本申請涉及人臉識別快遞箱,更具體地說,涉及人臉識別快遞箱及識別系統。
背景技術:
1、人臉識別快遞箱通過人臉識別技術,可以快速、安全地完成快遞寄送。
2、具體操作步驟如下:
3、1.快遞員在快遞箱操作界面上選擇“刷臉入庫”,系統自動讀取快遞員身份信息,確認后,快遞箱自動打開。
4、2.快遞員將快遞放入快遞箱后,系統會自動讀取快遞信息,并發送取件短信給收件人。
5、3.收件人收到取件通知后,可以在快遞箱操作界面上選擇“刷臉取件”,系統進入人臉識別狀態,識別成功后,箱門自動打開,收件人即可取出自己的快遞。
6、現有技術公開號為cn109875291a的文獻提供一種快遞柜,該裝置通過集成加強結構的設置提高柜體結構強度并降低維修和更換成本。
7、上述中的現有技術方案雖然通過現有技術的結構可以實現與有關的有益效果,但是仍存在以下缺陷;該快遞柜在進行使用時,不便于進行人臉識別進行取件,導致存在誤取件及取件效率較低的問題,實用性較差,
8、鑒于此,我們提出人臉識別快遞箱及識別系統。
技術實現思路
1、1.要解決的技術問題
2、本申請的目的在于提供人臉識別快遞箱及識別系統,解決了上述背景技術中提出的技術問題,實現了進行人臉識別進行取件的技術效果。
3、2.技術方案
4、本申請實施例提供了人臉識別快遞箱及識別系統,包括:人臉圖像數據收集模塊、人臉圖像數據處理模塊、人臉圖像數據特征提取模塊、人臉識別模型訓練模塊、人臉識別模型應用模塊,
5、人臉圖像數據收集模塊:所述人臉圖像數據收集模塊收集大量人臉圖像數據,包括快遞員和客戶的圖像數據;
6、人臉圖像數據處理模塊:所述人臉圖像數據處理模塊對收集到的人臉圖像數據進行預處理,包括圖像去噪、裁剪和調整大小等操作;
7、人臉圖像數據特征提取模塊:所述人臉圖像數據特征提取模塊使用機器學習算法從預處理后的人臉圖像中提取特征數據;
8、人臉識別模型訓練模塊:所述人臉識別模型訓練模塊使用提取的特征和標簽訓練一個人臉識別的機器學習模型;
9、人臉識別模型應用模塊:所述人臉識別模型應用模塊將訓練好的模型應用于快遞箱上中,通過與攝像頭等設備集成,實現對快遞員和客戶的自動識別和驗證。
10、作為本申請文件技術方案的一種可選方案,所述人臉圖像數據收集模塊收集大量人臉圖像數據,包括快遞員和客戶的圖像數據,這些數據能夠來自于現有的物流系統、身份驗證系統等,通過用戶在注冊物流軟件時錄入的人臉圖像數據。
11、作為本申請文件技術方案的一種可選方案,所述人臉圖像數據處理模塊對收集到的人臉圖像數據進行預處理,包括圖像去噪、裁剪和調整大小等操作,所述圖像去噪:人臉圖像可能會受到噪聲的干擾,例如攝像頭質量、光照條件、拍攝環境等,通過中值濾波能夠減少或消除這些噪聲,提高圖像的清晰度和可識別度;
12、所述圖像裁剪:在人臉圖像中,臉部是感興趣區域,而其他區域會造成干擾識別,通過裁剪操作,能夠將圖像中的臉部區域提取出來,減少數據量并突出重要信息;
13、所述調整大小:人臉圖像的大小可能會影響后續的特征提取和識別,插值算法將圖像調整為統一的大小能夠使得處理更加方便和高效。
14、作為本申請文件技術方案的一種可選方案,所述人臉圖像數據特征提取模塊使用機器學習算法從預處理后的人臉圖像中提取特征,這些特征能夠反映人臉的形狀、紋理等特征,所述形狀特征提取:形狀特征是人臉圖像中最基本的特征之一,能夠描述人臉的整體輪廓和結構,包括幾何參數法:通過提取人臉的幾何特征,例如眼睛、嘴巴、鼻子等部位的形狀和位置關系,生成幾何參數,能夠用于描述人臉的形狀特征;
15、所述紋理特征提取:紋理特征是人臉圖像中的局部特征之一,能夠描述人臉表面的細節和質感,包括:灰度共生矩陣(glcm)統計人臉圖像中相鄰像素點的灰度值,生成灰度共生矩陣,矩陣中的元素表示不同灰度值之間的共生關系,能夠用于描述人臉的紋理特征。
16、作為本申請文件技術方案的一種可選方案,所述人臉識別模型訓練模塊使用提取的特征和標簽訓練一個支持向量機的人臉識別模型,在訓練過程中,模型會學習到從人臉圖像中提取有用的特征,并學會將不同的人臉區分開來。
17、作為本申請文件技術方案的一種可選方案,所述人臉識別模型應用模塊將訓練好的模型應用于快遞箱上中,通過與攝像頭等設備集成,訓練完成后,就能夠使用這個模型來對未知的人臉圖像進行識別,判斷這個圖像屬于哪個人,進行實現對快遞員和客戶的自動識別和驗證。
18、3.有益效果
19、本申請實施例中提供的一個或多個技術方案,至少具有如下技術效果或優點:
20、1.本申請由于采用了人臉圖像數據收集模塊等技術手段,所以有效解決了現有技術中的技術問題,進而實現了在進行取件時,通過人臉識別屏采集取件人的人臉圖像,然后通過模型對人臉圖像數據進行分析,與提前錄入的人臉數據進行對比分析,在對比吻合后,自動控制對應的快遞箱打開,從而避免快遞的誤拿,同時提高快遞取件的效率的效果。
21、2.本申請通過設置推出座,能夠在取件時,通過推出座移出快遞,方便取件人拿取,避免高處的快遞拿取不便,同時通過設置封口板,能夠在推出座推出時對快遞箱體內壁進行密封,避免內部冷氣溢出。
22、3.本申請通過設置壓縮機機體,實現快遞箱體具有冷藏的功能,方便對需要冷藏的生鮮進行放置,避免在溫度較高或者溫度較低的天氣下,保證生鮮的質量,同時通過設置導氣機構,實現快遞物品是生鮮時,從而移開密封塊,通過扇葉將冷氣抽入到快遞箱體內,當物品不是生鮮時,能夠避免冷氣進入到快遞箱體內,從而減少冷氣的消耗。
1.人臉識別快遞箱及識別系統,包含:人臉圖像數據收集模塊、人臉圖像數據處理模塊、人臉圖像數據特征提取模塊、人臉識別模型訓練模塊、人臉識別模型應用模塊,其特征在于:
2.根據權利要求1所述的人臉識別快遞箱及識別系統,其特征在于:所述人臉圖像數據收集模塊收集大量人臉圖像數據,包括快遞員和客戶的圖像數據,這些數據能夠來自于現有的物流系統、身份驗證系統等,通過用戶在注冊物流軟件時錄入的人臉圖像數據。
3.根據權利要求1所述的人臉識別快遞箱及識別系統,其特征在于:所述人臉圖像數據處理模塊對收集到的人臉圖像數據進行預處理,包括圖像去噪、裁剪和調整大小等操作,所述圖像去噪:人臉圖像可能會受到噪聲的干擾,例如攝像頭質量、光照條件、拍攝環境等,通過中值濾波能夠減少或消除這些噪聲,提高圖像的清晰度和可識別度;
4.根據權利要求1所述的人臉識別快遞箱及識別系統,其特征在于:所述人臉圖像數據特征提取模塊使用機器學習算法從預處理后的人臉圖像中提取特征,這些特征能夠反映人臉的形狀、紋理等特征,所述形狀特征提取:形狀特征是人臉圖像中最基本的特征之一,能夠描述人臉的整體輪廓和結構,包括幾何參數法:通過提取人臉的幾何特征,例如眼睛、嘴巴、鼻子等部位的形狀和位置關系,生成幾何參數,能夠用于描述人臉的形狀特征;
5.根據權利要求1所述的人臉識別快遞箱及識別系統,其特征在于:所述人臉識別模型訓練模塊使用提取的特征和標簽訓練一個支持向量機的人臉識別模型,在訓練過程中,模型會學習到從人臉圖像中提取有用的特征,并學會將不同的人臉區分開來。
6.根據權利要求1所述的人臉識別快遞箱及識別系統,其特征在于:所述人臉識別模型應用模塊將訓練好的模型應用于快遞箱上中,通過與攝像頭等設備集成,訓練完成后,就能夠使用這個模型來對未知的人臉圖像進行識別,判斷這個圖像屬于哪個人,進行實現對快遞員和客戶的自動識別和驗證。