买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜东莞市德洋恩普电子科技有限公司申请的专利一种基于生物识别和行为分析的自适应智能门锁系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119107722B 。

龙图腾网通过国家知识产权局官网在2025-04-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411302026.1，技术领域涉及：G07C9/00；该发明授权一种基于生物识别和行为分析的自适应智能门锁系统是由赖泰明;周子龙设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于生物识别和行为分析的自适应智能门锁系统在说明书摘要公布了：本发明提供了一种基于生物识别和行为分析的自适应智能门锁系统。该系统包括生物识别模块、行为分析模块、自适应学习模块和控制模块。生物识别模块用于采集和比对用户的生物识别数据，如指纹、面部识别、虹膜扫描或声纹识别。行为分析模块记录用户的门锁使用频率、时间、运动轨迹和力度等行为交互数据，并计算用户的行为模式特征值。自适应学习模块通过分析历史行为数据，调整生物特征模板和行为模式标准，增强系统对用户特征变化的自适应性。控制模块负责综合处理生物识别验证信号和行为模式验证信号，决定是否发出开锁指令或触发安全警报。本发明通过结合生物识别和行为分析，提供了高效且灵活的智能门锁系统，显著提高了安全性和用户体验。

本发明授权一种基于生物识别和行为分析的自适应智能门锁系统在权利要求书中公布了：1.一种基于生物识别和行为分析的自适应智能门锁系统，其特征在于，包括：生物识别模块，用于采集用户的生物识别数据，其中，所述生物识别数据包括指纹、面部识别、虹膜扫描或声纹识别；将采集的生物识别数据与预先存储的用户生物特征模板进行比对；当比对结果满足预设的匹配阈值时，向控制模块输出生物识别验证通过信号；行为分析模块，用于记录用户与门锁的当前的行为交互数据，其中，所述行为交互数据包括用户的门锁使用频率、时间、接近门锁的运动轨迹数据和开锁操作的力度数据；基于记录的当前的行为交互数据，计算用户的当前行为模式特征值；将计算得到的当前行为模式特征值与预设的行为模式标准特征值进行比较；当比较结果满足预设的比较阈值时，向所述控制模块输出行为模式验证通过信号；自适应学习模块，与所述生物识别模块和行为分析模块通信，用于根据用户多次的生物识别操作，动态调整用户生物特征模板，以适应用户的生物特征的细微变化；根据用户的行为交互数据，动态调整用户的行为模式标准特征值；基于用户的历史行为交互数据，调整门锁的开锁条件或灵敏度；控制模块，与所述生物识别模块和行为分析模块通信，用于接收来自生物识别模块的生物识别验证通过信号；接收来自行为分析模块的行为模式验证通过信号；如果接收到生物识别验证通过信号以及行为模式验证通过信号，向门锁执行机构发送开锁指令，否则，保持门锁闭锁状态或触发安全警报；其中，所述自适应学习模块基于用户的历史行为交互数据，调整门锁的开锁条件或灵敏度，具体包括：计算用户历史行为交互数据的统计特征，包括平均值、标准差、峰值和谷值；基于所述统计特征，动态调整如下参数中的至少一种：生物识别模块的匹配阈值；行为分析模块的比较阈值；控制模块的开锁决策权重，其中，所述开锁决策权重用于平衡生物识别验证和行为模式验证在开锁决策中的重要性；所述自适应学习模块基于用户的历史行为交互数据，调整门锁的开锁条件或灵敏度，还包括：建立用户行为的正常范围模型，当检测到显著偏离该模型的行为时，提高系统的警惕度，要求额外的验证步骤；根据偏离程度和当前安全等级，从如下额外的验证步骤中选择一种或多种执行：a要求用户回答预设的身份验证问题；b向用户的预先注册的移动设备发送验证码，并要求用户输入该验证码；c启动实时视频通话功能，要求用户通过视频方式进行身份确认；d降低生物识别匹配阈值的容忍度，要求更高的匹配精度；e触发二次生物识别，要求用户提供两种或以上的生物识别数据；f启动地理位置验证，确认用户当前位置是否符合预期；g要求用户通过预设的手势或动作序列进行额外的行为验证；所述自适应学习模块基于用户的历史行为交互数据，调整门锁的开锁条件或灵敏度，还包括：建立高斯混合模型来拟合用户行为交互数据的概率分布，所述高斯混合模型的概率分布函数Px采用如下的公式1： 其中，x表示用户的行为交互数据，用户的行为交互数据x＝[x1,x2,…xi,…,xn]，其中，xi表示第i个维度的用于的行为交互数据，n表示行为交互数据的维度的总数量；πkx为第k个高斯分布的权重函数；表示第k个高斯分布的概率分布函数，μk为第k个高斯分布的均值；Σk为第k个高斯分布的协方差矩阵；K表示行为交互数据的维度的总数量；其中，权重函数πkx根据如下的公式2计算： 其中，α是用于控制动态调整的敏感度系数；Dkx为用户的行为交互数据x与第k个高斯分布的均值μk之间的马氏距离，Dkx的计算公式如下面的公式3所示： 使用期望最大化算法估计高斯混合模型的参数μk、Σk；根据估算出来的高斯混合模型的参数，利用公式1计算当前行为交互数据xnew的概率Pxnew；当概率Pxnew小于预设阈值TP时，认为当前行为偏离正常范围；通过如下的公式4提供的自回归时间序列模型，获取用户在当前时刻t的行为交互数据预测值 其中φi为第i个自回归系数；∈t为噪声项；p表示历史数据的滞后阶数；xt-i表示在时刻t-i获得的行为交互数据的实际值；根据如下的公式5，计算预测值与当前时刻t的行为交互数据实际值xt之间的差异数据Δx： 当PxnewTP且ΔxTAR时，系统判定用户行为异常，进行额外验证；具体包括：当TP1Pxnew≤TP2时，执行额外的验证步骤a或b；当TP2Pxnew≤TP3时，执行额外的验证步骤c或d；当TP3Pxnew≤TP时，执行额外的验证步骤e、f或g；其中，TP、TP1、TP2以及TP3为预先规定的阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东莞市德洋恩普电子科技有限公司，其通讯地址为：523000 广东省东莞市凤岗镇竹塘村浸校塘环村路170号汇鸿工业园厂房G栋二楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。