一种基于机器视觉的微重力实验室人员识别方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的微重力实验室人员识别方法及系统，包括：采集人员号码牌图像并进行预处理，构建分类模型，将预处理后的图像输入至训练后的分类模型中，获得人员号码；基于人员号码获得录入的面部信息，采集人员面部图像，对所述人员面部图像进行标记分割后与录入的面部信息进行比对，判断是否具有准入资格；若存在准入资格，则获取人员整体图像，判断人员着装是否符合要求；若符合要求，则开启门禁实现实验室人员识别

【技术实现步骤摘要】
一种基于机器视觉的微重力实验室人员识别方法及系统


[0001]本专利技术属于人员识别预警
，特别是涉及一种基于机器视觉的微重力实验室人员识别方法及系统
。

技术介绍

[0002]由于地球重力的影响，细胞生长会受到限制，导致生长方向的偏移，而在微重力环境下，这些限制会消失，生命活动会发生一系列的变化
。
微重力实验需在微重力实验室中进行，当前微重力实验还属于初始阶段，因此，落地的微重力实验室显得尤为珍贵
。
考虑微重力实验室的使用需求，其所在的地点人员流动相对频繁，仅依靠安保人员查验身份无法保证安全
。
因此，亟需一种人员识别方法和系统对人员身份进行识别，并通过判别机制保障微重力实验室安全
。

技术实现思路

[0003]本专利技术的目的是提供一种基于机器视觉的微重力实验室人员识别方法及系统，以解决上述现有技术存在的问题
。
[0004]为实现上述目的，本专利技术提供了一种基于机器视觉的微重力实验室人员识别方法，包括：
[0005]构建号码牌图像样本数据集，对样本数据集的图像进行二值化处理，标记分割获得样本数字图像集，构建分类模型，通过样本数字图像集对所述分类模型进行训练，采集人员号码牌图像并进行预处理，将预处理后的图像输入至训练后的分类模型中，获得人员号码；
[0006]基于人员号码获得录入的面部信息，采集人员面部图像，对所述人员面部图像进行标记分割后与录入的面部信息进行比对，确定人员身份，实现实验室人员识别
。
[0007]可选的，与录入的面部信息进行比对前还包括：基于深度学习构建模型对人员面部图像进行人员识别，标记感兴趣区域，基于实际人体比例对标记感兴趣区域后的人员面部图像进行分割
。
[0008]可选的，还包括：根据存储的人员号码牌图像
、
人员面部图像对人员危险系数进行评估，若根据人员面部图像与人员号码牌图像无法判断身份，则基于人员面部图像对该人员出现的频次，停留时长汇总统计；根据统计结果判断人员是否存在入侵风险，若存在风险，则发出警示信息，并以文字与图表形式显示在实验室内的日志面板上
。
[0009]本专利技术还提供一种基于机器视觉的微重力实验室人员识别系统，其特征在于，包括：
[0010]数据获取模块
、
数据传输模块
、
技术处理模块
、
人员分析模块
、
汇总警示模块；
[0011]所述数据采集模块用于获取待进入实验室的人员识别信息，通过数据传输模块将人员信息传输至技术处理模块；
[0012]所述技术处理模块用于对所述人员识别信息进行拆分处理，并将处理结果通过数
据传输模块传输至人员分析模块；
[0013]所述人员分析模块用于根据处理结果，判断人员身份与准入信息并执行相关操作；
[0014]所述汇总警示模块用于汇总统计数据并发出警示；
[0015]所述数据获取模块
、
所述技术处理模块
、
所述人员分析模块与所述汇总警示模块依次相连
。
[0016]可选的，数据获取模块包括：第一获取单元
、
第二获取单元；
[0017]所述第一获取单元用于获取人员号码牌图像；
[0018]所述第二获取单元用于获取人员面部图像；
[0019]当人员进入门禁安全范围内固定时长时开始获取图像
。
[0020]可选的，所述技术处理模块包括第一处理模块
、
第二处理模块
、
第三处理模块；
[0021]所述第一处理模块，构建号码牌图像样本数据集，对样本数据集的图像进行二值化处理，标记分割获得样本数字图像集，构建分类模型，通过样本数字图像集对所述分类模型进行训练，将实时获取的人员号码牌图像进行二值化处理并标记分割后输入至训练后的分类模型中，获得人员号码；
[0022]所述第二处理模块基于实际人体比例对所述人员面部图像进行分割，获得面部各部位轮廓图；所述第二处理模块基于深度学习构建模型对人员面部图像进行人员识别，标记感兴趣区域，基于实际人体比例对标记感兴趣区域后的人员面部图像进行分割
。
[0023]可选的，所述人员分析模块包括接收单元，比对单元；
[0024]所述接收单元用于接收所述技术处理模块处理获得的数据；
[0025]所述比对单元用于查询人员号码是否存在，若存在，则调取对应人员录入的面部信息，将获得的面部各部位轮廓图与面部信息进行对比，若重叠率达到预设标准，则确认人员信息
。
[0026]可选的，所述汇总警示模块用于人员评估单元
、
警示单元；
[0027]所述人员评估单元用于根据存储的人员号码牌图像
、
人员面部图像对人员危险系数进行评估，若根据人员面部图像与人员号码牌图像无法判断身份，则根据人员面部图像对该人员出现的频次，停留时长汇总统计；
[0028]所述警示单元根据统计结果判断人员是否存在入侵风险，若存在风险，则发出警示信息，并以文字与图表形式显示在实验室内的日志面板上
。
[0029]本专利技术的技术效果为：
[0030]本专利技术通过深度学习构建模型对面部图像进行识别可降低环境干扰，对面部图像进行分割，实现同时多目标识别，通过对号码牌图像处理后进行分类，排除特殊场景下目标旋转，变形
、
遮挡及强烈光照下对号码识别影响，提高号码识别准确率；汇总统计无关人员在实验室监控范围内的停留时长，根据时间长度发出预警提高警戒保证安全
。
附图说明
[0031]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0032]图1为本专利技术实施例中的系统结构示意图
。
具体实施方式
[0033]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合
。
下面将参考附图并结合实施例来详细说明本申请
。
[0034]实施例一
[0035]如图1所示，本实施例中提供一种基于机器视觉的微重力实验室人员识别方法及系统，包括：
[0036]构建号码牌图像样本数据集，对样本数据集的图像进行二值化处理，标记分割获得样本数字图像集，构建分类模型，通过样本数字图像集对分类模型进行训练，采集人员号码牌图像并进行预处理，将预处理后的图像输入至训练后的分类模型中，获得人员号码；
[0037]基于人员号码获得录入的面部信息，采集人员面部图像，对人员面部图像进行标记分割后与录入的面部信息进行比对，确定人员身份，实现实验室人员识别
。
[0038]具体的，与录入的面部信息进行比对前还包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的微重力实验室人员识别方法，其特征在于，包括以下步骤：构建号码牌图像样本数据集，对样本数据集的图像进行二值化处理，标记分割获得样本数字图像集，构建分类模型，通过样本数字图像集对所述分类模型进行训练，采集人员号码牌图像并进行预处理，将预处理后的图像输入至训练后的分类模型中，获得人员号码；基于人员号码获得录入的面部信息，采集人员面部图像，对所述人员面部图像进行标记分割后与录入的面部信息进行比对，确定人员身份，实现实验室人员识别
。2.
根据权利要求1所述的基于机器视觉的微重力实验室人员识别方法，其特征在于，与录入的面部信息进行比对前还包括：基于深度学习构建模型对人员面部图像进行人员识别，标记感兴趣区域，基于实际人体比例对标记感兴趣区域后的人员面部图像进行分割
。3.
根据权利要求1所述的基于机器视觉的微重力实验室人员识别方法，其特征在于，还包括：根据存储的人员号码牌图像
、
人员面部图像对人员危险系数进行评估，若根据人员面部图像与人员号码牌图像无法判断身份，则基于人员面部图像对该人员出现的频次，停留时长汇总统计；根据统计结果判断人员是否存在入侵风险，若存在风险，则发出警示信息，并以文字与图表形式显示在实验室内的日志面板上
。4.
一种基于机器视觉的微重力实验室人员识别系统，其特征在于，包括：数据获取模块
、
数据传输模块
、
技术处理模块
、
人员分析模块
、
汇总警示模块；所述数据采集模块用于获取待进入实验室的人员识别信息，通过数据传输模块将人员信息传输至技术处理模块；所述技术处理模块用于对所述人员识别信息进行拆分处理，并将处理结果通过数据传输模块传输至人员分析模块；所述人员分析模块用于根据处理结果，判断人员身份与准入信息并执行相关操作；所述汇总警示模块用于汇总统计数据并发出警示；所述数据获取模块
、
所述技术处理模块
、
所述人员分析模块与所述汇总警示模块依次相连
。5.

【专利技术属性】
技术研发人员：张怀东，迟海鹏，龚长华，奚晓鹏，
申请(专利权)人：北京戴纳实验科技有限公司，
类型：发明
国别省市：