CN207017925U - 一种电动伸缩门 - Google Patents
一种电动伸缩门 Download PDFInfo
- Publication number
- CN207017925U CN207017925U CN201720876532.0U CN201720876532U CN207017925U CN 207017925 U CN207017925 U CN 207017925U CN 201720876532 U CN201720876532 U CN 201720876532U CN 207017925 U CN207017925 U CN 207017925U
- Authority
- CN
- China
- Prior art keywords
- electric extendable
- extendable door
- camera
- facial image
- information
- 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.)
- Expired - Fee Related
Links
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种电动伸缩门,包括:采集用户的人脸图像的摄像头;与摄像头相连,对人脸图像进行特征信息的提取和识别;在识别通过后,根据外部输入的信息确定并发送相应开启模式的嵌入式微处理器;与嵌入式微处理器相连,根据接收到的开启模式控制电动伸缩门的预设伸缩距离;根据接收到的检测结果控制电动伸缩门闭合的控制装置;与控制装置相连,在预设时间后执行障碍物检测操作得到检测结果并发送的超声波检测装置。其无需配备专门的控制人员、在通过者的识别验证通过后自动开启,能够节省宝贵的人力资源、实现对电动伸缩门的“无人化”监控和管理以及降低运行成本。
Description
技术领域
本申请涉及自动化设备领域,特别涉及一种电动伸缩门。
背景技术
嵌入式系统在我们的生活中随处可见,与传统的PC机一样,也是一种计算机系统,是由硬件和软件组成的,但区别于传统PC机,嵌入式系统的设备往往用于特定的环境或专门的应用需求,因而具有实时性的特点。且嵌入式系统主要以产品应用为轴心,集成了多种技术,例如计算机技术、互联网通信、电子技术等,因而其处理器具有集成度高、功耗低、体积小的特点。
现今工作生活中,电动伸缩门出现的频率颇高,通常情况下是由附近的安保人员人为的遥控电动伸缩门的开启和闭合,很大程度上占用了宝贵的人力资源,使得安保人员不断进行重复的动作,增加企业或者物业公司的运行成本。
所以,如何结合通过用户的人脸图像特征信息,提供一种无需遥控、验证通过后自动开启,节省宝贵的人力资源、实现对电动伸缩门的“无人化”监控和管理以及降低运行成本的电动伸缩门是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种电动伸缩门,其无需配备专门的控制人员、在通过者的识别验证通过后自动开启,能够节省宝贵的人力资源、实现对电动伸缩门的“无人化”监控和管理以及降低运行成本。
为解决上述技术问题,本申请提供一种电动伸缩门,该电动伸缩门包括:
采集用户的人脸图像的摄像头;
与所述摄像头相连,对所述人脸图像进行特征信息的提取和识别;在识别通过后,根据外部输入的信息确定并发送相应开启模式的嵌入式微处理器;
与所述嵌入式微处理器相连,根据接收到的所述开启模式控制电动伸缩门的预设伸缩距离;根据接收到的检测结果控制所述电动伸缩门闭合的控制装置;
与所述控制装置相连,在预设时间后执行障碍物检测操作得到所述检测结果并发送的超声波检测装置。
可选的,该电动伸缩门还包括:
与所述嵌入式微处理器相连,将未通过特征信息识别的所述人脸图像通过预设路径发送给管理员;并接收来自所述管理员的反馈信息的通信装置。
可选的,该电动伸缩门还包括:
与所述嵌入式微处理器、所述通信装置以及所述摄像头均相连,用于显示所述人脸图像、识别结果、所述开启模式以及所述反馈信息的信息显示装置。
可选的,所述摄像头具体为采用镁光AR0331感光芯片的USB摄像机。
可选的,所述通信装置具体为DM9000C网络芯片。
可选的,所述超声波检测装置具体为AJ—SR04M一体化超声波测距模块。
可选的,所述信息显示装置具体为AT043TN24LCD显示器。
可选的,所述嵌入式微处理器具体为三星S3C2440微处理器芯片。
本申请所提供的一种电动伸缩门,包括采集用户的人脸图像的摄像头;与所述摄像头相连,对所述人脸图像进行特征信息的提取和识别;在识别通过后,根据外部输入的信息确定并发送相应开启模式的嵌入式微处理器;与所述嵌入式微处理器相连,根据接收到的所述开启模式控制电动伸缩门的预设伸缩距离;根据接收到的检测结果控制所述电动伸缩门闭合的控制装置;与所述控制装置相连,在预设时间后执行障碍物检测操作得到所述检测结果并发送的超声波检测装置。
显然,本申请所提供的技术方案,通过诸多装置的彼此配合,对通过的用户的人脸特征信息进行识别,在识别通过后根据选择的通过模式能够控制电动伸缩门自动开启。该电动伸缩门无需配备专门的控制人员,能够在对用户的识别验证通过后自动开启电动伸缩门,节省了宝贵的人力资源、实现了对电动伸缩门的“无人化”监控和管理,进而有效降低企业的运行成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种电动伸缩门的结构框图;
图2为本申请实施例所提供的另一种电动伸缩门的结构框图;
图3为本申请实施例所提供的一种电动伸缩门的实际结构示意图。
具体实施方式
本申请的核心是提供一种电动伸缩门,其无需配备专门的控制人员、在通过者的识别验证通过后自动开启,能够节省宝贵的人力资源、实现对电动伸缩门的“无人化”监控和管理以及降低运行成本。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
以下结合图1,图1为本申请实施例所提供的一种电动伸缩门的结构框图。
该电动伸缩门可以包括:
采集用户的人脸图像的摄像头100;
通过摄像头等信息采集装置来实现对想要通过该电动伸缩门的用户的人脸图像进行采集,得到用户的人脸图像,并通过一系列算法对该人脸图像进行特征的提取,最终得到该人脸图像的特征信息,以便于在后续的步骤中利用数据库中的预存特征信息进行检测。
与摄像头100相连,对人脸图像进行特征信息的提取和识别;在识别通过后,根据外部输入的信息确定并发送相应开启模式的嵌入式微处理器200;
因为需要通过一些的算法来进行对摄像头100采集到的人脸图像进行特征信息的提取和匹配识别,在算法的选择上,可以做出多种选择,例如,根据要进行特征提取的对象来进行有针对性的选用,本申请此处需要对采集到的人脸图像进行特征信息,所以可以选用在图像特征提取上较为常用的PCA (Principal Component Analysis,中文名为:主成分分析)算法来实现。
在进行图像的特征提取的过程中,提取的特征维数太多经常会导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。所谓特征降维,即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法:特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征;而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。
常用的特征抽取方法就是PCA,PCA的实质就是在尽可能好的代表原特征的情况下,将原特征进行线性变换、映射至低纬度空间中。
接下来,利用提取得到的人脸图像的特征信息与后台数据库中的预存特征信息进行比对,以判断之前提取到的特征信息是否在预存特征信息中能够匹配到一致的特征信息。
具体的怎样进行比对的方式多种多样,因为一张人脸图像可以提取得到很多特征信息,可以根据匹配的特征信息的数量占总提取出的总特征信息数量的比例是否达到一个阈值;也可以根据其它的算法来进行符合使用的其它设备的判断标准,此处并不做具体限定,应视具体情况下采用硬件的型号、图像采集装置的成像效果、用户自身的一些因素等结合自身利益进行差异化的选择。
例如,可以采用提到过的PCA技术实现对人脸图像的特征信息提取,CA 算法是多元统计分析中用来分析数据的一种方法,它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数的方法,它的本质实际上是K-L (Karhunen-Loeve,中文名为:卡洛南-洛伊)变换,又被称为最优正交变换。它是一种常用的特征提取方法,具有最小均方误差意义下的最优正交变换;在消除模式特征之间的相关性、突出差异性方面有最优效果的特点。
PCA方法最著名的应用应该是在人脸识别中特征提取及数据降维,之所以需要降维是因为:在输入分辨率为200*200像素大小的人脸图像时,单单提取它的灰度值作为原始特征,这个原始特征就将会达到40000维,这会给后面分类器的处理将带来极大的难度,所以PCA算法用一个低维子空间描述人脸图像,同时用保存了识别所需要的信息,达到了降维的效果。
在得到经过降维的特征信息后,还可以紧接着利用SVM技术实现对提取到的特征信息在数据库的预存特征信息中进行匹配对比。其中,SVM(Support Vector Machine,中文名为:支持向量机)技术是在机器学习领域的一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。
SVM技术的主要思想可以概括为两点:
它是针对线性可分情况进行的分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。
它是基于结构风险最小化理论之上在特征空间中构建最优超平面,使得学习器得到全局最优化的布局,并且在整个样本空间的期望以某个概率满足某个上界。通过采用这种比对技术,可以实现进行特征信息比对的要求。
与嵌入式微处理器200相连,根据接收到的开启模式控制电动伸缩门的预设伸缩距离;根据接收到的检测结果控制电动伸缩门闭合的控制装置300;
与控制装置300相连,在预设时间后执行障碍物检测操作得到检测结果并发送的超声波检测装置400。
在通过特征信息的识别检测后,向用户提示根据该用户具体的通行方式进行相应的选择,通常情况下可以简单的包括行人通过模式以及车辆通过模式,以根据通过模式的不同来控制电动伸缩门的伸缩距离和伸缩程度。
例如,可以结合最常见的两种通过模式对选择方式进行简单的设计,即行人通过模式和车辆通过模式,根据用户的选择相应的可以控制电动伸缩门伸缩1人宽的距离或1车宽的距离。其中的1人宽和1车宽只是一个粗略的范围,可以结合该电动伸缩门设置的具体场景、通过车辆大小、用户提醒以及是否有其它特殊情况等等综合进行考虑再设置相对应的伸缩距离。
可选的,该电动伸缩门还包括:
与嵌入式微处理器200相连,将未通过特征信息识别的人脸图像通过预设路径发送给管理员;并接收来自管理员的反馈信息的通信装置。
结合实际情况中日益增多的代步工具以及通过方式,以及不同用户的体型以及各种其它因素,可以在选择通行方式时支持自定义模式,并选择需要电动伸缩门的具体伸缩距离,并在确定后保存该用户自定义的通过模式,以便该用户以相同情景在此通过该伸缩门时可以直接选择,或者给其它通过人员以借鉴和利用的机会。
进一步,为了生成预存特征信息,也可以采用多种方式来生成,例如,考虑到能够提取到最好的特征信息以用来与之后的识别做验证,可以将拥有通过权限的用户在图像采集设备前依次进行人脸图像的采集,即,提前走一遍特征提取的流程,并将该第一次提取到的特征信息作为预存特征信息加入数据库中;也可以在不大规模组织进行录入、不占用用户工作时间的情况下,由拥有权限的用户提交能够符合特征信息录入的电子相片,并将该电子相片作为图像采集装置得到的人脸图像利用后续提取步骤得到特征信息,并作为预存特征信息等等方法,此处并不做具体的限定。
可选的,该电动伸缩门还包括:
与嵌入式微处理器200、通信装置以及摄像头100均相连,用于显示人脸图像、识别结果、开启模式以及反馈信息的信息显示装置。
可选的,摄像头100具体为采用镁光AR0331感光芯片的USB摄像机。
可选的,通信装置具体为DM9000C网络芯片。
可选的,超声波检测装置400具体为AJ—SR04M一体化超声波测距模块。
可选的,信息显示装置具体为AT043TN24LCD显示器。
可选的,嵌入式微处理器200具体为三星S3C2440微处理器芯片。
以上提到的各装置可以大致将其分为实体的硬件部分和进行特征信息提取和识别匹配的软件部分。
以下请参见图2,图2为本申请实施例所提供的另一种电动伸缩门的结构框图。
其中,硬件部分可以包括如下部分:嵌入式微处理器,USB摄像头,LCD 触摸屏,超声波检测模块,GPRS信息传输模块,伸缩门控制模块。
嵌入式微处理器采用的是基于ARM 9系列的三星S3C2440,该处理器主要参数如下:
(1)CPU:三星S3C2440A(ARM920T)微处理器,主频400MHz;
(2)内存:2片4Banks x 4Mbits x 16bits SDRAM,共64M;
(3)Flash Memory:256M byte Nandflash(K9F2G08U0C),2M byte Norflash(MX29LV160DBTI-70G);
(4)系统时钟:12MHz系统外部时钟源;32.762Hz的rtc时钟源;
(5)网络芯片:DM9000C;
(6)通信接口:3个PH-4AW串行接口,3个USB设备接口。
摄像头采用的是宽动态效果好的USB摄像机,选用镁光AR0331高端感光芯片,动态范围可达100dB,适用于逆光拍摄,最高300万像素,H.264视频格式输出。适用于逆光拍摄,有效使用于人脸样本的采集。
鉴于电动伸缩门的伸缩程度,需要的超声波检测模块应当满足人们的需求,即进出车辆时,可以检测较长的距离,即大于车辆宽度。因此采用 AJ-SR04M一体化超声波测距模块(0.2-8M),该产品采用工业方案设计,超低功耗20低功耗电流,高达8米远距离测量范围,20cm低盲区控制,3.0-5.5V 工作电压,高稳定灵敏特性。一体化封闭式防水带线探头,适用于潮湿,恶劣的各种测量场合。
因此,超声波检测模块可通过发射与接收信号来测量伸缩门与墙面之间的距离,然后将数据保存并返回嵌入式的伸缩门控制系统,该控制系统通过返回数据来决定伸缩门的伸缩范围。即如果你是一个人想进出门,则可执行伸缩门的控制系统“个人进出模式”,打开一个人进出的宽度即可,如果你是想进一辆车,则可执行伸缩门系统的“车辆进出模式”,伸缩门可收缩空出一辆车宽进出的长度。等待个人或车辆进去后,超声波检测模块可根据延时程序,再一次自动闭合伸缩门。从而可以实现即时在无门卫看管的情况下,实现人和车辆自动、高效、安全的进出。
最后,LCD显示器选用型号为AT043TN24的4.3寸TFT液晶显示屏430x 3(RGB)x272,LCD和触摸屏组成人机交互界面,使得控制系统变得方便和人性化。可以通过LCD显示器,来进行与嵌入式设备的“交流”,按照屏幕的显示、提示进行人脸识别,根据当前的环境与访客需求来决定门的伸缩程度。 GPRS信息传输模块为内置的一个GPRS通信模块,可将为到访者申请进入,即来访者的人脸识别失败,即不存在于人脸库中,则可通过摄像头进行采集图像。将图像通过GPRS模块发短信后后勤安保人员,提出来访的申请请求。安保人员可通过传来的图像信息,来决定是否打开电动伸缩门。显现出了电动伸缩门系统的灵活性。
相应的,软件部分可以包括大体上分为三部分的人脸识别流程,主要包括人脸检测、特征提取以及人脸识别这三个过程。人脸检测的目的是将在复杂多变的环境中检测人脸的位置,然后与环境分离。特征提取是输出高维度的人脸特征数据降低为低维度的人脸特征数据,然后存储在数据库中。人脸识别是将提取出来的人脸信息与数据库中的人脸进行匹配,根据数据库内给定的相似度阈值来判定该检测样本是否是人脸数据库中的某一人。鉴于在人脸检测过程中容易受到复杂的外界环境的影响,如光照,发型,头饰等,因而为了准确提高人脸的特征提取,在这里采用基于PCA技术和SVM技术进行人脸特征信息的提取与识别。
人脸检测阶段与特征提取阶段:利用PCA技术在降低维数的同时在一定程度上去除原始特征各维之间的相关性。以K-L变换为基础,首先将人脸库图像变换并投射为特征脸空间,将其高维特征向量转化为低维特征向量。然后将待测人脸图像投射到特征脸空间进行降维。然后与人脸库中得到的特征脸空间进行匹配,通过设定的识别阈值,来确定该人脸是否被识别。
假设训练集中有N个待测样本,然后将一个样本像素w=m×n大小的图片转换为mn×1的一维向量,有N个即为x1,x2,x3,…xN,所以样本集的平均向量,即平均脸为:
设每个样本与平均脸的偏差为yi,并结合由此产生的为W×W维的样本集协方差的矩阵S,可以计算出样本协方差矩阵的特征值λ1,λ2,λ3,…λi,特征向量为并将所有特征值从大到小进行排列,排除特征值小于其特征向量构成的主成分,那么可以得到:
此时,将待测样本中的所有人脸图像映射到D中的特征空间,所以此时D 表示的是W×j维的矩阵。因此通过这一降维空间,可以简化高维的特征人脸的运算,通过K-L分解,获得其相应的分解系数。
即,由可得每一幅人脸与平均脸的偏差,将这些人脸与平均脸的差值脸矢量映射到“特征脸”D空间,可求得每一幅人脸的特征向量:
Zi=DTyi
此时Zi是由K–L变换后所展开的j×1维系数向量。相比于之前的mn×1维系数向量,很明显的达到了人脸图像降维的效果。
人脸识别阶段:将PCA降维后得到的特征项链作为SVM分类的特征。SVM 的原理是寻找一个满足分类要求的最优分类超平面,将该超平面两侧不同类的向量集合分开,并使的两侧向量到达超平面的距离达到最大值。
在多类SVM训练阶段,优先采用一对一的淘汰策略。将二分器根据其置信度从大到小排序,置信度越大表示二分器的结果越可靠,否则很可能产生误判。对于SVM来说,分割超平面的分类间隔越大,表示这两类样本越容易分开,因而可以将分类间隔的大小作为置信度。
下面请参见图3,图3为本申请实施例所提供的一种电动伸缩门的实际结构示意图。
将以上的硬件部分和软件部分结合起来,其大致结构示意图可以参见图 3,可以采用以下的具体流程:
第一步:搭建嵌入式电动伸缩门系统的硬件平台,包括负责人脸图像的采集的USB摄像头,超声波检测模块,电机驱动装置,GPRS通信模块;其中,该超声波检测模块内有信号发射模块,温度补偿模块、信号接收模块。
第二步:初始化硬件。系统上电后,需要一段程序对硬件初始化、准备好软件环境,最后调用操作系统的内核。此处以Bootloader(启动装载)为例,分为两个阶段:
Bootloader的第一阶段的功能:关闭看门狗、关中断、设置系统时钟、初始化RAM;为加载Bootloader的第二阶段代码准备RAM空间;复制Bootloader 的第二阶段代码到RAM空间中;设置栈;跳转到第二阶段代码的C入口点。
Bootloader的第二阶段的功能:初始化本阶段要使用到的硬件设备;检测系统内存映射;将内核映像和根文件系统映像从Flash上读到RAM空间中;为内核设置启动参数;调用内核。
第三步人脸检测与识别的步骤:进入人机交互界面,然后启动摄像头对人脸图像进行采集,然后将采集完毕的图像传输到人脸识别程序中,经过PCA 人脸特征提取和SVM分类器对人脸图像与人脸库中进行对比,如果识别成功则跳转“第四步”,如果来访者的人脸识别失败,即不存在于人脸库中,则可通过摄像头进行采集图像。将图像通过GPRS模块发短信后后勤安保人员,提出来访的申请请求。
第四步超声波检测测距的步骤:根据第三步的人脸识别成功匹配的情况下,可在LCD显示器上的人机交互界面上选择相应的进出模式:行人,车辆。则系统可根据选择需求向控制系统发送指令,驱动电机打开伸缩门,以供车辆或个人进出。在伸缩门的开闭过程中,全程驱动超声波检测测距系统,通过机头与墙体之间的发送、接收信号,将采集到的信息经过模数转换将其检测的距离显示在LCD显示屏上,并且将数据传递给驱动电机的控制系统,进行“第五步”操作。
第五步控制伸缩门打开与闭合的步骤:经过第三步的人脸识别与第四步超声波的检测测距,当伸缩门开放到固定的距离时,门将会停止,经过一定的时间,例如20s的时间,随即车辆和行人进出完毕后,驱动电机的控制系统将门闭合。如果在伸缩门闭合过程中,有人或车辆恰好进出或是进出过程中,经过机头上的超声波检测后,驱动电机控制系统,停止伸缩门的关闭,以保证进出车辆或行人的安全。待到行人和车辆进出完毕后,伸缩门会自动关闭。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (8)
1.一种电动伸缩门,其特征在于,包括:
采集用户的人脸图像的摄像头;
与所述摄像头相连,对所述人脸图像进行特征信息的提取和识别;在识别通过后,根据外部输入的信息确定并发送相应开启模式的嵌入式微处理器;
与所述嵌入式微处理器相连,根据接收到的所述开启模式控制电动伸缩门的预设伸缩距离;根据接收到的检测结果控制所述电动伸缩门闭合的控制装置;
与所述控制装置相连,在预设时间后执行障碍物检测操作得到所述检测结果并发送的超声波检测装置。
2.根据权利要求1所述的电动伸缩门,其特征在于,还包括:
与所述嵌入式微处理器相连,将未通过特征信息识别的所述人脸图像通过预设路径发送给管理员;并接收来自所述管理员的反馈信息的通信装置。
3.根据权利要求2所述的电动伸缩门,其特征在于,还包括:
与所述嵌入式微处理器、所述通信装置以及所述摄像头均相连,用于显示所述人脸图像、识别结果、所述开启模式以及所述反馈信息的信息显示装置。
4.根据权利要求3所述的电动伸缩门,其特征在于,所述摄像头具体为采用镁光AR0331感光芯片的USB摄像机。
5.根据权利要求4所述的电动伸缩门,其特征在于,所述通信装置具体为DM9000C网络芯片。
6.根据权利要求5所述的电动伸缩门,其特征在于,所述超声波检测装置具体为AJ—SR04M一体化超声波测距模块。
7.根据权利要求6所述的电动伸缩门,其特征在于,所述信息显示装置具体为AT043TN24LCD显示器。
8.根据权利要求要求1至7任一项所述的电动伸缩门,其特征在于,所述嵌入式微处理器具体为三星S3C2440微处理器芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720876532.0U CN207017925U (zh) | 2017-07-18 | 2017-07-18 | 一种电动伸缩门 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720876532.0U CN207017925U (zh) | 2017-07-18 | 2017-07-18 | 一种电动伸缩门 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207017925U true CN207017925U (zh) | 2018-02-16 |
Family
ID=61481679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720876532.0U Expired - Fee Related CN207017925U (zh) | 2017-07-18 | 2017-07-18 | 一种电动伸缩门 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207017925U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728174A (zh) * | 2019-08-29 | 2020-01-24 | 恒大智慧科技有限公司 | 基于车辆识别的伸缩门控制方法、装置及存储介质 |
CN112399220A (zh) * | 2019-08-18 | 2021-02-23 | 海信视像科技股份有限公司 | 一种摄像头物理开关锁定状态显示方法及显示设备 |
CN114022984A (zh) * | 2021-09-29 | 2022-02-08 | 中国移动通信集团浙江有限公司杭州分公司 | 一种基于无线通信的智慧社区人员监管和物流服务系统 |
-
2017
- 2017-07-18 CN CN201720876532.0U patent/CN207017925U/zh not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112399220A (zh) * | 2019-08-18 | 2021-02-23 | 海信视像科技股份有限公司 | 一种摄像头物理开关锁定状态显示方法及显示设备 |
CN110728174A (zh) * | 2019-08-29 | 2020-01-24 | 恒大智慧科技有限公司 | 基于车辆识别的伸缩门控制方法、装置及存储介质 |
CN114022984A (zh) * | 2021-09-29 | 2022-02-08 | 中国移动通信集团浙江有限公司杭州分公司 | 一种基于无线通信的智慧社区人员监管和物流服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809125B (zh) | 基于多核心arm平台的人脸识别系统 | |
CN108875833B (zh) | 神经网络的训练方法、人脸识别方法及装置 | |
CN103503029B (zh) | 检测面部特性的方法 | |
EP3683719A1 (en) | Target detection method, device, and system | |
Zhang et al. | Tiny YOLO optimization oriented bus passenger object detection | |
US7983490B1 (en) | Adaptive Bayes pattern recognition | |
US8548231B2 (en) | Predicate logic based image grammars for complex visual pattern recognition | |
CN102163290B (zh) | 基于时空关联信息的多视角视频监控中异常事件建模方法 | |
CN111695392B (zh) | 基于级联的深层卷积神经网络的人脸识别方法及系统 | |
CN112990262B (zh) | 一种草原生态数据监测与智能决策一体化解决系统 | |
CN207017925U (zh) | 一种电动伸缩门 | |
CN107366491A (zh) | 一种电动伸缩门的控制方法及电动伸缩门 | |
Gomez et al. | Thermal image-based CNN's for ultra-low power people recognition | |
CN110781829A (zh) | 一种轻量级深度学习的智慧营业厅人脸识别方法 | |
CN113033321A (zh) | 目标行人属性识别模型的训练方法及行人属性识别方法 | |
Ahmed et al. | Detection and classification of the behavior of people in an intelligent building by camera | |
CN110781970A (zh) | 分类器的生成方法、装置、设备及存储介质 | |
CN105809119A (zh) | 一种基于稀疏低秩结构多任务学习的行为识别方法 | |
Ballotta et al. | Fully convolutional network for head detection with depth images | |
Liu et al. | Recognition of pyralidae insects using intelligent monitoring autonomous robot vehicle in natural farm scene | |
Wang et al. | Pig face recognition model based on a cascaded network | |
Elechi | Facial Recognition Based Smart Door Lock System | |
CN112232236B (zh) | 行人流量的监测方法、系统、计算机设备和存储介质 | |
CN112613496A (zh) | 一种行人重识别方法、装置、电子设备及存储介质 | |
CN112766176A (zh) | 轻量化卷积神经网络的训练方法及人脸属性识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180216 Termination date: 20200718 |
|
CF01 | Termination of patent right due to non-payment of annual fee |