浅谈室内智能控制系统设计与应用范文

摘要：目前社会领域对于智能家居的关注程度日趋提升，安防系统是智能家居的重要内容，传统家庭安防系统存在资源浪费的现实情况，因而民众对于家居安防系统的选择率受到影响。基于卷积神经网络下的室内智能控制系统，能够解决这一问题，文章针对系统的设计与应用问题进行分析，旨在促进现代室内智能控制系统的应用和推广。

关键词：卷积神经网络；室内智能控制系统；设计

该方案系统主要分为硬件和软件两部分，其中硬件部分包括RaspberryPi3b+，CSI摄像头和STM32系统，软件部分包括行人检测和人脸识别。系统设计的运行流程为“开始—行人检测程序启动检测是否有人—是—人脸检测是否为陌生人—是—给主人发送邮件提示—结束”、“开始—行人检测程序启动检测是否有人—是—人脸检测是否为陌生人—否—自行关闭设备”，具体设计及应用情况如下：

1设计构思

硬件上使用RaspberryPi3b+连接一个CSI摄像头，通过摄像头获取图像数据，经过计算判断有没有人以及是否是陌生人，同时发信号给STM32，STM32控制室内灯光等所有操作。其中，如果发现是陌生人，则RaspberryPi3b+给主人发送邮件提示，并且STM32控制语音模块发送语音警报。

2硬件配置情况

2.1RaspberryPi3b+

RaspberryPi3b+与摄像头连接，用于对摄像头镜头采集图像的控制，以及行人检测和人脸识别软件程序的运行，并且当检测识别室内人员为陌生人时，向用户发送邮件提示，同时向STM32发送信号，由STM32控制语音模块进行语音警报。其作为RaspberryPi系列的最新一代，搭载了博通BCM2837B0的SoC，集成四核ARMCortex-A53（ARMv8）64位@1.4GHzCPU，1.4GHz主频。无线网络支持2.4GHz和5GHz的双频Wi-Fi，支持802.11b/g/n/ac。LAN7515扩展了千兆的以太网，速率大大提升，理论最大吞吐量为300Mb/s。性能强悍，用于此项目游刃有余。

2.2CSI摄像头

摄像头采用CSI接口的摄像头模块，用于视频录取和图像采集。通过自动搜索并拍摄用户的人脸图像，来为RaspberryPi3b+进行行人检测和人脸识别提供图像数据，其采用的CSI接口的摄像头模块，最大500W像素，视场角达65度，OV5647感光元件，光圈2.9、焦距3.29，支持1080P/720P/640*480P摄影，静态图片分辨率高达2592*1944。此摄像头后续可升级，操作简单，用户可自行购置USB接口摄像头并升级。

2.3STM32主控制器

本系统使用的主控制器具体型号为STM32F103C8T6，为Cortex®-3内核，具有20KRAM和64KFLASH。STM32F103C8T6作为被控制电器的主控制器，负责接收来自用户键盘、显示屏、树莓派的数字信号，并快速执行相应的任务。用户键盘和树莓派发送开关信号到STM32F103C8T6的GPIO口，STM32F103C8T6读取GPIO口的数据即可。显示屏与STM32F103C8T6采用的是UART通信，波特率为9600，可接收来自显示屏的语音信号、开关信号等，例如显示器在即将进入主界面时会向主控制器发送语音播报指令，STM32F103C8T6接收后，判断当前指令类型和上一次指令的状态，从而控制语音播报发出正确的声音。

2.4语音模块

语音模块与STM32处理器连接，本系统使用的语音模块为触发式模块，触发电平兼容TTL电平，低电平有效，只需将5根杜邦线与STM32的GPIO连接即可，通过不同的触发组合，即可自动播放不同的声音，此时STM32的GPIO设置为推挽输出，加快触发速度。2.5串口屏系统使用的串口屏控制器也为STM32（STM32F030RBT6）微处理器，是显示屏的控制器，因为与外部设备通信时通常使用UART信号，因此也被称为串口屏。串口屏的内部数据和代码通过图形化上位机进行编辑和写入，图片的美化、数字化过程使用了Photoshop。注意STM32的RXD接屏幕TXD，STM32的TXD接屏幕RXD。STM32F030RBT6与STM32F103C8T6相比最大的特点就是其拥有256K的FLASH，可存储较多的控制代码、字库、图片等，在断电后，STM32F030RBT6会将重要数据保存到EEPROM中，以保证再次通电时一些重要数据得以保留。

3软件设计

3.1行人检测

本系统用Python语言编写，其中行人检测部分用到了ImageAI库，运用了当前最先进的RetinaNet目标检测算法，提供了性能调整和实时处理参数。

3.2人脸识别

采用的是（M：N）人脸识别模式，可以多人同时进行识别，其程序主体用Python语言编写，深度学习的底层代码则是用C++实现。首先使用dlib深度学习库，构建神经网络，训练黄种人人脸识别数据。然后运用OpenCV计算机视觉库，numpy科学计算库等python基础第三方库，利用训练数据对人进行人脸识别，在运用的过程中，还会不断地改进自身数据，使识别准确率不断提高。（1）人脸图像预处理针对脸部的不同姿势，使用一种称为面部特征点估计（facelandmarkestimation）的算法，其基本思路是找到68个人脸上普遍存在的特定点，包括下巴的顶部、每只眼睛的外部轮廓、每条眉毛的内部轮廓等。（2）人脸图像特征提取从每张人脸上提取一些基本的测量数值，给脸部进行编码，可以用同样的方式测量未知的面孔，并找到最接近测量数值的那张已知的脸。解决方案是训练一个深度卷积神经网络，但是，并不是让它去识别图片中的物体，而是要让它为脸部生成128个测量值。（3）人脸匹配与识别为了根据脸部测量数值，从脸部编码中找出相匹配人的名字，训练简单的线性SVM分类器，它可以从一个新的测试图像中获取测量结果，并找出最匹配的那个人。分类器运行一次只需要几毫秒，分类器的结果就是人的名字。

4其他部分

电源由两节18650电池供电，RaspberryPi3b+内存卡采用128MMicroSD卡和32GMicroSD卡各一张，在电源的整流稳压系统上，采取LM1117-3.3和LM1117-5.0为该稳压系统的稳压芯片。

5结束语

卷积神经网络下的室内智能控制系统用于解决室内能源浪费严重以及室内安保需要的方案，为未来智能家居领域具有广泛的应用空间。

参考文献

[1]谢舰锋.物联网下室内温度智能控制系统优化设计[J].电子设计工程，2018，26（16）：67-71.

[2]刘春晓，佟强，李兆源.浅谈室内防盗智能控制系统设计[J].中国战略新兴产业，2018，000（09X）：P.121-121.

[3]张静，石煜，杨继森，等.室内环境智能控制系统设计[J].实验室研究与探索，2016，35（7）：65-69.

作者：陈晓飞 谭新 赵云鹤 方辉鸿 刘凯多 单位：湖南科技大学