[发明专利]一种宿舍安全管理方法及系统

权利要求书

1.一种宿舍安全管理方法，其特征在于，所述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。

2.根据权利要求1所述的宿舍安全管理方法，其特征在于，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。

3.根据权利要求1所述的宿舍安全管理方法，其特征在于，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。

4.根据权利要求1所述的宿舍安全管理方法，其特征在于，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，α_p是局部α，α_o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，C_p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(s_p)是局部图像块中饱和度最大值，max(s_o)是全局图像中饱和度最大值。

5.一种宿舍安全管理系统，其特征在于，所述宿舍安全管理系统包括：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。

6.根据权利要求5所述的宿舍安全管理系统，其特征在于，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。