基于無線傳感網絡的智能家居安防系統

張玉亮　蘇宇　李嘉偉　張亞　孫知信

摘 要：隨著IPv4地址逐漸耗盡，IPv6技術開始進入現代互聯網世界。IP技術的革新及嵌入式傳感技術的發展使得人們關心的家居安全問題有了技術支持。研究將IPv6作為傳感網絡的傳輸協議并完成了智能家居安防系統。由于傳感節點存儲器容量限制以及保持傳感網絡低功耗的特性，必須對IPv6協議棧進行裁減設計才能應用到傳感網絡中。在此基礎上，為了實現整個智能安防系統，根據室內分布情況部署整個傳感網絡并對所有傳感器使用唯一性標簽。對室內所有實時參數進行收集、分析，并且根據設定好的策略適當調控。發生緊急情況后，根據事件的緊急程度采取相應措施，并通過GSM模塊及時匯報，避免損失。

關鍵詞：無線傳感網絡；人臉識別；智能家居；IPv6

中圖分類號：P315.69 文獻標識碼：B 文章編號：2095-1302（2015）06-00-04

0 引 言

近年來互聯網在各個領域得到了空前的發展，人們對信息資源的開發和利用進入了一個全新階段。作為計算機網絡的祖父 ARPANET 和其后繼的 Internet 標準網絡層協議IP的前形式（IPv4）已捉襟見肘：IP 地址資源越來越緊張，路由表越來越龐大，路由速度越來越慢等。雖然各方面都在研究一些補救方法，如用地址翻譯（NAT）來緩解IP地址的緊張，用無類域間路由選擇（CIDR）來改善路由性能等，但這些方法只能令IPv4得到一些喘息的余地并不能完全解決其先天的不足，很明顯IPv4己來日不多。因此，互聯網開始進入IPv6的新時代，其中的典型應用就是物聯網，物聯網應用覆蓋了智慧農業、智能環保、智能建筑、智能交通等領域，提供“無所不在的連接和在線服務”，包括在線監測、定位追溯、報警聯動、指揮調度、遠程維保等。

家庭安防系統廣泛應用于家庭住宅預防盜竊、搶劫以及緊急救助、煙火報警、防剪線報警、煤氣泄漏報警、保險柜防盜報警等，甚至有些企事業單位也可以使用例如貨物倉庫防盜報警，禁區防盜報警，金融部門防搶防盜報警，機密檔案防盜，商店商場物品倉庫防盜報警，住宅小區商住樓聯網防盜報警，汽車停車庫防盜報警等。隨著人們生活品質的提高，智能家居越來越成為人們生活不可缺少的部分。

1 基于IPv6的無線傳感網絡模塊

1.1 IPv6協議棧的裁減

無線傳感網絡由于其成本低廉、擴展性好、容錯性強、適應性優等特點得到了飛速發展。IPv6的安全性強、支持的服務類型多、地址空間大，擁有良好的發展前景。本文研究將IPv6作為無線傳感網絡的底層協議，但是受到嵌入式傳感節點存儲器的限制，IPv6不能直接運行。但是，6LowPAN技術的出現使得IPv6在無線傳感網絡環境中的運用成為可能。

6LowPAN實際上就是一個適配層，它的下層協議使用的是IEEE 802.15.4，但上層協議是IPv6。它實現的是IPv6與IEEE 802.15.4的一個聯接功能，相當于對IP協議和IEEE 802.15.4協議進行重組。由上層IPv6協議 、LowPAN適配層、下層IEEE 802.15.4協議組成了裁減過后的“輕量級”IPv6協議。IP協議與6LowPan協議的對比如圖1所示。

圖1 6LowPAN協議與IP協議的對比

6LowPAN網絡可以在本網絡域內正常運行，但是一個完整的網絡必須是一個能夠與外界聯接的網絡，為了與外界IP網絡進行通信就要有邊緣路由器。6LowPAN邊緣路由器是存在于整個網絡域邊緣的路由器，它負責溝通外界IP網絡與內部6LowPAN網絡域，相當于“翻譯”，將IP協議與6LowPAN協議相互轉換，因此，對于這兩個協議來說，協議的格式是彼此透明的。邊緣路由器的功能如下：

（1）處理6LowPAN的頭部壓縮；

（2）發現周圍鄰居并建立鄰居關系；

（3）將6LowPAN協議與IP協議互相轉換實現通信；

（4）對傳感節點收集到的不需要上傳到IP網絡的數據進行處理；

（5）將傳感節點收集到的實時參數以及傳感網絡的運行狀況上傳到系統數據庫。

邊緣路由器的存在使得6LowPAN網絡域能夠與IP網絡正常通信，才能將傳感節點收集到的實時數據上傳到互聯網數據庫，被外界所感知并根據相應規則進行自動調控或者及時通知管理人員采取適當措施。由于邊緣路由器的存在，使得6LowPAN不再是一個單獨的網絡域，而是延伸為IP網絡的一部分，這正是在傳感網絡的基礎上實現農產品溯源的基礎。

1.2 數據的上傳

根據IP網絡與無線傳感網絡的區別在于將整個系統分為兩個模塊，所以數據的傳輸可分為兩段。在傳感節點感知到信息后，會將信息沿著6LowPAN網絡傳輸到邊緣路由器，一部分數據會被路由器馬上處理，另外一部分在經過協議轉換，得到能被外界IP網絡識別的數據并沿著互聯網上傳到某端，然后被處理，同時，信息會被數據庫分類、匯總。這樣就保證了傳感網絡的運行狀況能及時上傳，無用信息被丟棄，減少了系統的工作負擔，提高了工作效率。從整體來看，實現重要數據從傳感節點到數據庫及網絡的端到端聯接，極大地簡化了系統工作過程，如圖2所示。

圖2 傳感節點感知信息上傳過程示意圖

邊緣路由器的使用，充分利用了輕量級IPv6協議棧傳輸信息量大、安全性好、擴展性強的優勢，對數據的智能處理以及網絡域內外的協議轉換弱化了傳感網絡以及IP網絡的界限，使得傳感節點在真正意義上接入互聯網，傳感器網絡不再是一個獨立的網絡系統，而是融入至現有互聯網系統中，真正將IPv6與傳感網絡相結合，體現了物聯網的概念。

2 傳感節點的分類以及工作流程

傳感網絡是由多種不同用途的傳感器構成的，由于傳感節點價格低廉、維護代價小、能夠很好地適應不同環境的特點，使得傳感網絡能夠遍布整個室內環境，更加精確地感知室內環境參數，便于自動作出應答或者及時反饋給管理人員。

（1）溫度數據：分布于房間各部位的溫度傳感器能夠實時采集房間內溫度，并將數據采集上傳到后臺數據庫，通過終端能夠將過去收集到的溫度信息展示，這樣，人們就可以了解到自己所處的環境溫度，并且選擇自己偏愛的溫度范圍，作為智能調節室內溫度的依據。

（2）光強數據：分布于必要的門禁系統以及可選擇的室內房間的門內光強傳感器采集的光照強度。在主人離開的命令下達之后，光強傳感器開始工作，并在一定的光強范圍內工作，為了提高精度，每個門設置了3個光照傳感器，當接收到的光強數據超過一定的閾值之后，根據以下步驟進行工作：

①判斷是否三個光照傳感器都超過閾值，如果是，則執行②，否則執行⑥；

②判斷是否是裝有門禁系統的門出現故障，如果是，則執行（3），否則執行⑤；

③判斷打開門的人是否經過授權，不是則執行④，否則執行⑦；

④將信息發送給主人，并提示危害程度為高；

⑤將信息發送給主人，并提示危害程度為低；

⑥系統故障，則記錄信息，但不發送數據；

⑦系統工作正常，記錄來人信息。

（3）灰塵數據：分布于地面和墻壁上的灰塵傳感器能夠將空氣中以及地面的塵度實時監控，在檢測到所處空間的塵度超過設置的閾值后，記錄空間位置；當所處空間內有一定數目的節點反饋塵度超標時，相應的除塵裝置就會開始工作，并且會實時查看塵度反饋情況，當所有節點提示正常工作時，那么除塵裝置就會停止。

（4）煙霧數據：分布于廚房以及易發生火災的各個地點，能夠及時準確的感知空氣中的煙霧信息是否超過閾值，以便判斷室內是否真的發生火災。在確認發生火災后，能夠根據煙霧濃度分布不同，大概確定著火地點。在采取應急措施的同時能夠及時反饋給主人以及物業管理員。

（5）視頻數據：考慮到視頻數據的傳輸復雜性以及存儲龐大性，并不是所有的視頻信息都會被長時間存儲。并且在正常情況下不會被傳輸給主人，只有在發生突發事件的情況下，根據情況的緊急性將視頻信息傳輸給主人，以便采取更加準確、人性化的策略，避免了偶然事件的誤報可能。

3 GSM通信模塊

系統上電初始化各個模塊以及傳感器和手機號碼設定完畢后，系統進入 GSM 模塊初始化階段，之后整個系統初始化設定完畢。系統進入布防狀態。只有系統進入布防狀態后才進入控制檢測，否則布防信號無效，控制系統不檢測其狀態。只有設防信號有效后，系統才處于不斷檢測控制系統狀態和接收用戶短信的狀態之中，若控制系統檢測到有非法入侵信號時，就會發送報警短信給用戶手機，可設定只發送一次短信，并且發送本地報警信號，持續 10 秒。 當用戶手機發送固定格式的短信給系統時，控制系統接收并判斷，然后根據判斷結果給予相應回復，以實現手機用戶和系統的互動操作。圖3所示是GSM通信模塊的工作流程圖。

圖3 GSM通信模塊工作流程

4 門禁識別系統

4.1 人臉識別技術的現狀

目前主要的基于人臉進行識別的算法包括：基于 PCA 的人臉識別算法、基于 Fisher線性判別的人臉識別算法以及基于 LBP 特征的人臉識別算法，這些算法在識別率、計算時間、數據存儲量及可擴展性方面各有優劣。

OpenCV 是一個開源的可以跨平臺運行的計算機視覺庫，包含了許多圖像處理和計算機視覺方面的通用算法。

本文在OpenCV的基礎上設計并實現了一種人臉識別系統。本系統根據工作過程大致分為三個模塊，包括采集圖像裝置、服務器和客戶端。采集裝置在采集成功圖像后傳給鏈接的服務器，服務器調用Opencv處理之后將處理結果通過客戶端展現。根據事先錄入的數據進行判斷，這僅僅對授權用戶開放。

與傳統的Adaboost人臉檢測算法不同，本系統需要的是一個正臉分類器，這就要求集中所有正樣本為正面人臉，負樣本需要包含非正臉的所有情況。經過測試發現，如果訓練樣本選擇不當會導致檢測算法嚴重失效，最終誤檢。例如，在復雜背景下將“非人臉”檢測為“人臉”的情況；將偏轉角度較大的人臉誤檢為正面人臉的情況。這些誤檢情況會對后續人臉識別產生很大的影響，從而影響系統最終結果的準確性。

4.2 雙重檢測算法

本系統采用 OpenCV 來實現雙重檢測算法。即首先采用 AdaBoost 人臉檢測算法對采集圖像進行檢測，提取“人臉”圖像區域，然后對檢測到的“人臉”區域進行雙眼定位，并對雙眼特征進行判別。

人臉檢測主要包含兩個模塊：訓練和識別。

（1）訓練模塊

訓練模塊是由OpenCV自帶的HaarTraining程序完成的。訓練之前，需要采集大量的正負樣本。正樣本要求是正面的人臉圖像，選取時需要考慮到樣本的多樣性（人臉表情變化、戴眼鏡與不戴眼鏡、光照明暗不同等），所有正樣本需要裁剪為同一尺寸，然后將圖片放入“positive”文件夾；負樣本即為非人臉圖像，要求有一定的代表性，樣本數量大（一般負樣本的總數要達到正樣本的三倍以上），樣本圖片不能重復，而且彼此之間應有較大差異，然后將圖片放入“negative”文件夾。此外，要求負樣本采用灰度圖，提高樣本訓練的速度。

然后創建樣本文件。負樣本是由背景描述文件“bg.txt”來描述，該文件通過自己手動創建，文件中每一行對應一個負樣本圖片的路徑。由于采用 HaarTraining 訓練時輸入的正樣本是 vec 文件，所以需要使用OpenCV自帶的opencv_createsample.exe程序將準備好的正樣本轉換為vec文件。

（2）識別模塊

首先獲取攝像頭視頻，并對視頻中的每一幀圖像進行檢測分析。本系統采用雙重檢測算法來實現人臉檢測，其流程如圖4所示。首先加載待檢測圖像，并對其進行預處理，包括灰度化、高斯濾波、直方圖均衡化等。然后加載訓練好的正面人臉分類器，并通過函數將其轉換為OpenCV 內部格式 CvHaarClassifierCascade。再將待檢測圖像以及級聯分類器一同傳給OpenCV 目標檢測函數 cvHaarDetectObject（），函數執行完返回一個檢測到的人臉集合。如果集合為空，則判斷無人臉存在，返回繼續加載檢測圖像進行檢測，如果不為空，則進行下一步的雙眼檢測。

圖4 雙重檢測算法流程

由于本文采用的人臉分類器為正臉分類器，所以通過上述檢測得到的人臉為“正臉”。 一般正面人臉都會存在雙眼，所以對檢測到的“正臉”再次進行雙眼檢測，排除前一輪檢測的誤檢錯誤。雙眼檢測過程同人臉檢測相同，只是加載的分類器不同。函數執行完返回一個檢測到的雙眼集合。如果集合為空，則判斷該“正臉”為誤檢，程序返回并繼續加載檢測圖像進行檢測，如果不為空，則通過函數返回的雙眼坐標進行下一步的雙眼特征判斷。如果不滿足既定的基本準則，則判斷獲取的“雙眼”為誤檢，進而判斷該“正臉”為誤檢，返回繼續加載檢測圖像進行檢測，如果滿足所有準則，則判斷該“正臉”為系統所需正臉。最后分析一般正面人臉的雙眼位置與比例關系，并根據獲取的雙眼坐標與距離，在原圖像上截取正面人臉區域。將提取的正臉保存到本地文件夾，并將其傳遞給識別模塊進行識別處理。一輪檢測完后，程序將返回并繼續加載檢測圖像進行檢測。

5 結 語

在新型無線傳感網絡基礎上實現的智能家居安防系統，由于將IPv6安全性高和無線傳感網絡便攜性好、維護成本低、適應強的特點結合起來，具有廣闊的應用前景。在此基礎上實現的智能家居安防系統正在對當前以人力管理為主的存在許多安全漏洞的物業管理產業造成極大沖擊，更加人性化的是，人們可以根據自己的需要定制能夠滿足個人需求的智能安防措施。為了更加準確地捕獲室內各項參數，本系統在布置大量傳感節點的同時，對系統做了冗余措施，即只有當同一區域內超過一定數量的同類型節點提示同樣信息時才采取應答措施，這就避免了偶然因素。同時，根據安全事件的緊急程度采取不同等級的應對措施，如通知管理人員、報警等。門禁系統的使用，使得人們的生活更加智能化，并且通過改進的檢測算法，使識別準確率大大提高；門禁系統內傳感器的使用，使得非法入侵行為能夠在第一時間被發現，避免了不必要的損失。GSM模塊的添加使得系統更加人性化，異常信息能夠被及時傳遞，采取更人性化、靈活的措施。視頻模塊的添加使得室內圖像被感知并且記錄下來，只有在出現緊急情況，并且在主人發出請求的前提下，短暫的視頻片段才會被傳輸。

隨著互聯網的不斷發展，人們的生活更加智能化、網絡化，無線傳感網絡的推廣，尤其是廉價、適應性強的傳感節點的大量部署，使得多種安全所需的參數能夠被準確及時地感知，相應的安全策略也能夠在事故發生之后在極短時間內被采取，極大地減少了損失發生的可能性。這是物業管理的發展趨勢，也是網絡的再次延伸。

參考文獻

[1] 邊肇棋，張學工.模式識別（第二版） [M].北京：清華大學出版社， 2000.

[2] 趙偉達.人臉檢測中相關特征的研究[D].上海：上海交通大學，2007.

[3] 尹洪濤，付平，孟升衛.基于局部特征融合的人臉識別[J]. 測試技術學報， 2006，20（6）：539- 542.

[4] 艾海舟，肖習攀，徐光佑.人臉檢測與檢索[J]. 計算機學報，2003，26（7）：874-881.

[5] 黃愛民，安向京，駱力.數字圖像處理與分析基礎[M]. 北京： 中國水利水電出版社，2005.

[6] 余永權.智能家居網絡的架構、功能及發展[J].電子世界，2002（5）：4-5.

[7] 晁海鷗，吳丹.住宅火災報警與智能家居同步發展的趨勢[J].消防科學及技術，2011，30（12）：1160-1162.

[8] 金逸超.基于物聯網環境的智能家居安防系統的研究與實現[D].南京：南京郵電大學，2011.