本站小編為你精心準備了淺談室內智能控制系統設計與應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：目前社會領域對于智能家居的關注程度日趨提升，安防系統是智能家居的重要內容，傳統家庭安防系統存在資源浪費的現實情況，因而民眾對于家居安防系統的選擇率受到影響。基于卷積神經網絡下的室內智能控制系統，能夠解決這一問題，文章針對系統的設計與應用問題進行分析，旨在促進現代室內智能控制系統的應用和推廣。

關鍵詞：卷積神經網絡；室內智能控制系統；設計

該方案系統主要分為硬件和軟件兩部分，其中硬件部分包括RaspberryPi3b+，CSI攝像頭和STM32系統，軟件部分包括行人檢測和人臉識別。系統設計的運行流程為“開始—行人檢測程序啟動檢測是否有人—是—人臉檢測是否為陌生人—是—給主人發送郵件提示—結束”、“開始—行人檢測程序啟動檢測是否有人—是—人臉檢測是否為陌生人—否—自行關閉設備”，具體設計及應用情況如下：

1設計構思

硬件上使用RaspberryPi3b+連接一個CSI攝像頭，通過攝像頭獲取圖像數據，經過計算判斷有沒有人以及是否是陌生人，同時發信號給STM32，STM32控制室內燈光等所有操作。其中，如果發現是陌生人，則RaspberryPi3b+給主人發送郵件提示，并且STM32控制語音模塊發送語音警報。

2硬件配置情況

2.1RaspberryPi3b+

RaspberryPi3b+與攝像頭連接，用于對攝像頭鏡頭采集圖像的控制，以及行人檢測和人臉識別軟件程序的運行，并且當檢測識別室內人員為陌生人時，向用戶發送郵件提示，同時向STM32發送信號，由STM32控制語音模塊進行語音警報。其作為RaspberryPi系列的最新一代，搭載了博通BCM2837B0的SoC，集成四核ARMCortex-A53（ARMv8）64位@1.4GHzCPU，1.4GHz主頻。無線網絡支持2.4GHz和5GHz的雙頻Wi-Fi，支持802.11b/g/n/ac。LAN7515擴展了千兆的以太網，速率大大提升，理論最大吞吐量為300Mb/s。性能強悍，用于此項目游刃有余。

2.2CSI攝像頭

攝像頭采用CSI接口的攝像頭模塊，用于視頻錄取和圖像采集。通過自動搜索并拍攝用戶的人臉圖像，來為RaspberryPi3b+進行行人檢測和人臉識別提供圖像數據，其采用的CSI接口的攝像頭模塊，最大500W像素，視場角達65度，OV5647感光元件，光圈2.9、焦距3.29，支持1080P/720P/640*480P攝影，靜態圖片分辨率高達2592*1944。此攝像頭后續可升級，操作簡單，用戶可自行購置USB接口攝像頭并升級。

2.3STM32主控制器

本系統使用的主控制器具體型號為STM32F103C8T6，為Cortex®-3內核，具有20KRAM和64KFLASH。STM32F103C8T6作為被控制電器的主控制器，負責接收來自用戶鍵盤、顯示屏、樹莓派的數字信號，并快速執行相應的任務。用戶鍵盤和樹莓派發送開關信號到STM32F103C8T6的GPIO口，STM32F103C8T6讀取GPIO口的數據即可。顯示屏與STM32F103C8T6采用的是UART通信，波特率為9600，可接收來自顯示屏的語音信號、開關信號等，例如顯示器在即將進入主界面時會向主控制器發送語音播報指令，STM32F103C8T6接收后，判斷當前指令類型和上一次指令的狀態，從而控制語音播報發出正確的聲音。

2.4語音模塊

語音模塊與STM32處理器連接，本系統使用的語音模塊為觸發式模塊，觸發電平兼容TTL電平，低電平有效，只需將5根杜邦線與STM32的GPIO連接即可，通過不同的觸發組合，即可自動播放不同的聲音，此時STM32的GPIO設置為推挽輸出，加快觸發速度。2.5串口屏系統使用的串口屏控制器也為STM32（STM32F030RBT6）微處理器，是顯示屏的控制器，因為與外部設備通信時通常使用UART信號，因此也被稱為串口屏。串口屏的內部數據和代碼通過圖形化上位機進行編輯和寫入，圖片的美化、數字化過程使用了Photoshop。注意STM32的RXD接屏幕TXD，STM32的TXD接屏幕RXD。STM32F030RBT6與STM32F103C8T6相比最大的特點就是其擁有256K的FLASH，可存儲較多的控制代碼、字庫、圖片等，在斷電后，STM32F030RBT6會將重要數據保存到EEPROM中，以保證再次通電時一些重要數據得以保留。

3軟件設計

3.1行人檢測

本系統用Python語言編寫，其中行人檢測部分用到了ImageAI庫，運用了當前最先進的RetinaNet目標檢測算法，提供了性能調整和實時處理參數。

3.2人臉識別

采用的是（M：N）人臉識別模式，可以多人同時進行識別，其程序主體用Python語言編寫，深度學習的底層代碼則是用C++實現。首先使用dlib深度學習庫，構建神經網絡，訓練黃種人人臉識別數據。然后運用OpenCV計算機視覺庫，numpy科學計算庫等python基礎第三方庫，利用訓練數據對人進行人臉識別，在運用的過程中，還會不斷地改進自身數據，使識別準確率不斷提高。（1）人臉圖像預處理針對臉部的不同姿勢，使用一種稱為面部特征點估計（facelandmarkestimation）的算法，其基本思路是找到68個人臉上普遍存在的特定點，包括下巴的頂部、每只眼睛的外部輪廓、每條眉毛的內部輪廓等。（2）人臉圖像特征提取從每張人臉上提取一些基本的測量數值，給臉部進行編碼，可以用同樣的方式測量未知的面孔，并找到最接近測量數值的那張已知的臉。解決方案是訓練一個深度卷積神經網絡，但是，并不是讓它去識別圖片中的物體，而是要讓它為臉部生成128個測量值。（3）人臉匹配與識別為了根據臉部測量數值，從臉部編碼中找出相匹配人的名字，訓練簡單的線性SVM分類器，它可以從一個新的測試圖像中獲取測量結果，并找出最匹配的那個人。分類器運行一次只需要幾毫秒，分類器的結果就是人的名字。

4其他部分

電源由兩節18650電池供電，RaspberryPi3b+內存卡采用128MMicroSD卡和32GMicroSD卡各一張，在電源的整流穩壓系統上，采取LM1117-3.3和LM1117-5.0為該穩壓系統的穩壓芯片。

5結束語

卷積神經網絡下的室內智能控制系統用于解決室內能源浪費嚴重以及室內安保需要的方案，為未來智能家居領域具有廣泛的應用空間。

參考文獻

[1]謝艦鋒.物聯網下室內溫度智能控制系統優化設計[J].電子設計工程，2018，26（16）：67-71.

[2]劉春曉，佟強，李兆源.淺談室內防盜智能控制系統設計[J].中國戰略新興產業，2018，000（09X）：P.121-121.

[3]張靜，石煜，楊繼森，等.室內環境智能控制系統設計[J].實驗室研究與探索，2016，35（7）：65-69.

作者：陳曉飛 譚新 趙云鶴 方輝鴻 劉凱多 單位：湖南科技大學