IPv6环境下的教学楼智能视频监测节能系统设计方法技术方案

本发明专利技术公开了一种IPv6环境下的教学楼智能视频监测节能系统设计方法，实时采集教室图像，采用目标检测算法FCHD对采集的图像进行处理，统计教室人数，同时安装温度传感器，检测教室温度；人数和温度数据经由IPv6网络传至服务器，由pymysql包将数据存入MySQL数据库；从数据库中提取人数和温度数据，通过人数检测结果，判断照明设备的开/关，在教室有人的情况下，根据温度数据判断温控设备的开/关；创建智慧节电教室管理平台，对MySQL数据库中的数据进行可始化管理；采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。本发明专利技术将图像处理算法和IPv6相结合，应用在智慧校园领域，实现了对教室用电设备的智能化管控，起到节能减排的作用。用。

Design method of intelligent video monitoring and energy saving system for teaching building under IPv6 environment

【技术实现步骤摘要】
IPv6环境下的教学楼智能视频监测节能系统设计方法


[0001]本专利技术属于IPv6创新应用领域，具体为一种IPv6环境下的教学楼智能视频监测节能系统设计方法。

技术介绍

[0002]在现有的网络中，几乎所有的网络都使用IP协议作为通信的地址协议，网络中的每一个节点都应该分配一个唯一的IP地址，才能保证正常通信。现在广泛使用的IP协议版本为v4，有32位，地址空间为65536
×
65536，结果约为42.9亿。虽然地址共有42.9亿之多，但并不表示这些地址可供42.9亿个节点使用，但是地址是分网段的，也就是说即使在一个节点的情况下，分配地址时，也是分配一个网段而不是一个地址，因此这使得版本4的IP地址一下子变得空间狭小，IPv4的地址容量已经处于枯竭的趋势。
[0003]在建设智慧校园网络中，但是由于全国高校众多，各个高校的教室数量也很多，布局在校园里的传感器节点数量巨大，因此对网络地址空间的需求很大。与IPv4相比，IPv6具备更大的地址空间，采用128位来表示，这样大的地址空间，几乎可以容纳无数个节点。IPv6还具有更好的可扩展性、更高效的网络传输、更好的安全管理架构和更好的移动性支持，更适合智慧校园的发展。
[0004]现有的人数检测采用的是两组对射式光电传感器，这种人数检测方式存在很多不足。例如：当人口有人滞留，很难判断这些人的进出情况；如果有人进出方式不当，也会存在采集不到数据。随着人工智能和深度学习的发展，近几年基于卷积神经网络的图像处理技术迅速发展，在很多领域都得到了广泛的应用并取得很好的效果。将此技术融入智慧校园，可以有效的推进智慧校园长久持续的发展。

技术实现思路

[0005]专利技术目的：本专利技术提出一种IPv6环境下的教学楼智能视频监测节能系统设计方法，方便了学校资源的管理，改变了教室传统的用电管理方式，避免了电力资源的浪费。
[0006]
技术实现思路
：本专利技术提出一种IPv6环境下的教学楼智能视频监测节能系统设计方法，具体包括以下步骤：
[0007](1)构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；
[0008](2)构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数；
[0009](3)构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明系统和温控系统；照明系统通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经
IPv6网络实时传入服务器的MySQL数据库中；温控系统从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关；
[0010](4)创建智慧节电教室管理模块，对MySQL数据库中的数据进行可始化管理；
[0011](5)采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。
[0012]进一步地，所述步骤(2)包括以下步骤：
[0013](21)采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理：SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3
×9×9×
64、64
×1×1×
35、35
×5×5×
1；在SRCNN特征提取层中，加入通道注意力机制，对卷积通道进行二次加权；卷积过程中采用零填充的方法，保持图像大小不变；
[0014](22)采用目标检测算法FCHD，对采集到的图像进行人头区域识别，FCHD模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40
×
30
×
512，随后输入到(3
×3×
512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1
×1×
512，N
×
4)和(1
×1×
512，N
×
2)的全卷积层，(1
×1×
512，N
×
4)全卷积层用于预测头部坐标进行定位，回归头部，(1
×1×
512，N
×
2)全卷积层用于预测该位置为头的概率，分类头部和非头部区域，其中N表示标记的人头数，N值取决于每个像素位置的锚点数；两路输出分别表示为40
×
30
×
(N
×
4)和40
×
30
×
(N
×
2)，
×
2和
×
4表示锚点缩放比例；
[0015]锚点是一组预定义的包围框，用于预测尺度和位移，锚点尺寸计算公式表示为：
[0016]Anchor size＝S
×
R
×
C
ꢀꢀꢀ
(3)
[0017]其中，S表示步长，R表示长宽比，C表示锚点缩放比；模型定义的锚点长宽比为1:1，步长为16，(
×
2)和(
×
4)的锚点缩放比分别对应32
×
32和64
×
64的锚点大小；
[0018](23)将预处理过的图像数据集作为模型的输入，输出为标记好的图片，统计标记的人头区域坐标数，得到人头数量。
[0019]进一步地，所述步骤(3)包括以下步骤：
[0020](31)创建名为classroom的数据库，创建名为stu_db的数据表，数据表中包含的字段有自增id、教室编号class_id、教室人数peo_num、教室温度class_temp、数据更新时间update_time；其中，id、class_id和peo_num的字段类型为int，class_temp的字段类型为double，update_time的字段类型为timestamp；统计的人数通过python库pymysql，设置服务器的IP地址、数据库的用户名和密码、数据库的名称classroom、编码方式，通过SQL语句INSERT INTO将采集的数据存入数据表stu_db；
[0021](32)从stu_db数据表中提取字段peo_num的值，并把结果反馈到照明系统和温控系统；
[0022](33)照明系统：如果peo_num的值大于1，则表示教室有人，打开照明系统，如果peo_num的值为0，则表示教室没有人，照明系统保持关闭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种IPv6环境下的教学楼智能视频监测节能系统设计方法，其特征在于，包括以下步骤：(1)构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；(2)构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数；(3)构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明系统和温控系统；照明系统通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经IPv6网络实时传入服务器的MySQL数据库中；温控系统从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关；(4)创建智慧节电教室管理模块，对MySQL数据库中的数据进行可始化管理；(5)采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。2.根据权利要求1所述的IPv6环境下的教学楼智能视频监测节能系统设计方法，其特征在于，所述步骤(2)包括以下步骤：(21)采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理：SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3
×9×9×
64、64
×1×1×
35、35
×5×5×
1；在SRCNN特征提取层中，加入通道注意力机制，对卷积通道进行二次加权；卷积过程中采用零填充的方法，保持图像大小不变；(22)采用目标检测算法FCHD，对采集到的图像进行人头区域识别，FCHD模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40
×
30
×
512，随后输入到(3
×3×
512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1
×1×
512，N
×
4)和(1
×1×
512，N
×
2)的全卷积层，(1
×1×
512，N
×
4)全卷积层用于预测头部坐标进行定位，回归头部，(1
×1×
512，N
×
2)全卷积层用于预测该位置为头的概率，分类头部和非头部区域，其中N表示标记的人头数，N值取决于每个像素位置的锚点数；两路输出分别表示为40
×
30
×
(N
×
4)和40
×
30
×
(N
×
2)，
×
2和
×
4表示锚点缩放比例；锚点是一组预定义的包围框，用于预测尺度和位移，锚点尺寸计算公式表示为：Anchor size＝S
×
R
×
C (3)其中，S表示步长，R表示长宽比，C表示锚点缩放比；模型定义的锚点长宽比为1:1，步长为16，(
×
2)和(
×
4)的锚点缩放比分...

【专利技术属性】
技术研发人员：王海勇，张开心，管维正，刘贵楠，
申请(专利权)人：赛尔网络有限公司，
类型：发明
国别省市：