摘要：承擔(dān)教學(xué)和自習(xí)功能的高校教室大都采用開放管理模式，時(shí)常會(huì)出現(xiàn)外部光照良好或空無一人時(shí)，室內(nèi)照明燈處于全部開啟狀態(tài)，造成電能的浪費(fèi)。針對(duì)高校教學(xué)場(chǎng)所電能浪費(fèi)問題，該系統(tǒng)運(yùn)用人體圖像檢測(cè)算法融合多種傳感器的方法，設(shè)計(jì)出一套基于無線節(jié)點(diǎn)的高校教學(xué)場(chǎng)所節(jié)電控制系統(tǒng)。該系統(tǒng)分為OpenMV實(shí)時(shí)圖像監(jiān)測(cè)、燈具控制和無線通信3個(gè)部分，通過傳感器來檢測(cè)環(huán)境光照情況和室內(nèi)各區(qū)域人員分布狀況，從而調(diào)節(jié)燈具開關(guān)狀態(tài)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具備良好的穩(wěn)定性，可以達(dá)到精確控制燈具實(shí)現(xiàn)節(jié)能的目的。

關(guān)鍵詞：節(jié)電控制；人體圖像檢測(cè)；無線通信；OpenMV

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)志碼：A

0 引言

近年來，隨著高等教育招生規(guī)模的逐漸擴(kuò)大，高校教學(xué)場(chǎng)所數(shù)量不斷增加。教室作為學(xué)校開展教學(xué)和學(xué)生學(xué)習(xí)交流的重要場(chǎng)所，為了方便學(xué)生之間的學(xué)習(xí)和交流，大多采用分時(shí)段開放式的自由管理運(yùn)作模式［1］。教室設(shè)備的開放式管理雖然使學(xué)生之間的學(xué)習(xí)交流更加方便，但學(xué)生的流動(dòng)性大，加之缺乏與之相對(duì)應(yīng)的高效管理所需的自動(dòng)化配套系統(tǒng)，教室用電設(shè)備管理很大程度上取決于人的主動(dòng)性。由于管理人員不能及時(shí)管理和教室使用人員的節(jié)約電能的意識(shí)不強(qiáng)等原因，教室電能浪費(fèi)現(xiàn)象十分嚴(yán)重。經(jīng)常出現(xiàn)教室里僅有一兩個(gè)人，甚至在無人的情況下，教室里面所有的燈具、空調(diào)或者風(fēng)扇等耗能設(shè)備長(zhǎng)期處于運(yùn)行狀況［2］。當(dāng)白天室內(nèi)光線強(qiáng)度滿足學(xué)習(xí)要求時(shí)，燈具依然處于額定運(yùn)行工況，“長(zhǎng)明燈”現(xiàn)象比比皆是。這些現(xiàn)象不但為學(xué)校的電力支出增加了負(fù)擔(dān)且造成大量的電能浪費(fèi)。因此，針對(duì)教室的節(jié)能控制系統(tǒng)進(jìn)行研究及使用，既可以為高校降低能源消耗的成本，還有利于打造一個(gè)高品質(zhì)的學(xué)習(xí)環(huán)境，為推動(dòng)生態(tài)和諧社會(huì)的建設(shè)和節(jié)約資源社會(huì)發(fā)展做出貢獻(xiàn)。

當(dāng)前，市面上很多節(jié)能開關(guān)使用紅外熱釋電技術(shù)進(jìn)行人員活動(dòng)檢測(cè)，雖然安裝靈活，但是使用中時(shí)常遭受漏檢和重復(fù)檢測(cè)反應(yīng)遲鈍的困擾。為了解決紅外熱釋電傳感器在照明控制系統(tǒng)中可能出現(xiàn)的漏檢和錯(cuò)檢問題，該系統(tǒng)提出了一種基于圖像處理技術(shù)的人體目標(biāo)識(shí)別技術(shù)的節(jié)電系統(tǒng)設(shè)計(jì)方案。該方案將圖像分析技術(shù)與紅外熱釋電傳感器相結(jié)合，兩者相輔相成，顯著地提高了系統(tǒng)對(duì)人體目標(biāo)檢測(cè)的準(zhǔn)確性，從而極大幅度地減少了漏檢和錯(cuò)檢情況的發(fā)生。

1 系統(tǒng)總體設(shè)計(jì)

該教室節(jié)電系統(tǒng)功能由燈控節(jié)點(diǎn)和實(shí)時(shí)圖像監(jiān)測(cè)節(jié)點(diǎn)2個(gè)部分組成，系統(tǒng)總方案如圖1所示。按照設(shè)計(jì)要求，整個(gè)教室平均分為4個(gè)區(qū)域，每個(gè)區(qū)域分別采用1個(gè)燈控節(jié)點(diǎn)對(duì)其進(jìn)行控制。4個(gè)燈控節(jié)點(diǎn)通過無線模塊與1個(gè)實(shí)時(shí)監(jiān)測(cè)教室人員狀況的視頻監(jiān)測(cè)節(jié)點(diǎn)進(jìn)行信息的發(fā)送與接收［3］。

燈控節(jié)點(diǎn)的設(shè)計(jì)如圖2所示，該節(jié)點(diǎn)模塊采用STM32F103為主控單元，主要實(shí)現(xiàn)區(qū)域照度檢測(cè)、燈具控制和組網(wǎng)通信等功能。

圖像監(jiān)測(cè)節(jié)點(diǎn)通過紅外熱釋電傳感器模塊與攝像頭模塊共同檢測(cè)人體目標(biāo)活動(dòng)，振動(dòng)傳感器用來檢測(cè)投影儀工作狀況。系統(tǒng)采用OpenMV開發(fā)板為圖像識(shí)別和檢測(cè)單元，其系統(tǒng)構(gòu)架如圖3所示。節(jié)能系統(tǒng)結(jié)合燈具區(qū)域照度和區(qū)域內(nèi)有無人體目標(biāo)活動(dòng)，經(jīng)過決策后通過燈控電路進(jìn)行燈具的啟閉控制。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 紅外熱釋電傳感器模塊

攝像頭長(zhǎng)期工作容易產(chǎn)生局部過熱，從而影響CMOS傳感器的壽命。在該設(shè)計(jì)中，使用紅外熱釋電傳感器和攝像頭圖像捕捉相結(jié)合的方式來檢測(cè)教室區(qū)域內(nèi)是否有人活動(dòng)。熱釋電傳感器對(duì)大幅度的人體位置變化較為敏感，而對(duì)相對(duì)靜態(tài)人體目標(biāo)靈敏度不高。因此，筆者使用AM312紅外熱釋電感應(yīng)模塊來預(yù)先判斷是否有人進(jìn)入檢測(cè)區(qū)域，從而啟動(dòng)攝像頭進(jìn)行連續(xù)檢測(cè)。當(dāng)檢測(cè)有人在區(qū)域內(nèi)活動(dòng)時(shí)，模塊信號(hào)端口輸出穩(wěn)定的高電平。當(dāng)模塊檢測(cè)到人離開設(shè)定區(qū)域，內(nèi)部延時(shí)電路延時(shí)一段時(shí)間后，端口輸出為低電平?？刂乒?jié)點(diǎn)的STM32F103C8T6微控制器使用通用GPIO來讀取模塊輸出電平狀態(tài)，從而判斷該區(qū)域中是否有人活動(dòng)。在該設(shè)計(jì)中，控制器使用PB0引腳來檢測(cè)熱釋電模塊的輸出電平信號(hào)，當(dāng)讀取到由低電平到高電平的波動(dòng)信號(hào)，則表明有人進(jìn)入檢測(cè)區(qū)域。

2.2 照度檢測(cè)模塊

良好的室內(nèi)照度效果是保證優(yōu)質(zhì)學(xué)習(xí)和視力健康的主要因素，當(dāng)前室內(nèi)照度是教室燈具是否開啟的重要依據(jù)之一。因此，文章選擇TEMT6000環(huán)境光傳感器模塊對(duì)教室內(nèi)部照明情況進(jìn)行檢測(cè)。TEMT6000模塊依靠仿生學(xué)設(shè)計(jì)，對(duì)可見光的反應(yīng)特性與人眼所感受的特性相似。芯片內(nèi)部集成抑制紅外線光譜功能，不僅可以模擬人對(duì)環(huán)境光線強(qiáng)度的判斷，而且具有更高光譜響應(yīng)性。模塊在工作時(shí)候，進(jìn)入光窗的光照強(qiáng)度越高，激發(fā)的光電流越大，從而輸出的電壓則越大。感應(yīng)的光照強(qiáng)度與輸出電壓呈線性關(guān)系，測(cè)量電壓的幅值可直接推導(dǎo)出光照的強(qiáng)度關(guān)系。該設(shè)計(jì)通過配置STM32F103微控制PA3為模擬量輸入接口，將模塊照度電壓輸出引腳與單片機(jī)PA3相連，由測(cè)量的電壓來測(cè)算光照強(qiáng)度。

TEMT6000模擬光照強(qiáng)度檢測(cè)傳感器的供電電壓為3.3～5 V，照度的檢測(cè)范圍是1～1000 lux。對(duì)應(yīng)的模擬輸出電壓Vout為0～Vcc，因而實(shí)際檢測(cè)的照度轉(zhuǎn)換如式（1）所示。

E=VoutVcc×1000（1）

該設(shè)計(jì)中，光照強(qiáng)度傳感器采用的供電電壓Vcc為3.3 V。

2.3 照明燈控制電路

為了達(dá)到節(jié)能的目的，該設(shè)計(jì)根據(jù)光照情況和區(qū)域內(nèi)人員分布情況動(dòng)態(tài)進(jìn)行照明燈的打開和關(guān)閉。考慮到教室所用燈具的開關(guān)頻率不頻繁且不涉及調(diào)光操作，燈控節(jié)點(diǎn)采用結(jié)構(gòu)簡(jiǎn)單和性能穩(wěn)定的繼電器控制電路，燈控電路原理如圖4所示。圖中，220 V交流市電的火線和零線接在PORT1雙線端子上，照明燈引線接在POTR2端子兩端。因?yàn)镾TM32控制器的通用引腳只能輸出高低電平信號(hào)，無法驅(qū)動(dòng)繼電器線圈對(duì)應(yīng)的電流負(fù)載，所以借助三極管的飽和導(dǎo)通和截止來實(shí)現(xiàn)繼電器的通斷控制。繼電器線圈采用板載的5 V電源供電，在繼電器線圈的兩端反向并聯(lián)續(xù)流二極管1N4007，防止晶體三極管Q1被繼電器斷開瞬間的反向電動(dòng)勢(shì)損壞。STM32微控制器的輸出端口與晶體管Q1基級(jí)之間的控制信號(hào)采用光電耦合器U1進(jìn)行隔離，可以有效避免繼電器開關(guān)瞬間的電勢(shì)能對(duì)控制芯片造成沖擊，導(dǎo)致芯片損壞。最終，燈具的開啟和關(guān)斷由控制器的輸出端口CTL進(jìn)行控制。

2.4 振動(dòng)檢測(cè)功能

老師在上課時(shí)，經(jīng)常會(huì)使用投影儀和黑板進(jìn)行書寫切換。對(duì)于教室的授課對(duì)象而言，講臺(tái)上方過強(qiáng)的背景燈光照度，會(huì)對(duì)所播放幻燈片的清晰度產(chǎn)生很大的影響。而老師在使用黑板時(shí)，為了便于后排同學(xué)看清，講臺(tái)光線又須要具有一定的照射強(qiáng)度。因此，該設(shè)計(jì)為了有效對(duì)講臺(tái)上方的照明燈具進(jìn)行控制，在投影儀的側(cè)邊安裝了一款能檢測(cè)投影儀是否工作的裝置，用于檢測(cè)投影儀工作狀態(tài)。當(dāng)投影儀用于課堂教學(xué)時(shí)，其內(nèi)部散熱風(fēng)扇啟動(dòng)，會(huì)引起投影儀工作面的振動(dòng)，從而觸發(fā)該檢測(cè)裝置。

設(shè)計(jì)中所用的振動(dòng)傳感器SW-420是一款常閉型的開關(guān)器件模塊，當(dāng)模塊檢測(cè)到機(jī)殼有震動(dòng)時(shí)，器件內(nèi)部2個(gè)引腳斷開，模塊輸出高電平，反之輸出低電平?？刂破魍ㄟ^檢測(cè)振動(dòng)裝置的輸出信號(hào)，動(dòng)態(tài)調(diào)節(jié)講臺(tái)上方燈具的照明狀態(tài)。

2.5 無線通信模塊

為了實(shí)現(xiàn)教室節(jié)能系統(tǒng)中主控節(jié)點(diǎn)和燈控節(jié)點(diǎn)之間的數(shù)據(jù)和指令傳輸功能，文章采用ZigBee網(wǎng)絡(luò)來實(shí)現(xiàn)組網(wǎng)通信功能［4］。該設(shè)計(jì)中的ZigBee功能電路選取正點(diǎn)原子設(shè)計(jì)開發(fā)的DL-20無線通信模塊進(jìn)行設(shè)計(jì)，該模塊采用CC2530芯片，工作頻段為2400～2450MHz，采用擴(kuò)頻技術(shù)，支持基于透明串口模式的點(diǎn)對(duì)點(diǎn)和點(diǎn)對(duì)多傳輸。在該研究中，監(jiān)控節(jié)點(diǎn)和燈控節(jié)點(diǎn)采用點(diǎn)對(duì)多方式進(jìn)行通信，模塊通過設(shè)置不同地址進(jìn)行匹配，教室內(nèi)監(jiān)控主節(jié)點(diǎn)與燈控節(jié)點(diǎn)自組網(wǎng)如圖5所示。

3 系統(tǒng)軟件設(shè)計(jì)

該系統(tǒng)的總體軟件設(shè)計(jì)流程如圖6所示，主控節(jié)點(diǎn)主要完成區(qū)域內(nèi)人員判斷和與燈控節(jié)點(diǎn)之間的數(shù)據(jù)收發(fā)功能，燈控節(jié)點(diǎn)根據(jù)當(dāng)前區(qū)域照度實(shí)現(xiàn)燈具開關(guān)控制。主控單元中的OpenMV通過攝像頭獲取整個(gè)教室內(nèi)部圖像，經(jīng)灰度二值化處理后來確定區(qū)域內(nèi)是否有人。主控單元通過ZigBee無線網(wǎng)絡(luò)將區(qū)域內(nèi)是否有人員活動(dòng)信息發(fā)送給各個(gè)燈控節(jié)點(diǎn)，燈控節(jié)點(diǎn)根據(jù)所收到的指令和當(dāng)前的外界環(huán)境照度動(dòng)態(tài)調(diào)節(jié)照明燈的開啟和關(guān)閉。

根據(jù)紅外熱釋電傳感器模塊的工作特性，若無人體在檢測(cè)范圍內(nèi)運(yùn)動(dòng)，則會(huì)在最后一次檢測(cè)到人體運(yùn)動(dòng)延時(shí)一段時(shí)間后變回低電平。如果單獨(dú)使用該傳感器來控制燈具開關(guān)，就可能出現(xiàn)學(xué)生安靜學(xué)習(xí)一段時(shí)間后自動(dòng)斷電關(guān)燈的尷尬情況。為避免這種情況的發(fā)生，文章利用攝像頭實(shí)時(shí)監(jiān)控教室內(nèi)有無人員活動(dòng)。具體實(shí)現(xiàn)過程為：在紅外熱釋電傳感器和光敏傳感器同時(shí)觸發(fā)為高電平時(shí)，通過ZigBee模塊傳輸信號(hào)至監(jiān)控模塊，打開攝像頭開啟監(jiān)測(cè)模式，同時(shí)開始3min倒計(jì)時(shí)。如果3min時(shí)間段內(nèi)攝像頭檢測(cè)到教室內(nèi)有人，便將3min計(jì)數(shù)器重置，通過燈具控制電路保持燈具持續(xù)開啟。如若計(jì)時(shí)到而教室內(nèi)又沒有人活動(dòng)，就不通過ZigBee模塊傳回信號(hào)，此時(shí)初始化系統(tǒng)并關(guān)閉燈具，等待下一次激活。

3.1 圖像識(shí)別方法設(shè)計(jì)

與一般靜止的物品不同，學(xué)生在看書和自習(xí)時(shí)雖然大體保持靜止，但還是會(huì)伴隨著一些細(xì)微的肢體移動(dòng)。這種細(xì)微的動(dòng)作一般不會(huì)被紅外熱釋電傳感器所感應(yīng)，為了提高人員辨識(shí)效果，本研究選擇了OpenMV圖像檢測(cè)結(jié)合熱釋電傳感器來對(duì)教室內(nèi)是否有人進(jìn)行檢測(cè)。

OpenMV開發(fā)套件作為一款開源的機(jī)器視覺開發(fā)平臺(tái)，內(nèi)部集成了眾多機(jī)器視覺算法案例。該系統(tǒng)采用Python語言進(jìn)行功能開發(fā)設(shè)計(jì)，可用于對(duì)實(shí)時(shí)性響應(yīng)要求不高的靜態(tài)圖像處理和目標(biāo)追蹤領(lǐng)域。OpenMV的人臉識(shí)別算法通?；谏疃葘W(xué)習(xí)和計(jì)算機(jī)視覺技術(shù)，其核心原理包括圖像預(yù)處理、特征提取、目標(biāo)檢測(cè)、候選框處理以及識(shí)別結(jié)果輸出幾個(gè)方面。

圖像預(yù)處理是實(shí)現(xiàn)人體目標(biāo)檢測(cè)的重要一環(huán)，也是OpenMV完成圖像識(shí)別算法中的第一步。該項(xiàng)目首先將輸入的圖像進(jìn)行尺寸變換，調(diào)整成與固定模型大小相同的正方形。通過色彩轉(zhuǎn)換的方式將圖像轉(zhuǎn)換為灰度圖，有助于減少算法中的計(jì)算量，可更加高效地提取出有效的特征從而達(dá)到便于識(shí)別的目的。然后，利用圖像增強(qiáng)的方法增加圖像的對(duì)比度和清晰度，以改善圖像質(zhì)量并突出圖像中的關(guān)鍵特征。

邊緣處理可以用來識(shí)別圖像的邊界信息，是圖像處理中極為重要的一步。本設(shè)計(jì)采用基于卷積變換的Sobel離散微分算子，通過計(jì)算圖像中相鄰像素點(diǎn)之間差分值得到梯度信息。梯度值大于設(shè)定閾值的像素點(diǎn)設(shè)定為圖像邊緣，可以得到圖像中的輪廓邊界。

邊緣確定之后需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，這一步將圖像像素值轉(zhuǎn)換到［0，1］或［-1，1］的范圍內(nèi)，便于后續(xù)對(duì)模型進(jìn)行處理。本設(shè)計(jì)在人臉識(shí)別檢測(cè)中只使用［0，1］范圍內(nèi)的歸一化，因?yàn)榇蠖鄶?shù)的期望輸入數(shù)據(jù)都在［0，1］的范圍內(nèi)［5］。

該設(shè)計(jì)通過式（2）將圖像中的各點(diǎn)像素值進(jìn)行線性變換，使得圖像中最小像素值映射到0，最大像素值映射到1，其余像素點(diǎn)都在［0，1］范圍之內(nèi)。

Pixel=Pixelraw-PixelminPixelmax-Pixelmin（2）

經(jīng)過上述的處理步驟之后，可能會(huì)出現(xiàn)圖像的拉伸和變形。如果直接進(jìn)入特征識(shí)別，可能會(huì)造成辨識(shí)準(zhǔn)確性的降低。為避免這種情況，該設(shè)計(jì)在圖像邊緣進(jìn)行填充，使其保持原有的比例與內(nèi)容。最后則通過裁剪的方式去除掉圖像中不相關(guān)的部分，從而提高處理的效率和精確性。

在特征提取環(huán)節(jié)，筆者將采集圖片歸一化處理得到的圖像特征與訓(xùn)練好的人臉識(shí)別模型進(jìn)行比對(duì)。模型是通過預(yù)先大量標(biāo)記好的人臉圖像數(shù)據(jù)進(jìn)行訓(xùn)練得到的，從而能夠識(shí)別出不同的人臉特征信息，這個(gè)環(huán)節(jié)包括卷積操作、激活函數(shù)、池化操作3個(gè)過程［6］。

（1）首先利用卷積核對(duì)圖像進(jìn)行特征提取，操作如式（3）所示。

y［i，j］=∑x［i+m，j+n］·h［m+n］（3）

其中，x為輸入圖像，h是卷積核，y是輸出特征圖。

（2）文章在卷積層后使用激活函數(shù)（Rectified Linear Unit，ReLU）對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行激活，激活函數(shù)定義如式（4）所示。

f（x）=max（0，x）（4）

ReLU函數(shù)可以將小于0的輸入值置0，而大于0的值則保持不變。

（3）該設(shè)計(jì)在圖片特征檢測(cè)和判斷中，為了降低算法的計(jì)算量，使用最大池化操作來縮減特征圖的尺寸大小。該方法可以保留特征圖中的主要特征，便于后續(xù)的識(shí)別。最大池化的過程如式（5）所示。

y（i，j）=max［x（i·s+m，j·s+n）］（5）

其中，y（i，j）是池化后的輸出特征圖中的一個(gè)像素值，i和j是輸出特征圖中的行列索引，i是輸入特征圖，s是池化步長(zhǎng)，表示池化窗口每次移動(dòng)的距離。m和n表示池化窗口內(nèi)的行和列索引。

該設(shè)計(jì)在完成預(yù)處理圖像的特征提取之后，緊接著完成目標(biāo)定位和目標(biāo)分類2個(gè)功能。特征提取為目標(biāo)檢測(cè)提供了關(guān)鍵的輸入，再通過目標(biāo)檢測(cè)算法對(duì)輸入信號(hào)進(jìn)行分析和處理。本設(shè)計(jì)通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的多個(gè)卷積層、池化層和全連接層，從圖像中學(xué)習(xí)到更加高級(jí)的特征表示方法，進(jìn)而提高了目標(biāo)檢測(cè)的精度和容錯(cuò)率。

圖像中生成的候選框所框選的部分包含已識(shí)別到的人臉在圖片中的像素位置，這個(gè)環(huán)節(jié)會(huì)出現(xiàn)大量的重疊候選框。筆者對(duì)于眾多的候選框采取非極大值抑制的處理方式，剔除重疊度高的候選框，保留具有代表性的目標(biāo)框。其中，計(jì)算重疊面積的公式在選取有效候選框的過程中有重要作用，描述如式（6）所示。

IoU=Area（Overlap）Area（Box1）+Area（Box2）-Area（Overlap）（6）

其中，IoU表示重疊面積占2個(gè)候選框的并集面積的比例，Area（Overlap）代表2個(gè)候選框之間的重疊面積，Area（Box1）和Area（Box2）分別表示2個(gè)框的面積大小。利用這個(gè)公式，設(shè)定一個(gè)IoU的閾值，若高于一定閾值，則可以認(rèn)定為2個(gè)候選框重疊過多，需要進(jìn)行抑制或剔除。

在對(duì)候選框進(jìn)行處理之后，留下的目標(biāo)框中包含了通過算法計(jì)算分析得到的輸出結(jié)果，實(shí)際輸出為圖像中Wk1jqwCwCIVlO9pW+SBVAHAZ1jF5NIHS9KLbJddUcSs=所識(shí)別的人臉目標(biāo)框區(qū)域以及目標(biāo)框的4個(gè)頂點(diǎn)坐標(biāo)位置。

3.2 通信協(xié)議設(shè)計(jì)

為保證數(shù)據(jù)發(fā)送的可靠性和良好的解析性能，筆者對(duì)收發(fā)數(shù)據(jù)幀內(nèi)的有效數(shù)據(jù)進(jìn)行了8位CRC-8循環(huán)冗余校驗(yàn)，結(jié)果保留在校驗(yàn)字中。當(dāng)接收方接收完無線數(shù)據(jù)幀后，對(duì)接收緩存內(nèi)的數(shù)據(jù)進(jìn)行校驗(yàn)，校驗(yàn)無誤的數(shù)據(jù)保存，進(jìn)行下一步命令解析，而無效的數(shù)據(jù)直接丟棄。設(shè)計(jì)的數(shù)據(jù)幀格式如表1所示。

以同一個(gè)教室為例，主控單元地址設(shè)置為0×10，4個(gè)燈控單元地址依次為0×01， 0×02， 0×03和0×04。主控單元的命令字設(shè)置為0×01時(shí)，表示掃描發(fā)現(xiàn)該區(qū)域有人，為0×02時(shí)，表示區(qū)域內(nèi)無人。

4 結(jié)語

該設(shè)計(jì)采用紅外熱釋電傳感器和動(dòng)態(tài)圖像掃描相結(jié)合的方式，提出了一種基于圖像處理技術(shù)的教室節(jié)能系統(tǒng)方案，解決了教室自動(dòng)照明控制系統(tǒng)中可能出現(xiàn)的漏檢和錯(cuò)檢問題。該方案通過對(duì)多種環(huán)境狀態(tài)數(shù)據(jù)的檢測(cè)，采用ZigBee進(jìn)行控制節(jié)點(diǎn)之間狀態(tài)信息傳輸，為教室節(jié)能設(shè)計(jì)提供了一種新的解決思路，有效地提高了教室照明的智能化管理水平。

參考文獻(xiàn)

［1］汪暉，魏青，于李玲.智能照明控制系統(tǒng)在高校實(shí)踐場(chǎng)所中的應(yīng)用［J］.中國照明電器，2018（7）：16-21.

［2］管謨剛，秦少雷，魏飛龍.智能照明系統(tǒng)在智能建筑中的應(yīng)用［J］.光源與照明，2023（1）：66-68.

［3］趙鵬.基于物聯(lián)網(wǎng)技術(shù)的智慧教室系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)研究［J］.科技創(chuàng)新與應(yīng)用，2022（31）：103-106.

［4］沈加敏.基于ZigBee技術(shù)的無線燈光智能控制系統(tǒng)設(shè)計(jì)［J］.無線互聯(lián)科技，2024（9）：23-26.

［5］劉文豪.基于深度學(xué)習(xí)的人臉表情識(shí)別算法研究［D］.?？冢汉Ｄ洗髮W(xué)，2024.

［6］馬杲東.基于稀疏表示的小樣本人臉圖像集分類研究［D］.南京：南京郵電大學(xué)，2023.

（編輯 王永超）

Design of power saving control system for classroom based on wireless node

ZHU Yulong， LI Huipeng*， HUANG Pu

（Huanggang Normal University， Huanggang 438000， China）

Abstract： Most of the university classrooms with the functions of teaching and self-study adopt the open management mode， and the external lighting is often good or empty while the indoor lights are all turned on， resulting in waste of electric energy. Aiming at the problem of power waste in university teaching places， this system uses image human detection algorithm and integrates various sensors to design a set of power saving control system based on wireless node. The system is divided into OpenMV real-time image monitoring part， lighting control part and wireless communication part， through the sensor to detect the environmental lighting and the distribution of personnel in each area of the room， so as to adjust the lighting switch state. The experimental results show that the system has good stability and can achieve the purpose of accurately controlling the luminaire to achieve energy saving.

Key words： power saving control; human body detection; wireless communication; OpenMV