基于微信公眾號平臺圖書館座位管理系統(tǒng)

蔡豐熠 楊奕辰 葛周潔

摘 要：本文著力于研究建立基于微信公眾平臺的圖書館座位管理系統(tǒng)，旨在解決大學(xué)圖書館惡意占座、座位使用率低下等不良現(xiàn)象，緩解學(xué)生需求與座位資源不均衡的矛盾，基于機(jī)器視覺技術(shù)提出了一創(chuàng)新管理模式，通過對圖書館的圖像采集、圖像處理、跟蹤檢測、實(shí)時(shí)反饋等任務(wù)，實(shí)現(xiàn)圖書館的智能化管理，為學(xué)生也為圖書館管理者提供更大便利。

關(guān)鍵詞：圖書館管理;機(jī)器視覺;人流量預(yù)測

1引言

1.1研究背景

目前，由于學(xué)生學(xué)習(xí)需求的日漸提高，國內(nèi)高校的占座現(xiàn)象也越來越普遍，為緩解學(xué)生需求與座位資源不均衡的矛盾，“Seat？”圖書館座位管理系統(tǒng)應(yīng)運(yùn)而生?！癝eat？”是一款旨在解決大學(xué)圖書館惡意占座、座位使用率低下等不良現(xiàn)象，基于微信公眾平臺的圖書館座位管理系統(tǒng)，通過提前預(yù)約，實(shí)時(shí)監(jiān)控，信用評級等手段，能夠?qū)崿F(xiàn)圖書館的實(shí)時(shí)的數(shù)據(jù)反饋與管理規(guī)劃，輔助工作人員的管理與學(xué)生群體的時(shí)間分配?！癝eat？” 將建立屬于大學(xué)生的圖書館智能管理平臺，以期改善圖書館的學(xué)習(xí)環(huán)境，杜絕不文明現(xiàn)象，為學(xué)生營造良好的校園學(xué)習(xí)環(huán)境。

1.2 研究現(xiàn)狀

（1）座椅占用識別

國外較早的目標(biāo)檢測算法在2001年提出。 Paul Viola 和 Michael Jones 在論文《Robust Real-Time Face Detection》中提出的Viola Jones框架。該方法快速并且相對簡單，它能做到實(shí)時(shí)檢測，運(yùn)算量很小。它的工作原理是使用 Haar 特征產(chǎn)生多種（可能有數(shù)千個(gè)）簡單的二進(jìn)制分類器。這些分類器由級聯(lián)的多尺度滑動(dòng)窗口進(jìn)行評估，并且在出現(xiàn)消極分類情況的早期及時(shí)丟棄錯(cuò)誤分類。由于方法較簡單，故精確率不足。

第一個(gè)使用深度學(xué)習(xí)進(jìn)行目標(biāo)檢測并取得很大進(jìn)展的方法是紐約大學(xué)在 2013 年提出的 Overfeat ，他們提出了一個(gè)使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）的多尺度滑動(dòng)窗口算法。

在 Overfeat 提出不久，來自加州大學(xué)伯克利分校的 Ross Girshick 等人發(fā)表了基于卷積神經(jīng)網(wǎng)絡(luò)特征的區(qū)域方法 （Regions with CNN features，R-CNN），它在目標(biāo)檢測比賽上相比其他方法取得了50%的性能提升。展現(xiàn)出卷積神經(jīng)網(wǎng)絡(luò)在物體識別領(lǐng)域較好的前景。

國內(nèi)對于桌椅占用情況識別的研究可以追溯到2014年，單國鋒在《基于視頻監(jiān)控的座位管理系統(tǒng)研究》提出了利用圖像識別監(jiān)控錄像來檢測座位使用情況的想法。

在2015年，徐海東在《基于人臉識別的座位管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)》一文中提出了利用人臉識別技術(shù)完成檢測，但是由于人臉識別裝置位于出入口處，因此該方法只能檢測圖書館內(nèi)座位的余量，無法精確判斷每一個(gè)座位的使用情況。

在同年，林偉森在《基于圖像識別的高校圖書館座位余量的分析與發(fā)布》一文中通過計(jì)算圖片灰度和邊緣檢測算法來判斷座椅和桌面的使用情況，但是由于依賴于背景模板，隨著座椅的輕微搬動(dòng)，識別準(zhǔn)確率會下降。

（2）座位管理系統(tǒng)搭建

自2019年12月6日國家發(fā)改委《關(guān)于促進(jìn)“互聯(lián)網(wǎng)+社會服務(wù)”發(fā)展的意見（發(fā)改高技〔2019〕1903號）》發(fā)布以來，社會服務(wù)業(yè)與人工智能的接軌已是大勢所趨，而圖書館的數(shù)字化、智能化，也正是在順應(yīng)數(shù)字化轉(zhuǎn)型擴(kuò)大社會服務(wù)資源供給這一時(shí)代大潮，為此，國內(nèi)有不少企業(yè)開始向圖書館領(lǐng)域進(jìn)軍，以期先行占據(jù)市場機(jī)遇。圖書館座位預(yù)約系統(tǒng)是最為常見的智能化管理方案，通過大學(xué)圖書館官網(wǎng)的座位預(yù)約系統(tǒng)進(jìn)行網(wǎng)上預(yù)約，以實(shí)現(xiàn)座位的余量監(jiān)測和實(shí)時(shí)反饋，北京科佰思特信息技術(shù)有限公司，江蘇匯文軟件有限公司等等大型圖書館自動(dòng)化管理企業(yè)均采用的是該種方案。

然而，單有線上座位系統(tǒng)的弊端也十分明顯：預(yù)約的座位未必有人正在使用，可能會存在空余預(yù)約座位的資源浪費(fèi)。為此，福州利昂軟件有限公司提供的解決方案是在線下設(shè)定現(xiàn)場預(yù)約機(jī)，以識別讀者的簽到/暫離/簽退等狀態(tài)，動(dòng)態(tài)調(diào)整預(yù)約人數(shù)管理策略;江蘇高信科技發(fā)展有限公司則選擇了提供包括續(xù)時(shí)、重新選座、暫離、永久離開等多樣離開方式，并定時(shí)自動(dòng)重置座位、管理黑名單，以暫離超時(shí)檢測機(jī)制來實(shí)現(xiàn)對座位的智能管理。以上種種方案，均具有的缺點(diǎn)是時(shí)間的滯后性，座位的暫離情況只能通過預(yù)設(shè)的暫離時(shí)間線來反映，難以實(shí)現(xiàn)實(shí)時(shí)的座位余量檢測，為此，本項(xiàng)目采用機(jī)器視覺技術(shù)實(shí)時(shí)獲取余座信息，以此為基礎(chǔ)搭建基于微信公共號的圖書館座位管理系統(tǒng)。

2實(shí)現(xiàn)方法

2.1 座椅占用識別

現(xiàn)有的座椅識別方法分為硬件和軟件兩類。前者主要通過傳感器感知壓力的變化，將壓力信號轉(zhuǎn)換成可用輸出的電信號來識別桌椅的使用情況。該方案的成本包括硬件的采購費(fèi)，安裝費(fèi)，替換電池的維護(hù)費(fèi)和使用的耗損費(fèi)，若是將其大面積推廣，投資不菲。

基于軟件的座椅占用識別僅僅利用圖書館內(nèi)已安裝的視頻監(jiān)控設(shè)備，不僅能夠充分利用設(shè)備而且能夠節(jié)約硬件成本等費(fèi)用。軟件識別的算法包括人頭識別，圖像灰度提取分析以及卷積神經(jīng)網(wǎng)絡(luò)物體識別等方法，其中前兩者的抗干擾性和普適性較低，無法應(yīng)對圖書館復(fù)雜的環(huán)境，而且現(xiàn)如今隨著機(jī)器性能的提升，深度學(xué)習(xí)開始在各個(gè)領(lǐng)域嶄露頭角，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別已經(jīng)逐漸沖破傳統(tǒng)目標(biāo)識別的瓶頸。因此綜上所述我們采用了卷積神經(jīng)網(wǎng)絡(luò)來識別座椅的占用情況。

基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別包含以下三步：窗口滑動(dòng)，圖像分類，后處理三步

1. 在待檢測圖像中滑動(dòng)一個(gè)固定大小的窗口，將窗口中的子圖像作為候選區(qū)。

2. 利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖片特征分析和提取，判定候區(qū)是否包含了目標(biāo)及其類別（判斷監(jiān)控中桌子、椅子、人、書本等）

3. 合并判定為統(tǒng)一類別的相交候選區(qū)，計(jì)算出每個(gè)目標(biāo)的邊界框，完成目標(biāo)檢測。

2.2 座位管理系統(tǒng)搭建

本系統(tǒng)架構(gòu)主要由以下四部分構(gòu)成，微信用戶，微信前端，微信服務(wù)端，圖書館座位系統(tǒng)。微信服務(wù)端包括微信服務(wù)端接口和實(shí)現(xiàn)兩部分，主要是處理用戶請求與用戶進(jìn)行交互，同時(shí)針對用戶的預(yù)約操作與圖書館座位系統(tǒng)對接。用戶預(yù)約座位前首先關(guān)注圖書館微信公眾號，通過微信公眾號自定義菜單中座位系統(tǒng)來發(fā)送請求，微信服務(wù)端接收到用戶請求后，需要調(diào)用圖書館座位系統(tǒng)的接口來請求數(shù)據(jù)，然后將返回的數(shù)據(jù)傳到前端顯示層，用戶根據(jù)顯示的數(shù)據(jù)進(jìn)行預(yù)約座位。系統(tǒng)的架構(gòu)圖如下所示。

其中需要詳細(xì)介紹的有：座位查詢與預(yù)約，出行建議，信用管理這三個(gè)功能點(diǎn)。

座位查詢與預(yù)約：微信登陸成功后，進(jìn)入座位查詢頁面，系統(tǒng)通過調(diào)用后臺根據(jù)機(jī)器視覺技術(shù)采集的座位信息，以可視化的形式展示給用戶，下圖為效果預(yù)覽圖。用戶若是選擇預(yù)約座位，系統(tǒng)則是首先對用戶進(jìn)行資格檢驗(yàn)，查看是否為黑名單用戶，若系統(tǒng)查詢用戶在黑名單范圍，則結(jié)束用戶的預(yù)約流程;若不在范圍內(nèi)，則提示預(yù)約成功，并將用戶預(yù)約數(shù)據(jù)錄入數(shù)據(jù)庫。

出行建議：由于前往圖書館需要花費(fèi)五到十五分鐘不等的時(shí)間，通過余座的數(shù)量來判斷是否前往圖書館仍有一定可能無法獲得空位?？紤]到學(xué)生前往圖書館這一活動(dòng)在時(shí)間和空間的分布具有一定的規(guī)律性，本系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測一定時(shí)間內(nèi)的人流量，從而計(jì)算出當(dāng)前前往圖書館獲得座位的概率大小，對用戶的出行起指導(dǎo)性作用。

信用管理：本系統(tǒng)將讀者信用等級分為三級，即C-較差，B-一半，A-優(yōu)秀。讀者取消預(yù)約和違規(guī)次數(shù)達(dá)到一定次數(shù)會影響其信用等級。違規(guī)行為包括：惡意占座，到達(dá)預(yù)約時(shí)間后未準(zhǔn)時(shí)就座等。

3創(chuàng)新點(diǎn)

3.1運(yùn)用了卷積神經(jīng)網(wǎng)絡(luò)檢測座椅的占用情況

本項(xiàng)目使用了卷積神經(jīng)網(wǎng)絡(luò)完成了對座椅占用情況的識別，相比于傳統(tǒng)的硬件監(jiān)測方法，節(jié)省了硬件成本，安裝成本，維護(hù)成本等費(fèi)用;相比于基于灰階識別分析和人頭識別的監(jiān)測算法具有更高的準(zhǔn)確率和抗干擾能力，有效完成了面向復(fù)雜環(huán)境的物體識別任務(wù)。此外，該算法還具有較好的可移植性，能夠適應(yīng)不同的圖書館環(huán)境，有助于廣泛推廣。

3.2“查詢-預(yù)約-建議”一體化圖書館出行解決方案

通過使用座椅檢測的數(shù)據(jù)，觸發(fā)對桌面的檢測，利用邊緣識別獲得目標(biāo)桌面圖像，利用opencv算法計(jì)算未占用桌面面積，從而識別占座狀態(tài)并統(tǒng)計(jì)占用時(shí)間，在占用時(shí)間超過1小時(shí)后通知圖書管理員對桌面進(jìn)行清理，解除座位的占座狀態(tài)。結(jié)合圖書館信用評級體系，達(dá)到治標(biāo)也治本的效果。同時(shí)，基于BP神經(jīng)網(wǎng)絡(luò)的人流量預(yù)測模塊，能夠?qū)τ脩舻某鲂衅鹬笇?dǎo)性作用，為用戶的時(shí)間規(guī)劃提供合理建議。相比以往采用占座條或是管理員人工計(jì)時(shí)判斷占座的方法，該方法極大地方便了學(xué)生并在一定程度上減輕了圖書館管理員的負(fù)擔(dān)，提升了座位的占用率，緩解了高峰時(shí)期一座難求的現(xiàn)象。

4總結(jié)

校圖書館圖書館因其資源豐富， 環(huán)境舒適，成為了學(xué)生日常學(xué)習(xí)及查閱資料的首選之處，然而隨著前往圖書館學(xué)習(xí)的學(xué)生日漸增多，座位管理逐漸成為了管理者的一項(xiàng)難題。在傳統(tǒng)圖書館中，學(xué)生難以了解圖書館座位資源的實(shí)時(shí)使用情況，由于圖書館的座位資源有限，有可能在某個(gè)時(shí)段出現(xiàn)大量學(xué)生而導(dǎo)致一座難求，或是某些時(shí)段座位存在大量余裕，在時(shí)間、空間尺度上均存在著不均勻分配的問題。很多學(xué)生為確保能在高峰時(shí)段獲得座位，往往會通過使用書本或其他物品進(jìn)行長時(shí)間占座，這種現(xiàn)象加劇了座位資源的緊缺，同時(shí)也損害了學(xué)生的閱讀體驗(yàn)。本團(tuán)隊(duì)基于這一考慮，構(gòu)建了“Seat？”一基于微信公眾號平臺的圖書館座位管理系統(tǒng)，幫助學(xué)生實(shí)時(shí)獲得座位信息并做出余座預(yù)測，從而提高座位占用率。

此項(xiàng)目著力于建立基于微信公眾平臺的圖書館座位管理系統(tǒng)，旨在解決大學(xué)圖書館惡意占座、座位使用率低下等不良現(xiàn)象，緩解學(xué)生需求與座位資源不均衡的矛盾，基于機(jī)器視覺技術(shù)提出了一創(chuàng)新管理模式，通過對圖書館的圖像采集、圖像處理、跟蹤檢測、實(shí)時(shí)反饋等任務(wù)，實(shí)現(xiàn)圖書館的智能化管理，為學(xué)生也為圖書館管理者提供了極大便利，屬于新的突破。

參考文獻(xiàn)：

[1]朱云琪，蔣玥，張軼.基于圖像識別的公共圖書館座位檢測系統(tǒng)研究[J].電子世界，2017（03）：131-133.

[2]林偉森，吳茂勛，鄧?yán)^忠，李山，任高生，何明昊.基于圖像識別的高校圖書館座位余量的分析與發(fā)布[J].計(jì)算機(jī)時(shí)代，2015（04）：35-37.

[3]戴進(jìn)，劉振宇.基于深度學(xué)習(xí)的圖像識別算法研究的綜述[J].計(jì)算機(jī)產(chǎn)品與流通，2018（03）：188.

[4]徐海東.基于人臉識別的座位管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2015，25（20）：140-141.

[5]馬爽. 基于圖像識別的教室照明節(jié)能系統(tǒng)的技術(shù)研究[D].沈陽理工大學(xué)，2015.

本文得到上海立信會計(jì)金融學(xué)院大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃（202111047035X）基金支持。蔡豐熠（2000-），金融數(shù)學(xué)專業(yè)本科在讀