一种多因素认证智能安全门禁系统的制作方法

本发明涉及智能门禁，具体是涉及一种多因素认证智能安全门禁系统。

背景技术：

1、园区门禁系统多采用摄像头识别技术判断车辆身份。然而目前大多数专用园区采用车牌识别的方法确定车辆身份，这就导致了园区车辆图像识别门禁对于套牌车的拦截能力较弱，容易导致非法车辆套牌冒充身份进入园区的问题，此外，现有的园区车辆图像识别门禁装置缺乏对于车辆进出园区的行为学习，难以识别出车辆进出园区的行为风险，进而易导致车辆进出园区的风险难以把控。

技术实现思路

1、为解决上述技术问题，提供一种多因素认证智能安全门禁系统，本技术方案解决了上述的现有技术难以识别出车辆进出园区的行为风险，进而易导致车辆进出园区的风险难以把控的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种多因素认证智能安全门禁系统，包括：

4、图像采集模块，所述图像采集模块至少包括车牌摄像装置、车身摄像装置和驾驶员摄像装置，所述车牌摄像装置用于采集车辆车牌图像，所述车身摄像装置用于采集车辆车身图像，所述驾驶员摄像装置用于采集车辆驾驶员图像；

5、存储模块，所述存储模块用于存储园区内部车牌信息、车辆信息、车辆人员信息以及车牌信息、车辆信息和车辆人员信息之间的一一对应关系；

6、行为特征学习模块，所述行为特征学习模块用于训练学习与车辆一一对应的车辆进出园区的标准行为库；

7、车辆识别模块，所述车辆识别模块与所述图像采集模块、存储模块和行为特征学习模块电性连接，所述车辆识别模块用于基于智能风险算法判定是否允许车辆进入园区。

8、优选的，所述行为特征学习模块具体包括：

9、车辆行为采集单元，所述车辆行为采集单元用于采集若干个车辆进出园区的行为；

10、关键词提取单元，所述关键词提取单元用于对若干个车辆进出园区的行为进行提取行为关键词；

11、行为特征统计单元，所述行为特征统计单元用于对若干个车辆进出园区的行为提取的关键词进行统计，得到行为关键词库，并计算获取行为关键词之间的相关权重。

12、优选的，所述计算获取行为关键词之间的相关权重具体包括：

13、对行为关键词进行分类，获得若干个行为关键词类，所述行为关键词类至少包括时间类和进/出场动作类；

14、获取行为关键词库中对应到每个行为关键词类下的行为关键词，并组合成行为关键词集合bi，bi＝{bi1，bi2，…，bij，…，biki}，其中，bi为第i个行为关键词类对应的行为关键词集合，bij为行为关键词库中对应到第i个行为关键词类下的第j个行为关键词，ki为行为关键词库中对应到第i个行为关键词类下的行为关键词总数；

15、通过相关性计算算法计算任意两个关键词集合的元素之间的相关权重。

16、优选的，所述相关性计算算法具体为：

17、任意获取两个关键词集合，分别记为bi和bl；

18、统计中bi的元素bij对应的若干个车辆进出园区的行为，记为第一行为数据；

19、获取第一行为数据中出现bl中每个元素的次数；

20、基于第一行为数据中出现bl中每个元素的次数，计算bij与bl中的元素blm之间的正向相关度xj→m，blm为行为关键词库中对应到第l个行为关键词类下的第m个行为关键词；

21、统计中bl的元素blm对应的若干个车辆进出园区的行为，记为第二行为数据；

22、获取第二行为数据中出现bi中每个元素的次数；

23、基于第二行为数据中出现bi中每个元素的次数，计算blm与bi中的元素bij之间的反向相关度xm→j；

24、将正向相关度与反向相关度相乘，即可获得bi的元素bij与bl的元素blm之间的相关权重。

25、优选的，所述正向相关度的计算公式为：

26、

27、正向相关度的计算公式中，nm为第一行为数据中出现bl中的元素blm的次数，kl为行为关键词库中对应到第l个行为关键词类下的行为关键词总数；

28、所述反向相关度的计算公式为：

29、

30、正向相关度的计算公式中，nj为第二行为数据中出现bi中的元素bij的次数。

31、优选的，所述车辆识别模块至少包括：

32、车牌识别单元，所述车牌识别单元用于对采集到的车辆车牌图像进行特征提取，获取待识别车辆车牌号，并基于待识别车辆车牌号与存储模块中进行遍历比对，判断待识别车辆车牌号是否为园区内部车牌信息，若是，则比对到的园区内部车牌信息为匹配车牌信息；

33、车身识别单元，所述车身识别单元通过车身摄像装置采集的车辆车身图像提取至少一个车身特征，并与匹配车牌信息对应的车辆信息进行比对，判断至少一个车身特征是否与匹配车牌信息对应的车辆信息相匹配，若是，则判定为车辆识别通过，若否，则判定车辆识别不通过，车辆存在套牌风险，输出警告信号至园区安保终端；

34、风险识别单元，所述风险识别单元用于基于智能风险算法判定是否允许车辆进入园区。

35、优选的，所述智能风险算法具体包括：

36、对驾驶员摄像装置采集到的车辆驾驶员图像的人员面部进行匹配识别，判断车辆驾驶员是否与匹配车牌信息对应的车辆人员信息相匹配，若是，则判定为人员识别通过，若否，则判定为人员识别不通过，输出预警提醒信号至园区安保终端；

37、对人员识别通过的车辆人员面部进行表情特征分析，获得车辆人员情绪系数；

38、对车辆此次待进出园区的行为，提取行为关键词，获得若干待进行行为关键词；

39、于行为特征学习模块进行检索，获得任意两个待进行行为关键词之间的相关权重，记为行为合理权重；

40、将所有行为合理权重进行累加，得到车辆此次待进出园区行为合理指标；

41、基于车辆人员情绪系数和待进出园区行为合理指标，通过综合风险计算公式，计算本次车辆待进出园区的行为的风险指标；

42、判断本次车辆待进出园区的行为的风险指标是否小于预设值，若是，则对车辆放行，若否，则输出预警提醒信号至园区安保终端。

43、优选的，所述综合风险计算公式为：

44、f＝h×q

45、式中，f为本次车辆待进出园区的行为的风险指标，h为车辆此次待进出园区行为合理指标，q为车辆人员情绪系数。

46、与现有技术相比，本发明的有益效果在于：

47、本发明提出一种多因素认证智能安全门禁系统，通过内置车辆识别单元，在判定待识别车辆车牌号为园区内部车牌信息之后，再通过车辆识别单元对采集到的车辆车身图像中的至少一个车身特征与存储模块中的车辆信息进行比对，只有在车牌和车辆识别同时验证通过时，才判定车辆通过套牌验证，实现对待进入园区车辆身份的双重判别，可有效的防止套牌车进入园区；

48、本方案中通过设置行为特征学习模块对车辆进出园区的行为进行训练学习，获取车辆进出园区的标准行为库，之后在进行车辆行为风险判定时，进行综合考虑车辆驾驶人员的情绪和车辆本次待进出园区的行为与车辆进出园区的标准行为库之间的综合拟合度，计算本次车辆待进出园区的行为的风险指标，车辆驾驶人员的情绪越异常，车辆本次待进出园区的行为与车辆进出园区的标准行为库之间的综合拟合度越低，则说明车辆本次进出园区的风险越大，基于此，进行车辆进出园区的智能管控，可有效的对园区异常情况进行甄别，降低园区的安全风险，保证园区内部的安全稳定运行。