电气毕业论文11篇：用于智能家居的实时人体检测系统研究 .docVIP

电气毕业　11篇 内容提要： ? 用于智能家居的实时人体检测系统研究 ? 应用深层卷积神经网络的交通标志识别 ? 非中心城市大学的电类毕业生就业市场开拓的原则探讨——以湖南工业大学为例 ? 基于MSP430单片机的窄带无线数据传输模块的设计 ? 基于HALCON的喷码字符识别技术的研究与实现 ? 装表接电过程中的几个突出问题及其应对措施探究 ? 基于声波技术的管道泄漏检测与定位系统的研究 ? “小而美”无桶纯水机发力高端市场 ? 双极型集成电路与恒流二极管的兼容制造 ? 物流中心设备SCADA系统研究 ? 非隔离或成室内照明主流 全文共44870 字 用于智能家居的实时人体检测系统研究 【摘 要】近几年，运用于智能家居的传感器种类越来越多，智能处理器的性能日益变好，执行器的种类和功能也逐渐增多。尽管光学传感器能采集大量的环境、人物、状态信息，但由于数据的庞大性和处理的复杂性，在智能领域并未得到广泛应用。图像处理、图像理解技术一直是行业的难点和前沿研究热点。在智能家居的应用中，实时处理需求、室内的闪烁光源和遮挡情况是应用的难点。本文提出的包含移动物体检测、人体检测、人体跟踪三个模块的智能人体检测系统能很好地解决智能家居应用的这些难点，达到良好的检测效果。 关键词：计算机视觉 智能家居 移动物体检测 高斯混合模型 实时人体检测和跟踪 可变形部件模型 1 引言 近几年，智能家居一直都是应用和研究的热点。运用于智能家居的传感器种类越来越多，如空气成分浓度探测器、温湿度传感器、红外传感器、深度探测摄像头、门磁感应器等。与图像相关的色度摄像头、深度摄像头，由于数据处理和图像内容认识的难度，目前在国内应用并不是很广泛，但相关认识理解功能确是智能家居系统中最需要的组成部分。依靠该项技术可认识出室内有什么、位置在哪、是谁、他在做什么等　信息。当正确认识到这些信息时，产品才能调动执行器，通过智能化满足用户需要。 由于图像理解算法的复杂性，智能家居系统对处理器性能的要求很高。随着处理器计算能力和集成度提高、计算频率提升以及并行运算线程增加，复杂的图像理解在智能家居上的应用效果越来越好。同时，执行器的种类和功能也越来越多，这要求传感器获得更多信息、处理器更智能的分析出用户的需求并计算出需要调动的执行器的操作命令。其中，光学传感器加图像理解技术是目前最能满足这个需求的方式。 在图像理解的时效性研究中，　的难点是系统需要进行全图的位置和尺寸扫描，这将产生一个巨量的扫描窗口数。为解决这一问题，在单图片理解中，经常通过cascade 算法[1] 进行背景窗口数的快速减少；在视频分析中，通过相临帧间的移动物体检测算法快速略去静止背景区域是最常用的做法。 图像识别的准确率是另一个难点。经典系统Haar 特征的cascade 分类器[1]、Histogram of Orient Gradient（HOG）特征的Support Vector Machine（SVM）分类器[2]、以及现在的热门深度学习CNN 分类器[3]，在室内复杂的光照和遮挡情况下都存在局限性。 由于人体图像可能表现出各种复杂的背景、动作、角度、光照和遮挡等，依靠单张图片进行人体识别，准确率不足，所以一个准确率高的视频分析系统离不开跟踪算法。在跟踪算法中，通过对移动物体的跟踪，对运行时间和轨迹内的多张图片进行识别，极大地提高了人体的识别率。 为此，智能人体检测系统应由移动物体检测模块、人体检测模块和人体跟踪模块组成。 2 系统设计 此次实时人体识别系统由移动物体检测、人体检测和人体跟踪三个模块组成。整个系统设计流程图如图1 所示。在系统启动前，通过读入60 帧图片，学习一个环境模型。读入60 帧图片以后，每读入新的一帧便有以下几步操作： （1）当前帧和环境模型进行对比，得出变化像素后，统计出移动物体信息。使用当前帧更新的环境模型后，如果没有新的移动物体跳到步骤（4）； （2）移动物体逐个与目标物体库内的物体进行对比，如果该移动物体附近有目标物体库内的目标物体，用该移动物体的位置更新目标物体库中目标物体的位置，如果所有移动物体都匹配到移动物体，则跳到步骤（4）； （3）对所有未匹配的移动物体做人体检测，如果预测结果是人体则增加该物体到目标物体库； （4）检查目标物体库，判断未被匹配的目标物体是否在边缘消失，如果是在边缘，则在目标物体库删去该物体； （5）本帧识别结束，读入下一帧图像。 在本系统中，运算量和运算时间花费　的人体检测模块仅在未匹配的新的移动物体区域附近进行扫描，平时只有移动检测和物体匹配跟踪在运行，减少整个系统运算量，从而达到实时分析的目的。 3 移动物体检测模块 传统的移动物体检测算法是计算帧间差，用当前帧数值减去前4 帧的均值，然后将各点和一个标准值去进行对