一种基于神经网络和rfid的智能通道门控制方法技术

本发明专利技术公开一种基于神经网络和rfid的智能通道门控制方法，该控制方法包括：根据设置于用户的身份标签，获取用户的第一用户码；获取通道标签阵列的标签阵列信号；将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征；若用户的体态特征和第一用户码匹配，则确认用户身份。本发明专利技术实现的用户身份的二次确认，提高了智能通道门的安全性。提高了智能通道门的安全性。提高了智能通道门的安全性。

【技术实现步骤摘要】
一种基于神经网络和rfid的智能通道门控制方法


[0001]本专利技术涉及门禁
，特别涉及一种基于神经网络和rfid的智能通道门控制方法。

技术介绍

[0002]RFID(射频识别)智能通道门是使用了RFID技术的通道门，目前已广泛应用于人员进出管理，例如图书馆、会议室或者仓库的人员进出管理。
[0003]在RFID智能通道门中，标签采用散射、直接反馈的方式向阅读器反馈用户码，用户码难以加密(加密需要提高标签的算力，这将极大程度上导致标签成本增加)，因此存在不法分子使用窃听设备获取用户码，并写入到非法的标签的情况；此外，亦存在用户的门禁卡(标签)被其他人拾取/盗窃的情况。

技术实现思路

[0004]本专利技术的主要目的是提供一种基于神经网络和rfid的智能通道门控制方法，旨在提升智能通道门的安全性。
[0005]本申请提出一种基于神经网络和rfid的智能通道门控制方法，应用于智能通道门，该智能通道门包括阅读器，设于通道门的一侧；以及设有32*32标签的通道标签阵列，设于所述通道门的另一侧，以在行人通过所述通道门时，行人相对于所述阅读器遮挡所述通道标签阵列的部分标签；所述基于神经网络和rfid的智能通道门控制方法包括：根据设置于用户的身份标签，获取用户的第一用户码；获取通道标签阵列的标签阵列信号；将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征；若用户的体态特征和第一用户码匹配，则确认用户身份。
[0006]在一实施例中，通道标签阵列的每一标签信号包括表征自己的坐标的信号、该信号的信号相位和信号强度；所述步骤：将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征，包括：
[0007]在信号相位和信号强度的变化大于预设阈值的单位时间内，根据所有标签的坐标以及对应的信号相位，生成信号相位图序列；
[0008]在信号相位和信号强度的变化大于预设阈值的单位时间内，根据所有标签的坐标以及对应的信号强度，生成信号强度图序列；
[0009]将信号相位图序列和信号强度图序列送入预训练的神经网络模型，获取用户的体态特征。
[0010]在一实施例中，信号相位图序列包括多帧信号相位图，信号强度图序列包括多帧信号强度图；所述步骤：将信号相位图序列和信号强度图序列送入预训练的神经网络模型，获取用户的体态特征，包括：
[0011]将时间对应的信号相位图和信号强度图直接拼接，得到拼接图序列；
[0012]根据拼接图序列，获取光流图序列；
[0013]将时间对应的拼接图和光流图送入特征提取网络，得到空间特征图并存储；重复此步骤，以得到空间特征图序列；
[0014]按照时间顺序，将空间特征图序列送入融合网络，得到时空特征；
[0015]根据时空特征，获取用户的体态特征。
[0016]在一实施例中，将对应的拼接图和光流图送入特征提取网络，得到空间特征图，包括：
[0017]将拼接图进行卷积处理得到第一拼接卷积图；将第一拼接卷积图进行卷积处理得到第二拼接卷积图；
[0018]将第一拼接卷积图像进行下采样，以使得其尺寸与第二拼接卷积图一致，并将两者融合得到第一卷积融合图；
[0019]将第二拼接卷积图像进行上采样，以使得其尺寸与第一拼接卷积一致，并将两者融合得到第二卷积融合图；
[0020]将拼接图和第二卷积融合图进行下采样，第一卷积融合图进行上采样，以使得三者尺寸一致，并将三者融合得到拼接特征图。
[0021]在一实施例中，，将对应的拼接图和光流图送入特征提取网络，得到空间特征图，包括：
[0022]将光流图进行卷积处理得到第一光流卷积图；将第一光流卷积图进行卷积处理得到第二光流卷积图；
[0023]将第一光流卷积图像进行下采样，以使得其尺寸与第二拼接卷积图一致，并将两者融合得到第一卷积融合图；
[0024]将第二光流卷积图像进行上采样，以使得其尺寸与第一拼接卷积一致，并将两者融合得到第二卷积融合图；
[0025]将光流图和第二卷积融合图进行下采样，第一卷积融合图进行上采样，以使得三者尺寸一致，并将三者融合得到光流特征图。
[0026]在一实施例中，将对应的拼接图和光流图送入特征提取网络，得到空间特征图，包括：
[0027]将拼接特征图和光流特征图送入全连接网络进行融合处理，以获取空间特征图。
[0028]在一实施例中，在步骤：将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征，之前还包括：
[0029]根据公式θ
j
＝θ
i
+2πVη
k,k
‑1调整相位信号，；
[0030]其中，θ
j
是调整后的相位信号，θ
i
是调整前的相位信号；在相邻两个相位信号的相位差绝对值小于2π时，Vη
k,k
‑1取0；在相邻两个相位信号的相位等于2π时，Vη
k,k
‑1取
‑
1；在相邻两个相位信号的相位差等于
‑
2π，且小于
‑
π时，Vη
k,k
‑1取1。
[0031]在一实施例中，步骤：按照时间顺序，将空间特征图序列送入融合网络，得到时空特征，包括：
[0032]空间特征图序列中，仅有一帧空间特征图是实时获取的，剩余的空间特征图为预存储的。
[0033]在一实施例中，基于神经网络和rfid的智能通道门控制方法还包括：
[0034]获取标签阵列信号训练集，并标注体态特征点；
[0035]使用训练集训练深度信息模型，得到预训练的神经网络模型；
[0036]采集用户体态特征，并将用户体态特征和第一用户码绑定，并存储于智能通道门的阅读器。
[0037]在一实施例中，所述智能通道门包括：
[0038]提示器，与所述阅读器连接，所述阅读器在确认用户的体态特征和第一用户码不匹配，控制提示器工作。
[0039]本申请利用行人通过通道时，会对通道标签阵列产生屏蔽作用，导致通道标签阵列的信号强度和信号相位发生变化，根据变化特征，识别用户身份。只需增加几个标签，以及提升阅读器的算力即可实现智能通道门的安全性提升。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0041]图1为本专利技术基于神经网络和rfid的智能通道门控制方法一实施例的流程图；
[0042]图2为本专利技术基于神经网络和rfid的智能通道门控制方法另一实施例的流程图；
[0043]图3为本专利技术基于神经网络和rfid的智能通道门控制方法又一实施例的流程图；
...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络和rfid的智能通道门控制方法，其特征在于，智能通道门包括：阅读器，设于通道门的一侧；设有32*32标签的通道标签阵列，设于所述通道门的另一侧，以在行人通过所述通道门时，行人相对于所述阅读器遮挡所述通道标签阵列的部分标签；所述基于神经网络和rfid的智能通道门控制方法包括：根据设置于用户的身份标签，获取用户的第一用户码；获取通道标签阵列的标签阵列信号；将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征；若用户的体态特征和第一用户码匹配，则确认用户身份。2.如权利要求1所述的基于神经网络和rfid的智能通道门控制方法，其特征在于，通道标签阵列的每一标签信号包括表征自己的坐标的信号、该信号的信号相位和信号强度；所述步骤：将标签阵列信号，送入预训练的神经网络模型，以获取用户的体态特征，包括：在信号相位和信号强度的变化大于预设阈值的单位时间内，根据所有标签的坐标以及对应的信号相位，生成信号相位图序列；在信号相位和信号强度的变化大于预设阈值的单位时间内，根据所有标签的坐标以及对应的信号强度，生成信号强度图序列；将信号相位图序列和信号强度图序列送入预训练的神经网络模型，获取用户的体态特征。3.如权利要求2所述的基于神经网络和rfid的智能通道门控制方法，其特征在于，信号相位图序列包括多帧信号相位图，信号强度图序列包括多帧信号强度图；所述步骤：将信号相位图序列和信号强度图序列送入预训练的神经网络，获取用户的体态特征，包括：将时间对应的信号相位图和信号强度图直接拼接，得到拼接图序列；根据拼接图序列，获取光流图序列；将时间对应的拼接图和光流图送入特征提取网络，得到空间特征图并存储；重复此步骤，以得到空间特征图序列；按照时间顺序，将空间特征图序列送入融合网络，得到时空特征；根据时空特征，获取用户的体态特征。4.如权利要求3所述的基于神经网络和rfid的智能通道门控制方法，其特征在于，将对应的拼接图和光流图送入特征提取网络，得到空间特征图，包括：将拼接图进行卷积处理得到第一拼接卷积图；将第一拼接卷积图进行卷积处理得到第二拼接卷积图；将第一拼接卷积图像进行下采样，以使得其尺寸与第二拼接卷积图一致，并将两者融合得到第一卷积融合图；将第二拼接卷积图像进行上采样，以使得其尺寸与第一拼接卷积一致，并将两者融合得到第二卷积融合图；将拼接图和第二卷积融合图进行下采样，第一卷积融合图进行上采样，以使得三者尺寸一致，并将三者融合得到拼接特征图。5.如权利要求4所述的基于神经网络和rfid的智能通道门控制方法，其特征在于，将对应的拼接图...

【专利技术属性】
技术研发人员：刘艳勤，胡彦峰，
申请(专利权)人：深圳零和壹物联科技有限公司，
类型：发明
国别省市：