基于虹膜算法的电力智能安全管理系统
技术领域
本发明属于电力作业工器具管理系统技术领域，特别涉及一种基于虹膜算法的电力智能安全管理系统。
背景技术
我国目前供电企业的变电站、调度大楼、特种作业工器具室等重要场所的计算机管理已得到了广泛的应用，其技术越来越成熟，运行稳定性也越来越高，基本实现了登记人员、设备信息和查询设备存储状况的功能，但目前大多数重要场所的人员进出及重要设备、工器具的入库、领用、试验等功能都是依靠指纹、手掌、RFID芯片植入等手段来实现，其效果并不理想，指纹和手掌的唯一性并不能完全保证，另外芯片植入的方式造价较高，实现起来也较为麻烦，应用效果很不理想。目前虹膜身份认证技术日趋成熟，并且物联网RFID技术已经更新至条形码识别，鉴于虹膜身份识别技术的唯一性、非接触性和条形码RFID技术的低成本，易实现性，本次课题拟将最新的虹膜生物识别技术和RFID条形码技术，并结合无线网络应用，为用户提供准确快捷的人员、资产设备数据收集、统计、管理，实现对重要场所的人员出入管理及整个资产设备生命周期包括对资产设备的跟踪、定位、维修保养等进行实时跟踪管理。
申请号为201410028693.5的发明专利公开一种数字化保护装置自动测试控制系统及其控制方法，属于智能电力测试验证技术领域，所述系统包括检验解析模块、参数管理模块、61850客户端模块、测例管理模块、测试控制模块、报告输出模块和配置库模块。自动根据定值信息生成测试用例；针对数字化保护装置类型，建设测试案例库；自动将数字化保护装置的定值下装到装置；自动完成控制继电保护测试仪给数字化保护装置加量和控制报文；自动输出测试报告。对于二次继电保护厂家出厂快速完成检验、电力公司验收保护装置、智能电力现场装置测试等应用场景能大大降低工作人员的重复性、繁琐的工作，提高工作效率。
申请号为201320065724.5的实用新型专利提供了一种变电设施无人值守远程监控装置，所述的监控装置包括数据采集与监视控制装置、规约转换装置、网络交换机、网桥、卫星授时装置和远程控制中心，所述的数据采集与监控装置通过以太网与规约转换装置连接，所述的规约转换装置与网络交换机连接，所述的网络交换机通过网桥与远程控制中心连接，所述的卫星授时装置通过网桥与远程控制中心连接。本发明利用远程数据传输技术，将分散的变电站通过数据采集、接收、分析处理与控制，实现了遥控、遥测、遥信等数据的站级监控层、间隔级监控层以及信息交互层的远程数据传输与实时监控，本发明实现了变电站无人值守，降低生产管理成本，提高了管控水平与管护即时性，提高经济效益。
目前虹膜身份认证技术日趋成熟，并且物联网RFID技术已经更新至条形码识别，鉴于虹膜身份识别技术的唯一性、非接触性和条形码RFID技术的低成本，易实现性，如果将最新的虹膜生物识别技术和RFID条形码技术，并结合无线网络应用，就可以为用户提供准确快捷的人员、资产设备数据收集、统计、管理，实现对重要场所的人员出入管理及整个资产设备生命周期包括对资产设备的跟踪、定位、维修保养等进行实时跟踪管理。
发明内容
本发明的目的在于解决上述技术问题，提供一种基于虹膜算法的电力智能安全管理系统，为电力部门提供准确快捷的对人员信息、设备工具数据进行收集、管理，实现对每个作业人员每次领取的物品进行准确登记，防止工具丢失，同时实现人员和设备双重安全。
为解决上述技术问题，本发明的技术方案是：一种基于虹膜算法的电力智能安全管理系统，包括门禁、与门禁连接的可编程控制器、粘贴于工具上RFID标签、安装于工器具室外与可编程控制器连接的室外虹膜测试仪和安装于工器具室内与可编程控制器连接的室内虹膜测试仪，所述可编程控制器连接有虹膜存储模块、标签信息存储模块、人员及工具记录存储模块，所述标签信息存储模块连接有RFID标签阅读模块，所述门禁连接有时钟模块。
所述可编程控制器连接有室内光源和室外光源。
所述RFID标签内置gps定位模块。
所述工器具室内设有电磁波防盗系统。
所述RFID标签设置在工器具的凹槽内，所述凹槽内设有与之相匹配的密封透镜。
所述工器具室外的地面设有按压开关，所述按压开关与光源连接。
所述RFID标签阅读模块前设有供一个走过的限位转盘。
所述旋转盘下设有控制限位转盘转动的刹车机构，所述刹车机构包括设置于限位转盘底座内伸缩端与限位转盘转轴相对应的电动推杆，所述电动推杆的伸缩端固设有转轴相匹配的弧形刹车片。
所述转轴设有只能使转轴逆时针转动的棘轮机构。
所述刹车机构与可编程控制器连接。
使用上述系统对工器具进行跟踪、定位、维修保养管理方法，包括以下步骤：
1）作业人员需要领取工器具时，作业人员脚踏在按压开关上，光源接通，虹膜测试仪获取作业人员的虹膜图像；
2）对图像依次进行虹膜提取、归一化虹膜图像、特征提取、特征向量，可编程控制器获取特征向量与虹膜存储模块的数据进行对比，若作业人员的虹膜与虹膜存储模块的数据对比一致，可编程控制门禁控制门禁打开；若作业人员的虹膜与虹膜存储模块的数据对比不一致，控制发送信号来控制摄像头对当前的人脸进行摄像，并将所摄人脸图像传输至存储器保存；
3）作业人员进入工器具室，时钟模块根据设定的时间，当达到设定时间后，可编程控制器控制门禁关闭；
4）作业人员选取工具后，将工具在RFID标签阅读模块下扫描，若作业人员不将领取的工具全部扫描或不扫描，在走过电磁波防盗系统时，电磁波防盗系统检测到未扫描的工具，防盗器工作，电磁波防盗系统将报警信号传输给可编程控制器，可编程控制器控制虹膜测试仪进行拍照，并将所摄人脸图像传输至存储器保存。
5）待作业人员将领取的全部工具一一进行扫描后，可编程控制器收到RFID标签阅读模块传送的标签数据存储在人员及工具记录存储模块，作业人员通过电磁波防盗系统，电磁波防盗系统未检测到未扫描的工具，作业人员的虹膜与虹膜存储模块对比一致时，可编程控制器将此次作业人员的虹膜信息存储在人员及工具记录存储模块；同时可编程控制器控制门禁打开，作业人员领取完成。
在所述步骤4）中，通过可编程控制器设定只有当可编程控制器未收到报警信号和作业人员的虹膜与虹膜存储模块对比一致时，可编程控制器控制门禁打开，通过可编程控制器设定当可编程控制器收到报警信号，即使作业人员的虹膜与虹膜存储模块对比一致时，门禁处于关闭状态；
在所述步骤5）中，通过可编程控制器设定作业人员从扫描工具到打开门禁的时间为90秒，当作业人员进入限位转盘内，从作业人员开始扫描工具计时，同时可编程控制器控制电动推杆伸长，限位转盘不能旋转，下一个作业人员不能进入转盘，若超过90秒作业人员还没有打开门禁，可编程控制器控制虹膜测试仪对作业人员进行拍照，并将所摄人脸图像传输至存储器保存，可编程控制器通过无线通讯模块将上述人脸信息传输给后台，后台通过人脸电话通知作业人员出去，只有当可编程控制器获取门禁打开信息后，可编程控制器控制电动推杆缩回，限位转盘能够旋转，下一个作业人员进入转盘。
归一化虹膜图像，虹膜内外边界都为圆形，可以使用极坐标方法进行归一化，以瞳孔中心为起点,以虹膜内外边界的交点坐标分别为(xi(H),yi(H))和(x0(H),y0(H)),则利用式(1) , 即
![]()
可将虹膜图像中的每个点一一映射到极坐标(r ,H)中。由于上下眼皮会遮挡虹膜的顶端, 为了排除这部分，以瞳孔为中心, 逆时针截取的虹膜区域，然后将截取135度- 360度的虹膜区域在极坐标中展成矩形大小为40 *256 像素, 使矩形的行对应虹膜的半径，列对应所取的角度。
Haar 小波变换的虹膜识别算法，包括以下步骤，
如果基本小波![]()
满足容许条件
![]()
则对于任一函数![]()
其连续小波变换定义为：
![]()
其中尺度参数![]()
, b为平移参数. 根据Parseval定理, 式( 2) 可以写为：
![]()
其中![]()
是表示![]()
的Fourier 变换.采用二维小波变换, 对于任一函数![]()
,其连续小波变换定义为
![]()
其中二维小波![]()
也应满足相应的容许条件，所用的二维Haar 小波的表达式为
![]()
计算图像特征值之间的加权欧式距离(WED)的方法，包括以下步骤：先将参考图片的特征向量编译成.mat文件保存，再对测试图片提取特征向量并分别载入，用算法计算待测图像特征值与每幅标准图像特征值间的WED值，将结果一一对比，通过算法得到最小WED值的序号和数值；若待测虹膜特征值的WED在k时最小，并且此WED值小于设定的阈值，则认为待测虹膜是第k个虹膜，从而识别出虹膜，达到身份鉴定的目的；加权欧式距离(WED)的定义，其中Ai代表第i个子图的加权系数，BN和N分别代表子图的数目和从每个子图提取的特征总数。f(i,j)和fk(i,j)分别代表未知虹膜和第k个虹膜中第i个子图的第j个特征分量。
![]()
试验结果表明，用两种方法对虹膜图像进行识别的效果都比较理想，WED法的计算结果清楚明了，便于比较，准确率高，但判断耗费的时间较BP神经网络长；神经网络需要训练特征，对样本数量的需求比WED法大，但判断时间短，输出结果简单直观，便于分析。若改进神经网络的输入样本特征类型，有望提高神经网络识别虹膜图像的准确率；而WED法受图像的拍摄角度和拍摄距离的影响较大，若要减弱这种影响，提高识别的准确率，需要对提取特征的算法作进一步的改善。在图像预处理方面，选用灰度阈值和Haar 小波变换的方法分别对虹膜内外边界定位，并实现预期功能；通过算法实现对虹膜图像归一化以及直方图均衡的处理以突出其纹理特征。在特征提取方面，选取了多尺度二维Gabor滤波器方法对虹膜图像滤波，编程实现提取滤波后图像的信息；选择滤波后图像的平均绝对偏差作为特征值，利用算法将其编译成特征向量保存，进而对虹膜图像识别，鉴别效果达到预期。系统的先进性；1）该项目首次采用了基于Haar 小波变换与WED法相结合的高速智能虹膜身份识别技术，使生物识别的安全性、唯一性和识别速度都有了较大提高；2）该项目将虹膜身份识别技术、RFID条形码技术及无线网络技术一体化设计，接线简单、安装方便，降低了成本，便于推广。3）该项目将人员身份识别系统和设备、工器具管理系统有机结合，使用方便、减少投资，增加了经济效益，提高企业的安全管理效率。该项目研制的“基于虹膜算法的智能安全管理系统”将最新的虹膜生物识别技术、RFID条形码技术，并结合无线网络应用，为用户提供准确快捷的人员、资产设备数据收集、统计、管理，实现对重要场所的人员出入管理及整个资产设备生命周期包括对资产设备的跟踪、定位、维修保养等进行实时跟踪管理，提高了生产管理水平。采用基于Haar 小波变换与WED法相结合的高速智能虹膜身份识别技术为基础算法，并将虹膜身份识别技术、RFID技术及无线网络技术相结合，研制出基于虹膜算法的智能安全管理系统，为用户提供准确快捷的对人员信息、设备工具数据进行收集、管理，同时实现人员和设备双重安全。该系统采用模块化硬件结构，使系统可靠性、准确性、识别速度都有明显提高，该成果体现的高安全性和非接触性，是其他生物识别系统无法比拟的。本系统设计新颖合理,可靠性高、准确性高,功能完备,操作简单,灵活性强,可扩展性强,使用效果好,便于推广使用。
附图说明
下面结合附图对本发明做进一步地说明：
图1是本发明的结构模块示意图；
图2是本发明的结构示意图；
图3是本发明的刹车机构结构示意图；
图4是本发明基于虹膜算法的识别流程图。
具体实施方式
如图1、2、3、4所示，一种基于虹膜算法的电力智能安全管理系统，包括门禁1、与门禁1连接的可编程控制器11、粘贴于工具上RFID标签、安装于工器具室外与可编程控制器11连接的室外虹膜测试仪12和安装于工器具室内与可编程控制器连接的室内虹膜测试仪11，所述可编程控制器11连接有虹膜存储模块、标签信息存储模块、人员及工具记录存储模块，所述标签信息存储模块连接有RFID标签阅读模块3，所述门禁1连接有时钟模块。
所述可编程控制器11连接有室内光源和室外光源9。
所述RFID标签内置gps定位模块。
所述工器具室内设有电磁波防盗系统2。
所述RFID标签设置在工器具的凹槽内，所述凹槽内设有与之相匹配的密封透镜。
所述工器具室外的地面设有按压开关8，所述按压开关8与光源9连接。
所述RFID标签阅读模块3前设有一次供一个人走过的限位转盘4。
所述旋转盘4下设有控制限位转盘转动的刹车机构，所述刹车机构包括设置于限位转盘底座7内伸缩端与限位转盘转轴相对应的电动推杆6，所述电动推杆的伸缩端固设有转轴5相匹配的弧形刹车片。
所述转轴设有只能使转轴逆时针转动的棘轮机构。
所述刹车机构与可编程控制器连接。
使用上述系统对工器具进行跟踪、定位、维修保养管理方法，包括以下步骤：
1）作业人员需要领取工器具时，作业人员脚踏在按压开关上，光源接通，虹膜测试仪获取作业人员的虹膜图像；
2）对图像依次进行虹膜提取、归一化虹膜图像、特征提取、特征向量，可编程控制器获取特征向量与虹膜存储模块的数据进行对比，若作业人员的虹膜与虹膜存储模块的数据对比一致，可编程控制门禁控制门禁打开；若作业人员的虹膜与虹膜存储模块的数据对比不一致，控制发送信号来控制摄像头对当前的人脸进行摄像，并将所摄人脸图像传输至存储器保存；
3）作业人员进入工器具室，时钟模块根据设定的时间，当达到设定时间后，可编程控制器控制门禁关闭；
4）作业人员选取工具后，将工具在RFID标签阅读模块下扫描，若作业人员不将领取的工具全部扫描或不扫描，在走过电磁波防盗系统时，电磁波防盗系统检测到未扫描的工具，防盗器工作，电磁波防盗系统将报警信号传输给可编程控制器，可编程控制器控制虹膜测试仪进行拍照，并将所摄人脸图像传输至存储器保存；
5）待作业人员将领取的全部工具一一进行扫描后，可编程控制器收到RFID标签阅读模块传送的标签数据存储在人员及工具记录存储模块，作业人员通过电磁波防盗系统，电磁波防盗系统未检测到未扫描的工具，作业人员的虹膜与虹膜存储模块对比一致时，可编程控制器将此次作业人员的虹膜信息存储在人员及工具记录存储模块；同时可编程控制器控制门禁打开，作业人员领取完成。
在所述步骤4）中，通过可编程控制器设定只有当可编程控制器未收到报警信号和作业人员的虹膜与虹膜存储模块对比一致时，可编程控制器控制门禁打开，通过可编程控制器设定当可编程控制器收到报警信号，即使作业人员的虹膜与虹膜存储模块对比一致时，门禁处于关闭状态；
在所述步骤5）中，通过可编程控制器设定作业人员从扫描工具到打开门禁的时间为90秒，当作业人员进入限位转盘内，从作业人员开始扫描工具计时，同时可编程控制器控制电动推杆伸长，限位转盘不能旋转，下一个作业人员不能进入转盘，若超过90秒作业人员还没有打开门禁，可编程控制器控制虹膜测试仪对作业人员进行拍照，并将所摄人脸图像传输至存储器保存，可编程控制器通过无线通讯模块将上述人脸信息传输给后台，后台通过人脸电话通知作业人员出去，只有当可编程控制器获取门禁打开信息后，可编程控制器控制电动推杆缩回，限位转盘能够旋转，下一个作业人员进入转盘。
虹膜定位，在进行虹膜模式匹配前,应对虹膜的边界进行定位,换言之,就是要找出瞳孔与虹膜之间( 内边界)、虹膜与巩膜之间( 外边界) 的2 个边界。通过Canny 边缘检测算子对获得的虹膜图像进行边缘检测, Canny 边缘检测器是高斯函数的一阶导数。是对信噪比与定位之乘积的最优化逼近算子,只要选择一个适当的阈值, 能够定位出虹膜的边缘, 然后通过Daugman的圆形检测算子对虹膜图像进行精确定位, 这样便得到虹膜的精确位置，通过这种方法，定位不仅准确,而且速度很快,约0.8s, 可以满足实时性的要求，通过虹膜定位，将虹膜从图像中分离出来。
由于光照强度及虹膜震颤的变化,瞳孔的大小会发生变化,而且在虹膜纹理中发生的弹性变形也会影响虹膜模式匹配，因此,为了实现精确的匹配，必须对定位后的虹膜图像进行归一化,补偿大小和瞳孔缩放引起的变异。归一化虹膜图像，虹膜内外边界都为圆形，可以使用极坐标方法进行归一化，以瞳孔中心为起点,以虹膜内外边界的交点坐标分别为(xi(H),yi(H))和(x0(H),y0(H)),则利用式(1) , 即
![]()
可将虹膜图像中的每个点一一映射到极坐标(r ,H)中。由于上下眼皮会遮挡虹膜的顶端, 为了排除这部分，以瞳孔为中心, 逆时针截取的虹膜区域，然后将截取135度- 360度的虹膜区域在极坐标中展成矩形大小为40 *256 像素, 使矩形的行对应虹膜的半径，列对应所取的角度。
Haar 小波变换的虹膜识别算法，包括以下步骤，
如果基本小波![]()
满足容许条件
![]()
则对于任一函数![]()
其连续小波变换定义为：
![]()
其中尺度参数![]()
, b为平移参数. 根据Parseval定理, 式( 2) 可以写为：
![]()
其中![]()
是表示![]()
的Fourier 变换.采用二维小波变换, 对于任一函数![]()
,其连续小波变换定义为
![]()
其中二维小波![]()
也应满足相应的容许条件，所用的二维Haar 小波的表达式为
![]()
这里选择Haar小波的原因是它具有正交性、紧致性及广义线性相位。本项目提出的基于Haar 小波变换的虹膜识别算法无论从速度和识别准确率上都可以满足识别的要求. 这种算法由于缩短了编码长度, 从而减少了计算量, 提高了编码速度, 有利于实时识别，实验结果表明算法具有良好的鲁棒性。
多尺度二维Gabor滤波技术，人眼的虹膜从形状到纹理结构具有许多可供区分、鉴定的特征，为了提取这些特征信息，需对虹膜图像进行分解，对从中提取的信息编码。现在最常用的特征提取算法为利用Gabor函数对图像滤波，提取相位信息编码。
二维Gabor函数是一维Gabor函数的二维拓展形式，引入高斯函数作为其窗函数。在窗形区域内，该函数与人眼视觉细胞的二维接受域波形极其相似，适合分析图像不同频率的细节信息，而通过参数调整，可以使Gabor函数具有不同的空间局部化特征，如方向选择性、频率选择性和二次相位关联性。
在提取了虹膜图像的特征信息后，要对其进行分类，以达到识别图像的目的。本文提出了两种匹配方法对虹膜图像进行识别，一种是计算图像特征值之间的加权欧式距离(WED)的方法，另一种是利用学习了足够特征信息的BP神经网络对图像进行识别的方法。
计算图像特征值之间的加权欧式距离(WED)的方法，包括以下步骤：先将参考图片的特征向量编译成.mat文件保存，再对测试图片提取特征向量并分别载入，用算法计算待测图像特征值与每幅标准图像特征值间的WED值，将结果一一对比，通过算法得到最小WED值的序号和数值；若待测虹膜特征值的WED在k时最小，并且此WED值小于设定的阈值，则认为待测虹膜是第k个虹膜，从而识别出虹膜，达到身份鉴定的目的；加权欧式距离(WED)的定义，其中Ai代表第i个子图的加权系数，BN和N分别代表子图的数目和从每个子图提取的特征总数。f(i,j)和fk(i,j)分别代表未知虹膜和第k个虹膜中第i个子图的第j个特征分量。
![]()
新工器具采购完成准备入库时，需要将每个工器具都贴上 RFID 标签。在向数据库录入工器具的信息时，还需要将其置于 RFID 读写器处，让读写器将写入系统为该工器具分配的 ID 号写入标签条形码中。此后，当有工器具需要变更状态时，如借出、报修、归还等，都需要持工器具从 RFID 读写器前通过，RFID 读到标签，传给系统，系统根据功能需求自动进行相关处理。
试验结果表明，用两种方法对虹膜图像进行识别的效果都比较理想，WED法的计算结果清楚明了，便于比较，准确率高，但判断耗费的时间较BP神经网络长；神经网络需要训练特征，对样本数量的需求比WED法大，但判断时间短，输出结果简单直观，便于分析。若改进神经网络的输入样本特征类型，有望提高神经网络识别虹膜图像的准确率；而WED法受图像的拍摄角度和拍摄距离的影响较大，若要减弱这种影响，提高识别的准确率，需要对提取特征的算法作进一步的改善。在图像预处理方面，选用灰度阈值和Haar 小波变换的方法分别对虹膜内外边界定位，并实现预期功能；通过算法实现对虹膜图像归一化以及直方图均衡的处理以突出其纹理特征。在特征提取方面，选取了多尺度二维Gabor滤波器方法对虹膜图像滤波，编程实现提取滤波后图像的信息；选择滤波后图像的平均绝对偏差作为特征值，利用算法将其编译成特征向量保存，进而对虹膜图像识别，鉴别效果达到预期。系统的先进性；1）该项目首次采用了基于Haar 小波变换与WED法相结合的高速智能虹膜身份识别技术，使生物识别的安全性、唯一性和识别速度都有了较大提高；2）该项目将虹膜身份识别技术、RFID条形码技术及无线网络技术一体化设计，接线简单、安装方便，降低了成本，便于推广。3）该项目将人员身份识别系统和设备、工器具管理系统有机结合，使用方便、减少投资，增加了经济效益，提高企业的安全管理效率。该项目研制的“基于虹膜算法的智能安全管理系统”将最新的虹膜生物识别技术、RFID条形码技术，并结合无线网络应用，为用户提供准确快捷的人员、资产设备数据收集、统计、管理，实现对重要场所的人员出入管理及整个资产设备生命周期包括对资产设备的跟踪、定位、维修保养等进行实时跟踪管理，提高了生产管理水平。采用基于Haar 小波变换与WED法相结合的高速智能虹膜身份识别技术为基础算法，并将虹膜身份识别技术、RFID技术及无线网络技术相结合，研制出基于虹膜算法的智能安全管理系统，为用户提供准确快捷的对人员信息、设备工具数据进行收集、管理，同时实现人员和设备双重安全。该系统采用模块化硬件结构，使系统可靠性、准确性、识别速度都有明显提高，该成果体现的高安全性和非接触性，是其他生物识别系统无法比拟的。本系统设计新颖合理,可靠性高、准确性高,功能完备,操作简单,灵活性强,可扩展性强,使用效果好,便于推广使用。