CN111832395A - 一种基于人脸识别的教室节能综合控制系统 - Google Patents

一种基于人脸识别的教室节能综合控制系统 Download PDF

Info

Publication number
CN111832395A
CN111832395A CN202010483888.4A CN202010483888A CN111832395A CN 111832395 A CN111832395 A CN 111832395A CN 202010483888 A CN202010483888 A CN 202010483888A CN 111832395 A CN111832395 A CN 111832395A
Authority
CN
China
Prior art keywords
module
classroom
temperature
people
computer
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.)
Withdrawn
Application number
CN202010483888.4A
Other languages
English (en)
Inventor
黄江茵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen University of Technology
Original Assignee
Xiamen University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen University of Technology filed Critical Xiamen University of Technology
Priority to CN202010483888.4A priority Critical patent/CN111832395A/zh
Publication of CN111832395A publication Critical patent/CN111832395A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B41/00—Circuit arrangements or apparatus for igniting or operating discharge lamps
    • H05B41/14—Circuit arrangements
    • H05B41/36—Controlling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于人脸识别的教室节能综合控制系统，包括电脑端、下位机及手机端，其中，下位机设于教室，包括用于采集视频图像的摄像头模块、用于检测教室温度的温度模块，以及实现对教室设备进行控制的控制模块，所述摄像头模块采集的视频图像发送至电脑端，温度模块检测的教室温度发送至控制模块；电脑端用于对摄像头模块发送的视频图像进行识别，得到人数并发送给控制模块，所述控制模块根据温度及人数产生控制指令，对教室设备进行控制，所述控制模块还将温度及人数发送到云数据库；手机端用于通过网络访问云数据库，查看教室的温度及人数。此种系统可达到节能的目的。

Description

一种基于人脸识别的教室节能综合控制系统
技术领域
本发明涉及一种基于人脸识别的教室节能综合控制系统。
背景技术
伴随着人类社会文明的进步能源消耗也必然急剧增加，目前中国已经成为能源消耗大国之一。
近年来，我国提出了“智慧城市”的建设，提高城市规划、建设、管理和服务的自动化和智能水平，使城市更高效，更灵活，更低碳化运作(可参见：金江军, 张琳琳,姚大川.中国智慧城市发展现状、问题及对策[J].北京城市学院学报,2019,(01):10-13.)。但是目前我国大学的校园里，由于科目多，上课时间安排松散，学校对于教室的管理环节投入的资金较少，且大学生的环保意识较为薄弱，导致了教室的用电量高，照明量大，有时经常能看到空无一人的教室开着风扇、空调、电灯，或者晚课结束后，只有三四个同学的教室的灯全部处于打开状态，这样造成了电能的浪费以及多余的金钱开销。因此通过视频的智能监测教室内学生人数，对教室内的各种电器设备进行控制，可以有效的解决上文中提到的能源浪费现象。并且可以根据课堂上学生的数量来控制各种设备的切换，真正将“智慧”与“技术”结合起来。
对于教室节能，可以分为两种方法。第一是从教室的用电设备本身材质和电路结构入手，可以使用更加节能的材质或者优化电路结构使之更加节能；第二可以从教室用电设备的控制管理方式入手，设计一个根据当前教室环境结合智能控制算法的教室管理系统来控制教室的各种用电设备，从而使教室用电设备更加合理以及及时的关断，从而改善这种教室能源浪费的现象，同时还节约了人力成本。目前，在智能控制快速发展的社会，第一种方法相比于第二种方法来说不合时宜。首先第一种方法设备的研发存在瓶颈，且低能耗的设备售价普遍偏贵，在高校中并不是一种目前可行的方法，在智能控制以及电脑技术高速发展的今天第二种方法更具有可行性。
对于用电设备的智能控制控制大致经历了三个阶段，最初的人工手动控制，以及之后的单片机控制、到现在的电脑控制。虽然中国在教室智能控制方面的研究相比与国外来说起步较晚，但是也取得了一些进展。
例如张杰克、张晓彤两人使用单片机STC89C52、光敏传感器、红外传感器、时钟电路、LCD显示电路、GSM模块SIM800电路等(张杰克,张晓彤.基于GSM 系统的智能教室电气自动化控制系统[J].电子世界,2016,(24):137.)，模拟了一套基于GSM的智能教室控制系统，这套系统将人体对于红外传感器产生的信号以及光敏传感器产生的信号结合进行判断，并且通过GSM控制单片机对设备进行控制，还可以通过GSM发送短信给移动端，方便其他人查看该教室信息。
李鹏飞、接贵祥两人使用LabVIEW与STC-12C5A16S2单片机设计了一套智能教室控制系统(李鹏飞,接贵祥.基于LabVIEW与单片机的智能教室控制系统的设计[J].电子制作,2016,(01):39-40.)。该系统利用红外线检测进出教室的人数，然后将数据通过无线通信模块将数据发送给上位机并在LabVIEW中展示出来。
刘轩源、刘春玲两人使用Visual C++6.0与S3C2440 ARM 9芯片设计了一款基于图像识别的智能教室管理系统(刘轩源,刘春玲.基于图像处理的教室节能控制系统[J].电子技术与软件工程,2017,(22):74-75.)。该系统利用Opencv来处理图像，并且利用Opencv自带的人脸特征库来对图片进行人脸检测，然后根据所得到的人数进行教室设备的开关。
虽然以上的方式都可以达到一些节能效果，但是还有许多的问题待解决。在前两个方案中。单纯地利用红外传感器来判断教室的人数虽然容易实现，但是不够严谨，很容易被外界环境所干扰；在第三个方案中，利用Opencv自带的人脸特征库来检测教室人数，也不是很严谨，因为Opencv自带的人脸特征库一般用于检测正脸，而监控摄像头一般离我们很远且在斜上方，而且拍出来的画面也不是正脸，更多的是侧脸，以及被遮挡住的脸，所以识别效果不好。
由日本一些知名企业如日立、松下、三菱、东芝推出的一款家庭总线系统 (HomeBus System)简称HBS(Tan,Y.K.,Wang,Z.Z.,Huynh,T.P..Smart Personal SensorNetwork Control for Energy Saving in DC Grid Powered LED Lighting System[J].IEEE transactions on smart grid,2013,4(2):669-676.)，由主控模块、子控制模块、执行模块这三大部分组成，以双绞线和同轴电缆用作通信介质，控制信道最多可以有64个节点，各种设备与HBS总线互连，形成完整的HBS网络，其抗扰动能力强，稳定性性高。
澳大利亚邦奇电子有限公司研究的布式照明控制系统，将各种独立的功能模块，例如显示模块、传感器模块、监控模块以及电脑监控机等，用一条五类四对数据通讯线按照手牵手链接起来组成一个DyNet控制网络(Jiang Hong.Xie,Jin Ping.Wang,MingXia.Shang Guan,et al.Research on Energy Saving Directing at Building LightingSystem[J].Applied Mechanics and Materials,2013,2155(508):679-683.)，可以根据监控模块来检测有人还是无人，通过电脑监控机来控制个设备的开关。
以及西门子的instabus KNX/EIB系统，它是一个基于KNX标准的分布式总线系统，它的优点就是非常的灵活，以及系统的可塑性，可以像搭积木一样改变系统的模块来适应现场的需求(Yinfen Xie.Design of Urban Intelligent Traffic Signal ControlSystem for Large Special Events[C].//2013IEEE third international conferenceon information science and technology.23-25March 2013.Yangzhou, China.)，可以根据有人还是无人以及亮度探测模块，来控制各设备的开关，以达到节能的效果。
发明内容
本发明的目的，在于提供一种基于人脸识别的教室节能综合控制系统，其可达到节能的目的。
为了达成上述目的，本发明的解决方案是：
一种基于人脸识别的教室节能综合控制系统，包括电脑端、下位机及手机端，其中，下位机设于教室，包括用于采集视频图像的摄像头模块、用于检测教室温度的温度模块，以及实现对教室设备进行控制的控制模块，所述摄像头模块采集的视频图像发送至电脑端，温度模块检测的教室温度发送至控制模块；电脑端用于对摄像头模块发送的视频图像进行识别，得到人数并发送给控制模块，所述控制模块根据温度及人数产生控制指令，对教室设备进行控制，所述控制模块还将温度及人数发送到云数据库，并将温度发送到电脑端进行显示；手机端用于通过网络访问云数据库，查看教室的温度及人数。
上述电脑端包括剪切模块、训练模块、识别模块、显示模块和串口通信模块，其中，训练模块用于训练得到分类文件；剪切模块用于在下位机采集的视频中裁剪得到帧图片，并送入识别模块；识别模块依据训练模块得到的分类文件对所述帧图片进行识别，画出矩形框，并将矩形框的数量作为人数返回给显示模块进行显示；所述显示模块用于显示教室内人数及温度；所述串口通信模块用于实现电脑端与下位机之间的数据传输。
上述训练模块采用HOG+SVM识别，其具体过程是：
首先设置HOG算子五个参数，分别为检测窗口大小，块大小，滑动的步长，单元格大小，方向梯度；
然后提取正负样本的HOG特征，保存到一个数组中；
在得到保存有HOG特征的数组后，对这个数组进行SVM训练，满足条件后结束训练并保存为分类文件。
上述识别模块在工作中，对得到的帧图片进行识别得到矩形框，并存在result 数组中，之后通过DrawRectangle将矩形框画出，并且将矩形框的数量作为人数返回给显示模块进行显示。
上述手机端包括查询模块，通过在手机端输入教室编号，云数据库将相应教室的详细信息反馈至手机端。
上述教室设备包括风扇和日光灯，控制模块根据人数控制日光灯的亮灭，控制模块根据温度控制风扇的转速。
上述温度模块采用DS18B20温度传感器。
采用上述方案后，本发明通过在教室内设置摄像头模块和温度模块，可以实时采集教室内的视频图像和温度数据，根据视频图像识别出教室内的人数，从而可以关闭人数少的那部分的电灯，并可以根据温度调节风扇，由此来达到节能的目的。
另外，本发明采用HOG+SVM识别，HOG特征描述算子可以保持图像几何和光学的良好不变性，再结合SVM分类技术，使得检测范围更加广泛。
附图说明
图1是本发明的系统框图；
图2是电脑端软件整体组成示意图；
图3是电脑端主界面示意图；
图4是登录界面示意图；
图5是注册界面示意图；
图6是SVM训练流程示意图；
图7是训练界面图；
图8是Scale金字塔；
图9是显示模块组件示意图；
图10是串口通信模块框图；
图11是系统设置界面；
图12是手机端登录界面；
图13是手机端注册界面；
图14是手机端查询界面；
图15是MySqlWorkBench；
图16是教室信息表；
图17是用户信息表；
图18是下位机系统框图；
图19是温度传感器电路图。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
如图1所示，本发明提供一种基于人脸识别的教室节能综合控制系统，包括电脑端、下位机及手机端三大部分，其中，下位机设于教室，包括用于采集视频图像的摄像头模块、用于检测教室温度的温度模块，以及实现对教室设备进行控制的控制模块；电脑端可以设于教室，也可设于办公室、教研室等处，用于对下位机采集的视频进行分析判断，得到教室人数并发送到下位机，由下位机的控制模块根据温度及人数进行判断，对教室设备进行控制，同时控制模块还会把温度、人数等上传到云数据库，所述控制模块还会同时把温度发送给电脑端，由电脑端进行显示；手机端用于通过网络访问云数据库，查看教室的内部信息，如温度、人数等。
一、电脑端
1.1电脑端软件设计
在本实施例中，电脑端软件编程语言使用CSharp，平台是Visual Studio2015，在.Net Formwork环境下编写。该电脑端分为两层业务层和UI层，业务层中包含了数据库的帮助类、教室模型类、用户模型类、串口帮助类、识别帮助类、全局变量类、图片处理帮助类。专门用来处理业务逻辑，UI层包含了各种窗体如登录窗体、注册窗体、主窗体、剪切窗体等。其中的代码只接收来自业务层的数据，不对数据进行处理，只根据数据对UI做出相应的加载或者赋值。电脑端的总体组成如图2所示。
1.1.1主界面
主界面如图3所示，工具栏包含三个按钮，分别是训练文件、裁剪、系统设置模块，可以很方便地训练分类文件以及裁剪原始图片，从而得到我们需要的素材，还可以设置系统变量，比如上传时间、识别的过滤条件等。右下方的按钮是本实施例最常用到的按钮，点击刷新按钮，界面右边会根据当前所连接的摄像头个数刷新出一一对应的显示模块组件，然后再点击开始监控，系统就会使用 Foreach遍历当前可以控制的显示模块组件，并且运行其中的显示函数。剩下的按钮功能也是大同小异，其中第二列的两个按钮，开始截图、停止截图这两个按钮是用来初期训练分类器时使用的，因为刚开始样本数量不足，会识别到许多错误的图像，这时点击开始截图，就会把所有识别出来的图像保存起来，这时候我们再人工挑选出正负样本图片，将他们放入对应的正负样本文件夹，再次训练得到精度更高的分类文件。
1.1.2登录与注册模块
登录界面如图4所示，包含两个文本输入框以及两个按钮。在点击登录按钮时程序会检查其中的两个TextBox，如果没有输入字符，会弹出MessageBox提示失败。在两个文本输入框填写正确的情况下，会通过数据库帮助类，连接数据库查询是否有相应的用户名记录存在。
注册界面如图5所示，输入用户名以及密码后首先使用ExecuteScalar()函数，该函数会返回查询到的集合中的第一行第一列Ojbect类型，之后我们根据所返回结果是否为空来判断该用户名是否以及存在。若不存在，则使用 ExecuteNonQuery()向用户表中增加一条记录，该函数会返回受影响的行数。所以可以根据返回的数值来判断是否注册成功，并给出提示。
1.1.3训练模块
该系统使用的是HOG+SVM识别，HOG特征描述算子，是Navneet Dalal 与BillTriggs首先在05年的CVPR中提出的，它可以保持图像几何和光学的良好不变性。把图像切割成小部分连通区域、构建局部的方向梯度直方图、特征向量归一化、最后生成特征向量(顾江鹏,袁和金.基于HOG与卷积神经网络的人脸识别研究[J].软件导刊,2019,(1):1-5.)。在行人检测方面，国内外大多数都使用的是HOG，其表现优异，如果再结合SVM分类技术，则检测范围将更加广泛。 HOG的原理是通过计算图像的方向梯度直方图并统计其局部方向梯度出现的次数，进而生成HOG特征。
SVM(Support Vector Machine)支持向量机，是一种经典的二分类学习算法，它的中心思想是给定给一个包含正样本和负样本的集合，SVM就可以在正样本与负样本之间找到一个超平面对正样本与负样本进行分割，这个超平面需要保证距离它最近的点有着最大距离(陈永义,俞小鼎,高学浩,冯汉中.处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介[J].应用气象学报,2004,(03):345-354.)。它相比其他传统算法，在解决样本少、非线性及高维模式识别中有着许多独特的优势，并且没有维数灾难、过学习等问题，并能够推广应用到函数拟合等其他机器学习问题中(孙小权,邹丽英.基于SVM的图像识别在零件分拣系统中的应用[J].机电工程,2018,(12):1353-1356.)。
在Visual Studio 2015这个平台中没有Opencv，所以本实施例使用了Emgucv，它就是将C++中的Opencv封装好后引入Visual Studio 2015，其训练流程如图6 所示，训练模块界面如图7所示，训练主要代码如下所示：
Figure RE-GDA0002672541830000071
上述代码是设置HOG算子五个参数，分别为检测窗口大小，块大小，滑动的步长，单元格大小，方向梯度一般默认为9。
Figure RE-GDA0002672541830000072
Figure RE-GDA0002672541830000081
在设置完HOG算子之后，开始提取正负样本的HOG特征，在这里正负样本图片的大小必须和设置HOG特征的第一个参数大小一样，在上述代码中先将正样本文件夹中的图片一一遍历并且转换成灰度图片，然后通过调用Compute() 计算出他的HOG特征，并且保存到一个数组中。
Figure RE-GDA0002672541830000082
在得到保存有HOG特征的数组后，对这个数组进行SVM训练，训练1000 次或者收敛达到0.001就会退出，并且把它保存成分类文件，将分类文件的名字设置为设置HOG特征时的各个参数的连接，中间使用”-”隔开，这一步的目的是在识别模块调用这个分类文件的时候不需要手动再设置各个参数，而是可以直接通过文件名称来设置参数。
1.1.4识别模块
这个模块中的主要代码如下所示，本实施例使用从训练模块中得到的分类文件对监控的帧图片进行识别得到矩形框，并存在result这个数组中，之后通过 DrawRectangle将矩形框画出，并且将矩形框的数量作为人数返回给显示模块进行显示。关键代码如下所示。在DetectMultiScale中第一个参数就是原始图片，本实施例是利用capture.QueryFrame()得到视频的帧图片然后传入其中。第二个参数是命中阈值，他与第六个参数最终阈值的作用就是将在同一个物体上的多个识别框合并，由于在识别中一个物体可能被识别多次，那么他的身上就会有多个识别框，这时候他们就起作用了，合理地调整第二个参数以及第六个参数会减少上面这种情况的发生。
第三个参数为winStride，他就是滑块的增量每次滑动的距离，以及第四个参数padding的作用是将像素添加到原始图片的外圈，类似于给原始图片增加一个相框。由于在边边角角的图像可能滑块检测不到，然而增加了一圈像素后就能够检测到了，所以padding的作用就是使得在边角的图像能够被检测到。
第五个参数为scale，是图像的多种大小的表示，如图8，如果scale越小那么这个金字塔内包含的图像也就越多，相应的识别速度就会变慢，但是相应的它的识别准确度也就越高。
Figure RE-GDA0002672541830000091
上述代码中的GlobalData.Score、GlobalData.RctUp、GlobalData.RctDown就是设置模块中设置的最低相识度、矩形框的最大边长、矩形框的最小边长，这样筛选的目的是过滤掉错误的矩形框，降低误识别率。
1.1.5显示模块
显示模块的界面如图9所示，本实施例将一个ImageBox以及3个Lable封装成一个独立的用户组件，他会在后台定时自动执行显示刷新的方法，并且根据识别模块得到的人数以及串口模块得到的教室信息，他都会显示出来。显示监控视频的代码如下所示，可以看出本实施例将教室分为了4个部分，当系统开启的时候，他将显示出教室四个方向上的人数并且将定时发送请求代码给单片机，中间的延时50毫秒是为了防止发送的速度过快导致数据出错。并且在使用串口帮助类向单片机传输完数据后，还会使用数据库帮助类向部署在阿里云上的数据库传输当前教室的温度，人数，以及扫描时间等信息。
Figure RE-GDA0002672541830000101
上述代码就是显示模块中的主要代码，通过读取PortHelp串口帮助模块中的温度，来刷新温度数值，并且定时的发送教室的人数给下位机，以及向下位机发送温度信号T这样下位机就会返回温度信号。
1.1.6串口通信模块
串口通信模块主要是使用VS2015平台中的SerialPort组件，这个组件是微软专门设计出来给开发者进行串口开发的，它里面封装了许多常用的方法供开发者使用。如图10以及初始化代码，可以看出由于电脑端只需要单片机的温度信息，且在单片机中温度信息是多位的，所以本实施例进行分开传输，传输的格式为温度的英文单词的首字母T+温度的高位+温度的低位，然后计算机通过这三个数据来得到温度信息。对于教室人数的传输，格式是字母P+教室ID+教室左上人数+教室右上人数+教室左下人数+教室右下人数。为了避免在传输信息过程中的信息缺失，而且还在发送信息时在头和尾各加上两个字母，如下面所示的代码，然后接收方通过这两个字母判断是否信息接收完整。
Figure RE-GDA0002672541830000111
上述代码就是串口模块的初始化代码，设置4800的波特率以及串口名字 COM3是电脑左下角的串口名称，以及我们需要得到单片机传回的温度信息，所以设置接收到下位机传来的3个字节就会进行数据处理，因为下位机传回的温度信息的格式为T+温度高位+温度低位。
Figure RE-GDA0002672541830000112
Figure RE-GDA0002672541830000121
上述代码是串口发送模块中的主要代码，通过com.Write发送数据一开始没有延迟发送，所以导致下位机接收到了错误的上位机数据，后来经过多次尝试将延迟设置为50毫秒，这样下位机就能接收到电脑发送的数据了。
1.1.7系统设置模块
系统设置模块的界面如图11所示，这个模块的最主要目的就是将该系统所设置的数据保存到该系统的一个全局变量的类中。然后在其他模块比如识别模块，他需要过滤一些太大或太小的识别框的时候，他就会去全局变量的类中寻找当前说设置的值。在系统开始的时候就会去读取配置文件，自动设置系统的全局变量类中的值，为了保证和上一次设置的是一样的。
1.2手机端软件设计
手机端软件的设计使用的是Unity，因为Unity有自带的代码转换的功能，可以将C#写的代码拿到手机上运行，这样就可以加快开发速度。手机端软件的设计比较简单，由三个部分组成分别是用户登录模块、用户注册模块、教室查询模块。
1.2.1登录注册模块
由于登录注册模块与PC端的代码相近，也是使用MySql.Data来连接数据库。相关UI界面如图12、图13所示。
1.2.2查询模块
查询模块中包含了两种查找教室信息的方法，第一种是按下登录按钮后，在进入下一个也就是查询界面时，该手机系统会将数据库教室信息表中的每一条教室环境记录作为一个对象返回，手机端就会根据返回的记录一一的在界面下方实例化出与数据库中教室环境记录对应的按钮，我们只要输入教室的详细编号。课堂的详细信息可以显示在顶部，这样每个人都可以准确地查询课堂信息。查询模块相关界面如图14所示。
1.3数据库设计
由于需要进行互联网访问，所以本实施例将数据库部署在阿里云服务器上，部署的MySql数据库使用MySql WorkBench可视化工具进行修改以及测试，如图15所示。数据库中包含两张表classmsg以及userinfo。
1.3.1教室信息表
教室信息表的字段如图16所示，主键为ID，可以自增，为了方便后续增加教室，第二个字段为ClassId，就是教室编号，第三个字段为教室人数-检测时间，第四个字段为当前温度。
1.3.2用户信息表
用户信息表的字段如图17所示，主键为ID也是自增，第二个字段为用户名，第三个字段为密码。
二、下位机系统设计
硬件方面使用STC89C52单片机加上一个温度传感器以及四个马达来充当教室的风扇，以及四个LED灯来充当教室的日光灯。如图18所示，软件方面分为了四个模块、串口数据处理、PWM调速、温度读取、控制模块。电脑每隔一段时间会向下位机发送指定的数据格式，单片机会判断电脑发来的数据并且根据电脑发来的数据格式做指定的事情，比如读取温度返回给电脑或者是接收从电脑传来的人数数据并且根据人数数据来设置教室电灯开关以及风扇的速度。
2.1串口数据处理模块
在单片机的串口处理模块中，定义了一个能够储存8个数据的缓存数组，且由于防止数据丢失，在电脑端向下位机发送数据是给数据的头和尾分别加上了’A’、’Z’，下位机一旦接收到了八个数据就会进行判断buff(0),buff(7)是否为’A’、’Z’。且buff(1)为请求代号，在本实施例中请求代号有两个，分别是’T’温度,’P’人数。当请求为T时，单片机会向电脑发送’T’+’温度的高位’+’温度的低位’。当请求为P时，单片机缓存由电脑发送来的教室人数数据。具体的处理方法会在控制模块部分介绍到。
2.2控制模块
控制模块负责通过判断程序的人数以及温度变量来控制风扇以及LED灯。风扇的PWM脉冲周期会根据温度传感器读取到的当前环境温度来进行相应改变。LED灯的亮灭控制根据由电脑传回来的人数数据。在风扇控制方面，如下面代码所示，根据温度改变速度变量的值。在温度变量TEMP被处理为正常的温度变量后被传入变速函数中，再由变速函数进行判断并且设置PWM的脉冲周期。在LED控制方面主要代码如下所示。在其中得到了由电脑传来的教室四个方向上的人数信息，并且存入people这个数组中，然后在运行LED灯的设置函数设置当前LED灯的状态。
Figure RE-GDA0002672541830000141
Figure RE-GDA0002672541830000151
2.3温度模块
使用的是DS18B20温度传感器，其原理图如图19，初始化代码如下所示，得到温度数据后，由于是二进制数据，所以需要经过转换才能显示为正常的温度数据。
Figure RE-GDA0002672541830000152
Figure RE-GDA0002672541830000161
上述代码就是温度读取代码，由于选用的精度是0.0625，所以在代码中要乘一个0.0625的系数。乘100是为了保存两位小数，加上0.5是因为四舍五入。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种基于人脸识别的教室节能综合控制系统，其特征在于：包括电脑端、下位机及手机端，其中，下位机设于教室，包括用于采集视频图像的摄像头模块、用于检测教室温度的温度模块，以及实现对教室设备进行控制的控制模块，所述摄像头模块采集的视频图像发送至电脑端，温度模块检测的教室温度发送至控制模块；电脑端用于对摄像头模块发送的视频图像进行识别，得到人数并发送给控制模块，所述控制模块根据温度及人数产生控制指令，对教室设备进行控制，所述控制模块还将温度及人数发送到云数据库，并将温度发送到电脑端进行显示；手机端用于通过网络访问云数据库，查看教室的温度及人数。
2.如权利要求1所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述电脑端包括剪切模块、训练模块、识别模块、显示模块和串口通信模块，其中，训练模块用于训练得到分类文件；剪切模块用于在下位机采集的视频中裁剪得到帧图片，并送入识别模块；识别模块依据训练模块得到的分类文件对所述帧图片进行识别，画出矩形框，并将矩形框的数量作为人数返回给显示模块进行显示；所述显示模块用于显示教室内人数及温度；所述串口通信模块用于实现电脑端与下位机之间的数据传输。
3.如权利要求2所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述训练模块采用HOG+SVM识别，其具体过程是：
首先设置HOG算子五个参数，分别为检测窗口大小，块大小，滑动的步长，单元格大小，方向梯度；
然后提取正负样本的HOG特征，保存到一个数组中；
在得到保存有HOG特征的数组后，对这个数组进行SVM训练，满足条件后结束训练并保存为分类文件。
4.如权利要求2所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述识别模块在工作中，对得到的帧图片进行识别得到矩形框，并存在result数组中，之后通过DrawRectangle将矩形框画出，并且将矩形框的数量作为人数返回给显示模块进行显示。
5.如权利要求1所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述手机端包括查询模块，通过在手机端输入教室编号，云数据库将相应教室的详细信息反馈至手机端。
6.如权利要求1所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述教室设备包括风扇和日光灯，控制模块根据人数控制日光灯的亮灭，控制模块根据温度控制风扇的转速。
7.如权利要求1所述的基于人脸识别的教室节能综合控制系统，其特征在于：所述温度模块采用DS18B20温度传感器。
CN202010483888.4A 2020-06-01 2020-06-01 一种基于人脸识别的教室节能综合控制系统 Withdrawn CN111832395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010483888.4A CN111832395A (zh) 2020-06-01 2020-06-01 一种基于人脸识别的教室节能综合控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010483888.4A CN111832395A (zh) 2020-06-01 2020-06-01 一种基于人脸识别的教室节能综合控制系统

Publications (1)

Publication Number Publication Date
CN111832395A true CN111832395A (zh) 2020-10-27

Family

ID=72913578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010483888.4A Withdrawn CN111832395A (zh) 2020-06-01 2020-06-01 一种基于人脸识别的教室节能综合控制系统

Country Status (1)

Country Link
CN (1) CN111832395A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9639777B1 (en) * 2015-12-17 2017-05-02 Linear Algebra Technologies Limited Systems and methods for providing an image classifier

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9639777B1 (en) * 2015-12-17 2017-05-02 Linear Algebra Technologies Limited Systems and methods for providing an image classifier

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘轩源 *
姜经纬;程传蕊;: "基于HOG+SVM的图像分类系统的设计与实现" *

Similar Documents

Publication Publication Date Title
WO2020107833A1 (zh) 基于骨架的行为检测方法、终端设备及计算机存储介质
US20230119593A1 (en) Method and apparatus for training facial feature extraction model, method and apparatus for extracting facial features, device, and storage medium
CN107808129A (zh) 一种基于单个卷积神经网络的面部多特征点定位方法
CN111243742B (zh) 一种能够分析儿童用眼习惯的智能眼镜
WO2021128846A1 (zh) 电子文件的控制方法、装置、计算机设备及存储介质
CN108197632A (zh) 基于卷积神经网络的分布式手绘画的识别系统及其方法
EP4401007A1 (en) Neural network acquisition method, data processing method and related device
CN112040198A (zh) 一种基于图像处理的智能水表读数识别系统与方法
CN108154130B (zh) 一种目标图像的检测方法、装置及存储介质、机器人
CN112329567A (zh) 自动驾驶场景中目标检测的方法及系统、服务器及介质
CN114757461A (zh) 基于多场景可视分析的智慧工地系统及电子设备
CN113052133A (zh) 一种基于YOLOv3的安全帽识别方法、装置、介质及设备
CN107402999A (zh) 景点数据库建立方法及装置
CN106960188A (zh) 天气图像分类方法及装置
CN108665389A (zh) 一种学生用学习辅助系统
Cao et al. Ciot-robot cloud and iot assisted indoor robot for medicine delivery
CN111832395A (zh) 一种基于人脸识别的教室节能综合控制系统
US20170161636A1 (en) Behavior analysis learning system based thereon and method
CN116630753A (zh) 一种基于对比学习的多尺度小样本目标检测方法
Zhang et al. A lightweight network deployed on ARM devices for hand gesture recognition
CN205621024U (zh) 一种基于嵌入式平台的人脸检测识别系统
CN109977777B (zh) 基于新型RF-Net模型的手势识别方法
Wang et al. Design of static human posture recognition algorithm based on CNN
CN107370869B (zh) 一种移动终端及手机
CN214409906U (zh) 一种基于树莓派的建筑智能巡检ar眼镜

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201027