秦 波，顧唐杰，吳次南，蔣小菲

（貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴陽(yáng) 550025）

0 引 言

目前在各家高校的有效管理中，對(duì)高校學(xué)生宿舍的檢查已經(jīng)成為不可或缺的一項(xiàng)學(xué)生管理工作，如此則不僅可以保障學(xué)生的健康休息，而且也保護(hù)學(xué)生的人身財(cái)產(chǎn)安全。研究可知，現(xiàn)在各高校普遍采用的查寢方式就是完全依靠宿舍管理員對(duì)學(xué)生節(jié)假日出入信息進(jìn)行登記、對(duì)宿舍違規(guī)電器進(jìn)行排查、對(duì)宿舍內(nèi)學(xué)生酗酒行為進(jìn)行檢查。只是這種僅僅依靠宿舍管理員查寢的管理方法在給宿舍管理員增加不必要負(fù)擔(dān)的同時(shí)，查寢效率也必然較為低下。

近年來(lái)，已有不少的學(xué)者關(guān)于高校智能查寢部分開(kāi)展了相應(yīng)研究工作。2017年，石宜金提出了基于wex5和指紋識(shí)別機(jī)實(shí)現(xiàn)了指紋識(shí)別的查寢系統(tǒng)。2018年，熊飛等人提出了學(xué)生智能查寢管理系統(tǒng)的研究。在2020年，劉幸興等人提出了基于ZigBee技術(shù)的宿舍查寢，同年，由劉進(jìn)芬等人提出了百度云服務(wù)的人臉識(shí)別查寢，洪成龍等人基于微信小程序?qū)崿F(xiàn)宿舍查寢，熊飛提出基于NBIOT技術(shù)在智能查寢管理系統(tǒng)中研究。這些查寢的方案能讓宿舍管理員不用親自查寢也可以大概了解學(xué)生是否在宿舍就寢，使得查寢逐漸智能化，但查寢的功能卻仍然亟需進(jìn)一步完善。對(duì)此，本次設(shè)計(jì)方案使用ZigBee無(wú)線傳感器技術(shù)和AI人臉識(shí)別兩種信息化技術(shù)相結(jié)合，讓宿舍查寢功能更加全面，更加精確。

本文方案通過(guò)酒精傳感器能實(shí)時(shí)檢測(cè)各個(gè)宿舍內(nèi)部的酒精濃度，電壓監(jiān)測(cè)器能實(shí)時(shí)檢測(cè)各宿舍內(nèi)部電器用電情況以及人體紅外傳感器檢測(cè)人體信息，并且根據(jù)設(shè)定的時(shí)間定時(shí)上報(bào)檢測(cè)數(shù)據(jù)。人臉識(shí)別能夠通過(guò)攝像頭識(shí)別進(jìn)出的人員的人臉，對(duì)本棟宿舍的學(xué)生人臉累加計(jì)數(shù)，通過(guò)一天的計(jì)數(shù)人臉與宿舍總體學(xué)生數(shù)進(jìn)行比較，能判斷學(xué)生的就寢人數(shù)。宿舍管理員只需要查看傳感器和攝像頭人臉識(shí)別檢測(cè)的數(shù)據(jù)結(jié)果，就能知道學(xué)生的就寢情況以及用電情況等?；贠neNET和ZigBee的設(shè)計(jì)方案不僅使得查寢功能更加全面，而且除了簡(jiǎn)單的學(xué)生夜間就寢檢查情況，還對(duì)宿舍酗酒，以及使用大功率電器等進(jìn)行了智能化檢查，利于高校對(duì)學(xué)生的安全管理，而且查寢效率也得到了明顯提升。

1 系統(tǒng)整體方案

基于OneNET和ZigBee的智慧查寢整體方案的設(shè)計(jì)框圖如圖1所示，整個(gè)系統(tǒng)的設(shè)計(jì)由傳感器終端和攝像頭終端采集數(shù)據(jù)信息，將各自采集的數(shù)據(jù)處理后上傳至OneNET云服務(wù)器，以O(shè)neNET云服務(wù)區(qū)為中繼，最后上傳至自己的Tomcat服務(wù)器，宿舍管理員可以通過(guò)手機(jī)或者PC端隨時(shí)查看數(shù)據(jù)，達(dá)到實(shí)時(shí)查寢。

圖1 總體方案示意圖Fig.1 Schematic diagram of the overall plan

由圖1可知，整個(gè)方案的設(shè)計(jì)分為ZigBee傳感器和AI人臉識(shí)別兩個(gè)部分。各部分的工作流程可分述如下：

（1）ZigBee傳感器部分。以單個(gè)宿舍為基本單位，設(shè)置相應(yīng)的傳感器采集宿舍酒精濃度、人體信息和電壓信息等數(shù)據(jù)，整棟宿舍的數(shù)據(jù)通過(guò)ZigBee無(wú)線網(wǎng)絡(luò)進(jìn)行傳輸，對(duì)數(shù)據(jù)進(jìn)行匯總、分析、處理以及上傳，再傳至OneNET云服務(wù)器顯示。

（2）AI人臉識(shí)別部分。終端使用攝像頭實(shí)時(shí)采集人臉數(shù)據(jù)，采集的影像或者圖片保存至個(gè)人的PC電腦端，基于OneNET平臺(tái)的人工智能AI人臉和人體識(shí)別模塊進(jìn)行人臉識(shí)別，并將分析的結(jié)果上傳至服務(wù)器。

最后，2部分的數(shù)據(jù)以O(shè)neNET為中繼服務(wù)器，上傳至自己建立的服務(wù)器，宿舍管理員通過(guò)手機(jī)或者電腦登錄系統(tǒng)，便能隨時(shí)查看每一天的查寢信息。

2 ZigBee傳感器設(shè)計(jì)

ZigBee傳感器部分的設(shè)計(jì)框圖如圖2所示。這部分的設(shè)計(jì)主要以傳感器為終端采集數(shù)據(jù)，協(xié)調(diào)器為數(shù)據(jù)處理中心，再以ZigBee無(wú)線網(wǎng)絡(luò)為無(wú)線傳輸方式實(shí)現(xiàn)數(shù)據(jù)的傳輸。研究中選擇了3種傳感器作為查寢的依據(jù)，人體熱釋電紅外傳感器用于檢測(cè)夜間學(xué)生床位人體信息，酒精傳感器能夠測(cè)量宿舍內(nèi)部的酒精濃度，杜絕學(xué)生在室內(nèi)酗酒，而電壓傳感器則可以對(duì)室內(nèi)的用電情況進(jìn)行檢測(cè)，避免學(xué)生使用大功率電器造成危險(xiǎn)。

由圖2可知，傳感器通過(guò)串口與終端節(jié)點(diǎn)連接，實(shí)現(xiàn)通信，終端節(jié)點(diǎn)與路由節(jié)點(diǎn)以及協(xié)調(diào)器節(jié)點(diǎn)間通過(guò)ZigBee無(wú)線網(wǎng)絡(luò)進(jìn)行無(wú)線通信。協(xié)調(diào)器節(jié)點(diǎn)是通過(guò)WiFi模塊ESP8266與云服務(wù)器連接。采集的數(shù)據(jù)通過(guò)http協(xié)議上傳至OneNET平臺(tái)顯示。

圖2 ZigBee傳感器設(shè)計(jì)框圖Fig.2 Block diagram of ZigBee sensor design

該方案以單個(gè)宿舍為單位，室內(nèi)通過(guò)相應(yīng)的傳感器采集宿舍內(nèi)學(xué)生床位信息、電壓信息以及酒精濃度的數(shù)據(jù)信息。由于酒精有揮發(fā)性，因此酒精傳感器MQ-3可以放置在室內(nèi)上方。電壓傳感器放置在每個(gè)宿舍的總閘處，能夠更加準(zhǔn)確、實(shí)時(shí)地檢測(cè)宿舍內(nèi)電壓狀況。人體紅外傳感器定點(diǎn)、定距地安裝在每一個(gè)床位，檢測(cè)夜間學(xué)生床位信息。并且，每層樓道設(shè)置路由節(jié)點(diǎn)，起中繼作用，用于傳遞傳感器采集的數(shù)據(jù)，路由的加入也能加強(qiáng)ZigBee無(wú)線網(wǎng)絡(luò)的穿墻能力，使得網(wǎng)絡(luò)更加穩(wěn)定。每棟樓宇設(shè)置一個(gè)協(xié)調(diào)器節(jié)點(diǎn)，用于整棟宿舍樓宇數(shù)據(jù)的整合、處理及上傳。在此基礎(chǔ)上，通過(guò)協(xié)調(diào)器節(jié)點(diǎn)將整棟宿舍的數(shù)據(jù)信息上傳至OneNET云服務(wù)器，便于宿舍管理員查看。

3 AI人臉識(shí)別設(shè)計(jì)

上一節(jié)介紹了方案使用傳感器檢測(cè)人體、酒精以及電壓的情況，實(shí)現(xiàn)了對(duì)宿舍酗酒和大功率違規(guī)電器使用情況的檢測(cè)。人體傳感器初步判斷了學(xué)生的夜間就寢情況，但只能檢測(cè)該床位是否有人，而無(wú)法得知是否是該學(xué)生本人，因此方案增加人臉識(shí)別功能，用于確定每一位學(xué)生的個(gè)人詳細(xì)信息，確保每個(gè)床位是該學(xué)生本人。傳感器的測(cè)量也是需要的，用于避免學(xué)生在該棟宿舍而未在寢室休息的情況發(fā)生。

AI人臉識(shí)別的設(shè)計(jì)方案如圖3所示。方案是在每棟宿舍樓宇大門(mén)前后各安置一個(gè)攝像頭，大門(mén)作為學(xué)生進(jìn)出宿舍的必經(jīng)之處，能確保攝像頭對(duì)整棟宿舍學(xué)生的人臉做到全面覆蓋。攝像頭對(duì)宿舍進(jìn)出情況實(shí)時(shí)采集人臉信息，采集的影像或者圖片保存至個(gè)人的PC電腦端，基于OneNET平臺(tái)的AI人工智能模塊進(jìn)行人臉識(shí)別，最終調(diào)用OneNET平臺(tái)的API接口將分析的結(jié)果上傳至云服務(wù)器。

圖3 AI人臉識(shí)別設(shè)計(jì)框圖Fig.3 AI face recognition design block diagram

方案基于OneNET云服務(wù)器的AI人工智能平臺(tái)中的人臉與人體識(shí)別模塊實(shí)現(xiàn)設(shè)計(jì)需要的功能，該模塊中的AI能力包含人臉檢測(cè)、人臉對(duì)比、人臉?biāo)阉?、人臉屬性分析和人體識(shí)別部分，并可在創(chuàng)建的工程中調(diào)用相應(yīng)的API接口實(shí)現(xiàn)人臉識(shí)別。在人臉識(shí)別的基礎(chǔ)上，門(mén)前攝像頭識(shí)別進(jìn)宿舍人臉，而門(mén)后攝像頭則識(shí)別出宿舍人臉，通過(guò)編碼再實(shí)現(xiàn)人體計(jì)數(shù)。一方面，對(duì)每一天進(jìn)出宿舍的人員進(jìn)行計(jì)數(shù)，分別將每一位該宿舍的學(xué)生進(jìn)宿舍和出宿舍的次數(shù)做對(duì)比，當(dāng)進(jìn)宿舍的次數(shù)大于等于出宿舍的次數(shù)，就表明該學(xué)生在宿舍，反之則不在寢室，并輸出該學(xué)生的數(shù)據(jù)信息。另一方面，對(duì)該宿舍的人臉進(jìn)行不重復(fù)計(jì)數(shù)，再與宿舍總體人數(shù)做對(duì)比，能知道宿舍每晚夜間的就寢人數(shù)。因此，該方案能定位到每一個(gè)學(xué)生人臉的詳細(xì)信息，包括學(xué)生的校區(qū)、宿舍的樓層數(shù)、宿舍號(hào)以及學(xué)號(hào)等信息，能實(shí)現(xiàn)精準(zhǔn)查寢。

此次方案的設(shè)計(jì)選取了OneNET平臺(tái)AI人工智能人體與人臉識(shí)別中的人臉檢測(cè)、人臉屬性分析、人臉對(duì)比以及人臉?biāo)阉魉膫€(gè)功能模塊。在每次調(diào)用前，將需要在平臺(tái)進(jìn)行用戶(hù)鑒權(quán)，獲取Login Token，如此才能正常使用人臉識(shí)別的一系列功能。人臉識(shí)別的過(guò)程如下。

（1）人臉檢測(cè)。在人臉識(shí)別的整個(gè)過(guò)程中調(diào)用OneNET的AI平臺(tái)人臉檢測(cè)的API接口，識(shí)別攝像頭截取的圖片，快速檢測(cè)圖像中是否有人臉，并返回人臉的特征位置。API請(qǐng)求方式見(jiàn)表1。

表1 人臉檢測(cè)API調(diào)用方式Tab.1 API calling methods of face detection

（2）人臉屬性分析：在人臉檢測(cè)定位返回結(jié)果的基礎(chǔ)上，識(shí)別每個(gè)檢測(cè)人臉的多種屬性，返回識(shí)別人臉的位置、大小、置信度以及性別和年齡?？梢愿鶕?jù)人臉屬性為后續(xù)的人臉對(duì)比奠定基礎(chǔ)。其API調(diào)用的方式見(jiàn)表2。

表2 人臉屬性分析API調(diào)用方式Tab.2 API calling methods for face attribute analysis

（3）人臉對(duì)比。比對(duì)2張圖片中人臉的相似度，并返回相似度分析。通過(guò)人臉對(duì)比，比較人臉的相似度，為人臉?biāo)阉髯鲣亯|。其API接口調(diào)用見(jiàn)表3。

表3 人臉對(duì)比API調(diào)用方式Tab.3 API calling methods for face comparison

（4）人臉?biāo)阉鳌Ｔ谥付〝?shù)據(jù)庫(kù)中，將一張人臉和數(shù)據(jù)庫(kù)中的張人臉進(jìn)行比對(duì)，根據(jù)以上3個(gè)步驟，查找出相同的人臉。在OneNET云服務(wù)器的AI平臺(tái)創(chuàng)建自己的人臉數(shù)據(jù)庫(kù)，存放該棟宿舍學(xué)生的所有人臉，當(dāng)識(shí)別人臉為該棟宿舍的學(xué)生人員時(shí)，則記錄該人臉。其API調(diào)用方式見(jiàn)表4。

表4 人臉?biāo)阉鰽PI調(diào)用方式Tab.4 API calling methods of face search

當(dāng)進(jìn)出人員的人臉完成以上4個(gè)步驟的分析后，將屬于該棟宿舍的學(xué)生的人臉進(jìn)行每日計(jì)數(shù)。并在每天特定的時(shí)間總結(jié)該天就寢的人臉總數(shù)，再與該棟宿舍的總體學(xué)生人數(shù)進(jìn)行對(duì)比，求得每晚未就寢的學(xué)生人數(shù)。同時(shí)，分析出該宿舍每一位學(xué)生的宿舍號(hào)以及學(xué)號(hào)等信息。AI人臉識(shí)別技術(shù)與ZigBee無(wú)線傳感技術(shù)相結(jié)合，使查寢功能更精準(zhǔn)，功能更完善。

4 測(cè)試結(jié)果分析

4.1 ZigBee傳感器測(cè)試

ZigBee傳感器部分測(cè)試以每個(gè)宿舍3個(gè)終端（即3種傳感器）、一個(gè)路由節(jié)點(diǎn)和一個(gè)協(xié)調(diào)器進(jìn)行測(cè)量，ZigBee傳感器部分的實(shí)物連接如圖4所示。檢測(cè)ZigBee無(wú)線網(wǎng)絡(luò)的可行性以及傳感數(shù)據(jù)是否能夠準(zhǔn)確地上傳云服務(wù)器。

圖4 ZigBee實(shí)物連接圖Fig.4 ZigBee physical connection diagram

方案以2間宿舍的傳感器數(shù)據(jù)作為測(cè)試依據(jù)，成功地采集了2間宿舍查寢所需的實(shí)驗(yàn)數(shù)據(jù)，并將數(shù)據(jù)分析處理上傳到了云平臺(tái)，如圖5所示。圖5（a）是3種傳感器在OneNET平臺(tái)的顯示圖，點(diǎn)擊各傳感器可查看某一棟各間宿舍的列表數(shù)據(jù)。圖5（b）為2間宿舍列表。在每間宿舍列表的數(shù)據(jù)流里可查看某間宿舍的傳感器數(shù)據(jù)，參見(jiàn)圖5（c）。因一個(gè)宿舍只需要設(shè)置一個(gè)酒精傳感器，故只有一個(gè)數(shù)據(jù)信息，而宿舍有多張床位，此次測(cè)試只選擇了單個(gè)宿舍的2張床位進(jìn)行測(cè)試，故顯示了2個(gè)數(shù)據(jù)。

圖5 云平臺(tái)上的數(shù)據(jù)分析處理Fig.5 Data analysis and processing on cloud platform

除此之外，通過(guò)平臺(tái)還能查看每個(gè)傳感器歷史數(shù)據(jù)，參見(jiàn)圖5（d）。圖5（d）中左側(cè)顯示了當(dāng)室內(nèi)沒(méi)有酒精的時(shí)候室內(nèi)濃度數(shù)據(jù)趨于700多，室內(nèi)情況正常，當(dāng)檢測(cè)到有酒精時(shí)，數(shù)據(jù)變?yōu)? 500左右，說(shuō)明該宿舍酒精濃度異常，表明宿舍可能存在酗酒行為。圖5（d）中右側(cè)顯示了人體紅外傳感器的詳細(xì)歷史數(shù)據(jù)，當(dāng)床位有人在的時(shí)候傳感器數(shù)據(jù)顯示為1，無(wú)人的時(shí)候則顯示為0，根據(jù)數(shù)據(jù)便能得知夜間學(xué)生是否在床位就寢。

根據(jù)平臺(tái)顯示的傳感器數(shù)據(jù)，即可知道是否存在學(xué)生酗酒行為和學(xué)生夜間是否在宿舍就寢，加上電壓傳感器的測(cè)量數(shù)據(jù)，還能得知宿舍是否存在使用大功率電器行為。

4.2 AI人臉識(shí)別測(cè)試

此次測(cè)試以一個(gè)宿舍的學(xué)生作為測(cè)試依據(jù)，建立一個(gè)人臉數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)按照宿舍樓棟號(hào)為一個(gè)單位，如圖6所示，在每一個(gè)樓棟號(hào)內(nèi)添加該棟宿舍所有學(xué)生人臉，如圖7所示，用于人臉?biāo)阉鳌?/p>

圖6 人臉數(shù)據(jù)庫(kù)樓棟號(hào)Fig.6 Building number of the face database

圖7 人臉數(shù)據(jù)庫(kù)學(xué)生人臉Fig.7 Student faces in the face database

該測(cè)試通過(guò)USB攝像頭作為采集數(shù)據(jù)的終端攝像頭，將USB攝像頭與PC電腦連接，面對(duì)宿舍門(mén)口截取進(jìn)出學(xué)生的圖片或者視頻，保存至電腦后，再上傳到云臺(tái)。圖8中給出了OneNET平臺(tái)人臉?biāo)阉黩?yàn)證結(jié)果圖。圖8中從左到右依次為攝像拍攝的人臉（待識(shí)別人臉）、平臺(tái)人臉數(shù)據(jù)庫(kù)、AI平臺(tái)人臉?biāo)阉鹘Y(jié)果，結(jié)果識(shí)別出為同一個(gè)人，驗(yàn)證了OneNET的AI平臺(tái)人臉?biāo)阉鞯臏?zhǔn)確性。

圖8 OneNET平臺(tái)人臉?biāo)阉黩?yàn)證圖Fig.8 OneNET platform face search verification diagram

通過(guò)人臉識(shí)別工程代碼的API調(diào)用AI人臉識(shí)別模塊，得出人臉屬性分析和人臉數(shù)據(jù)庫(kù)搜索結(jié)果如圖9所示。

圖9 仿真測(cè)試結(jié)果Fig.9 Simulation test results

圖9（a）中，“155，151，186，244”表示人臉?biāo)诘奈恢眯畔ⅲ謩e對(duì)應(yīng)坐標(biāo)、坐標(biāo)，表示矩形寬和矩形高；“0.999 5”表示該人臉識(shí)別的置信度；“man，24”分別表示該人臉識(shí)別結(jié)果為男性、24歲。

圖9（b）是人臉?biāo)阉鹘Y(jié)果以及由此判斷學(xué)生就寢情況。其中，搜索結(jié)果“27-1111-2019022076”表示該學(xué)生住在27棟宿舍1111寢室，學(xué)號(hào)為2019022076。學(xué)號(hào)是每一個(gè)學(xué)生固定的編號(hào)，具有唯一性，通過(guò)這幾個(gè)指標(biāo)就能明確每一個(gè)學(xué)生信息。經(jīng)過(guò)人臉識(shí)別后，當(dāng)學(xué)生進(jìn)入宿舍的次數(shù)不小于出宿舍的次數(shù)時(shí)，說(shuō)明該學(xué)生當(dāng)晚在宿舍就寢了，此時(shí)將對(duì)就寢學(xué)生人數(shù)進(jìn)行計(jì)數(shù)，本次測(cè)試以一個(gè)寢室為測(cè)試依據(jù)，因此學(xué)生就寢人數(shù)為4，與該宿舍總?cè)藬?shù)相等，可知當(dāng)晚全員就寢。而當(dāng)進(jìn)宿舍次數(shù)小于出宿舍次數(shù)時(shí)，表明該學(xué)生當(dāng)晚并未于寢室就寢，則自動(dòng)輸出該學(xué)生個(gè)人信息，宿舍管理員一目了然。

4.3 測(cè)試總結(jié)

基于ZigBee和AI人臉識(shí)別的智慧查寢方案經(jīng)過(guò)測(cè)試，宿舍管理員通過(guò)手機(jī)或者PC登錄OneNET平臺(tái)就能隨時(shí)查看宿舍內(nèi)傳感器詳細(xì)數(shù)據(jù)和歷史數(shù)據(jù)，實(shí)現(xiàn)宿舍內(nèi)部的安全檢查，增加了檢測(cè)室內(nèi)安全功能。也能隨時(shí)精確了解到每天宿舍的就寢總?cè)藬?shù)，并且當(dāng)識(shí)別分析到有未就寢的學(xué)生時(shí)，自動(dòng)輸出該學(xué)生的個(gè)人信息，查寢變得智能而精確。

5 結(jié)束語(yǔ)

本文設(shè)計(jì)的基于OneNET和ZigBee的智慧查寢系統(tǒng)，與現(xiàn)有的基于傳感器的智能查寢方案相比，增加了室內(nèi)的安全檢查，功能更加齊全。與目前的基于百度云的人臉識(shí)別查寢方案相比，增加了人臉識(shí)別計(jì)數(shù)和智能輸出未就寢的學(xué)生個(gè)人信息，方案更智能、更精確。

目前該方案正處于以2間宿舍為測(cè)試對(duì)象的實(shí)驗(yàn)階段，基于ZigBee無(wú)線傳感技術(shù)實(shí)現(xiàn)了傳感器對(duì)宿舍內(nèi)部的安全檢查，并且上傳至OneNET平臺(tái)進(jìn)行分類(lèi)顯示?；贏I人臉識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)學(xué)生夜間就寢人數(shù)計(jì)數(shù)以及將未就寢學(xué)生的身份信息進(jìn)行顯示。雖然目前是以少數(shù)房間為測(cè)試，但有著較強(qiáng)的擴(kuò)展性，加上自己的服務(wù)器，后續(xù)可以增補(bǔ)進(jìn)智慧校園的一系列產(chǎn)品，實(shí)用性較強(qiáng)。隨著信息化時(shí)代的來(lái)臨，高校的管理也在逐漸信息化，智慧查寢系統(tǒng)將會(huì)得到快速的發(fā)展與應(yīng)用。