基于機器視覺的教室智能控制系統(tǒng)設(shè)計*

黃藝香，甘世溪，劉曉波

（泉州信息工程學院機械與電氣工程學院，福建泉州 362000）

0 引言

大學學校是國家電力重點確保單位，其用電量也十分驚人。究其原因，除了大學人數(shù)體量大，用電設(shè)備多造成電量消耗大的原因外，在大多數(shù)學校對教室用電電器的管理都還停留在人工手動階段，教室用電電器沒能及時關(guān)閉也是導致電能浪費的重要原因。另一方面，教室是學生最主要的學習活動場所，其環(huán)境溫度和光線強度直接影響學生的身心健康和工作效率[1-2]。因此為師生營造舒適的教室環(huán)境，并達到節(jié)能減排效果，特別在能源日益緊缺的時代，是一個很有意義的課題?，F(xiàn)有的智能教室管理系統(tǒng)主要采用RFID 技術(shù)或紅外傳感器技術(shù)自動感應某一范圍內(nèi)是否有人來決定照明燈等電器的工作狀態(tài)[3]。這種架構(gòu)的系統(tǒng)實時性很好，但需要在硬件上提供更多的支持，會增加系統(tǒng)硬件復雜度，也缺乏良好的柔性度。隨著機器視覺在事物的檢測和識別方面逐漸發(fā)展成熟，憑借其非破壞性、高精度、快速度等特點，在各行業(yè)得到廣泛研究和應用[4]。本文的主要工作是研究基于機器視覺的教室智能控制系統(tǒng)，包括3 個方面：（1）構(gòu)建視覺系統(tǒng)，利用位置固定的監(jiān)控攝像頭結(jié)合混合高斯模型算法，統(tǒng)計教室內(nèi)各分區(qū)人數(shù)；（2）設(shè)計硬件系統(tǒng)，包括人數(shù)、溫度、光照度和驅(qū)動電路；（3）設(shè)計軟件程序，采用PID 控制算法形成控制量，自動調(diào)控教室的空調(diào)、風扇和照明系統(tǒng)，達到改善教室用電浪費問題，并為師生營造舒適工作環(huán)境目的。

1 系統(tǒng)架構(gòu)設(shè)計

本系統(tǒng)構(gòu)成如圖1 所示，由教室主控制器和若干個檢測模塊、驅(qū)動模塊構(gòu)成。系統(tǒng)由視覺模塊負責監(jiān)測教室各個照明燈下一定區(qū)域內(nèi)是否有人，并實時將監(jiān)測結(jié)果傳輸給主控制器，由主控制器啟動各檢測模塊獲取教室實時環(huán)境參數(shù)，經(jīng)控制算法實現(xiàn)各照明燈和風扇的開啟與關(guān)閉，及空調(diào)工作溫度調(diào)節(jié)。教室管理人員可以借助手機終端App 實時監(jiān)控各教室人員數(shù)量、電器工作狀態(tài)、系統(tǒng)故障等情況，并發(fā)出無線控制指令。

圖1 教室控制系統(tǒng)結(jié)構(gòu)

2 主要模塊硬件電路設(shè)計

2.1 人數(shù)檢測電路

人數(shù)檢測電路采用紅外對管，其原理如圖2 所示。在教室的每個門框前、后各安裝一路反射式紅外對管傳感器，當有人進出教室的門時，兩路紅外傳感器先后感應到信號，由此判斷人進入還是走出教室。圖中包括兩路紅外對管電路，每路由紅外發(fā)射電路、紅外接收電路和比較電路組成，如電阻R15、R23、三極管Q2和紅外發(fā)射二極管就構(gòu)成了一個完整的發(fā)射電路。為了降低干擾，Q2基極輸入調(diào)制信號頻率為38 kHz，在5 V的工作電壓條件下，發(fā)射接收對管的有效距離約20 cm。當紅外接收管接收到紅外線時導通，電阻變小，LM393的同相端第5 腳電壓將低于反相端第6 腳的閾值電壓，第7 腳輸出低電平給單片機。

圖2 人數(shù)檢測電路

2.2 環(huán)境檢測電路

環(huán)境檢測電路包括溫度檢測和光照度檢測兩部分，分別測取區(qū)域下方的環(huán)境光照度和溫度值，其原理如圖3 所示。溫度檢測采用傳感器DHT11，使用3.3 V 電壓供電，為了避免接線過長導致傳感器供電不足，造成測量偏差，系統(tǒng)盡量縮短數(shù)據(jù)端DATA 與控制器的連接線。由于系統(tǒng)在不同位置安裝多個DHT11，其與控制器的連線長度不一，所以每個數(shù)據(jù)端DATA的上拉電阻需要根據(jù)實際連線長短進行取值。圖中的DHT11離主控制器最近，采用4.7 kΩ 上拉電阻，其他DHT11 隨著連線長度增加需要降低上拉電阻的阻值。光照度檢測電路由R10和光敏電阻R9 的分壓電路構(gòu)成，光線強度變化將引起光敏電阻的阻值發(fā)生變化，隨之其兩端的電壓值也變化，經(jīng)A/D 轉(zhuǎn)換后得到精確的環(huán)境光線強度數(shù)值。

圖3 環(huán)境檢測電路

2.3 驅(qū)動電路

系統(tǒng)主控制器在3.3 V 供電條件下，輸入/輸出口灌電流為8 mA，源電流為4 mA，無法滿足繼電器吸合電流，所以采用了S8050 進行擴流，其原理如圖4 所示。繼電器線圈作為集電極負載，主控制器向S8050 基極輸出脈沖信號，使其工作在開關(guān)狀態(tài)，接通或斷開繼電器線圈，促使觸點動作。在S8050 由飽和變?yōu)榻刂箷r，線圈兩端產(chǎn)生較大反向電壓，二極管D2 起續(xù)流放電作用，使S8050集電極對地電壓不超過允許值。

圖4 一路繼電器驅(qū)動電路

3 軟件系統(tǒng)設(shè)計

3.1 主程序

教室控制系統(tǒng)設(shè)有手動模式和智能模式，其主流程如圖5所示。在智能模式下，教室主控制器根據(jù)各檢測模塊提供的實時環(huán)境數(shù)據(jù)，自動控制教室的照明燈、風扇、空調(diào)等設(shè)備，并完成人數(shù)統(tǒng)計和環(huán)境參數(shù)采集與顯示、與前臺手機終端App通信等功能。當系統(tǒng)處于手動模式時，可由手機App手動控制教室的用電電器。

圖5 教室主程序流程

3.2 基于視覺的燈光控制程序設(shè)計

在系統(tǒng)的智能模式下，利用教室內(nèi)位置固定的監(jiān)控攝像頭，采用“視覺監(jiān)測+分區(qū)管理”的方式，控制每個分區(qū)照明燈的開啟與關(guān)閉。系統(tǒng)初次使用時，需要先提取監(jiān)控視頻一幀清晰的教室圖片，結(jié)合教室照明燈的分布情況，確定圖片中每個照明燈大致ROI區(qū)域。然后由視覺系統(tǒng)實時監(jiān)測教室內(nèi)各ROI區(qū)是否有人，并將結(jié)果傳輸?shù)较到y(tǒng)控制器。控制器根據(jù)光照度傳感器采集的數(shù)據(jù)及各分區(qū)人數(shù)，經(jīng)算法分析，實現(xiàn)對教室的照明系統(tǒng)自動控制。

由于系統(tǒng)采用位置固定的監(jiān)控攝像頭，在光照、風和背景物體增減等因素變化不大的情況下，教室背景相對穩(wěn)定。與活動的前景相比較，背景（顏色）持續(xù)時間長且更加靜止，利用這個特點，為教室圖像的每個像素位置建立基于時間序列的背景模型，這樣每個像素位置在整個時間序列中會有很多像素值，且持續(xù)的時間也存在差異。因此，如果將顏色在整個視頻中存在時間的長短作為混合的權(quán)重，可以實現(xiàn)教室前景和背景的分割，完成監(jiān)控視頻中活動的人的提取[6]，圖6 所示為本文采用的前景提取算法混合高斯模型（GMM）的完整流程。

圖6 混合高斯模型前景提取流程

在進行前景檢測前，需要先對背景進行訓練。對圖像中每個背景像素采用一個混合高斯模型（GMM）進行模擬，每個背景像素的GMM 包括多個高斯分布，其個數(shù)可以自適應。本文為每個背景像素GMM 模型最多建立5 個高斯分布，每個高斯分布保存了滑動均值、滑動方差和權(quán)值3 個參數(shù)。在測試階段，根據(jù)這3 個參數(shù)對新來的像素進行GMM 匹配，如果新像素能夠匹配GMM中的一個高斯分布，就認為是背景[5]。

每個高斯分布的滑動均值決定了分布的中心位置，其與像素值的關(guān)系滿足式（1）；滑動方差與像素點偏離高斯分布中心位置有關(guān)，如果像素點偏離中心位置在一定方差范圍內(nèi)，認為該點為背景，滑動方差采用式（2）的計算方法；權(quán)值會影響高斯分布的中心位置的更新，其采用式（3）的計算方法。當需要為某個像素新建一個高斯分布時，新分布的均值通常取該像素值，同時會為權(quán)值和滑動方差賦一個合適的初始值[6-7]。

式（1）～（3）中：μt-1、wt-1和分別為當前的滑動均值、權(quán)值和滑動方差；ρt為時間t的像素值，即新到來的像素值；α為學習速率，它決定了當前值對計算均值有多大的影響[8]。

為了解決亮度等因素變化引起的場景變化，而導致算法模型適應性降低的問題，在前景提取過程中，選擇一定的權(quán)值系數(shù)對當前高斯分布的中心位置進行更新，以便于適應緩慢的光線變化。本文根據(jù)有效高斯分布閾值T得到有效的截止索引，從而實現(xiàn)了不同像素點高斯分布個數(shù)的自適應選擇，消除訓練中的噪聲點[9]。其步驟如下：（1）根據(jù)w/σ2對像素點各個高斯分布進行降序排列；（2）選取GMM 最前面X個高斯分布，其中X滿足式（4）：

式中：weightsum為每個像素GMM 的所有高斯分布的權(quán)值之和，T取0.7，即滿足w/weightsum大于0.7 的個數(shù)為自適應個數(shù)X。

最后，判斷新來的像素點是不是前景。將新來像素點的值逐個與GMM 的X個高斯分布的滑動均值進行比較，只要與其中一個高斯分布的滑動均值的差值在2.5σ2之內(nèi)，認為是背景，反之認為是前景。前景賦值為255，背景賦值為0，至此完成了一幅前景二值圖的提取。對生成的前景圖的塊利用findContours函數(shù)框出，通過統(tǒng)計塊數(shù)來計算人數(shù)[10]。

3.3 教室人數(shù)統(tǒng)計程序設(shè)計

教室光線或其他原因可能會造成機器視覺人數(shù)統(tǒng)計發(fā)生失誤，降低識別準確度，所以系統(tǒng)采用了“機器視覺+紅外對管”的雙計數(shù)模式，以保證統(tǒng)計數(shù)據(jù)準確性。系統(tǒng)利用前后門上的紅外對管，采用鍵盤掃描框架，當紅外傳感器0 感受到有人時，標志位sign｜=0x01，對人數(shù)寄存器cnum 加一。紅外傳感器1 被感受到時標志位sign｜=0x02，對人數(shù)寄存器出門減一。當標志位sign=0x03時表示已經(jīng)完成了一個進或出過程。

3.4 室溫調(diào)節(jié)程序

教室的溫度調(diào)節(jié)采用PID 算法形成控制輸出量，調(diào)節(jié)對象包括空調(diào)和風扇，其結(jié)構(gòu)如圖7 所示。S（t）為用戶設(shè)置的目標環(huán)境溫度值；E（t）為目標值與當前值的誤差；B（t）為教室當前溫度值經(jīng)A/D 轉(zhuǎn)換后的數(shù)值；N（t）為外界的溫度干擾，如門窗敞開度的變化、人數(shù)和電器數(shù)量變化等。當人數(shù)統(tǒng)計模塊監(jiān)測到教室有人，控制器開啟環(huán)境溫度采集并A/D轉(zhuǎn)換，通過溫度誤差值E（t）經(jīng)PID調(diào)節(jié)控制教室內(nèi)的空調(diào)、風扇[11]。

圖7 室溫調(diào)節(jié)結(jié)構(gòu)框圖

4 測試與結(jié)果分析

系統(tǒng)測試時，手機終端選用支持Andrio 操作系統(tǒng)的小米4X，該型號手機具有藍牙功能，已集成RFCOMM 協(xié)議，具有仿真RS232 功能，只需要建立與RFCOMM 協(xié)議接口的應用程序，就可以實現(xiàn)手機藍牙串口數(shù)據(jù)通信[12]。圖8 所示為自主設(shè)計的手機終端App界面。

圖8 手機終端App界面

圖9 所示為本設(shè)計的實物模型，視覺模塊根據(jù)6 盞照明燈的分布，將教室分為6 個ROI 區(qū)域，其平面示意圖如圖10所示。

圖9 模型實物

圖10 分區(qū)管理平面示意圖

試驗中，為了使系統(tǒng)獲得良好的穩(wěn)定性和精確度，視覺系統(tǒng)拍攝了200 幀空教室圖片，用于訓練GMM 背景模型，每個像素的最大GMM 個數(shù)取5，學習率α=0.005。訓練過程中，需要建立新GMM模型時，其權(quán)值和方差分別取0.05和30。

圖11 原始圖片和前景圖片

5 結(jié)束語

為了解決教室用電電器手動控制容易存在電能浪費，以及傳統(tǒng)人數(shù)統(tǒng)計方式帶來的增加硬件復雜度、缺乏柔性度等問題，本文基于機器視覺，采用混合高斯模型目標檢測算法實時檢測和統(tǒng)計教室分區(qū)人數(shù)，實現(xiàn)了根據(jù)分區(qū)是否有人自動調(diào)控各分區(qū)照明燈；根據(jù)人體最適體感舒適度，采用PID 算法調(diào)節(jié)教室溫度。實驗結(jié)果表明，通過這些控制策略，系統(tǒng)的智能控制結(jié)果比單純?nèi)斯す芾斫淌矣秒娫O(shè)備更為可靠，更能達到按需供給電能，起到節(jié)能減排的效果，同時為師生營造良好的學習和工作環(huán)境，具有良好現(xiàn)實意義。下一步將通過優(yōu)化前景提取算法結(jié)構(gòu)和參數(shù)、優(yōu)化人數(shù)統(tǒng)計方法，進一步提高教室人數(shù)統(tǒng)計速度和精度。