基于物联网的智慧社区管理系统技术方案

本发明专利技术涉及一种基于物联网的智慧社区管理系统，包括睡眠状态检测设备、飞思卡尔IMX6处理设备、人脸检测设备和语音报警设备，飞思卡尔IMX6处理设备分别与睡眠状态检测设备、人脸检测设备和语音报警设备连接。通过本发明专利技术，能够对社区进行基于物联网的智能化管理。

【技术实现步骤摘要】
基于物联网的智慧社区管理系统
本专利技术涉及社区管理领域，尤其涉及一种基于物联网的智慧社区管理系统。
技术介绍
城市是人类文明发展的产物，社区是其最基本的组成部分，社区作为城市居民生存和发展的载体，其智慧化是城市智慧水平的集中体现。智慧社区从功能上讲，是以社区居民为服务核心，为居民提供安全、高效、便捷的智慧化服务，全面满足居民的生存和发展需要。智慧社区由高度发达的“邻里中心”服务、高级别的安防保障以及智能的社区控制构成。智慧城区(社区)是指充分借助互联网、物联网，涉及到智能楼宇、智能家居、路网监控、智能医院、城市生命线管理、食品药品管理、票证管理、家庭护理、个人健康与数字生活等诸多领域，把握新一轮科技创新革命和信息产业浪潮的重大机遇，充分发挥信息通信(ICT)产业发达、RFID相关技术领先、电信业务及信息化基础设施优良等优势，通过建设ICT基础设施、认证、安全等平台和示范工程，加快产业关键技术攻关，构建城区(社区)发展的智慧环境，形成基于海量信息和智能过滤处理的新的生活、产业发展、社会管理等模式，面向未来构建全新的城区(社区)形态。智慧社区对安防工作尤为重视，需要对进出智慧社区的岗位人员进行状态检测以判断是否出现失职行为或缺岗行为。然而，现有技术中的智慧社区的岗位人员状态检测机制过于简单，例如仍旧采用考勤方式进行，其识别精度不高且识别效率低下。因此，需要一种新的智慧社区的安防方案，能够采用新的岗位人员状态检测机制提高岗位人员状态识别的精度和速度。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于物联网的智慧社区管理系统，改造现有技术中的智慧社区管理系统，引入人脸识别技术并引入物联网技术以改善智慧社区的岗位人员状态检测机制，从而能够快速检测出岗位人员状态，从整体上保证智慧社区的可靠性。根据本专利技术的一方面，提供了一种基于物联网的智慧社区管理系统，所述系统包括睡眠状态检测设备、飞思卡尔IMX6处理设备、人脸检测设备和语音报警设备，飞思卡尔IMX6处理设备分别与睡眠状态检测设备、人脸检测设备和语音报警设备连接。更具体地，在所述基于物联网的智慧社区管理系统中，包括：睡眠状态检测设备，分别与特征向量比较子设备和高清摄像头连接，用于在接收到人脸识别成功信号时，对高清图像中人脸睡眠状态进行检测以确定是否发出入睡信号；飞思卡尔IMX6处理设备，分别与睡眠状态检测设备和特征向量比较子设备连接，用于在接收到入睡信号时，发出岗位人员失职报警信号，还用于在接收到人脸识别失败信号时，发出岗位人员缺失报警信号；高清摄像头，设置在社区管理岗位的上方，用于对社区管理岗位位置进行图像采集以获得高清图像；对比度增强设备，与高清摄像头连接，用于接收高清图像，并对高清图像进行对比度增强处理以获得增强图像；灰度化处理设备，与对比度增强设备连接，用于接收增强图像，并对增强图像进行灰度化处理以获得灰度化图像；光线调整设备，与灰度化处理设备连接，用于接收灰度化图像，基于灰度化图像中各个像素的灰度值确定灰度化图像的平均亮度，并将灰度化图像的平均亮度与预设亮度进行比较，当灰度化图像的平均亮度大于等于预设亮度，对灰度化图像进行亮度降低调整以获得光线调整图像，当灰度化图像的平均亮度小于预设亮度，对灰度化图像进行亮度提升调整以获得光线调整图像；自适应递归滤波处理设备，与光线调整设备连接，用于接收光线调整图像，并对光线调整图像执行自适应递归滤波处理以获得滤波图像；特征提取设备，分别与自适应递归滤波处理设备和IP解包设备连接，对接收到的滤波图像进行处理；特征提取设备包括波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备；波动阈值选择子设备与自适应递归滤波处理设备连接，用于计算滤波图像的复杂度，基于滤波图像的复杂度选择波动阈值大小，滤波图像的复杂度越高，选择的波动阈值越大，波动阈值为正数；像素处理子设备分别与波动阈值选择子设备和自适应递归滤波处理设备连接，用于接收滤波图像，针对滤波图像的每一个像素作为对象像素执行以下处理：以对象像素为中心像素，在滤波图像中获取3×3大小的对象像素矩阵，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵为3×3大小，二值化矩阵由8个二值化像素组成，参考像素大于等于对象像素与波动阈值之和，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素减去波动阈值后的差值，则参考像素对应的二值化像素的像素值为﹣1，其他取值的参考像素对应的二值化像素的像素值为0；矩阵拆分子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成一个正二值化矩阵和一个负二值化矩阵，正二值化矩阵由8个二值化像素值组成，负二值化矩阵也由8个二值化像素值组成，正二值化矩阵的每一个二值化像素值减去负二值化矩阵相应位置的二值化像素值能够得到对应二值化矩阵相应位置的二值化像素的像素值；十进制转换子设备与矩阵拆分子设备连接，用于将每一个对象像素对应的正二值化矩阵的所有二值化像素值按其在正二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标正二进制数，再将目标正二进制数转化成十进制数以作为目标正十进制数，还用于将每一个对象像素对应的负二值化矩阵的所有二值化像素值按其在负二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标负二进制数，再将目标负二进制数转化成十进制数以作为目标负十进制数；特征向量获取子设备分别与自适应递归滤波处理设备和十进制转换子设备连接，用于将滤波图像中每一个对象像素的像素值替换成该对象像素对应的正目标十进制数并按照对象像素在滤波图像中的位置将所有对象像素对应的正目标十进制数组成正一维特征向量，作为正目标特征向量输出，还用于将滤波图像中每一个对象像素的像素值替换成该对象像素对应的负目标十进制数并按照对象像素在滤波图像中的位置将所有对象像素对应的负目标十进制数组成负一维特征向量，作为负目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将正目标特征向量分别与各个基准正特征向量进行匹配，将负目标特征向量分别与各个基准负特征向量进行匹配，二者都匹配成功且匹配到的基准正特征向量对应的授权用户名称与匹配到的基准负特征向量对应的授权用户名称相同时，则输出人脸识别成功信号以及与匹配到的基准正特征向量对应的授权用户名称，否则将输出人脸识别失败信号；IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准正特征向量和各个基准负特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准正特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的正特征向量提取而获得的向量，每一个基准负特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的负特征向量提取而获得的向量；边缘传感设备，本文档来自技高网...

【技术保护点】
一种基于物联网的智慧社区管理系统，所述系统包括睡眠状态检测设备、飞思卡尔IMX6处理设备、人脸检测设备和语音报警设备，飞思卡尔IMX6处理设备分别与睡眠状态检测设备、人脸检测设备和语音报警设备连接。

【技术特征摘要】
1.一种基于物联网的智慧社区管理系统，所述系统包括睡眠状态检测设备、飞思卡尔IMX6处理设备、人脸检测设备和语音报警设备，飞思卡尔IMX6处理设备分别与睡眠状态检测设备、人脸检测设备和语音报警设备连接。2.如权利要求1所述的基于物联网的智慧社区管理系统，其特征在于，所述系统包括：睡眠状态检测设备，分别与特征向量比较子设备和高清摄像头连接，用于在接收到人脸识别成功信号时，对高清图像中人脸睡眠状态进行检测以确定是否发出入睡信号；飞思卡尔IMX6处理设备，分别与睡眠状态检测设备和特征向量比较子设备连接，用于在接收到入睡信号时，发出岗位人员失职报警信号，还用于在接收到人脸识别失败信号时，发出岗位人员缺失报警信号；高清摄像头，设置在社区管理岗位的上方，用于对社区管理岗位位置进行图像采集以获得高清图像；对比度增强设备，与高清摄像头连接，用于接收高清图像，并对高清图像进行对比度增强处理以获得增强图像；灰度化处理设备，与对比度增强设备连接，用于接收增强图像，并对增强图像进行灰度化处理以获得灰度化图像；光线调整设备，与灰度化处理设备连接，用于接收灰度化图像，基于灰度化图像中各个像素的灰度值确定灰度化图像的平均亮度，并将灰度化图像的平均亮度与预设亮度进行比较，当灰度化图像的平均亮度大于等于预设亮度，对灰度化图像进行亮度降低调整以获得光线调整图像，当灰度化图像的平均亮度小于预设亮度，对灰度化图像进行亮度提升调整以获得光线调整图像；自适应递归滤波处理设备，与光线调整设备连接，用于接收光线调整图像，并对光线调整图像执行自适应递归滤波处理以获得滤波图像；特征提取设备，分别与自适应递归滤波处理设备和IP解包设备连接，对接收到的滤波图像进行处理；特征提取设备包括波动阈值选择子设备、像素处理子设备、矩阵拆分子设备、十进制转换子设备、特征向量获取子设备和特征向量比较子设备；波动阈值选择子设备与自适应递归滤波处理设备连接，用于计算滤波图像的复杂度，基于滤波图像的复杂度选择波动阈值大小，滤波图像的复杂度越高，选择的波动阈值越大，波动阈值为正数；像素处理子设备分别与波动阈值选择子设备和自适应递归滤波处理设备连接，用于接收滤波图像，针对滤波图像的每一个像素作为对象像素执行以下处理：以对象像素为中心像素，在滤波图像中获取3×3大小的对象像素矩阵，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵为3×3大小，二值化矩阵由8个二值化像素组成，参考像素大于等于对象像素与波动阈值之和，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素减去波动阈值后的差值，则参考像素对应的二值化像素的像素值为﹣1，其他取值的参考像素对应的二值化像素的像素值为0；矩阵拆分子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成一个正二值化矩阵和一个负二值化矩阵，正二值化矩阵由8个二值化像素值组成，负二值化矩阵也由8个二值化像素值组成，正二值化矩阵的每一个二值化像素值减去负二值化矩阵相应位置的二值化像素值能够得到对应二值化矩阵相应位置的二值化像素的像素值；十进制转...

【专利技术属性】
技术研发人员：王玲，
申请(专利权)人：王玲，
类型：发明
国别省市：河北,13