CN111866145B - 一种健身设备智慧巡检维修运维系统 - Google Patents

一种健身设备智慧巡检维修运维系统 Download PDF

Info

Publication number
CN111866145B
CN111866145B CN202010712682.4A CN202010712682A CN111866145B CN 111866145 B CN111866145 B CN 111866145B CN 202010712682 A CN202010712682 A CN 202010712682A CN 111866145 B CN111866145 B CN 111866145B
Authority
CN
China
Prior art keywords
image
dodging
brightness
data
pixel point
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.)
Active
Application number
CN202010712682.4A
Other languages
English (en)
Other versions
CN111866145A (zh
Inventor
昝进坤
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.)
Beijing Okstar Sports Industry Co ltd
Original Assignee
Beijing Okstar Sports Industry Co ltd
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 Beijing Okstar Sports Industry Co ltd filed Critical Beijing Okstar Sports Industry Co ltd
Priority to CN202010712682.4A priority Critical patent/CN111866145B/zh
Publication of CN111866145A publication Critical patent/CN111866145A/zh
Application granted granted Critical
Publication of CN111866145B publication Critical patent/CN111866145B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • 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)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Biomedical Technology (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Emergency Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Alarm Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种健身设备智慧巡检维修运维系统，其用于对多个健身设备的运行状态进行检测，该系统包括：数据采集端、云服务器和监控终端。该系统可以同时对多个健身设备进行实时监控，能够实时掌握各健身设备的工作状态，减少了用于对多个健身设备进行管理的人力物力的投入，降低了企业成本，提高了企业竞争力。该系统建立了各健身设备正常运行时的标准数据库，一旦某个健身设备的运行状态异常，则可以及时驱动告警模块进行报警，以提醒相关维护人员对运行状态异常的健身设备进行维护、保养或更换，提升了维护的便利性。

Description

一种健身设备智慧巡检维修运维系统
技术领域
本发明涉及设备巡检应用技术领域，具体涉及一种健身设备智慧巡检维修运维系统。
背景技术
随着生活水平的提高，人们对健身项目的关注也日益增强，各种类型的健身设备也越来越多，各种健身设备在运行的过程中会出现各种故障，有的故障会导致健身设备立即停机保护，有的故障不会造成明显的影响，甚至连报警都没有，但会造成健身设备的性能下降或者使用寿命的缩短，因此，需要对健身设备的运行数据进行远程实时监控，以及时发现这种不明显的故障和原因。现有技术中，以分散式人工看守为主的维护和管理方法、手段和体制已不能适应新形势的要求，健身设备的维护和管理向集中监控、集中维护、集中管理方向发展，提高健身设备维护质量，降低维护成本，实现健身设备无人看管或自助式健身已势在必行。
发明内容
针对上述问题，本发明提供一种健身设备智慧巡检维修运维系统。
本发明的目的采用以下技术方案来实现：
一种健身设备智慧巡检维修运维系统，其用于对多个健身设备的运行状态进行检测，该系统包括：数据采集端、云服务器和监控终端；
所述数据采集端包括：多个监测子节点和监测父节点，所述监测子节点用于采集其监测的健身设备的运行状态数据，所述监测父节点，用于汇聚各监测子节点采集的数据，经压缩处理后转发至所述云服务器；
所述云服务器包括：数据解压模块、数据分析模块、标准数据库、告警模块和控制模块；所述数据解压模块，用于接收压缩处理后的数据并进行解压操作；所述数据分析模块，用于根据解压后的数据以及所述标准数据库中预存的各健身设备正常运行时的标准运行状态数据区间，对各健身设备的运行状态进行监测；所述控制模块，用于接收所述数据分析模块的分析结果和解压后的数据，并在分析结果显示有健身设备工作状态异常时，一方面驱动所述告警模块进行报警，另一方面将所述分析结果和解压后的数据发送至所述监控终端；
所述监控终端包括：存储模块和用户管理模块；所述存储模块用于接收所述分析结果和解压后的数据并进行存储，以供所述用户管理模块调用。
本发明的有益效果为：该系统可以同时对多个健身设备进行实时监控，能够实时掌握各健身设备的工作状态，减少了用于对多个健身设备进行管理的人力物力的投入，降低了企业成本，提高了企业竞争力。该系统建立了各健身设备正常运行时的标准数据库，一旦某个健身设备的运行状态异常，则可以及时驱动告警模块进行报警，以提醒相关维护人员对运行状态异常的健身设备进行维护、保养或更换，提升了维护的便利性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明实施例提供的一种健身设备智慧巡检维修运维系统的框架结构图；
图2是本发明实施例提供的云服务器的框架结构图；
图3是本发明实施例提供的用户管理模块的框架结构图；
图4是本发明实施例提供的用户登录子模块的框架结构图。
附图标记：数据采集端1、云服务器2、监控终端3、数据解压模块21、数据分析模块22、标准数据库23、告警模块24、控制模块25、存储模块31、用户管理模块32、用户登录子模块321、查询子模块322、图像采集单元3211、图像匀光单元3212、特征提取单元3213、身份验证单元3214、特征数据库2315。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种健身设备智慧巡检维修运维系统，其用于对多个健身设备的运行状态进行检测，该系统包括：数据采集端1、云服务器2和监控终端3。
所述数据采集端1包括：多个监测子节点和监测父节点，所述监测子节点用于采集其监测的健身设备的运行状态数据，所述监测父节点，用于汇聚各监测子节点采集的数据，经压缩处理后转发至所述云服务器2；
如图2所示，所述云服务器2包括：数据解压模块21、数据分析模块22、标准数据库23、告警模块24和控制模块25；所述数据解压模块21，用于接收压缩处理后的数据并进行解压操作；所述数据分析模块22，用于根据解压后的数据以及所述标准数据库中预存的各健身设备正常运行时的标准运行状态数据区间，对各健身设备的运行状态进行监测；所述控制模块25，用于接收所述数据分析模块22的分析结果和解压后的数据，并在分析结果显示有健身设备工作状态异常时，一方面驱动所述告警模块24进行报警，以提醒维修人员进行维修，另一方面将所述分析结果和解压后的数据发送至所述监控终端3。
所述监控终端3包括：存储模块31和用户管理模块32；所述存储模块31用于接收所述分析结果和解压后的数据并进行存储，以供所述用户管理模块32调用。其中，所述存储模块31用于存储各健身设备的运行状态数据、设备告警记录、设备维护提醒记录和监控历史记录等。
本发明上述实施例提供的系统可以同时对多个健身设备进行实时监控，能够实时掌握各健身设备的工作状态，减少了用于对多个健身设备进行管理的人力物力的投入，降低了企业成本，提高了企业竞争力。该系统建立了各健身设备正常运行时的标准数据库，一旦某个健身设备的运行状态异常，则可以及时驱动告警模块进行报警，以提醒相关维护人员对运行状态异常的健身设备进行维护、保养或更换，提升了维护的便利性。
在一种可选的实施方式中，所述用户管理模块32包括：用户登录子模块321和查询子模块322；
所述用户登录子模块321，用于用户权限的验证；
所述查询子模块322，用于查看各健身设备的运行状态数据和分析结果。具体地，所述查询子模块322，可以查看各健身设备的工作状态、设备告警信息、设备维护提醒信息和监控历史记录等。
用户通过用户登录子模块321进行权限验证并登录，然后通过查询子模块322查看各健身设备的工作状态、设备告警信息、设备维护提醒信息和监控历史记录等，使得用户可以了解到各健身设备的运行状态，进而及时对相应的健身设备进行维护保养，及时发现健身设备存在的安全隐患，实现对多个健身设备的集中管控。
在一种可选的实施方式中，参见图4，所述用户登录子模块321包括：图像采集单元3211、图像匀光单元3212、特征提取单元3213、身份验证单元3214和特征数据库3215；
所述图像采集单元3211，用于获取用户的人脸图像；
所述图像匀光单元3212，用于对所述人脸图像作匀光处理；
所述特征提取单元3213，用于从匀光处理后的人脸图像中提取表征该用户身份的人脸特征数据；
所述身份验证单元3214，用于基于提取到的人脸特征数据和预存的有权限的人员特征数据进行比对，以对该用户的身份进行验证；
所述特征数据库3215，用于存储有权限的人员特征数据。
在一种可选的实施方式中，在所述图像匀光单元3212中，所述的对所述人脸图像作匀光处理，具体是：
(1)对所述人脸图像作灰度化处理，得到人脸灰度图像FG(x,y)；
(2)利用高斯低通滤波器，对所述人脸灰度图像FG(x,y)进行滤波，得到低亮度图像LL(x,y)；
(3)基于所述人脸灰度图像FG(x,y)和低亮度图像LL(x,y)，利用下式，计算高亮度图像HL(x,y)：
Figure BDA0002597146310000041
式中，Gmin(FG(x,y))为高亮度图像HL(x,y)的最小灰度值，Gmax(LL(x,y))为低亮度图像LL(x,y)的最大灰度值，κ为预设的大于零的常数因子；
(4)采用第一匀光公式对所述低亮度图像LL(x,y)中各像素点灰度值作匀光处理，得到匀光后的各像素点灰度值，所有匀光后的各像素点构成的集合即为低亮度匀光图像LL′(x,y)，其中，所述第一匀光公式为：
Figure BDA0002597146310000042
式中，G′LL(p)为匀光处理后的、低亮度图像LL(x,y)中像素点p的灰度值；GLL(p)为匀光处理前的、低亮度图像LL(x,y)中像素点p的灰度值；
Figure BDA0002597146310000043
为匀光处理前的、低亮度图像LL(x,y)的最小灰度值；
Figure BDA0002597146310000044
为匀光处理前的、低亮度图像LL(x,y)的最大灰度值；
Figure BDA0002597146310000045
为人脸灰度图像FG(x,y)中的、以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure BDA0002597146310000046
为：匀光处理前的、低亮度图像LL(x,y)中的以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure BDA0002597146310000047
为：匀光处理前的、低亮度图像LL(x,y)中的以像素点p为中心，大小为K×K的邻域窗口内所有像素点的灰度平均值；c为预设的图像方差拓展系数，其取值大小满足[0,1]；
遍历所述低亮度图像LL(x,y)中所有像素点，所有匀光后的各像素点构成的集合即为低亮度匀光图像LL′(x,y)；
采用第二匀光公式对所述高亮度图像HL(x,y)中各像素点灰度值作匀光处理，得到匀光后的各像素点灰度值，所有匀光后的各像素点构成的集合即为高亮度匀光图像HL′(x,y)，其中，所述第二匀光公式为：
Figure BDA0002597146310000048
式中，G′HL(p)为匀光处理后的、高亮度图像HL(x,y)中像素点p的灰度值；GHL(p)为匀光处理前的、高亮度图像HL(x,y)中像素点p的灰度值；
Figure BDA0002597146310000051
为匀光处理前的、高亮度图像HL(x,y)的最小灰度值，
Figure BDA0002597146310000052
为匀光处理前的、高亮度图像HL(x,y)的最大灰度值；
Figure BDA0002597146310000053
为人脸灰度图像FG(x,y)中的、以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure BDA0002597146310000054
为：匀光处理前的、高亮度图像HL(x,y)中的以像素点p为中心，大小为K×K的邻域窗口内所有像素点的灰度平均值；
Figure BDA0002597146310000055
为：匀光处理前的、高亮度图像HL(x,y)中的以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；c为预设的图像方差拓展系数，其取值大小满足[0,1]；
Figure BDA0002597146310000056
为人脸灰度图像FG(x,y)的灰度平均值；
(5)将得到的低亮度匀光图像LL′(x,y)和高亮度匀光图像HL′(x,y)进行融合，即可得到匀光后的人脸图像FG′(x,y)。
有益效果：由于受光照、遮挡物等外界因素的影响，采集到的人脸图像存在光照不均匀和阴影，从而影响到采集的人脸图像的质量，对后续人脸特征数据的提取、用户身份的验证的工作带来困难，基于此，需要对采集的人脸图像作匀光处理，消除人脸图像中的光照不均匀和阴影带来的影响，具体地，先对人脸图像作灰度化处理，之后将人脸灰度图像划分为低亮度图像和高亮度图像，之后针对划分好的图像，采用不同的匀光公式对其进行匀光处理，得到匀光后的低亮度图像和高亮度图像，最后在对匀光后的低亮度图像和高亮度图像进行融合，即可得到匀光后的人脸图像。上述实施例的匀光处理过程，是基于低亮度图像和高亮度图像的不同特点，采用不同的匀光处理手段，一方面能够抑制低亮度图像中的噪声，达到滤除噪声的目的，另一方面能够凸显高亮度图像中的细节特征，利于后续人脸特征数据的提取和用户用户身份的验证。
在一种可选的实施方式中，所述的将得到的低亮度匀光图像LL′(x,y)和高亮度匀光图像HL′(x,y)进行融合，具体是：
1)将得到的低亮度匀光图像LL′(x,y)和高亮度匀光图像HL′(x,y)分别进行HSV颜色空间转换，得到HSV颜色空间下的低亮度匀光图像LL″(x,y)和高亮度匀光图像HL″(x,y)；
2)根据得到的低亮度匀光图像LL″(x,y)，利用下式计算低亮度匀光图像LL″(x,y)中各像素点的显著性值：
Figure BDA0002597146310000057
式中，LSTLL″(pl)为低亮度匀光图像LL″(x,y)为中像素点pl的显著性值；Θpl表示：以像素点pl为中心，大小为3×3的邻域窗口内的像素点pl的邻域像素点构成的集合；Vpn(xpn,ypn)、Vpl(xpl,ypl)分别为像素点pn和像素点pl的明度值；xpn、ypn分别为像素点pn的横坐标和纵坐标；xpl、ypl分别为像素点pl的横坐标和纵坐标；
根据得到的高亮度匀光图像HL″(x,y)，利用下式计算高亮度匀光图像HL″(x,y)中各像素点的显著性值；
Figure BDA0002597146310000061
式中，LSTHL″(pl)为高亮度匀光图像HL″(x,y)为中像素点pl的显著性值；Θpl表示：以像素点pl为中心，大小为3×3的邻域窗口内的像素点pl的邻域像素点构成的集合；Vpn(xpn,ypn)、Vpl(xpl,ypl)分别为像素点pn和像素点pl的明度值；xpn、ypn分别为像素点pn的横坐标和纵坐标；xpl、ypl分别为像素点pl的横坐标和纵坐标；
3)根据得到的低亮度匀光图像LL″(x,y)中各像素点的显著性值和高亮度匀光图像HL″(x,y)中各像素点的显著性值，计算融合后的各像素点灰度值，具体是：
3_1：分别计算低亮度匀光图像LL″(x,y)中所有像素点的明度值的平均值
Figure BDA0002597146310000062
和方差值
Figure BDA0002597146310000063
3_2：根据得到的
Figure BDA0002597146310000064
和
Figure BDA0002597146310000065
确定初始融合系数αLL和αHL，具体地，若
Figure BDA0002597146310000066
Figure BDA0002597146310000067
且
Figure BDA0002597146310000068
则αLL＝0.2，αHL＝0.8；若
Figure BDA0002597146310000069
且
Figure BDA00025971463100000610
则αLL＝0.45，αHL＝0.55,其他情形下，αLL＝αHL＝0.5；
3_3：若|LSTLL″(pl)-LSTHL″(pl)|≤0.15，则基于确定好的初始融合系数αLL和αHL，利用下方融合公式计算融合后的各像素点灰度值：
Figure BDA00025971463100000611
若|LSTLL″(pl)-LSTHL″(pl)|>0.15，则基于确定好的初始融合系数αLL和αHL，利用下方融合公式计算融合后的各像素点灰度值：
Figure BDA00025971463100000612
式中，G′FG(pl)为融合后的像素点pl的灰度值，G′LL(pl)为低亮度匀光图像LL′(x,y)中像素点pl的灰度值，G′HL(pl)为高亮度匀光图像HL′(x,y)中像素点pl的灰度值；
遍历所有像素点，所有融合后的各像素点构成的集合即为匀光后的人脸图像FG′(x,y)。
有益效果：采用上述实施例的方法对得到的低亮度匀光图像LL′(x,y)和高亮度匀光图像HL′(x,y)进行融合，在进行融合时，首先计算在HSV颜色空间下的低亮度匀光图像LL″(x,y)和高亮度匀光图像HL″(x,y)各像素点的显著性值，以及低亮度匀光图像LL″(x,y)和高亮度匀光图像HL″(x,y)中所有像素点的明度值的平均值
Figure BDA0002597146310000071
和方差值
Figure BDA0002597146310000072
然后基于得到的显著性值、
Figure BDA0002597146310000073
和
Figure BDA0002597146310000074
的大小，采用不同的融合公式计算融合后的各像素点灰度值，最终得到匀光后的人脸图像FG′(x,y)，上述方法步骤简单、处理速度快，在进行融合的时候考虑了相同位置上的像素点在低亮度匀光图像LL″(x,y)和高亮度匀光图像HL″(x,y)的显著性值的影响，使得在融合过程中进一步增强了图像的细节特征，有利于后续对用户身份的准确验证。
在一种可选的实施方式中，多个所述监测子节点和监测父节点按照预设的成簇机制构建一个分簇结构的无线传感器网络。
在一种可选的实施方式中，所述监测子节点包括：用于检测健身设备开停状态的设备开停传感器、用于检测健身设备运行时间的传感器、用于检测健身设备运行次数的计数传感器、用于检测健身设备运行距离的测距传感器中的一种或者多种。
在一种可选的实施方式中，所述的多个所述监测子节点和监测父节点按照预设的成簇机制构建一个分簇结构的无线传感器网络，具体构建过程如下：
多个所述监测子节点和监测父节点部署完成后，监测父节点向全网广播竞选簇首的信息，各所述监测子节点接收到该信息后，将携带有自身信息的数据包回传至监测父节点，所述监测父节点根据接收到的数据包计算各监测子节点能够作为簇首的能力值，并从中选择能力值大于预设的能力阈值的监测子节点作为簇首；所述数据包包括：监测子节点的能量信息、位置信息、时间信息等；各监测子节点能够作为簇首的能力值利用下式计算得到：
Figure BDA0002597146310000075
式中，P(su)为监测子节点su能够作为簇首的能力值；ζ为环境影响度因子，其取值范围是：0<ζ<1；其ζ具体大小与健身设备所处环境有关，如当天的温度、湿度等，其具体取值可由技术人员根据当地环境条件具体设定；
Figure BDA0002597146310000076
为监测子节点su接收到该竞选簇首信息的时刻，t0为监测父节点FC向全网广播竞选簇首消息的时刻；
Figure BDA0002597146310000077
为监测子节点su与监测父节点FC之间的空间距离；
Figure BDA0002597146310000078
为监测子节点su的初始能量值；
Figure BDA0002597146310000079
为：若监测子节点su作为簇首时，其将其最大感知范围内的所有监测子节点发送过来的单位数据转发至监测父节点FC所需消耗的能量值；
Figure BDA0002597146310000081
为：若监测子节点su作为簇首时，其将其最小感知范围内的所有监测子节点发送过来的单位数据转发至监测父节点FC所需消耗的能量值；
Figure BDA0002597146310000082
为监测子节点su的负荷率，其取值可由下式计算得到：
Figure BDA0002597146310000083
为监测子节点su能够发送的最大数据包的长度；
Figure BDA0002597146310000084
为：当监测子节点su作为簇首进行数据交互时，其丢包率不大于
Figure BDA0002597146310000085
时所能发送的最大数据包的长度，
Figure BDA0002597146310000086
为预设的丢包率，其丢包率的大小可根据需要自行设置；
监测父节点按照各监测子节点能够作为簇首的能力值的大小进行降序排列，从中选择排序靠前的N个监测子节点作为簇首；其中，N为预设的最优簇首数；
簇首确定后，当选为簇首的监测子节点向全网广播加簇指令，剩余监测子节点接收到加簇指令后，选择与自己距离最近的簇首加入，成为相应簇首的簇成员节点，最终实现分簇。
有益效果：若监测子节点均直接与监测父节点进行直接通信，距离监测父节点较远且初始能量值较小的监测子节点会由于消耗能量过快而过早地进入死亡，从而影响到该无线传感器网络的稳定性和可靠性，基于此，采用上述实施例的方式建立了一个分簇结构的无线传感器网络，其目的是为了均衡整个无线传感器网络的能耗，延长监测子节点的存活寿命，避免因为能量消耗不均衡的问题而使得某监测子节点过早地进入死亡状态。其中，在确定簇首时，上述实施例基于各监测子节点能够作为簇首的能力值，确定多个备簇首；其他监测子节点根据其自身与各簇首之间的空间距离，选择加入到与之距离最近的簇首中，成为相应簇首的簇成员节点，进而构成一个合理且合适的分簇结构的无线传感器网络。其中，在计算各监测子节点能够作为簇首的能力值时，考虑了能量、距离、环境等多方面因素的影响，实现了对各监测子节点能够作为簇首的能力值的准确评估，从而选择出更为合适的簇首，达到均衡整个无线传感器网络能量的目的。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种健身设备智慧巡检维修运维系统，其特征是，用于对多个健身设备的运行状态进行检测，该系统包括：数据采集端、云服务器和监控终端；
所述数据采集端包括：多个监测子节点和监测父节点，所述监测子节点用于采集其监测的健身设备的运行状态数据，所述监测父节点，用于汇聚各监测子节点采集的数据，经压缩处理后转发至所述云服务器；
所述云服务器包括：数据解压模块、数据分析模块、标准数据库、告警模块和控制模块；所述数据解压模块，用于接收压缩处理后的数据并进行解压操作；所述数据分析模块，用于根据解压后的数据以及所述标准数据库中预存的各健身设备正常运行时的标准运行状态数据区间，对各健身设备的运行状态进行监测；所述控制模块，用于接收所述数据分析模块的分析结果和解压后的数据，并在分析结果显示有健身设备工作状态异常时，一方面驱动所述告警模块进行报警，另一方面将所述分析结果和解压后的数据发送至所述监控终端；
所述监控终端包括：存储模块和用户管理模块；所述存储模块用于接收所述分析结果和解压后的数据并进行存储，以供所述用户管理模块调用；
所述用户管理模块包括：用户登录子模块和查询子模块；
所述用户登录子模块，用于用户权限的验证；
所述查询子模块，用于查看各健身设备的运行状态数据和分析结果；
所述用户登录子模块包括：图像采集单元、图像匀光单元、特征提取单元、身份验证单元和特征数据库；
所述图像采集单元，用于获取用户的人脸图像；
所述图像匀光单元，用于对所述人脸图像作匀光处理；
所述特征提取单元，用于从匀光处理后的人脸图像中提取表征该用户身份的人脸特征数据；
所述身份验证单元，用于基于提取到的人脸特征数据和预存的有权限的人员特征数据进行比对，以对该用户的身份进行验证；
所述特征数据库，用于存储有权限的人员特征数据；
在所述图像匀光单元中，所述的对所述人脸图像作匀光处理，具体是：
(1)对所述人脸图像作灰度化处理，得到人脸灰度图像FG(x，y)；
(2)利用高斯低通滤波器，对所述人脸灰度图像FG(x，y)进行滤波，得到低亮度图像LL(x，y)；
(3)基于所述人脸灰度图像FG(x，y)和低亮度图像LL(x，y)，利用下式，计算高亮度图像HL(x，y)：
Figure FDA0002984300840000021
式中，Gmin(FG(x，y))为高亮度图像HL(x，y)的最小灰度值，Gmax(LL(x，y))为低亮度图像LL(x，y)的最大灰度值，κ为预设的大于零的常数因子；
(4)采用第一匀光公式对所述低亮度图像LL(x，y)中各像素点灰度值作匀光处理，得到匀光后的各像素点灰度值，所有匀光后的各像素点构成的集合即为低亮度匀光图像LL′(x，y)，其中，所述第一匀光公式为：
Figure FDA0002984300840000022
式中，G′LL(p)为匀光处理后的、低亮度图像LL(x，y)中像素点p的灰度值；GLL(p)为匀光处理前的、低亮度图像LL(x，y)中像素点p的灰度值；
Figure FDA0002984300840000023
为匀光处理前的、低亮度图像LL(x，y)的最小灰度值；
Figure FDA0002984300840000024
为匀光处理前的、低亮度图像LL(x，y)的最大灰度值；
Figure FDA0002984300840000025
为人脸灰度图像FG(x，y)中的、以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure FDA0002984300840000026
为：匀光处理前的、低亮度图像LL(x，y)中的以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure FDA0002984300840000027
为：匀光处理前的、低亮度图像LL(x，y)中的以像素点p为中心，大小为K×K的邻域窗口内所有像素点的灰度平均值；c为预设的图像方差拓展系数，其取值大小满足[0，1]；
遍历所述低亮度图像LL(x，y)中所有像素点，所有匀光后的各像素点构成的集合即为低亮度匀光图像LL′(x，y)；
采用第二匀光公式对所述高亮度图像HL(x，y)中各像素点灰度值作匀光处理，得到匀光后的各像素点灰度值，所有匀光后的各像素点构成的集合即为高亮度匀光图像HL′(x，y)，其中，所述第二匀光公式为：
Figure FDA0002984300840000031
式中，G′HL(p)为匀光处理后的、高亮度图像HL(x，y)中像素点p的灰度值；GHL(p)为匀光处理前的、高亮度图像HL(x，y)中像素点p的灰度值；
Figure FDA0002984300840000032
为匀光处理前的、高亮度图像HL(x，y)的最小灰度值，
Figure FDA0002984300840000033
为匀光处理前的、高亮度图像HL(x，y)的最大灰度值；
Figure FDA0002984300840000034
为人脸灰度图像FG(x，y)中的、以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；
Figure FDA0002984300840000035
为：匀光处理前的、高亮度图像HL(x，y)中的以像素点p为中心，大小为K×K的邻域窗口内所有像素点的灰度平均值；
Figure FDA0002984300840000036
为：匀光处理前的、高亮度图像HL(x，y)中的以像素点p为中心，大小为K×K的邻域窗口内像素点的灰度值方差；c为预设的图像方差拓展系数，其取值大小满足[0，1]；
Figure FDA0002984300840000037
为人脸灰度图像FG(x，y)的灰度平均值；
(5)将得到的低亮度匀光图像LL′(x，y)和高亮度匀光图像HL′(x，y)进行融合，即可得到匀光后的人脸图像FG′(x，y)。
2.根据权利要求1所述的一种健身设备智慧巡检维修运维系统，其特征是，多个所述监测子节点和监测父节点按照预设的成簇机制构建一个分簇结构的无线传感器网络。
3.根据权利要求2所述的一种健身设备智慧巡检维修运维系统，其特征是，所述监测子节点包括：用于检测健身设备开停状态的设备开停传感器、用于检测健身设备运行时间的传感器、用于检测健身设备运行次数的计数传感器、用于检测健身设备运行距离的测距传感器中的一种或者多种。
CN202010712682.4A 2020-07-22 2020-07-22 一种健身设备智慧巡检维修运维系统 Active CN111866145B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010712682.4A CN111866145B (zh) 2020-07-22 2020-07-22 一种健身设备智慧巡检维修运维系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010712682.4A CN111866145B (zh) 2020-07-22 2020-07-22 一种健身设备智慧巡检维修运维系统

Publications (2)

Publication Number Publication Date
CN111866145A CN111866145A (zh) 2020-10-30
CN111866145B true CN111866145B (zh) 2021-05-14

Family

ID=72950232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010712682.4A Active CN111866145B (zh) 2020-07-22 2020-07-22 一种健身设备智慧巡检维修运维系统

Country Status (1)

Country Link
CN (1) CN111866145B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115445158B (zh) * 2022-10-14 2024-08-09 深圳市今视通数码科技有限公司 健身器材自检预警方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991935A (zh) * 2017-12-21 2018-05-04 武汉市龙五物联网络科技有限公司 一种基于物联网的健身设备监控维护系统
CN110969046A (zh) * 2018-09-28 2020-04-07 深圳云天励飞技术有限公司 人脸识别方法、设备及计算机可读存储介质
CN111339987A (zh) * 2020-03-09 2020-06-26 北京奥康达体育产业股份有限公司 一种基于云计算的健身数据监管系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850942B (zh) * 2015-04-29 2018-06-05 武汉体育学院 一种户外健身器材监控设备
CN110533311B (zh) * 2019-08-21 2022-07-15 三峡大学 基于能源路由器的智能社区协调调度系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991935A (zh) * 2017-12-21 2018-05-04 武汉市龙五物联网络科技有限公司 一种基于物联网的健身设备监控维护系统
CN110969046A (zh) * 2018-09-28 2020-04-07 深圳云天励飞技术有限公司 人脸识别方法、设备及计算机可读存储介质
CN111339987A (zh) * 2020-03-09 2020-06-26 北京奥康达体育产业股份有限公司 一种基于云计算的健身数据监管系统

Also Published As

Publication number Publication date
CN111866145A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111310947A (zh) 基于5g的建筑设施运维方法、设备、存储介质及系统
CN109657608B (zh) 基于人脸识别技术的尾随分析方法
CN109377585A (zh) 工厂公配设施智能运行巡检系统及其巡检方法
CN109484935A (zh) 一种电梯轿厢监控方法、装置及系统
CN111918039B (zh) 基于5g网络的人工智能高风险作业管控系统
CN111932709A (zh) 一种基于ai识别实现加油站巡检作业违规安全监管的方法
CN106327605A (zh) 一种巡检方法
CN107730647A (zh) 一种基于scada的智能手机巡检系统及其巡检方法
CN112329688B (zh) 一种公共场合用智能风险管控系统
CN109359712A (zh) 电力作业信息动态采集监控装置及其使用方法
CN108805184B (zh) 一种固定空间、车辆上的图像识别方法及系统
CN110807460A (zh) 一种基于图像识别的变电站智能巡视系统及其应用方法
CN110705472A (zh) 一种基于视频图像识别脱岗的方法及系统
CN111371895A (zh) 一种高速公路隧道用机电设备管理系统及其方法
CN111866145B (zh) 一种健身设备智慧巡检维修运维系统
CN109544870A (zh) 用于智能监控系统的报警判断方法与智能监控系统
CN109977840A (zh) 一种基于深度学习的机场场面监视方法
CN115695541A (zh) 基于边缘计算的网点巡检监测方法、装置、设备及存储介质
CN113094244A (zh) 一种用于数据中心的机房运行智能检测系统
CN105872466A (zh) 基于智能电视的报警方法及装置
CN114463873A (zh) 用于社区的巡逻系统
CN117440018A (zh) 一种基于物联网的网络摄像设备运管平台
CN109977962A (zh) 一种光缆故障隐患自动识别方法与系统
CN115187880A (zh) 基于图像识别的通信光缆缺陷检测方法、系统及存储介质
CN208969695U (zh) 电力作业信息动态采集监控装置

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
GR01 Patent grant
GR01 Patent grant