一种基于二维码识别的智能门禁系统的制作方法

文档序号:12722996阅读:544来源:国知局
一种基于二维码识别的智能门禁系统的制作方法与工艺

本发明涉及门禁控制技术领域,具体涉及一种基于二维码识别的智能门禁系统。



背景技术:

相关技术中的门禁系统通常需要依赖门卡进行读取或是密码输入方式,才能实现门禁的开启,当用户没有携带门卡或忘记密码时,无法快速实现门禁开启,无法利用二维码方式便捷地实现门禁控制,降低门禁控制效率。



技术实现要素:

针对上述问题,本发明提供一种基于二维码识别的智能门禁系统。

本发明的目的采用以下技术方案来实现:

提供了一种基于二维码识别的智能门禁系统,包括云服务器、移动终端、电控锁和二维码识别子系统;所述云服务器用于将用户门牌号和对应的移动终端的号码建立绑定,及根据每个用户门牌号生成二维码图片,将二维码图片发送至所绑定的移动终端的号码上和二维码识别子系统;所述二维码识别子系统用于对录入二维码图片,对录入的二维码图片进行识别,获取二维码图片的特征,并将该特征与云服务器生成的二维码图片的特征进行匹配,输出匹配结果;所述电控锁根据匹配结果进行启闭。

本发明的有益效果为:使得门禁在开启中方式更加灵活,提高识别的准确性,无需依赖门卡或密码,提高门禁控制效率。

附图说明

利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。

图1本发明的框图示意图;

图2是本发明二维码识别子系统的框图示意图;

图3是本发明二维码识别模块的框图示意图。

附图标记:

云服务器1、移动终端2、电控锁3、二维码识别子系统4、控制器5、二维码扫描模块10、二维码识别模块20、二维码图片预处理单元100、特征区域获取单元200、特征提取单元300。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1,本实施例提供的一种基于二维码识别的智能门禁系统,包括云服务器1、移动终端2、电控锁3和二维码识别子系统4;所述云服务器1用于将用户门牌号和对应的移动终端2的号码建立绑定,及根据每个用户门牌号生成二维码图片,将二维码图片发送至所绑定的移动终端2的号码上和二维码识别子系统4;所述二维码识别子系统4用于对录入二维码图片,对录入的二维码图片进行识别,获取二维码图片的特征,并将该特征与云服务器1生成的二维码图片的特征进行匹配,输出匹配结果;所述电控锁3根据匹配结果进行启闭。

进一步地,还包括控制器5,所述控制器5连接二维码识别子系统4和电控锁3,仅当所述匹配结果成功时控制电控锁3开启。

其中,所述移动终端2为手机或平板电脑。

本发明上述实施例使得门禁在开启中方式更加灵活,提高识别的准确性,无需依赖门卡或密码,提高门禁控制效率。

优选地,如图2所示,所述二维码识别子系统4包括二维码扫描模块10和二维码识别模块20;所述二维码扫描模块10,用于扫描和录入移动终端2所显示的二维码图片;所述二维码识别模块20,用于对录入的移动终端2的二维码图片进行识别,获取二维码图片的特征和对应的用户门牌号。

优选地,参见图3,所述二维码识别模块20包括二维码图片预处理单元100、特征区域获取单元200和特征提取单元300;其中,二维码图片预处理单元200用于对录入的移动终端2的二维码图片依次进行二值化处理和滤波处理;特征区域获取单元200用于对预处理后的二维码图片进行进一步图像处理,获取特征区域;特征提取单元300用于提取特征区域中的二维码特征。

优选地,所述的二维码图片预处理单元200对二维码图片进行滤波处理时,具体执行:

(1)确定二维码图片的噪声点;

(2)以噪声点(x′,y′)为中心,设置7×7的矩形窗口对噪声点(x′,y′)进行滤波,对7×7的矩形窗口进行区域划分如下:

d1(x′,y′)=[f(x′-i,y′-j);-1≤i≤1,-1≤j≤1]

d2(x′,y′)=[f(x′-i,y′-j);-2≤i≤2,-2≤j≤2]

d3(x′,y′)=[f(x′-i,y′-j);-3≤i≤3,-3≤j≤3]

d4(x′,y′)=[f(x′,y′-i);-3≤i≤3]

d5(x′,y′)=[f(x′-i,y′);-3≤i≤3]

d6(x′,y′)=[f(x′+i,y′-i);-3≤i≤3]

d7(x′,y′)=[f(x′-i,y′-i);-3≤i≤3]

(3)对噪声点(x′,y′)按照下述滤波公式进行滤波:

式中,f(x′,y′)表示对噪声点(x′,y′)进行滤波后噪声点(x′,y′)的灰度值,max[dk(x′,y′)]为7×7的矩形窗口的第k个区域中的最大灰度值,min[dk(x′,y′)]为7×7的矩形窗口的第k个区域中的最小灰度值,mid[dk(x′,y′)]为7×7的矩形窗口的第k个区域中的中间灰度值。

本优选实施例对滤波窗口进行区域划分,结合各个划分的滤波窗口区域定义滤波公式,然后采用定义的滤波公式对噪声点进行滤波处理,相对于传统的滤波算法,本优选实施例的滤波处理能够在较快速地消除二维码图片噪声的同时保留更多的细节特征,达到提高滤波效果的目的。

优选地,在确定二维码图片的噪声点时,本优选实施例的二维码图片中的像素点(x,y)若满足下述公式,则该将该像素点(x,y)确定为噪声点:

式中,μ(x,y)表示像素点(x,y)的通道值,μη(x,y)表示像素点(x,y)的邻近3x3区域内的第η个像素点的通道值,T为设定阈值;

本优选实施例在进行滤波时,先检测出噪声点,再对噪声点进行滤波处理,能够提高滤波处理的效率,其中,设计的噪声点检测公式,根据像素点与其邻域像素点通道值的关系判断是否出现噪声点,实现了二维码图片中噪声点的快速检测。

优选地,所述特征区域获取单元200获取特征区域时,具体执行:

(1)改进Sobel边缘检测算法中0°、45°、90°、135°四个方向的模板,定义对应的0°卷积因子J1、45°卷积因子J2、90°卷积因子J3、135°卷积因子J4为:

(2)采用所述的0°卷积因子J1、45°卷积因子J2、90°卷积因子J3、135°卷积因子J4对预处理后的二维码图片进行卷积运算,得到对应于各卷积因子的偏微分的一阶近似Mλ(x,y),λ=1,2,3,4;

(3)计算二维码图片中各像素的梯度值,定义梯度值的计算公式为:

式中,G(x,y)表示二维码图片中像素点(x,y)的梯度值,Mλ(x,y)为对应于卷积因子Jλ(λ=1,2,3,4)的偏微分的一阶近似;

(4)将各个像素点的梯度值与设定的阈值进行比较,若像素点的梯度值大于设定的阈值,将该像素点视为边缘点,否则视为背景点,最终输出特征候选区域;

(5)利用4×4的结构单元对车牌候选区域进行腐蚀运算;

(6)利用18×9的结构单元对车牌候选区域进行闭运算处理,以将特征候选区域变成连通的特征区域。

本优选实施例中,在传统Sobel边缘检测算法的基础上增加了45°、135°两个方向的模板,并对各卷积因子进行重新定义,从而改进卷积因子的权重分配,调整原来水平与垂直方向模板的权值,增加新模板斜向边缘的权值,从而能够均衡各个方向的边缘检测的敏感度,此外相应地重新定义了二维码图片的像素梯度值的计算公式,通过该公式计算二维码图片的像素梯度值,能够在不影响边缘检测效果的情况下进一步提高边缘检测处理的抗噪能力。与传统Sobel边缘检测算法相比,本优选实施例的图像处理方式改善了边缘检测的精度,使得二维码图片的边缘细节更细腻、更连续;对边缘检测处理得到的特征候选区域进一步进行腐蚀和闭运算,能够获得更高精度的特征区域,从而实现智能门禁系统的二维码精确识别,保障智能门禁系统的精度。

最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1