技术新讯 > 核算装置的制造及其应用技术 > 一种利用二维码识别技术的酒店门禁系统的制作方法  >  正文

一种利用二维码识别技术的酒店门禁系统的制作方法

  • 国知局
  • 2024-07-31 22:05:23

本发明涉及酒店门禁,具体为一种利用二维码识别技术的酒店门禁系统。

背景技术:

1、传统的酒店门禁系统主要依赖于二维码的传统解析技术。这种系统通常涉及到一个扫描器来收集用户二维码的数据,然后对二维码进行解码,以获取嵌入其中的信息。此信息通常是房客预订信息的一个编码,系统会将解码后的信息与数据库中存储的房客记录进行比对,以验证身份并授予门禁权限。

2、尽管这种传统系统在操作上比较简单且成本较低,但它在应对多样化和复杂情境中展现出了几个劣势。首先,二维码受损或者扫描器拍摄的图像质量较差时,传统解析方法的准确性会大幅下降。由于缺乏高级的图像处理能力,这类系统不能有效地处理模糊、损坏或部分遮挡的二维码,因此容易出现错误的识别结果。

3、其次,传统系统在抗干扰能力和自适应性方面也显得不足。它们通常不具备实时优化和自我修正的能力,无法适应环境变化或者识别场景的多变性。例如,固定的解码逻辑无法应对新型的二维码设计或未曾见过的破损模式。一旦遇到意外情况,如二维码在不同的光照条件下展现不同的反射特性,或者二维码因水渍等影响而部分信息丢失,传统系统难以处理这些问题。

4、再者,传统系统通常不包含持续学习的能力。这意味着它不能根据过去的错误或挑战来优化其性能,导致识别效率和安全性相较于包含机器学习元素的系统要差。安全性方面,由于仅依赖单一的识别机制,不具备双重检查或验证过程,使得系统更容易被欺诈和攻击。

5、综上所述,传统的门禁系统在准确性、自适应性、持续学习能力及安全性方面,展现出了明显的劣势。

技术实现思路

1、本发明的目的在于提供一种利用二维码识别技术的酒店门禁系统,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:一种利用二维码识别技术的酒店门禁系统,其包括二维码传统解析模块、深度学习分析模块和结果评估模块,其中:

3、所述二维码传统解析模块利用酒店门扫描器收集用户的二维码数据,对二维码数据进行解析生成编码,并将其与数据库中的房客信息进行匹配生成匹配结果;

4、所述深度学习分析模块利用酒店门扫描器收集用户提供的二维码图像数据,对图像数据进行预处理,并利用卷积神经网络算法对图像数据进行编码和置信度结果的预测,将编码结果与数据库中的房客信息进行匹配生成匹配结果;

5、所述结果评估模块比较二维码传统解析模块和深度学习分析模块中的匹配结果,比较一致时,确定匹配结果为最终结果;

6、比较不一致时,置信度大于等于百分之90时,对二维码传统解析模块中的方法进行优化处理,通过使用里德-

7、所罗门编码在二维码受损时修复丢失的数据;置信度小于百分之90时,对深度学习分析模块中的方法进行优化处理,通过将去噪方法中的高斯模糊转换为双边滤波保护边缘信息;优化处理之后,进行再次的预测以及比较,循环迭代,直到确定最终结果。

8、作为本技术方案的进一步改进,所述二维码传统解析模块包括二维码数据收集单元和二维码数据分析单元,所述二维码数据收集单元与酒店门扫描器建立接口,酒店门锁扫描器扫描用户手机上的二维码并将捕获的二维码数据;所述二维码数据分析单元对二维码数据进行解析生成编码,并将其与数据库中的房客信息进行匹配生成匹配结果,并将匹配结果发送给结果评估模块。

9、作为本技术方案的进一步改进,所述深度学习分析模块包括图像数据收集单元和图像数据分析单元,所述图像数据收集单元利用酒店门扫描器收集用户提供的二维码图像数据,对图像数据进行预处理,预处理包括噪声去除、对比度增强、边缘检测、滤波处理和二值化;所述图像数据分析单元利用卷积神经网络算法对图像数据进行编码和置信度结果的预测,将编码结果与数据库中的房客信息进行匹配生成匹配结果,并将匹配结果和置信度大小发送给结果评估模块。

10、作为本技术方案的进一步改进,所述结果评估模块包括结果比对单元和方法优化单元,所述结果比对单元接收二维码数据分析单元发送的匹配结果与图像数据分析单元发送的匹配结果和置信度大小,将二维码数据分析单元和图像数据分析单元的匹配结果进行比较,根据比较结果确定最终结果;所述方法优化单元对二维码数据分析单元和图像数据收集单元中的方法进行优化处理。

11、作为本技术方案的进一步改进,所述二维码数据分析单元对二维码数据进行解析生成编码,并将其与数据库中的房客信息进行匹配生成匹配结果,具体包括:

12、利用特征检测算法找到并定位图像中的二维码,二维码具有独特的定位图案,图案是三个大的正方形形状,分别处于码的左上角、左下角和右上角,通过在图像中搜索这些特征来定位二维码;

13、利用几何变换算法需要对图像进行变换,将其校正为一个标准的、直向的二维码图像,包括旋转、缩放和透视变换;

14、利用网格划分算法将标准化的二维码图像分割成小的方格,每个方格代表一个数据位,二维码的大小决定了其尺寸和数据容量,编码算法按照固定的大小进行分割;

15、将图像转换为仅包含黑白两种颜色的图像,通过图像阈值处理算法来实现,提高对不同光照条件的鲁棒性;

16、通过识别二维码中的定位和对齐图案来校准扫描的数据,从左下角开始读取数据,按照上下交错的方式——逐行读取;

17、从处理后的数据位中解析出最终的数据,字符编码解析算法将二维码中的二进制数据转换成编码使用的格式,提取到的信息和数据库中的房客信息进行匹配,匹配结果包括匹配成功和匹配失败。

18、作为本技术方案的进一步改进,所述图像数据收集单元利用酒店门扫描器收集用户提供的二维码图像数据,对图像数据进行预处理,预处理包括噪声去除、对比度增强、边缘检测、滤波处理和二值化,具体包括:

19、噪声去除:图像在捕获过程中包含各种类型的噪声,使用噪声过滤算法,包括高斯模糊,通过使用正态分布计算的权重作为滤波模板,这样中心像素附近的像素会有更高的权重,用于平滑图像并减少噪点和细节;

20、对比度增强:应用直方图均衡化来提高图像的对比度,使用累积分布函数的形式重新映射图像的灰度级,以均匀地分布在所有强度上;

21、边缘检测:边缘表示图像亮度快速变化的区域,利用索贝尔边缘检测算法突出图像中的线条和角点,帮助标示二维码的外框以及内部的方块模式,通过使用两个3×3的内核,一个用来识别水平方向上的边缘,另一个用来识别垂直方向上的边缘,通过这些内核与图像的卷积作用,保留图像的边缘信息;

22、滤波处理:滤波是对图像应用数学操作,凸显特征和去除不需要的信息,滤波器包括高通滤波器,去除图像的高频内容,从而模糊图像;

23、二值化:通过应用自适应阈值选择方法,最大化类间方差来自动选择最佳阈值,通过将灰度图像转换为二值图像,将图像的像素分为两个类别,前景和背景,以准确的识别二维码的黑白格。

24、作为本技术方案的进一步改进,所述利用卷积神经网络算法对图像数据进行编码和置信度结果的预测,具体包括:

25、卷积神经网络包括多个卷积层、激活函数、池化层和全连接层,卷积层使用滤波器对数据进行卷积操作提取特征;

26、在特征提取过程中,不同的卷积核识别不同的图像特征,卷积层的输出通过非线性激活函数,增加模型复杂性和能力以捕获更多的信息;

27、池化层下采样特征图,减少数据维数,让网络对图像的局部变形更加稳健;

28、在多个卷积和池化层之后,通过网络结构捕捉到图像特征;一系列全连接层位于卷积神经网络的末端,这些层将学到的特征转化为最终输出;

29、在训练期间,模型输出的预测结果将与实际结果进行比较,计算损失函数,并通过反向传播调整模型权重;

30、输出层通过软最大值函数来表示每一个ascii码的概率分布,选取最高概率的ascii码字符作为预测结果,并将这些字符串联起来形成最终的解码字符串,并将每一个ascii码的概率分布进行求和平均得出置信度大小。

31、作为本技术方案的进一步改进,所述方法优化单元对二维码数据分析单元中的方法进行优化处理,通过使用里德-

32、所罗门编码在二维码受损时修复丢失的数据,具体包括:

33、编码开始时,信息数据被分组成系数,将每个分组表示为一个多项式的系数序列;确定纠错级别,指导生成多项式的选择;

34、生成多项式的度数等于要添加的校验符的数量,利用这个生成多项式,原始信息数据会通过多项式乘法转换为编码后数据,生成后的多项式包含原始数据和用于校验的额外数据块,将这些数据点上的多项式值直接作为编码数据进行传输;

35、在接收端,编码数据被用来检查是否存在错误,存在错误,将使用错误定位多项式来找出错误的位置,之后错误值多项式计算出这些位置上错误的幅度,结合错误的位置和值,对损坏的数据进行修复,以此恢复出原始信息。

36、作为本技术方案的进一步改进,所述方法优化单元对图像数据收集单元中的方法进行优化处理,将去噪方法中的高斯模糊转换为双边滤波,双边滤波具体包括:

37、选择一个核大小确定每个像素的邻域范围;对于每个核中的像素,根据其到核中心像素的空间距离,计算一个空间权重,空间权重由高斯空间函数给出;

38、同时计算每个邻域像素与核心像素在颜色上的相似度,并将其转换为颜色权重,该权重由高斯范围函数确定;

39、对于核中的每个像素,将其空间权重与颜色权重相乘,得到双边权重,所有邻域像素的值乘以其相应的双边权重,累加求和,最后用所有双边权重的总和来归一化,得到新的像素值;

40、将这个过程应用于图像的每一个像素,生成滤波后的最终图像。

41、与现有技术相比,本发明的有益效果是:

42、1、该一种利用二维码识别技术的酒店门禁系统利用酒店门扫描器收集用户的二维码数据,对二维码数据进行解析生成编码,并将其与数据库中的房客信息进行匹配生成匹配结果,并利用卷积神经网络算法对二维码图像数据进行编码和置信度结果的预测,根据两者的匹配结果确定最终结果,同时采用传统解析和深度学习分析进行二维码验证,可以确保门禁系统在识别用户身份时更加准确可靠,提高了系统的安全性水平。

43、2、该一种利用二维码识别技术的酒店门禁系统在进行最终结果的确定过程中,无法确定最终结果时,对二维码传统解析中的方法进行优化处理,通过使用里德-

44、所罗门编码在二维码受损时修复丢失的数据,对深度学习分析中的方法进行优化处理,通过将去噪方法中的高斯模糊转换为双边滤波保护边缘信息,优化处理之后,进行再次的预测以及比较,循环迭代,直到确定最终结果,通过不断迭代优化处理并再次预测比较的机制,系统具有自我改进、不断学习优化的能力,可以逐渐适应新的二维码类型和损坏模式,保持系统的高准确性。

本文地址:https://www.jishuxx.com/zhuanli/20240731/191927.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。