一种智慧校园的门禁系统的制作方法

本发明涉及智慧校园，具体涉及了一种智慧校园的门禁系统。

背景技术：

1、智慧校园是国家教育信息化的顶层设计。随着大数据、云计算和物联网等先进信息技术的飞速发展和快速市场化，智慧校园的概念随着“智慧地球”、“智慧城市”等智慧概念的风靡而被教育系统提到了建设日程。智慧校园的概念是将校园中多方面的应用，包括人、财、物等实现快速的信息交换、管理，提高校园日常教、学、研、管等业务活动的搞笑有序开展。校园安全、图书管理、资产管理等方面。

2、其中智慧校园便包括有智能门禁系统，可以采用智能卡、身份标签、人脸识别、指纹识别等人员信息识别方式的互联网技术，实现对各种场地的人员进出的科学管理，在校园内常用于图书馆、宿舍、校门等场地，取代以往的人工登记的方式。

3、但是，对于这种智能识别方式，或多或少会具有一定缺陷，例如通过身份标签、人脸识别，虽然识别速度快，但是收人员数量影响较大，当人员数量较多时，识别画面中有人的人脸被遮挡，便无法进行识别。以及通过身份标签识别时，在人员密集度较高的环境中时，人体和其他障碍物可能会阻挡或干扰rfid标签与读写器之间的信号传输。这种干扰可能导致信号衰减、多径效应等问题，从而影响rfid系统的识别准确性和可靠性。而通过指纹或电子卡进行识别，虽然进度较高，但是一次只能识别一人，识别效率较低。

技术实现思路

1、本发明所解决的技术问题在于提供一种智慧校园的门禁系统，能够根据场地情况，选择最合适的识别方式。

2、本发明提供的基础方案：一种智慧校园的门禁系统，包括服务器和门禁管理设备，所述门禁管理设备包括信息识别模块、以及通行感知模块以及电子栅栏，所述信息识别模块包括至少两种信息识别方式的识别终端，所述通行感知模块设于电子栅栏前方，感知经过的人员，所述服务器包括场地识别模块、行为识别模块、识别选择模块；

3、场地识别模块，用于获取门禁管理设备的场地信息、以及通过设于电子栅栏正上方的摄像头获取电子栅栏预设范围内的场地人员密集度以及人员行为；

4、行为识别模块，用于根据人员行为，预估预设时段内会经过门禁管理设备的人员数量；

5、识别选择模块，所述场地信息预设有验证等级，所述验证等级越高，验证准确率要求越高，用于根据验证等级、预估的人员数量以及场地人员密集长度，选择启动的信息识别方式，开启对应识别终端并获取其采集到的人员信息；

6、开锁管理模块，用于通过通行感知模块获取通行人数m，根据通行人数m以及获取到的人员信息的数量n计算识别准确率识别达到验证准确率，当高于验证准确率时，控制电子栅栏开启，当低于以及等于验证准确率时，控制电子栅栏关闭，直到高于验证准确率，再控制电子栅栏开启。

7、本发明的原理及优点在于：首先，对场地信息进行获取，不同场地对于人员识别进度要求不同，例如图书馆、校门、实验室、宿舍的人员信息识别，由于需要统计具体人员进出情况，对于识别准确度要求较高。而对于体育馆、食堂、教学楼等场所，只需要统计其中的大致人数，因此对于识别准确度要求较低。此后获取到电子栅栏预设范围内的人员密集度，以及人员行为。具体的，本技术中可通过监控影像的方式识别，通过在电子栅栏处设置监控摄像头，通过摄像头获取到电子栅栏附近的影像画面，发送给服务器。场地识别模块根据影像画面识别得到电子栅栏预设范围内的人员密集度以及人员行为。

8、行为识别模块根据人员行为预估预设时段内会经过门禁管理设备的人员数量。对将要经过的人员数量进行预估。影像中出现在预设范围内的人员并非全部都是将要经过电子栅栏的人员，又是经过附近或者是刚通过通行方向相反的电子栅栏。但是这些人员位于电子栅栏的附近，便可能会对识别进度产生一定的影响，因此此时需要分别识别人员密集度，以及根据人员行为预估将要经过门禁管理设备的人员数量。

9、此后根据场地信息预设的验证等级，验证等级越高，验证准确率要求越高。此处验证准确率指各个场所需求的通过人员中，验证人员信息成功的人数占总人数的百分比。例如对于图书馆、实验室，需要统计具体的人员情况，需要将验证准确率识别设置为100%，即通过100个人，必须验证到这100个人的人员信息。而对于教学楼、体育馆，只需要验证大致人员情况，便可设置为80%，假设通过人数有100人，当验证到80个人以上的人员信息便是满足验证准确率，而若是只验证到80个人以下的人员信息，则不满足。食堂要求更低，则可设置为70%。识别选择模块，根据验证等级、人员密集情况、以及预估的将要通过的人员数量，选择开启的验证方式，例如当人员密集度较高，预估的通行人数较低时，若是验证等级较高，则开启指纹识别，若是验证等级较低，则使用人脸识别或rfid识别即可。若是人员密集度较低，则可无关验证等级，直接使用人脸识别或rfid识别。从而实现了根据不同情况选择不同的验证方式。

10、此后开所管理模块识别到通过通行感知模块，通行感知模块可以为红外传感器，设置在电子栅栏的前方，获取到通行人数，而后根据通行人数m以及获取到的人员信息的数量n，的比值，识别得到当前的识别的准确率识别达到，没达到时，便会关闭电子栅栏，若是采用人脸识别的方式，由于画面中的人员一直在行动，从而达到关闭电子栅栏后，画面变化，识别出更多人脸，若是采用rfid识别的方式，也是由于人员移动，信号干扰消失，验证出更多的人员，因此比值将不断提高，当达到验证准确率时，便继续放行。

11、通过本技术的技术方案，相比于现有技术中采用单一的验证方式，达到更加灵活的验证。根据不同情况采用的验证方式不同，避免了人员较为密集时，通过人脸或rfid无法识别的情况。也能够在人员较少时，选择开启验证更加快速的手段。

12、并且本技术中，对人员密集度、预估的将要经过的人员进行分别识别，结合场地的验证准确率要求，而适应各种复杂环境下的验证方式的开启选择。例如对于图书馆等验证准确率要求较高的场所，既能够在人员较为密集时，可选择开启指纹验证或者智能卡识别的方式，保证每个进出人员的验证准确，也能够在人员较少时，选择开启人脸识别或rfid识别，达到快速通行的效果。

13、进一步，所述行为识别模块包括影像获取模块以及影像识别模块；

14、影像获取模块，用于获取摄像头采集到的影像画面；

15、影像识别模块包括密度识别模块和人员识别模块；

16、密度识别模块，用于对影像中的人员数量进行识别，根据人员数量确定人员密集度；

17、人员识别模块，用于识别影像画面中的人员的行动轨迹，以及人脸完整度，计算可能性评分，判断可能性评分是否高于预设的分数阈值，将高于分数阈值的人员标记为将要通过电子栅栏的人员，根据标记确定预设时段内会经过门禁管理设备的人员数量。

18、通过设置在电子栅栏正上放的摄像头获取视频影像，对影像画面进行识别，识别得到画面中的人员数量，确定出人员密集度。具体的，通过以下公式计算人员密集度：

19、

20、其中k为人员密集度，s为视频影像中，电子栅栏预设范围内的场地能够站人的面积，s为电子栅栏预审范围内的场地中的人数。

21、此后根据行动轨迹以及人脸完整度，计算可能性评分。出现在影像画面中的人员，有可能是路过，也有可能是在附近停留，以及刚从反方向的通行通道通过。根据行动轨迹，识别正在行动的人员，若是行动轨迹朝向电子栅栏处，则该人员将要通行的可能性较高。以及识别人脸完整度，由于本方案中电子摄像头是位于电子栅栏的正上方，因此在影像画面中若是出现完整人脸，则说明该人员是面向电子栅栏处，将要通过的可能性较高，而若是没有出现完整人脸，则是背对电子栅栏或者是斜向电子栅栏，将要通过的可能性较低。

22、进一步，所述人员识别模块包括轨迹评分模块、人脸评分模块可能性评分模块以及评分判断模块；

23、轨迹评分模块，用于识别人员行动轨迹与摄像头拍摄方向的夹角角度，夹角角度范围为0-180°，根据夹角角度生成轨迹评分，夹角角度越小，轨迹评分越大；

24、人脸评分模块，用于根据人脸完整度，生成人脸评分，人脸完整度越高，人脸评分越高；

25、可能性评分模块，根据轨迹评分以及人脸评分，计算可能性评分：

26、

27、其中p为可能性评分，g为轨迹评分，r为人脸评分，、分别为轨迹评分和人脸评分的预设权重；

28、评分判断模块，将各个人员的可能性评分与分数阈值比较，将可能性评分高于分数阈值的人员标记为将要通过电子栅栏的人员，影像画面中的人员数量越多，分数阈值越低。

29、根据行动以及与人脸完整度，对人员通过电子栅栏的可能性进行评分。当人员行动轨迹越趋近于0度时，便是越朝向电子栅栏行动，因此轨迹评分越高，越趋近于180度，则是越背向电子栅栏行动，因此轨迹评分越低。同时根据人脸完整度，人脸完整度越高，则是越朝向电子栅栏，人脸完整度越低，则是越背向电子栅栏。根据行动轨迹以及人脸完整度，分别得到轨迹评分和人脸评分后，结合其预设权重，计算得到可能性评分，最后根据可能性评分是否高于的分数阈值，判断其是否为可能经过电子栅栏的人员。并且，影像画面中的人员数量越多，分数阈值越低。由于人员越多，拍摄画面中有人员被遮挡的可能性越高，因此可能存在一部分人员没有识别到。由于本方案中是预估可能通过的人数而非具体哪一个人通过，因此降低分数阈值，从而提高预估的人数。

30、进一步，所述识别方式根据人员密集度对识别准确度影响从大到小依次包括rfid识别、人脸识别，不受人员密集度影响的包括指纹识别；

31、所述识别选择模块包括区间管理模块、密度判断模块、第一选择模块、第二选择模块以及第三选择模块；

32、区间管理模块，预存储有rfid以及人脸识别适用的人员密集度的区间范围，以及超出最大区间范围后的识别准确度率的变化趋势；

33、密度判断模块，用于根据场地信息确定场地要求的验证准确率，并根据人员密集度，判断是否于rfid识别和人脸识别适用的人员密集度的区间范围；

34、第一选择模块，用于当人员密集度均位于rfid识别和人脸识别适用的人员密集度的区间范围时，若可能通行的人员数量：识别到的人员数量的比值高于预设比值时，采用rfid识别，低于预设比值时，采用人脸识别；

35、第二选择模块，用于当人员密集度均只位于人脸识别适用的区间范围时，则选择人脸识别；

36、第三选择模块，用于当人员密集度均不位于rfid识别和人脸识别适用的人员密集度的区间范围时，根据人脸识别超出最大区间范围后的识别准确度率的变化趋势，判断当前人员密集度下人脸识别的识别方式是否满足场地要求的识别准确度，若满足则采用人脸识别，若不满足则采用指纹识别。

37、在人员密集的环境中，rfid识别和人脸识别技术都会面临一定的挑战，但rfid识别受到的影响更为显著。这是因为rfid技术依赖于无线电信号进行非接触式识别，而超高频段的rfid系统在人员密集时，由于人体遮挡和靠近，会吸收电磁波并影响标签的识别距离，从而大大降低识别的准确性和效率。相比之下，人脸识别技术虽然也受到一定影响，但它在多目标识别方面表现出色，能够在人员密集的场所同时识别多个目标对象，提高了定位的准确性和效率。

38、本方中，预先设定rfid识别和人脸识别适用人员密集度的区间范围。识别到人员密集度后，首选判断人员密集度是否于rfid识别和人脸识别适用的人员密集度的区间范围，若是均位于，则根据可能通过的人员数量与所有人员数量的比值来判断选择rfid识别还是人脸识别。当比值较大时，预测的可能通行人员占比较高，此时通过人脸识别，此时面向摄像头的人员数量更多，人脸识别效果相较rfid较差，因此采用rfid识别。而当比值较低时，面向摄像头的人员数量更少，此时采用人脸识别的准确度将会更高。而当只位于人脸识别的区间范围时，则选择人脸识别。当均不位于时，则根据此时的场地需求的验证准确度，人脸识别是否能够满足，若是场地的验证准确度要求较低，人脸识别能够满足，则可采用人脸识别，若是要求较高，人脸识别无法满足，则采用指纹识别。

39、进一步，识别选择模块，用于当选择的识别方式为人脸识别时，使用人员识别模块采集到的人脸数据。

40、进一步，所述开锁管理模块包括时间获取模块；

41、时间获取模块，用于由于低于以及等于验证准确率，而控制电子栅栏关闭的关闭时长；

42、识别选择模块，还用于当关闭时长高于预设的时长阈值时，选择切换为人员密集度对识别准确度影响更小的识别方式。