[发明专利]一种基于物联网的图书自助借还方法

权利要求书

1.一种基于物联网的图书自助借还方法，其采用的基于物联网的图书自助借还系统包括服务器(10)、设置在居民小区内的可移动式图书自助借还机(2)和安装有借还书APP软件的用户手机(13)，所述可移动式图书自助借还机(2)通过WIFI热点与服务器(10)和用户手机(13)均无线连接并通信，所述用户手机(13)通过WIFI热点与服务器(10)无线连接并通信；

所述可移动式图书自助借还机包括机体(1)以及设置在机体内的控制器电路板和为可移动式图书自助借还机中各用电模块供电的供电电源 (9)，所述机体(1)上设置有图书消毒单元柜(17)和多个存书单元柜(3)，所述图书消毒单元柜(17)上设置有图书消毒单元柜门，所述图书消毒单元柜门上贴有图书消毒标志，每个存书单元柜(3)上均设置有存书单元柜门，所述存书单元柜门上贴有编号，所述存书单元柜门与存书单元柜(3)的闭合位置处设置有电子锁(15)；所述图书消毒单元柜(17)内上部设置有图书消毒装置，所述图书消毒装置包括支架(18-1)和设置在支架(18-1)中上部的图书传送机构(18-2)，所述支架(18-1)与图书消毒单元柜(17)的内壁固定连接，所述图书传送机构(18-2)上固定连接有灭菌罩(18-3)，所述灭菌罩(18-3)内顶部中间位置处设置有臭氧紫外线灯管(18-4)；所述机体(1)中部设置有用于读取贴在图书上的RFID标签的RFID读写器(14)，所述机体(1)顶部安装有用于检测有人靠近可移动式图书自助借还机(2)的热红外人体感应器(5)和用于在有人靠近可移动式图书自助借还机(2)后拍摄机体(1)周围视频的摄像头(4)；所述控制器电路板上集成有图书自助借还控制电路，所述图书自助借还控制电路包括微控制器模块(6)以及与微控制器模块(6)相接且用于进行本地数据缓存的SD卡数据存储模块(7)、用于连接摄像头(4)的USB接口电路(8)和用于通过WIFI热点连接到服务器(10)并将本地缓存的数据传输给服务器(10)的WIFI模块(11)，所述WIFI模块(11)包括WIFI模块USR_C216以及与WIFI模块USR_C216连接的天线连接电路、数据发送连接电路、数据接收连接电路、WIFI模块复位电路和重新加载电路，所述热红外人体感应器(5)与微控制器模块(6)的输入端连接，所述微控制器模块(6)的输出端接有电子锁驱动电路(16)和用于播放提醒语音的提醒语音播放电路(12)，所述电子锁(15)与电子锁驱动电路(16)的输出端连接；其特征在于，该方法包括自助借书方法和自助还书方法，所述自助借书方法包括以下步骤：

步骤A1、当用户有借书的需求时，启动用户手机(13)上的借还书APP软件，与服务器(10)建立通信连接；

步骤A2、用户在借还书APP软件中，通过账号、密码进入主页，并选择借书；

步骤A3、用户在借还书APP软件中，查询自己想要借的图书，当有可移动式图书自助借还机(2)中存放有该图书时，服务器(10)将图书存取在哪些可移动式图书自助借还机(2)中的信息推送到借还书APP软件中，并显示出位置，用户根据显示的存放有自己想要借的图书的可移动式图书自助借还机(2)的位置，决定自己前往哪个位置的可移动式图书自助借还机(2)取书，进行预约取书，执行步骤A5，或决定自己不去取书并在借还书APP软件中进行预约借书，执行步骤A4；当没有可移动式图书自助借还机(2)中存放有该图书时，借还书APP软件上显示没有该图书的信息，用户在借还书APP软件中进行预约借书，执行步骤A4；

步骤A4、用户在APP软件中输入预约借书成功后想要取书的可移动式图书自助借还机(2)的位置信息，服务器(10)接收到该信息后，工作人员在3个工作日内将用于预约借的图书存放到用户指定位置处的可移动式图书自助借还机(2)中；

步骤A5、当用户到达存放有自己想要借的图书的可移动式图书自助借还机(2)前时，热红外人体感应器(5)检测到有人靠近可移动式图书自助借还机(2)并输出信号给微控制器模块(6)，微控制器模块(6)控制摄像头(4)启动，摄像头(4)拍摄机体(1)周围视频并发送给微控制器模块(6)，微控制器模块(6)周期性地采集摄像头(4)拍摄的机体(1)周围视频并通过WIFI模块(11)和WIFI热点发送给服务器(10)；

步骤A6、用户在借还书APP软件中，连接用户手机(13)与该可移动式图书自助借还机(2)，并进行取书操作，取书信号通过借还书APP软件传输给可移动式图书自助借还机(2)中的微控制器模块(6)，微控制器模块(6)接收到取书信号后，控制电子锁驱动电路(16)驱动存放有该图书的存书单元柜(3)的电子锁(15)打开，用户取出自己想要借的图书后，将贴在图书上的RFID标签对准RFID读写器(14)，进行扫码借书，借书成功后，微控制器模块(6)发送借书成功的信息给借还书APP软件，用户看到后，关闭存书单元柜门，电子锁(15)关闭；微控制器模块(6)将用户身份信息、用户借书图书信息和借书时间信息通过WIFI模块(11)和WIFI热点发送给服务器(10)，完成一次借书；

步骤A7、用户将借的书在图书消毒单元柜(17)内的图书消毒装置上消毒后带走；

所述步骤A3中所述用户在借还书APP软件中，查询自己想要借的图书时，服务器(10)还根据用户查询的图书信息为借还书APP软件中推送用户可能喜欢的同类型图书，供用户选择；具体过程为：当服务器(10)接收到用户查询的图书后，收集借过同样图书的所有用户所借图书中与该图书为同一分类号下的图书，统计这些图书中每本图书的借出次数和每次借出的时长，并按照借出概率因子从大到小的顺序将这些图书推送到借书用户的用户手机(13)上的借还书APP软件中，供用户选择；其中，第j本图书的借出概率因子的计算步骤为：

步骤E1、服务器(10)将第j本图书的借出次数表示为S_j，将第j本图书第i次借出时的借出时长表示为t_j,i；

步骤E2、服务器(10)根据公式计算得到第j本图书的借出时长的算术平均值；

步骤E3、服务器(10)根据公式计算得到第j本图书的借出概率因子λ_j，其中，w₁为借出次数的加权概率且w₁的取值范围为0.6～1，w₂为借出时长的加权概率且w₂+w₁＝1；

所述自助还书方法包括以下步骤：

步骤B1、当用户有还书的需求时，启动用户手机(13)上的借还书APP软件，与服务器(10)建立通信连接；

步骤B2、用户在借还书APP软件中，通过账号、密码进入主页，并选择还书；

步骤B3、用户在借还书APP软件中，查询有空的存书单元柜(3)能够存放待还图书且距离自己最近的可移动式图书自助借还机(2)，进行预约还书；

步骤B4、当用户到达要还书的可移动式图书自助借还机(2)前时，热红外人体感应器(5)检测到有人靠近可移动式图书自助借还机(2)并输出信号给微控制器模块(6)，微控制器模块(6)控制摄像头(4)启动，摄像头(4)拍摄机体(1)周围视频并发送给微控制器模块(6)，微控制器模块(6)周期性地采集摄像头(4)拍摄的机体(1)周围视频并通过WIFI模块(11)和WIFI热点发送给服务器(10)；

步骤B5、用户在借还书APP软件中，连接用户手机(13)与该可移动式图书自助借还机(2)，并进行还书操作，还书信号通过借还书APP软件传输给可移动式图书自助借还机(2)中的微控制器模块(6)，再将贴在图书上的RFID标签对准RFID读写器(14)，进行扫码还书，微控制器模块(6)接收到还书信号后，控制电子锁驱动电路(16)驱动用于存放待还图书的空的存书单元柜(3)的电子锁(15)打开，用户放入待还图书后，关闭存书单元柜门，电子锁(15)关闭；微控制器模块(6)将用户身份信息、用户还书图书信息和还书时间信息通过WIFI模块(11)和WIFI热点发送给服务器(10)，完成一次还书；

所述步骤A6和步骤B5中所述用户在借还书APP软件中，连接用户手机(13)与该可移动式图书自助借还机(2)时，不仅采用通过账号、密码进入主页的方式进行用户身份验证；还采用人脸识别对比的方式进行用户身份确认；具体过程为：

步骤C1、所述摄像头(4)拍摄人脸图像并将其拍摄到的人脸图像发送给微控制器模块(6)，微控制器模块(6)再将人脸图像通过WIFI模块(11)和WIFI热点发送给服务器(10)；

步骤C2、所述服务器(10)将人脸图像输入预先构建的Mask Rcnn神经网络中，初步识别人脸图像，当判断为是人脸图像时，执行步骤C3；当判断为非人脸图像时，返回步骤C1重新采集人脸图像；

其中，预先构建Mask Rcnn神经网络的具体过程为：

步骤C21、构建Mask-RCNN网络，所述Mask-RCNN由ResNet网络、FPN网络、RPN网络、ROIAlign层、全连接层和三个全卷积网络输出层构成；三个全卷积网络输出层包括分类分支、边框回归分支和像素分割mask分支；

步骤C22、将ResNet网络和FPN网络作为主干网络，将摄像头(4)拍摄的1000幅人脸图像作为训练图像，将训练图像中的人脸作为Mask-RCNN网络模型的识别目标，将训练图像输入主干网络来训练主干网络，调整ResNet网络和FPN网络的参数，使损失函数最小，通过主干网络获取到进行了特征提取后的特征图；

步骤C23、对RPN卷积神经网络进行初始化，用不同的小随机数初始化网络中待训练参数；

步骤C24、对步骤C22中得到的特征图赋予多个尺度和多个比例的基准框，通过向初始化后的RPN卷积神经网络中输入特征图的基准框来训练RPN卷积神经网络，使用反向传播BP算法，调整RPN卷积神经网络参数，使损失函数值最小；得到训练样本集的人脸预选框，对目标进行初步定位；

步骤C25、根据预选框的位置坐标，RoIAlign层将特征图重新调整为固定尺寸大小；以便后续全连接操作；

步骤C26、经过尺寸的统一，对统一大小的特征图进行全连接操作，随后使用分类分支、边框回归分支和像素分割mask分支这三个全卷积网络输出；分类分支预测每个目标属于哪个类别，同时利用边框回归分支获得更高精度的目标检测框，同时像素分割mask分支使网络输出每一类的mask,最终达到实例分割的目的，使损失函数最小，得到训练好的Mask-RCNN网络模型；

步骤C3、所述服务器(10)将人脸图像正规化为164×164个像素大小；

步骤C4、所述服务器(10)将人脸图像输入预先构建的Tensorflow深度学习人脸识别网络中，得到人脸识别对比的结果，当人脸识别对比的结果为匹配时，用户身份确认通过；当人脸识别对比的结果为不匹配时，用户身份确认不能通过；

其中，预先构建Tensorflow深度学习人脸识别网络的具体过程为：

步骤C41、所述摄像头(4)拍摄人脸图像并将其拍摄到的人脸图像发送给微控制器模块(6)，微控制器模块(6)再将人脸图像通过WIFI模块(11)和WIFI热点发送给服务器(10)；

步骤C42、所述服务器(10)将其采集的人脸图像正规化为164×164个像素大小；

步骤C43、所述服务器(10)调用OpenCV库函数对人脸图像进行分析处理，初步识别人脸图像，当判断为是人脸图像时，执行步骤C44；当判断为非人脸图像时，返回步骤C41重新采集人脸图像；

步骤C44、所述服务器(10)调用支持向量机分类模块对人脸图像进行二分类，分为是人脸图像和非人脸图像两类，当判断为是人脸图像时，所述服务器(10)存储人脸图像并执行步骤C45；当判断为非人脸图像时，返回步骤C41重新采集人脸图像；

步骤C45、重复执行步骤C41至步骤C44，直至所述服务器(10)存储了M个注册过的用户、每个用户不同状态下的200幅人脸图像；

步骤C46、所述服务器(10)构建一个卷积网络核的层数为五层、输入层节点为164×164个像素的人脸图像、输出层节点为M类的Tensorflow深度学习网络，并将其存储的M个用户、每个用户不同状态下的200幅人脸图像作为训练样本，对Tensorflow深度学习网络进行训练，得到Tensorflow深度学习人脸识别网络；所述Tensorflow深度学习人脸识别网络五层卷积网络核的大小从一层到第五层分别为3x3,2x2,3x3,2x2,2x2；所述Tensorflow深度学习人脸识别网络的输出为R_face＝δ，δ的取值为1～M的自然数；

所述图书传送机构(18-2)包括平行设置的第一安装板(18-21)和第二安装板(18-22)，所述第一安装板(18-21)的一端和第二安装板(18-22)的一端之间连接有电动辊(18-23)，所述第一安装板(18-21)的另一端和第二安装板(18-22)的另一端之间连接有从动辊(18-24)，所述电动辊(18-23)和从动辊(18-24)之间跨接有传送带面(18-25)；所述灭菌罩(18-3)的一侧底部固定连接在第一安装板(18-21)顶部，所述灭菌罩(18-3)的另一侧底部固定连接在第二安装板(18-22)顶部。