CN116311383A - 一种基于图像处理的楼宇智能用电管理*** - Google Patents

一种基于图像处理的楼宇智能用电管理*** Download PDF

Info

Publication number
CN116311383A
CN116311383A CN202310545658.XA CN202310545658A CN116311383A CN 116311383 A CN116311383 A CN 116311383A CN 202310545658 A CN202310545658 A CN 202310545658A CN 116311383 A CN116311383 A CN 116311383A
Authority
CN
China
Prior art keywords
image
suspected
pixel
portrait
subunit
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.)
Granted
Application number
CN202310545658.XA
Other languages
English (en)
Other versions
CN116311383B (zh
Inventor
任凤娟
羊梅
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.)
Chengdu Aeronautic Polytechnic
Original Assignee
Chengdu Aeronautic Polytechnic
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 Chengdu Aeronautic Polytechnic filed Critical Chengdu Aeronautic Polytechnic
Priority to CN202310545658.XA priority Critical patent/CN116311383B/zh
Publication of CN116311383A publication Critical patent/CN116311383A/zh
Application granted granted Critical
Publication of CN116311383B publication Critical patent/CN116311383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的楼宇智能用电管理***，属于电力***技术领域，本发明采用红外摄像机拍摄楼宇室内的红外图像，提高在夜晚对人的识别精度，并且对红外图像进行去噪，滤除噪声影响，再获取疑似人像区域，在疑似人像区域中存在人像时，获取该人像的空间位置，根据空间位置开启对应位置所在灯光，节约电能且方便行动。

Description

一种基于图像处理的楼宇智能用电管理***
技术领域
本发明涉及电力***技术领域，具体涉及一种基于图像处理的楼宇智能用电管理***。
背景技术
现有办公楼宇或者教育楼宇属于公用场所，理想情况下，公用场所内用电设备在有人时开启，在无人时关闭，但这种理想情况依赖于人对节能用电的意识，更多时候容易忘记关闭用电设备，因此，很多时候都存在室内设备无人使用，设备仍在运行，导致用电浪费。
现有基于图像处理的智能用电管理***中通过摄像机拍摄楼宇内图像，再对楼宇内图像进行识别，在有人时开启相应用电设备，在无人时关闭用电设备，但在傍晚和晚上普通摄像机对人识别精度较低，且其无法根据人所在位置开启对应位置的灯光，导致晚上行动不便。
发明内容
针对现有技术中的上述不足，本发明提供的：一种基于图像处理的楼宇智能用电管理***解决了现有基于图像处理的智能用电管理***存在无法根据人员所在位置开启对应位置的灯光的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于图像处理的楼宇智能用电管理***，包括：红外摄像机和控制器；
所述红外摄像机用于拍摄楼宇室内的红外图像；所述控制器用于对红外图像依次进行去噪、提取疑似人像区域和识别出疑似人像区域中是否存在人像，若存在，则识别出人像所在空间位置，根据人像所在空间位置，开启对应空间位置所在灯光，若不存在，则关闭室内用电设备。
进一步地，所述控制器包括：图像预处理单元、疑似区域提取单元、人像识别单元和位置识别单元；
所述图像预处理单元用于对红外图像进行去噪处理，得到去噪图像；
所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域；
所述人像识别单元用于识别出疑似人像区域中是否存在人像；
所述位置识别单元用于在疑似人像区域中存在人像时，计算出人像所在空间位置。
上述进一步方案的有益效果为：本发明先对红外图像进行去噪处理，避免噪点影响疑似人像区域的提取。
进一步地，所述图像预处理单元包括：像素值选取子单元、比值计算子单元、像素点筛选子单元、矫正子单元和去噪子单元；
所述像素值选取子单元用于取拍摄的红外图像中固定位置的像素点的像素值；
所述比值计算子单元用于计算拍摄的红外图像中固定位置的像素点的像素值与标准红外图像中固定位置的像素点的像素值的比值；
所述像素点筛选子单元用于去除最大比值和最小比值对应的拍摄的红外图像上固定位置的像素点的像素值，剩余固定位置的像素点的像素值为保留像素值；
所述矫正子单元用于根据保留像素值和标准红外图像中固定位置的像素点的像素值，对拍摄的红外图像进行矫正，得到矫正图像；
所述去噪子单元对矫正图像进行去噪处理，得到去噪图像。
上述进一步方案的有益效果为：本发明中固定位置属于人像通常不会达到的图像位置，避免人像遮挡固定位置，通过计算拍摄的红外图像上像素值与标准红外图像上像素值的比值，除去最大比值和最小比值，减少噪点对比值的影响，根据比值情况，矫正拍摄的红外图像上的像素点，同时，太阳有很强的红外光谱，本发明可以减少由于强烈光照，对红外成像的影响。
进一步地，所述对拍摄的红外图像进行矫正的公式为：
Figure SMS_7
，其中，/>
Figure SMS_1
为矫正图像上第/>
Figure SMS_5
个像素点的像素值，/>
Figure SMS_11
为拍摄的红外图像上第/>
Figure SMS_15
个像素点的像素值，/>
Figure SMS_13
为标准红外图像中第/>
Figure SMS_17
个固定位置的像素点的像素值，/>
Figure SMS_12
为拍摄的红外图像中第/>
Figure SMS_16
个固定位置的保留像素值，
Figure SMS_3
为取序列/>
Figure SMS_9
中的中位数，/>
Figure SMS_10
为标准红外图像中第1个固定位置的像素点的像素值，/>
Figure SMS_14
为标准红外图像中第/>
Figure SMS_18
个固定位置的像素点的像素值，/>
Figure SMS_19
为拍摄的红外图像中第1个固定位置的保留像素值，/>
Figure SMS_2
为拍摄的红外图像中第/>
Figure SMS_8
个固定位置的保留像素值，所述标准红外图像中第/>
Figure SMS_4
个固定位置和拍摄的红外图像中第/>
Figure SMS_6
个固定位置在空间和图像上为同一位置。
上述进一步方案的有益效果为：本发明在对红外图像矫正时，为了进一步地提升矫正精度，综合考虑比值的平均值和中位数，得到精确的比值系数，减少太阳的红外光谱影响。
进一步地，所述进行去噪处理的公式为：
Figure SMS_20
，/>
Figure SMS_24
，其中，
Figure SMS_26
为去噪图像上像素点的像素值，/>
Figure SMS_21
为去噪权重，/>
Figure SMS_23
为矫正图像上待去噪的像素点的像素值，/>
Figure SMS_25
为矫正图像上待去噪的像素点临近范围的第/>
Figure SMS_27
个像素点的像素值，/>
Figure SMS_22
为自然对数。
上述进一步方案的有益效果为：本发明以矫正图像上每个像素点为中心，以矫正图像上中心像素点的临近范围的8个像素点的像素值为参考，若8个像素点的像素值与中心像素值差距较大，则中心像素点的像素值为异常点，本发明重点考虑临近范围的8个像素点的像素值，减少异常点影响。
进一步地，所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域包括：疑似像素点提取子单元和疑似区域框选子单元；
所述疑似像素点提取子单元用于根据标准红外图像中人像的像素值范围，从去噪图像中挑选出像素值在范围[A,B]的像素点，作为疑似像素点，其中，A为标准红外图像中人像的像素值的下限，B为标准红外图像中人像的像素值的上限；
所述疑似区域框选子单元用于设定框选窗口，通过框选窗口对去噪图像中的像素点进行遍历，计算框选窗口每次遍历的选择系数，在选择系数大于选择阈值时，该框选窗口下对应的疑似像素点为确定像素点，所有确定像素点构成疑似人像区域，其中，选择系数的公式为：
Figure SMS_28
，其中，/>
Figure SMS_29
为选择系数，/>
Figure SMS_30
为框选窗口下疑似像素点的数量，/>
Figure SMS_31
为框选窗口下所覆盖的像素点数量。
上述进一步方案的有益效果为：根据人在红外图像中的成像像素值范围，从而找到在该范围内的所有疑似像素点，通过框选窗口去遍历去噪图像，每次遍历时，框选窗口中疑似像素点的占比决定了疑似像素点分布的密集程度，在选择系数小时，疑似像素点分布稀疏，分布稀疏的区域可能为噪点，也可能是其他物体的成像像素点，因此，仅选择疑似像素点分布密集区域作为疑似人像区域，相当于进一步地对疑似像素点做了滤波处理，筛选出疑似像素点分布密集区域。
进一步地，所述人像识别单元包括：分区子单元、人像区域划分子单元和近似评估子单元；
所述分区子单元用于在疑似人像区域中存在不连续区域时，将疑似人像区域划分为单个疑似人像区域；
所述人像区域划分子单元用于对单个疑似人像区域从上往下进行划分，得到多个疑似人体区域；
所述近似评估子单元用于根据每个疑似人体区域与对应存储的标准人体区域的近似因子，计算近似度，在近似度大于近似阈值时，单个疑似人像区域存在人像。
上述进一步方案的有益效果为：若疑似人像区域中存在多个人像，则各个人像间会存在像素点不连续，根据该点特征，根据不连续区域的位置，将疑似人像区域进行划分，得到单个疑似人像区域。由于人部分皮肤裸露在外和部分穿着衣服，整个身体在红外成像时，不同区域成像像素值不同，因此，对单个疑似人像区域进行从上到下划分，进行分区对比计算。
进一步地，所述计算近似度的公式为：
Figure SMS_48
，/>
Figure SMS_52
，
Figure SMS_56
，其中，/>
Figure SMS_34
为近似度，/>
Figure SMS_36
为第/>
Figure SMS_40
个疑似人体区域与对应存储的标准人体区域的第一近似因子，/>
Figure SMS_44
为第/>
Figure SMS_33
个疑似人体区域与对应存储的标准人体区域的第二近似因子，/>
Figure SMS_38
为疑似人体区域数量，/>
Figure SMS_42
为第/>
Figure SMS_46
个疑似人体区域上像素点的数量，/>
Figure SMS_50
为第/>
Figure SMS_54
个标准人体区域上像素点的数量，/>
Figure SMS_58
为第/>
Figure SMS_60
个疑似人体区域上第/>
Figure SMS_51
个像素点的像素值，/>
Figure SMS_55
为第/>
Figure SMS_59
个标准人体区域上第/>
Figure SMS_61
个像素点的像素值，/>
Figure SMS_32
为第/>
Figure SMS_39
个疑似人体区域上的像素平均值，/>
Figure SMS_43
为第/>
Figure SMS_47
个标准人体区域上的像素平均值，/>
Figure SMS_35
为乘积符号，/>
Figure SMS_37
为将/>
Figure SMS_41
个/>
Figure SMS_45
相加，/>
Figure SMS_49
为将/>
Figure SMS_53
个/>
Figure SMS_57
相加。
上述进一步方案的有益效果为：本发明的第一近似因子考虑两个区域在像素点数量上的近似程度，第二近似因子考虑两个区域在像素值分布上的近似程度，将各部分的相似情况叠加，综合得到近似度。
进一步地，所述位置识别单元取疑似人像区域中单个疑似人像区域上四个方位的像素点坐标，基于空间位置预测模型，将每个方位的像素点坐标转换为人像所在空间坐标，其中，空间位置预测模型为：
Figure SMS_65
，/>
Figure SMS_69
，其中，/>
Figure SMS_72
为空间上的横坐标，/>
Figure SMS_64
为空间上的纵坐标，/>
Figure SMS_67
为自然对数，/>
Figure SMS_71
为从疑似人像区域上取的像素点的横坐标，/>
Figure SMS_74
为从疑似人像区域上取的像素点的纵坐标，/>
Figure SMS_62
为第一权重，/>
Figure SMS_66
为第二权重，/>
Figure SMS_70
为第三权重，/>
Figure SMS_73
为第四权重，/>
Figure SMS_63
为第一偏置，/>
Figure SMS_68
为第二偏置。
上述进一步方案的有益效果为：本发明通过建立图像上的位置与空间上的位置的对照关系，从而将图像上的位置与现实中的位置进行对应，开启对应区域的灯光，有效节省电能。
综上，本发明的有益效果为：本发明采用红外摄像机拍摄楼宇室内的红外图像，提高在夜晚对人的识别精度，并且对红外图像进行去噪，滤除噪声影响，再获取疑似人像区域，在疑似人像区域中存在人像时，获取该人像的空间位置，根据空间位置开启对应位置所在灯光，节约电能且方便行动。
附图说明
图1为一种基于图像处理的楼宇智能用电管理***的***框图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于图像处理的楼宇智能用电管理***，包括：红外摄像机和控制器；
所述红外摄像机用于拍摄楼宇室内的红外图像；所述控制器用于对红外图像依次进行去噪、提取疑似人像区域和识别出疑似人像区域中是否存在人像，若存在，则识别出人像所在空间位置，根据人像所在空间位置，开启对应空间位置所在灯光，若不存在，则关闭室内用电设备。
所述控制器包括：图像预处理单元、疑似区域提取单元、人像识别单元和位置识别单元；
所述图像预处理单元用于对红外图像进行去噪处理，得到去噪图像；
所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域；
所述人像识别单元用于识别出疑似人像区域中是否存在人像；
所述位置识别单元用于在疑似人像区域中存在人像时，计算出人像所在空间位置。
本发明先对红外图像进行去噪处理，避免噪点影响疑似人像区域的提取。
所述图像预处理单元包括：像素值选取子单元、比值计算子单元、像素点筛选子单元、矫正子单元和去噪子单元；
所述像素值选取子单元用于取拍摄的红外图像中固定位置的像素点的像素值；
所述比值计算子单元用于计算拍摄的红外图像中固定位置的像素点的像素值与标准红外图像中固定位置的像素点的像素值的比值；
所述像素点筛选子单元用于去除最大比值和最小比值对应的拍摄的红外图像上固定位置的像素点的像素值，剩余固定位置的像素点的像素值为保留像素值；
所述矫正子单元用于根据保留像素值和标准红外图像中固定位置的像素点的像素值，对拍摄的红外图像进行矫正，得到矫正图像；
所述去噪子单元对矫正图像进行去噪处理，得到去噪图像。
本发明中固定位置属于人像通常不会达到的图像位置，避免人像遮挡固定位置，通过计算拍摄的红外图像上像素值与标准红外图像上像素值的比值，除去最大比值和最小比值，减少噪点对比值的影响，根据比值情况，矫正拍摄的红外图像上的像素点，同时，太阳有很强的红外光谱，本发明可以减少由于强烈光照，对红外成像的影响。
所述对拍摄的红外图像进行矫正的公式为：
Figure SMS_84
，其中，/>
Figure SMS_75
为矫正图像上第/>
Figure SMS_80
个像素点的像素值，/>
Figure SMS_88
为拍摄的红外图像上第/>
Figure SMS_92
个像素点的像素值，/>
Figure SMS_91
为标准红外图像中第/>
Figure SMS_93
个固定位置的像素点的像素值，/>
Figure SMS_83
为拍摄的红外图像中第/>
Figure SMS_87
个固定位置的保留像素值，
Figure SMS_77
为取序列/>
Figure SMS_79
中的中位数，/>
Figure SMS_85
为标准红外图像中第1个固定位置的像素点的像素值，/>
Figure SMS_89
为标准红外图像中第/>
Figure SMS_86
个固定位置的像素点的像素值，/>
Figure SMS_90
为拍摄的红外图像中第1个固定位置的保留像素值，/>
Figure SMS_76
为拍摄的红外图像中第/>
Figure SMS_81
个固定位置的保留像素值，所述标准红外图像中第/>
Figure SMS_78
个固定位置和拍摄的红外图像中第/>
Figure SMS_82
个固定位置在空间和图像上为同一位置。
本发明在对红外图像矫正时，为了进一步地提升矫正精度，综合考虑比值的平均值和中位数，得到精确的比值系数，减少太阳的红外光谱影响。
所述进行去噪处理的公式为：
Figure SMS_94
，/>
Figure SMS_98
，其中，
Figure SMS_100
为去噪图像上像素点的像素值，/>
Figure SMS_95
为去噪权重，/>
Figure SMS_97
为矫正图像上待去噪的像素点的像素值，/>
Figure SMS_99
为矫正图像上待去噪的像素点临近范围的第/>
Figure SMS_101
个像素点的像素值，/>
Figure SMS_96
为自然对数。
本发明以矫正图像上每个像素点为中心，以矫正图像上中心像素点的临近范围的8个像素点的像素值为参考，若8个像素点的像素值与中心像素值差距较大，则中心像素点的像素值为异常点，本发明重点考虑临近范围的8个像素点的像素值，减少异常点影响。
所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域包括：疑似像素点提取子单元和疑似区域框选子单元；
所述疑似像素点提取子单元用于根据标准红外图像中人像的像素值范围，从去噪图像中挑选出像素值在范围[A,B]的像素点，作为疑似像素点，其中，A为标准红外图像中人像的像素值的下限，B为标准红外图像中人像的像素值的上限；
所述疑似区域框选子单元用于设定框选窗口，通过框选窗口对去噪图像中的像素点进行遍历，计算框选窗口每次遍历的选择系数，在选择系数大于选择阈值时，该框选窗口下对应的疑似像素点为确定像素点，所有确定像素点构成疑似人像区域，其中，选择系数的公式为：
Figure SMS_102
，其中，/>
Figure SMS_103
为选择系数，/>
Figure SMS_104
为框选窗口下疑似像素点的数量，/>
Figure SMS_105
为框选窗口下所覆盖的像素点数量。
在本实施例中，选择阈值根据经验设定。
根据人在红外图像中的成像像素值范围，从而找到在该范围内的所有疑似像素点，通过框选窗口去遍历去噪图像，每次遍历时，框选窗口中疑似像素点的占比决定了疑似像素点分布的密集程度，在选择系数小时，疑似像素点分布稀疏，分布稀疏的区域可能为噪点，也可能是其他物体的成像像素点，因此，仅选择疑似像素点分布密集区域作为疑似人像区域，相当于进一步地对疑似像素点做了滤波处理，筛选出疑似像素点分布密集区域。
所述人像识别单元包括：分区子单元、人像区域划分子单元和近似评估子单元；
所述分区子单元用于在疑似人像区域中存在不连续区域时，将疑似人像区域划分为单个疑似人像区域；
所述人像区域划分子单元用于对单个疑似人像区域从上往下进行划分，得到多个疑似人体区域；
所述近似评估子单元用于根据每个疑似人体区域与对应存储的标准人体区域的近似因子，计算近似度，在近似度大于近似阈值时，单个疑似人像区域存在人像。
在本实施例中，标准人体区域由标准红外图像中人像区域划分得到。
若疑似人像区域中存在多个人像，则各个人像间会存在像素点不连续，根据该点特征，根据不连续区域的位置，将疑似人像区域进行划分，得到单个疑似人像区域。由于人部分皮肤裸露在外和部分穿着衣服，整个身体在红外成像时，不同区域成像像素值不同，因此，对单个疑似人像区域进行从上到下划分，进行分区对比计算。
所述计算近似度的公式为：
Figure SMS_125
，/>
Figure SMS_130
，
Figure SMS_131
，其中，/>
Figure SMS_109
为近似度，/>
Figure SMS_113
为第/>
Figure SMS_117
个疑似人体区域与对应存储的标准人体区域的第一近似因子，/>
Figure SMS_121
为第/>
Figure SMS_123
个疑似人体区域与对应存储的标准人体区域的第二近似因子，/>
Figure SMS_127
为疑似人体区域数量，/>
Figure SMS_132
为第/>
Figure SMS_134
个疑似人体区域上像素点的数量，/>
Figure SMS_124
为第/>
Figure SMS_128
个标准人体区域上像素点的数量，/>
Figure SMS_133
为第/>
Figure SMS_135
个疑似人体区域上第/>
Figure SMS_108
个像素点的像素值，/>
Figure SMS_111
为第/>
Figure SMS_115
个标准人体区域上第/>
Figure SMS_120
个像素点的像素值，/>
Figure SMS_106
为第
Figure SMS_112
个疑似人体区域上的像素平均值，/>
Figure SMS_116
为第/>
Figure SMS_119
个标准人体区域上的像素平均值，/>
Figure SMS_107
为乘积符号，/>
Figure SMS_110
为将/>
Figure SMS_114
个/>
Figure SMS_118
相加，/>
Figure SMS_122
为将/>
Figure SMS_126
个/>
Figure SMS_129
相加。
本发明的第一近似因子考虑两个区域在像素点数量上的近似程度，第二近似因子考虑两个区域在像素值分布上的近似程度，将各部分的相似情况叠加，综合得到近似度。
所述位置识别单元取疑似人像区域中单个疑似人像区域上四个方位的像素点坐标，基于空间位置预测模型，将每个方位的像素点坐标转换为人像所在空间坐标，其中，空间位置预测模型为：
Figure SMS_137
，/>
Figure SMS_140
，其中，/>
Figure SMS_144
为空间上的横坐标，/>
Figure SMS_139
为空间上的纵坐标，/>
Figure SMS_143
为自然对数，/>
Figure SMS_146
为从疑似人像区域上取的像素点的横坐标，/>
Figure SMS_148
为从疑似人像区域上取的像素点的纵坐标，/>
Figure SMS_136
为第一权重，/>
Figure SMS_142
为第二权重，/>
Figure SMS_145
为第三权重，/>
Figure SMS_147
为第四权重，/>
Figure SMS_138
为第一偏置，/>
Figure SMS_141
为第二偏置。
在本实施例中，四个方位可分别为人像的头部方位、脚部方位、左边和右边。
在本实施例中，空间位置预测模型中的权重和偏置，可采用图像上的坐标，结合现实中的坐标，构成训练集，采用训练集对空间位置预测模型中的权重和偏置进行训练，从而得到权重和偏置。
本发明通过建立图像上的位置与空间上的位置的对照关系，从而将图像上的位置与现实中的位置进行对应，开启对应区域的灯光，有效节省电能。
综上，本发明实施例的有益效果为：本发明采用红外摄像机拍摄楼宇室内的红外图像，提高在夜晚对人的识别精度，并且对红外图像进行去噪，滤除噪声影响，再获取疑似人像区域，在疑似人像区域中存在人像时，获取该人像的空间位置，根据空间位置开启对应位置所在灯光，节约电能且方便行动。

Claims (9)

1.一种基于图像处理的楼宇智能用电管理***，其特征在于，包括：红外摄像机和控制器；
所述红外摄像机用于拍摄楼宇室内的红外图像；所述控制器用于对红外图像依次进行去噪、提取疑似人像区域和识别出疑似人像区域中是否存在人像，若存在，则识别出人像所在空间位置，根据人像所在空间位置，开启对应空间位置所在灯光，若不存在，则关闭室内用电设备。
2.根据权利要求1所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述控制器包括：图像预处理单元、疑似区域提取单元、人像识别单元和位置识别单元；
所述图像预处理单元用于对红外图像进行去噪处理，得到去噪图像；
所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域；
所述人像识别单元用于识别出疑似人像区域中是否存在人像；
所述位置识别单元用于在疑似人像区域中存在人像时，计算出人像所在空间位置。
3.根据权利要求2所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述图像预处理单元包括：像素值选取子单元、比值计算子单元、像素点筛选子单元、矫正子单元和去噪子单元；
所述像素值选取子单元用于取拍摄的红外图像中固定位置的像素点的像素值；
所述比值计算子单元用于计算拍摄的红外图像中固定位置的像素点的像素值与标准红外图像中固定位置的像素点的像素值的比值；
所述像素点筛选子单元用于去除最大比值和最小比值对应的拍摄的红外图像上固定位置的像素点的像素值，剩余固定位置的像素点的像素值为保留像素值；
所述矫正子单元用于根据保留像素值和标准红外图像中固定位置的像素点的像素值，对拍摄的红外图像进行矫正，得到矫正图像；
所述去噪子单元对矫正图像进行去噪处理，得到去噪图像。
4.根据权利要求3所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述对拍摄的红外图像进行矫正的公式为：
Figure QLYQS_10
，其中，/>
Figure QLYQS_3
为矫正图像上第/>
Figure QLYQS_7
个像素点的像素值，/>
Figure QLYQS_4
为拍摄的红外图像上第/>
Figure QLYQS_8
个像素点的像素值，/>
Figure QLYQS_12
为标准红外图像中第/>
Figure QLYQS_16
个固定位置的像素点的像素值，/>
Figure QLYQS_9
为拍摄的红外图像中第/>
Figure QLYQS_13
个固定位置的保留像素值，
Figure QLYQS_1
为取序列/>
Figure QLYQS_5
中的中位数，/>
Figure QLYQS_14
为标准红外图像中第1个固定位置的像素点的像素值，/>
Figure QLYQS_18
为标准红外图像中第/>
Figure QLYQS_17
个固定位置的像素点的像素值，
Figure QLYQS_19
为拍摄的红外图像中第1个固定位置的保留像素值，/>
Figure QLYQS_2
为拍摄的红外图像中第/>
Figure QLYQS_6
个固定位置的保留像素值，所述标准红外图像中第/>
Figure QLYQS_11
个固定位置和拍摄的红外图像中第/>
Figure QLYQS_15
个固定位置在空间和图像上为同一位置。
5.根据权利要求3所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述进行去噪处理的公式为：
Figure QLYQS_21
，/>
Figure QLYQS_24
，其中，/>
Figure QLYQS_26
为去噪图像上像素点的像素值，/>
Figure QLYQS_22
为去噪权重，/>
Figure QLYQS_23
为矫正图像上待去噪的像素点的像素值，/>
Figure QLYQS_25
为矫正图像上待去噪的像素点临近范围的第/>
Figure QLYQS_27
个像素点的像素值，/>
Figure QLYQS_20
为自然对数。
6.根据权利要求2所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述疑似区域提取单元用于根据去噪图像，提取疑似人像区域包括：疑似像素点提取子单元和疑似区域框选子单元；
所述疑似像素点提取子单元用于根据标准红外图像中人像的像素值范围，从去噪图像中挑选出像素值在范围[A,B]的像素点，作为疑似像素点，其中，A为标准红外图像中人像的像素值的下限，B为标准红外图像中人像的像素值的上限；
所述疑似区域框选子单元用于设定框选窗口，通过框选窗口对去噪图像中的像素点进行遍历，计算框选窗口每次遍历的选择系数，在选择系数大于选择阈值时，该框选窗口下对应的疑似像素点为确定像素点，所有确定像素点构成疑似人像区域，其中，选择系数的公式为：
Figure QLYQS_28
，其中，/>
Figure QLYQS_29
为选择系数，/>
Figure QLYQS_30
为框选窗口下疑似像素点的数量，/>
Figure QLYQS_31
为框选窗口下所覆盖的像素点数量。
7.根据权利要求2所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述人像识别单元包括：分区子单元、人像区域划分子单元和近似评估子单元；
所述分区子单元用于在疑似人像区域中存在不连续区域时，将疑似人像区域划分为单个疑似人像区域；
所述人像区域划分子单元用于对单个疑似人像区域从上往下进行划分，得到多个疑似人体区域；
所述近似评估子单元用于根据每个疑似人体区域与对应存储的标准人体区域的近似因子，计算近似度，在近似度大于近似阈值时，单个疑似人像区域存在人像。
8.根据权利要求7所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述计算近似度的公式为：
Figure QLYQS_32
，/>
Figure QLYQS_33
，
Figure QLYQS_34
，
其中，
Figure QLYQS_51
为近似度，/>
Figure QLYQS_54
为第/>
Figure QLYQS_57
个疑似人体区域与对应存储的标准人体区域的第一近似因子，/>
Figure QLYQS_36
为第/>
Figure QLYQS_39
个疑似人体区域与对应存储的标准人体区域的第二近似因子，/>
Figure QLYQS_43
为疑似人体区域数量，/>
Figure QLYQS_47
为第/>
Figure QLYQS_52
个疑似人体区域上像素点的数量，/>
Figure QLYQS_55
为第/>
Figure QLYQS_58
个标准人体区域上像素点的数量，/>
Figure QLYQS_60
为第/>
Figure QLYQS_53
个疑似人体区域上第/>
Figure QLYQS_56
个像素点的像素值，/>
Figure QLYQS_59
为第/>
Figure QLYQS_61
个标准人体区域上第
Figure QLYQS_37
个像素点的像素值，/>
Figure QLYQS_40
为第/>
Figure QLYQS_44
个疑似人体区域上的像素平均值，/>
Figure QLYQS_48
为第/>
Figure QLYQS_35
个标准人体区域上的像素平均值，/>
Figure QLYQS_42
为乘积符号，/>
Figure QLYQS_46
为将/>
Figure QLYQS_50
个/>
Figure QLYQS_38
相加，/>
Figure QLYQS_41
为将/>
Figure QLYQS_45
个/>
Figure QLYQS_49
相加。
9.根据权利要求7所述的基于图像处理的楼宇智能用电管理***，其特征在于，所述位置识别单元取疑似人像区域中单个疑似人像区域上四个方位的像素点坐标，基于空间位置预测模型，将每个方位的像素点坐标转换为人像所在空间坐标，其中，空间位置预测模型为：
Figure QLYQS_64
，/>
Figure QLYQS_68
，其中，/>
Figure QLYQS_72
为空间上的横坐标，/>
Figure QLYQS_65
为空间上的纵坐标，/>
Figure QLYQS_66
为自然对数，/>
Figure QLYQS_70
为从疑似人像区域上取的像素点的横坐标，/>
Figure QLYQS_73
为从疑似人像区域上取的像素点的纵坐标，/>
Figure QLYQS_63
为第一权重，/>
Figure QLYQS_67
为第二权重，/>
Figure QLYQS_71
为第三权重，/>
Figure QLYQS_74
为第四权重，/>
Figure QLYQS_62
为第一偏置，/>
Figure QLYQS_69
为第二偏置。
CN202310545658.XA 2023-05-16 2023-05-16 一种基于图像处理的楼宇智能用电管理*** Active CN116311383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310545658.XA CN116311383B (zh) 2023-05-16 2023-05-16 一种基于图像处理的楼宇智能用电管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310545658.XA CN116311383B (zh) 2023-05-16 2023-05-16 一种基于图像处理的楼宇智能用电管理***

Publications (2)

Publication Number Publication Date
CN116311383A true CN116311383A (zh) 2023-06-23
CN116311383B CN116311383B (zh) 2023-07-25

Family

ID=86803455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310545658.XA Active CN116311383B (zh) 2023-05-16 2023-05-16 一种基于图像处理的楼宇智能用电管理***

Country Status (1)

Country Link
CN (1) CN116311383B (zh)

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070014439A1 (en) * 2005-03-15 2007-01-18 Omron Corporation Monitoring system, monitoring device and method, recording medium, and program
US20090132547A1 (en) * 1993-11-18 2009-05-21 Rhoads Geoffrey B Steganographic Encoding for Video and Audio
US20110081099A1 (en) * 2007-02-01 2011-04-07 Hughes Ronald J Personnel Security Screening System with Enhanced Privacy
CN104363673A (zh) * 2014-09-17 2015-02-18 张灏 一种基于人体识别的按需照明节能控制***
CN105467935A (zh) * 2014-09-03 2016-04-06 秦皇岛中科百捷电子信息科技有限公司 一种建筑主动式节能监控***及方法
CN105574498A (zh) * 2015-12-15 2016-05-11 重庆凯泽科技有限公司 基于海关安检的人脸识别***及识别方法
CN106569466A (zh) * 2016-10-20 2017-04-19 国网山东省电力公司菏泽供电公司 一种楼宇用电设备运行状态的监控方法、装置及***
CN106991448A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种人像比对处理方法
CN107124794A (zh) * 2017-06-07 2017-09-01 安徽艳阳电气集团有限公司 一种节电型智能led灯具控制***及控制方法
CN107571977A (zh) * 2017-09-27 2018-01-12 陕西科技大学 一种基于fpga的中小型水域自主救生***及救生方法
CN107967458A (zh) * 2017-12-06 2018-04-27 宁波亿拍客网络科技有限公司 一种人脸识别方法
CN108495410A (zh) * 2018-04-03 2018-09-04 陈永进 一种住宅楼梯智能分区照明节能控制***及控制方法
CN109558812A (zh) * 2018-11-13 2019-04-02 广州铁路职业技术学院（广州铁路机械学校） 人脸图像的提取方法和装置、实训***和存储介质
JP2019164422A (ja) * 2018-03-19 2019-09-26 セコム株式会社 人物照合装置
CN110706259A (zh) * 2019-10-12 2020-01-17 四川航天神坤科技有限公司 一种基于空间约束的可疑人员跨镜头追踪方法及装置
CN110991231A (zh) * 2019-10-28 2020-04-10 支付宝(杭州)信息技术有限公司 活体检测方法、装置、服务器和人脸识别设备
US20200245903A1 (en) * 2019-01-02 2020-08-06 Oxehealth Limited Method And Apparatus For Monitoring Of A Human Or Animal Subject
CN112380892A (zh) * 2020-09-14 2021-02-19 青岛海信网络科技股份有限公司 一种图像识别方法、装置、设备及介质
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***
CN113449563A (zh) * 2020-03-26 2021-09-28 深圳云天励飞技术有限公司 一种人员跟踪标记方法、装置、电子设备及存储介质
CN113902633A (zh) * 2021-09-24 2022-01-07 中国科学院西安光学精密机械研究所 一种基于偏振信息的海面搜救目标强化方法
CN113900391A (zh) * 2021-09-10 2022-01-07 苏州贝基电子科技有限公司 一种基于大数据的商业大厦智能管理***
CN114332910A (zh) * 2021-11-17 2022-04-12 中科(厦门)数据智能研究院 一种面向远红外图像的相似特征计算的人体部位分割方法
CN115841434A (zh) * 2023-02-21 2023-03-24 深圳市特安电子有限公司 一种用于气体浓度分析的红外图像增强方法
CN115984973A (zh) * 2023-03-21 2023-04-18 深圳市嘉润原新显科技有限公司 一种用于防偷窥屏幕的人体异常行为监测方法
CN116075148A (zh) * 2023-03-14 2023-05-05 四川易景智能终端有限公司 一种基于人工智能的pcba板生产线智能监管***

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090132547A1 (en) * 1993-11-18 2009-05-21 Rhoads Geoffrey B Steganographic Encoding for Video and Audio
US20070014439A1 (en) * 2005-03-15 2007-01-18 Omron Corporation Monitoring system, monitoring device and method, recording medium, and program
US20110081099A1 (en) * 2007-02-01 2011-04-07 Hughes Ronald J Personnel Security Screening System with Enhanced Privacy
CN105467935A (zh) * 2014-09-03 2016-04-06 秦皇岛中科百捷电子信息科技有限公司 一种建筑主动式节能监控***及方法
CN104363673A (zh) * 2014-09-17 2015-02-18 张灏 一种基于人体识别的按需照明节能控制***
CN105574498A (zh) * 2015-12-15 2016-05-11 重庆凯泽科技有限公司 基于海关安检的人脸识别***及识别方法
CN106569466A (zh) * 2016-10-20 2017-04-19 国网山东省电力公司菏泽供电公司 一种楼宇用电设备运行状态的监控方法、装置及***
CN106991448A (zh) * 2017-04-10 2017-07-28 广东金杭科技股份有限公司 一种人像比对处理方法
CN107124794A (zh) * 2017-06-07 2017-09-01 安徽艳阳电气集团有限公司 一种节电型智能led灯具控制***及控制方法
CN107571977A (zh) * 2017-09-27 2018-01-12 陕西科技大学 一种基于fpga的中小型水域自主救生***及救生方法
CN107967458A (zh) * 2017-12-06 2018-04-27 宁波亿拍客网络科技有限公司 一种人脸识别方法
JP2019164422A (ja) * 2018-03-19 2019-09-26 セコム株式会社 人物照合装置
CN108495410A (zh) * 2018-04-03 2018-09-04 陈永进 一种住宅楼梯智能分区照明节能控制***及控制方法
CN109558812A (zh) * 2018-11-13 2019-04-02 广州铁路职业技术学院（广州铁路机械学校） 人脸图像的提取方法和装置、实训***和存储介质
US20200245903A1 (en) * 2019-01-02 2020-08-06 Oxehealth Limited Method And Apparatus For Monitoring Of A Human Or Animal Subject
CN110706259A (zh) * 2019-10-12 2020-01-17 四川航天神坤科技有限公司 一种基于空间约束的可疑人员跨镜头追踪方法及装置
CN110991231A (zh) * 2019-10-28 2020-04-10 支付宝(杭州)信息技术有限公司 活体检测方法、装置、服务器和人脸识别设备
CN113449563A (zh) * 2020-03-26 2021-09-28 深圳云天励飞技术有限公司 一种人员跟踪标记方法、装置、电子设备及存储介质
CN112380892A (zh) * 2020-09-14 2021-02-19 青岛海信网络科技股份有限公司 一种图像识别方法、装置、设备及介质
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***
CN113900391A (zh) * 2021-09-10 2022-01-07 苏州贝基电子科技有限公司 一种基于大数据的商业大厦智能管理***
CN113902633A (zh) * 2021-09-24 2022-01-07 中国科学院西安光学精密机械研究所 一种基于偏振信息的海面搜救目标强化方法
CN114332910A (zh) * 2021-11-17 2022-04-12 中科(厦门)数据智能研究院 一种面向远红外图像的相似特征计算的人体部位分割方法
CN115841434A (zh) * 2023-02-21 2023-03-24 深圳市特安电子有限公司 一种用于气体浓度分析的红外图像增强方法
CN116075148A (zh) * 2023-03-14 2023-05-05 四川易景智能终端有限公司 一种基于人工智能的pcba板生产线智能监管***
CN115984973A (zh) * 2023-03-21 2023-04-18 深圳市嘉润原新显科技有限公司 一种用于防偷窥屏幕的人体异常行为监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LAVANYA SHARMA: "Fisher’s linear discriminant ratio based threshold for moving human detection in thermal video", 《INFRARED PHYSICS & TECHNOLOGY》, vol. 78, pages 118 - 128, XP029757144, DOI: 10.1016/j.infrared.2016.07.012 *
侯晓克: "深度学习在视频火焰探测中的算法研究", 《中国优秀硕士学位全文数据库 工程科技Ⅰ辑》, pages 026 - 45 *

Also Published As

Publication number Publication date
CN116311383B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
TWI362016B (en) Method for detecting desired objects in a highly dynamic environment by a monitoring system and the monitoring system thereof
US10009549B2 (en) Imaging providing ratio pixel intensity
CN110956094A (zh) 一种基于非对称双流网络的rgb-d多模态融合人员检测方法
CN110427922A (zh) 一种基于机器视觉和卷积神经网络病虫害识别***和方法
CN104023166B (zh) 一种环境自适应视频图像降噪方法及装置
CN110348263B (zh) 一种基于图像识别的二维随机码图像识别与提取方法
CN111292257B (zh) 一种基于Retinex的暗视觉环境下图像增强方法
CN111339831B (zh) 一种照明灯控制方法和***
CN109389569B (zh) 基于改进DehazeNet的监控视频实时去雾方法
CN107239729B (zh) 一种基于光照估计的光照人脸识别方法
CN112184604A (zh) 一种基于图像融合的彩色图像增强方法
CN110503017A (zh) 基于图像处理的智慧节能室内人数检测***与方法
CN109886170A (zh) 一种钉螺智能检测识别与统计***
CN109118444A (zh) 一种基于特征分离的正则化人脸图像复杂光照去除方法
WO2022262763A1 (zh) 图像构图质量评估方法及装置
CN110163157A (zh) 一种利用新型损失函数进行多人姿态估计的方法
CN111860488A (zh) 一种杆塔鸟巢检测与识别方法、装置、设备及其介质
CN109451292B (zh) 图像色温校正方法及装置
CN116311383B (zh) 一种基于图像处理的楼宇智能用电管理***
CN111950518B (zh) 一种用于暴力行为识别的视频图像增强方法
CN110188684A (zh) 一种人脸识别装置及方法
CN111666869B (zh) 一种基于宽动态处理的人脸识别方法、装置及电子设备
CN109271864A (zh) 一种基于小波变换和支持向量机的人群密度估计方法
CN113449664A (zh) 一种火灾现场火情监测***和监测方法
CN110674737B (zh) 一种虹膜识别的增强方法

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