顺舟智能推出基于Zigbee的智慧教室物联网方案

随着智慧城市建设加快，以及国家对教育的重视，智慧校园、智慧教室的打造即将在各城市相继落地，重点解决传统校园、教室管理中出现的各类实际问题。

校园、教室管理常见状况及问题

在以往的校园管理及教室设备使用当中，往往存在以下几个问题：

（1）设备繁多，难以统一实现智能感知、控制管理；

（2）手动按键下拉投影幕布、开关灯、空调温度调节、排风扇开关等 *** 作太过繁琐，既浪费实际授课时间，教室上课体验大打折扣；

（3）各类设备使用情况及能耗没有清晰的数据可查及分析，不利于节能改进。

顺舟智能根据教室场景实际需求，推出智慧教室物联网方案，致力于实现教室场景的智慧化升级。

智慧教室物联网方案

顺舟智能基于Zigbee技术优势，Zigbee30网关及内嵌Zigbee模块，可实现对教室场景下的灯光、风扇、空调、窗帘、电教设备、智能门锁等电器设备实现智能化管控，节省人员管理成本，提高设备管理效率，同时为师生打造智慧化的教学/学习体验。

1、情景模式

情景策略为一组动作的集合， *** 作简单、高效。如早上开始一天的学习时段，空调、排风扇到点自动提前开启，改善教室内空气环境；学生进入教室时，门禁打开，音乐播放；老师上课时，投影打开，投影幕布下放，讲台灯光关闭或调暗等。通过场景开关和系统配置，一键进入预设的场景模式。如“上课场景”、“下课场景”、“多媒体场景”、“电教场景”等，可个性化定制。

2、智能门禁系统

智能门禁支持管理员便捷录入人员进出记录，实时掌握门禁状态及告警信息。此外，智能门禁系统结合人脸识别功能，有效保障学校教室安防、安全。

3、教室设备管理系统

设备实时状态显示：设备工作状态（如灯光开还是关）、设备故障显示（开关是否故障）可实时在线显示。 设备单独控制功能：各设备可以通过设备管理系统进行控制和管理，受控设备包括：空调，投影控制器，电脑，日光灯，窗帘、能源、环境设备、专业设备、门禁门锁等。

4、智慧环境监测系统

教室环境监测及调节。通过温湿度传感器、空气质量传感器等实现教室温湿度、空气质量等实时监测，环境数据实时回传至服务器、云平台，通过策略部署、设备联动，开启新风、加湿器、风扇等设备，调节教室环境。实现教室环境智能化管控，确保教学环境处于舒适状态。

5、智慧节能系统

通过物联网平台可远程调控、开关教室设备，设定情景模式、自定义时段进行设备开启关闭 *** 作，避免非教学时段设备长期开启、空转。同时，平台可进行能耗数据展示分析，清楚了解各区域、各类型设备用电情况，实现节能减排。

6、智慧用电安全系统

教室内部智能开关、智能插座、温控面板等均嵌入Zigbee模块，可以远程查询空气开关线路电压、漏电电流、线路功率、线路电流、开关状态等用电数据，同时设置漏电保护功能自动检测，以及区域内所有用电线路开关远程集控管理，自由分组设置定时开关等。

智慧教室物联网方案优势

1、设备覆盖面广、部署方便

支持教室内绝大部分可管理设备，包含了多媒体、空调、开关、能效插座、灯光、窗帘、环境监控、安防、电力等数十种物联网传感器和控制器。方案采用ZigBee无线协议，避免了传统的布线难题，通过简单的升级改造即可快速完成物联网硬件环境的部署，降低了硬件部署成本和施工难度，极大加快了部署速度。

2、智能化、便捷化使用

可灵活定制物联网场景和定时策略，实现设备的批量、定时自动控制。可根据温湿度、光感强度实现智能自动调节。

3、电能节能减排

实时探测关键能耗设备的电能消耗，实现能耗信息透明化，实现能耗的科学管理。

有很多人问照片和视频能不能通过人脸识别系统？答案是：不能。
随着技术的不断发展，人脸识别技术早已从图像识别发展到了生物识别。人脸识别建立在对人的脸部特征信息进行身份识别基础之上的一种生物识别技术。人脸识别的重点在于生命特征识别，没有生物特征，自然就不可以用来进行人脸识别，也就是说冒充不了活人。
既然是生物特征识别，那就要找到能唯一确定的特性，人脸就是其中之一（其他生物特征还有虹膜、指纹等）。一直以来，万维人脸识别技术不断在精度、稳定性、速度上进步与突破。为了防止被更高明的“骗子”骗到，人脸识别系统还加入了静默活体检测、红外活体检测、获取生物信号（心率等）、光流场、深度摄像头、语音指令配合等技术。
目前万维识别已经有很多企业与机构用户，将人脸识别应用到了各自不同的领域，如金融、公安、安防等。如腾讯优图将人脸识别应用在支付上，应用在公共安全抓捕逃犯上等等。随着5G、物联网的到来，在未来，人脸识别将会普遍应用到各个领域各个场景中。
人脸识别系统的工作流程：现代的人脸识别技术很难用照片轻松破解，因为现在的人脸识别系统绝大多数融入了活体检测技术，计算机可以判别出人脸是“真的”还是“假的”。
第一步：人脸图像采集及检测。通俗地讲，人脸检测就是“扫描”加“判定”，判别有效范围内是否存在人脸并将静态图像、动态图像信息采集下来。一般会用到参考模板法、人脸规则法、样品学习法、肤色模型法、特征子脸法等方法进行人脸判断。
第二步：人脸图像预处理。因为采集到的原始图像会收到各种条件的限制和干扰，所以需要进行灰度校正、噪声过滤等图像预处理。
第三步：人脸图像特征提取。基于人脸的某些特征（比如视觉特征、像素特征、变换特征等）进行人脸图像特征提取，形成特征数据。
第四步：人脸图像匹配与识别。将提取到的人脸图像特征数据与数据库中存储的特征模板进行搜索匹配，找到相似度最高的一个。
我们试想一下，未来我们在超市买了东西，直接经过出口，系统将直接从跟我们绑定的金融账户里扣费；我们去坐地铁，不再需要刷卡进闸，因为在闸门边上被装上了人脸识别系统，该系统将用户身份与账户绑定直接扣费；我们再也不需要因为不带身份z去坐飞机高铁火车，而需要证明我是不是本人了。还有许多场景……当然，这一切都需要先经过用户授权。

在当前利率市场化、互联网金融蓬勃发展、经济新常态三大因素形成共振的历史转折点上，我国商业银行经营模式面临着全新的变革。如何在精细化经营管理的基础上为客户提供更优质、更安全的服务体验，成为各商业银行竞争的焦点。近年来，云计算、物联网和人工智能技术变革式发展，相关应用百花齐放，对“大数据”资源的整合利用与智能化发展成为了商业银行提高“内力”的修炼法门。人脸信息有着不可复制、不可、简便直观等优点，是大数据时代各商业银行应储备和发掘价值的重要战略资源。而随着技术变革和应用的普及，建设大规模、分布式人脸数据库及识别系统的成本不断降低，识别的精度不断提高。可以预见，人脸识别技术在商业银行领域的潜在价值将被不断发掘提升，在保障服务安全性、节约客户时间、提升客户体验、整合与挖掘数据资源等方面具备广泛的应用前景。

人脸识别技术概述

人脸识别技术是以身份检索或校验为目标，通过从给定的静态或动态图像中提取人脸信息等手段，与数据库中已知身份人脸进行匹配的过程。由于受到光照、表情、遮挡、朝向等干扰因素的影响，与其他基于身份z、虹膜、掌纹、指纹等技术手段相比，人脸识别技术的准确率相对较低，但其采集方式最为友好：无须当事人配合，甚至在其意识不到的情况下，就完成了对人脸信息的采集与识别。因此，人脸识别技术在过去的四十多年中一直是人工智能领域的热点研究课题，至今已逐渐走向成熟，已经应用于反恐、安防、门禁等领域，近年来开始向教育、金融等领域推广。

根据应用场景的不同，人脸识别可分为针对二维图像的人脸识别、针对监控视频的人脸识别、针对近红外、热红外成像或素描等的多模态人脸识别和针对深度信息的三维人脸识别等。对于上述各种数据输入类型，均有来自学术界、业界的研究人员提出了基于不同假设、不同模型、不同学科背景的人脸识别处理方法。经归纳，这些方法有类似的处理步骤，主要包括以下几类：一是人脸检测。解决“有几张脸、脸在哪”的问题，即从或视频中检测并确定人脸的位置，并将其分离。二是人脸跟踪(针对视频人脸)。解决识别人脸“从哪来、到哪去”的问题，对检测到的每一张脸在视频各帧中进行跟踪，如出现遮挡应在遮挡结束后恢复跟踪，比如两张人脸交错而过应不出现混淆。三是人脸规范化。解决“鼻子、眼睛、嘴巴位置对得上”的问题，具体 *** 作包括预处理、归一化、人脸标定等。四是人脸识别。即解决“这个人是谁”(检索)、“这个人是不是某客户”(校验)的问题。

在建立人脸数据库及识别系统时，需要对人脸数据进行训练并建模，如果数据库动态更新还将涉及到在线学习等内容;识别人脸时，要把须识别的人脸与数据库中已有的人脸进行对比，判断二者相似程度，并按预先设定的标准进行检索或校验。人脸识别有多种方法，如：基于几何特征、基于子空间映射降维、基于模板、基于模型、基于神经网络等方法。

当前，基于“深度学习”的方法在一些算法竞赛中取得了很高的识别准确率，并迅速在业界投入应用。深度学习并不特指某一个算法，而是SparseCoding、RBM、深信度网络等技术方法的总称。作为一类基于神经网络的方法，根据认知心理学，其主要思想是模拟人类大脑神经的信号传递。与传统神经网络模型2～3层训练层不同，深度学习的训练层数可达8～9层。因此在2006年该思想被提出之初，海量的训练数据和很高的计算复杂度超出了当时硬件的承受能力。但由于计算机硬件性能的提升，深度学习算法在准确率方面的优势迅速凸显。目前，谷歌、微软、百度等公司都成立了专门的部门对深度学习技术进行研究开发，市场上也涌现出一批基于深度学习的人脸识别团队。目前，基于深度学习的方法已经成为人脸识别技术领域的重要发展趋势和方向。

此外，一些人脸分析技术也随着人脸识别技术的发展得到了普及和优化，包括对表情、年龄、性别等属性的判别，使基于这些属性信息的数据挖掘聚类、分类等大数据分析应用成为可能。人脸识别技术在实际应用中，还可以考虑与其他技术或辅助手段相结合，如结合深度信息实现活体检测，判断是真人还是照片等。

人脸识别技术在商业银行的应用

人脸识别技术当前主要应用于公共安全领域，如：识别追踪恐怖分子、布控犯罪率高发地区、机场安检、司机驾照验证、视频监控等。然而，人脸识别技术在商业银行同样存在着巨大的发展空间。未来，商业银行可以从安全防控和业务推动两方面着手，对人脸识别技术在银行落地进行全面部署和实施。

安全防控类应用场景

银行的安防难点之一是在动态场景下完成多个移动目标的实时监测。人脸识别技术在银行等人员密集的区域可以有效实现实时多目标在线检索和比对，实际应用效果良好。而且人脸信息易于采集、难以复制和、自然直观，因此人脸识别技术可成为商业银行安全防控手段的优先选择。在安全防控领域，银行人脸识别技术的应用场景有以下几类。

营业场所人员影像控制。在商业银行的营业场所，人脸识别可以通过“伪装识别”进一步确保银行经营的安全性。通过识别营业场所中面部遮挡(如戴墨镜、口罩)的人员，系统可实时与警方数据库中身份数据进行比对，一旦发现异常情况，可以迅速启动黑名单预警机制或采取联网报警措施。此外，还可以将采集到的嫌疑人面部照片提交公安机关，为后续预警和案件侦破提供有力证据。

业务库区人员身份识别。银行经营过程中对安全性的极高要求使其身份验证技术较其他领域更为严格。例如，在金库、押钞车、ATM机加钞室等特殊环境下，许多传统的身份验证方法均难以满足要求，例如验证密码容易被盗、指纹识别可被复制、门禁卡容易遗失。带有活体检测功能的人脸识别技术可克服上述缺陷，进一步提升银行安防与保密安全性。

ATM机智能识别报警。在以ATM机为代表的自助设备应用场景下，人脸识别技术同样具有广泛的应用空间。如：通过ATM机内置摄像头识别取款人身份，与yhk所有人信息进行比对，防止盗刷现象;识别伪装或故意遮挡面部的人员身份，与警方数据库进行比对，保证取款人安全。当上述情况发生时，系统可触发预先设定的报警规则，最大程度地保护银行客户的资金和人身安全。此外，人脸识别系统还可监测客户遗留财物的情况，实时提醒，提升用户体验。

业务推动类应用场景

当前人脸识别技术在银行业务推动领域的应用方兴未艾，各商业银行仍处于积极探索阶段。从商业银行业务推动的视角来看，人脸识别具有如下应用方式。

远程开户与登录。作为银行开户时的重要流程，面签不仅耗费客户时间，而且占用银行人力资源。通过用人脸识别替代传统的肉眼辨识工作，不仅可以节约时间和成本，完成从填写个人资料到面鉴开户再到取卡、激活的全流程 *** 作，提升用户体验，而且可以在全网范围内对客户身份及信用背景进行识别和关联，避免人工面签时受到心理、经验等因素的影响。此外，在客户通过手机银行或网上银行进行远程登录时，可以通过人脸识别代替传统的密码输入 *** 作，完成客户查询账单、xyk还款、个人卡间互转、定活期互转等个人资金划转等功能，避免密码被盗或遗忘等现象。

客户个性化服务。当前商业银行竞争日趋激烈，对客户资源的争夺已由产品导向型转化为服务导向型。通过定制化的个性服务提升客户体验将成为未来商业银行竞争的重要手段。运用人脸识别技术可以很好地完成对客户的识别和精准信息搜索，当某位客户进入营业网点后，可通过人脸识别技术快速判断客户是否为该行现有客户，准确获取客户姓名、年龄等信息，方便网点工作人员拉近与客户的距离。此外，通过对客户以往产品购买、交易流水、业务习惯等行为模式的提取和分析，进一步有针对性地为客户进行产品推介，从而有效提升营销成功率，与客户实现共赢。

人脸识别贷款发放。在银行贷款发放过程中，为有效杜绝冒名贷款、恶意骗贷等现象，可考虑引入人脸识别技术进行防控。基于贷款客户已在网点录入的人脸信息，通过数据共享，可以实现客户在全网点内的身份识别和验证，真正做到身份信息与银行信息的精准对应，实现贷款客户身份认证信息化、智能化、网络化管理。

综上可知，人脸识别技术在商业银行应用前景广阔。结合我国商业银行的实际经营情况，建议各银行根据自身业务发展，以业务推动为抓手，优先开展人脸识别技术在客户服务领域的部署与实施。这是因为：一方面从客户角度看，人脸识别技术直接应用于客户服务，能够解决客户最迫切的需求，给予客户最直观的服务体验，有助于快速提升客户满意度;另一方面从商业银行角度看，面向客户服务的人脸识别应用可以快速为银行创造利润，效果明显，可以为人脸识别在银行的全面落地奠定良好基础。

发展建议

人脸识别属于计算机科学应用研究而非基础理论，对不同算法进行比较和评价的依据是实验和实践。

当前，业界较为通行的人脸识别算法基准有LFW(LabeledFacesintheWild)和 FRVT(FaceRecognitionVendorTest)。LFW数据库由美国马萨诸塞大学阿默斯特分校建立，包含13,000余张，多数来自网络而非实验室环境。在数据库中，对同一个人物有的存在多张，有的只存在一张。由于均为日常环境下正常拍摄所得，实用性强，测试难度系数高，实验结果有说服力。学术界和业界分组别参与该项基准测试。FRVT由美国国家标准及技术研究所组织，目标为测试业界人脸识别算法的性能。该基准测试使用一个包含160万人的大数据库，不定期进行测试，最近的一次是在2013年，仅对业界开放。

国内商业银行在发展人脸识别技术具体应用落地时，除了考虑对LFW和FRVT两个业界权威标准进行参考外，还应立足于对一些实际情况的考量，建议可以优先选择国内的技术产品。一是因为国际上的算法普遍趋同，国外产品的实现效果与国内相比无显著性差异，但价格往往高于国内。二是考虑尽职调查和个性化定制谈判，国内的接洽成本远低于国外。三是监管风险，鉴于商业银行的数据属于核心金融数据，应充分考虑在监管要求下的用户数据安全，并尽可能规避国内外法律体系差异引起的法律风险。四是硬件约束，如果使用国外云服务API，可能出现跨国网络延迟的问题。五是在算法实现方面，国外技术训练数据集中黄种人的较少，可能影响应用效果。六是考虑产品售后服务和技术支持，国内产品的服务响应速度与国外相比存在较大优势。鉴于上述原因，国内商业银行在应用人脸识别技术时可优先考虑从国内领先的服务供应商中进行选择。

此外，在一些具体应用的功能设计方面，还应遵循相关监管政策与行业规范。以远程开户业务为例，央行2015年8月下发的《关于银行业金融机构远程开立人民币银行账户的指导意见(征求意见稿)》中要求：“银行采用现代化的安全技术手段，利用政府部门数据库、本行自身数据库信息、商业化数据库信息，通过客户信息交叉验证、其他银行账户交叉验证，电话回访、邮寄资料等方式，构建安全可靠的远程开户客户身份识别机制;同时，还可根据开立账户性质采取同一法人不同分支机构见证、通过第三方识别客户身份、上门查验身份z明文件等方式进行客户身份信息核实、开户银行承担客户身份识别责任。”将银行远程开户业务纳入监管，并明确银行是识别客户身份的责任主体。央行2015年12月25日发布的《关于改进个人银行账户服务加强账户管理的通知》将政策落地，其中明确“提供个人银行账户开立服务时，有条件的银行可探索将生物特征识别技术和其他安全有效的技术手段作为核验开户申请人身份信息的辅助手段。”人脸识别技术作为生物特征识别技术家族中的重要成员，预计将成为一种主流的备选方案。而随着业务发展，未来可能还会再出台更加细化的规范或指引。因此，各商业银行应注意加强对新政策、新规定进行学习，并与相关政府机构、监管部门保持沟通，从而在设计和实施相关流程与系统时做到合规。

随着硬件设备的快速升级和算法技术的不断发展，人脸识别技术逐步从学术研究走向业界应用，并展现出强大的生命力。人脸信息具有易于采集、难以复制和、自然直观等优点。人脸识别技术为商业银行安全防控和业务推动等应用模式提供了新的技术选择，并进一步开拓了业务运营模式。我国商业银行可以考虑从业务推动类服务入手，在借鉴国内外权威标准的基础上，优先选择国内有竞争力的服务提供商，有步骤、全方位地推动人脸识别技术在商业银行的落地实施。

在银行工作一个月多少钱

没关系
票必须“刷脸”！自然人代开全面收紧，切记这税务局正加强代开发票管理。近日，国家税务总局山东省税务局征管和科技发展处发布关于推行委托代征代开发票系统“刷脸”实名验证的通知。
目前，基于现有物联网的技术，用户可以通过扫描预设的二维码将预设的用户开票信息推送到商家的发票开票终端，在收款方人员的 *** 作下，通过联接的打印机，获得线下的纸质机打发票。这种方法相比传统的人工开票方法大大的提高了开发票的效率和准确性，但是这种方法需要客户借助于手机扫描现场的专用二维码，且需要收款方人员的帮助才能获得现场打印的纸质发票， *** 作繁琐

---