TWI621071B - 使用深度學習於車牌與人臉辨識之門禁管理系統 - Google Patents
使用深度學習於車牌與人臉辨識之門禁管理系統 Download PDFInfo
- Publication number
- TWI621071B TWI621071B TW106129790A TW106129790A TWI621071B TW I621071 B TWI621071 B TW I621071B TW 106129790 A TW106129790 A TW 106129790A TW 106129790 A TW106129790 A TW 106129790A TW I621071 B TWI621071 B TW I621071B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- license plate
- vehicle
- access control
- deep learning
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 27
- 230000010365 information processing Effects 0.000 claims abstract description 47
- 230000001815 facial effect Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims description 37
- 238000006073 displacement reaction Methods 0.000 claims description 35
- 238000013136 deep learning model Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 230000000903 blocking effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002207 retinal effect Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本發明揭露一種使用深度學習於車牌與人臉辨識之門禁管理系統，其包括車輛門禁管制設備、影像擷取模組、影像特徵資料庫及資訊處理裝置。車輛門禁管制設備設於車道閘口。影像擷取模組用以擷取車輛的車牌影像及使用者的臉部影像。影像特徵資料庫建立臉部特徵資料及車牌特徵資料；每一臉部特徵資料與車牌特徵資料皆設定有一識別資料。資訊處理裝置內建有影像辨識模組，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫辨識出符合的臉部特徵資料及車牌特徵資料，以判斷車牌及駕駛人是否為社區住戶的成員，判斷結果為是，則驅動開啟車道閘口，除了有效降低社區車輛被遭竊機率之外，並可提升車輛出入管制效能及安全性。
Description
本發明係有關一種使用深度學習於車牌與人臉辨識之門禁管理系統，尤指一種可以有效降低社區車輛遭竊盜機率的社區門禁管理技術。
按，一般社區(如區域型住家聚落、集合式透天住宅、辦公大樓、公寓住宅大樓等)大多會在停車場的車道閘口處設置車道門禁管制設備，以作為人員的身份辨識；或是車輛進出的管制之用。目前較常見的做法，是在車道門禁管制設備上設置一組RFID讀卡機，欲進出車道閘口之住戶駕駛人僅需以隨身攜帶的RFID卡片或是RFID標籤移動至RFID讀卡機可以感應的位置，於此，RFID讀卡機內建的辨識單元隨即可對RFID卡片或是RFID標籤內建的密碼進行辨識，當內建密碼為已登記設定之密碼，辨識單元則將車道門禁管制設備之柵欄驅動升起，於是，住戶駕駛人便可進入或離開車道閘口。該習知技術雖然具備車道的門禁管制功能；惟，當住戶不小心遺失RFID卡片或是RFID標籤都會發生密碼遭到側錄的情事，以致竊賊非常容易地以側錄之密碼或是遺失的RFID卡片、RFID標籤來進行RFID卡片、RFID標籤的複製，於是竊賊便可輕易地進入到社區的停車場內，進而竊取車輛；或是財物，因而造成車道門禁管制效能不彰的情事產生。
除此之外，為了能夠提升車道門禁管制的安全性及保密性，有些少數的社區係採用聲紋感應式、指紋感應式或是視網膜感應等辨識技術來取代上述的RFID辨識技術。由於聲紋感應式、指紋感應式；或是視網膜感應等辨識技術的成本過於昂貴，加上安裝難度高且工序較複雜，所以一直無法受到相關業者的青睞與採用，以致商業的價值利用性大為降低。
為改善上述缺失，相關技術領域業者已然開發出一種如本國發明第I402777號『社區大樓實景監控管理方法』所示的專利，其係於實像照片資料庫更儲存有車輛的實像照片，並於社區大樓之車輛門禁出入口設置識別感應單元。當於管理軟體啟動後，依據識別資料至文字資料庫取得門禁出入者之資料，及實像資料庫取得門禁出入者之實像照片及車輛的實像照片，並於監控電腦主機連通之顯示幕上顯示二個實像顯示介面及一個文字資料顯示介面。雖然該專利可以在識別感應單元被觸發時顯示門禁出入者之本人實像照片、車輛的實像照片以及門禁出入者的個人相關文字資料等功能；惟，最終判斷開啟或管制車輛門禁出入口的還是社區的警衛；或是管理員；簡言之，該專利僅是用來減輕社區警衛或是管理員對於人員或是車輛進出管制上的辨識負擔而已，可見，該專利確實無法以影像辨識方式來自動判斷是否開啟或管制車輛門禁出入口，一旦社區警衛或是管理員因恍神、粗心大意或是偷懶睡著皆有可能出現車輛門禁出管制的死角產生，以致同樣會有竊賊侵入社區停車場而竊取車輛的情事產生，可見，該專利確實仍未臻完善，仍有再改善的必要性。
直到目前為止，尚未有一種利用深度學習於車牌與人臉辨識之門禁管制系統的專利或論文被提出，而且基於相關產業的迫切需求之
下，本發明人乃經不斷的努力研發之下，終於研發出一套有別於上述習知技術與專利的本發明。
本發明第一目的，在於提供一種使用車牌與人臉辨識之門禁管理系統，主要是藉由車牌與人臉辨識等機能設置，除了可以有效降低社區車輛被竊盜的風險機率之外，並可提升車輛出入管制效能及安全性。達成本發明第一目的採用之技術手段，係包括車輛門禁管制設備、影像擷取模組、影像特徵資料庫及資訊處理裝置。車輛門禁管制設備設於車道閘口。影像擷取模組用以擷取車輛的車牌影像及使用者的臉部影像。影像特徵資料庫建立包含複數臉部特徵資料及車牌特徵資料；每一臉部特徵資料與車牌特徵資料皆設定有一識別資料。資訊處理裝置內建有影像辨識模組，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫辨識出符合的臉部特徵資料及車牌特徵資料，以判斷車牌及駕駛人是否為社區住戶的成員，判斷結果為是，則驅動開啟車道閘口。
本發明第二目的，在於提供一種可將遭竊車輛限制在車道閘口內的門禁管理系統，主要是將社區遭竊車輛限制在車道閘口，以避免在追捕竊賊的過程中，因遭竊車輛倒車至停車場所致的車輛撞擊毀損事件的產生，藉以有效降低社區財物上的損失。達成本發明第二目的採用之技術手段，係包括車輛門禁管制設備、影像擷取模組、影像特徵資料庫及資訊處理裝置。車輛門禁管制設備設於車道閘口。影像擷取模組用以擷取車輛的車牌影像及使用者的臉部影像。影像特徵資料庫建立包含複數臉部特徵資料及車牌特徵資料；每一臉部特徵資料與車牌特徵資料皆設定有一識別
資料。資訊處理裝置內建有影像辨識模組，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫辨識出符合的臉部特徵資料及車牌特徵資料，以判斷車牌及駕駛人是否為社區住戶的成員，判斷結果為是，則驅動開啟車道閘口。其中，該車輛門禁管制設備更包含一設於該車道閘口的擋止機構；該車輛門禁管制設備設置一與該資訊處理裝置電性連接的警報裝置；當該使用者於該密碼/人體特徵輸入裝置所輸入之密碼或是人體特徵為錯誤時，該資訊處理裝置驅動該警報裝置發出警報訊號，並驅動該擋止機構將該禁制該車道閘口內。
本發明第三目的，在於提供一種可依據車輛款式而自動調整影像擷取位置以提升影像辨識成功機率的門禁管理系統。達成本發明第三目的採用之技術手段，係包括車輛門禁管制設備、影像擷取模組、影像特徵資料庫及資訊處理裝置。車輛門禁管制設備設於車道閘口。影像擷取模組用以擷取車輛的車牌影像及使用者的臉部影像。影像特徵資料庫建立包含複數臉部特徵資料及車牌特徵資料；每一臉部特徵資料與車牌特徵資料皆設定有一識別資料。資訊處理裝置內建有影像辨識模組，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫辨識出符合的臉部特徵資料及車牌特徵資料，以判斷車牌及駕駛人是否為社區住戶的成員，判斷結果為是，則驅動開啟車道閘口。其中，每一該車牌特徵資料設定有一位移行程資料；該車輛門禁管制設備更包含一可供設置載座、一位移驅動機構及一位置辨識模組；該位移驅動機構用以驅動該載座往至少一個方向做往復的位移；該位置辨識模組用以感測該車輛是否定位在一預定位置上；結果是，則產生一觸發訊號至該資訊處理裝置中，該資訊處理裝置則
讀取已辨識出該車牌的該車牌特徵資料所設定之該位移行程資料，並輸出一相應的位移行程驅動訊號至該位移驅動機構中，以驅動該載座及該第二影像擷取模組定位至該預定位置，當該車輛離開該車道閘口後，該資訊處理裝置則再驅動該位移驅動機構而使該載座及該第二影像擷取模組回到原本的位置上。
本發明第四目的，在於提供一種使用深度學習於車牌與人臉辨識之門禁管理系統，主要是藉由深度學習、車牌及人臉辨識等機能設置，除了可以有效降低社區車輛被竊盜的風險機率之外，並可提升車輛出入管制效能及安全性。達成本發明第四目的採用之技術手段，係包括車輛門禁管制設備、影像擷取模組、影像特徵資料庫及資訊處理裝置。車輛門禁管制設備設於車道閘口。影像擷取模組用以擷取車輛的車牌影像及使用者的臉部影像。影像特徵資料庫建立包含複數臉部特徵資料及車牌特徵資料；每一臉部特徵資料與車牌特徵資料皆設定有一識別資料。資訊處理裝置內建有影像辨識模組，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫辨識出符合的臉部特徵資料及車牌特徵資料，以判斷車牌及駕駛人是否為社區住戶的成員，判斷結果為是，則驅動開啟車道閘口。其中，該影像辨識模組係為一種具備深度學習訓練功能以執行影像辨識處理的深度學習演算法，執行該深度學習演算法則包含下列之步驟：一訓練階段步驟，係建立一深度學習模型，並於該深度學習模型輸入該臉部特徵資料、該車牌特徵資料及大量的該車牌特徵影像及該臉部特徵影像，並由該深度學習模型測試影像辨識的正確率，再判斷影像辨識正確率是否足夠，當判斷結果為是，則將辨識結果輸出及儲存；當判斷結果為否，則使該深
度學習模型自我修正學習；及一運行預測階段步驟，係深度學習模型於該深度學習模型輸入該臉部特徵資料、該車牌特徵資料及即時擷取的該車牌特徵影像與該臉部特徵影像，並由該深度學習模型進行預測性影像辨識，以得到至少一個可以辨識出該車牌與該駕駛人是否為該社區的住戶的辨識結果。
1‧‧‧車輛
10‧‧‧車道閘口
20‧‧‧車輛門禁管制設備
21‧‧‧柵欄裝置
210‧‧‧柵欄
22‧‧‧擋止機構
220‧‧‧基座
220a‧‧‧抵板
220b‧‧‧斜板
220c‧‧‧電氣槽室
221‧‧‧馬達
221a‧‧‧主動齒輪
222‧‧‧從動齒輪
223‧‧‧擋板
224‧‧‧驅動軸
23‧‧‧位移驅動機構
230‧‧‧第一位移機構
231‧‧‧第二位移機構
24‧‧‧位置辨識模組
30‧‧‧影像擷取模組
40‧‧‧影像特徵資料庫
50‧‧‧資訊處理裝置
51‧‧‧影像辨識模組
510‧‧‧深度學習模型
60‧‧‧智慧型電子裝置
61‧‧‧顯示幕
62‧‧‧訊號傳輸手段
70‧‧‧密碼/人體特徵輸入裝置
71‧‧‧語音輸出裝置
72‧‧‧警報裝置
圖1係本發明第一實施例的功能方塊示意圖。
圖2係本發明第二實施例的功能方塊示意圖。
圖3係本發明第三實施例的功能方塊示意圖。
圖4係本發明第四實施例深度學習之訓練階段的實施示意圖。
圖5係本發明第四實施例深度學習之運行預測階段的實施示意圖。
圖6係本發明車道管理輸入界面的畫面顯示示意圖。
圖7係本發明擋止機構的動作實施示意圖。
圖8係本發明擋止機構的另一動作實施示意圖。
圖9係本發明擋止機構俯視角度的實施示意圖。
為讓 貴審查委員能進一步瞭解本發明整體的技術特徵與達成本發明目的之達成功效，玆以具體實施例並配合圖式加以詳細說明如后：請配合參看圖1、7所示，為達成本發明第一目的之第一實施例，係包括車輛門禁管制設備20、影像擷取模組30、影像特徵資
料庫40及資訊處理裝置50等技術特徵。車輛門禁管制設備20設於社區之停車場的車道閘口10上，用以管制車輛1於車道閘口10的出入。影像擷取模組30設置在車輛門禁管制設備20上，用以擷取停放在車道閘口10之車輛1的車牌影像及使用者的臉部影像。影像特徵資料庫40建立有包含複數筆臉部特徵資料及車牌特徵資料；每一臉部特徵資料與每一車牌特徵資料皆設定有一代表社區住戶之其中一個成員的識別資料。資訊處理裝置50內建有一影像辨識模組51，用以將車牌影像與臉部影像做影像辨識處理，並於影像特徵資料庫40辨識出與臉部影像與車牌影像符合的臉部特徵資料及車牌特徵資料，以判斷在車道閘口10之車輛1的車牌及駕駛人是否為本社區住戶的成員之一，當判斷結果為是時，則驅動車輛門禁管制設備20開啟車道閘口10，於是，本社區住戶的成員即可駕車進入或駛出車道閘口10；反之，當判斷結果為否時，則關閉車道閘口10，於是，管理員則可趨前進一步查看，若判定非為本社區住戶的成員則要求該車輛1駛離車道閘口10；或是透過車輛門禁管制設備20將可疑車輛1禁閉在車道閘口10內，以待進一步釐清車輛1駕駛的真正身份。
於一種如圖2、6所示的實施例中，本發明更包含供社區住戶之各成員攜帶的智慧型電子裝置60(如智慧型手機)，並於智慧型電子裝置60內建一車道管理軟體，此車道管理軟體執行時，則於智慧型電子裝置60之顯示幕61顯示一車道管理輸入界面610，此車道管理輸入界面顯示有住戶成員輸入界面、成員像片上傳界面、地址輸入界面、車牌輸入界面、車款種類輸入界面以及密碼金鑰輸入界面；當完成車道管理輸入界面的管理資料設定時，智慧型電子裝置60則透過一訊號傳輸手段62(如行動通訊網
路與行動通訊介面之組合)將管理資料傳輸至資訊處理裝置50的資料庫中，以作為影像辨識處理的依據。
請配合參看圖2所示，為達成本發明第二目的之第二實施例，本實施例除了包括第一實施例的技術特徵之外，上述影像擷取模組30的數量為二個。其一影像擷取模組30與資訊處理裝置50電性連接而設置在車輛門禁管制設備20的第一位置(如柵欄)上，用以擷取車輛1的車牌影像。其二影像擷取模組30與資訊處理裝置50電性連接而設置在車輛門禁管制設備20的第二位置(如圖7所示的位置)，用以擷取使用者的臉部影像；本實施例主要在於，車輛門禁管制設備20包含可轉動升降之一柵欄裝置21，柵欄裝置21包含一柵欄210，上述第一位置位於柵欄210朝向車輛1的前面近中段處，並於車輛門禁管制設備20設置分別與資訊處理裝置50電性連接的一密碼/人體特徵輸入裝置70(如虹膜、人臉或是指紋等辨識裝置)及一語音輸出裝置71(如音訊處理電路與喇叭的組合)。當上述之判斷結果為否時，資訊處理裝置50則透過語音輸出裝置71發出要求輸入密碼之語音訊號，當使用者於密碼/人體特徵輸入裝置70所輸入之密碼或是人體特徵為正確時，資訊處理裝置50則驅動柵欄裝置21之柵欄210升起，於是得以開啟車道閘口10。
此外，如圖6~9所示之車輛門禁管制設備20更包含一設於車道閘口10中段位置的擋止機構22及一與資訊處理裝置50電性連接的警報裝置72。當使用者於密碼/人體特徵輸入裝置70所輸入之密碼或是人體特徵為錯誤時，資訊處理裝置50則驅動警報裝置72發出警報訊號，並驅動擋止機構22將該車輛1限制在車道閘口10內，於此，即可避免在追
捕竊賊的過程中，因遭竊車輛1倒車返回至停車場所致的車輛1撞擊毀損事件的產生。
具體來說，上述擋止機構22係包括一長度延伸的基座220；二馬達221、二分別與二馬達之221主動齒輪221a嚙合的從動齒輪222及一長度延伸的擋板223。基座220包含一抵板220a、一並置在抵板220a後端的斜板220b及二供容置二馬達221及二從動齒輪222的電氣槽室220c。擋板223的二側壁突伸有二驅動軸224，二驅動軸224穿過電氣槽室220c而與二從動齒輪222連動。當欲使車輛1限制在車道閘口10時，資訊處理裝置50則驅動二馬達221往一方向(即逆時針方向)轉動，並連動二從動齒輪222驅動擋板223往另一方向(即順時針方向)轉動，當擋板223抵靠到斜板220b的前端面(即縱向延伸的端面)時，則形成卡制狀態(亦即使擋板無法繼續轉往另一方向轉動)，於此，即可藉由立起之擋板223來卡制車輛1的前輪，進而使車輛1無法倒車駛離車道閘口10。
請配合參看圖3所示，為達成本發明第三目的之第三實施例，本實施例除了包括第一實施例的技術特徵之外，並於每一成員的識別資料預先設定有一位移行程資料(如於車款種類輸入界面的車款種類輸入界面勾選出轎車、休旅車或是跑車等，即可依據所選定之車款種類而產生三種不同的位移行程資料)。除此之外，車輛門禁管制設備20更包含一可供上述其二影像擷取模組30設置的載座(本圖式例未示)、一位移驅動機構23及一位置辨識模組24。位移驅動機構23用以驅動載座往至少一個方向做往復的位移。位置辨識模組24(如反射式光電感測器；或是磁簧開關與磁片的組合)用以感測車輛1是否定位在一預定位置上；當判斷結果
是，則產生一觸發訊號至資訊處理裝置50中，資訊處理裝置50則讀取已辨識出車牌的車牌特徵資料所設定之位移行程資料，並輸出一相應的位移行程驅動訊號至位移驅動機構23中，以驅動載座及其二影像擷取模組30定位至該預定位置，於此，即可以其二影像擷取模組30來擷取車輛1駕駛的臉部影像。當車輛1離開車道閘口10後，資訊處理裝置50則再驅動位移驅動機構23而使載座及其二影像擷取模組30回到原本的位置上。
更為具體的，為達到更為精確的影像擷取位置，如圖3所示，位移驅動機構23係包含一用以帶動載座及其二影像擷取模組30相對車輛1做前、後方向移動的第一位移機構230，及一用以帶動位移驅動機構23相對車輛1做升降移動的第二位移機構231，於此，即可以其二影像擷取模組30來擷取車輛1駕駛的臉部影像。
請配合參看圖1及圖4、5所示，為達成本發明第四目的之第四實施例，本實施例除了包括第一實施例的技術特徵之外，上述影像辨識模組51係為一種具備深度學習訓練功能以執行影像辨識處理的深度學習演算法，執行深度學習演算法時則包含下列步驟：
(a)訓練階段步驟，係建立一深度學習模型510，並於深度學習模型510輸入臉部特徵資料、車牌特徵資料及大量的車牌影像及臉部影像，並由深度學習模型510測試影像辨識的正確率，再判斷影像辨識正確率是否足夠，當判斷結果為是，則將辨識結果輸出及儲存；當判斷結果為否，則使深度學習模型510進行自我修正學習。
(b)運行預測階段步驟，係於深度學習模型510輸入臉部特徵資料、車牌特徵資料及即時擷取的車牌影像與臉部影像，並由深度學習模型510進行
預測性影像辨識，以得到至少一個可以辨識出車牌與駕駛人是否為社區的住戶的辨識結果。
本發明係以影像辨識處理方式分析出經過影像前處理後之特徵影像的特徵值，再於影像特徵資料庫40比對出與特徵值大致符合的(如辨形相似度約百分之七十以上)的特徵資料，並由符合之特徵資料得到對應的語意資料；若是影像辨識成功率不高，則可提升辨形相似度，直到達到所需的影像辨識成功率為止。
較佳的，上述深度學習演算法可以是一種卷積神經網路，係從影像擷取裝置獲得特徵影像後，經過影像前處理(即預處理)、特徵擷取、特徵選擇，再到推理以及做出預測性辨識。另一方面，卷積神經網路的深度學習實質，是通過構建具有多個隱層的機器學習模型及海量訓練數據，來達到學習更有用的特徵，從而最終提升分類或預測的準確性。卷積神經網路利用海量訓練數據來學習特徵辨識，於此方能刻畫出數據的豐富內在訊息。由於卷積神經網路為一種權值共享的網路結構，所以除了可以降低網路模型的複雜度之外，並可減少權值的數量。此優點在網路的輸入是多維圖像時表現的更為明顯，使圖像可以直接作為網路的輸入，避免了傳統影像辨識演算法中複雜的特徵擷取與數據重建過程。物件分類方式幾乎都是基於統計特徵的，這就意味著在進行分辨前必須提取某些特徵。然而，顯式的特徵擷取並不容易，在一些應用問題中也並非總是可靠的。卷積神經網路可避免顯式的特徵取樣，隱式地從訓練數據中進行學習。這使得卷積神經網路明顯有別於其他基於神經網路的分類器，通過結構重組和減少權值將特徵擷取功能融合進多層感知器。它可以直接處理灰度圖片，
能夠直接用於處理基於圖像的分類。卷積神經網路較一般神經網路在圖像處理方面有如下優點：輸入圖像與網路的拓撲結構能很好的吻合；特徵擷取與模式分類同時進行，並同時在訓練中產生；權重共享可以減少網路的訓練參數，使神經網路結構變得更為簡單，適應性更強。
進一步來說，本發明人臉辨識可以是一種以人臉五官辨識為基礎的人臉辨識技術，首先將人臉影像切割出五官的區域，其中包含眉毛、左眼、右眼、鼻子、嘴巴及耳朵等區域影像；再將這些五官區域影像分別輸入預先訓練好的個別分類器中，並依照預設之門檻值來辦別輸入的區域影像是屬於哪一個影像類別的候選人，最後把這些五官區域影像辨識出的候選人結合起來，再以投票方式決定所輸入之人臉影像是屬於影像特徵資料庫40中的哪一位社區的住戶成員。
以上所述，僅為本發明之可行實施例，並非用以限定本發明之專利範圍，凡舉依據下列請求項所述之內容、特徵以及其精神而為之其他變化的等效實施，皆應包含於本發明之專利範圍內。本發明所具體界定於請求項之結構特徵，未見於同類物品，且具實用性與進步性，已符合發明專利要件，爰依法具文提出申請，謹請 鈞局依法核予專利，以維護本申請人合法之權益。
Claims (9)
- 一種使用深度學習於車牌與人臉辨識之門禁管理系統，其包括：至少一車輛門禁管制設備，其設於一車道閘口上，用以管制車輛於該車道閘口出入；至少一影像擷取模組，其設置在該車輛門禁管制設備上，用以擷取停放在該車道閘口之該車輛的車牌影像及一使用者的臉部影像；一影像特徵資料庫，其建立有包含複數筆臉部特徵資料及車牌特徵資料；每一該臉部特徵資料與每一該車牌特徵資料皆設定有一代表社區住戶之其中一個成員的識別資料；及一資訊處理裝置，其內建有一影像辨識模組，用以將該車牌影像與該臉部影像做影像辨識處理，並於該影像特徵資料庫辨識出與該臉部影像與該車牌影像符合的該臉部特徵資料及該車牌特徵資料，以判斷在該車道閘口之該車輛之車牌及駕駛人是否為該社區住戶的成員之一，判斷結果為是，則驅動該車輛門禁管制設備開啟該車道閘口；其中，該影像擷取模組的數量為二個；其一該影像擷取模組與該資訊處理裝置電性連接而設置在該車輛門禁管制設備的第一位置上，用以擷取該車輛的該車牌影像；其二該影像擷取模組與該資訊處理裝置電性連接而設置在該車輛門禁管制設備的第二位置，用以擷取該使用者的該臉部影像；該車輛門禁管制設備包含可轉動升降之一柵欄裝置，該柵欄裝置包含一柵欄，該第一位置位於該柵欄朝向該車輛的前面近中段處；該車輛門禁管制設備更包含一設於該車道閘口的擋止機構，該擋止機構包括一長度延伸的基座、二馬達、二分別與二馬達之主動齒輪嚙合的從動齒輪及一長度延伸的擋板；該基座包 含一抵板、一並置在該抵板後端的斜板及二供容置該二馬達及該二從動齒輪的電氣槽室；該擋板二側壁突伸有二驅動軸，該二驅動軸穿過該電氣槽室而與該二從動齒輪連動；當欲使該車輛禁制車道閘口內時，該資訊處理裝置則驅動該二馬達往一方向轉動，並連動該二從動齒輪驅動該擋板往另一方向轉動，當該擋板抵靠到該斜板的前端面時，則形成卡制狀態，可藉由立起之該擋板來卡制車輛的前輪，用以使該車輛無法倒車離開該車道閘口。
- 如請求項1所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，於該車輛門禁管制設備設置分別與該資訊處理裝置電性連接的一密碼/人體特徵輸入裝置及一語音輸出裝置；當判斷結果為否時，該資訊處理裝置則透過該語音輸出裝置發出要求輸入密碼之語音訊號，當該使用者於該密碼/人體特徵輸入裝置所輸入之密碼或是人體特徵為正確時，該資訊處理裝置則驅動該柵欄升起，以開啟該車道閘口。
- 如請求項2所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，該車輛門禁管制設備設置一與該資訊處理裝置電性連接的警報裝置；當該使用者於該密碼/人體特徵輸入裝置所輸入之密碼或是人體特徵為錯誤時，該資訊處理裝置驅動該警報裝置發出警報訊號，並驅動該擋止機構禁制該車道閘口。
- 如請求項3所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，該人體特徵係選自虹膜、人臉以及指紋的其中一種。
- 如請求項1所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，每一該成員的該識別資料包含有預先所設定的一位移行程資 料；該影像擷取模組的數量為二個；其一該影像擷取模組設置在該車輛門禁管制設備的第一位置上；其二該影像擷取模組設置在該車輛門禁管制設備的第二位置；該車輛門禁管制設備更包含一可供設置其二該影像擷取模組的載座、一位移驅動機構及一位置辨識模組；該位移驅動機構用以驅動該載座往至少一個方向做往復的位移；該位置辨識模組用以感測該車輛是否定位在一預定位置上；當判斷結果是，則產生一觸發訊號至該資訊處理裝置中，該資訊處理裝置則讀取已辨識出該車牌的該車牌特徵資料所設定之該位移行程資料，並輸出一相應的位移行程驅動訊號至該位移驅動機構中，以驅動該載座及其二該影像擷取模組定位至該預定位置，當該車輛離開該車道閘口後，該資訊處理裝置則再驅動該位移驅動機構而使該載座及其二該影像擷取模組回到原本的位置上。
- 如請求項5所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，該位移驅動機構包含一用以帶動該載座及其二該影像擷取模組相對該車輛做前、後方向移動的第一位移機構，及一用以帶動位移驅動機構相對該車輛做升降移動的第二位移機構。
- 如請求項1所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其更包含供該住戶之各該成員攜帶的智慧型電子裝置，該智慧型電子裝置內建有一車道管理軟體，該車道管理軟體執行時則於該智慧型電子裝置之一顯示幕顯示一車道管理輸入界面，該車道管理輸入界面顯示有選自地址輸入界面、住戶成員輸入界面、成員像片上傳界面、車牌輸入界面、車款種類輸入界面以及密碼金鑰輸入界面的其中至少三種；當完成該車道管理輸入界面的管理資料設定時，該智慧型電子裝置則透過一訊號傳輸手 段將該管理資料傳輸至該資訊處理模組的資料庫中，以作為影像辨識處理得依據。
- 如請求項1所述之使用深度學習於車牌與人臉辨識之門禁管理系統，其中，該影像辨識模組係為一種具備深度學習訓練功能以執行影像辨識處理的深度學習演算法，執行該深度學習演算法則包含下列之步驟：一訓練階段步驟，係建立一深度學習模型，並於該深度學習模型輸入該臉部特徵資料、該車牌特徵資料及大量的該車牌影像及該臉部影像，並由該深度學習模型測試影像辨識的正確率，再判斷影像辨識正確率是否足夠，當判斷結果為是，則將辨識結果輸出及儲存；當判斷結果為否，則使該深度學習模型進行自我修正學習；及一運行預測階段步驟，係於該深度學習模型輸入該臉部特徵資料、該車牌特徵資料及即時擷取的該車牌影像與該臉部影像，並由該深度學習模型進行預測性影像辨識，以得到至少一個可以辨識出該車牌與該駕駛人是否為該社區的住戶成員的辨識結果。
- 一種使用深度學習於車牌與人臉辨識之門禁管制方法，其包括：於一社區之至少一車道閘口設置至少一車輛門禁管制設備，用以管制車輛於該車道閘口出入；將至少一影像擷取模組設置在該車輛門禁管制設備上，用以擷取停放在該車道閘口之該車輛的車牌影像及一使用者的臉部影像；於一影像特徵資料庫建立有包含複數筆臉部特徵資料及車牌特徵資料；每一該臉部特徵資料與每一該車牌特徵資料皆設定有一代表社區住戶之其中一個成員的識別資料；及 於一資訊處理裝置內建有一影像辨識模組，用以將該車牌影像與該臉部影像做影像辨識處理，並於該影像特徵資料庫辨識出與該臉部影像與該車牌影像符合的該臉部特徵資料及該車牌特徵資料，以判斷在該車道閘口之該車輛之車牌及駕駛人是否為該社區住戶的成員之一，判斷結果為是，則驅動該車輛門禁管制設備開啟該車道閘口；其中，該影像擷取模組的數量為二個；其一該影像擷取模組與該資訊處理裝置電性連接而設置在該車輛門禁管制設備的第一位置上，用以擷取該車輛的該車牌影像；其二該影像擷取模組與該資訊處理裝置電性連接而設置在該車輛門禁管制設備的第二位置，用以擷取該使用者的該臉部影像；該車輛門禁管制設備包含可轉動升降之一柵欄裝置，該柵欄裝置包含一柵欄，該第一位置位於該柵欄朝向該車輛的前面近中段處；該車輛門禁管制設備更包含一設於該車道閘口的擋止機構，該擋止機構包括一長度延伸的基座、二馬達、二分別與二馬達之主動齒輪嚙合的從動齒輪及一長度延伸的擋板；該基座包含一抵板、一並置在該抵板後端的斜板及二供容置該二馬達及該二從動齒輪的電氣槽室；該擋板二側壁突伸有二驅動軸，該二驅動軸穿過該電氣槽室而與該二從動齒輪連動；當欲使該車輛禁制車道閘口內時，該資訊處理裝置則驅動該二馬達往一方向轉動，並連動該二從動齒輪驅動該擋板往另一方向轉動，當該擋板抵靠到該斜板的前端面時，則形成卡制狀態，可藉由立起之該擋板來卡制車輛的前輪，用以使該車輛無法倒車離開該車道閘口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106129790A TWI621071B (zh) | 2017-08-31 | 2017-08-31 | 使用深度學習於車牌與人臉辨識之門禁管理系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106129790A TWI621071B (zh) | 2017-08-31 | 2017-08-31 | 使用深度學習於車牌與人臉辨識之門禁管理系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI621071B true TWI621071B (zh) | 2018-04-11 |
| TW201913451A TW201913451A (zh) | 2019-04-01 |
Family
ID=62639885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106129790A TWI621071B (zh) | 2017-08-31 | 2017-08-31 | 使用深度學習於車牌與人臉辨識之門禁管理系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI621071B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543578A (zh) * | 2018-11-13 | 2019-03-29 | 北京猎户星空科技有限公司 | 智能设备控制方法、装置和存储介质 |
| TWI672639B (zh) * | 2018-11-22 | 2019-09-21 | 台達電子工業股份有限公司 | 使用模擬物件影像之物件辨識系統及其方法 |
| TWI681343B (zh) * | 2018-12-14 | 2020-01-01 | 瑞昱半導體股份有限公司 | 物件追蹤系統、物件追蹤方法與非暫態電腦可讀取媒體 |
| TWI687871B (zh) * | 2019-03-28 | 2020-03-11 | 國立勤益科技大學 | 應用於安全防護之影像辨識系統 |
| CN111932753A (zh) * | 2020-08-31 | 2020-11-13 | 江苏富宇通物联视频技术有限公司 | 一种人脸识别的系统及其设备 |
| TWI722337B (zh) * | 2018-11-19 | 2021-03-21 | 玉山商業銀行股份有限公司 | 交易系統、自動櫃員機及無卡交易方法 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI787664B (zh) * | 2020-10-23 | 2022-12-21 | 正修學校財團法人正修科技大學 | 物聯網保全系統及其方法 |
| CN113628377A (zh) * | 2021-08-04 | 2021-11-09 | 内蒙古路路通科技有限公司 | 一种基于多模块化的司法信息监控系统 |
| TW202420127A (zh) | 2022-11-14 | 2024-05-16 | 帝濶智慧科技股份有限公司 | 身分驗證系統、用戶裝置及身分驗證方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201432625A (zh) * | 2013-02-01 | 2014-08-16 | Nat Univ Chin Yi Technology | 智慧型影像監控式車輛服務站系統 |
| CN204012946U (zh) * | 2013-11-19 | 2014-12-10 | 深圳市杰瑞欧电子有限公司 | 门禁控制系统 |
| CN204303005U (zh) * | 2013-12-05 | 2015-04-29 | 智能动感有限公司 | 智能影像识别进出管制装置 |
| CN105740855A (zh) * | 2016-03-24 | 2016-07-06 | 博康智能信息技术有限公司 | 一种基于深度学习的前后车牌检测识别方法 |
-
2017
- 2017-08-31 TW TW106129790A patent/TWI621071B/zh not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201432625A (zh) * | 2013-02-01 | 2014-08-16 | Nat Univ Chin Yi Technology | 智慧型影像監控式車輛服務站系統 |
| CN204012946U (zh) * | 2013-11-19 | 2014-12-10 | 深圳市杰瑞欧电子有限公司 | 门禁控制系统 |
| CN204303005U (zh) * | 2013-12-05 | 2015-04-29 | 智能动感有限公司 | 智能影像识别进出管制装置 |
| CN105740855A (zh) * | 2016-03-24 | 2016-07-06 | 博康智能信息技术有限公司 | 一种基于深度学习的前后车牌检测识别方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543578A (zh) * | 2018-11-13 | 2019-03-29 | 北京猎户星空科技有限公司 | 智能设备控制方法、装置和存储介质 |
| CN109543578B (zh) * | 2018-11-13 | 2020-12-22 | 北京猎户星空科技有限公司 | 智能设备控制方法、装置和存储介质 |
| TWI741406B (zh) * | 2018-11-13 | 2021-10-01 | 大陸商北京獵戶星空科技有限公司 | 一種智慧設備控制方法、裝置、電腦可讀介質及計算裝置 |
| US11247342B2 (en) | 2018-11-13 | 2022-02-15 | Beijing Orion Star Technology Co., Ltd. | Smart device control method and apparatus, and storage medium |
| TWI722337B (zh) * | 2018-11-19 | 2021-03-21 | 玉山商業銀行股份有限公司 | 交易系統、自動櫃員機及無卡交易方法 |
| TWI672639B (zh) * | 2018-11-22 | 2019-09-21 | 台達電子工業股份有限公司 | 使用模擬物件影像之物件辨識系統及其方法 |
| TWI681343B (zh) * | 2018-12-14 | 2020-01-01 | 瑞昱半導體股份有限公司 | 物件追蹤系統、物件追蹤方法與非暫態電腦可讀取媒體 |
| TWI687871B (zh) * | 2019-03-28 | 2020-03-11 | 國立勤益科技大學 | 應用於安全防護之影像辨識系統 |
| CN111932753A (zh) * | 2020-08-31 | 2020-11-13 | 江苏富宇通物联视频技术有限公司 | 一种人脸识别的系统及其设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201913451A (zh) | 2019-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI621071B (zh) | 使用深度學習於車牌與人臉辨識之門禁管理系統 | |
| CN109377616B (zh) | 一种基于二维人脸识别的门禁控制系统 | |
| CN106803301A (zh) | 一种基于深度学习的人脸识别门禁方法及系统 | |
| CN110491004A (zh) | 一种居民社区人员安全管理系统及方法 | |
| CN110443923A (zh) | 一种基于人工智能的酒店安全管理方法 | |
| CN110555926B (zh) | 一种基于多证件识别的门禁方法及相应的装置 | |
| CN202084091U (zh) | 多重认证多门安全管理系统 | |
| CN113752983A (zh) | 一种基于人脸识别/人眼识别的车辆解锁控制系统和方法 | |
| CN104700094B (zh) | 一种用于智能机器人的人脸识别方法及系统 | |
| CN106296950A (zh) | 一种基于人脸识别的门禁系统 | |
| CN106504374A (zh) | 一种可自动识别的门禁安防系统 | |
| CN110390751A (zh) | 一种多功能无障碍通行闸机 | |
| Patoliya et al. | Face detection based ATM security system using embedded Linux platform | |
| CN107944238A (zh) | 身份认证方法、服务器和系统 | |
| Shavetov et al. | Access control system based on face recognition | |
| CN111754669A (zh) | 一种基于人脸识别技术的高校学生管理系统 | |
| Kaushik et al. | Improving home security through facial recognition in a smart environment | |
| CN115379198A (zh) | 相机篡改检测 | |
| Sridevi et al. | Third generation security system for face detection in ATM machine using computer vision | |
| Purushothaman et al. | Pose and illumination invariant face recognition for automation of door lock system | |
| CN120850269A (zh) | 一种基于多模态生物特征识别的身份认证系统及方法 | |
| CN112102548A (zh) | 基于手掌静脉识别的门禁系统及其控制方法 | |
| CN109166220A (zh) | 一种基于区块链的智能门禁系统 | |
| CN115147888A (zh) | 基于人脸的门禁管理方法、门禁设备及计算机可读存储介质 | |
| CN111640227A (zh) | 一种票务闸机自动检验系统及其检验方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |