用于高校教室照明節(jié)能的圖像識別技術研究

　　摘要：當前高校公共教室普遍存在電能浪費現(xiàn)象，缺乏科學的管理，本文根據(jù)高校教室現(xiàn)狀提出利用圖像識別技術判別當前光照強度及教室人員人數(shù)及分布位置，從而對應各區(qū)域照明設備的開關，對建立“節(jié)約型校園”具有一定的推廣價值。

　　關鍵詞：圖像識別;智能照明;節(jié)能

　　相關論文范文：基于圖像識別的渣土車監(jiān)管系統(tǒng)設計及實現(xiàn)

　　摘要:為提高施工現(xiàn)場渣土車的監(jiān)管效率，減少渣土車對城市安全及環(huán)境的影響，以圖像識別技術為核心支撐，設計了渣土車智能監(jiān)管系統(tǒng)的結構、功能及運行流程，并對運行效果進行了測試。研究和測試表明:(1)該系統(tǒng)主要由圖像采集裝置、圖像處理及分析裝置、聲光報警器以及進出放行設備組成，其核心是利用模板匹配和改進的直線檢測算法對渣土車的車牌特征、顏色特征和幾何特征進行感知。

　　0引言

　　近年來，隨著高校辦學規(guī)模的擴大，師生人數(shù)和建筑設施不斷增加，高校已成為用電大戶。據(jù)調查，作為主要教學場所的公共教室，其照明消耗的電量占高校總用電量的40%之多，這其中，“長明燈”現(xiàn)象對電能的浪費占很大一部分[1]。由于高校公共教室屬于開放式管理，學生的自主學習不受限制，再加上大部分學生的節(jié)能意識淡薄，所以常會出現(xiàn)室內人少卻燈具全開;離開教室不主動關燈;或是室內光照強度過剩，即在自然光充足的條件下打開燈具的現(xiàn)象。因此利用智能監(jiān)測、智能控制手段對現(xiàn)有照明設施進行改進，根據(jù)教室實際學生人數(shù)及位置分布控制照明開關，并實時做到人走燈滅，避免不必要的電能浪費，是一項十分必要且緊迫的任務。

　　1智能識別關鍵技術

　　智能照明節(jié)能系統(tǒng)首先要對教室的實際使用需求進行判斷，即當前教室內的光照強度信息、實際人數(shù)及位置分布等信息。目前的識別技術主要有兩種：一是傳感器技術，二是圖像識別技術。

　　1.1傳感器技術

　　目前市面上常見的傳感器主要由光感、紅外線、微波和無線傳感器組成，可以簡單快速地對光照和人員信息進行檢測，但傳感器受自身探測范圍及外界環(huán)境影響，為提高識別的正確率需要測量精確安裝到最佳位置，為大范圍在教室安裝帶來不便。

　　1.2圖像識別技術

　　圖像識別技術是對同區(qū)域不同時間段的圖像進行對比，先將圖像分割成多個區(qū)域，判斷區(qū)域內某個像素的變化值是否在閾值內，得出當前的光照強度及人員分布狀況，圖像識別的正確率主要取決于圖像識別算法。利用圖像識別技術的硬件成本門檻低，現(xiàn)今大多數(shù)高校公共教室都已安裝了高清攝像頭，其后臺監(jiān)控系統(tǒng)也自帶定時抓圖功能，在此基礎上配合圖像識別算法便能達到較高的識別率。

　　2智能識別關鍵技術的實現(xiàn)

　　2.1光照強度識別

　　光照強度(簡稱照度)指某物體單位面積上所接收到的可見光的能量，單位是勒克斯(Lux或Lx)[2]。在《建筑照明設計標準》(50034-2013)中對照度標準也做了明確規(guī)定，要求教室、多媒體教室、實驗室的標準照度值為300lx。在進行照度識別時，首先拍攝300lx標準照度下的教室照片，以此作為標準樣張，為提高運算速度，圖像識別程序把彩色圖片轉換成灰度圖并保存其灰度值，接著對教室進行實時拍攝同樣轉換成灰度圖，最后把實時圖片和樣張圖片按區(qū)域進行灰度值比較(若對計算速度有更高要求，可以采用圖像二值化的方式來降低精度)[3]。若比較值小于標準值，系統(tǒng)會認為當前光照不足需要打開對應區(qū)域的燈具，否則關閉。為消除陰影、光照變化、物體遮擋等外界因素對攝像頭的干擾，可在計算灰度值前對圖像進行預處理，一般使用高斯濾波或直方圖均衡等方式。

　　2.2人員檢測識別

　　教室人員檢測是本文的研究重點，與照度識別的原理相似，需要把教室空閑狀態(tài)下的圖片做為樣張保存，與實時抓拍的圖片做差分來識別人員信息。在人員識別時，首先把目標人員從背景中分割出來，提取出目標的運動區(qū)域。針對教室場景的特點，攝像機是固定安裝且場景中的物體多是靜止的，因此本文選用實時背景更新的背景差分法(backgroundsubtraction)來進行目標人員分割。但在目標分割過程中會不可避免地產生噪聲點，或是目標人物圖像中出現(xiàn)空洞或是不連通現(xiàn)象，導致之后的人員檢測產生誤差，因此需采取數(shù)學形態(tài)學方法進行去噪聲和空洞的填補處理。

　　最后根據(jù)目標人員的姿態(tài)特點選擇合適的檢測方法，通常情況下教室場景圖像中由于前后排人員的遮擋多數(shù)只能呈現(xiàn)人員的頭部或肩部，所以筆者選擇基于人體頭部特征進行人員檢測，根據(jù)實驗結果對算法進行進一步改進。根據(jù)教室人員分布情況，經(jīng)過分析得到各區(qū)域照明設備和樣張像素的對應關系，進一步得出室內每個區(qū)域照明的開關狀態(tài)，并以此做為控制信號傳輸給本地教室單片機控制器，實現(xiàn)分區(qū)域控制照明設備的目的[3]。人員檢測識別中主要用到的圖像處理技術如下所示：

　　(一)建立適合教室場景的背景模型

　　背景差分法(backgroundsubtraction)是目前運動目標檢測的主流方法，其基本思想是將當前每一幀圖像與事先存儲或實時獲取的背景圖像相減，計算出與背景偏離超過一定閾值的區(qū)域作為運動區(qū)域[4]。背景差分法實現(xiàn)的關鍵是背景模型的獲取和更新。背景獲取算法通常要求在場景中存在運動目標的情況下獲取背景圖像，更新過程使背景能夠自適應場景的變化，如背景中對象的干擾和固定對象的移動、外界光線的變化、陰影的影響等[5]。根據(jù)本文研究的教室環(huán)境背景估計，白天室內光線會有緩慢的變化(自然光線角度變化引起)，而晚自習時段會根據(jù)教室人數(shù)控制開燈數(shù)，教室圖像受光照影響較大，基于此特點采用混合高斯模型來建模。

　　(二)圖像噪聲處理技術

　　采用背景差分法對目標人員進行分割，必須設置一個合適的閾值來判斷前景或背景，若閾值設置過小會導致背景誤認為前景，造成圖像噪聲干擾，當閾值太大時會造成人體目標圖像不連通，圖像中出現(xiàn)空洞現(xiàn)象，選擇適當?shù)拈撝悼梢詼p少此類問題但并不能杜絕這種現(xiàn)象。因此在進行目標分割后要采取數(shù)學形態(tài)學進行膨脹腐蝕處理，才能保持圖像的完整性。

　　(三)基于Haar特征的AdaBoost人臉檢測研究

　　針對教室特殊環(huán)境中人員的姿勢特點以坐姿為主，選擇基于人體頭部特征進行人員檢測，提取人體頭部的Haar-like特征，使用積分圖對特征求值進行加速，并用AdaBoost算法把待檢測圖片的特征值以二叉決策樹的形式存儲，通過多輪迭代把弱分類器訓練成區(qū)分人臉和非人臉的強分類器，最后使用篩選式級聯(lián)把分類器級聯(lián)到一起，提高準確率，并根據(jù)最終實驗結果決定是否要對算法進行進一步改進。

　　3結語

　　相比于傳統(tǒng)控制方式，使用智能監(jiān)測技術的照明節(jié)能系統(tǒng)可根據(jù)教室的實際使用需求調節(jié)照明設備的開關，在管理上無需專人巡守，只要通過監(jiān)控平臺便可得到當前所有教室的照明狀態(tài)，提高了高校樓宇管理的智能化水平，節(jié)約了學院的財政支出，對建立“節(jié)約型校園”、“綠色校園”具有一定的推廣價值。

　　參考文獻：

　　[1]張峰.基于STM32的高校教室智慧照明系統(tǒng)的設計與實現(xiàn)[D].西安建筑科技大學,2018.

　　[2]光照強度_百度百科

　　[3]吳少俊,宋樑杰.基于圖像識別技術的高校教室智能照明控制應用研究[J].數(shù)字技術與應用,2018,36(2):1-2

轉載請注明來自發(fā)表學術論文網(wǎng)：http:///dzlw/22037.html