發(fā)布時間：2022-11-04 22:03

　　隨著智能家居的發(fā)展以及組網(wǎng)技術(shù)的不斷完善,家居的智能化已經(jīng)走進(jìn)我們生活的各個方面。智能酒店就是其中之一。隨著人臉識別技術(shù)不斷完善,實(shí)現(xiàn)人證合一是當(dāng)今智能酒店的發(fā)展方向。為實(shí)現(xiàn)人證合一,就必須拋棄傳統(tǒng)使用房卡的入住模式。但是相較于無限制供電,房卡的“插卡取電,拔卡去電”功能更加符合現(xiàn)如今的節(jié)能政策,因此我們需要研究一種模型,能夠準(zhǔn)確識別房客,進(jìn)而對水電進(jìn)行控制,實(shí)現(xiàn)對水電資源的節(jié)約。傳統(tǒng)的人體感應(yīng)多應(yīng)用于感應(yīng)燈,安全控制方面。常用到的技術(shù)包括有紅外線人體感應(yīng),微波人體感應(yīng),攝像頭識別等。但是這些技術(shù)應(yīng)用于酒店房客識別中又會出現(xiàn)諸多問題。紅外線,微波技術(shù)各自都有短板,無法實(shí)現(xiàn)全方面無差錯人體識別。為保證房客隱私性,攝像頭又不被允許安裝在房間內(nèi),可見單一的人體感應(yīng)設(shè)備無法實(shí)現(xiàn)全方位的人體識別。深度學(xué)習(xí)可以有效地實(shí)現(xiàn)對數(shù)據(jù)的處理。但是訓(xùn)練數(shù)據(jù)以及處理數(shù)據(jù)需要浪費(fèi)大量時間,如何減少訓(xùn)練以及處理數(shù)據(jù)時間也是一個難題。通過分析以上問題,本次研究的主要內(nèi)容為比較各種人體識別技術(shù),選取最為合適的多數(shù)據(jù)融合技術(shù)構(gòu)建房客識別模型。利用紅外,微波等人體感應(yīng)設(shè)備同其它諸如壓力傳感器結(jié)合,將多個傳感器數(shù)據(jù)通過多數(shù)... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景
    1.2 課題研究目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢
    1.4 論文組織架構(gòu)
第2章 技術(shù)需求分析和系統(tǒng)總體框架設(shè)計
    2.1 技術(shù)方案論證
        2.1.1 常用人體識別方法
        2.1.2 多數(shù)據(jù)融合人體識別模型優(yōu)勢
        2.1.3 傳感器組網(wǎng)模型建立
        2.1.4 人體行為數(shù)據(jù)預(yù)處理技術(shù)
        2.1.5 多數(shù)據(jù)融合算法選取
    2.2 系統(tǒng)總體框架和功能設(shè)計
        2.2.1 系統(tǒng)的總體架構(gòu)設(shè)計
        2.2.2 系統(tǒng)功能設(shè)計
    2.3 本章小結(jié)
第3章 房客行為數(shù)據(jù)采集網(wǎng)絡(luò)創(chuàng)建
    3.1 Sub-G組網(wǎng)
        3.1.1 感知節(jié)點(diǎn)傳感器的選取
        3.1.2 Sub-G設(shè)備介紹
        3.1.3 Sub-G處理器及核心板選取
    3.2 WIFI模塊設(shè)計
    3.3 Sub-G與 Wi Fi的混合組網(wǎng)
    3.4 本章小結(jié)
第4章 基于多數(shù)據(jù)融合的房客識別模型建立
    4.1 多數(shù)據(jù)融合技術(shù)簡介
    4.2 人體行為數(shù)據(jù)預(yù)處理
    4.3 深度置信網(wǎng)絡(luò)模型
        4.3.1 模型語言的選取
        4.3.2 DL4J深度學(xué)習(xí)庫創(chuàng)建深度置信網(wǎng)絡(luò)模型
        4.3.3 深度置信網(wǎng)絡(luò)訓(xùn)練方式
    4.4 模糊DBN-DNN網(wǎng)絡(luò)實(shí)現(xiàn)多數(shù)據(jù)融合
    4.5 本章小結(jié)
第5章 房客識別模型優(yōu)化過程以及結(jié)果分析
    5.1 鎖狀態(tài)+供電狀態(tài)控制法改進(jìn)傳感器采樣時間
    5.2 模糊深度置信網(wǎng)絡(luò)參數(shù)選擇以及性能調(diào)優(yōu)
        5.2.1 模型評價標(biāo)準(zhǔn)的選擇
        5.2.2 激活函數(shù)選擇
        5.2.3 分界度的選擇
    5.3 多數(shù)據(jù)融合與KNN分類性能對比
    5.4 本章小結(jié)
第6章 酒店房客識別系統(tǒng)設(shè)計與實(shí)現(xiàn)
    6.1 系統(tǒng)服務(wù)器開發(fā)環(huán)境選擇
    6.2 系統(tǒng)服務(wù)器部署環(huán)境選擇
    6.3 酒店房客識別系統(tǒng)數(shù)據(jù)庫設(shè)計
    6.4 酒店人體檢測系統(tǒng)的搭建
        6.4.1 系統(tǒng)框架搭建
        6.4.2 功能設(shè)計
        6.4.3 登錄功能實(shí)現(xiàn)
        6.4.4 用戶管理功能的實(shí)現(xiàn)
        6.4.5 接收人體行為數(shù)據(jù)功能實(shí)現(xiàn)
        6.4.6 人體檢測功能實(shí)現(xiàn)
        6.4.7 檢測結(jié)果以及水電管理功能實(shí)現(xiàn)
    6.5 系統(tǒng)注意事項以及改進(jìn)方法
        6.5.1 系統(tǒng)出現(xiàn)問題
        6.5.2 系統(tǒng)改進(jìn)方法
    6.6 功能測試
    6.7 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)
附錄 作者在讀期間發(fā)表的學(xué)術(shù)論文及參加的科研項目


【參考文獻(xiàn)】：
期刊論文
[1]基于q-rung orthopair模糊相似測度的多屬性決策方法[J]. 林宏宇,張海鋒,肖箭,周禮剛,薛明香.  價值工程. 2019(33)
[2]基于歸一化特征判別的日志模板挖掘算法[J]. 雙鍇,李怡雯,呂志恒,韓靜,劉建偉.  北京郵電大學(xué)學(xué)報. 2020(01)
[3]基于E2LSH的軌跡KNN查詢算法[J]. 邱磊,吳志兵.  計算機(jī)技術(shù)與發(fā)展. 2020(03)
[4]變分模態(tài)分解與深度信念網(wǎng)絡(luò)的雙轉(zhuǎn)子不對中程度識別[J]. 張帆宇,楊大煉,李學(xué)軍,苗晶晶,張宏獻(xiàn).  機(jī)械科學(xué)與技術(shù). 2020(05)
[5]基于梯度下降法的二幀相移提取算法[J]. 張少鋒,杜虎兵,郭瑞清,何周旋.  激光與光電子學(xué)進(jìn)展. 2020(13)
[6]淺談數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實(shí)現(xiàn)[J]. 李果.  計算機(jī)產(chǎn)品與流通. 2019(10)
[7]基于云平臺的電動汽車充電站遠(yuǎn)程設(shè)備監(jiān)控系統(tǒng)[J]. 高德欣,梁珂.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[8]基于KNN算法的改進(jìn)K-means算法[J]. 徐文進(jìn),管克航,尋晴晴,許瑤,解欽.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[9]混合kNN算法在2型糖尿病預(yù)測診斷中的研究[J]. 崔波,朱曉軍.  現(xiàn)代電子技術(shù). 2019(20)
[10]基于K近鄰算法的噪聲種類識別和強(qiáng)度估計[J]. 吳小莉,鄭藝峰.  計算機(jī)應(yīng)用. 2020(01)

博士論文
[1]基于模糊集理論的灰色預(yù)測模型及其應(yīng)用[D]. 李守軍.中國礦業(yè)大學(xué) 2018

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的特定場景下人臉識別研究[D]. 彭鑫.西安理工大學(xué) 2019
[2]無監(jiān)督學(xué)習(xí)和多重采樣對卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[D]. 袁國亮.湖北工業(yè)大學(xué) 2019
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的三維人臉識別研究[D]. 武智.中國科學(xué)技術(shù)大學(xué) 2019
[4]基于AI的寫字樓能耗分析及控制系統(tǒng)[D]. 王雪永.杭州電子科技大學(xué) 2019
[5]基于深度學(xué)習(xí)的人臉識別技術(shù)的研究與實(shí)現(xiàn)[D]. 邢亞楠.杭州電子科技大學(xué) 2019
[6]基于無監(jiān)督學(xué)習(xí)的風(fēng)機(jī)齒輪箱故障診斷方法研究[D]. 馬標(biāo).華北電力大學(xué) 2019
[7]低功耗藍(lán)牙組網(wǎng)和定位技術(shù)研究[D]. 張凱楠.北京郵電大學(xué) 2018
[8]多數(shù)據(jù)融合在火災(zāi)預(yù)警中的應(yīng)用[D]. 張華.哈爾濱工程大學(xué) 2018
[9]基于顏色空間非均勻量化與多數(shù)據(jù)融合的目標(biāo)跟蹤算法研究[D]. 張辰.長沙理工大學(xué) 2017
[10]北方日光溫室無線傳感器多數(shù)據(jù)融合技術(shù)的研究[D]. 崔琳.沈陽農(nóng)業(yè)大學(xué) 2016



本文編號：3701410