CN107491719A - 基于物联网技术的汽车尾气在线监测系统 - Google Patents
基于物联网技术的汽车尾气在线监测系统 Download PDFInfo
- Publication number
- CN107491719A CN107491719A CN201610793263.1A CN201610793263A CN107491719A CN 107491719 A CN107491719 A CN 107491719A CN 201610793263 A CN201610793263 A CN 201610793263A CN 107491719 A CN107491719 A CN 107491719A
- Authority
- CN
- China
- Prior art keywords
- equipment
- pixel
- image
- sub
- binaryzation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims description 51
- 230000001815 facial effect Effects 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000006837 decompression Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 15
- 230000007246 mechanism Effects 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical group O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 208000010513 Stupor Diseases 0.000 description 1
- XOCUXOWLYLLJLV-UHFFFAOYSA-N [O].[S] Chemical compound [O].[S] XOCUXOWLYLLJLV-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- -1 oxynitrides Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000008275 solid aerosol Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于物联网技术的汽车尾气在线监测系统，包括汽车尾气在线检测设备和用户登录管理设备，汽车尾气在线检测设备用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作，用户登录管理设备与汽车尾气在线检测设备连接，用于控制用户对汽车尾气在线检测设备的访问。通过本发明，能够为授权用户提供更方便的汽车尾气在线监测服务。
Description
技术领域
本发明涉及尾气监测领域，尤其涉及一种基于物联网技术的汽车尾气在线监测系统。
背景技术
汽车尾气中含有上百种不同的化合物，其中的污染物有固体悬浮微粒、一氧化碳、二氧化碳、碳氢化合物、氮氧化合物、铅及硫氧化合物等。一辆轿车一年排出的有害废气比自身重量大3倍。英国空气洁净和环境保护协会曾发表研究报告称，与交通事故遇难者相比，英国每年死于空气污染的人要多出10倍。
作为空气污染的主要来源之一，机动车尾气近期成为社会关注焦点的PM2.5就属于固体悬浮颗粒的范畴。汽车尾气除了是大型城市PM2.5的主要来源之一外，还是很多城市大气污染的罪魁祸首之一，光化学烟雾就是其主要影响之一。光化学烟雾指的是大气中的碳氢化合物和氮氧化物在光照的作用下形成臭氧、醛类、酮类、PAN等二次污染物，其对人体的影响远大于氮氧化物和碳氢化合物。
在历史上，全球发生过若干次严重的光化学烟雾污染事件，地点无一例外均在大型和超大型城市。1970年，美国洛杉矶发生光化学烟雾时间，导致全城四分之三的居民患病，1971年日本东京发生光化学烟雾事件，导致当地学生出现中毒昏迷。可见，汽车尾气是城市在大型化和环境改善两者之间难以逾越的一条鸿沟。随着近年来我国经济的快速发展，国内出现了一大批大型城市和若干赶超世界水平的超大型城市，在城市大型化的发展过程中必然伴随着机动车保有量的激增，从而对大气环境带来巨大的压力，2013年初北京地区持续多日的雾霾天气就是强有力的证明。
因此，汽车尾气在线监测系统逐渐走入城市环境管理部门和汽车生产部门的视野中。但是，由于汽车尾气在线监测系统造价昂贵，为防止汽车尾气在线监测系统被滥用，需要对汽车尾气在线监测系统开发出一套鉴权机制，而现有技术中并不存在这样的机制。
发明内容
为了解决上述问题，本发明提供了一种基于物联网技术的汽车尾气在线监测系统，改造现有技术中汽车尾气在线监测系统，为汽车尾气在线监测系统增加鉴权机制，从而避免汽车尾气在线监测系统被无故滥用，避免给城市环境管理部门和汽车生产部门造成经济损失。
根据本发明的一方面，提供了一种基于物联网技术的汽车尾气在线监测系统，所述系统包括汽车尾气在线检测设备和用户登录管理设备，汽车尾气在线检测设备用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作，用户登录管理设备与汽车尾气在线检测设备连接，用于控制用户对汽车尾气在线检测设备的访问。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中，包括：汽车尾气在线检测设备，用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作；用户登录管理设备，分别与汽车尾气在线检测设备和特征向量比较子设备连接，用于在接收到人脸识别成功信号时，允许用户进入汽车尾气在线检测设备的尾气在线检测的访问界面，还用于在接收到人脸识别失败信号，禁止用户进入汽车尾气在线检测设备的尾气在线检测的访问界面；高清摄像头，设置在汽车尾气在线检测设备上，用于对用户进行拍照以获得高清图像；脸部图像分割设备，与高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；姿态调整设备，与脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出；图像规范设备，与姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处；特征提取设备，分别与图像规范设备和IP解包设备连接，对接收到的规范人脸图像进行处理；特征提取设备包括波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备；波动阈值选择子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择波动阈值大小，规范人脸图像的复杂度越高，选择的波动阈值越大，波动阈值为正数；像素处理子设备分别与波动阈值选择子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：以对象像素为中心像素，在规范人脸图像中获取3×3大小的对象像素矩阵，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵为3×3大小，二值化矩阵由8个二值化像素组成，参考像素大于等于对象像素与波动阈值之和，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素减去波动阈值后的差值，则参考像素对应的二值化像素的像素值为﹣1，其他取值的参考像素对应的二值化像素的像素值为0；矩阵拆分子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成一个正二值化矩阵和一个负二值化矩阵，正二值化矩阵由8个二值化像素值组成，负二值化矩阵也由8个二值化像素值组成，正二值化矩阵的每一个二值化像素值减去负二值化矩阵相应位置的二值化像素值能够得到对应二值化矩阵相应位置的二值化像素的像素值；十进制转换子设备与矩阵拆分子设备连接，用于将每一个对象像素对应的正二值化矩阵的所有二值化像素值按其在正二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标正二进制数，再将目标正二进制数转化成十进制数以作为目标正十进制数，还用于将每一个对象像素对应的负二值化矩阵的所有二值化像素值按其在负二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标负二进制数，再将目标负二进制数转化成十进制数以作为目标负十进制数；特征向量获取子设备分别与图像规范设备和十进制转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的正目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的正目标十进制数组成正一维特征向量，作为正目标特征向量输出，还用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的负目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的负目标十进制数组成负一维特征向量，作为负目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将正目标特征向量分别与各个基准正特征向量进行匹配，将负目标特征向量分别与各个基准负特征向量进行匹配，二者都匹配成功且匹配到的基准正特征向量对应的授权用户名称与匹配到的基准负特征向量对应的授权用户名称相同时，则输出人脸识别成功信号以及与匹配到的基准正特征向量对应的授权用户名称，否则将输出人脸识别失败信号；IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准正特征向量和各个基准负特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准正特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的正特征向量提取而获得的向量，每一个基准负特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的负特征向量提取而获得的向量；边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准正特征向量和各个基准负特征向量；其中，波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备分别由不同型号的CPLD芯片来实现。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中：显示设备，与高清摄像头连接，用于显示高清摄像头输出的图像内容。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中：显示设备为LCD显示屏。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中：显示设备为LED显示屏。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中，还包括：触摸屏，用于根据用户的操作，接收用户的输入信息。
更具体地，在所述基于物联网技术的汽车尾气在线监测系统中：触摸屏被集成在显示设备上。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于物联网技术的汽车尾气在线监测系统的结构方框图。
附图标记：1汽车尾气在线检测设备；2用户登录管理设备
具体实施方式
下面将参照附图对本发明的基于物联网技术的汽车尾气在线监测系统的实施方案进行详细说明。
现有技术中，汽车尾气在线监测系统缺乏有效的鉴权机制，容易被非授权人员滥用，在未经过培训的非授权人员的使用下，很容易给汽车尾气在线监测系统造成损害，从而造成较大的经济损失。
为了克服上述不足，本发明搭建了一种基于物联网技术的汽车尾气在线监测系统，利用现有的汽车尾气在线监测系统，引入高精度的面部识别机制和高效率的大容量通信机制，从而提供出可靠的汽车尾气在线监测系统的鉴权设备。
图1为根据本发明实施方案示出的基于物联网技术的汽车尾气在线监测系统的结构方框图，所述系统包括汽车尾气在线检测设备和用户登录管理设备，汽车尾气在线检测设备用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作，用户登录管理设备与汽车尾气在线检测设备连接，用于控制用户对汽车尾气在线检测设备的访问。
接着，继续对本发明的基于物联网技术的汽车尾气在线监测系统的具体结构进行进一步的说明。
所述系统包括：汽车尾气在线检测设备，用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作；用户登录管理设备，分别与汽车尾气在线检测设备和特征向量比较子设备连接，用于在接收到人脸识别成功信号时，允许用户进入汽车尾气在线检测设备的尾气在线检测的访问界面，还用于在接收到人脸识别失败信号，禁止用户进入汽车尾气在线检测设备的尾气在线检测的访问界面。
所述系统包括：高清摄像头，设置在汽车尾气在线检测设备上，用于对用户进行拍照以获得高清图像；脸部图像分割设备，与高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像。
所述系统包括：姿态调整设备，与脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出。
所述系统包括：图像规范设备，与姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处。
所述系统包括：特征提取设备，分别与图像规范设备和IP解包设备连接，对接收到的规范人脸图像进行处理；特征提取设备包括波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备；波动阈值选择子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择波动阈值大小，规范人脸图像的复杂度越高，选择的波动阈值越大，波动阈值为正数；像素处理子设备分别与波动阈值选择子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：以对象像素为中心像素，在规范人脸图像中获取3×3大小的对象像素矩阵，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵为3×3大小，二值化矩阵由8个二值化像素组成，参考像素大于等于对象像素与波动阈值之和，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素减去波动阈值后的差值，则参考像素对应的二值化像素的像素值为﹣1，其他取值的参考像素对应的二值化像素的像素值为0；矩阵拆分子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成一个正二值化矩阵和一个负二值化矩阵，正二值化矩阵由8个二值化像素值组成，负二值化矩阵也由8个二值化像素值组成，正二值化矩阵的每一个二值化像素值减去负二值化矩阵相应位置的二值化像素值能够得到对应二值化矩阵相应位置的二值化像素的像素值；十进制转换子设备与矩阵拆分子设备连接，用于将每一个对象像素对应的正二值化矩阵的所有二值化像素值按其在正二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标正二进制数，再将目标正二进制数转化成十进制数以作为目标正十进制数，还用于将每一个对象像素对应的负二值化矩阵的所有二值化像素值按其在负二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标负二进制数，再将目标负二进制数转化成十进制数以作为目标负十进制数；特征向量获取子设备分别与图像规范设备和十进制转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的正目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的正目标十进制数组成正一维特征向量，作为正目标特征向量输出，还用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的负目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的负目标十进制数组成负一维特征向量，作为负目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将正目标特征向量分别与各个基准正特征向量进行匹配，将负目标特征向量分别与各个基准负特征向量进行匹配，二者都匹配成功且匹配到的基准正特征向量对应的授权用户名称与匹配到的基准负特征向量对应的授权用户名称相同时，则输出人脸识别成功信号以及与匹配到的基准正特征向量对应的授权用户名称，否则将输出人脸识别失败信号。
所述系统包括：IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准正特征向量和各个基准负特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准正特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的正特征向量提取而获得的向量，每一个基准负特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的负特征向量提取而获得的向量。
所述系统包括：边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部。
所述系统包括：6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准正特征向量和各个基准负特征向量。
其中，波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备分别由不同型号的CPLD芯片来实现。
可选地，在所述控制平台中：显示设备，与高清摄像头连接，用于显示高清摄像头输出的图像内容；显示设备为LCD显示屏；显示设备为LED显示屏；还包括触摸屏，用于根据用户的操作，接收用户的输入信息；以及触摸屏被集成在显示设备上。
另外，人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。
生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
当前社会上频繁出现的入室偷盗、抢劫、伤人等案件的不断发生，鉴于此种原因，防盗门开始走进千家万户，给家庭带来安宁；然而，随着社会的发展，技术的进步，生活节奏的加速，消费水平的提高，人们对于家居的期望也越来越高，对便捷的要求也越来越迫切，基于传统的纯粹机械设计的防盗门，除了坚固耐用外，很难快速满足这些新兴的需求：便捷，开门记录等功能。人脸识别技术已经得到广泛的认同，但其应用门槛仍然很高：技术门槛高(开发周期长)，经济门槛高(价格高)。
人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
采用本发明的基于物联网技术的汽车尾气在线监测系统，针对现有技术中汽车尾气在线监测系统容易被无经验人员损坏的技术问题，通过在汽车尾气在线监测系统中增加基于人脸识别技术和基于物联网技术的鉴权设备，从而解决了上述技术问题。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (2)
1.一种基于物联网技术的汽车尾气在线监测系统，所述系统包括汽车尾气在线检测设备和用户登录管理设备，汽车尾气在线检测设备用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作，用户登录管理设备与汽车尾气在线检测设备连接，用于控制用户对汽车尾气在线检测设备的访问。
2.如权利要求1所述的基于物联网技术的汽车尾气在线监测系统，其特征在于，所述系统包括：
汽车尾气在线检测设备，用于为用户提供尾气在线检测的访问界面，以便于用户进行尾气在线检测操作；
用户登录管理设备，分别与汽车尾气在线检测设备和特征向量比较子设备连接，用于在接收到人脸识别成功信号时，允许用户进入汽车尾气在线检测设备的尾气在线检测的访问界面，还用于在接收到人脸识别失败信号，禁止用户进入汽车尾气在线检测设备的尾气在线检测的访问界面；
高清摄像头，设置在汽车尾气在线检测设备上，用于对用户进行拍照以获得高清图像；
脸部图像分割设备，与高清摄像头连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；
姿态调整设备，与脸部图像分割设备连接，用于接收脸部图像，并基于脸部图像获取脸部图像中左眼位置、右眼位置、鼻尖位置和嘴部位置，左眼位置与右眼位置形成两眼连线，鼻尖位置中心和嘴部位置中心形成中轴连线，当两眼连线和中轴连线构成的T字形状歪曲时，对脸部图像进行调整以纠正T字形状呈现竖直状态，并将调整后的脸部图像作为纠正人脸图像输出，当两眼连线和中轴连线构成的T字形状为竖直状态时，直接将脸部图像作为纠正人脸图像输出；
图像规范设备，与姿态调整设备连接，用于接收纠正人脸图像，对纠正人脸图像进行图像规范处理以获得规范人脸图像，其中，规范人脸图像中两眼连线的中心位置位于规范人脸图像水平方向的中间、垂直方向的从上往下的四分之一处；
特征提取设备，分别与图像规范设备和IP解包设备连接，对接收到的规范人脸图像进行处理；特征提取设备包括波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备；波动阈值选择子设备与图像规范设备连接，用于计算规范人脸图像的复杂度，基于规范人脸图像的复杂度选择波动阈值大小，规范人脸图像的复杂度越高，选择的波动阈值越大，波动阈值为正数；像素处理子设备分别与波动阈值选择子设备和图像规范设备连接，用于接收规范人脸图像，针对规范人脸图像的每一个像素作为对象像素执行以下处理：以对象像素为中心像素，在规范人脸图像中获取3×3大小的对象像素矩阵，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵为3×3大小，二值化矩阵由8个二值化像素组成，参考像素大于等于对象像素与波动阈值之和，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素减去波动阈值后的差值，则参考像素对应的二值化像素的像素值为﹣1，其他取值的参考像素对应的二值化像素的像素值为0；矩阵拆分子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成一个正二值化矩阵和一个负二值化矩阵，正二值化矩阵由8个二值化像素值组成，负二值化矩阵也由8个二值化像素值组成，正二值化矩阵的每一个二值化像素值减去负二值化矩阵相应位置的二值化像素值能够得到对应二值化矩阵相应位置的二值化像素的像素值；十进制转换子设备与矩阵拆分子设备连接，用于将每一个对象像素对应的正二值化矩阵的所有二值化像素值按其在正二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标正二进制数，再将目标正二进制数转化成十进制数以作为目标正十进制数，还用于将每一个对象像素对应的负二值化矩阵的所有二值化像素值按其在负二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标负二进制数，再将目标负二进制数转化成十进制数以作为目标负十进制数；特征向量获取子设备分别与图像规范设备和十进制转换子设备连接，用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的正目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的正目标十进制数组成正一维特征向量，作为正目标特征向量输出，还用于将规范人脸图像中每一个对象像素的像素值替换成该对象像素对应的负目标十进制数并按照对象像素在规范人脸图像中的位置将所有对象像素对应的负目标十进制数组成负一维特征向量，作为负目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将正目标特征向量分别与各个基准正特征向量进行匹配，将负目标特征向量分别与各个基准负特征向量进行匹配，二者都匹配成功且匹配到的基准正特征向量对应的授权用户名称与匹配到的基准负特征向量对应的授权用户名称相同时，则输出人脸识别成功信号以及与匹配到的基准正特征向量对应的授权用户名称，否则将输出人脸识别失败信号；
IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准正特征向量和各个基准负特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准正特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的正特征向量提取而获得的向量，每一个基准负特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的负特征向量提取而获得的向量；
边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；
6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准正特征向量和各个基准负特征向量；
其中，波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备分别由不同型号的CPLD芯片来实现；
显示设备，与高清摄像头连接，用于显示高清摄像头输出的图像内容；
显示设备为LCD显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793263.1A CN107491719A (zh) | 2016-08-31 | 2016-08-31 | 基于物联网技术的汽车尾气在线监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793263.1A CN107491719A (zh) | 2016-08-31 | 2016-08-31 | 基于物联网技术的汽车尾气在线监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107491719A true CN107491719A (zh) | 2017-12-19 |
Family
ID=60642470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610793263.1A Pending CN107491719A (zh) | 2016-08-31 | 2016-08-31 | 基于物联网技术的汽车尾气在线监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107491719A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102281025A (zh) * | 2011-08-08 | 2011-12-14 | 武汉理工大学 | 一种汽车尾气余热热电转换车载电源系统及控制方法 |
| EP2450831A2 (en) * | 2010-11-05 | 2012-05-09 | Ricoh Company, Ltd. | Method and system for detecting multi-view human face |
-
2016
- 2016-08-31 CN CN201610793263.1A patent/CN107491719A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2450831A2 (en) * | 2010-11-05 | 2012-05-09 | Ricoh Company, Ltd. | Method and system for detecting multi-view human face |
| CN102281025A (zh) * | 2011-08-08 | 2011-12-14 | 武汉理工大学 | 一种汽车尾气余热热电转换车载电源系统及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104637246B (zh) | 一种驾驶员多种行为预警系统及危险评估方法 | |
| CN107688884A (zh) | 安检集中管理系统 | |
| CN106650693A (zh) | 一种用于人脸比对的多特征融合识别算法 | |
| CN108009482A (zh) | 一种提高人脸识别效率方法 | |
| CN106446650B (zh) | 基于物联网技术的汽车尾气在线监测系统 | |
| CN109977771A (zh) | 司机身份的验证方法、装置、设备及计算机可读存储介质 | |
| CN109987102A (zh) | 一种基于卷积神经网络的高精度自动识别驾驶员不安全行为的方法与装置 | |
| CN105844245A (zh) | 一种伪装人脸检测方法及系统 | |
| CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
| CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
| CN113920491A (zh) | 基于面部骨架模型的疲劳检测系统、方法、介质、检测设备 | |
| EP4099198A1 (en) | Unlocking method and apparatus based on facial expression, and computer device and storage medium | |
| CN108985200A (zh) | 一种基于终端设备的非配合式的活体检测算法 | |
| CN204926116U (zh) | 一种包含视频分析的安检判图系统 | |
| CN109389146A (zh) | 基于神经网络图像分类算法的设备状态反馈方法及系统 | |
| CN112511541A (zh) | 一种基于云计算的智慧园区应急预警管理系统 | |
| CN108446673A (zh) | 一种基于面部识别的管制员疲劳预警方法 | |
| CN106407906B (zh) | 人脸面部识别方法 | |
| CN112435414A (zh) | 一种基于人脸识别的安防监控系统及其监控方法 | |
| CN107665328A (zh) | 人脸面部识别方法 | |
| CN114997279A (zh) | 一种基于改进Yolov5模型的建筑工人危险区域入侵检测方法 | |
| CN107491719A (zh) | 基于物联网技术的汽车尾气在线监测系统 | |
| CN117492814A (zh) | 生产运维变更方法及装置 | |
| CN117197755A (zh) | 社区人员身份监控识别方法及装置 | |
| Cheng et al. | Design of a System for Safe Driving based on the Internet of Vehicles and the Fusion of Multi-aspects Information |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171219 |