本發(fā)明涉及室內(nèi)企業(yè)管理，特別是一種基于室內(nèi)人員定位的管理方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)前社會(huì)快速發(fā)展的背景下，智能化管理技術(shù)在各行各業(yè)中得到了廣泛應(yīng)用，尤其是室內(nèi)人員的定位和管理成為各類(lèi)場(chǎng)景中保障安全、提高管理效率的關(guān)鍵需求。然而，現(xiàn)有的定位技術(shù)在精準(zhǔn)度、安全性和實(shí)時(shí)性方面仍存在諸多不足，無(wú)法滿足現(xiàn)代化管理的高標(biāo)準(zhǔn)要求，因此，本發(fā)明提出了一種基于室內(nèi)人員定位的管理方法和系統(tǒng)，以解決現(xiàn)有技術(shù)中存在的問(wèn)題，進(jìn)一步提升室內(nèi)人員管理的智能化水平。

2、現(xiàn)有技術(shù)在進(jìn)行室內(nèi)人員定位時(shí)，常常面臨生物特征采集不全、定位誤差大和預(yù)警機(jī)制不完善等缺陷，導(dǎo)致管理效率低下和安全隱患增加，采用本發(fā)明的技術(shù)手段，即通過(guò)動(dòng)態(tài)身份生物識(shí)別模型結(jié)合云計(jì)算和超寬帶定位技術(shù)，對(duì)室內(nèi)人員進(jìn)行精準(zhǔn)定位和智能預(yù)警，有效解決了現(xiàn)有技術(shù)的缺陷。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有的基于物聯(lián)網(wǎng)的多源電網(wǎng)信息融合及系統(tǒng)中存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明針對(duì)現(xiàn)有技術(shù)在生物特征采集不全、定位誤差大和預(yù)警機(jī)制不完善等缺陷問(wèn)題，本發(fā)明采用了動(dòng)態(tài)身份生物識(shí)別模型結(jié)合云計(jì)算和超寬帶定位技術(shù)進(jìn)行解決。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種基于室內(nèi)人員定位的管理方法，其包括，對(duì)室內(nèi)人員進(jìn)行生物特征采集，建立動(dòng)態(tài)身份生物識(shí)別模型，利用云計(jì)算技術(shù)對(duì)動(dòng)態(tài)身份生物識(shí)別模型進(jìn)行計(jì)算，獲取生物特征數(shù)據(jù)；

5、將獲取的生物特征數(shù)據(jù)與云計(jì)算技術(shù)中云端存儲(chǔ)的備案信息進(jìn)行比對(duì)，采用超寬帶定位技術(shù)，結(jié)合動(dòng)態(tài)身份生物識(shí)別模型，完成室內(nèi)人員的精準(zhǔn)定位，獲取室內(nèi)人員的外委人員位置坐標(biāo)；

6、設(shè)置危險(xiǎn)區(qū)域，根據(jù)危險(xiǎn)區(qū)域和外圍人員位置坐標(biāo)，完成智能預(yù)警的安全處置，對(duì)室內(nèi)人員定位進(jìn)行管理。

7、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述對(duì)室內(nèi)人員進(jìn)行生物特征采集包括采集室內(nèi)人員的面部圖像、指紋圖像、虹膜圖像以及聲紋數(shù)據(jù)，具體采集計(jì)算步驟如下所示：

8、所述面部圖像的采集計(jì)算公式為：

9、

10、其中，gi表示不同的特征提取子函數(shù)，wi和bj表示權(quán)重系數(shù)，k表示核函數(shù)，λ表示正則化參數(shù)，vf表示面部圖像特征向量，ff表示面部特征提取函數(shù)，if表示面部圖像，wi表示第i個(gè)特征提取子函數(shù)gi的權(quán)重系數(shù)，hj表示第j個(gè)特征提取子函數(shù)，ω表示面部圖像if的定義域，k表示核函數(shù)，x表示積分變量；

11、所述指紋圖像的采集計(jì)算公式為：

12、

13、其中，vfp表示指紋特征向量，ffp表示指紋特征提取函數(shù)，ifp表示指紋圖像，αi表示第i個(gè)特征提取子函數(shù)ui的權(quán)重系數(shù)，p表示用于ui子函數(shù)特征提取的特征數(shù)量，cj表示第j個(gè)特征提取子函數(shù)vj的權(quán)重系數(shù)，vj表示第j個(gè)特征提取子函數(shù)，q表示用于vj子函數(shù)特征提取的特征數(shù)量。

14、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述虹膜圖像的采集計(jì)算公式為：

15、

16、其中，vi表示虹膜特征向量，fi表示虹膜特征提取函數(shù)，ii表示虹膜圖像，di表示第i個(gè)特征提取子函數(shù)ei的權(quán)重系數(shù)，ei表示第i個(gè)特征提取子函數(shù)，r表示用于特征提取的特征數(shù)量，gi表示第i個(gè)特征提取子函數(shù)，fi表示第i個(gè)特征提取子函數(shù)，exp表示指數(shù)函數(shù)，log表示對(duì)數(shù)函數(shù)；

17、所述聲紋數(shù)據(jù)的采集計(jì)算公式為：

18、

19、其中，vs表示聲紋特征向量，fs表示聲紋特征提取函數(shù)，is表示聲紋數(shù)據(jù)，hi表示第i個(gè)特征提取子函數(shù)的權(quán)重系數(shù)，sin表示正弦函數(shù)，ki表示正弦函數(shù)中的系數(shù)，cos表示余弦函數(shù)，li表示余弦函數(shù)中的系數(shù)，t表示特征提取的特征數(shù)量。

20、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述建立動(dòng)態(tài)身份生物識(shí)別模型包括將采集的生物特征向量進(jìn)行融合，形成綜合特征向量vc，具體融合計(jì)算公式為：

21、vc＝α·vf+β·vfp+γ·vi+δ·vs

22、其中，vc表示綜合特征向量，α表示面部特征向量vf的權(quán)重系數(shù)，vf表示面部圖像特征向量，β表示指紋特征向量vfp的權(quán)重系數(shù)，vfp表示指紋特征向量，γ表示虹膜特征向量vi的權(quán)重系數(shù)，δ表示聲紋特征向量vs的權(quán)重系數(shù)，vs表示聲紋特征向量；

23、所述對(duì)動(dòng)態(tài)身份生物識(shí)別模型進(jìn)行計(jì)算包括使用加密技術(shù)對(duì)綜合特征向量vc進(jìn)行加密，生成加密特征向量，將加密后的綜合特征向量上傳到云計(jì)算平臺(tái)，進(jìn)行動(dòng)態(tài)身份生物識(shí)別模型的建立；

24、所述對(duì)綜合特征向量vc進(jìn)行加密的具體計(jì)算公式為：

25、vc，enc＝encrypt(vc，k)

26、其中，vc，enc表示加密特征向量，encrypt表示加密函數(shù)，vc表示綜合特征向量，k表示加密密鑰；

27、所述將加密后的綜合特征向量上傳到云計(jì)算平臺(tái)包括利用云計(jì)算函數(shù)建立動(dòng)態(tài)身份生物識(shí)別模型，具體計(jì)算公式為：

28、mbio＝cloudcompute(vc，enc，d)

29、其中，mbio表示動(dòng)態(tài)身份生物識(shí)別模型，cloudcompute表示云計(jì)算函數(shù)，vc，enc表示加密后的綜合特征向量，d表示訓(xùn)練數(shù)據(jù)集。

30、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述獲取生物特征數(shù)據(jù)包括結(jié)合動(dòng)態(tài)身份生物識(shí)別模型過(guò)濾采集的生物特征；

31、當(dāng)生物特征采集不完整時(shí)，則重新采集，具體步驟如下：

32、若面部圖像不滿足清晰度要求時(shí)，則二次采集面部圖像的生物特征向量，所述二次采集面部圖像的生物特征向量的具體計(jì)算公式為：

33、if?clarity(if)<θ，then?if←re-capture

34、其中，clarity表示清晰度檢測(cè)函數(shù)，θ表示清晰度閾值，re-capture表示重新采集函數(shù)，

35、若指紋圖像不滿足清晰度要求，則二次采集指紋圖像的生物特征向量，所述二次采集指紋圖像的生物特征向量的具體計(jì)算公式為：

36、if?clarity(ifp)<θf(wàn)p，then?ifp←re-capture()

37、其中，ifp表示指紋圖像，clarity表示清晰度檢測(cè)函數(shù)，θf(wàn)p表示指紋圖像清晰度的閾值，re-capture()表示重新采集函數(shù)。

38、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述完成室內(nèi)人員的精準(zhǔn)定位包括將過(guò)濾后采集的生物特征進(jìn)行二次融合，形成二次綜合特征向量vc，real，具體計(jì)算公式為：

39、vc，real＝α·vf，real+β·vfp，real+γ·vi，real+δ·vs，real

40、其中，α、β、γ以及δ表示權(quán)重系數(shù)；

41、將二次綜合特征向量vc，real與所述云計(jì)算技術(shù)中云端存儲(chǔ)的備案信息mbio進(jìn)行對(duì)比，計(jì)算兩者之間的余弦度，確定室內(nèi)人員的精準(zhǔn)定位，具體計(jì)算公式為：

42、

43、其中，d表示余弦度，dot_product表示向量的點(diǎn)積，||vc，real，enc||表示加密的實(shí)時(shí)綜合特征向量的模長(zhǎng)，||mbio||表示云端存儲(chǔ)的動(dòng)態(tài)身份生物識(shí)別模型的模長(zhǎng)；

44、若余弦度d小于設(shè)定的閾值θd，則完成室內(nèi)人員定位；

45、若余弦度d大于或等于設(shè)定的閾值θd，則觸發(fā)報(bào)警機(jī)制。

46、作為本發(fā)明所述基于室內(nèi)人員定位的管理方法的一種優(yōu)選方案，其中：所述完成智能預(yù)警的安全處置包括根據(jù)智能預(yù)警機(jī)制計(jì)算警報(bào)等級(jí)，完成對(duì)室內(nèi)人員定位進(jìn)行管理，所述計(jì)算警報(bào)等級(jí)的具體計(jì)算公式為：

47、a＝α1·drisk+α2·texposure+α3·scritical

48、其中，a表示警報(bào)等級(jí)，drisk表示危險(xiǎn)區(qū)域風(fēng)險(xiǎn)等級(jí)，texposure表示暴露時(shí)間，scritical表示區(qū)域內(nèi)關(guān)鍵設(shè)備情況，α1、α2和α3表示系數(shù)。

49、第二方面，本發(fā)明實(shí)施例提供了一種基于室內(nèi)人員定位的管理系統(tǒng)，其包括：對(duì)室內(nèi)人員進(jìn)行生物特征采集，建立動(dòng)態(tài)身份生物識(shí)別模型，利用云計(jì)算技術(shù)對(duì)動(dòng)態(tài)身份生物識(shí)別模型進(jìn)行計(jì)算，獲取生物特征數(shù)據(jù)；

50、將獲取的生物特征數(shù)據(jù)與云計(jì)算技術(shù)中云端存儲(chǔ)的備案信息進(jìn)行比對(duì)，采用超寬帶定位技術(shù)，結(jié)合動(dòng)態(tài)身份生物識(shí)別模型，完成室內(nèi)人員的精準(zhǔn)定位，獲取室內(nèi)人員的外委人員位置坐標(biāo)；

51、設(shè)置危險(xiǎn)區(qū)域，根據(jù)危險(xiǎn)區(qū)域和外圍人員位置坐標(biāo)，完成智能預(yù)警的安全處置，對(duì)室內(nèi)人員定位進(jìn)行管理。

52、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的基于室內(nèi)人員定位的管理方法的任一步驟。

53、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于室內(nèi)人員定位的管理方法的任一步驟。

54、本發(fā)明的有益效果為：本發(fā)明通過(guò)動(dòng)態(tài)身份生物識(shí)別模型、云計(jì)算技術(shù)和超寬帶定位技術(shù)的結(jié)合，實(shí)現(xiàn)了對(duì)室內(nèi)人員的精準(zhǔn)定位和智能預(yù)警，有效解決了生物特征采集不全、定位誤差大和預(yù)警機(jī)制不完善等現(xiàn)有技術(shù)缺陷，提高了生物特征采集的全面性和準(zhǔn)確性，確保每個(gè)人員的身份識(shí)別更加精準(zhǔn)，增強(qiáng)了定位精度，通過(guò)多重技術(shù)手段融合，顯著減少了定位誤差，完善了安全預(yù)警機(jī)制，基于動(dòng)態(tài)身份識(shí)別和實(shí)時(shí)定位，實(shí)現(xiàn)了對(duì)危險(xiǎn)區(qū)域的智能預(yù)警和安全處置，提升了管理的智能化和安全性。