禁入区域异常报警系统

2020-11-04 07:54伍煜亮黄上瑶宋景华刘洋宏黄承昌
数字通信世界 2020年10期
关键词:报警器报警像素

伍煜亮,黄上瑶,宋景华,刘洋宏,黄承昌

(广西大学,广西 南宁 530000)

1 民用报警产品

在我们生活环境的周边总有些对人类活动会造成某些影响的“危险区域”,比如,大楼拆迁地、高压变电房、加油站、火车道口、水深的河道河塘;也有些对一般人的活动是有所限制的地方,例如,军事要地、重要仓库(危险品仓库)等。在这些地方,人类的活动如不注意,便会造成严重的后果。以往,人们主要是在这些场所或区域的外面悬挂警示牌或警示标志,从而提醒他人给予注意。这些警示牌或警示标志往往因为表现形式不够明显和直观,而导致人们无意识的进入危险区域,进而导致一些预料之外的意外,这些意外往往会对企业和个人造成巨大的损失。

目前,已开发的民用产品有门禁报警器、烟雾(火灾)报警器、煤气报警器、汽车防盗报警器等,应用的范围涉及居民小区、办公大楼、工厂企业、各类仓库、银行、宾馆、写字楼、各种汽车、私人寓所等,而在现代生活危险区域中,因为无人监控设备,设备自行运行,如果有无关人员不小心进到危险区域中,甚至是靠近仪器所在的禁忌区域,常常会发生难以想象的意外。因此,基于OpenMV的禁入区域异常报警系统变成了文章所要考虑的实用创新系统。

2 基于OpenMV的禁入区域异常报警系统

现在生活中许多危险区域大都还是使用警示标志和人力监管来防止危险发生,人总会有疏忽的时候,因此,我们利用OpenMV实时侦察判断是否有人进入“危险区域”。如果进入则给予保安人员与在“危险区域”的人警告,如果是高危险的工业设备就要在必要时进行断电,防止意外发生。

系统开始工作,正常情况下,OpenMV视觉传感器用于监控工业设备工作情况,当OoenMV动态识别检测到图像中的变化时,开始进行人体识别以此来确定有人体已经进入识别区域附近,此时将人体以方形框高亮标记不断与划分的危险区域进行位置判断,直到人体进入设定的危险区域时,触发报警器模块使报警器对误入人员进行警告,并且通过Wi-Fi将警报信息传入远端警告相关人员,甚者若识别出的人体进入极其危险区域(非常靠近工业高危险机器),则执行切断电机工作电源操作防止意外发生,此过程中视觉传感器一直识别人体并进行距离判断,直到人走出危险区域,停止报警和远端信号发送。此外若是工作人员需控制设备而进入危险区域并且靠近高危险工业机器时,可利用遥控器关闭报警系统,防止机器紧急停止。系统实时工作如图1所示。

图1 系统实时工作框图

实现过程如下:首先通过OpenMV的帧差异来对监视区域进行动态监测,以此来初步判断是否有移动的物体进入监视区域,将前后拍摄的两个图像彼此按像素取绝对值。例:对于每个颜色通道而言,将每个像素替换为ABS(this.pixel-image.pixel),利 用image.difference(image[,mask=None])函数,image可以是图像对象,未压缩图像文件的路径(bmp/pgm/ppm),也可以是标量值。如果标量值,该值可以是RGB888元组或基础像素值(例如,灰度图像的8位灰度级或RGB图像的字节反转RGB565值)。mask是另一个用作绘图操作的像素级掩码的图像。掩码应该是一个只有黑色或白色像素的图像,并且应该与你正在绘制的image大小相同。仅掩码中设置的像素被修改。然后需要计算直方图中每个颜色通道的平均值、中值、众值、标准差、最小值、最大值、下四分值和上四分值,使用histogram.get_statistics()函数,并返回一个statistics对象。在OpenMV IDE中编写如图2代码来实现:

图2

在动态检测后,可以初步判断有移动物体进入了监视区域,此时我们就要在特定的图像区域进行人体识别,并在图像中标记出人体。OPenMV可以借助卷积神经网络,完成简单的机器学习,目前,OPenMV只提供Caffe模型到network网络的转换,通过Caffe框架学习,我们最终可以得到******.network的网络库文件,训练网络的主要步骤如下:

①配置环境,安装Caffe;

②采集数据集;

③训练网络;

④量化模型;

⑤将模型转换为二进制格式;

⑥在OPenMV上部署模型;

⑦运行网络;

⑧故障排除。

之后通过OpenMV获得图像,然后对图像进行特征的识别,然后将他与神经网络的模型进行对比,来得到一个相似度,通过这个相似度来判断是否属于数据集中的人体模型,来达到人体识别的应用。这里我们采用神经网络区域中心识别的算法,运行前,我们在OpenMV IDE->工具->机器视觉->CNN网络库中,将相应的神经网络文件保存到OpenMV的SD内存卡中,对应的特定区域人体识别代码:

3 结束语

综上所述,此系统将单片机平台、摄像头、报警终端等系统设计整合,以及运用算法与自己编写的判断程序构建成一个基于机器视觉算法的警报系统。基于机器视觉算法的摄像头装置设计,用户与企业利用原有的摄像头加上这套系统,实现对已有监控再利用。此外,用户与企业可根据自己需求自行调整危险区域。

猜你喜欢
报警器报警像素
坏事报警器
像素前线之“幻影”2000
“像素”仙人掌
防火防盗报警器设计
基于GPS定位的车祸报警器的设计
基于无线通信的入侵报警器设计
2015款奔驰E180车安全气囊报警
高像素不是全部
2014款奥迪Q5车发动机OBD灯报警
死于密室的租住者