[发明专利]IPv6环境下的教学楼智能视频监测节能系统设计方法

权利要求书

1.一种IPv6环境下的教学楼智能视频监测节能系统设计方法，其特征在于，包括以下步骤：

(1)构建图像采集模块：选择智能机器学习视觉识别摄像头人脸图像识别处理传感器模块OPENMV4 Cam M7来对教室进行视频监控，实时采集教室图像；

(2)构建统计识别模块：采用改进的图像超分辨率重建算法SRCNN对采集的图像进行预处理，然后采用目标检测算法FCHD，对采集到的图像进行人头区域识别，统计识别到的人头区域计算出人数；

(3)构建节能模块：将得到的人数信息经由IPv6网络上传至服务器，由python的数据处理库pymysql将处理后的人数情况存入MySQL数据库；从MySQL数据库中提取图像处理结果，并把结果反馈到照明系统和温控系统；照明系统通过从数据库中反馈的人数检测结果，判断照明设备的开/关；教室同时安装温度传感器，检测教室温度，并把温度情况也经IPv6网络实时传入服务器的MySQL数据库中；温控系统从数据库里面提取教室人数数据和温度数据，判断调温设备的开/关；

(4)创建智慧节电教室管理模块，对MySQL数据库中的数据进行可始化管理；

(5)采用基于Merkle树的IPv6地址划分方法，对通过IPv6校园网访问网站的学生或教职工进行数据分析。

2.根据权利要求1所述的IPv6环境下的教学楼智能视频监测节能系统设计方法，其特征在于，所述步骤(2)包括以下步骤：

(21)采用改进的图像超分辨率处理算法SRCNN对采集的图像进行预处理：SRCNN的结构包括三层，特征提取层、非线性映射层、特征重建层，滤波器大小分别为3×9×9×64、64×1×1×35、35×5×5×1；在SRCNN特征提取层中，加入通道注意力机制，对卷积通道进行二次加权；卷积过程中采用零填充的方法，保持图像大小不变；

(22)采用目标检测算法FCHD，对采集到的图像进行人头区域识别，FCHD模型对VGG16训练好的模型进行特征迁移，不包含conv5层之后的最后一层，作为特征提取层，将剩余的权重作为新模型训练的起点，输出维度为40×30×512，随后输入到(3×3×512，512)的卷积层，对获取的特征信息进行编码，卷积层得到的结果被分为两路，分别输入到卷积核为(1×1×512，N×4)和(1×1×512，N×2)的全卷积层，(1×1×512，N×4)全卷积层用于预测头部坐标进行定位，回归头部，(1×1×512，N×2)全卷积层用于预测该位置为头的概率，分类头部和非头部区域，其中N表示标记的人头数，N值取决于每个像素位置的锚点数；两路输出分别表示为40×30×(N×4)和40×30×(N×2)，×2和×4表示锚点缩放比例；

锚点是一组预定义的包围框，用于预测尺度和位移，锚点尺寸计算公式表示为：

Anchor size＝S×R×C (3)

其中，S表示步长，R表示长宽比，C表示锚点缩放比；模型定义的锚点长宽比为1:1，步长为16，(×2)和(×4)的锚点缩放比分别对应32×32和64×64的锚点大小；

(23)将预处理过的图像数据集作为模型的输入，输出为标记好的图片，统计标记的人头区域坐标数，得到人头数量。