[发明专利]基于深度学习的智能锁异常报警系统有效

专利信息
申请号: 202011251619.1 申请日: 2020-11-11
公开(公告)号: CN112614249B 公开(公告)日: 2023-01-10
发明(设计)人: 陈高永;邹阳 申请(专利权)人: 邹阳
主分类号: G07C9/00 分类号: G07C9/00;E05B47/00;E05B45/06
代理公司: 广州大象飞扬知识产权代理有限公司 44745 代理人: 刘子晏
地址: 510000 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 智能 异常 报警 系统
【权利要求书】:

1.一种基于深度学习的智能锁异常报警系统,其特征在于,包括智能锁及监控终端,所述智能锁包括微处理器、数据存储模块、锁状态检测模块、身份验证模块、控制模块、电机、锁芯模块及通信模块,所述数据存储模块、控制模块、锁状态检测模块、身份验证模块及通信模块均与所述微处理器连接,所述锁芯模块与所述控制模块电连接,所述身份验证模块用于采集用户身份信息并发送至微处理器;所述微处理器用于接收用户身份信息,并将用户身份验证请求通过通信模块发送至监控终端,在收到监控终端发送的开锁指令后,所微处理器发出指令给所述控制模块控制电机执行开锁操作;所述锁状态检测模块用于检测智能锁的锁状态信息,所述微处理器还用于根据智能锁的锁状态信息获得锁状态时间信息,所述锁状态时间信息与相应的用户身份信息匹配,所述锁状态时间信息包括开锁时间和关锁时间中的任意一种或两种;所述通信模块用于向所述监控终端发送锁状态时间信息;

所述监控终端包括信息存储模块、收发模块、深度学习模块、中央控制器、报警模块,所述信息存储模块用于存储用户身份信息、历史开锁时间信息,所述历史开锁时间信息匹配有用户身份信息;所述深度学习模块用于将一天24小时划分为N个时间段,获取预设天数内的历史开锁时间信息,统计出开锁频次不小于预设频次的M个时间段,将M个时间段标记为正常开锁时间段,其中,N、M均为大于1的整数;所述收发模块用于接收用户身份验证请求及锁状态时间信息并发送至中央控制器;所述中央控制器用于判断接收到的用户身份验证请求与信息存储模块中预存的用户身份信息是否匹配,若匹配,则获取当前时间,根据用户身份信息从信息存储模块中获取对应的正常开锁时间段,判断当前时间所处的时间段与正常开锁时间段是否匹配;所述中央控制器在判断结果是匹配的情况下向所述收发模块发送开锁指令,所述收发模块将开锁指令发送至智能锁;所述中央控制器在判断结果是不匹配的情况下向所述报警模块发送报警信息和身份验证请求,收发模块发送开锁指令,所述收发模块将开锁指令发送至智能锁;所述中央控制器在判断结果是不匹配的情况下向报警模块传送报警信息;所述报警模块用于接收报警信息,并发出报警信号;

所述智能锁的端面上设置有距离检测模块,所述距离检测模块用于采集监控对象与智能锁之间的相对距离;所述微处理器用于将采集到的相对距离与智能锁ID编码进行匹配,通过通信模块将匹配有智能锁ID编码的相对距离发送至监控终端;所述中央控制器还用于根据所述相对距离判断监控对象是否位于预设区域内,计算监控对象处于预设区域内的停留时间,判断监控对象处于预设区域内的停留时间是否达到预设停留时间阈值,若目标处于预设区域内的停留时间超过预设停留时间阈值,则判断为异常情况,并将报警信息发送至报警模块;所述报警模块用于接收报警信息,并发出报警信号。

2.根据权利要求1所述的基于深度学习的智能锁异常报警系统,其特征在于,所述中央控制器还用于在判断结果是不匹配的情况下将用户身份验证指令通过收发模块发送至移动终端,所述收发模块若在预设时间内接收到移动终端返回的开锁确认指令,则将开锁确认指令发送至所述通信模块。

3.根据权利要求2所述的基于深度学习的智能锁异常报警系统,其特征在于,若移动终端未在预设时间内处理用户身份验证指令,所述中央控制器通过收发模块将开锁确认指令发送至所述通信模块。

4.根据权利要求1所述的基于深度学习的智能锁异常报警系统,其特征在于,所述距离检测模块选自红外测距传感器、激光测距传感器中的任意一种。

5.根据权利要求1所述的基于深度学习的智能锁异常报警系统,其特征在于,所述身份验证模块为生物信息验证模块。

6.根据权利要求5所述的基于深度学习的智能锁异常报警系统,其特征在于,所述生物信息验证模块为指纹验证模块、人脸认证模块、声音验证模块中的任意一种。

7.根据权利要求1所述的基于深度学习的智能锁异常报警系统,其特征在于,所述身份验证模块为密码验证模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于邹阳,未经邹阳许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011251619.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top