CN114785834B - IPv6环境下的教学楼智能视频监测节能***设计方法 - Google Patents
IPv6环境下的教学楼智能视频监测节能***设计方法 Download PDFInfo
- Publication number
- CN114785834B CN114785834B CN202110011582.3A CN202110011582A CN114785834B CN 114785834 B CN114785834 B CN 114785834B CN 202110011582 A CN202110011582 A CN 202110011582A CN 114785834 B CN114785834 B CN 114785834B
- Authority
- CN
- China
- Prior art keywords
- classroom
- ipv6
- data
- people
- database
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013461 design Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
-
- 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
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种IPv6环境下的教学楼智能视频监测节能***设计方法，实时采集教室图像，采用目标检测算法FCHD对采集的图像进行处理，统计教室人数，同时安装温度传感器，检测教室温度；人数和温度数据经由IPv6网络传至服务器，由pymysql包将数据存入MySQL数据库；从数据库中提取人数和温度数据，通过人数检测结果，判断照明设备的开/关，在教室有人的情况下，根据温度数据判断温控设备的开/关；创建智慧节电教室管理平台，对MySQL数据库中的数据进行可始化管理；采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。本发明将图像处理算法和IPv6相结合，应用在智慧校园领域，实现了对教室用电设备的智能化管控，起到节能减排的作用。
Description
技术领域
本发明属于IPv6创新应用领域，具体为一种IPv6环境下的教学楼智能视频监测节能***设计方法。
背景技术
在现有的网络中，几乎所有的网络都使用IP协议作为通信的地址协议，网络中的每一个节点都应该分配一个唯一的IP地址，才能保证正常通信。现在广泛使用的IP协议版本为v4，有32位，地址空间为65536×65536，结果约为42.9亿。虽然地址共有42.9亿之多，但并不表示这些地址可供42.9亿个节点使用，但是地址是分网段的，也就是说即使在一个节点的情况下，分配地址时，也是分配一个网段而不是一个地址，因此这使得版本4的IP地址一下子变得空间狭小，IPv4的地址容量已经处于枯竭的趋势。
在建设智慧校园网络中，但是由于全国高校众多，各个高校的教室数量也很多，布局在校园里的传感器节点数量巨大，因此对网络地址空间的需求很大。与IPv4相比，IPv6具备更大的地址空间，采用128位来表示，这样大的地址空间，几乎可以容纳无数个节点。IPv6还具有更好的可扩展性、更高效的网络传输、更好的安全管理架构和更好的移动性支持，更适合智慧校园的发展。
现有的人数检测采用的是两组对射式光电传感器，这种人数检测方式存在很多不足。例如：当人口有人滞留，很难判断这些人的进出情况；如果有人进出方式不当，也会存在采集不到数据。随着人工智能和深度学习的发展，近几年基于卷积神经网络的图像处理技术迅速发展，在很多领域都得到了广泛的应用并取得很好的效果。将此技术融入智慧校园，可以有效的推进智慧校园长久持续的发展。
发明内容
发明目的：本发明提出一种IPv6环境下的教学楼智能视频监测节能***设计方法，方便了学校资源的管理，改变了教室传统的用电管理方式，避免了电力资源的浪费。
发明内容：本发明提出一种IPv6环境下的教学楼智能视频监测节能***设计方法，具体包括以下步骤：
(1)构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；
(2)构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数；
(3)构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明***和温控***；照明***通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经IPv6网络实时传入服务器的MySQL数据库中；温控***从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关；
(4)创建智慧节电教室管理模块，对MySQL数据库中的数据进行可视化管理；
(5)采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。
进一步地，所述步骤(2)包括以下步骤：
(21)采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理：SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3×9×9×64、64×1×1×35、35×5×5×1；在SRCNN特征提取层中，加入通道注意力机制，对卷积通道进行二次加权；卷积过程中采用零填充的方法，保持图像大小不变；
(22)采用目标检测算法FCHD，对采集到的图像进行人头区域识别，FCHD模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40×30×512，随后输入到(3×3×512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1×1×512，N×4)和(1×1×512，N×2)的全卷积层，(1×1×512，N×4)全卷积层用于预测头部坐标进行定位，回归头部，(1×1×512，N×2)全卷积层用于预测该位置为头的概率，分类头部和非头部区域，其中N表示标记的人头数，N值取决于每个像素位置的锚点数；两路输出分别表示为40×30×(N×4)和40×30×(N×2)，×2和×4表示锚点缩放比例；
锚点是一组预定义的包围框，用于预测尺度和位移，锚点尺寸计算公式表示为：
Anchor size＝S×R×C (3)
其中，S表示步长，R表示长宽比，C表示锚点缩放比；模型定义的锚点长宽比为1:1，步长为16，(×2)和(×4)的锚点缩放比分别对应32×32和64×64的锚点大小；
(23)将预处理过的图像数据集作为模型的输入，输出为标记好的图片，统计标记的人头区域坐标数，得到人头数量。
进一步地，所述步骤(3)包括以下步骤：
(31)创建名为classroom的数据库，创建名为stu_db的数据表，数据表中包含的字段有自增id、教室编号class_id、教室人数peo_num、教室温度class_temp、数据更新时间update_time；其中，id、class_id和peo_num的字段类型为int，class_temp的字段类型为double，update_time的字段类型为timestamp；统计的人数通过python库pymysql，设置服务器的IP地址、数据库的用户名和密码、数据库的名称classroom、编码方式，通过SQL语句INSERT INTO将采集的数据存入数据表stu_db；
(32)从stu_db数据表中提取字段peo_num的值，并把结果反馈到照明***和温控***；
(33)照明***：如果peo_num的值大于1，则表示教室有人，打开照明***，如果peo_num的值为0，则表示教室没有人，照明***保持关闭状态；
(34)教室同时安装了温度传感器，检测教室温度，并把温度情况实时传入stu_db数据表中的字段class_temp；
(35)温控***：温控***从数据库中提取字段peo_num和class_temp的值，如果peo_num的值大于1且class_temp的值高于设置的阈值，打开风扇，如果低于阈值，风扇保持关闭；温控***如果检测到peo_num的值小于1，关闭风扇，同时照明设备也会关闭。
进一步地，所述步骤(4)包括以下步骤：
(41)智慧节电教室管理模块包括登陆页面和智慧节电教室管理平台页面；
(42)智慧节电教室管理模块包括后端的功能设计和前端的页面渲染设计，后端设计采用python的Django框架编写，前端采用html和css语言编写；
(43)登陆页面设计：“用户名”输入框、“密码”输入框和“登陆”按钮在页面中间居中对齐，“用户名”输入框和“密码”输入框设置同样的长宽；针对未注册的用户，在登录框右侧设计一个注册按钮；
(44)智慧节电教室管理平台页面设计：左侧栏包括三个模块，分别是主页、用户信息、数据统计、信息搜索；主页模块展示当前日期的访客数，用户信息模块采用一个表格展示用户的基本信息，数据统计模块采用折线图展示一周内教室人数的变化情况；在信息搜索模块的搜索栏中，输入具体时间，可以反馈教室人数。
进一步地，所述步骤(5)包括以下步骤：
(51)对学生或教职工的设备第一次接入IPv6校园网时进行信息认证；
(52)通过DHCPv6服务器动态分配一个临时IPv6地址；
(53)Portal Server向用户提供一个认证页面，用户需要填写规定的相关属性进行认证；
(54)认证中心通过步骤(53)获得用户属性构造Merkle树，通过Merkle树与数据库中用户的属性的Hash值进行匹配；
(55)SDN交换机根据步骤(54)的结果为终端设备分配IPv6地址，如果匹配成功，根据Merkle树的树根来为用户分配IPv6地址，并将其与设备的MAC地址进行绑定,如果不成功，快速定位到哪一个属性填写有误并通知用户IPv6地址分配失败；
(56)为学校每一个网络终端分配一个唯一的IPv6地址，校园网中心依据此方法对学校师生网站访问情况进行数据分析。
有益效果：与现有技术相比，本发明的有益效果：1、本发明将图像处理技术融合到学校资源的管理上，提高了教室的智能化程度，方便了学校资源的管理，改变了教室传统的用电管理方式，避免了电力资源的浪费，同时也推动了高校智慧校园的建设；2、采用基于Merkle树的IPv6地址划分方法，利用IPv6地址充裕的特点，为学校的每一个网络终端分配唯一的IP地址，实现数据的溯源，便于管理，保证了网络中数据传输的安全性。
附图说明
图1为本发明的流程图；
图2为本发明中的人数统计流程图；
图3为本发明中的改进的图像超分辨率重建算法SRCNN模型图；
图4为本发明中的目标检测算法FCHD具体实现原理；
图5为本发明中的节能***设计流程图；
图6为本发明“智慧节电教室管理平台”的登陆页面图；
图7为本发明“智慧节电教室管理平台”的主页面图；
图8为本发明中的IPv6地址结构图。
具体实施方式
下面将结合本发明的附图，对本发明的技术方案进行清晰、完整地描述。
如图1所示，本发明提供了一种IPv6环境下的教学楼智能视频监测节能***设计方法,具体包括以下步骤：
步骤1：构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；
安装摄像头，采集教室图片：将OPENMV4 Cam M7安装在教室的斜上方，保证视频可以拍到教室全局画面；利用人头轮廓比较固定的特点,对处于教室场景下的视频监控中的人头进行检测分析人数，摄像头实时采集的教室图片用数据集A表示。
步骤2：构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数。
如图2所示，本发明人数统计总体流程图，采用改进的SRCNN进行图片预处理，目标检测算法FCHD识别人头；统计标记的人头区域坐标数，得到人头数量；得到的数据存入MySQL数据库。
图像预处理：在实际应用中发现，在采集的教室图片中，会有一部分人头信息处于图像边缘且边界模糊，目标检测算法无法对图像边缘的人头信息进行准确的识别，导致人数统计不准确。因此，在对教室图像进行人数识别之前，采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理，使得图像边缘模糊的人影变得更加清晰，人头边界更加明显，提高人数识别的精度。预处理过的图像用数据集A-1表示。
人头识别：采用目标检测算法FCHD，对采集到的图像进行人头区域识别，然后统计识别到的人头区域计算出人数。FCHD全称A fast and accurate head detector，该算法可以实现快速精确的人头检测。模型结构基于Faster-RCNN算法，但是不同于Faster-RCNN有两级流水线，FCHD算法可以实现单级流水线进行头部检测。
人数统计：将数据集A-1的图片作为模型的输入，输出为标记好的图片，统计标记的人头区域坐标数，得到人头数量。
为了不浪费计算资源，统计到的人数信息将会实时保存并上传到服务器的数据库，管理人员可以通过查看数据库中各个教室的人数信息，来判断学生的流动情况，选择性的开放人流量大的教室，关闭人流量小的教室，避免了教学资源的浪费。同时，统计数据的存储也便于以后各种研究使用。
如图3所示，本发明中，改进的SRCNN模型结构为：
SRCNN是将卷积神经网络应用在超分辨率领域的开山之作，卷积层数少，模型较小，容易迁移到实际领域进行应用。SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3×9×9×64、64×1×1×35、35×5×5×1。为了使模型训练更加专注于人头特征，在SRCNN特征提取层中，加入通道注意力机制，通过对卷积通道进行二次加权的方法，可以专注于学习图像中的关键信息，使得图像中人头区域更加清晰。卷积过程中采用零填充的方法，使得图像大小保持不变。
如图4所示，目标检测算法FCHD原理：
FCHD模型结构：该模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40×30×512，随后输入到(3×3×512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1×1×512，N×4)和(1×1×512，N×2)的全卷积层，(1×1×512，N×4)全卷积层用于预测头部坐标进行定位，回归头部，(1×1×512，N×2)全卷积层用于预测该位置为头的概率，分类头部和非头部区域。其中N表示标记的人头数，该值取决于每个像素位置的锚点数。两路输出分别表示为40×30×(N×4)和40×30×(N×2)，×2和×4表示锚点缩放比例。
锚点是一组预定义的包围框，用于预测尺度和位移。锚点尺寸Anchor size计算公式表示为：
Anchor size＝S×R×C (3)
其中，S表示步长，R表示长宽比，C表示锚点缩放比。模型定义的锚点长宽比为1:1，步长为16，因此，×2和×4的锚点缩放比分别对应32×32和64×64的锚点大小。较小的锚点比例，有利于定位人头区域。
步骤3：构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明***和温控***；照明***通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经IPv6网络实时传入服务器的MySQL数据库中；温控***从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关。
如表1所示，数据库设计如下：创建名为classroom的数据库，创建名为stu_db的数据表，数据表中包含的字段有自增id、教室编号class_id、教室人数peo_num、教室温度class_temp、数据更新时间update_time。其中，id、class_id和peo_num的字段类型为int，class_temp的字段类型为double，update_time的字段类型为timestamp。步骤B中统计的人数通过python库pymysql，设置服务器的IP地址、数据库的用户名和密码、数据库的名称classroom、编码方式，通过SQL语句INSERT INTO将采集的数据存入数据表stu_db。
表1数据库设计表
如图5所示，节能***设计如下：
(1)从stu_db数据表中提取字段peo_num的值，并把结果反馈到照明***和温控***。
(2)照明***：如果peo_num的值大于1，则表示教室有人，打开照明***，如果peo_num的值为0，则表示教室没有人，照明***保持关闭状态。
(3)教室同时安装了温度传感器，检测教室温度，并把温度情况实时传入stu_db数据表中的字段class_temp。
(4)温控***：温控***从数据库中提取字段peo_num和class_temp的值，如果peo_num的值大于1且class_temp的值高于设置的阈值，打开风扇，如果低于阈值，风扇保持关闭；温控***如果检测到peo_num的值小于1，关闭风扇，同时照明设备也会关闭。
步骤4：创建一个名为“智慧节电教室管理平台”的网站，对MySQL数据库中的数据进行可视化管理。
如图6、图7所示，“智慧节电教室管理平台”网站，设计如下：
(1)平台包括登陆页面和“智慧节电教室管理平台”页面。
(2)网站包括后端的功能设计和前端的页面渲染设计，后端设计采用python的Django框架编写，前端采用html和css语言编写。
(3)登陆页面设计：“用户名”输入框、“密码”输入框和“登陆”按钮在页面中间居中对齐，“用户名”输入框和“密码”输入框设置同样的长宽。针对未注册的用户，在登录框右侧设计一个注册按钮。
(4)智慧节电教室管理平台”页面设计：左侧栏包括三个模块，分别是主页、用户信息、数据统计、信息搜索。主页模块展示当前日期的访客数，用户信息模块采用一个表格展示用户的基本信息，数据统计模块采用折线图展示一周内教室人数的变化情况。在信息搜索模块的搜索栏中，输入具体时间，可以反馈教室人数，老师通过该功能可以节省点名时间。
步骤5：采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。如图8所示，具体设计如下：
(1)学生或教职工的设备第一次接入IPv6校园网时进行信息认证；
(2)通过DHCPv6服务器动态分配一个临时IPv6地址；
(3)Portal Server向用户提供一个认证页面，用户需要填写规定的相关属性进行认证；
(4)认证中心通过步骤e-c获得用户属性构造Merkle树，通过Merkle树与数据库中用户的属性的Hash值进行匹配；
(5)SDN交换机根据步骤e-d的结果为终端设备分配IPv6地址，如果匹配成功，根据Merkle树的树根来为用户分配IPv6地址，并将其与设备的MAC地址进行绑定,如果不成功，快速定位到哪一个属性填写有误并通知用户IPv6地址分配失败；
(6)为学校每一个网络终端分配一个唯一的IPv6地址，校园网中心依据此方法对学校师生网站访问情况进行数据分析。
本发明提出的设计方法，具有一定的实用价值，将IPv6与图像处理技术融合，不仅保证了图像处理技术实施的安全性、可靠性，海量的地址空间，还便于该技术的广泛的推广，不受地址资源匮乏的约束，为每一个网络终端，分配唯一的IP地址，将IP地址和物理设备的MAC地址绑定，可以实现溯源，便于管理。本发明在推动智慧校园长久持续发展的同时，也对IPv6进行了广泛的推广与应用，促进IPv6的发展。训练的图像处理模型可以多次重复实用，节约了算力资源。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种IPv6环境下的教学楼智能视频监测节能***设计方法，其特征在于，包括以下步骤：
(1)构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；
(2)构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数；
(3)构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明***和温控***；照明***通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经IPv6网络实时传入服务器的MySQL数据库中；温控***从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关；
(4)创建智慧节电教室管理模块，对MySQL数据库中的数据进行可视化管理；
(5)采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析；
所述步骤(2)包括以下步骤：
(21)采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理：SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3×9×9×64、64×1×1×35、35×5×5×1；在SRCNN特征提取层中，加入通道注意力机制，对卷积通道进行二次加权；卷积过程中采用零填充的方法，保持图像大小不变；
(22)采用目标检测算法FCHD，对采集到的图像进行人头区域识别，FCHD模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40×30×512，随后输入到(3×3×512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1×1×512，N×4)和(1×1×512，N×2)的全卷积层，(1×1×512，N×4)全卷积层用于预测头部坐标进行定位，回归头部，(1×1×512，N×2)全卷积层用于预测头部坐标为头的概率，分类头部和非头部区域，其中N表示标记的人头数，N值取决于每个像素位置的锚点数；两路输出分别表示为40×30×(N×4)和40×30×(N×2)，(×2)和(×4)表示锚点缩放比例；
锚点是一组预定义的包围框，用于预测尺度和位移，锚点尺寸计算公式表示为：
Anchor size＝S×R×C (3)
其中，S表示步长，R表示长宽比，C表示锚点缩放比；模型定义的锚点长宽比为1:1，步长为16，(×2)和(×4)的锚点缩放比例分别对应32×32和64×64的锚点大小；
(23)将预处理过的图像数据集作为模型的输入，输出为标记好的图片，统计标记的人头区域坐标数，得到人头数量；
所述步骤(5)包括以下步骤：
(51)对学生或教职工的设备第一次接入IPv6校园网时进行信息认证；
(52)通过DHCPv6服务器动态分配一个临时IPv6地址；
(53)Portal Server向用户提供一个认证页面，用户需要填写规定的相关属性进行认证；
(54)认证中心通过步骤(53)获得用户属性构造Merkle树，通过Merkle树与数据库中用户的属性的Hash值进行匹配；
(55)SDN交换机根据步骤(54)的结果为终端设备分配IPv6地址，如果匹配成功，根据Merkle树的树根来为用户分配IPv6地址，并将其与设备的MAC地址进行绑定,如果不成功，快速定位到哪一个属性填写有误并通知用户IPv6地址分配失败；
(56)为学校每一个网络终端分配一个唯一的IPv6地址，校园网中心依据此方法对学校师生网站访问情况进行数据分析。
2.根据权利要求1所述的IPv6环境下的教学楼智能视频监测节能***设计方法，其特征在于，所述步骤(3)包括以下步骤：
(31)创建名为classroom的数据库，创建名为stu_db的数据表，数据表中包含的字段有自增id、教室编号class_id、教室人数peo_num、教室温度class_temp、数据更新时间update_time；其中，id、class_id和peo_num的字段类型为int，class_temp的字段类型为double，update_time的字段类型为timestamp；统计的人数通过python库pymysql，设置服务器的IP地址、数据库的用户名和密码、数据库的名称classroom、编码方式，通过SQL语句INSERT INTO将采集的数据存入数据表stu_db；
(32)从stu_db数据表中提取字段peo_num的值，并把结果反馈到照明***和温控***；
(33)照明***：如果peo_num的值大于1，则表示教室有人，打开照明***，如果peo_num的值为0，则表示教室没有人，照明***保持关闭状态；
(34)教室同时安装了温度传感器，检测教室温度，并把温度情况实时传入stu_db数据表中的字段class_temp；
(35)温控***：温控***从数据库中提取字段peo_num和class_temp的值，如果peo_num的值大于1且class_temp的值高于设置的阈值，打开风扇，如果低于阈值，风扇保持关闭；温控***如果检测到peo_num的值小于1，关闭风扇，同时照明设备也会关闭。
3.根据权利要求1所述的IPv6环境下的教学楼智能视频监测节能***设计方法，其特征在于，所述步骤(4)包括以下步骤：
(41)智慧节电教室管理模块包括登陆页面和智慧节电教室管理平台页面；
(42)智慧节电教室管理模块包括后端的功能设计和前端的页面渲染设计，后端设计采用python的Django框架编写，前端采用html和css语言编写；
(43)登陆页面设计：“用户名”输入框、“密码”输入框和“登陆”按钮在页面中间居中对齐，“用户名”输入框和“密码”输入框设置同样的长宽；针对未注册的用户，在登录框右侧设计一个注册按钮；
(44)智慧节电教室管理平台页面设计：左侧栏包括三个模块，分别是主页、用户信息、数据统计、信息搜索；主页模块展示当前日期的访客数，用户信息模块采用一个表格展示用户的基本信息，数据统计模块采用折线图展示一周内教室人数的变化情况；在信息搜索模块的搜索栏中，输入具体时间，可以反馈教室人数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110011582.3A CN114785834B (zh) | 2021-01-06 | 2021-01-06 | IPv6环境下的教学楼智能视频监测节能***设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110011582.3A CN114785834B (zh) | 2021-01-06 | 2021-01-06 | IPv6环境下的教学楼智能视频监测节能***设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114785834A CN114785834A (zh) | 2022-07-22 |
| CN114785834B true CN114785834B (zh) | 2024-04-09 |
Family
ID=82407665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110011582.3A Active CN114785834B (zh) | 2021-01-06 | 2021-01-06 | IPv6环境下的教学楼智能视频监测节能***设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114785834B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116938986B (zh) * | 2023-09-19 | 2024-06-14 | 广州晟烨信息科技股份有限公司 | 一种基于物联网的智慧校园管理方法及*** |
| CN118211951A (zh) * | 2024-05-21 | 2024-06-18 | 中国人寿保险股份有限公司江苏省分公司 | 一种基于图像识别的保险代理人参会情况质检方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013159544A1 (zh) * | 2012-04-28 | 2013-10-31 | 华南理工大学 | 基于日程表的教学楼中央空调末端设备管理方法及*** |
| CN103679592A (zh) * | 2013-11-12 | 2014-03-26 | 南京邮电大学 | 高校教室感知管理*** |
| CN203552305U (zh) * | 2013-11-12 | 2014-04-16 | 南京邮电大学 | 高校教室感知管理装置 |
| CN107479388A (zh) * | 2017-09-26 | 2017-12-15 | 西南科技大学 | 一种教室中央空调与照明的节能控制***及控制方法 |
| CN108540586A (zh) * | 2018-03-06 | 2018-09-14 | 南京邮电大学 | 一种基于Merkle树的校园网IPv6地址划分方法 |
| CN109979251A (zh) * | 2019-03-02 | 2019-07-05 | 广东新源信息技术有限公司 | 一种基于IPv6技术的智慧教室*** |
| CN110390613A (zh) * | 2019-04-24 | 2019-10-29 | 南京邮电大学 | 一种基于ipv6网络的智慧教学服务管理*** |
| CN110503017A (zh) * | 2019-08-12 | 2019-11-26 | 北京交通大学 | 基于图像处理的智慧节能室内人数检测***与方法 |
| CN110889923A (zh) * | 2019-11-29 | 2020-03-17 | 南京邮电大学 | 一种基于IPv6的校园智能浴室排队*** |
| CN111189201A (zh) * | 2020-01-15 | 2020-05-22 | 西安建筑科技大学 | 一种基于机器视觉的空调预测控制方法 |
| CN111191610A (zh) * | 2019-12-31 | 2020-05-22 | 河海大学常州校区 | 一种视频监控中人流量检测与处理方法 |
| CN111192200A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于融合注意力机制残差网络的图像超分辨率重建方法 |
-
2021
- 2021-01-06 CN CN202110011582.3A patent/CN114785834B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013159544A1 (zh) * | 2012-04-28 | 2013-10-31 | 华南理工大学 | 基于日程表的教学楼中央空调末端设备管理方法及*** |
| CN103679592A (zh) * | 2013-11-12 | 2014-03-26 | 南京邮电大学 | 高校教室感知管理*** |
| CN203552305U (zh) * | 2013-11-12 | 2014-04-16 | 南京邮电大学 | 高校教室感知管理装置 |
| CN107479388A (zh) * | 2017-09-26 | 2017-12-15 | 西南科技大学 | 一种教室中央空调与照明的节能控制***及控制方法 |
| CN108540586A (zh) * | 2018-03-06 | 2018-09-14 | 南京邮电大学 | 一种基于Merkle树的校园网IPv6地址划分方法 |
| CN109979251A (zh) * | 2019-03-02 | 2019-07-05 | 广东新源信息技术有限公司 | 一种基于IPv6技术的智慧教室*** |
| CN110390613A (zh) * | 2019-04-24 | 2019-10-29 | 南京邮电大学 | 一种基于ipv6网络的智慧教学服务管理*** |
| CN110503017A (zh) * | 2019-08-12 | 2019-11-26 | 北京交通大学 | 基于图像处理的智慧节能室内人数检测***与方法 |
| CN110889923A (zh) * | 2019-11-29 | 2020-03-17 | 南京邮电大学 | 一种基于IPv6的校园智能浴室排队*** |
| CN111191610A (zh) * | 2019-12-31 | 2020-05-22 | 河海大学常州校区 | 一种视频监控中人流量检测与处理方法 |
| CN111192200A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于融合注意力机制残差网络的图像超分辨率重建方法 |
| CN111189201A (zh) * | 2020-01-15 | 2020-05-22 | 西安建筑科技大学 | 一种基于机器视觉的空调预测控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| Image Super-Resolution Using Deep Convolutional Networks;Chao Dong等;IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE;第38卷(第2期);第295-307页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114785834A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022083157A1 (zh) | 目标检测方法、装置及电子设备 | |
| CN109697435B (zh) | 人流量监测方法、装置、存储介质及设备 | |
| CN112132197B (zh) | 模型训练、图像处理方法、装置、计算机设备和存储介质 | |
| CN114785834B (zh) | IPv6环境下的教学楼智能视频监测节能***设计方法 | |
| CN109783094A (zh) | 前端页面生成方法、装置、计算机设备及存储介质 | |
| CN103824053A (zh) | 一种人脸图像的性别标注方法及人脸性别检测方法 | |
| CN112052837A (zh) | 基于人工智能的目标检测方法以及装置 | |
| CN110543811B (zh) | 一种基于深度学习的非配合式考试人员管理方法及其*** | |
| CN111461105B (zh) | 一种文本识别方法和装置 | |
| CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及*** | |
| CN112967341A (zh) | 基于实景图像的室内视觉定位方法、***、设备及存储介质 | |
| CN112001274A (zh) | 人群密度确定方法、装置、存储介质和处理器 | |
| CN115761529B (zh) | 图像处理方法和电子设备 | |
| WO2021169642A1 (zh) | 基于视频的眼球转向确定方法与*** | |
| WO2023061082A1 (zh) | 图像安全处理方法和装置、电子设备和存储介质 | |
| CN115187772A (zh) | 目标检测网络的训练及目标检测方法、装置及设备 | |
| CN105631404A (zh) | 对照片进行聚类的方法及装置 | |
| CN111507416A (zh) | 一种基于深度学习的吸烟行为实时检测方法 | |
| CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
| CN117726884A (zh) | 对象类别识别模型的训练方法、对象类别识别方法及装置 | |
| Sun et al. | Automatic building age prediction from street view images | |
| CN117218400A (zh) | 一种图像识别模型训练方法、装置、电子设备及存储介质 | |
| CN109308584A (zh) | 一种无感考勤***及方法 | |
| CN112101303B (zh) | 一种图像数据处理方法、装置以及计算机可读存储介质 | |
| CN114581994A (zh) | 一种课堂考勤管理方法和*** |
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 |