一种基于增量学习的电梯智能指纹识别系统

技术领域

本发明涉及电梯控制领域，特别是涉及一种基于增量学习的电梯智能指纹识别系统。

背景技术

当下是科技飞速发展的时代，人们对与安全的级别要求也越来越高，传统电梯安保系统已经不能满足广大用户的需求。指纹识别具有唯一性和稳定性等特点，具有较高的安全性和使用的便捷性等优点，在广大身份认证领域都有着普遍的应用。本发明设计了一种基于增量学习的电梯智能识别系统。该电梯智能识别系统由ARM处理器、指纹采集模块、上位机等硬件模块组成。系统指纹模块通过通信将采集到的指纹发送至上位机，上位机通过增量学习算法识别指纹，在识别结果基础上执行电梯控制指令。同时通过增量学习不断地从新样本中学习新的知识，扩充指纹识别样本，实时更新系统模型，提高指纹识别精度。

发明内容

为解决上述问题，本发明提出了一种基于增量学习的电梯智能指纹识别系统。通过增量学习网络解决了指纹识别和在线网络参数调整的问题，并根据指纹识别结果通过ARM控制器发送电梯控制指令，提高了电梯的安全管理。为达此目的，本发明提供一种基于增量学习的电梯智能指纹识别系统，具体步骤如下，其特征在于：

步骤1，搭建电梯智能指纹识别系统硬件：该硬件系统由ARM处理器、指纹采集模块、采集板卡、通讯模块、存储模块和PC上位机等硬件组成；

步骤2，训练基于增量学习的指纹识别模型：构建增量学习指纹分类网络，提取指纹数据EMD特征，将采集的指纹样本用于训练增量学习网络；

步骤3，设计基于指纹识别结果的电梯控制指令：指纹识别系统通过增量学习算法实时计算出指纹数据的分类结果，并将结果发送至ARM控制器中，选择电梯控制输出指令；

步骤4，增量学习通过新出现的数据调整网络参数：在电梯指纹智能识别系统数据的不断采集下，增量学习根据所采集的数据，对算法模型和参数进行不断调整；

步骤5，获得具有鲁棒性的电梯智能指纹识别系统，并进行实际应用。

进一步，步骤1中搭建电梯智能指纹识别系统硬件的过程可以表示为：

电梯智能指纹识别系统硬件系统包括：ARM处理器、指纹采集模块、采集板卡、通讯模块、存储模块和PC上位机等；ARM处理器用于电梯控制，输出电梯控制指令，PC上位机通过采集卡和指纹采集模块采集指纹数据，PC上位机通过增量学习算法获得指纹分类结果，并将分类结果通过通讯模块发送至ARM处理器中。

进一步，步骤2中训练基于增量学习的指纹识别模型的过程可以表示如下：

首先提取指纹数据的EMD特征向量，指纹数据信号EMD特征提取如下：

步骤2.1，确定指纹数据信号x(t)所有的局部极大值和极小值点；

步骤2.2，分别将所有局部极大值点和极小值点连成包络曲线e

同时从信号中减去均值曲线，可得到IMF分量imf

imf

式中：

重复上述步骤，直到满足停止准则，迭代停止准则为：

其中SD为筛选门限值，当SD小于某个常数时，停止迭代，SD取值0.25；

分解结束后可得到n个EMD特征分量imf

再设计增量学习模型，增量学习模型包括两层：第一层网络自适应的生成网络来表示所输入的指纹数据EMD特征分量：

第二层网络将一层网络的输出作为输入，计算出第一层网络数据的类间距离和类内距离，将指纹数据分类标签作为输出，训练出指纹数据的增量学习分类模型。

进一步，步骤3中，设计基于指纹识别结果的电梯控制指令的过程可以表示如下：

PC上所连接的指纹采集器采集用户指纹信息、同时将用户居住楼层信息以及居住时效信息通过网络传送给上位机指纹识别系统，由系统预存入存储器中存储信息；用户使用电梯时，通过指纹识别传感器将指纹信息传至ARM控制器系统，系统通信将数据发送至上位机，上位机系统通过基于增量学习的指纹识别模型输出指纹分类结果，同时匹配存储器中的指纹信息，指纹吻合后发送控制信号至ARM控制器，控制电梯运行；如不吻合，语音模块将提示再次输入指纹信息，如果连续三次输入都不吻合，语音模块将发出报警信息，同时报警信息传送至PC机处理，PC机可通过监控模块监控电梯内状况。

进一步，步骤4中，增量学习通过新出现的数据调整网络参数的过程可以表示如下：

当出现新的指纹数据时，增量学习网络自动对模型进行调整，其调整步骤如下所示：

步骤4.1，初始化增量学习网络模型的神经元A＝{c

步骤4.2，输入一个指纹数据EMD特征分量I；

步骤4.3，计算出与该指纹数据EMD特征分量最接近的两个神经元s

W

步骤4.4，如果神经元s

步骤4.5，如果还有数据输入则重复上述操作，否则输出神经元节点和连接矩阵C。

本发明一种基于增量学习的电梯智能指纹识别系统，有益效果：

1.本发明电梯智能指纹识别系统极大方便物业公司对电梯的管理；

2.本发明有效的屏蔽闲杂人员，为小区内的安全上了保险；

3.本发明可以将收费方式由被动变主动，迫使业主主动按时到管理中心缴纳相关费用，可应用于宾馆、写字楼等各场所；

4.本发明使用增量学习网络实现对指纹的识别，可在线调整网络参数，提高模型分类精度。

附图说明

图1为本发明的控制结构图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

本发明提出了一种基于增量学习的电梯智能指纹识别系统，旨在获得可在线调整网络的指纹识别模型，提高网络指纹识别精度，通过识别结果智能控制电梯运行，提高用户安全性。图1为本发明的控制结构图，下面结控制结构图对本发明的步骤作详细介绍。

步骤1，搭建电梯智能指纹识别系统硬件：该硬件系统由ARM处理器、指纹采集模块、采集板卡、通讯模块、存储模块和PC上位机等硬件组成；

步骤1中搭建电梯智能指纹识别系统硬件的过程可以表示为：

电梯智能指纹识别系统硬件系统包括：ARM处理器、指纹采集模块、采集板卡、通讯模块、存储模块和PC上位机等；ARM处理器用于电梯控制，输出电梯控制指令，PC上位机通过采集卡和指纹采集模块采集指纹数据，PC上位机通过增量学习算法获得指纹分类结果，并将分类结果通过通讯模块发送至ARM处理器中。

步骤2，训练基于增量学习的指纹识别模型：构建增量学习指纹分类网络，提取指纹数据EMD特征，将采集的指纹样本用于训练增量学习网络；

步骤2中训练基于增量学习的指纹识别模型的过程可以表示如下：

首先提取指纹数据的EMD特征向量，指纹数据信号EMD特征提取如下：

步骤2.1，确定指纹数据信号x(t)所有的局部极大值和极小值点；

步骤2.2，分别将所有局部极大值点和极小值点连成包络曲线e

同时从信号中减去均值曲线，可得到IMF分量imf

imf

式中：

重复上述步骤，直到满足停止准则，迭代停止准则为：

其中SD为筛选门限值，当SD小于某个常数时，停止迭代，SD取值0.25；

分解结束后可得到n个EMD特征分量imf

再设计增量学习模型，增量学习模型包括两层：第一层网络自适应的生成网络来表示所输入的指纹数据EMD特征分量：

第二层网络将一层网络的输出作为输入，计算出第一层网络数据的类间距离和类内距离，将指纹数据分类标签作为输出，训练出指纹数据的增量学习分类模型。

步骤3，设计基于指纹识别结果的电梯控制指令：指纹识别系统通过增量学习算法实时计算出指纹数据的分类结果，并将结果发送至ARM控制器中，选择电梯控制输出指令；

步骤3中，设计基于指纹识别结果的电梯控制指令的过程可以表示如下：

PC上所连接的指纹采集器采集用户指纹信息、同时将用户居住楼层信息以及居住时效信息通过网络传送给上位机指纹识别系统，由系统预存入存储器中存储信息；用户使用电梯时，通过指纹识别传感器将指纹信息传至ARM控制器系统，系统通信将数据发送至上位机，上位机系统通过基于增量学习的指纹识别模型输出指纹分类结果，同时匹配存储器中的指纹信息，指纹吻合后发送控制信号至ARM控制器，控制电梯运行；如不吻合，语音模块将提示再次输入指纹信息，如果连续三次输入都不吻合，语音模块将发出报警信息，同时报警信息传送至PC机处理，PC机可通过监控模块监控电梯内状况。

步骤4，增量学习通过新出现的数据调整网络参数：在电梯指纹智能识别系统数据的不断采集下，增量学习根据所采集的数据，对算法模型和参数进行不断调整；

步骤4中，增量学习通过新出现的数据调整网络参数的过程可以表示如下：

当出现新的指纹数据时，增量学习网络自动对模型进行调整，其调整步骤如下所示：

步骤4.1，初始化增量学习网络模型的神经元A＝{c

步骤4.2，输入一个指纹数据EMD特征分量I；

步骤4.3，计算出与该指纹数据EMD特征分量最接近的两个神经元s

W

步骤4.4，如果神经元s

步骤4.5，如果还有数据输入则重复上述操作，否则输出神经元节点和连接矩阵C。

步骤5，获得具有鲁棒性的电梯智能指纹识别系统，并进行实际应用。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。