CN107702020B - 一种多功能联动的智慧路灯控制方法 - Google Patents

Abstract

本发明公开一种多功能联动的智慧路灯控制方法，包括如下步骤：1)、实现单个功能的管理和控制；2)、实现摄像头与报警人联动；3)、实现摄像头与充电车辆联动；4)、实现多功能联动控制算法；5)、多功能联动智慧路灯控制算法的调试和试运行。本发明实现视频监控、智能充电和一键报警等多功能的联动，采用卷积神经网络进行对报警人和充电车辆进行检测跟踪。通过深度学习算法能提高报警人和充电车辆识别的准确率，通过智慧路灯各个功能之间的联动能发挥各个功能模块的作用，极大地方便运维人员的日常工作。

Description

一种多功能联动的智慧路灯控制方法

技术领域

本发明属于电力照明领域，具体涉及一种多功能联动的智慧路灯控制方法。

背景技术

作为智慧城市的重要节点，智慧路灯采用先进的智能控制技术、无线通信技术、电源管理技术，实现路灯的自动化、信息化和智能化。以路灯作为智慧城市发展建设中的基础设施能起到事半功倍的效果，因此智慧路灯的建设势在必行，国内外多家厂家开发了相应的产品。欧司朗开发的智能方案是将LED灯具连接到1个利用光管理软件单独控制的网络，形成1个灯具网。经过计算机的计算和分析，优化软件设置，按照特定时间、空间和环境状况调节灯具状态。华为在CeBIT 2016上发布了业界首个多级智能控制照明物联网解决方案。这一方案最大的亮点是可以根据实时状况调整照明，从而提高节能效率。厦门市智联信通物联网科技有限公司提出的智慧城市方案，通过路灯杆及智慧型路灯，实时视频监控，平安城市无缝覆盖；全城各区域的PM2.5、温湿度、噪音等环境指数实时掌握；城市洼地水位实时预警监控，维护城市安全。上海三思电子工程有限公司以LED路灯为载体，实现了智慧照明、充电桩、智慧安防、无线上网、信息交互、智能感知和4G基站等功能。但是，目前市场上的智慧路灯各个功能模块之间都是孤立的，模块之间缺少联动，不能充分发挥各个功能模块的作用。当出现异常情况时，不能准确判别，给运维人员的日常工作带来了极大的困难。因此，我们迫切需要一种多功能联动的智慧路灯控制方法。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种多功能联动的智慧路灯控制方法，实现视频监控、智能充电和一键报警等多功能的联动，采用卷积神经网络进行对报警人和充电车辆进行检测跟踪，通过深度学习算法能提高报警人和充电车辆识别的准确率，通过智慧路灯各个功能之间的联动能发挥各个功能模块的作用，极大地方便运维人员的日常工作。

为了实现上述目的，本发明所采用的技术方案是：一种多功能联动的智慧路灯控制方法，其特征在于，所述方法包括以下步骤：

(1)实现单个功能的管理和控制：根据不同的实际需求，开发智慧路灯的不同功能，使智慧路灯除智能照明外还集成有无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警中的单个或者多个功能，实现智能照明、无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警7个功能模块的单独管理和控制；

(2)实现摄像头与报警人联动：采用摄像头在一键报警终端的附近拍摄图像，当出现有人报警时，摄像头通过云台实时检测并跟踪报警人；

(3)实现摄像头与充电车辆联动：当出现车辆充电时，摄像头通过云台实时检测并跟踪车辆；

(4)实现多功能联动控制：当摄像图像内检测到报警人时，视频监控与一键报警功能联动；当摄像图像内检测到充电车辆时，视频监控与智能充电功能联动，当同时检测到报警人和车辆充电时，摄像头优先与一键报警功能进行联动，当检测到报警人离开后，再与充电桩的功能进行联动；

(5)多功能联动智慧路灯控制算法的调试和试运行：模拟一键报警和充电桩功能，收集现场报警人和充电车辆的图像作为训练样本，每个类别的样本量达到5000，为了增大样本的容量，提高算法的鲁棒性，对试运行阶段的样本进行人工确认后，重新作为训练样本，通过试运行，对卷积神经网络的参数进行调整和优化。

进一步地，摄像头与报警人联动的实现过程包括：

步骤1：生成候选区域，通过旋转云台，摄像头在以一键报警终端为圆心，r_a为半径的圆圈内拍摄图像，产生大量的候选区域；

步骤2：区域大小归一化，把所有侯选框缩放成固定大小；

步骤3：特征提取，通过卷积神经网络LeNet-5模型提取拍摄图像的特征，该模型的层数为8，结构表示为：输入层—卷积层—池化层—卷积层—池化层—全连接层—全连接层—输出层，卷积层的形式如下式所示：

其中，l代表模型的层数，k代表卷积核，M_j代表第l-1层的第k个特征图，b代表输出图的偏置，f代表激活函数，激活函数采用ReLU函数，其数学表达式如下：

f(x)＝max(0,x)

池化层采用最大值操作，通过保留最显著特征，提升模型的畸变容忍能力；

步骤4：分类与检测，在特征层的基础上，采用支持向量机SVM分类器来做识别，对SVM分类器进行训练，SVM分类器有两个类别，分别是有报警人和没有报警人的图像，将200×200像素固定区域的图像输入训练好的SVM分类器，当识别图像中有报警人时，则判断有人按下一键报警终端。

进一步地，摄像头与充电车辆联动的实现过程包括：

采用卷积神经网络对充电车辆进行检测，摄像头在以充电桩为圆心，r_b为半径的圆圈内进行检测；

当出现车辆充电时，摄像头通过云台实时检测并跟踪车辆；

若充电过程出现异常，运维人员在后台实时查看，并提供相关的帮助。

进一步地，多功能联动控制的实现过程包括：

步骤1：监控智慧路灯周围，将摄像头设定固定的模式监控智慧路灯周围的情况，在东南西北四个方向设置固定的点，摄像头每天在这四个点上轮回进行监控；

步骤2：判断是否有人报警，若有，则转步骤3；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况；

步骤3：监控报警人，当有行人报警时，报警信号传到后台，采用卷积神经网络对行人按报警器的状态进行检测，摄像头在以一键报警终端为圆心，r_a为半径的圆圈内检测，若检测到报警人，则摄像头自动调整角度，监控报警人，当报警人离开检测区域后，转步骤1；

步骤4：判断是否有车辆充电，若有，则转步骤5；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况；

步骤5：监控充电车辆，当有车辆充电时，充电信号传到后台，采用卷积神经网络对车辆充电的状态进行检测，摄像头在以充电桩为圆心，r_b为半径的圆圈内进行检测，若检测到充电车辆，则摄像头自动调整角度，对准充电车辆，监控充电车辆，当充电车辆离开检测区域后，转步骤1。

与现有技术相比，本发明具有如下的有益效果：本发明的多功能联动的智慧路灯控制方法，是针对集智能照明、无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警等功能于一体的智慧路灯而设计的控制方法，其不仅可以实现单个功能的管理和控制；还可以实现摄像头与报警人的联动、摄像头与充电车辆联动、以及多功能联动实时控制。通过智慧路灯各个功能之间的联动能发挥各个功能模块的作用，极大地方便运维人员的日常工作。

附图说明

图1是一种多功能联动的智慧路灯的示意图。

图2是基于卷积神经网络的报警人和充电车辆检测跟踪算法流程。

图3是智慧路灯多功能联动策略。

具体实施方式

为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容，但本发明的内容不仅仅局限于下面的实施例。本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。

一种多功能联动的智慧路灯控制方法的实现步骤如下：

1)、实现单个功能的管理和控制。根据不同的实际需求，开发智慧路灯的不同功能。本发明所针对的智慧路灯是集智能照明、无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警等功能的软硬件综合平台，参见图1。

目前，市场上智慧路灯的需求主要集中于通过改造路灯节省耗能，由于移动互联网的普及，手机无线上网已成为现代人出行的必备，因此智能照明和无线网络成为了智慧路灯必备的功能。视频监控对于安防和交通监控来说十分重要，充电桩的应用将影响交通，在繁华道路不便于部署。出于适用性和经济性的考虑，信息发布、微环境监测和一键报警功能只需要在重要路段部署即可。因此，可以将智慧路灯设计为三种配置：简配、标配和高配，各个配置的详细功能如下：

表1智慧路灯的配置

实现智能照明、无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警7个功能模块的单独管理和控制，例如算法能根据不同光照和不同时间自动调节LED灯的亮度，实现摄像头水平方向360°连续旋转，实现微环境监测数据自动上传和预警。

2)、实现摄像头与报警人联动。卷积神经网络可以直接从原始图像中识别物体，通过局部接受域、权值共享和子采样实现对位移、缩放和扭曲的不变性，在图像处理领域得到了广泛应用。在一键报警终端的附近，采用卷积神经网络对行人按报警器的状态进行检测，参见图2，详细的步骤如下：

步骤1：生成候选区域。通过旋转云台，摄像头在以一键报警终端为圆心，r_a(r_a＝0.5m)为半径的圆圈内拍摄图像，产生大量的候选区域。

步骤2：区域大小归一化。把所有侯选框缩放成固定大小，本发明采用400×400(单位为像素)的固定区域。

步骤3：特征提取。综合考虑计算速度和识别准确率，通过卷积神经网络LeNet-5模型提取拍摄图像的特征，该模型的层数为8，结构可以表示为：输入层—卷积层—池化层—卷积层—池化层—全连接层—全连接层—输出层。卷积层的形式如下式所示：

其中，l代表模型的层数，k代表卷积核，M_j代表第l-1层的第k个特征图，b代表输出图的偏置，f代表激活函数。ReLU函数能很好地传递梯度，经过多层的反向传播后，梯度仍不会大幅缩小，解决了梯度弥散的问题。本发明中激活函数采用ReLU函数，其数学表达式如下：

f(x)＝max(0,x)

池化层采用最大值操作，通过保留最显著特征，提升模型的畸变容忍能力。

步骤4：分类与检测。在特征层的基础上，采用支持向量机(Support VectorMachine，SVM)分类器来做识别。对SVM分类器进行训练，SVM分类器有两个类别，分别是有报警人和没有报警人的图像。将200×200(单位为像素)固定区域的图像输入训练好的SVM分类器，当识别图像中有报警人时，则判断有人按下一键报警终端。

摄像头在一键报警终端的附近拍摄图像，当出现有人报警时，摄像头通过云台实时检测并跟踪报警人。若有人误报警，运维人员通过后台系统查看现场报警的视频情况，及时排除异常情况，避免无效的救援。

3)、实现摄像头与充电车辆联动。按照图2中的流程，采用卷积神经网络LeNet-5模型对充电车辆进行检测，摄像头在以充电桩为圆心，r_b(r_b＝1.5m)为半径的圆圈内进行检测。当出现车辆充电时，摄像头通过云台实时检测并跟踪车辆。若充电过程出现异常，运维人员在后台能实时查看，并提供相关的帮助。对于视频中的充电车辆图像，采用卷积神经网络还可以进行车牌、车辆类型、车身颜色和车标等信息识别，实现违法行为的自动化取证，提高取证效率，维护交通秩序和治安管理。

4)、实现多功能联动控制算法。将摄像头与报警人、充电车辆联动的算法安装在后台服务器上，实现多功能的实时联动控制。当摄像图像内检测到报警人时，视频监控与一键报警功能联动；当摄像图像内检测到充电车辆时，视频监控与智能充电功能联动。当同时检测到报警人和车辆充电时，摄像头优先与一键报警功能进行联动，当检测到报警人离开后，再与充电桩的功能进行联动，联动的策略参见图3，详细的联动步骤如下：

步骤1：监控智慧路灯周围。将摄像头设定固定的模式监控智慧路灯周围的情况，本发明在东南西北四个方向设置固定的点，摄像头每天在这四个点上轮回进行监控。

步骤2：判断是否有人报警。若有，则转步骤3；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况。

步骤3：监控报警人。当有行人报警时，报警信号传到后台，采用卷积神经网络对行人按报警器的状态进行检测。摄像头在以一键报警终端为圆心，r_a(r_a＝0.5m)为半径的圆圈内检测。若检测到报警人，则摄像头自动调整角度，监控报警人。当报警人离开检测区域后，转步骤1。

步骤4：判断是否有车辆充电。若有，则转步骤5；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况。

步骤5：监控充电车辆。当有车辆充电时，充电信号传到后台，采用卷积神经网络对车辆充电的状态进行检测。摄像头在以充电桩为圆心，r_b(r_b＝1.5m)为半径的圆圈内进行检测。若检测到充电车辆，则摄像头自动调整角度，对准充电车辆，监控充电车辆。当充电车辆离开检测区域后，转步骤1。

5)、多功能联动智慧路灯控制算法的调试和试运行。模拟一键报警和充电桩功能，收集现场报警人和充电车辆的图像作为训练样本，每个类别的样本量达到5000。为了增大样本的容量，提高算法的鲁棒性，对试运行阶段的样本进行人工确认后，重新作为训练样本。通过试运行，对卷积神经网络的参数进行调整和优化，不断提升多功能联动控制算法的性能。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (1)

1.一种多功能联动的智慧路灯控制方法，其特征在于，所述方法包括以下步骤：

(1)实现单个功能的管理和控制：根据不同的实际需求，开发智慧路灯的不同功能，使智慧路灯除智能照明外还集成有无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警中的单个或者多个功能，实现智能照明、无线网络、视频监控、信息发布、充电桩、微环境监测、一键报警7个功能模块的单独管理和控制；

(2)实现摄像头与报警人联动：采用摄像头在一键报警终端的附近拍摄图像，当出现有人报警时，摄像头通过云台实时检测并跟踪报警人；摄像头与报警人联动的实现过程包括：

步骤1：生成候选区域，通过旋转云台，摄像头在以一键报警终端为圆心，r_a为半径的圆圈内拍摄图像，产生大量的候选区域；

步骤2：区域大小归一化，把所有侯选框缩放成固定大小；

步骤3：特征提取，通过卷积神经网络LeNet-5模型提取拍摄图像的特征，该模型的层数为8，结构表示为：输入层—卷积层—池化层—卷积层—池化层—全连接层—全连接层—输出层，卷积层的形式如下式所示：

其中，l代表模型的层数，k代表卷积核，M_j代表第l-1层的第k个特征图，b代表输出图的偏置，f代表激活函数，激活函数采用ReLU函数，其数学表达式如下：

f(x)＝max(0,x)

池化层采用最大值操作，通过保留最显著特征，提升模型的畸变容忍能力；

步骤4：分类与检测，在特征层的基础上，采用支持向量机SVM分类器来做识别，对SVM分类器进行训练，SVM分类器有两个类别，分别是有报警人和没有报警人的图像，将200×200像素固定区域的图像输入训练好的SVM分类器，当识别图像中有报警人时，则判断有人按下一键报警终端；

(3)实现摄像头与充电车辆联动：当出现车辆充电时，摄像头通过云台实时检测并跟踪车辆；摄像头与充电车辆联动的实现过程包括：

采用卷积神经网络对充电车辆进行检测，摄像头在以充电桩为圆心，r_b为半径的圆圈内进行检测；

当出现车辆充电时，摄像头通过云台实时检测并跟踪车辆；

若充电过程出现异常，运维人员在后台实时查看，并提供相关的帮助；

(4)实现多功能联动控制：当摄像图像内检测到报警人时，视频监控与一键报警功能联动；当摄像图像内检测到充电车辆时，视频监控与智能充电功能联动，当同时检测到报警人和车辆充电时，摄像头优先与一键报警功能进行联动，当检测到报警人离开后，再与充电桩的功能进行联动；多功能联动控制的实现过程包括：

步骤1：监控智慧路灯周围，将摄像头设定固定的模式监控智慧路灯周围的情况，在东南西北四个方向设置固定的点，摄像头每天在这四个点上轮回进行监控；

步骤2：判断是否有人报警，若有，则转步骤3；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况；

步骤3：监控报警人，当有行人报警时，报警信号传到后台，采用卷积神经网络对行人按报警器的状态进行检测，摄像头在以一键报警终端为圆心，r_a为半径的圆圈内检测，若检测到报警人，则摄像头自动调整角度，监控报警人，当报警人离开检测区域后，转步骤1；

步骤4：判断是否有车辆充电，若有，则转步骤5；否则，转步骤1，摄像头按固定的模式继续监控智慧路灯周围的情况；

步骤5：监控充电车辆，当有车辆充电时，充电信号传到后台，采用卷积神经网络对车辆充电的状态进行检测，摄像头在以充电桩为圆心，r_b为半径的圆圈内进行检测，若检测到充电车辆，则摄像头自动调整角度，对准充电车辆，监控充电车辆，当充电车辆离开检测区域后，转步骤1；

(5)多功能联动智慧路灯控制算法的调试和试运行：模拟一键报警和充电桩功能，收集现场报警人和充电车辆的图像作为训练样本，每个类别的样本量达到5000，为了增大样本的容量，提高算法的鲁棒性，对试运行阶段的样本进行人工确认后，重新作为训练样本，通过试运行，对卷积神经网络的参数进行调整和优化。

Images