用于高校教室照明节能的图像识别技术研究

　　摘要：当前高校公共教室普遍存在电能浪费现象，缺乏科学的管理，本文根据高校教室现状提出利用图像识别技术判别当前光照强度及教室人员人数及分布位置，从而对应各区域照明设备的开关，对建立“节约型校园”具有一定的推广价值。

　　关键词：图像识别;智能照明;节能

　　相关论文范文：基于图像识别的渣土车监管系统设计及实现

　　摘要:为提高施工现场渣土车的监管效率，减少渣土车对城市安全及环境的影响，以图像识别技术为核心支撑，设计了渣土车智能监管系统的结构、功能及运行流程，并对运行效果进行了测试。研究和测试表明:(1)该系统主要由图像采集装置、图像处理及分析装置、声光报警器以及进出放行设备组成，其核心是利用模板匹配和改进的直线检测算法对渣土车的车牌特征、颜色特征和几何特征进行感知。

　　0引言

　　近年来，随着高校办学规模的扩大，师生人数和建筑设施不断增加，高校已成为用电大户。据调查，作为主要教学场所的公共教室，其照明消耗的电量占高校总用电量的40%之多，这其中，“长明灯”现象对电能的浪费占很大一部分[1]。由于高校公共教室属于开放式管理，学生的自主学习不受限制，再加上大部分学生的节能意识淡薄，所以常会出现室内人少却灯具全开;离开教室不主动关灯;或是室内光照强度过剩，即在自然光充足的条件下打开灯具的现象。因此利用智能监测、智能控制手段对现有照明设施进行改进，根据教室实际学生人数及位置分布控制照明开关，并实时做到人走灯灭，避免不必要的电能浪费，是一项十分必要且紧迫的任务。

　　1智能识别关键技术

　　智能照明节能系统首先要对教室的实际使用需求进行判断，即当前教室内的光照强度信息、实际人数及位置分布等信息。目前的识别技术主要有两种：一是传感器技术，二是图像识别技术。

　　1.1传感器技术

　　目前市面上常见的传感器主要由光感、红外线、微波和无线传感器组成，可以简单快速地对光照和人员信息进行检测，但传感器受自身探测范围及外界环境影响，为提高识别的正确率需要测量精确安装到最佳位置，为大范围在教室安装带来不便。

　　1.2图像识别技术

　　图像识别技术是对同区域不同时间段的图像进行对比，先将图像分割成多个区域，判断区域内某个像素的变化值是否在阈值内，得出当前的光照强度及人员分布状况，图像识别的正确率主要取决于图像识别算法。利用图像识别技术的硬件成本门槛低，现今大多数高校公共教室都已安装了高清摄像头，其后台监控系统也自带定时抓图功能，在此基础上配合图像识别算法便能达到较高的识别率。

　　2智能识别关键技术的实现

　　2.1光照强度识别

　　光照强度(简称照度)指某物体单位面积上所接收到的可见光的能量，单位是勒克斯(Lux或Lx)[2]。在《建筑照明设计标准》(50034-2013)中对照度标准也做了明确规定，要求教室、多媒体教室、实验室的标准照度值为300lx。在进行照度识别时，首先拍摄300lx标准照度下的教室照片，以此作为标准样张，为提高运算速度，图像识别程序把彩色图片转换成灰度图并保存其灰度值，接着对教室进行实时拍摄同样转换成灰度图，最后把实时图片和样张图片按区域进行灰度值比较(若对计算速度有更高要求，可以采用图像二值化的方式来降低精度)[3]。若比较值小于标准值，系统会认为当前光照不足需要打开对应区域的灯具，否则关闭。为消除阴影、光照变化、物体遮挡等外界因素对摄像头的干扰，可在计算灰度值前对图像进行预处理，一般使用高斯滤波或直方图均衡等方式。

　　2.2人员检测识别

　　教室人员检测是本文的研究重点，与照度识别的原理相似，需要把教室空闲状态下的图片做为样张保存，与实时抓拍的图片做差分来识别人员信息。在人员识别时，首先把目标人员从背景中分割出来，提取出目标的运动区域。针对教室场景的特点，摄像机是固定安装且场景中的物体多是静止的，因此本文选用实时背景更新的背景差分法(backgroundsubtraction)来进行目标人员分割。但在目标分割过程中会不可避免地产生噪声点，或是目标人物图像中出现空洞或是不连通现象，导致之后的人员检测产生误差，因此需采取数学形态学方法进行去噪声和空洞的填补处理。

　　最后根据目标人员的姿态特点选择合适的检测方法，通常情况下教室场景图像中由于前后排人员的遮挡多数只能呈现人员的头部或肩部，所以笔者选择基于人体头部特征进行人员检测，根据实验结果对算法进行进一步改进。根据教室人员分布情况，经过分析得到各区域照明设备和样张像素的对应关系，进一步得出室内每个区域照明的开关状态，并以此做为控制信号传输给本地教室单片机控制器，实现分区域控制照明设备的目的[3]。人员检测识别中主要用到的图像处理技术如下所示：

　　(一)建立适合教室场景的背景模型

　　背景差分法(backgroundsubtraction)是目前运动目标检测的主流方法，其基本思想是将当前每一帧图像与事先存储或实时获取的背景图像相减，计算出与背景偏离超过一定阈值的区域作为运动区域[4]。背景差分法实现的关键是背景模型的获取和更新。背景获取算法通常要求在场景中存在运动目标的情况下获取背景图像，更新过程使背景能够自适应场景的变化，如背景中对象的干扰和固定对象的移动、外界光线的变化、阴影的影响等[5]。根据本文研究的教室环境背景估计，白天室内光线会有缓慢的变化(自然光线角度变化引起)，而晚自习时段会根据教室人数控制开灯数，教室图像受光照影响较大，基于此特点采用混合高斯模型来建模。

　　(二)图像噪声处理技术

　　采用背景差分法对目标人员进行分割，必须设置一个合适的阈值来判断前景或背景，若阈值设置过小会导致背景误认为前景，造成图像噪声干扰，当阈值太大时会造成人体目标图像不连通，图像中出现空洞现象，选择适当的阈值可以减少此类问题但并不能杜绝这种现象。因此在进行目标分割后要采取数学形态学进行膨胀腐蚀处理，才能保持图像的完整性。

　　(三)基于Haar特征的AdaBoost人脸检测研究

　　针对教室特殊环境中人员的姿势特点以坐姿为主，选择基于人体头部特征进行人员检测，提取人体头部的Haar-like特征，使用积分图对特征求值进行加速，并用AdaBoost算法把待检测图片的特征值以二叉决策树的形式存储，通过多轮迭代把弱分类器训练成区分人脸和非人脸的强分类器，最后使用筛选式级联把分类器级联到一起，提高准确率，并根据最终实验结果决定是否要对算法进行进一步改进。

　　3结语

　　相比于传统控制方式，使用智能监测技术的照明节能系统可根据教室的实际使用需求调节照明设备的开关，在管理上无需专人巡守，只要通过监控平台便可得到当前所有教室的照明状态，提高了高校楼宇管理的智能化水平，节约了学院的财政支出，对建立“节约型校园”、“绿色校园”具有一定的推广价值。

　　参考文献：

　　[1]张峰.基于STM32的高校教室智慧照明系统的设计与实现[D].西安建筑科技大学,2018.

　　[2]光照强度_百度百科

　　[3]吴少俊,宋樑杰.基于图像识别技术的高校教室智能照明控制应用研究[J].数字技术与应用,2018,36(2):1-2

转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/22037.html