网上斗牛

2018届优秀毕业论文(二)

作者: 时间:2018-09-12 点击数:

基于人脸识别的家庭智能安防系统

计算机科学与技术   201409819   杨培胜

指导教师   张学军(副教授)

 要:物联网技术的发展逐渐成为了科技发展重要方向之一,伴随着人工智能技术的火热和国家的大力支持,智能家居行业受到了前所未有的关注。中国的智能家居行业已经呈现出了一片繁荣景象,人们也在时刻享受着技术发展所带来的便捷服务和温馨家园生活。在这样一种应用场景下,我们设计并开发了基于人脸识别的家庭智能安防系统,采用Tensorflow结合卷积神经网络、WeChat通信技术和嵌入式系统开发,保护家庭成员的生命、财产安全。同时,提供手机端远程控制和远程监控功能。本系统的研究与开发对保护家庭成员的生命、财产安全具有重要的现实意义。

关键词:家庭安防,嵌入式开发,CNN,人脸识别

1  绪论

1.1  研究背景与意义

2013-2017年安防显示安防行业在中国有了30多年的发展历史,最早服务于金融、公安等重点要害部门。传统的安全防控主要以单传感器和摄像头为主,提供单一的传感服务和摄像头视频流监控,视频流数据无处理化且需专门的人员进行不间断监控,这带来了不便和高昂的成本[1]

如今,越来越多的家庭隐患也不断引起人们的重视,主要有煤气/天然气中毒、入室盗窃、入室抢劫等。这些隐患不但给人们生活带来了严重损害,甚至会导致人们的生命危险。因此,利用信息技术,如人工智能技术研究和开发家庭智能安防系统对保护家庭成员的生命、财产安全具有重要的现实意义。

1.2  国内外研究现状

在北美,家庭安防已成为一个一体化的综合产业,集合了诸多高科技技术和管理方式,其主要服务模式采用的是联网报警的处理方式,其中ADT公司的发展最具代表性[2]。在邻国日本,基于家庭报警的服务产业非常发达,比较典型的就是日本电信公司。他们利用自身在通信服务方面的优势推出了全新的运营模式i-mode,可通过一些智能设备如手机或平板电脑远程控制家电和及时接收报警信息[3]。在我国安防行业进入迅速发展的蓬勃增长期。根据相关权威数据统计,目前国内安防行业共有两万多家企业,其中以中小企业为主,客户群体主要为政府机关和一些金融机构。相比之下,民用安防产品的发展规模要小得多,原因主要在于国内的智能家庭安防系统产品尚未完全成熟并投入商业化流程,存在一定的不稳定性,会有一些误报的情况发生;在民用安防产品领域,尤其是家庭安防产品的市场还需要进一步的挖掘和培育,这需要企业加大宣传力度或是政府出台一些相关政策进行引导。

为此,在调研了国内外安防系统的基础上,采用Google开源Tensorflow框架和卷积神经网络技术,详细设计和实现了一款基于人脸识别的家庭安防系统来保障家庭成员生命、财产安全。

2 系统设计

系统采用OpenCV视觉处理技术、tensorflow结合卷积神经网络实现对人脸的检测和用户人脸识别,使用WeChat通信技术在Linux系统进行微信网页端二次开发,实现移动端和网页端的指令传输与数据通信。同时,系统采用传感器数据实时获取、阈值比较、自动控制的方法,实现了对家中煤气/天然气检测、人体红外检测、灯光开启与关闭、蜂鸣器自动报警、邮件警报信息自动推送等业务功能。系统分为嵌入式智能终端和移动端监控两部分。嵌入式智能终端设备有树莓派处理器、各传感器,应实现陌生人智能识别、传感器数据实时获取、后台智能分析处理、及时做出安全响应与报警、数据传输安全等功能。移动端实现了WeChat指令传输与信息获取,在家模式和离家模式设置、获取监控区域静态图片、播放报警音乐、获取城市PM2.5状态、开/关灯、浏览器访问服务器实时查看摄像头监控区域。

3  关键技术

系统使用ARM架构的开放式嵌入式开发板Raspberry Pi作为嵌入式智能终端设备,使用OpenCV视觉处理技术进行人脸检测,使用tensorflow结合卷积神经网络进行了用户人脸模型训练和人脸识别,并通过WeChat通信技术进行手机端与嵌入式终端数据通信。

3.1  Tensorflow框架

TensorFlow框架是Google公司研发的开源人工智能学习系统。它采用的是张量和数据流图的计算方式。而数据流图是用来进行数值计算的,数学操作在图中用节点(nodes)表示,节点间的多维数据数组则用线(edges)进行表示。张量也就是N维数组。

3.2  卷积神经网络

卷积神经网络(Convolutional Neural NetworkCNN)是利用卷积操作进行滤波的神经网络。也就是说,CNN就是卷积操作加神经网络。卷积神经网络包含卷积层、池化层和全连接层[13]

4  系统实现

如图4.1所示,为系统硬件各模块连接、集成组装实物效果图。硬件系统包括核心处理器、人体红外检测、烟雾检测、继电器、蜂鸣器等;软件系统包括图像采集、人脸模型训练、人脸识别、邮件报警通知、WeChat控制等。下面对各模块的设计和实现进行详细说明。

             

                 4.1 系统实物效果图

4.1  硬件系统结构

硬件设备有搭载ARM Cortex-A53处理器的Raspberry PiHC-SR501人体红外检测模块、Raspberry Pi USB摄像头、MQ-2烟雾气敏传感器模块、Raspberry Pi风扇、L斗牛D灯、USB音响和有源蜂鸣器模块。硬件系统结构如图4.2所示:

         

4.2 硬件系统结构图                                   4.3 软件系统网络拓扑图

硬件结构各模块之间的连接和通信通过树莓派进行,HC-SR501人体红外检测传感器的OUT端口会连接到树莓派GPIO12端口,通过是否检测到人体实时传输电平信号给树莓派;MQ-2烟雾气敏传感器模块DOUT端口连接树莓派GPIO9端口,实时检测有毒气体是否超标,值是否超过设置的阈值,一旦超过阈值,树莓派会获取到数据进行后台处理,通过GPIO22端口输出高电平信号,继电器接收到高电平信号后开关闭合,风扇会开启执行通风操作;摄像头通过树莓派USB接口1进行连接,人体红外检测传感器一旦检测到人体信号时,摄像头会自动打开,树莓派获取视频流数据,然后对一帧一帧图像进行处理并分析是否有陌生人闯入,如果是在夜间有陌生人闯入,树莓派会通过GPIO18端口、GPIO11端口和USB接口2来打开灯光、蜂鸣器、播放报警音乐并将音量调至最大。

4.2  软件系统结构

系统软件总体框架图如图4.3所示该框架设计中主要有手机端和Raspberry Pi两大智能体,手机端安装有WeChat手机端,Raspberry Pi端安装有WeChat网页端,通信方式为WeChat服务器通信,通过WiFi进行数据传输。在Raspberry Pi端主要有人脸检测软件模块、人脸识别软件模块、终端节点控制软件模块、邮件报警模块和WeChat控制软件模块。各模块软件之间的运行是紧密联系的。包含在终端节点内的人体红外检测模块会实时检测人体是否靠近,当检测到人体时会触发摄像头开启,人脸检测模块启动,进行人脸检测,并将检测到的人脸输入到人脸模型库中进行人脸识别与匹配;如果是陌生人,则触发邮件报警模块,发送警告信息,同时也会通过WeChat网页端自动发送警报信息到WeChat手机端。还有包含在终端节点里面的烟雾检测模块、风扇模块、灯光模块等也会通过数据获取与Raspberry Pi进行后台数据交换与分析处理,并根据事件重要等级情况及时通知用户。

5  系统测试

5.1  人体红外传感器+蜂鸣器

该测试模块中将人体红外检测传感器和蜂鸣器分别连接到Raspberry Pi 1211引脚上面,实物连接图如图5.1所示,当有人靠近人体红外检测模块之后,蜂鸣器会发出警报声音。

               

5.1 人体红外检测和蜂鸣器                       5.2 烟雾传感器和蜂鸣器

5.2  烟雾检测传感器+蜂鸣器

该测试模块中将MQ-2烟雾检测传感器和蜂鸣器分别连接到Raspberry Pi 1911引脚上面,实物连接图如图5.2所示,当把打火机气体靠近烟雾检测模块时,蜂鸣器会发出警报声音。

5.3  人脸检测+人脸识别

首先进行人脸检测,使用OpenCV库中开源人脸模型进行检测,检测结果如图5.3所示;当检测到人脸后将人脸图像输入到训练好的用户人脸模型中进行人脸识别,如图5.4所示

                   

5.3 人脸检测                               图5.4 用户人脸识别成功

5.4  系统集成与整体测试

该测试在这里将各模块进行整合,整合过程中不但要考虑到各硬件模块的兼容性,更要考虑到软件程序流程设计与控制,在软件设计上就要根据硬件相互关联性进行代码重构与设计整合。综合各硬件模块测试代码,对系统进行完整性测试,具体如图5.6-5.12所示。

                                   

5.6 WeChat控制指令             5.7 “000”启用在家模式”         5.8 发送“001”获取一张监控区域图片  

                   

5.9 “004”查看摄像头监控区域                 5.10 手机端访问网址进行视频监控查看

                   

5.11外出模式开启摄像头进行人脸识别                5.12 检测到有毒气体超标进行邮件报警

6  总结

基于人脸识别的家庭智能安防系统有效保护家庭成员生命、财产安全。系统切合当前安防行业现状,以人脸识别技术进行家庭用户与陌生人精准识别;多传感器融合方式来实时获取家庭内部存在安全隐患问题;提供手机端与嵌入式智能终端进行数据通信,实现人机交互与远程监控;使用邮件和微信对用户和业主进行警报信息智能化推送;系统适用于现有家庭智能安防业务,同样可以应用在现代智能家居系统场景中。

参考文献

[1] 中国产业信息网[斗牛B/OL].http://www.chyxx.com/industry/201706/537446.html,2017.

[2] 徐迅雷.互联网.物联网.法联网[J].中国高新区,2011(10):132-132.

[3] 周拓, 王桂芳. NTTKDD联合研制电视会议图像编码装置[J]. 电信科学, 1988(5):64.

Family Intelligent Security System Based on Face Recognition

Computer Science and Technology   201409819   Yang PeiSheng

Mentor   Zhang XueJun (Associate Professor)

AbstractThe Internet of Things (IoT) technology has gradually become one of the important directions for the development of science and technology. With the popularity of artificial intelligence technology and the government’s strong support, the smart home industry has attracted unprecedented attention. China's smart home industry has shown a prosperous phenomenon. People are also enjoying convenient service and comfortable home life brought by the technology development at all times. In such an application scenario, we designed and developed a family intelligent security system based on face recognition, use tensorflow combined with convolutional neural network, WeChat communication technology and embedded system development to protect the life and property safety of family members. At the same time, it provides mobile terminal remote control and remote monitoring functions. The research and development of this system has important practical significance for protecting the life and property safety of family members.

Key Words: Home Security and Alarm斗牛mbedded DevelopmentCNNFace Recognition

Copyright ? 2017   Powered by    兰州交通大学网上斗牛   All Rightseserved.

地址:兰州交通大学电信学院办公楼    邮编:730070