[发明专利]一种智能园区管理系统及管理方法在审

专利信息
申请号: 202111641384.1 申请日: 2021-12-29
公开(公告)号: CN114550359A 公开(公告)日: 2022-05-27
发明(设计)人: 汤欢欢;史玉洁;袁志远;喻勋勋;吴恺 申请(专利权)人: 广东飞企互联科技股份有限公司
主分类号: G07C9/25 分类号: G07C9/25;G07C9/27;G08B7/06;G06V40/16;G06N3/04;G06K9/62;G06Q50/16;G06V10/82
代理公司: 东莞市神州众达专利商标事务所(普通合伙) 44251 代理人: 周松强
地址: 519000 广东省珠海市唐家湾镇*** 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: 一种 智能 管理 系统 方法
【说明书】:

发明公开了一种智能园区管理系统及管理方法,包括云端服务器,云端服务器的输入端电连接有安全监测终端,云端服务器的输出端电连接有信息识别模块,信息识别模块的输出端电连接有卷积神经网络。本发明通过安全监测终端对园区内部过往人员面部特征及身份卡信息进行采集,卷积神经网络和降噪自编码器能够对面部图像进行降维处理,经过降噪后的图像利用面部特征生产模块生成面部模型,对比单元对近期存储模块内部储存的员工面部模型进行提取对比,从而达到对园区人员信息进行识别认证的效果,解决了现有的智能园区管理方式较为单一,不具备对通行人员的个人信息进行认证掌握的效果,无法对非园区人员进行判断确认的问题。

技术领域

本发明涉及智能园区技术领域,具体为一种智能园区管理系统及管理方法。

背景技术

智能园区指供水、供电、供气、通讯、道路、仓储及其它配套设施齐全、布局合理且能够满足从事某种特定行业生产和科学实验需要的标准性建筑物或建筑物群体,但是现有的智能园区管理方式较为单一,不具备对通行人员的个人信息进行认证掌握的效果,无法对非园区人员进行判断确认。

发明内容

为解决上述背景技术中提出的问题,本发明的目的在于提供一种智能园区管理系统及管理方法,具备对人员信息进行智能认证的优点,解决了现有的智能园区管理方式较为单一,不具备对通行人员的个人信息进行认证掌握的效果,无法对非园区人员进行判断确认的问题。

为实现上述目的,本发明提供如下技术方案:一种智能园区管理系统及管理方法,包括云端服务器;

所述云端服务器的输入端电连接有安全监测终端,所述云端服务器的输出端电连接有信息识别模块,所述信息识别模块的输出端电连接有卷积神经网络,所述卷积神经网络的输出端电连接有降噪自编码器,所述降噪自编码器的输出端电连接有面部特征生产模块,所述面部特征生产模块的输出端分别电连接有存储模块和对比单元,所述对比单元与存储模块电性连接。

作为本发明优选的,所述云端服务器的输出端电连接有物联网关,所述物联网关的输入端与若干个安全监测终端的输出端双向电连接。

作为本发明优选的,所述安全监测终端由监控设备、门禁设备和声光报警器组成。

作为本发明优选的,所述存储模块的输出端双向电连接有无线网关,所述无线网关的输出后端双向电连接有园区监测平台,所述无线网关与物联网关双向电连接。

作为本发明优选的,所述卷积神经网络的输出端电连接有智能学习模块,所述智能学习模块的输出端电连接有数据缓存模块,所述数据缓存模块与降噪自编码器电性连接。

作为本发明优选的,所述面部特征生产模块的输出端电连接有读写建档单元,所述读写建档单元的输出端与存储模块的输入端双向电连接。

作为本发明优选的,所述对比单元的输出端电连接有长短期记忆网络,所述长短期记忆网络的输出端电连接有行动路线记录模块,所述行动路线记录模块的输出端与存储模块的输入端电性连接,所述长短期记忆网络和读写建档单元双向电连接。

作为本发明优选的一种智能园区管理系统及管理方法,包括以下步骤:

S1:通过安全监测终端对园区内部过往人员面部特征及身份卡信息进行采集,物联网关能够将信息传输至云端服务器,云端服务器通过信息识别模块与存储模块内部个人信息进行对比;

S2:卷积神经网络和降噪自编码器能够对面部图像进行降维处理,经过降噪后的图像利用面部特征生产模块生成面部模型;

S3:对比单元利用长短期记忆网络对近期存储模块内部储存的员工面部模型进行提取对比,通过验证时,行动路线记录模块对员工行进路线进行记录;

S4:验证失败时,无线网关将警报信息传输至园区监测平台进行人工复审。

与现有技术相比,本发明的有益效果如下:

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广东飞企互联科技股份有限公司,未经广东飞企互联科技股份有限公司许可,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/202111641384.1/2.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