本发明涉及宿舍安全管理技术领域,尤其涉及一种宿舍安全管理方法及系统。
背景技术:
目前,国内学生宿舍管理,主要是靠人工来管理,需要宿管员到宿舍进行实地查岗,由于学生人员数量多,难免出现遗漏问题,被遗漏的学生一旦发生人身安全问题,难以及时发现,造成无法挽回的损失。另外,在对陌生人进入宿舍,宿管员需要记住本宿舍所有学生,增加宿管员的工作量,也存在认错人的情况,一旦陌生人进入宿舍进行盗窃,会给学生带来财产损失的封信啊。因此,针对上述问题,有必要提出进一步地解决方案。
技术实现要素:
本发明的目的在于提供一种宿舍安全管理方法及系统,以克服现有技术中存在的不足。
为实现上述发明目的,本发明提供一种宿舍安全管理方法,其包括如下步骤:
读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生;
如未到岗学生为学生库内人员,发送未到岗学生信息至宿舍管理员,并进行报警;
采集进入监控范围内人员的人脸图像数据,识别采集的人脸图像,当人员为学生时不进行报警,同时发送开门信号至宿舍的门禁系统,否则发出报警信号,抓拍陌生人人脸照片,并推送至宿舍管理人员处。
作为本发明的宿舍安全管理方法的改进,所述宿舍安全管理方法还包括设定查岗时间,在到达查岗时间时,读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学。
作为本发明的宿舍安全管理方法的改进,所述宿舍安全管理方法还包括对采集的人脸图像数据进行过滤处理:
根据采集的人脸图像数据,计算局部能量谱梯度、梯度直方图扩展和最大色度饱和;
根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和,统计出整幅图像中模糊像素的比例,对人脸图像数据进行有效的过滤。
作为本发明的宿舍安全管理方法的改进,所述局部能量谱梯度按照如下方法计算:
先用离散傅里叶变换计算nxn大小图像的能量谱:
然后转换至极坐标u=fcosθ,v=fsinθ,并计算s(f,θ),得到:
其中,a是一个各个方向上的幅度因子,α是能量谱斜率。大量的研究表明,自然图像中α约为2,模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异
其中,αp是局部α,αo是全局α;
所述梯度直方图扩展按照如下方法计算:
先计算图像每个像素的梯度,然后用含有两个高斯的高斯混合模型描述局部的梯度分布:π0g(x;μ0,σ0)+π1g(x;μ1,σ1),其中σ1>σ0;
根据梯度分布,梯度直方图扩展的具体计算公式为
其中,cp是局部图像灰度值范围,ε是防止除零的极小数,τ是一个常数,取25;
所述最大色度饱和按照如下方法计算:
先计算每个像素的饱和度:
然后使用以下公式比较局部饱和度最大值和全局饱和度最大值,得到最大色度饱和:
其中,max(sp)是局部图像块中饱和度最大值,max(so)是全局图像中饱和度最大值。
为实现上述发明目的,本发明提供一种宿舍安全管理系统,其包括:宿管员app子系统、网络摄像头、终端显示子系统、门禁控制器以及学生安全管理子系统;
所述学生安全管理子系统读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生;
如未到岗学生为学生库内人员,发送未到岗学生信息至所述宿管员app子系统,并进行报警;
所述网络摄像头采集进入监控范围内人员的人脸图像数据,识别采集的人脸图像,当人员为学生时不进行报警,同时发送开门信号至门禁控制器,否则发出报警信号,终端显示子系统抓拍陌生人人脸照片,并推送至所述宿管员app子系统。
作为本发明的宿舍安全管理系统的改进,所述宿舍安全管理系统还用于设定查岗时间,在到达查岗时间时,所述学生安全管理子系统读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生。
作为本发明的宿舍安全管理系统的改进,所述宿舍安全管理系统还用于对采集的人脸图像数据进行过滤处理:
根据采集的人脸图像数据,计算局部能量谱梯度、梯度直方图扩展和最大色度饱和;
根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和,统计出整幅图像中模糊像素的比例,对人脸图像数据进行有效的过滤。
作为本发明的宿舍安全管理系统的改进,所述局部能量谱梯度按照如下方法计算:
先用离散傅里叶变换计算nxn大小图像的能量谱:
然后转换至极坐标u=fcosθ,v=fsinθ,并计算s(f,θ),得到:
其中,a是一个各个方向上的幅度因子,α是能量谱斜率。大量的研究表明,自然图像中α约为2,模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异
其中,αp是局部α,αo是全局α;
所述梯度直方图扩展按照如下方法计算:
先计算图像每个像素的梯度,然后用含有两个高斯的高斯混合模型描述局部的梯度分布:π0g(x;μ0,σ0)+π1g(x;μ1,σ1),其中σ1>σ0;
根据梯度分布,梯度直方图扩展的具体计算公式为
其中,cp是局部图像灰度值范围,ε是防止除零的极小数,τ是一个常数,取25;
所述最大色度饱和按照如下方法计算:
先计算每个像素的饱和度:
然后使用以下公式比较局部饱和度最大值和全局饱和度最大值,得到最大色度饱和:
其中,max(sp)是局部图像块中饱和度最大值,max(so)是全局图像中饱和度最大值。
与现有技术相比,本发明的有益效果是:本发明能够对学生到岗情况进行自动统计与识别,在规定的时间内,会自动统计出未到岗学生,并把学生信息推送至宿管员,使宿管员及时进行核实,避免未到岗学生出现安全问题。同时,还可对陌生人靠近宿舍进行人脸抓拍,并与学生人脸库进行比对,如果比对不成功,视为陌生人甚至企图进入宿舍,会把陌生人照片推送至宿管员,以便宿管员对陌生人进行警告和处理。
附图说明
为了更清楚地说明本发明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发明中记载的一些实施例,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为本发明的宿舍安全管理系统的一具体实施方式的模块示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
本发明的宿舍安全管理方法包括如下步骤:
读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生;
如未到岗学生为学生库内人员,发送未到岗学生信息至宿舍管理员,并进行报警;
采集进入监控范围内人员的人脸图像数据,识别采集的人脸图像,当人员为学生时不进行报警,同时发送开门信号至宿舍的门禁系统,否则发出报警信号,抓拍陌生人人脸照片,并推送至宿舍管理人员处。
进一步地,所述宿舍安全管理方法还包括:设定查岗时间,在到达查岗时间时,读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学。
此外,所述宿舍安全管理方法还包括对采集的人脸图像数据进行过滤处理:
根据采集的人脸图像数据,计算局部能量谱梯度、梯度直方图扩展和最大色度饱和;
根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和,统计出整幅图像中模糊像素的比例,对人脸图像数据进行有效的过滤。
其中,所述局部能量谱梯度按照如下方法计算:
先用离散傅里叶变换计算nxn大小图像的能量谱:
然后转换至极坐标u=fcosθ,v=fsinθ,并计算s(f,θ),得到:
其中,a是一个各个方向上的幅度因子,α是能量谱斜率。大量的研究表明,自然图像中α约为2,模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异
其中,αp是局部α,αo是全局α;
所述梯度直方图扩展按照如下方法计算:
先计算图像每个像素的梯度,然后用含有两个高斯的高斯混合模型描述局部的梯度分布:π0g(x;μ0,σ0)+π1g(x;μ1,σ1),其中σ1>σ0;
根据梯度分布,梯度直方图扩展的具体计算公式为
其中,cp是局部图像灰度值范围,ε是防止除零的极小数,τ是一个常数,取25;
所述最大色度饱和按照如下方法计算:
先计算每个像素的饱和度:
然后使用以下公式比较局部饱和度最大值和全局饱和度最大值,得到最大色度饱和:
其中,max(sp)是局部图像块中饱和度最大值,max(so)是全局图像中饱和度最大值。
如图1所示,基于相同的发明构思,本发明还提供一种宿舍安全管理系统,其包括:宿管员app子系统1、网络摄像头2、终端显示子系统3、门禁控制器4以及学生安全管理子系统5。
其中,所述学生安全管理子系统5读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生;如未到岗学生为学生库内人员,发送未到岗学生信息至所述宿管员app子系统1,并进行报警;所述网络摄像头2采集进入监控范围内人员的人脸图像数据,识别采集的人脸图像,当人员为学生时不进行报警,同时发送开门信号至门禁控制器4,否则发出报警信号,终端显示子系统3抓拍陌生人人脸照片,并推送至所述宿管员app子系统1。
进一步地,所述宿舍安全管理系统还用于设定查岗时间,在到达查岗时间时,所述学生安全管理子系统5读取进出学生记录,将读取的进出学生记录与数据库中学生信息进行比对,如发现没有进入宿舍记录的学生视为未到岗学生。
所述宿舍安全管理系统还用于对采集的人脸图像数据进行过滤处理:
根据采集的人脸图像数据,计算局部能量谱梯度、梯度直方图扩展和最大色度饱和;
根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和,统计出整幅图像中模糊像素的比例,对人脸图像数据进行有效的过滤。
其中,所述局部能量谱梯度按照如下方法计算:
先用离散傅里叶变换计算nxn大小图像的能量谱:
然后转换至极坐标u=fcosθ,v=fsinθ,并计算s(f,θ),得到:
其中,a是一个各个方向上的幅度因子,α是能量谱斜率。大量的研究表明,自然图像中α约为2,模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异
其中,αp是局部α,αo是全局α;
所述梯度直方图扩展按照如下方法计算:
先计算图像每个像素的梯度,然后用含有两个高斯的高斯混合模型描述局部的梯度分布:π0g(x;μ0,σ0)+π1g(x;μ1,σ1),其中σ1>σ0;
根据梯度分布,梯度直方图扩展的具体计算公式为
其中,cp是局部图像灰度值范围,ε是防止除零的极小数,τ是一个常数,取25;
所述最大色度饱和按照如下方法计算:
先计算每个像素的饱和度:
然后使用以下公式比较局部饱和度最大值和全局饱和度最大值,得到最大色度饱和:
其中,max(sp)是局部图像块中饱和度最大值,max(so)是全局图像中饱和度最大值。
综上所述,本发明能够对学生到岗情况进行自动统计与识别,在规定的时间内,会自动统计出未到岗学生,并把学生信息推送至宿管员,使宿管员及时进行核实,避免未到岗学生出现安全问题。同时,还可对陌生人靠近宿舍进行人脸抓拍,并与学生人脸库进行比对,如果比对不成功,视为陌生人甚至企图进入宿舍,会把陌生人照片推送至宿管员,以便宿管员对陌生人进行警告和处理。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。