欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023109706989
申请人: 厦门瞳景智能科技有限公司
专利类型:发明专利
专利状态:授权未缴费
专利领域: 计算;推算;计数
更新日期:2023-11-22
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于区块链的门禁安全管理方法,其特征在于,包括:

从区块链结构下载第一身份标签的录入指纹图像;

获取由门禁设备采集的待认证指纹图像;

对所述待认证指纹图像进行图像预处理以得到预处理后待认证指纹图像;

将所述预处理后待认证指纹图像和所述第一身份标签的录入指纹图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的孪生检测模型以得到待认证指纹特征图和录入指纹特征图;

计算所述待认证指纹特征图和所述录入指纹特征图的每组对应通道维度的特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图;

对所述转移特征图进行优化以得到优化转移特征图;以及

将所述优化转移特征图通过分类器以得到分类结果,所述分类结果用于表示待认证指纹图像是否属于第一身份标签。

2.根据权利要求1所述的基于区块链的门禁安全管理方法,其特征在于,所述第一卷积神经网络模型包括输入层、第一卷积层、第一激活层、第一池化层、第二卷积层、第二激活层、第二池化层和输出层。

3.根据权利要求2所述的基于区块链的门禁安全管理方法,其特征在于,所述第一卷积层使用64个大小为3×3的卷积核,步长为1,padding 为1,所述第二卷积层使用128 个大小为3×3的卷积核,步长为1,padding为1。

4.根据权利要求3所述的基于区块链的门禁安全管理方法,其特征在于,所述第一池化层使用2×2的池化核,步长为2。

5.根据权利要求4所述的基于区块链的门禁安全管理方法,其特征在于,将所述预处理后待认证指纹图像和所述第一身份标签的录入指纹图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的孪生检测模型以得到待认证指纹特征图和录入指纹特征图,包括:将所述预处理后待认证指纹图像通过所述孪生检测模型的所述第一卷积神经网络模型以得到所述待认证指纹特征图;以及将所述第一身份标签的录入指纹图像通过所述孪生检测模型的所述第二卷积神经网络模型以得到所述录入指纹特征图。

6.根据权利要求5所述的基于区块链的门禁安全管理方法,其特征在于,计算所述待认证指纹特征图和所述录入指纹特征图的每组对应通道维度的特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图,包括:以如下转移矩阵计算公式计算所述待认证指纹特征图和所述录入指纹特征图的每组对应通道维度的特征矩阵之间的转移矩阵以得到所述多个转移矩阵;

其中,所述转移矩阵计算公式为: 其中, 和 分别表示所述待认证指纹特征图和所述录入指纹特征图的每组对应通道维度的特征矩阵, 表示所述转移矩阵,表示矩阵相乘;

将所述多个转移矩阵进行排列以得到所述转移特征图。

7.根据权利要求6所述的基于区块链的门禁安全管理方法,其特征在于,对所述转移特征图进行优化以得到优化转移特征图,包括:计算所述转移特征图的每个特征矩阵相对于所述转移特征图的可转移特征的量化的可转移性感知因数以得到多个可转移性感知因数;以及以所述多个可转移性感知因数对所述转移特征图的每个特征矩阵进行加权以得到所述优化转移特征图。

8.根据权利要求7所述的基于区块链的门禁安全管理方法,其特征在于,计算所述转移特征图的每个特征矩阵相对于所述转移特征图的可转移特征的量化的可转移性感知因数以得到多个可转移性感知因数,包括:以如下因数计算所述转移特征图的每个特征矩阵相对于所述转移特征图的可转移特征的量化的可转移性感知因数以得到多个可转移性感知因数;

其中,所述因数计算公式为: 其中,

是所述转移特征图的第 个特征矩阵, 分别是第 个特征矩阵的第 个特征值,是所述转移特征图, 是所述转移特征图的第 个特征值, 为以2为底的对数,且α是加权超参数, 是第 个可转移性感知因数。

9.根据权利要求8所述的基于区块链的门禁安全管理方法,其特征在于,将所述优化转移特征图通过分类器以得到分类结果,所述分类结果用于表示待认证指纹图像是否属于第一身份标签,包括:将所述优化转移特征图按照行向量或者列向量展开为优化分类特征向量;

使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量;以及将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。

10.一种基于区块链的门禁安全管理系统,其特征在于,包括:录入指纹图像获取模块,用于从区块链结构下载第一身份标签的录入指纹图像;

待认证指纹图像获取模块,用于获取由门禁设备采集的待认证指纹图像;

图像预处理模块,用于对所述待认证指纹图像进行图像预处理以得到预处理后待认证指纹图像;

孪生检测模块,用于将所述预处理后待认证指纹图像和所述第一身份标签的录入指纹图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的孪生检测模型以得到待认证指纹特征图和录入指纹特征图;

转移模块,用于计算所述待认证指纹特征图和所述录入指纹特征图的每组对应通道维度的特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图;

优化模块,用于对所述转移特征图进行优化以得到优化转移特征图;以及分类模块,用于将所述优化转移特征图通过分类器以得到分类结果,所述分类结果用于表示待认证指纹图像是否属于第一身份标签。