【技术实现步骤摘要】
本专利技术涉及高校管理系统及平台，具体涉及基于智慧校园的校园安全管理平台及其方法。
技术介绍
1、传统校园对于学生管理多采用门禁卡和指纹方式，而部分高校则采用人脸识别技术，将学院和教职工的面部信息进行采集放在数据库中，以便于对人员进行校园管理，对于高校而言，通过人脸识别技术，准确判断学生的身份，防止非法人员进入校园，且学生只需在门禁通道上进行刷脸操作，减少了人工干预的同时，识别准确率高，有效地减少冒名顶替、欺骗入校的现象发生。
2、例如，申请号为cn202211585039.5公开了一种基于人脸识别的扫码入校管理方法及系统基于智慧校园的校园安全管理平台及其方法，通过人脸识别进入到校园内，便于教师或学校保卫处人员进行学生人员入校管理，通过设置临时标签信息，可以将面部采集确认更加灵活化，可以随机的设置信息与面部轮廓相结合，从而提高识别难度等级和识别的准确准确度，以便于管理方/人员能够更好的甄别管理人员是否是其本人，避免目前采用别人的卡进出校园的情况，提高了识别效率，以及提高了管理学生进出校园的水平，但是在人脸识别扫码后，存在环境干扰、学员盗用他人照片伪造、基于人脸识别的扫码入校对摄像设备依赖性强，从而导致设备故障影响学员管理运行和安全，以及学员异常改变自己的外表容貌而导致人脸识别技术在学员扫码入校管理中出现错误识别或识别失败的缺陷。
3、现有技术存在以下不足：然而在基于智慧校园的校园安全管理平台中，除了数据库中所采集的学员面部特征信息不能及时更新调整匹配，影响识别效果以外，还存在高校的扫码入校管理系统中缺乏数
4、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的是提供基于智慧校园的校园安全管理平台及其方法，本专利技术通过对高校管理系统中的数据库进行关联值建立，和实时采集的面部特征数据与源数据进行匹配、识别和验证计算出识别偏差系数，初步从校园的数据库数据进行了自检管理和定期进行更新，以提高师生扫码的准确性、速度和鲁棒性，又通过在扫码过程中进行异常检测，通过对师生扫码图像的面部特征数据进行异常因子计算，并处罚报警机制，以及在基于智慧校园的校园安全管理平台中进行实时监测和安全分析处理，以解决上述
技术介绍
中的问题。
2、为了实现上述目的，本专利技术提供如下技术方案：基于智慧校园的校园安全管理方法，包括步骤如下：
3、s1、注册高校师生个人信息并录入人脸面部特征信息传入数据库存储，并建立个人信息与面部特征信息的关联值进行管理；
4、s2、在高校的各个门禁通道上均安装有联网通信的视觉装置，通过视觉装置捕捉高校师生的面部图像信息，提取实时采集的脸面部特征数据与数据库存储的脸面部特征源数据进行识别、匹配和验证，并计算出识别偏差系数；
5、s3、根据识别偏差系数，定期将实时采集的面部特征信息更新和补充到数据库中，得到新面部特征信息，结合实时采集的脸面部特征数据建立异常因子分析模型进行异常判断，以及根据异常因子分析模型中计算的异常因子值触发报警机制，提高扫码入校管理系统的精确管理；
6、s4、在扫码入校管理系统运行中，采用多层感知器模型对高校师生的面部特征信息进行实时监测和安全分析处理，以保障系统的数据安全性和师生信息的隐私保护性。
7、优选地，所述面部特征信息源数据包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，并将形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征分别标定为scf0、stf0、ffc0、dc0、uf0；
8、个人信息包括姓名、学号、宿舍楼号、手机号和照片，并将姓名、学号、宿舍楼号、手机号和照片分别标定为fm、sid、dbn、tn、po，且从照片po中提取的面部特征信息的源数据，则po＝{scf0,stf0,ffc0,dc0,uf0}。
9、优选地，所述关联值计算步骤如下：
10、将关联值标定为av，则av＝log5∑p(fm,sid,dbn,tn,po)，式中，∑p(fm,sid,dbn,tn,po)表示为个人信息与面部特征信息的出现概率之和，且对于学员的学号、手机号出现的概率均为百分之百，则p(sid)＝100％和p(tn)＝100％，对于姓名、宿舍楼号、照片内提取的面部特征信息，存在高校学员的重复性，则0＜p(fm)≤100％、0＜p(dbn)≤100％和0＜p(po)≤100％，通过计算出实际关联值av1与预设的关联值av0进行对比分析，以判断学员提取的面部特征信息对个人信息的匹配影响程度。
11、优选地，所述实时采集的面部特征信息包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，将形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征分别标定为scf1、stf1、ffc1、dc1、uf1；
12、新面部特征信息包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，并将形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征分别标定为scf2、stf2、ffc2、dc2、uf2；
13、定期更新时间为3-6个月一次。
14、优选地，所述识别偏差系数，标定为idc，是将实时采集的面部特征信息与照片po中提取面部特征信息源数据进行对比计算，识别偏差系数计算公式为式中，μ(po)表示为照片po中提取的面部特征信息偏差固定值，即错误匹配常数。
15、优选地，所述异常因子分析模型的逻辑建立步骤如下：
16、a1、计算数据库中提取面部特征信息源数据、实时面部特征信息、新面部特征信息的每个数据点的局部密度，且将局部密度标定为density，即通过计算每个数据点与最近邻数据点的距离来评估每个数据点的局部密度，距离越小表示局部密度越高，则局部密度计算公式为其中，形状轮廓特征的局部密度，标定为density(scf2)，且计算公式
17、n1＝{scf0,scf1,scf2}，式中，n1表示为新面部特征信息中形状轮廓特征的最近邻数据点集合，n1＝{scf0,scf1,scf2}表示为数据点集合包括面部特征信息源数据、实时面部特征信息、新面部特征信息的形状轮廓特征三种，density(scf2)表示为形状轮廓特征的局部密度，n(scf2)表示为形状轮廓特征的最近邻数据点的数量，d(scf2，n1)表示为形状轮廓特征对面部特征信息源数据、实时面部特征信息、新面部特征信息中的形状轮廓特征三种之间的距离；
18、a2、计算数据库中提取面部特征信息源数据、实时面部特征信息、新面部特征信息的每个数据点的局部可达密度，且将局部可达密度标定为lrd，即局部可达密度的计算公式为其中，
19、形状轮廓特征本文档来自技高网...
【技术保护点】
1.基于智慧校园的校园安全管理平台，其特征在于，包括数据库匹配管理模块：存储和管理学生的面部特征信息的源数据，通过收集高校师生注册个人信息并提取录入人脸面部特征信息在数据库中存储，作为人脸识别模块的数据对比依据，通过建立个人信息与面部特征信息的关联值，并根据关联值进行高校师生管理；
2.根据权利要求1所述的基于智慧校园的校园安全管理平台，其特征在于，所述人脸识别算法的数据处理如下：
3.根据权利要求1所述的基于智慧校园的校园安全管理平台，其特征在于，所述实时监控分析是采用神经网络算法中的多层感知器模型，对数据库中的面部特征信息进行实时监测和安全分析处理，多层感知器模型包含输入层、隐藏层和输出层，且每个层由多个神经元组成。
4.基于智慧校园的校园安全管理方法，根据权利要求1-3任一所述的基于智慧校园的校园安全管理平台，其特征在于，包括步骤如下：
5.根据权利要求4所述的基于智慧校园的校园安全管理方法，其特征在于，所述面部特征信息源数据包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，并将形状轮廓特征、皮肤纹理特征、五官
6.根据权利要求5所述的基于智慧校园的校园安全管理方法，其特征在于，所述关联值计算步骤如下：
7.根据权利要求6所述的基于智慧校园的校园安全管理方法，其特征在于，所述实时采集的面部特征信息包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，将形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征分别标定为Scf1、Stf1、Ffc1、Dc1、Uf1；
8.根据权利要求6所述的基于智慧校园的校园安全管理方法，其特征在于，所述识别偏差系数，标定为Idc，是将实时采集的面部特征信息与照片Po中提取面部特征信息源数据进行对比计算，识别偏差系数计算公式为式中，μ(Po)表示为照片Po中提取的面部特征信息偏差固定值，即错误匹配常数。
9.根据权利要求7所述的基于智慧校园的校园安全管理方法，其特征在于，所述异常因子分析模型的逻辑建立步骤如下：
10.根据权利要求4所述的基于智慧校园的校园安全管理方法，其特征在于，所述多层感知器算法的实时监测和安全分析计算步骤如下：
...【技术特征摘要】
1.基于智慧校园的校园安全管理平台，其特征在于，包括数据库匹配管理模块：存储和管理学生的面部特征信息的源数据，通过收集高校师生注册个人信息并提取录入人脸面部特征信息在数据库中存储，作为人脸识别模块的数据对比依据，通过建立个人信息与面部特征信息的关联值，并根据关联值进行高校师生管理；
2.根据权利要求1所述的基于智慧校园的校园安全管理平台，其特征在于，所述人脸识别算法的数据处理如下：
3.根据权利要求1所述的基于智慧校园的校园安全管理平台，其特征在于，所述实时监控分析是采用神经网络算法中的多层感知器模型，对数据库中的面部特征信息进行实时监测和安全分析处理，多层感知器模型包含输入层、隐藏层和输出层，且每个层由多个神经元组成。
4.基于智慧校园的校园安全管理方法，根据权利要求1-3任一所述的基于智慧校园的校园安全管理平台，其特征在于，包括步骤如下：
5.根据权利要求4所述的基于智慧校园的校园安全管理方法，其特征在于，所述面部特征信息源数据包括形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征和独特特征，并将形状轮廓特征、皮肤纹理特征、五官结构特征、动态特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。