CN212846937U

CN212846937U - 一种基于卷积神经算法的门禁系统

Info

Publication number: CN212846937U
Application number: CN202021698123.4U
Authority: CN
Inventors: 关雪敏; 邱兆新
Original assignee: Guangxi Normal University for Nationalities
Current assignee: Guangxi Normal University for Nationalities
Priority date: 2020-08-14
Filing date: 2020-08-14
Publication date: 2021-03-30
Anticipated expiration: 2030-08-14

Abstract

本实用新型公开一种基于卷积神经算法的门禁系统，包括设于门上的电子锁、门禁装置和位置调节装置；所述门禁装置包括壳体；所述壳体外部设有摄像头和显示模块；所述壳体内设有图像采集模块、人脸检测模块、学习训练模块、人脸识别模块、存储器、蜂鸣器、网络通信模块和控制模块；所述位置调节装置包括摇把、导向架、钢绳和若干个滚轮；所述摇把设于壳体下方；所述导向架包括横架和与横架垂直的纵架；所述导向架设于壳体上方且横架的弯折处和横架上安装滑轮；所述钢绳一端连接壳体，另一端依次绕过横架上及弯折处的滑轮，沿着纵架最后连接摇把。本实用新型能够调节位置、便于进行人脸识别、识别速度快、识别效率高。

Description

一种基于卷积神经算法的门禁系统

技术领域

本实用新型涉及门禁系统领域，更具体地，涉及一种基于卷积神经算法的门禁系统。

背景技术

门禁系统为现有各个小区、住宅楼或公司企业十分常用的产品，用于无人自动化管理，保证一定区域内的安全性。一般有电话式、密码式、感应式和较为先进的面部识别式等模式。面部识别式门禁系统是通过对人面部特征的扫描，并与数据库比对，判断是否为可以进入门禁区域的人群。是一种新型的门禁系统，现正在逐步推广应用。面部识别技术在安全监控系统和罪犯追寻系统中已经得到广泛的应用，如机场、火车站、还包括一些路段和小区等地方的安全监控系统已经广泛采用这种技术来实现安全监控。

但目前的面部识别应用于门禁系统仍存在一些弊端，比如人脸扫描的装置过高或过低，不便于进行人脸识别；以及进门的人过多，人脸识别数据量徒增，速度会相应的变慢，识别效率变低，无法在短时间快速进门。

实用新型内容

本实用新型的目的在于解决背景技术中描述的技术问题，提供一种能够调节位置、便于进行人脸识别、识别速度快、识别效率高的基于卷积神经算法的门禁系统。

为解决上述问题，提供的一种基于卷积神经算法的门禁系统，包括设于门上的电子锁、门禁装置和位置调节装置；所述门禁装置包括壳体；所述壳体外部设有摄像头和显示模块；所述壳体内设有图像采集模块、人脸检测模块、学习训练模块、人脸识别模块、存储器、蜂鸣器、网络通信模块和控制模块；所述位置调节装置包括摇把、导向架、钢绳和若干个滚轮；所述摇把设于壳体下方；所述导向架包括横架和与横架垂直的纵架；所述导向架设于壳体上方且横架的弯折处和横架上安装滑轮；所述钢绳一端连接壳体，另一端依次绕过横架上及弯折处的滑轮，沿着纵架最后连接摇把；所述摄像头连接图像采集模块；所述图像采集模块、人脸检测模块、学习训练模块和人脸识别模块依次连接；所述电子锁、显示模块、人脸识别模块、存储器、蜂鸣器和网络通信模块分别连接控制模块。

特别的，所述钢绳和横架上安装的滑轮各有两个。

特别的，所述控制模块采用STM32F429IGT6智能处理芯片。

特别的，所述存储器由SDRAM芯片构成，所述存储器存储有人脸数据库；所述人脸数据库包括惯犯人脸数据和允许进出人员人脸数据。

特别的，所述摄像头为高清广角摄像头。

特别的，所述显示模块为电容式触控屏。

学习训练模块采用卷积神经网络算法对人脸图像进行训练获取卷积神经网络模型。人脸识别模块包括特征提取单元和识别单元。特征提取单元采用卷积神经网络模型对人脸数字图像的特征进行提取，识别单元用于人脸特征识别。

本实用新型的有益效果：

1.本实用新型设置位置调节装置，能够通过摇动摇把调节钢绳长度来调节摄像头距离地面的高度，避免初恋人脸扫描的装置过高或过低，不便于进行人脸识别的问题。

2.本实用新型采用学习训练模块，通过卷积神经网络算法对检测后的人脸数字图像进行训练，获取卷积神经网络模型，人脸识别模块从卷积神经网络模型提取特征信息，同时人脸识别模块经提取的特征信息与存储器的人脸数据库中的特征信息进行匹配，识别速度快、识别效率高。

3.本实用新型能够通过人脸识别模块识别出要进门的惯犯小偷，能够将警告信息通过网络通信模块传送给保安系统；能够通过蜂鸣器对误操作进行提示。

附图说明

为了更清楚地说明本实用新型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实用新型的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本实用新型实施例的整体结构图。

图2为本实用新型实施例的导向架的内部结构图。

图3为本实用新型实施例的电路原理图。

图中：1.门；2.电子锁；3.壳体；4.显示模块；5.蜂鸣器；6.摇把；7.摄像头；8.导向架；9.钢绳；81.滑轮。

具体实施方式

下面结合附图对本实用新型的优选实施例进行详细阐述，以使本实用新型的优点和特征能更易于被本领域技术人员理解，从而对本实用新型的保护范围做出更为清楚明确的界定。

如图1、图2、图3所示，本实施例的一种基于卷积神经算法的门禁系统，包括设于门1上的电子锁2、门禁装置和位置调节装置。门禁装置包括壳体3。壳体3外部设有摄像头7和显示模块4。壳体3内设有图像采集模块、人脸检测模块、学习训练模块、人脸识别模块、存储器、蜂鸣器5、网络通信模块和控制模块。位置调节装置包括摇把6、导向架8、两条钢绳9和三个滚轮。摇把6设于壳体3下方。导向架8包括横架和与横架垂直的纵架。导向架8设于壳体3上方。横架的弯折处安装一个滑轮81和横架上安装2个滑轮81。钢绳9一端连接壳体3，另一端依次绕过横架上及弯折处的滑轮81，沿着纵架最后连接摇把6。通过摇动摇把6调节钢绳9长度来调节摄像头7距离地面的高度。摄像头7连接图像采集模块。图像采集模块、人脸检测模块、学习训练模块和人脸识别模块依次连接。电子锁2、显示模块4、人脸识别模块、存储器、蜂鸣器5和网络通信模块分别连接控制模块。控制模块采用STM32F429IGT6智能处理芯片。存储器由SDRAM芯片构成，所述存储器存储有人脸数据库。摄像头7为高清广角摄像头。学习训练模块采用卷积神经网络算法对人脸图像进行训练获取卷积神经网络模型。人脸识别模块包括特征提取单元和识别单元。特征提取单元采用卷积神经网络模型对人脸数字图像的特征进行提取，识别单元用于人脸特征识别。显示模块4为电容式触控屏，用于显示人脸检测模块识别到的人脸图像信息及操作指引。

本实用新型实施例的工作原理是为：摄像头7用于采集人脸信息传递给图像采集模块，图像采集模块将接收的图像信号转换为数字图像信号并传递给人脸检测模块进行数字信号检测，学习训练模块通过卷积神经网络算法对检测后的人脸数字图像进行训练，获取卷积神经网络模型，人脸识别模块从卷积神经网络模型提取特征信息(如人脸五官的局部形状特征、脸形特征以及五官分布的几何特征)，同时人脸识别模块经提取的特征信息与人脸数据库中惯犯人脸数据和允许进出人员人脸数据的特征信息进行匹配，若允许进出人员人脸数据匹配成功后，则自动打开电子锁2；若惯犯人脸数据匹配成功后，则将警告信息通过网络通信模块传送给保安系统；若匹配不成功，则蜂鸣器5响。

虽然结合附图描述了本实用新型的实施方式，但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改，只要不超过本实用新型的权利要求所描述的保护范围，都应当在本实用新型的保护范围之内。

Claims

1.一种基于卷积神经算法的门禁系统，其特征在于：包括设于门上的电子锁、门禁装置和位置调节装置；所述门禁装置包括壳体；所述壳体外部设有摄像头和显示模块；所述壳体内设有图像采集模块、人脸检测模块、学习训练模块、人脸识别模块、存储器、蜂鸣器、网络通信模块和控制模块；所述位置调节装置包括摇把、导向架、钢绳和若干个滚轮；所述摇把设于壳体下方；所述导向架包括横架和与横架垂直的纵架；所述导向架设于壳体上方且横架的弯折处和横架上安装滑轮；所述钢绳一端连接壳体，另一端依次绕过横架上及弯折处的滑轮，沿着纵架最后连接摇把；所述摄像头连接图像采集模块；所述图像采集模块、人脸检测模块、学习训练模块和人脸识别模块依次连接；所述电子锁、显示模块、人脸识别模块、存储器、蜂鸣器和网络通信模块分别连接控制模块。

2.根据权利要求1所述的一种基于卷积神经算法的门禁系统，其特征在于：所述钢绳和横架上安装的滑轮各有两个。

3.根据权利要求1所述的一种基于卷积神经算法的门禁系统，其特征在于：所述控制模块采用STM32F429IGT6智能处理芯片。

4.根据权利要求1所述的一种基于卷积神经算法的门禁系统，其特征在于：所述存储器由SDRAM芯片构成，所述存储器存储有人脸数据库。

5.根据权利要求1所述的一种基于卷积神经算法的门禁系统，其特征在于：所述摄像头为高清广角摄像头。

6.根据权利要求1所述的一种基于卷积神经算法的门禁系统，其特征在于：所述显示模块为电容式触控屏。