一种有效的智能门禁系统的制作方法

本发明创造涉及门禁系统，具体涉及一种有效的智能门禁系统。

背景技术：

随着社会的发展，传统的安全系统已经越来越不能满足现代社会对安全的需要，人们已经把目光转向了更安全，更可靠的生物特征识别技术。而指纹识别技术以其更安全、更高效的优势在众多的生物识别技术中脱颖而出，在各个领域得到了很好的应用。将指纹识别技术应用到门禁系统中，实现了计算机和指纹识别技术的有效结合，增加了门禁系统的安全性和有效性。

本发明提供一种有效的智能门禁系统，将指纹识别技术和人脸识别技术同时应用到门禁系统中，增加了系统的安全性和有效性，在对指纹图像处理的过程中，提出一种基于布谷鸟搜索算法的阈值图像分割方法，采用改进的布谷鸟搜索算法寻找分割指纹图像的最优阈值，可以迅速而准确的找到最佳阈值，提供了指纹图像的分割精度，从而可以满足门禁系统中图像分割的实时性要求。

技术实现要素：

针对上述问题，本发明旨在提供一种有效的智能门禁系统。

本发明创造的目的通过以下技术方案实现：

一种有效的智能门禁系统，包括门禁中心、通信传输模块、移动用户终端和报警模块，所述门禁中心包括图像采集模块、身份识别模块和门禁控制模块，所述图像采集模块用于采集来访者的人脸图像和指纹图像，所述身份识别模块包括指纹匹配单元和人脸识别单元，所述指纹匹配单元用于对采集得到的指纹图像进行预处理，从预处理后的指纹图像中提取指纹特征，并将提取到的指纹特征与门禁中心录入的指纹进行匹配，当匹配成功时，则由门禁控制模块打开大门，若不匹配，则人脸识别单元将采集得到的人脸图像通过通信传输模块发送至移动用户终端，由被访问人员确认来访者身份，并将确认结果发送至门禁控制模块，门禁控制模块会根据接收到的结果打开或关闭大门，所述报警模块用于当有不法分子强行闯入的时候进行报警，并将采集得到的不法分子的人脸图像进行显示。

本发明创造的有益效果：提供一种有效的智能门禁系统，将指纹识别技术和人脸识别技术同时应用到门禁系统中，增加了系统的安全性和有效性，在对指纹图像处理的过程中，提出一种基于布谷鸟搜索算法的阈值图像分割方法，采用改进的布谷鸟搜索算法寻找分割指纹图像的最优阈值，可以迅速而准确的找到最佳阈值，提供了指纹图像的分割精度，从而可以满足门禁系统中图像分割的实时性要求。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，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是本发明结构示意图；

附图标记：

门禁中心1；通信传输模块2；移动用户终端3；报警模块4；图像采集模块11；身份识别模块12；门禁控制模块13。

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，本实施例的一种有效的智能门禁系统，包括门禁中心1、通信传输模块2、移动用户终端3和报警模块4，所述门禁中心1包括图像采集模块11、身份识别模块12和门禁控制模块13，所述图像采集模块11用于采集来访者的人脸图像和指纹图像，所述身份识别模块12包括指纹匹配单元和人脸识别单元，所述指纹匹配单元用于对采集得到的指纹图像进行预处理，从预处理后的指纹图像中提取指纹特征，并将提取到的指纹特征与门禁中心录入的指纹进行匹配，当匹配成功时，则由门禁控制模块13打开大门，若不匹配，则人脸识别单元将采集得到的人脸图像通过通信传输模块2发送至移动用户终端3，由被访问人员确认来访者身份，并将确认结果发送至门禁控制模块13，门禁控制模块13会根据接收到的结果打开或关闭大门，所述报警模块4用于当有不法分子强行闯入的时候进行报警，并将采集得到的不法分子的人脸图像进行显示。

本优选实施例本发明提供一种有效的智能门禁系统，将指纹识别技术应用到门禁系统中，通过采集指纹图像，并对采集得到的指纹图像进行处理和匹配，从而确定来访客人的身份，增加了门禁系统的安全性和有效性。

优选地，所述指纹匹配单元用于对采集得到的指纹图像进行预处理，所述预处理操作包括图像去噪部分、图像分割部分和图像增强部分，所述图像去噪部分用于去除采集得到的指纹图像中的噪声污染，所述图像分割部分用于对去噪后的指纹图像进行分割处理，得到有效的指纹区域图像，所述图像增强部分用于对分割得到的指纹区域图像进行图像增强。

本优选实施例用于对采集得到的指纹图像进行图像去噪、图像分割操作和图像增强的预处理，提高了指纹图像的质量，从而为接下来的特征提取和指纹匹配奠定基础，提高了指纹匹配的精度。

优选地，所述指纹匹配单元中的图像分割部分采用阈值分割算法对对去噪后的指纹图像进行分割处理，并采用布谷鸟搜索算法寻找分割指纹图像的最优阈值，所述布谷鸟算法以otsu算法中的最大类间方差作为适应度函数。

优选地，对所述指纹匹配单元采用的布谷鸟搜索算法进行改进，在布谷鸟搜索算法按一定概率丢弃部分解之后，用随机数r与发现概率pi对比，若r>pi，则对xi(t)按照下式进行更新，反之不变：

xi(t+1)＝xi(t)+k(xbest(t)-xl(t))+r(xm(t)-xn(t))

式中，k为调节系数，r为缩放因子，是区间[0,1]之间的随机数，xi(t)表示布谷鸟i在第t代的鸟窝位置，xi(t+1)表示布谷鸟i在t+1代的鸟窝位置，xbest(t)表示第t代中所有鸟窝位置中的最优解，xl(t)、xm(t)和xn(t)分别表示第t代的三个随机解，且l≠m≠n，表示区间之间的随机数；

按上式进行位置更新后，将更新后的鸟窝位置xi(t+1)的适应度值和上一代的鸟窝位置xi(t)的适应度值进行比较，保留适应度值较好的一组鸟窝位置，此时仍记为xi(t+1)。

本优选实施例在布谷鸟算法的位置更新公式中引入了当前鸟窝中的最优解，在最优解项的调节系数k中引入了黄金分割比例系数(0.618为黄金分割比例系数)，使得布谷鸟搜索算法是按照黄金比例朝向当前鸟窝的最优解附近进行位置更新，相较于传统的在[0,1]区间产生随机数而得到新的鸟窝位置，改进的方法使得布谷鸟搜索算法能够在搜索空间中得到更多的位置信息。

优选地，对所述指纹匹配单元采用的布谷鸟搜索算法进行改进，所述改进的布谷鸟搜索算法采用动态变化的发现概率，具体为：

式中，pi表示当前的发现概率，pmin表示最小发现概率，pmax表示最大发现概率，表示第t代时的最大适应度值，表示第t代时的最小适应度值。

优选地，对所述指纹匹配单元采用的布谷鸟搜索算法的步长因子进行改进，具体为：

式中，αi表示当前的步长因子，αmin表示最小步长因子，αmax表示最大步长因子，表示第t代的最大适应度值，表示第t代的所有适应度值的均值。

本优选实施例构建的发现概率和步长因子随着最大适应度值和群体适应度值的均值之间的差值大小而改变，相较于当前普遍采用的根据算法的迭代次数对布谷鸟算法的发现概率和步长因子进行改变的方法相比，最大适应度值和群体适应度值的均值之间的差值情况更加准确的反映了当前算法的搜索进度，使得算法能够根据布谷鸟的搜索进度控制发现概率和步长因子的变化，此外，构建的发现概率和步长因子随适应度值之间差值变化的幅度不同，更加的符合布谷鸟搜索算法的实际情况，从而有效的提高了算法的收敛速度和精度。

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。