發(fā)布時間：2021-01-02 00:15

　　針對傳統(tǒng)路燈能耗高,控制策略粗獷等問題,文中提出了一種基于多感信息融合與邊緣計算的路燈節(jié)能控制策略系統(tǒng)。該系統(tǒng)利用多傳感器進行數(shù)據(jù)融合,檢測路燈前方人群、車輛距離、噪聲等,根據(jù)多源環(huán)境因素檢測人、車,精確分析路燈需求道路場景。采用視覺統(tǒng)計系統(tǒng)優(yōu)化路燈亮度控制周期,該系統(tǒng)將視頻數(shù)據(jù)首先進行直方圖均衡化算法處理,提升暗部細節(jié),使得夜間道路狀況得到有效的圖像增強,之后通過卷積神經(jīng)網(wǎng)絡(luò)對二維數(shù)據(jù)進行處理,識別并統(tǒng)計人車流量,最后通過終端控制系統(tǒng)針對人群、車流量來決定路燈亮度控制周期,對路燈控制系統(tǒng)起輔助作用。同時利用邊緣計算實時調(diào)節(jié)路燈亮度,提高路燈系統(tǒng)節(jié)能特性,有效降低用電量。 

【文章來源】：物聯(lián)網(wǎng)技術(shù). 2020年10期

【文章頁數(shù)】：4 頁

【部分圖文】：

總體架構(gòu)

多感融合人車檢測模型如圖2所示。由于路燈邊緣檢測節(jié)點鋪設(shè)量需求大,為降低成本,采用雷達、人體紅外、聲音傳感器采集外界環(huán)境信息。雷達傳感器檢測目標物距離,人體紅外傳感器檢測人群,聲音傳感器檢測環(huán)境音量,使用多源傳感信息便于信息源互補,降低不確定性。不同傳感器對外界環(huán)境物體進行一致性判斷,辨別道路人車有無出沒情況。當監(jiān)測到人車時,對路燈控制終端系統(tǒng)發(fā)送路燈需求信息,并積極調(diào)節(jié)路燈亮度控制開關(guān)。4 基于直方圖均衡化與卷積神經(jīng)網(wǎng)絡(luò)的人車流量統(tǒng)計算法策略

智能邊緣視覺統(tǒng)計算法流程如圖3所示。整體算法流程分為兩層,第一層是基于直方圖均衡化圖像增強算法模型,第二層為基于卷積層神經(jīng)網(wǎng)絡(luò)多分類算法模型。在第一層中,首先將原彩色48×48像素圖像進行灰度化處理,對圖像像素點中R,G,B使用加權(quán)平均法,選取權(quán)值為0.30,0.61,0.09,分別對應(yīng)R,G,B三色并進行統(tǒng)一計算得出合理的灰度圖像。其次進行灰度轉(zhuǎn)換,將灰度圖像在對應(yīng)灰度級為(0,255)范圍作為x坐標,灰度級對應(yīng)的像素數(shù)作為y坐標,作直方圖。由圖4可發(fā)現(xiàn)數(shù)據(jù)峰值居左,灰度級偏低,表明圖像整體偏暗,物體特征不明顯。運用直方圖均衡化算法可有效提高暗圖灰度級,通過原圖像素灰度級作密度函數(shù),并累加得到單調(diào)遞增函數(shù),在作灰度轉(zhuǎn)換時,相鄰灰度級相近的像素點灰度值可有效分開,灰度直方圖灰度級增高且均勻。最后遍歷圖片像素矩陣上轉(zhuǎn)換后的灰度值,相對原圖像而言,圖像對比度提高,圖像細節(jié)以及邊緣特征得到明顯挖掘。

【參考文獻】：
期刊論文
[1]光照度聚類和支持向量機在路燈節(jié)能控制策略中的應(yīng)用[J]. 文俊浩,萬園,曾駿,王喜賓,梁冠中.  計算機科學(xué). 2019(07)
[2]基于直方圖均衡化與拉普拉斯的鉛條圖像增強算法[J]. 陳春謀.  國外電子測量技術(shù). 2019(07)
[3]智慧城市信息系統(tǒng)關(guān)鍵技術(shù)研究[J]. 儲珂珂.  智能建筑與智慧城市. 2018(01)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的道路車輛檢測方法[J]. 李琳輝,倫智梅,連靜,袁魯山,周雅夫,麻笑藝.  吉林大學(xué)學(xué)報(工學(xué)版). 2017(02)
[5]基于直方圖均衡化、PCA和SVM算法的人臉識別[J]. 孫文榮,周先春,嵇亞婷.  軟件. 2014(08)
[6]直方圖均衡化的數(shù)學(xué)模型研究[J]. 吳成茂.  電子學(xué)報. 2013(03)

碩士論文
[1]智慧路燈節(jié)能控制關(guān)鍵技術(shù)研究[D]. 陳善亮.北京郵電大學(xué) 2018



本文編號：2952264