基于人脸与指静脉融合识别的考勤设备及考勤系统

    公开(公告)号:CN112465999A

    公开(公告)日:2021-03-09

    申请号:CN202011585195.2

    申请日:2020-12-29

    发明人: 周卫斌 王阳 陈涛

    IPC分类号: G07C1/10 G06K9/00 G01J5/00

    摘要: 本发明公开了一种基于人脸与指静脉融合识别的考勤设备。包括:图像采集装置,用于获取目标用户的人脸与指静脉图像;图像识别装置,用于识别目标用户人脸与指静脉图像中对应身份信息;红外测温装置,用于检测目标用户体温;语音播报装置,用于播报目标用户的基本信息,以及数据处理与存储控制器。本发明还提供了一种基于人脸与指静脉融合识别的考勤系统,包括:生物信息采集系统、体温检测系统、数据处理与存储系统、人机交互系统和网络通讯系统。本发明能够有效解决单一生物特征识别考勤所导致的识别率低、环境适应性差等问题,进而能够提高考勤效率与考勤真实性,并提供健康辅助监测。

    基于行人检测方法的多层级监控系统

    公开(公告)号:CN110139036A

    公开(公告)日:2019-08-16

    申请号:CN201910416320.8

    申请日:2019-05-17

    IPC分类号: H04N5/232 H04N7/18 H04N5/76

    摘要: 本发明公开一种基于行人检测方法的多层级监控系统,涉及数字图像处理技术以及安防监控领域。该方法通过行人检测的方法,对摄像头进行分级控制。行人检测方法利用Camshift算法,对摄像头采集到的数据进行逐帧迭代处理,通过与初始背景的差异比较,得出视频中行人位置并进行标注。分级控制,根据摄像头安装的位置关系进行逐层控制,实现在监控范围内由外及里逐层监控。该方法减少了摄像头进行数据存储所需要的存储空间,有效减少了无效数据量,同时减少了摄像头的工作时间,延长了摄像头的使用寿命。该方法能够适用于人流量较少的厂房、仓库、停车场等场所。

    基于超声导波技术的管道内壁除垢方法

    公开(公告)号:CN106166556A

    公开(公告)日:2016-11-30

    申请号:CN201610321028.4

    申请日:2016-05-13

    IPC分类号: B08B9/027 B08B9/032 B08B7/02

    摘要: 本发明涉及一种基于超声导波的管道内壁结垢去除方法,属于管道除垢技术。其包括以下步骤,当得知管道内壁发生结垢或堵塞现象时,超声导波信号发生模块发出电压信号;电压信号通过放大模块进行放大;放大后的电压信号经过安装在管道外壁上的除垢模块中的超声换能器转换成超声导波作用到管壁;超声导波经过管壁传播到结垢层区域,使得结垢层与管壁之间形成剪切力,迫使结垢层与管壁分离;同时超声导波在管道中的流体中发生空化效应,进而达到除垢目的。本发明方法能有效对管道较大范围内的内壁结垢进行清除、除垢作用距离长、不损坏管道、不干扰正常物料运输,除垢高效智能便捷等特点。

    一种基于LoRa技术的水深检测节水系统

    公开(公告)号:CN114365681A

    公开(公告)日:2022-04-19

    申请号:CN202111473157.2

    申请日:2021-12-06

    IPC分类号: A01G25/16

    摘要: 一种基于LoRa技术的水深检测节水系统,包含下位机模块、网关模块、上位机模块。所述下位机模块用于:采集农田中的水位深度并传输数据,包括水深传感器LoRa模块等。所述网关模块用于:接收下位机模块采集到的数据,将其处理后通过互联网通信技术传输到上位机模块。所述上位机模块用于:对接收到的数据进行处理,分类展示并对用户权限、灌溉记录等进行管理,方便数据的分类查看和对灌溉记录的追溯。

    一种基于SIP协议的风电场SCADA系统安全数据传输的系统

    公开(公告)号:CN107204983B

    公开(公告)日:2020-09-08

    申请号:CN201710477575.6

    申请日:2017-06-20

    IPC分类号: H04L29/06 H04L29/08

    摘要: 本发明公开了一种基于SIP协议的风电场SCADA系统安全数据传输的系统,该系统包括浏览器端,基于SIP协议的远程监控服务器,数据库。基于SIP协议的信息交互,浏览器端向远程监控服务器发送用户名和密码,远程监控服务器认证浏览器端用户,远程监控服务器定义用户角色,不同的角色所对应的用户权限不同。经过用户身份认证和用户权限分配之后,就允许用户发送操作指令。在浏览器端访问风电场SCADA系统的内部数据时,信息都经过了加密,有效解决了信息泄露,提高了系统应用的安全性。

    一种基于深度学习的人体姿态识别方法

    公开(公告)号:CN109086754A

    公开(公告)日:2018-12-25

    申请号:CN201811177283.1

    申请日:2018-10-11

    IPC分类号: G06K9/00 G06K9/62 G06N3/04

    摘要: 本发明公开一种基于深度学习的人体姿势识别方法,主要解决当前姿势识别技术计算量大,准确度不高的问题。该方法首先用Kinect V2.0深度传感器采集多个人体样本的动作姿态特征;保存其人体动作姿势的RGB数据和骨骼数据;把骨骼数据经过图像预处理后得到骨骼图像作为训练集与测试集;将训练集输入一种基于卷积神经网络(CNN)的专用于人体姿态识别领域的Posture-CNN中,经过训练、测试调整网络结构和网络参数后得到分类结果;并将不同人体样本的动作姿态特征作为测试集输入分类网络,输出概率最大的动作即为识别结果。本发明使用卷积神经网络提高了识别准确率,降低了识别时间、运行成本低、方法简便可以应用在智能家居、安全监控、运动分析等场所。

    一种基于SIP协议的旅游社交软件架构与多功能平台

    公开(公告)号:CN106357795A

    公开(公告)日:2017-01-25

    申请号:CN201610890123.6

    申请日:2016-10-12

    摘要: 本发明公开了一种基于SIP协议搭建旅游社交软件架构与多功能平台,该旅游社交软件包括旅游客户终端、基于SIP协议的旅游社交平台和共享数据库;其中旅游客户终端包括SIP用户的注册及登录模块、景点快速搜索模块、GPS定位模块;基于SIP协议的旅游社交平台分为总旅游社交平台和区域旅游社交平台;总旅游社交平台包括SIP服务器接受注册管理模块、总平台信息交互模块;区域旅游社交平台包括SIP服务器注册即登录模块、信息交互模块等;通过总旅游社交平台和区域旅游社交平台分流处理旅游客户终端请求,系统内用户信息通信都经过加密,并使用了多媒体讲解,有效解决现有系统结构稳定性差、景点介绍方式单一等问题,提高了系统的稳定性、安全性及易用性。

    基于声学主动激励的天然气管道安全监测装置

    公开(公告)号:CN104373821A

    公开(公告)日:2015-02-25

    申请号:CN201410685245.2

    申请日:2014-11-21

    IPC分类号: F17D5/06

    摘要: 本发明涉及一种基于声学主动激励的天然气管道安全监测装置,属于管道监测技术领域。该过程包括:在管道首端入口处放置声源向管道内发射声波,当沿管道轴向传播的声波遇到水合物或者管道泄漏时会产生反射信号;在管道入口附近放置麦克风采集反射波信号;麦克风输出进入信号调理模块,然后由多功能数据采集卡进行模数转换,最后进入计算机进行分析。通过计算发射声波信号与反射信号时间差即可对水合物或者管道泄漏进行定位,从而实现对天然气管道的实时监测。本发明的主要优点在于该方法简单易用、定位精度高、系统占用资源少、运行可靠。

    一种基于RTOS的电子产品批量测试方法

    公开(公告)号:CN114859769A

    公开(公告)日:2022-08-05

    申请号:CN202210205288.0

    申请日:2022-03-07

    IPC分类号: G05B19/042

    摘要: 本发明属于自动化测量集成技术领域,特别提供一种基于RTOS的电子产品批量测试方法。其具有自动模式和手动模式,并可根据需要进行自主配置测试过程和循环次数。测试系统通过一个上位机,实现同时对多台待出厂设备进行性能测试和老化测试,同时能容纳的测试数量可根据需要任意设置,解决了传统批量测试系统只能固定测试数量的问题,并运行有实时操作系统,能最大程度的保护待测产品和板卡,同时利用操作系统的多任务,能提高测试效率,节省测试时间,同时通过操作系统的抢占式调度,确保实时性,为测试系统的安全提供保障。通过聚类算法对测试产品进行二分类,解决了传统测试中人为判断测试结果存在的主观因素,提高产品的出厂标准。

    一种基于深度学习与运动目标检测的人体行为动作识别方法

    公开(公告)号:CN112464844A

    公开(公告)日:2021-03-09

    申请号:CN202011414440.3

    申请日:2020-12-07

    摘要: 本发明公开了一种基于深度学习与运动目标检测相结合的人体行为动作识别方法,主要解决当前人体行为动作识别的准确率不高,且易受外界条件干扰等问题。该方法利用运动目标检测(帧差法)来捕捉视频场景里人物动作图像,经图像增强,高斯滤波,形态学去噪等预处理建立人体动作图像数据集,并在该数据集上训练基于3DCNN+ConvLSTM的神经网络模型;将经过训练后的3DCNN+ConvLSTM模型进行测试,实验结果在复杂场景里能够准确而有效识别各种人体动作,该方法针对KTH数据集的6种动作达到了92%的准确率,超过了现有其他方法识别的准确率,且收敛速度快,运行成本低,容易实现,可以广泛应用于智能家居,安全监控,运动分析等。