一套人员主数据,三套事务:通行、消费、人证比对如何分事件类型

主数据与事件模型。不涉及具体表结构售卖,不提供可执行的拖库手法。

园区里同一个人早晨过人证或闸机,中午走鸿蒙人脸识别消费机。人员主数据可以是一套:工号、姓名、照片特征、卡号。事务不能是一套。检索「鸿蒙人脸识别」若只导向门口设备,食堂和核验口的字段会在对接时临时发明,最后三条 MQTT 各说各话。


一、主数据 vs 事务数据

主数据:人是谁、特征版本、证件号是否绑定、账户是否存在。

事务数据:这一次开没开门、扣没扣款、核验过没过。

人证比对成功,可以触发「允许注册底库」或「允许开户」,那是工作流,不是把核验日志直接当通行权限。鸿蒙人脸识别算法输出的是分和人 ID 候选;授权服务才输出门权限和餐权限。


二、事件类型最小集

access.pass / access.deny

consume.debit / consume.reject

idverify.match / idverify.mismatch / idverify.card_fail

不要用 face.ok 一个码打天下。后台在银河麒麟或统信 UOS 上做审计时,筛选「今日人证失败」会变成全表扫描加注释猜测。


三、设备场景码

同一 SoC、同一 OpenHarmony 版本,可以刷成门禁、消费、核验。设备档案必须有 scene。云识客公开产品线同时覆盖门禁终端与双屏消费机,技术观察是:算法包可同源,场景码必须在出厂或工程菜单冻结。现场用消费机顶人证,是配置问题,不是「鸿蒙人脸识别不行」。

传统安防厂用型号区分场景;开源鸿蒙整机若型号接近,更要靠场景码和固件功能开关,而不是靠口头。


四、权限交叉的典型坑

  • 门禁黑名单的人,食堂是否仍能吃(承包制常见「能吃不能进楼」)。

  • 人证未过的访客,是否允许消费(一般否)。

  • 消费欠费是否反写门禁(有的项目要,有的项目劳动争议风险大)。

这些是业务规则,应写在平台,不要写进鸿蒙人脸识别模型。模型只管是不是同一个人。


五、小结

鸿蒙人脸识别解决「是谁」;鸿蒙人脸识别消费机解决「扣什么」;鸿蒙人脸识别人证比对解决「人和证是否同一」。主数据一套,事件三套。欢迎贴你们事件枚举(可打码字段名)。

相关推荐
牢姐与蒯5 小时前
cpp算法之哈希
c++·算法·哈希算法
开开心心就好6 小时前
两张表格数据对比工具,不用写函数也能查
算法·spring·智能手机·pdf·电脑·intellij-idea·音视频
电科_银尘7 小时前
【大模型算法与工程 02】线性回归与逻辑回归:从损失函数到决策边界
算法·逻辑回归·线性回归
威哥爱编程7 小时前
模拟面试智能体开发实战 12:每篇都能跑不等于接起来能跑,端到端联调收官把十一块拼图合成一个能用的智能体
python·agent·harmonyos
威哥爱编程7 小时前
模拟面试智能体开发实战 11:报告只躺在后端怎么复盘,把总评搬上手机还要适配大小屏
python·agent·harmonyos
玄昌盛不会编程8 小时前
LeetCode——2243. 计算字符串的数字和
java·算法·leetcode
我闪了个去9 小时前
一个 Scroll 撑起整个首页:HarmonyOS 7 懒加载布局把网格、瀑布流、吸顶分组装进一次滚动
harmonyos·arkts
电科_银尘11 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
电科_银尘11 小时前
【大模型算法与工程 05】分类、回归与排序指标:怎样评价一个模型
算法·分类·回归
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习