基于Adaboost的自習室綜合管理系統

王若璞，柳云山，許曹鑫，劉汗奇

（湖南工業大學 電氣與信息工程學院，湖南 株洲 412000）

0 引言

當今高校自習室仍處于人工管理或普通選座系統管理的狀態，人工管理系統無法應對自習室高峰期占座嚴重，低峰期燈光空調資源浪費等問題[1]。普通選座系統過于呆板，無法應對學生選座后卻并不在自習室學習的問題。對于二維碼管理座位系統，學生一定會在使用前掃碼，但學生并不一定會在使用后掃碼，致使預定座位一直處于被使用的狀態，從而導致低峰期學生過于分散，個別自習室空調、燈光運轉但只有數人在自習室學習的現象。所以探索新型的自習室管理系統是有必要的。本系統將預約學生的座位集中統一分配自習教室房間號，系統通過圖像處理技術動態檢測各自習室實際自習人數[2]。當有兩個以上自習室利用率小于50%時，系統通過語音提示對人數小的自習室自習同學進行動態調配，同時延時自動關閉該自習室電源。對于未預約學生，可以通過查詢各自習室空余座位情況進入相應自習室自習。系統通過對教學樓、圖書館不同光照下測試結果表明，在遮擋不嚴重時，算法統計人數與實際人數基本一致。系統可正常接受學生預約請求，調劑未預約學生至指定自習室并，系統能根據自習學生實際需求自動增減自習教室并實現相應自習室電能消耗自動控制。

1 系統設計

1.1 系統功能

學生可以通過個人終端（手機）預約座位并報備座位使用時間段，服務器接收個人終端請求為學生分配座位。系統分配座位以最大限度避免空調、燈光資源浪費與避免自習學生頻繁換座位為原則。一個座位不同時間段可以分配給多個學生。自習室內攝像頭將自習室實時圖像數據傳輸至服務器，服務器判斷預定座位是否有人使用。如若預定座位30分鐘無人使用，取消該座位的學生的預約。允許未預約的學生進入自習室學習，但不得搶占已預約學生座位且必須接受服務器調劑。攝像頭將無預約座位的自習室實時圖想數據傳輸至服務器，服務器判斷自習室內人數是否少于閾值，如果滿足兩個以上自習室利用率小于50%時，系統指示被調劑學生至指定自習室，同時關閉被調劑自習室內燈光、空調。自習室配備有語音系統，可以通知被調劑學生前往系統指定教室。

1.2 設計方案

基于人體輪廓檢測的自習室管理系統由嵌入式設備、系統服務器、個人終端三部分組成。嵌入式控制器以stm32407開發板為平臺，開發板板載紅外編解碼模塊用于控制空調開關，百兆網口通過socket技術使stm32f407與服務器進行數據交換。語音模塊實現語音播報。外部由驅動連接繼電器用于控制燈光，外接紅外發射模塊控制空調開關。

服務器以浪潮NF5270M5為平臺，服務器依據haarlike特征，Adaboost算法檢測識別人體輪廓，統計人體輪廓數[3]。按預定參數調劑學生座位并向stm32發送指令，達到開啟或關閉空調燈光以達到節電的目的。

終端搭建app，通過互聯網絡與服務器通信[4]。學生預約座位時首先登陸app，登陸成功可進入座位預約界面，選擇預約時間段或取消預約。學生即使不預約也可進入自習室但要服從服務器調劑，以達到靈活分配的目的。

2 硬件設計

2.1 硬件系統結構

如圖1所示，硬件系統結構由服務器、單片機、繼電器等設備組成。單片機根據服務器發出的信息來做出判斷，控制一系列控制電路來控制燈光、空調等電子設備，來達到自習室綜合智能管理的目的。

圖1 硬件結構圖

2.2 硬件電路設計

嵌入式MCU采用stm32f407，其內核為cortex-m可達4210DMIPS@168MHz，拓展外設后滿足系統要求。開發板板載百兆網口與服務器通信。開發板與nec紅外編接收發射模塊連結如圖2所示。紅外發射器用以控制空調的溫度及開關狀態。選用NEC通訊協議的YS-IRTM模塊，YS-IRTM模塊使用串口通訊與單片機通訊。當YS-IRTM模塊接收到單片機發出的指令時，YS-IRTM芯片通過P17管腳發出載波頻率為38KHz經調制過后的電信號，經過三極管驅動電路控制紅外二極管的開關斷，發出不同長度的紅外光達到控制空調的目的。當P17管腳輸出為高電平時，三極管導通，紅外二極管發射出紅外光，當輸出為低電平時，三極管截至，紅外二極管截至。開發板與音頻解碼模塊連結如圖3所示，單片機與JQ8400-FL通過串口通訊,接收單片機傳過來的指令，播放指定的語音命令，通知座位利用率未能達到標準的教室中的學生在15分鐘內按語音提示更換教室，教室在15分鐘后會斷電。開發板與telesky繼電器連結如圖4所示，單片機發出的控制信號經過ELS17隔離模塊，在三極管的基極上加載一個控制信號，驅動三極管導通，繼電器導通，控制燈光關閉。攝像頭可采用自習室既有攝像頭或任何300萬像素以上攝像頭。服務器使用浪潮NF5270M5。可支持千人同時訪問選座系統，滿足系統要求。

3 控制算法與軟件設計

3.1 選座算法

將自習室開放時間劃分為S個時間段，自習室共有C個座位。自習室座位預訂以一表示反之用零表示，V(i,j)表示S=i至S=i時間內自習室占用向量。時間段S=i座位剩余。

至時間內座位剩余

學生向服務器發出至時間內座位預定請求時，服務器置向量不為零的最低位為零，相應 向量的位為零。

3.2 個人終端APP

(1)采用socket通信技術使服務器接收個人終端請求[5]。

圖2 紅外發射模塊的連結

圖3 音頻模塊的連結

圖4 繼電器的連結

(2)使用Android Studio開發Android APP。并創建了一個AVD模擬器,其中SDK版本是5.1.1,ADT的版本是5.1.1。在進行試驗時選擇了不同版本安卓系統手機做了測試。

(3) Android APP設計包括3個界面:登錄界面、預約界面、使用說明界面。

3.3 人臉模型訓練

（1）haar特征

Haar特征的一維可以由計算如圖5矩形模板內白色矩形區域灰度值與黑色矩形區域灰度值之差得出[6]。每個特征有兩到四個矩形組成。分別描述細線特征、邊緣特征、對角線特征。特征模板在圖像的子窗口中放置時，改變模板大小和位置，可以在圖像子窗口中計算出大量的特征[7]。

圖 5 特征模板

模板的大小變換范圍：

其中wi和hi是整個圖像的寬高，wmin和hmin是haar窗口的初始寬高，可以放大的倍數為kw·kh。

Haar-like特征計算過程就是使用上述定義的模板在圖像中滑動，滑動到一個區域的時候，將模板覆蓋的區域中的白色區域覆蓋的像素值的和減去黑色區域覆蓋的像素值的和，得到的數值就是haar特征中一個維度。

對于邊緣特征，計算的方法是用白色矩形灰度值減去黑色矩形灰度值。對于細線特征，特征值計算為兩邊矩形灰度值之和減去中間矩形灰度值之和。對于對角線特征，特征值計算為對角線兩個矩形灰度值之和減去另外一條對角線兩個矩形灰度值之和[8]。其中對于圖中第三個模板，黑色區域的像素值之和要乘以2，2是為了像素點個數相同而增加的權重。

（2）積分圖

積分圖是一種能夠描述全局信息的矩陣表示方法[9]。積分圖的構造方式為積分圖上位置處的值是圖像左上角方向所有像素的和：

（3）Adaboost級聯分類器

制作人體輪廓樣本2000張，非人體輪廓樣本4000張。歸一化處理所有的樣本，都縮放為20×20的圖像。對于78,460中的任一特征fi，我們計算該特征在這2000人體輪廓樣本、4000非人體輪廓樣本上的值，這樣就得到6000個特征值。將這些特征值排序，然后選取一個最佳的特征值，在該特征值下，對于特征fi來說，樣本的加權錯誤率最低。在確定了訓練子窗口中(20×20的圖像)的矩形特征數量(78,460)和特征值后，需要對每一個特征fi，訓練一個弱分類h(x,f,ρ,θ)[10]。

其中為特征，為閾值，指示不等號的方向，代表一個檢測子窗口。對每個特征，訓練一個弱分類器，就是確定的最優閾值，使得這個弱分類器對所有的訓練樣本分類誤差最低。

3.4 樣本獲取與標注

（1）選取不同條件自習室監控圖像，人工框選包含人體輪廓的區域。規劃為20*20左右的小圖片。

（2）從開源數據集中選取。

3.5 人臉檢測與統計

訓練adaboost級聯分類器的目的是為了檢測的時候更加準確，這涉及到Haar分類器的另一個體系，檢測體系。檢測體系是以現實中的一幅大圖片作為輸入，然后對圖片中進行多區域，多尺度的檢測，所謂多區域，是要對圖片劃分多塊，對每個塊進行檢測，由于訓練的時候用的照片一般都是20*20左右的小圖片，所以對于大的人臉，還需要進行多尺度的檢測，多尺度檢測機制一般有兩種策略：

（1）方法一為：不改變搜索窗口的大小，而不斷縮放圖片，這種方法需要對縮放后的每個圖片進行區域特征值的運算，效率低下[11]。

（2）方法二為：不斷擴大搜索窗口，進行搜索，解決了第一種方法的弱勢。

無論哪一種搜索方法，都會為輸入圖片輸出大量的子窗口圖像，這些子窗口圖像經過篩選式級聯分類器會不斷地被每一個節點篩選，拋棄或通過。

3.6 程序流程圖

圖6 程序流程圖

4 系統測試與分析

4.1 系統測試環境與方法

將本系統分別安裝在學校的兩間自習室內。組織十人通過app預約座位，五人正常進入自習室學習，五人不進入自習室，檢測系統是否可以正常分配座位并識別對應座位是否有人。組織五人進入無預約座位的自習室，離開四人，檢測系統是否正常調劑學生并關閉自習室空調，燈光。

4.2 系統測試結果

（1）實驗環境

圖7 測試圖片

如圖7所示測試選定在光線正常的自習室內完成。自習室內有兩位測試人員，一位正對攝像頭一位背對攝像頭。

（2）實驗結果

圖8 測試結果

如圖8所示系統可以正常識別出兩位測試人員，表明系統可以識別出正常的人體輪廓并具有一定的抗干擾能力。

5 結語

本文設計了一種人體輪廓檢測與預約排座相結合的自習室管理系統，系統可以滿足一般高校自習室的管理需求。依據自習室實際環境調整參數，系統可以穩定運行。將本系統安裝在高校自習室中可以減輕自習室管理人員負擔，減少燈光、空調的開支，緩解自習室座位數量的壓力。在未來通過大數據挖掘與深度學習技術可以使本系統更智能，更完善，更準確，以優化管理系統的座位分配功能，拓寬管理規模。