CN108711252A - 一种家庭智能管理系统 - Google Patents

Abstract

本发明涉及一种家庭智能管理系统，包括无线红外测温摄像机，所述无线红外测温摄像机包括红外测温传感器阵列、网格热成像模块、摄像头、成像模块、图像融合模块、图像处理模块、WIFI模块和报警器模块，所述网格热成像模块、成像模块与图像融合模块相连，所述图像处理模块与所述报警器模块、WIFI模块相连，本发明利用红外测温传感器阵列对视频图像按照网格进行温度标记，采用深度神经网络自动检测指定范围内目标体及其温度的变化，判断灶台炉火是否燃烧，水龙头是否关闭，是否有人非法闯入，并进行判断处理，通过自身报警器放出报警音，并使用家庭网络路由将信息推送至用户手机，提醒其注意，使家庭安防、用火安全与节约用水一体化解决。

Description

一种家庭智能管理系统

技术领域

本发明涉及家庭智能管理领域，尤其涉及一种家庭智能管理系统。

背景技术

用火安全部分：日常生活中，在家中做饭，常常会遇到一些别事情吸引精力，离开厨房，一时间忘记关掉还在燃烧的炉灶，这种情况严重则导致火灾。现有技术主要是通过感温、感光、感烟式传感器，探测温度、火焰及燃烧产生的烟雾，从而报警。但由于无法判定起火位置及状态，安装在厨房很难与正常做饭用火区分，误报率较高。如果降低触发阈值，当检测到异常时，火灾已经发生，为时已晚。

节约用水部分：日常生活中，若遇到停水，人们常常忘记关掉水龙头，当经过一段时间回来后，家中流水四溢，轻则白白浪费宝贵的水资源，严重时会有“水漫金屋”殃及邻居的事情发生，还有没有关紧水龙头便离开的情况，浪费水资源。现有技术主要通过给水龙头加装传感器，来实现报警，一般他们要么使用 220V电源供电，存在不安全因素；要么结复杂，体积太大；要么调试不易，时间长了传感器积垢误出现报警现象。

家庭安防部分：在深夜或者无人在家的时间，保护用户财产不受损失。现有技术主要通过人体感应或视频流侦测移动物体的方式，两者都存在一定问题，前者若有小动物靠近会触发误报，后者由于无法准确判定是何种物体，也易产生误报。

发明内容

鉴于目前技术存在的上述不足，本发明提供一种家庭智能管理系统，本发明通过红外传感器阵列，形成温度网格，对视频图像按照网格进行温度标记，利用深度神经网络识别标记后的图像，将火、锅、灶等物体分辨开，实时监控炉头周围物体的温度变化，在锅、灶等物体达到临界燃点前及时报警，并能探测到火势蔓延，从而智能判定是否遗忘关闭炉火，做到及时报警，进一步提前预防火灾的发生；使用温度网格标记后的成像，实时监控水龙头部分温度和用户进出厨房的时间，当水流出现，及时报警；使用温度网格标记后的成像，实时监控窗户等区域，结合温度分布准确判定物体属性及形态，当出现异常人员闯入，及时报警。由于工业用热成像技术成本较高，本发明使用红外传感器阵列及网格热成像技术替代，降低热成像成本，形成适合家庭用的热成像及相关分析技术。

本发明采用如下技术方案：

一种家庭智能管理系统，包括无线红外测温摄像机，所述无线红外测温摄像机包括红外测温传感器阵列、网格热成像模块、摄像头、成像模块、图像融合模块、图像处理模块、WIFI模块和报警器模块，所述网格热成像模块、成像模块与图像融合模块相连，所述图像处理模块与所述报警器模块、WIFI模块相连。

作为本发明的优选技术方案，所述网格热成像模块将来自红外测温传感器阵列的信号转换成网格化的热成像。

作为本发明的优选技术方案，所述图像处理模块包括ARM芯片+DSP芯片。

作为本发明的优选技术方案，所述ARM芯片拥有RISC指令集和I/O端口,用于输出控制指令和信息反馈。

作为本发明的优选技术方案，所述图像处理模块包括图像识别模块。

作为本发明的优选技术方案，所述图像识别模块采用深度神经网络算法，构造分级的视觉神经网络模型，利用物体的图像和温度特征准确识别物体。

作为本发明的优选技术方案，所述图像识别模块包括边缘提取模块、特征提取模块和模式分类模块。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中其中一种实施例的结构示意图。

图2为本发明的连接示意图。

图3、图4为本发明运行流程示意图。

图5为本发明图像处理过程核心算法原理示意图。

图6a和图6b为本发明边缘提取模块工作原理示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本实施例中，如图1所示，在厨房平面布局图中，展示了无线红外测温摄像机布局位置，对准灶台与水槽。

在本实施例中，由红外测温传感器阵列探测所对应位置，灶台、水槽与窗户的背景温度；用户进入厨房，红外测温传感器阵列探测到人体温度，由图像融合模块对视频图像进行网格化温度标识，交由图像处理模块作为用户变量判断依据；异常人员由窗户进入，红外测温传感器阵列探测到人体温度，进行图像温度标识后，交由图像处理模块作为非法闯入变量判断依据；图像处理模块，使用基础判断依据、用户变量判断依据、非法闯入变量判断依据与时间因素，以上作为逻辑处理的依据，触发报警； WIFI模块，完成与路由器的无线连接功能，将信息推送至用户手机。

本实施例中的无线红外测温摄像机，如图2所示，包括红外测温传感器阵列、网格热成像模块、摄像头、成像模块、图像融合模块、图像处理模块、WIFI模块和报警器模块，所述网格热成像模块、成像模块与图像融合模块相连，所述图像处理模块与所述报警器模块、WIFI模块相连，

在本实施例中，图像处理模块采用ARM芯片+DSP芯片实现，其中DSP芯片拥有较高的运算速度,用于进行成像图片的采集和融合处理，ARM芯片拥有RISC指令集,I/O口多样,用于输出各种控制指令和信息反馈。

在本实施例中，如图3所示，ARM/DSP芯片的用于图像采集和处理的配合使用，网格热成像模块，通过红外测温传感器阵列采集并生成网格热成像图,与来自于摄像头的视频图像在DSP中进行图像融合。ARM/DSP、CPLD及附属硬件一起完成融合图像的识别处理，将报警信息通过WiFi发送至用户。嵌入式系统的程序控制流程如图4所示。

在本实施例中，图像处理模块主要包含图像识别模块，图像识别采用深度神经网络算法，如图5所示，构造分级的视觉神经网络模型，从低级的像素区提取边缘特征，通过组合边缘特征形成高一级的物体部件描述，再通过物体部件的组合到更高层的物体目标。而温度网格会在合适的神经网络中间层嵌入，形成对物体组成部件的温度的描述，从而完整的表达目标物体，便于神经网络进行分类和识别。

图像识别模块包括边缘提取模块、特征提取模块和模式分类模块，分别 对应深度神经网络的不同层级。所述特征提取模块分别与所述边缘提取模块 和模式分类模块相连，具体为图像主要利用边界的结构信息进行图像识别, 由于神经网络用于图像识别系统规模较大,所以模拟电路受噪声的影响也大, 难以制成一般的大规模计算系统,为保证整个网络的稳定性,电路采用数字技 术,整个系统按功能划分为3个模块；

边缘提取模块：系统以二值图像信号作为输入,送入边缘提取模块,采用 平面-立体物原理,解决扫描成像图形的边缘提取问题,如图6a所示,图中有 阴影部分为目标图像区域,无阴影部分为背景区域,将目标图像区域视为立体 物,将背景区域视为平面,从立体物壁上的任意一点开始,始终用左手接触墙 壁的同时不断向前走,最终可以走回起点,只要记录下起始点的坐标(x0,y0) 和每走一步时身体的朝向,就能得到目标图像边界的数学描述,规定目标图像 区域采用8点领域,这样,人身体的朝向就有8个标准的方向,如图6b所示根 据上述边界的数学描述和8邻域原理,采用触发器、寄存器、逻辑门数字器件 设计出的并行处理电路,可提取出带有方位信息的边缘特征,从而实现二值图 像序列的边缘提取。

特征提取模块：特征提取模块在边缘特征的基础上进一步提取角特征和物体部件的组块特征,同时传入网格化的温度特征。在角特征提取电路中,每个单元在每个采样周期内都从该时刻输入层送来的边缘特征中提取一次拐点,间隔很密,它强调的是图像边缘的细节信息;组块特征提取利用分块化技术把图中各同质的区域提取出来,求部分图像整体的变化趋势,它的优点在于撇开了二值离散图像的边缘细节,只考虑目标图像的几何形状。

模式分类模块：模式分类模块采用具有特征映射(feature map)结构的神经网络,它输入图像的角特征、组块及温度特征序列，将这些图像特征映射到输出层,形成目标图像的分类结果。该模块是一种4层结构的神经网络,它输入图像的特征,输出对生成此图像的交会状态的分类, 训练采用自下而上的非监督学习方式，不依赖标签数据，网络的连接权值采用Wake-Sleep算法调整。神经网络的学习过程就是对样本类型的归纳过程,从所有的样本中总结出一个判别规则,而它的分类识别过程就是应用此判别规则的演绎过程,学习样本越完备,差别规则就越完善,识别率就越高。

综上所述，本发明的一种家庭智能管理系统，包括无线红外测温摄像机，所述无线红外测温摄像机包括红外测温传感器阵列、网格热成像模块、摄像头、成像模块、图像融合模块、图像处理模块、WIFI模块和报警器模块，所述网格热成像模块、成像模块与图像融合模块相连，所述图像处理模块与所述报警器模块、WIFI模块相连，本发明利用红外测温传感器阵列对视频图像按照网格进行温度标记，采用深度神经网络自动检测指定范围内目标体及其温度的变化，判断灶台炉火是否燃烧，水龙头是否关闭，是否有人非法闯入，并进行判断处理，通过自身报警器放出报警音，并使用家庭网络路由将信息推送至用户手机，提醒其注意，使家庭安防、用火安全与节约用水一体化解决。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种家庭智能管理系统，其特征在于，包括无线红外测温摄像机。所述无线红外测温摄像机包括红外测温传感器阵列、网格热成像模块、摄像头、成像模块、图像融合模块、图像处理模块、WIFI模块和报警器模块，所述热成像模块和成像模块与图像融合模块相连，所述图像处理模块与所述报警器模块和WIFI模块相连。

2.根据权利要求1所述的一种家庭智能管理系统，其特征在于，所述网格热成像模块将来自红外测温传感器阵列的信号转换成网格化的热成像。

3.根据权利要求1所述的一种家庭智能管理系统，其特征在于，所述图像融合模块将视频图像和网格热成像进行融合，对视频图像进行网格化温度标记。

4.根据权利要求1所述的一种家庭智能管理系统，其特征在于，所述图像处理模块包括ARM芯片+DSP芯片。

5.根据权利要求4所述的一种家庭智能管理系统，其特征在于，所述ARM芯片拥有RISC指令集和I/O端口,用于输出控制指令和信息反馈。

6.根据权利要求4所述的一种家庭智能管理系统，其特征在于，所述图像处理模块包括图像识别模块。

7.根据权利要求6所述的一种家庭智能管理系统，其特征在于，所述图像识别模块采用深度神经网络算法，构造分级的视觉神经网络模型，利用物体的图像和温度特征准确识别物体。

8.根据权利要求7所述的一种家庭智能管理系统，其特征在于，所述图像识别模块包括边缘提取模块、特征提取模块和模式分类模块。