1.一种监狱工作区域人员身份辨识系统，其特征在于：包括第一立杆、第二立杆、第三立杆、重量传感器、距离传感器、机器视觉检测模块、结构光三维测量模块、显示子模块、工控机和辅助模块；机器视觉检测模块包括摄像机和LED补光灯，结构光三维测量模块包括远红外投射器和远红外摄像机，辅助模块包括第一红外传感器、第二红外传感器、第一声光报警模块、第二声光报警模块和管理端计算机；
第一立杆、第二立杆和第三立杆均为L型，第一立杆、第二立杆和第三立杆的竖直段下端均固定设置在监狱工作区域出入通道的左侧或右侧，第一立杆、第二立杆和第三立杆的水平段均位于监狱工作区域出入通道的上方，重量传感器设置在监狱工作区域出入通道的下方，距离传感器和第一声光报警模块设置在第一立杆的水平段上，机器视觉检测模块设置在第二立杆的水平段上，结构光三维测量模块和第二声光报警模块设置在第三立杆上，第一红外传感器和第二红外传感器分别设置在监狱工作区域出入通道入口处的左右两侧；
工控机通过工业以太网分别与摄像机、结构光三维测量模块和管理端计算机相连接；
工控机通过输入/输出模块分别与第一红外传感器、第二红外传感器、第一声光报警模块、第二声光报警模块、重量传感器和距离传感器相连接；工控机通过输入/输出模块对LED补光灯的开关进行控制；工控机通过HDMI总线与显示子模块连接；
工控机内部集成有人员身份辨识的智能算法；针对监狱工作区域的人员身份辨识问题，工控机的人员身份辨识具有两级分类辨识器；如果第一级分类辨识器的预测效果好，即前两位概率最大的人员概率差值大于10%，可不启用第二级分类辨识器，减少检测时间；第一级分类辨识器由深度卷积网络进行辨识，输入为调制后的人员重量和高度灰度图像及其机器视觉检测模块的拍照图像，输出为前三位概率最大的人员编号及其预测概率；第二级分类辨识器由支持向量机进行辨识，输入为人员重量、高度、第一级分类辨识器预测的前三位概率最大的人员编号及其预测概率以及内角间宽、口角间宽、眉宽、鼻根点到下唇点的鼻口高、鼻长宽比、鼻倾角六个脸部特征值，输出为前三位概率最大的人员编号及其预测概率。
2.根据权利要求1所述的一种监狱工作区域人员身份辨识系统，其特征在于：第一立杆、第二立杆和第三立杆由监狱工作区域出入通道的进口到出口的方向依次间隔布置，重量传感器的尺寸为80×80厘米，待辨识的人员依次通过重量传感器表面的称重感应区，前后相邻的待辨识的人员之间的间距大于1.2米；工控机通过输入/输出模块所述重量传感器进行通信，获取当前辨识人员的重量数据；
距离传感器设置在重量传感器正上方，距离传感器离地面2.0米，距离传感器内部由2×12个激光发射器及镜头构成，2个激光发射器及镜头水平方向的间距为12厘米，12个激光发射器及镜头垂直方向的间距为6厘米，距离传感器内部集成有计算处理单元，通过输入/输出模块与工控机进行连接，距离传感器一次采集的24组数据通过输入/输出模块中的串口485总线与工控机进行数据传输及其通信；所述重量传感器重量的阈值为30Kg，当重量传感器检测到有人员处于称重感应区时候，工控机启动距离传感器进行激光测距，每次测距间隔0.2秒；当重量传感器检测到人员离开称重感应区时，工控机停止距离传感器的激光测距动作；
机器视觉检测模块通过工业以太网受工控机控制；摄像机采集的多张图像后，由工控机通过图像预处理模块和离线训练的深度卷积网络进行辨识，输出前三位概率最大的人员编号及其预测概率；
结构光三维测量模块根据机器视觉检测模块预测的概率，进行单次或者不少于3次拍照测量；如果机器视觉检测模块预测的前两位概率最大的人员概率差值小于10%，结构光三维测量模块需要拍照不少于3次；根据其测量的人员脸部三维轮廓，计算眼内角间宽、口角间宽、眉宽、鼻根点到下唇点的鼻口高、鼻长宽比、鼻倾角六个脸部特征值；
当有待辨识人员越过通道，第一红外传感器和第二红外传感器将检测信息通过输入/输出模块传输给工控机，工控机进行分析处理后，通过第一声光报警模块和第二声光报警模块进行声光提醒。
3.根据权利要求2所述的一种监狱工作区域人员身份辨识系统，其特征在于：重量传感器可监测同时有多个人员处于称重感应区域的异常情况，其逻辑处理由工控机完成，如果有异常情况出现，工控机通过输入/输出模块控制第一声光报警模块发出提示音，提醒待辨识人员回退；判断单个人员进出称重感应区域的方法是：重量传感器的检测数据由0跳跃到
30Kg以上，持续0.5 3秒后，再由当前重量峰值快速衰减到0，重量的数据变化有一次上升沿~
和一次下降沿；判断多个人员进出称重感应区域的方法是：重量传感器的检测数据由0跳跃到30Kg以上，持续0.5 1.5秒后，再次跳跃到60Kg以上，再由当前重量峰值衰减到30Kg以上，~
最后衰减到0，重量的数据变化有两次上升沿和两次下降沿。
4.根据权利要求3所述的一种监狱工作区域人员身份辨识系统，其特征在于：距离传感器一次采集到24个数据后，交由工控机进行分析提取待辨识人员高度数据，其计算流程如下：
ⅰ、计算24个激光发射器与镜头的待辨识人员初步高度，人员初步高度为距离传感器的安装高度减去测量距离；
ⅱ、如果全部24个激光发射器与镜头的初步高度数据都小于1.0米，初步判断当前无人员需要辨识，返回高度数据为0，流程终止；
ⅲ、取出12个垂直方向的第一列初步高度数据，提取前5个最大的高度数据，并采用最小二乘抛物线进行拟合，将最小二乘抛物线的最大值作为第一列的待辨识人员高度数据；
同样，取出12个垂直方向的第二列初步高度数据，提取前5个最大的高度数据，并采用最小二乘抛物线进行拟合，将最小二乘抛物线的最大值作为第二列的待辨识人员高度数据；最小二乘抛物线的拟合方程为：
x为激光发射器的位置，y为待辨识人员高度；
ⅳ、比较第一列的待辨识人员高度数据和第二列的待辨识人员高度数据，将其最大值作为距离传感器的最终测量高度数据，计算流程终止。
5.根据权利要求4所述的一种监狱工作区域人员身份辨识系统，其特征在于：第一级分类辨识器，待辨识的人员重量和高度标量数据需要调制为256×256的灰度图像；待辨识人员重量调制为黑色圆的圆心坐标的X值和Y值，其调制方式如下：
上述公式中，X、Y为圆心坐标的X值和Y值，单位为像素；G为待辨识人员重量，单位为Kg；
待辨识人员高度调制为黑色圆的半径，其调制方式如下：
上述公式中，R为圆心半径，单位为像素；H为待辨识人员高度，单位为cm；待辨识人员身体质量指数调制为黑色圆的圆心坐标处的灰度值，其调制方式如下：
上述公式中，B1为黑色圆的圆心坐标处的灰度值，INT为向上取整；进一步，其他区域的灰度值B2的计算方法如下：
上述公式中， 为黑色圆的圆心坐标， 为待计算灰度值的其他区域坐标，如果计算后的 小于0，那么 =0。
6.根据权利要求5所述的一种监狱工作区域人员身份辨识系统，其特征在于：结构光三维检测模块对人员脸部轮廓提取的具体流程如下：
利用结构光三维测量模块的远红外投射器和远红外摄像机获取监狱工作区域人员头部的连续帧结构光图像，当待检测人员通过重量传感器的时候，远红外投射器开始工作，远红外摄像机拍照远红外图像；所述结构光三维测量模块中的结构光为已知空间方向的投影光线的集合，优选为面结构光，大小为512×512点结构光；
结构光三维测量模块通过移动云台滑动设置在半圆形导轨上，半圆形导轨水平设置且开口朝向监狱工作区域出入通道的入口，结构光三维测量模块为移动云台的负载，半圆形导轨沿圆周方向的左端、中部和右端分别设定为位置A、位置B和位置C，移动云台可在工控机的控制下，从半圆形导轨上的位置A移动到位置B或者位置C，反之亦然；进一步，移动云台根据当前的位置A、位置B或者位置C，始终将三维测量模块的视角对准半圆形导轨的圆心位置；半圆形导轨顶部安置在第三立杆的水平段上，远红外投射器与监狱工作区域出入通道底部的垂直距离处于2.0 2.1米之间；半圆形导轨半径为0.8 1.2米之间；通过远红外投射~ ~
器向外投射结构光，移动云台带动远红外投射器进行转动；
通过远红外摄像机获取待辨识人员脸部投射到的结构光图像，结构光三维检测模块是对难辨识人员进行补充的生物特征提取，因而，进行结构光三维检测模块阶段的人员检测时间可以适当延长，特别是机器视觉检测非常困难的人员，可通过位置A、位置B或者位置C，实现多个预定位置，获取多个角度的人员脸部三维轮廓数据。
7.根据权利要求6所述的一种监狱工作区域人员身份辨识系统，其特征在于：在工控机的控制下，远红外投射器发出结构光投射到待辨识人员脸部表面后，被脸部的三维轮廓调制，被调制的结构光经远红外摄像机采集，再通过工业以太网传送至工控机分析计算后，可得出脸部的三维轮廓；其中结构光的调制方式一般分为时间调制与空间调制两大类，时间调制方法中最常用的是飞行时间法，该方法记录了光脉冲在空间的飞行时间，通过飞行时间解算待辨识人员脸部的三维轮廓，空间调制方法为相位、光强性质被待辨识人员脸部的三维轮廓调制后都会产生变化，通过计算其变化量，获取脸部的三维轮廓；
进一步，根据人脸器官分布规律，针对脸部的三维轮廓，利用Hough变换、Susan算子相结合实现了正面人脸特征点的自动提取，再根据人体测量学方法对鼻尖区域进行定位，利用Susan算子提取鼻尖特征点，其次利用正面人脸照片定位的眉角点、眼角点、鼻尖点、嘴角点的距离关系，定位侧面人脸照片的眼角区域和嘴角区域，最后通过Susan算子提取侧面人脸相片的眼角点和嘴角点；提起特征点后，计算眼内角间宽、口角间宽、眉宽、鼻根点到下唇点的鼻口高、鼻长宽比、鼻倾角六个脸部特征值；若结构光三维测量模块检测到待辨识人员脸部表面有异常，工控机通过输入/输出模块和第二声光报警模块进行声光提醒。
8.根据权利要求7所述的一种监狱工作区域人员身份辨识系统，其特征在于：所述的图像预处理模块采用Sobel算子，对机器视觉检测模块中的拍照图像提取人的脸部图像，获取的子图像缩放到256×256像素图像，进行灰度化处理后，输入到所述第一级分类辨识器中；
进一步，将人员重量和高度调制的256×256像素灰度图像也输入到所述第一级分类辨识器中；
经过图像预处理的脸部灰度子图像，送入第一级分类辨识器中的A1卷积层，采用5×5窗口卷积操作后，生成254×254像素的15幅图像，再由深度卷积网络中的A2池化层进行压缩处理，生成127×127像素的15幅图像，之后，进行第二次卷积操作，送入深度卷积网络中的A3卷积层，采用3×3窗口卷积操作后，生成125×125像素的60幅图像，再由深度卷积网络中的A4池化层进行压缩处理，生成63×63像素的60幅图像，进一步，经过深度卷积网络中的A5全连接层处理，输出4096维度的向量，再进一步，经过深度卷积网络中的A6全连接层处理，输出1024维度的向量；
同样，将调制的256×256像素灰度图像，送入第一级分类辨识器中的B1卷积层，采用5×5窗口卷积操作后，生成254×254像素的15幅图像，再由深度卷积网络中的B2池化层进行压缩处理，生成127×127像素的15幅图像，之后，进行第二次卷积操作，送入深度卷积网络中的B3卷积层，采用3×3窗口卷积操作后，生成125×125像素的60幅图像，再由深度卷积网络中的B4池化层进行压缩处理，生成63×63像素的60幅图像，进一步，经过深度卷积网络中的B5全连接层处理，输出4096维度的向量，再进一步，经过深度卷积网络中的B6全连接层处理，输出1024维度的向量；
最后，由深度卷积网络中的A7汇集层，对A6全连接层输出1024维度的向量、B6全连接层输出1024维度的向量执行集合加法操作，生成表征待辨识人员身份的特征信息，为2048维度的向量，再由深度卷积网络中的A8软回归层输出N维向量，即监狱工作区域待辨识人员总样本数，表示待辨识人员身份概率分布。
9.根据权利要求3所述的一种监狱工作区域人员身份辨识系统，其特征在于：所述第二级分类辨识器由支持向量机进行辨识，支持向量机为工控机的内置软件模块；重量传感器和距离传感器采集到的数据存入工控机内部，所述第一级分类辨识器为工控机的内置软件模块，其预测的前三位概率最大的人员编号及其预测概率数据存入工控机内部，进一步，通过分析脸部三维轮廓数据，提取内角间宽、口角间宽、眉宽、鼻根点到下唇点的鼻口高、鼻长宽比、鼻倾角六个脸部特征值，并存入工控机内部；上述三大类特征值作为支持向量机的14维特征向量输入其中，辨识的输出为前三位概率最大的人员编号及其预测概率，最终的结果为概率最大的人员编号；
支持向量机的辨识模型通过离线进行训练，对于监狱工作区域需要辨识的N个人员，总共采集10×N样本的数据进行训练，训练后的支持向量机模型参数存入工控机的内置软件模块中；
管理端计算机对于系统没有成功辨识的人员进行手动辨识；管理人员通过摄像头对错误分类的人员进行不少于三次的拍照，再通过工业以太网传入工控机内部，更新第一级分类辨识器的当前人员样本数据库；进一步，系统在非工作时间对第一级分类辨识器进行重新训练学习；
工控机采用Linux开源操作系统，内置的第一级分类辨识器和第二级分类辨识器采用软件模块实现，通过多核并行运行，减少整个系统的辨识时间。
10.根据权利要求9所述的一种监狱工作区域人员身份辨识系统的身份辨识方法，其特征在于：主要包括以下步骤：
（A）由重量传感器检测人员队列是否异常，异常的判断方法为前述权利要求3所述；红外传感器进行辅助检测人员队列是否超越检测通道两侧；如果队列存在异常，工控机通过输入/输出模块控制第一声光报警模块提示待辨识人员注意秩序的维护，再次回到本步骤进行检测，如果队列正常，则进入下一步；
（B）通过串口485总线，获取待检测人员的重量信息，存入工控机内部；通过距离传感器内部的24个激光发射器与镜头，由工控机内部分析数据，由前5个最大的高度数据，进行最小二乘抛物线拟合，获取人员高度信息；
（C）由机器视觉检测模块获取图像后，采用Sobel算子，提取图像中人的脸部子图像，再将子图像缩放到256×256像素图像，进行灰度化处理；
（D）将重量、高度及身体质量指数调制为灰度图像，再将脸部子图像一并送入所述第一级分类辨识器中进行辨识，输出为前三位概率最大的人员编号及其预测概率；
（E）计算所述第一级分类辨识器输出的前两位概率最大的预测人员概率差值，如果差值大于10%，转入（I）步骤执行；
（F）由结构光三维测量模块，获取脸部三维轮廓数据；针对第一分离器辨识困难的人员，结构光三维测量模块在半圆形导轨上执行位置A、位置B和位置C的扫描，进一步，还能利用线性插值算法，在上述三个位置中增加拍照采样次数，提升三维轮廓数据的质量；
（G）由脸部三维轮廓数据，提取内角间宽、口角间宽、眉宽、鼻根点到下唇点的鼻口高、鼻长宽比、鼻倾角六个脸部特征值；
（H）将人员重量、高度、第一级分类器预测结果和六个脸部特征值，一并送入所述第二级分类辨识器由支持向量机进行辨识，辨识的输出为前三位概率最大的人员编号及其预测概率，最终的结果为概率最大的人员编号；
（I）显示子模块输出辨识信息，声光提示辨识结果，当前待检测区域人员检测完成；如果还在工作时间，系统转入（A）步骤继续执行辨识流程，对队列中的下一个辨识人员进行分析和辨识。