利索能及
我要发布
收藏
专利号: 2021107097972
申请人: 湘南学院
专利类型:发明专利
专利状态:已下证
更新日期:2025-10-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种智慧旅游控制系统,其特征在于:

所述控制系统应用于室内和室外的文娱场所,所述文娱场所设置有N个游玩项目,N为大于5的自然数;

所述控制系统设置有身份证号录入模块及手机号录入模块;所述身份证号录入模块与手机号录入模块在购票时与票号ID唯一绑定;

所述控制系统设置的人脸录入模块所录入的人脸图像与所述身份证号唯一绑定;

所述控制系统设置有游玩项目选择及顺序设定模块,使得经过人脸验证成功的用户仅能够在所选择的游玩项目处具备开启闸门的权限;当游玩项目的实际顺序与设定顺序不一致时,则所述用户不具备开启闸门的权限;

所述控制系统包括特征加密模块,首先利用摄像机获得用户的头部图像,该头部图像具有完整的人脸特征,包括:左眉、右眉、左眼、右眼、左耳、右耳、鼻尖、上唇、下唇、下巴;所述左眉、右眉、左眼、右眼、左耳、右耳、鼻尖、上唇、下唇、下巴分别对应数字编号1、2、3、4、5、

6、7、8、9、0;

当利用摄像机获得用户的头部图像之后,利用手指按顺序点选上述特征点,所点选的特征点的数量不小于6,不超过10;所点选的顺序及特征点形成加密特征;

人脸识别的方法基于深度卷积神经网络,所述深度卷积神经网络包括:一个或多个卷积层、一个或多个池化层、全连接层;所述卷积层采用的卷积核大小3*3;所述深度卷积神经网络利用了正弦指数损失函数增强人脸识别的准确性;所述正弦指数损失函数为:其中,θyi表示为样本i与其对应标签yi的向量夹

角,其中byi表示样本i在其标签yi处的偏差,bj表示输出节点j处的偏差;所述N表示训练样本个数;所述wyi表示样本i在其标签yi处的权重;

所述池化层的池化方法如下:

S=f(elogw+LOSSSIS);

其中,s表示当前层的输出,f()表示激活函数,w表示当前层的权重。

2.一种智慧旅游控制方法,其特征在于:

所述控制方法应用于室内和室外的文娱场所,所述文娱场所设置有N个游玩项目,N为大于5的自然数;

所述控制方法设置有身份证号录入步骤及手机号录入步骤;所述身份证号与手机号在购票时与票号ID唯一绑定;

所述控制方法设置的人脸录入步骤所录入的人脸图像与所述身份证号唯一绑定;

所述控制方法设置有游玩项目选择及顺序设定步骤,使得经过人脸验证成功的用户仅能够在所选择的游玩项目处具备开启闸门的权限;当游玩项目的实际顺序与设定顺序不一致时,则所述用户不具备开启闸门的权限;

所述控制方法包括特征加密步骤,首先利用摄像机获得用户的头部图像,该头部图像具有完整的人脸特征,包括:左眉、右眉、左眼、右眼、左耳、右耳、鼻尖、上唇、下唇、下巴;所述左眉、右眉、左眼、右眼、左耳、右耳、鼻尖、上唇、下唇、下巴分别对应数字编号1、2、3、4、5、

6、7、8、9、0;

当利用摄像机获得用户的头部图像之后,利用手指按顺序点选上述特征点,所点选的特征点的数量不小于6,不超过10;所点选的顺序及特征点形成加密特征;

人脸识别的方法基于深度卷积神经网络,所述深度卷积神经网络包括:一个或多个卷积层、一个或多个池化层、全连接层;所述卷积层采用的卷积核大小3*3;所述深度卷积神经网络利用了正弦指数损失函数增强人脸识别的准确性;所述正弦指数损失函数为:其中,θyi表示为样本i与其对应标签yi的向量夹

角,其中byi表示样本i在其标签yi处的偏差,bj表示输出节点j处的偏差;所述N表示训练样本个数;所述wyi表示样本i在其标签yi处的权重;

所述池化层的池化方法如下:

S=f(elogw+LOSSSIS);

其中,s表示当前层的输出,f()表示激活函数,w表示当前层的权重。