US20200387691A1 (en) | A quick match algorithm for biometric data | |
US20210182532A1 (en) | Method of tracking an element, associated electronic device and computer program product | |
CN115861919A (zh) | 一种用于防止尾随通行行为的通行控制方法 | |
CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
CN111046876B (zh) | 基于纹理检测技术的车牌字符快速识别方法及其系统 | |
CN109960995B (zh) | 一种运动数据确定系统、方法及装置 |
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 |