CN117115959A - 一种基于环境感知的智能门禁系统 - Google Patents
一种基于环境感知的智能门禁系统 Download PDFInfo
- Publication number
- CN117115959A CN117115959A CN202311078168.XA CN202311078168A CN117115959A CN 117115959 A CN117115959 A CN 117115959A CN 202311078168 A CN202311078168 A CN 202311078168A CN 117115959 A CN117115959 A CN 117115959A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- module
- access control
- environmental
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 63
- 230000007613 environmental effect Effects 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 238000003891 environmental analysis Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000005236 sound signal Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 206010019345 Heat stroke Diseases 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 241001391944 Commicarpus scandens Species 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及门禁系统技术领域，具体为一种基于环境感知的智能门禁系统，包括数据采集模块、特征工程模块、建模模块和环境分析与处理模块。本发明中，首先数据采集模块收集门禁周围环境所产生的环境数据，将收集的数据发送给特征工程模块，特征工程模块用于存储和处理环境数据，将历史环境数据发送给建模模块训练，将实时环境数据发送给环境分析与处理模块预测处理，建模模块利用神经网络算法进行模型训练，将合格的模型发送给环境分析与处理模块，环境分析与处理模块利用训练好的模型对实时环境数据进行人员通行密度和是否非法闯入的预测，并根据预测结果采取对应的措施。
Description
技术领域
本发明涉及门禁系统技术领域，具体为一种基于环境感知的智能门禁系统。
背景技术
智能门禁系统利用人脸识别和指纹识别对来往人员进行身份确认，将识别通过的人员或者车辆进行放行，然而，这类门禁系统在门禁决策方面往往有些弊端。
一方面，在高温天气下，大量的人口聚集可能引发人员中暑，对人员生命安全和交通安全产生不利影响；
另一方面，非法分子可能会利用破环装置和翻越栅栏等行为进行非法通过，对财产安全和社会安全造成不利影响。
发明内容
本发明的目的在于提供一种基于环境感知的智能门禁系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于环境感知的智能门禁系统，其包括数据采集模块、特征工程模块、建模模块和环境分析与处理模块，其中：
所述数据采集模块用于收集门禁周围的环境数据，并将数据发送给特征工程模块；
所述特征工程模块接收数据采集模块发送的环境数据，用于存储和处理环境数据，并将历史环境数据和实时环境数据分别发送给建模模块和环境分析与处理模块；
所述建模模块根据特征工程模块发送的历史环境数据利用神经网络算法进行模型训练，将训练好的模型发送给环境分析与处理模块；
所述环境分析与处理模块根据特征工程模块发送的实时环境数据利用训练好的神经网络模型对门禁环境周围的人员通行密度和是否非法闯入进行预测，并根据预测结果采取相关的措施。
作为本技术方案的进一步改进，所述数据采集模块包括传感器单元和数据转换单元，所述传感器单元用于收集门禁周围的环境数据，所述数据转换单元利用模数转化器将传感器单元收集到的模拟信号数据转换为数字信号数据，并将数据发送给特征工程模块中的数据存储单元。
作为本技术方案的进一步改进，所述特征工程模块包括数据存储单元和特征处理单元，所述数据存储单元接收数据转换单元发送的数据，将数据存储在数据库中；所述特征处理单元用于添加数据存储单元存储环境数据中的特征列，并添加历史环境数据中的标签列。
作为本技术方案的进一步改进，所述建模模块包括数据集切分单元、训练单元、评估单元和调优单元，所述数据集切分单元接收特征处理单元发送的历史环境数据，用于将数据集切分为两份，一份为训练集，另一份为验证集，将训练集发送给训练单元，将验证集发送给评估单元；所述训练单元使用神经网络算法对根据训练集进行模型训练，并将训练好的模型发送给评估单元；所述评估单元使用训练好的模型根据验证集进行评估，将评估合格的模型发送给环境分析与处理模块中的环境分析单元，将评估不合格的模型发送给调优单元；所述调优单元通过增加神经网络的深度、宽度和调整神经元数量参数值对模型进行调优。
作为本技术方案的进一步改进，所述环境分析与处理模块包括环境分析单元、门禁处理单元和人脸识别单元，所述环境分析单元接收特征处理单元和评估单元分别发送的实时环境数据和评估合格的模型，根据数据和模型预测出人员通行密度和是否非法闯入的结果；所述门禁处理单元接收环境分析单元预测的结果；所述人脸识别单元根据数据转换单元发送的人脸数据进行识别认证。
作为本技术方案的进一步改进，所述传感器单元利用温度传感器、声音传感器和图像传感器来收集门禁周边的温度、声音和图像；所述数据转换单元将图像传感器收集到的人脸数据发送给人脸识别单元，将易闯入区域的图像数据发送给数据存储单元。
作为本技术方案的进一步改进，所述特征处理单元将数据中的温度、声音和图像作为数据集的特征列，并添加时间戳为数据集的特征列，根据日志记录给历史环境数据添加人员通行密度和是否非法闯入标签。
作为本技术方案的进一步改进，所述特征处理单元对声音进行音频特征提取，具体包括：
将音频信号分成短时段的帧，每帧持续时间为25毫秒；
对每个音频帧应用快速傅里叶变换，将时域信号转换为频域信号，得到频谱；
应用梅尔滤波器，来捕捉不同频率范围内的能量；
将梅尔滤波器组的能量对数化，来模拟人耳对音频信号的感知；
对经过对数压缩的梅尔滤波器组能量应用离散余弦变换，提取最终特征。
作为本技术方案的进一步改进，所述训练单元利用神经网络算法根据训练集进行模型训练，具体包括：
模型由输入层、隐藏层、分支层和输出层组成，输入层将特征作为输入，将其连接到隐藏层，其中的一个分支层用于人员通行密度预测任务的特定分支层，另一个分支层用于是否非法闯入预测任务的特定分支层，分支层接收隐藏层的输出作为输入，并通过自身的全连接神经元和激活函数进行进一步处理，以预测人员通行密度和是否非法闯入；
神经网络将输入数据从输入层传递到输出层进行前向传播，其中的输出由激活函数和各层之间的权重来计算；
在前向传播之后，将神经网络得到的预测结果与对应的标签真实值进行比较，计算出一个损失函数的数值，其中损失函数衡量了预测结果与实际标签之间的差异；
利用损失函数将误差反向传递回网络中，计算每个参数对于损失的贡献，通过链式法则，从输出层向输入层反向计算梯度，并根据梯度的方向更新每个参数的值，以最小化损失函数，最后根据计算得到的梯度信息，更新神经网络中的参数。
作为本技术方案的进一步改进，所述门禁处理单元根据环境分析单元预测的人员通行密度和是否非法闯入的预测结果进行相关措施，具体包括：
当接收到人员通行密度为高时，且温度大于30摄氏度时，门禁处理单元将触发风扇指令，打开门禁周围的风扇；以短信的方式通知相关管理人员到现场维持秩序；
当接收到是否非法闯入的结果值为是时，门禁处理单元将触发报警系统，利用手机短信的方式提醒周边安保人员可能有非法闯入，并关闭人脸识别单元的识别功能。
与现有技术相比，本发明的有益效果是：
1、该基于环境感知的智能门禁系统的原理是根据各种传感器的集合来收集门禁周围所产生的环境数据，并利用数据库存储实时环境数据和历史环境数据，利用神经网络算法根据历史环境数据进行模型训练，通过训练好的模型对实时环境数据进行人员通行密度的预测，根据当前的实时温度和人员通行密度的大小采取对应的措施，以降低因大量的人口聚集可能引发人员中暑的风险。
2、该基于环境感知的智能门禁系统根据声音传感器和图像传感器对易闯入区域扫描所收集的数据，利用神经网络算法进行分析得出是否非法闯入的结果预测，并根据预测结果提醒相关安保人员和及时关闭设备系统，以及时保护财产安全和生命安全。
附图说明
图1为本发明的整体模块示意图；
图2为本发明的数据收集模块单元示意图；
图3为本发明的特征工程模块单元示意图；
图4为本发明的建模模块单元示意图；
图5为本发明的环境分析与处理模块单元示意图；
图中：100、数据采集模块；101、传感器单元；102、数据转换单元；200、特征工程模块；201、数据存储单元；202、特征处理单元；300、建模模块；301、数据集切分单元；302、训练单元；303、评估单元；304、调优单元；400、环境分析与处理模块；401、环境分析单元；402、门禁处理单元；403、人脸识别单元。
具体实施方式
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-5，本发明提供技术方案：一种基于环境感知的智能门禁系统，包括数据采集模块100、特征工程模块200、建模模块300和环境分析与处理模块400。
为了收集门禁区域的环境信息数据，数据采集模块100中的传感器单元101利用温度传感器、声音传感器和图像传感器来收集门禁周边的温度、声音和图像，其中图像传感器除了收集人脸识别所需的数据外，还对易闯入区域进行实时扫描，传感器单元101将门禁周边的温度、声音和图像数据发送给数据转换单元102。
为了方便计算机系统处理和存储，数据转换单元102将温度传感器和声音传感器所收集数据所产生的模拟信号转换为数字信号，将图像数据利用图像处理算法将图像转换为数学向量表示，将需要人脸识别认证的图像数据发送给人脸识别单元403进行人脸认证，将温度、声音和易闯入区域的图像数据发送给特征工程模块200中的数据存储单元201。
数据存储单元201利用数据库存储了实时环境数据和历史环境数据，为了使用算法模型，数据存储单元201将数据发送给特征处理单元202进行处理，将数据中的温度、声音和图像作为数据集的特征列，并添加时间戳为数据集的特征列，根据日志记录给历史环境数据添加人员通行密度和是否非法闯入标签，让模型进行有监督的训练，在进行模型训练之前，需要对声音数据进行音频特征提取，以让模型更好的训练，音频特征提取如下：
将音频信号分成短时段的帧，每帧持续时间为25毫秒；
对每个音频帧应用快速傅里叶变换，将时域信号转换为频域信号，得到频谱；
应用梅尔滤波器，来捕捉不同频率范围内的能量；
将梅尔滤波器组的能量对数化，来模拟人耳对音频信号的感知；
对经过对数压缩的梅尔滤波器组能量应用离散余弦变换，提取最终特征。
特征处理单元202将处理好的实时环境数据发送给环境分析与处理模块400中的环境分析单元401，将处理好的历史环境数据发送给建模模块300中的数据集切分单元301。
建模模块300中的数据集切分单元301将数据集切分为两份，一份为训练集，另一份为验证集，将训练集发送给训练单元302进行模型训练，将验证集发送给评估单元303进行性能评估。
训练单元302利用神经网络算法根据训练集中的数据进行模型训练，训练过程如下：
模型由输入层、隐藏层、分支层和输出层组成，输入层将特征作为输入，将其连接到隐藏层，其中的一个分支层用于人员通行密度预测任务的特定分支层，另一个分支层用于是否非法闯入预测任务的特定分支层，分支层接收隐藏层的输出作为输入，并通过自身的全连接神经元和激活函数进行进一步处理，以预测人员通行密度和是否非法闯入；
神经网络将输入数据从输入层传递到输出层进行前向传播，其中的输出由激活函数和各层之间的权重来计算；
在前向传播之后，将神经网络得到的预测结果与对应的标签真实值进行比较，计算出一个损失函数的数值(也称为误差)，其中损失函数衡量了预测结果与实际标签之间的差异；
利用损失函数将误差反向传递回网络中，计算每个参数对于损失的贡献，通过链式法则，从输出层向输入层反向计算梯度，并根据梯度的方向更新每个参数的值，以最小化损失函数，最后根据计算得到的梯度信息，更新神经网络中的参数。
将模型发送给评估单元303，评估单元303计算出模型预测的标签数组与验证集标签数组之间准确预测的样本数目，将准确预测的样本数目除以验证集的样本数目乘以百分比得到准确率，当准确率≥百分之90，则该模型训练成功，并将模型发送给环境分析与处理模块400中的环境分析单元401，否则发送给调优单元304进行调优，调优单元304通过增加神经网络的深度、宽度和调整神经元数量参数值来对模型进行调优。
环境分析单元401接收评估单元303发送的模型和特征处理单元202发送的实时环境数据，利用训练好的模型根据实时环境数据进行预测，模型输出人员通行密度和是否非法闯入的预测结果，其中人员通行密度的结果值为低或高，是否非法闯入的结果值为是或否，并将预测结果发送给门禁处理单元402，门禁处理单元402处理预测结果的过程如下：
当接收到人员通行密度为高时，且温度大于30摄氏度时，门禁处理单元402将触发风扇指令，即打开门禁周围的风扇，避免造成人员中暑；并通知相关管理人员到现场维持秩序，保证交通顺畅；
当接收到是否非法闯入的结果值为是时，门禁处理单元402将触发报警系统，利用手机短信的方式提醒周边安保人员，并关闭人脸识别单元403的识别功能，防止非法人员对系统设备的入侵。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于环境感知的智能门禁系统，其特征在于：包括数据采集模块(100)、特征工程模块(200)、建模模块(300)和环境分析与处理模块(400)，其中：
所述数据采集模块(100)用于收集门禁周围的环境数据，并将数据发送给特征工程模块(200)；
所述特征工程模块(200)接收数据采集模块(100)发送的环境数据，用于存储和处理环境数据，并将历史环境数据和实时环境数据分别发送给建模模块(300)和环境分析与处理模块(400)；
所述建模模块(300)根据特征工程模块(200)发送的历史环境数据利用神经网络算法进行模型训练，将训练好的模型发送给环境分析与处理模块(400)；
所述环境分析与处理模块(400)根据特征工程模块(200)发送的实时环境数据利用训练好的神经网络模型对门禁环境周围的人员通行密度和是否非法闯入进行预测，并根据预测结果采取相关的措施。
2.根据权利要求1所述的基于环境感知的智能门禁系统，其特征在于：所述数据采集模块(100)包括传感器单元(101)和数据转换单元(102)，所述传感器单元(101)用于收集门禁周围的环境数据，所述数据转换单元(102)利用模数转化器将传感器单元(101)收集到的模拟信号数据转换为数字信号数据，并将数据发送给特征工程模块(200)中的数据存储单元(201)。
3.根据权利要求1所述的基于环境感知的智能门禁系统，其特征在于：所述特征工程模块(200)包括数据存储单元(201)和特征处理单元(202)，所述数据存储单元(201)接收数据转换单元(102)发送的数据，将数据存储在数据库中；所述特征处理单元(202)用于添加数据存储单元(201)存储环境数据中的特征列，并添加历史环境数据中的标签列。
4.根据权利要求1所述的基于环境感知的智能门禁系统，其特征在于：所述建模模块(300)包括数据集切分单元(301)、训练单元(302)、评估单元(303)和调优单元(304)，所述数据集切分单元(301)接收特征处理单元(202)发送的历史环境数据，用于将数据集切分为两份，一份为训练集，另一份为验证集，将训练集发送给训练单元(302)，将验证集发送给评估单元(303)；所述训练单元(302)使用神经网络算法对根据训练集进行模型训练，并将训练好的模型发送给评估单元(303)；所述评估单元(303)使用训练好的模型根据验证集进行评估，将评估合格的模型发送给环境分析与处理模块(400)中的环境分析单元(401)，将评估不合格的模型发送给调优单元(304)；所述调优单元(304)通过增加神经网络的深度、宽度和调整神经元数量参数值对模型进行调优。
5.根据权利要求1所述的基于环境感知的智能门禁系统，其特征在于：所述环境分析与处理模块(400)包括环境分析单元(401)、门禁处理单元(402)和人脸识别单元(403)，所述环境分析单元(401)接收特征处理单元(202)和评估单元(303)分别发送的实时环境数据和评估合格的模型，根据数据和模型预测出人员通行密度和是否非法闯入的结果；所述门禁处理单元(402)接收环境分析单元(401)预测的结果；所述人脸识别单元(403)根据数据转换单元(102)发送的人脸数据进行识别认证。
6.根据权利要求2所述的基于环境感知的智能门禁系统，其特征在于：所述传感器单元(101)利用温度传感器、声音传感器和图像传感器来收集门禁周边的温度、声音和图像；所述数据转换单元(102)将图像传感器收集到的人脸数据发送给人脸识别单元(403)，将易闯入区域的图像数据发送给数据存储单元(201)。
7.根据权利要求3所述的基于环境感知的智能门禁系统，其特征在于：所述特征处理单元(202)将数据中的温度、声音和图像作为数据集的特征列，并添加时间戳为数据集的特征列，根据日志记录给历史环境数据添加人员通行密度和是否非法闯入标签。
8.根据权利要求7所述的基于环境感知的智能门禁系统，其特征在于：所述特征处理单元(202)对声音进行音频特征提取，具体包括：
将音频信号分成短时段的帧，每帧持续时间为25毫秒；
对每个音频帧应用快速傅里叶变换，将时域信号转换为频域信号，得到频谱；
应用梅尔滤波器，来捕捉不同频率范围内的能量；
将梅尔滤波器组的能量对数化，来模拟人耳对音频信号的感知；
对经过对数压缩的梅尔滤波器组能量应用离散余弦变换，提取最终特征。
9.根据权利要求4所述的基于环境感知的智能门禁系统，其特征在于：所述训练单元(302)利用神经网络算法根据训练集进行模型训练，具体包括：
模型由输入层、隐藏层、分支层和输出层组成，输入层将特征作为输入，将其连接到隐藏层，其中的一个分支层用于人员通行密度预测任务的特定分支层，另一个分支层用于是否非法闯入预测任务的特定分支层，分支层接收隐藏层的输出作为输入，并通过自身的全连接神经元和激活函数进行进一步处理，以预测人员通行密度和是否非法闯入；
神经网络将输入数据从输入层传递到输出层进行前向传播，其中的输出由激活函数和各层之间的权重来计算；
在前向传播之后，将神经网络得到的预测结果与对应的标签真实值进行比较，计算出一个损失函数的数值，其中损失函数衡量了预测结果与实际标签之间的差异；
利用损失函数将误差反向传递回网络中，计算每个参数对于损失的贡献，通过链式法则，从输出层向输入层反向计算梯度，并根据梯度的方向更新每个参数的值，以最小化损失函数，最后根据计算得到的梯度信息，更新神经网络中的参数。
10.根据权利要求5所述的基于环境感知的智能门禁系统，其特征在于：所述门禁处理单元(402)根据环境分析单元(401)预测的人员通行密度和是否非法闯入的预测结果进行相关措施，具体包括：
当接收到人员通行密度为高时，且温度大于30摄氏度时，门禁处理单元(402)将触发风扇指令，打开门禁周围的风扇；以短信的方式通知相关管理人员到现场维持秩序；
当接收到是否非法闯入的结果值为是时，门禁处理单元(402)将触发报警系统，利用手机短信的方式提醒周边安保人员可能有非法闯入，并关闭人脸识别单元(403)的识别功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311078168.XA CN117115959A (zh) | 2023-08-25 | 2023-08-25 | 一种基于环境感知的智能门禁系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311078168.XA CN117115959A (zh) | 2023-08-25 | 2023-08-25 | 一种基于环境感知的智能门禁系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117115959A true CN117115959A (zh) | 2023-11-24 |
Family
ID=88812331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311078168.XA Pending CN117115959A (zh) | 2023-08-25 | 2023-08-25 | 一种基于环境感知的智能门禁系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117115959A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371825A (zh) * | 2023-12-05 | 2024-01-09 | 烟台市食品药品检验检测中心(烟台市药品不良反应监测中心、烟台市粮油质量检测中心) | 基于状态监控分析生产品质的食品预测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190208365A1 (en) * | 2017-12-31 | 2019-07-04 | Bull Sas | System and method for managing a mass gathering |
| US20210034967A1 (en) * | 2019-08-01 | 2021-02-04 | Distech Controls Inc. | Environment controller and methods for validating an estimated number of persons present in an area |
| US20220122391A1 (en) * | 2020-10-14 | 2022-04-21 | 1Ahead Technologies | Security surveillance and entry management system |
| US20220292902A1 (en) * | 2021-03-12 | 2022-09-15 | Intellivision Technologies Corp | Multiple-factor recognition and validation for security systems |
| US20230192157A1 (en) * | 2022-12-14 | 2023-06-22 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for regulating air conditioning temperature of subways in smart citys and internet of things systems thereof |
-
2023
- 2023-08-25 CN CN202311078168.XA patent/CN117115959A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190208365A1 (en) * | 2017-12-31 | 2019-07-04 | Bull Sas | System and method for managing a mass gathering |
| US20210034967A1 (en) * | 2019-08-01 | 2021-02-04 | Distech Controls Inc. | Environment controller and methods for validating an estimated number of persons present in an area |
| US20220122391A1 (en) * | 2020-10-14 | 2022-04-21 | 1Ahead Technologies | Security surveillance and entry management system |
| US20220292902A1 (en) * | 2021-03-12 | 2022-09-15 | Intellivision Technologies Corp | Multiple-factor recognition and validation for security systems |
| US20230192157A1 (en) * | 2022-12-14 | 2023-06-22 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for regulating air conditioning temperature of subways in smart citys and internet of things systems thereof |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371825A (zh) * | 2023-12-05 | 2024-01-09 | 烟台市食品药品检验检测中心(烟台市药品不良反应监测中心、烟台市粮油质量检测中心) | 基于状态监控分析生产品质的食品预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112333241B (zh) | 一种基于大数据服务的智慧安防系统 | |
| CN111585948B (zh) | 一种基于电网大数据的网络安全态势智能预测方法 | |
| CN109616140B (zh) | 一种异常声音分析系统 | |
| CN117115959A (zh) | 一种基于环境感知的智能门禁系统 | |
| CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
| CN102945675A (zh) | 检测户外呼救声音的智能传感网络系统 | |
| CN116112292B (zh) | 基于网络流量大数据的异常行为检测方法、系统和介质 | |
| CN112087442A (zh) | 基于注意力机制的时序相关网络入侵检测方法 | |
| CN115002150A (zh) | 一种智慧社区智能化疫情管控系统及方法 | |
| CN110865625A (zh) | 一种基于时间序列的工艺数据异常检测方法 | |
| CN112488142A (zh) | 一种雷达故障的预测方法、装置及存储介质 | |
| CN116862740A (zh) | 一种基于互联网的智能监狱管控系统 | |
| CN105185381A (zh) | 智能机器人声音识别系统 | |
| CN115296933A (zh) | 一种工业生产数据风险等级评估方法及系统 | |
| CN111476102A (zh) | 一种安全防护方法、中控设备及计算机存储介质 | |
| Smailov et al. | A novel deep CNN-RNN approach for real-time impulsive sound detection to detect dangerous events | |
| CN107920224A (zh) | 一种异常告警方法、设备及视频监控系统 | |
| CN117197726A (zh) | 一种重点人员精准化管控系统及方法 | |
| CN111080005B (zh) | 一种基于支持向量机的治安风险预警方法及系统 | |
| Zhang et al. | Acoustic traffic event detection in long tunnels using fast binary spectral features | |
| CN114915496B (zh) | 基于时间权重和深度神经网络的网络入侵检测方法和装置 | |
| CN116778657A (zh) | 一种智能识别入侵行为的方法及系统 | |
| US20220293123A1 (en) | Systems and methods for authentication using sound-based vocalization analysis | |
| CN112382051B (zh) | 一种基于区块链的智慧住宅安防系统 | |
| CN110020223B (zh) | 行为数据分析方法及装置 |
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 |