[0060] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0061] 请参阅图1‑4,本发明提供技术方案:一种基于区块链的区域报警监管系统,包括:射频信号接收模块、图像采集模块、人脸识别模块及报警模块,
[0062] 所述射频信号接收模块,通过射频信号接收器接收指定区域人员身份牌内射频发射器发射的信号,并识别出该射频信号绑定的员工信息;
[0063] 所述图像采集模块,通过高清摄像头对指定区域内人员进行图像信息采集;
[0064] 所述人脸识别模块,对图像采集模块传递的图像进行灰度处理,通过头部与背景的灰度差异,筛选出人员头部轮廓,进而提取出原图像的头部图像,然后通过人脸识别提取出头部图像中痣的位置及各面部特征点,通过与射频信号接收模块传递的员工人脸信息或厂内所有员工的人脸信息进行对比,进而确认人员身份;
[0065] 所述报警模块,用于根据区域内是否出现违规情况按指定规则对各区域进行分级报警;
[0066] 所述同一区域内,射频信号接收模块识别出的员工信息与图像采集模块采集的图像信息共同传递给人脸识别模块。
[0067] 本发明通过各个模块的协同合作,共同实现区域报警的功能,射频信号接收模块通过采集的射频信号识别出该射频信号绑定的员工信息,图像采集模块主要是通过摄像头对区域内拍摄的画面进行采集,人脸识别模块主要是对摄像头采集的画面进行处理,进而判断出画面中所出现人员的身份,报警模块则是根据射频信号接收模块及人脸识别模块的结果判断是否报警及如何报警。
[0068] 一种基于区块链的区域报警监管系统及方法,具体步骤如下:
[0069] S1、在射频信号接收模块中,通过射频信号接收器接收指定区域人员身份牌内射频发射器发射的信号,并识别出该射频信号绑定的员工信息;
[0070] S2、在图像采集模块中,通过高清摄像头对指定区域内人员进行图像信息采集;
[0071] S3、同一区域内,射频信号接收模块识别出的员工信息与图像采集模块采集的图像信息共同传递给人脸识别模块;
[0072] S4、在人脸识别模块中,对图像采集模块传递的图像进行灰度处理,通过头部与背景的灰度差异,筛选出人员头部轮廓,进而提取出原图像的头部图像,然后通过人脸识别提取出头部图像中痣的位置及各面部特征点,通过与射频信号接收模块传递的员工人脸信息或厂内所有员工的人脸信息进行对比,进而确认人员身份,
[0073] 所述射频信号接收模块传递的员工人脸信息及厂内所有员工的人脸信息均为对比图像;
[0074] S5、在报警模块中,根据区域内是否出现违规情况按指定规则对各区域进行分级报警。
[0075] 所述射频信号中包含对应身份牌的姓名、编号、所属厂区,所述射频信号接收模块根据射频信号中对应身份牌的编号,调取厂区人员数据库中对应编号所属人员的人脸图像。
[0076] 本发明每个射频信号均与一个员工的个人信息进行绑定,通过识别射频信号即可获取对应员工的个人信息。
[0077] 本实施例中若与某一射频信号绑定的身份牌姓名为刘三、编号为000001,所属厂区为第六厂区,则射频信号接收模块可以根据射频信号中对应身份牌的编号000001,调取第六厂区人员数据库中编号000001所属人员的人脸图像,即刘三的人脸图像。
[0078] 所述人脸识别模块提取出原图像的头部图像后,提取头部图像中五官的特征点,以鼻尖与下巴所在直线作为y轴,以过鼻尖且与y轴垂直的直线作为x轴,以鼻尖为原点建立平面直角坐标系,在同一坐标系中,将对比图像中的鼻尖与原点重合,对对比文件进行等比例缩放,直至对比图像中下巴所在的点与原图像中头部图像的下巴重合。
[0079] 本发明人脸识别模块通过对头部图像及对比图像进行等比例缩放,建立同一平面直角坐标系,进而使用同一标准对头部图像及对比图像进行数据化,方便后续的数据处理。
[0080] 所述平面直角坐标系中,将头部图像中的各个特征点两两相连,构成向量,按指定顺序为各个向量进行编号;将对比图像中各个特征点两两相连,构成向量,同样按指定顺序为各个向量进行编号,使头部图像中的各个向量对比图像中的各个向量一一对应,[0081] 分别求取头部图像与对比图像中对应的两个向量的模长,然后用头部图像中向量的模长减去对比图像中向量的模长,接着用得到的模长差值乘上两向量夹角的正弦值,得到一组向量的误差值,即:
[0082] 当一组向量中,头部图像中向量的模长为|a|,对比图像中对应向量的模长为|b|,两向量的夹角为β,那么该组向量的误差值c=(|a|‑|b|)×sinβ,
[0083] 分别求取头部图像中所有向量与对比图像中对应向量的误差,最后对所有误差进行求和,得到五官的误差d。
[0084] 本发明中按指定规则将特征点两两相连,构成向量,通过对应两向量的模长之差及两向量之间的夹角,在现有技术中,对两向量进行比较时,通常采用的是用一个向量的模长乘上两向量夹角的余弦值与另一个向量的模长进行比较,而本发明中先求取两向量模长之差,能够准确的反应出两特征点之间的距离差,而两向量夹角的正弦值能够精准的反馈出两特征点之间的角度偏差,将求得的两向量模长之差与夹角的正弦值相乘,进一步确认对应两向量之间的误差,使用该方式可进一步求取五官的误差d。
[0085] 本实施例头部图像中若有以向量a1,向量a1的模长为10,在对比图像中存在一个与向量a1对应的向量b1,向量b1的模长为8,且向量a1与向量b1的夹角为30度,那么:
[0086] 该组向量的误差值c1=(10‑8)×sin30°=1。
[0087] 所述平面直角坐标系中分别对头部图像及对比图像进行处理,头顶到下巴之间的距离e,计算y轴上某一位置坐标为(0,f),使该位置到下巴之间的距离为e的五分之三,[0088] 唇峰在坐标系中的y坐标为g,左鼻翼的x轴坐标为h1,右鼻翼的x轴坐标为h2,[0089] 所述直线y=f,y=g,x=h1及头部轮廓四条线的交集区域为左脸范围,[0090] 所述直线y=f,y=g,x=h2及头部轮廓四条线的交集区域为右脸范围。
[0091] 本发明先计算出限制脸部区域的直线,通过四条直线的交集区域对具体的脸部区域进行划分,选取某一位置坐标为(0,f),使该位置到下巴之间的距离为e的五分之三,是因为距离下巴的距离占e的五分之三的点所在的直线y=f正好在眼部的下方,属于脸部区域的边缘。
[0092] 本实施例中若f=4,g=‑2,h1=‑1,h2=1,则:
[0093] 所述直线y=4,y=‑2,x=‑1及头部轮廓四条线的交集区域为左脸范围,[0094] 所述直线y=4,y=‑2,x=1及头部轮廓四条线的交集区域为右脸范围。
[0095] 所述左脸范围及右脸范围分别被分成n个区域,对左脸及右脸中的所有区域进行编号,分别求取各编号区域像素点中三原色R、G、B的极值,即每个编号区域所有像素点中R的最大值与最小值、G的最大值与最小值、B的最大值与最小值,将该编号区域R、G、B最大值之和减去该编号区域R、G、B最小值之和,用得到的差值k与第一阈值进行比较,[0096] 若差值k小于第一阈值,则不继续对该编号区域进行处理;
[0097] 若差值k大于等于第一阈值,则对该编号区域进一步处理,分别求取该编号区域各个像素点中三原色R、G、B的平均值,然后分别计算每个像素点对应的平均值与周围像素点对应的平均值的差值,然后将这些差值与第二阈值进行比较,
[0098] 当不存在差值大于等于第二阈值的情况时,则不继续对该像素点进行处理,[0099] 当存在差值大于等于第二阈值的情况时,则对该像素点进行标记,并获取该像素点在平面直角坐标系中的坐标。
[0100] 本发明通过求取各编号区域像素点中三原色R、G、B的极值,并将各编号区域极值的最大值减去最小值与第一阈值进行比较,实现对待处理的编号区域的快速筛选,该方式能够减轻数据处理的负担,减少了待进行数据处理的工作量;对区域内各像素点的三原色求取平均值,能够较准确的比较出相邻像素点之间的差异值,将差异值与第二阈值进行对比,可以筛选出那些特殊的像素点。
[0101] 本实施例中若第一个区域像素点中三原色R的最大值为与最小值分别为252和80、G的最大值与最小值分别为230和87、B的最大值与最小值分别为245和82;第二个区域像素点中三原色R的最大值为与最小值分别为255和240、G的最大值与最小值分别为230和225、B的最大值与最小值分别为235和230,第一阈值为200,
[0102] 用第一区域R、G、B最大值之和减去该编号区域R、G、B最小值之和,得到:
[0103] 252+230+245‑80‑87‑82=478,
[0104] 用第二区域R、G、B最大值之和减去该编号区域R、G、B最小值之和,得到:
[0105] 255+230+235‑240‑225‑230=25;
[0106] 由于478>200,200>25,则不继续对第二区域进行处理,需要继续对第一区域进一步处理。
[0107] 分别获取头部图像及对比图像中各编号区域内标记像素点的坐标,然后对各编号区域内标记像素点的坐标进行非线性拟合,然后将得到的非线性关系与预制的痣的非线性模型进行对比,
[0108] 若得到的非线性关系与预制的痣的非线性模型类型相同,则判定所得非线性关系的中点坐标为痣的坐标;
[0109] 若得到的非线性关系与预制的痣的非线性模型类型不相同,则不继续对该编号区域进行数据处理;
[0110] 分别选取头部图像每个痣的坐标与对比图像中距离该痣最近的一个痣的坐标,计算两个痣的距离为两个痣的误差,并最终对所有痣的误差进行求和。
[0111] 本发明将坐标系中那些特殊的像素点进行非线性拟合,并与预制的痣的非线性模型进行对比,若类型相同,则确定痣的坐标,进而计算对应痣的误差,对人脸细节特征点进一步进行筛选识别。
[0112] 本实施例中若得到的非线性拟合结果为(x‑2.1)2+(y‑1)2=0.01,与预制的痣的非2 2
线性模型中(x‑k1)+(y‑k2)=k3的类型相同,所述k1、k2、k3均为常数,由此可以判断所得
2 2
的非线性关系(x‑2.1) +(y‑1) =0.01的中点坐标为痣的坐标(2.1,1)。
[0113] 将五官的误差d与所有痣的误差和进行相加,得到头部图像与对比图像的总误差,将总误差与第三阈值进行比较,
[0114] 若总误差大于等于第三阈值,则判定头部图像与对比图像不相符;
[0115] 若总误差小于第三阈值,则判定头部图像与对比图像相符。
[0116] 本发明人脸识别模块中将五官误差及所有痣的误差进行累加,得到头部图像与对比图像整体的总误差,进而判断两图片是否相符。
[0117] 所述分级报警中,
[0118] 若射频信号接收模块收到射频信号且人脸识别模块确认出为厂内人员,则情况正常,不进行报警;
[0119] 若射频信号未接收模块收到射频信号但人脸识别模块确认出为厂内人员,则情况特殊,需对该人员对应的场内区域进行报警,提醒该人员违纪;
[0120] 若人脸识别模块确认出该人员不为厂内人员,则情况特殊,需对厂内所有区域进行报警,且以该射频信号对应人员所在的厂区为中心,报警级别最高,距离中心越远的区域,报警级别越低。
[0121] 本发明分级报警中,根据射频信号的接收情况及人脸识别模块的识别结果进行判断,当出现异常情况时,针对不同的异常情况,有不同的报警方案。
[0122] 需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0123] 最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。