基于多数据融合的酒店房间房客识别模型研究
发布时间：2022-11-04 22:03
随着智能家居的发展以及组网技术的不断完善,家居的智能化已经走进我们生活的各个方面。智能酒店就是其中之一。随着人脸识别技术不断完善,实现人证合一是当今智能酒店的发展方向。为实现人证合一,就必须抛弃传统使用房卡的入住模式。但是相较于无限制供电,房卡的“插卡取电,拔卡去电”功能更加符合现如今的节能政策,因此我们需要研究一种模型,能够准确识别房客,进而对水电进行控制,实现对水电资源的节约。传统的人体感应多应用于感应灯,安全控制方面。常用到的技术包括有红外线人体感应,微波人体感应,摄像头识别等。但是这些技术应用于酒店房客识别中又会出现诸多问题。红外线,微波技术各自都有短板,无法实现全方面无差错人体识别。为保证房客隐私性,摄像头又不被允许安装在房间内,可见单一的人体感应设备无法实现全方位的人体识别。深度学习可以有效地实现对数据的处理。但是训练数据以及处理数据需要浪费大量时间,如何减少训练以及处理数据时间也是一个难题。通过分析以上问题,本次研究的主要内容为比较各种人体识别技术,选取最为合适的多数据融合技术构建房客识别模型。利用红外,微波等人体感应设备同其它诸如压力传感器结合,将多个传感器数据通过多数...
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景
1.2 课题研究目的与意义
1.2.1 研究目的
1.2.2 研究意义
1.3 国内外研究现状和发展趋势
1.4 论文组织架构
第2章 技术需求分析和系统总体框架设计
2.1 技术方案论证
2.1.1 常用人体识别方法
2.1.2 多数据融合人体识别模型优势
2.1.3 传感器组网模型建立
2.1.4 人体行为数据预处理技术
2.1.5 多数据融合算法选取
2.2 系统总体框架和功能设计
2.2.1 系统的总体架构设计
2.2.2 系统功能设计
2.3 本章小结
第3章 房客行为数据采集网络创建
3.1 Sub-G组网
3.1.1 感知节点传感器的选取
3.1.2 Sub-G设备介绍
3.1.3 Sub-G处理器及核心板选取
3.2 WIFI模块设计
3.3 Sub-G与 Wi Fi的混合组网
3.4 本章小结
第4章 基于多数据融合的房客识别模型建立
4.1 多数据融合技术简介
4.2 人体行为数据预处理
4.3 深度置信网络模型
4.3.1 模型语言的选取
4.3.2 DL4J深度学习库创建深度置信网络模型
4.3.3 深度置信网络训练方式
4.4 模糊DBN-DNN网络实现多数据融合
4.5 本章小结
第5章 房客识别模型优化过程以及结果分析
5.1 锁状态+供电状态控制法改进传感器采样时间
5.2 模糊深度置信网络参数选择以及性能调优
5.2.1 模型评价标准的选择
5.2.2 激活函数选择
5.2.3 分界度的选择
5.3 多数据融合与KNN分类性能对比
5.4 本章小结
第6章 酒店房客识别系统设计与实现
6.1 系统服务器开发环境选择
6.2 系统服务器部署环境选择
6.3 酒店房客识别系统数据库设计
6.4 酒店人体检测系统的搭建
6.4.1 系统框架搭建
6.4.2 功能设计
6.4.3 登录功能实现
6.4.4 用户管理功能的实现
6.4.5 接收人体行为数据功能实现
6.4.6 人体检测功能实现
6.4.7 检测结果以及水电管理功能实现
6.5 系统注意事项以及改进方法
6.5.1 系统出现问题
6.5.2 系统改进方法
6.6 功能测试
6.7 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录 作者在读期间发表的学术论文及参加的科研项目
【参考文献】：
期刊论文
[1]基于q-rung orthopair模糊相似测度的多属性决策方法[J]. 林宏宇,张海锋,肖箭,周礼刚,薛明香. 价值工程. 2019(33)
[2]基于归一化特征判别的日志模板挖掘算法[J]. 双锴,李怡雯,吕志恒,韩静,刘建伟. 北京邮电大学学报. 2020(01)
[3]基于E2LSH的轨迹KNN查询算法[J]. 邱磊,吴志兵. 计算机技术与发展. 2020(03)
[4]变分模态分解与深度信念网络的双转子不对中程度识别[J]. 张帆宇,杨大炼,李学军,苗晶晶,张宏献. 机械科学与技术. 2020(05)
[5]基于梯度下降法的二帧相移提取算法[J]. 张少锋,杜虎兵,郭瑞清,何周旋. 激光与光电子学进展. 2020(13)
[6]浅谈数据挖掘中数据预处理的研究与实现[J]. 李果. 计算机产品与流通. 2019(10)
[7]基于云平台的电动汽车充电站远程设备监控系统[J]. 高德欣,梁珂. 青岛科技大学学报(自然科学版). 2019(05)
[8]基于KNN算法的改进K-means算法[J]. 徐文进,管克航,寻晴晴,许瑶,解钦. 青岛科技大学学报(自然科学版). 2019(05)
[9]混合kNN算法在2型糖尿病预测诊断中的研究[J]. 崔波,朱晓军. 现代电子技术. 2019(20)
[10]基于K近邻算法的噪声种类识别和强度估计[J]. 吴小莉,郑艺峰. 计算机应用. 2020(01)
博士论文
[1]基于模糊集理论的灰色预测模型及其应用[D]. 李守军.中国矿业大学 2018
硕士论文
[1]基于卷积神经网络的特定场景下人脸识别研究[D]. 彭鑫.西安理工大学 2019
[2]无监督学习和多重采样对卷积神经网络的优化研究[D]. 袁国亮.湖北工业大学 2019
[3]基于卷积神经网络的三维人脸识别研究[D]. 武智.中国科学技术大学 2019
[4]基于AI的写字楼能耗分析及控制系统[D]. 王雪永.杭州电子科技大学 2019
[5]基于深度学习的人脸识别技术的研究与实现[D]. 邢亚楠.杭州电子科技大学 2019
[6]基于无监督学习的风机齿轮箱故障诊断方法研究[D]. 马标.华北电力大学 2019
[7]低功耗蓝牙组网和定位技术研究[D]. 张凯楠.北京邮电大学 2018
[8]多数据融合在火灾预警中的应用[D]. 张华.哈尔滨工程大学 2018
[9]基于颜色空间非均匀量化与多数据融合的目标跟踪算法研究[D]. 张辰.长沙理工大学 2017
[10]北方日光温室无线传感器多数据融合技术的研究[D]. 崔琳.沈阳农业大学 2016
本文编号：3701410
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景
1.2 课题研究目的与意义
1.2.1 研究目的
1.2.2 研究意义
1.3 国内外研究现状和发展趋势
1.4 论文组织架构
第2章 技术需求分析和系统总体框架设计
2.1 技术方案论证
2.1.1 常用人体识别方法
2.1.2 多数据融合人体识别模型优势
2.1.3 传感器组网模型建立
2.1.4 人体行为数据预处理技术
2.1.5 多数据融合算法选取
2.2 系统总体框架和功能设计
2.2.1 系统的总体架构设计
2.2.2 系统功能设计
2.3 本章小结
第3章 房客行为数据采集网络创建
3.1 Sub-G组网
3.1.1 感知节点传感器的选取
3.1.2 Sub-G设备介绍
3.1.3 Sub-G处理器及核心板选取
3.2 WIFI模块设计
3.3 Sub-G与 Wi Fi的混合组网
3.4 本章小结
第4章 基于多数据融合的房客识别模型建立
4.1 多数据融合技术简介
4.2 人体行为数据预处理
4.3 深度置信网络模型
4.3.1 模型语言的选取
4.3.2 DL4J深度学习库创建深度置信网络模型
4.3.3 深度置信网络训练方式
4.4 模糊DBN-DNN网络实现多数据融合
4.5 本章小结
第5章 房客识别模型优化过程以及结果分析
5.1 锁状态+供电状态控制法改进传感器采样时间
5.2 模糊深度置信网络参数选择以及性能调优
5.2.1 模型评价标准的选择
5.2.2 激活函数选择
5.2.3 分界度的选择
5.3 多数据融合与KNN分类性能对比
5.4 本章小结
第6章 酒店房客识别系统设计与实现
6.1 系统服务器开发环境选择
6.2 系统服务器部署环境选择
6.3 酒店房客识别系统数据库设计
6.4 酒店人体检测系统的搭建
6.4.1 系统框架搭建
6.4.2 功能设计
6.4.3 登录功能实现
6.4.4 用户管理功能的实现
6.4.5 接收人体行为数据功能实现
6.4.6 人体检测功能实现
6.4.7 检测结果以及水电管理功能实现
6.5 系统注意事项以及改进方法
6.5.1 系统出现问题
6.5.2 系统改进方法
6.6 功能测试
6.7 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录 作者在读期间发表的学术论文及参加的科研项目
【参考文献】：
期刊论文
[1]基于q-rung orthopair模糊相似测度的多属性决策方法[J]. 林宏宇,张海锋,肖箭,周礼刚,薛明香. 价值工程. 2019(33)
[2]基于归一化特征判别的日志模板挖掘算法[J]. 双锴,李怡雯,吕志恒,韩静,刘建伟. 北京邮电大学学报. 2020(01)
[3]基于E2LSH的轨迹KNN查询算法[J]. 邱磊,吴志兵. 计算机技术与发展. 2020(03)
[4]变分模态分解与深度信念网络的双转子不对中程度识别[J]. 张帆宇,杨大炼,李学军,苗晶晶,张宏献. 机械科学与技术. 2020(05)
[5]基于梯度下降法的二帧相移提取算法[J]. 张少锋,杜虎兵,郭瑞清,何周旋. 激光与光电子学进展. 2020(13)
[6]浅谈数据挖掘中数据预处理的研究与实现[J]. 李果. 计算机产品与流通. 2019(10)
[7]基于云平台的电动汽车充电站远程设备监控系统[J]. 高德欣,梁珂. 青岛科技大学学报(自然科学版). 2019(05)
[8]基于KNN算法的改进K-means算法[J]. 徐文进,管克航,寻晴晴,许瑶,解钦. 青岛科技大学学报(自然科学版). 2019(05)
[9]混合kNN算法在2型糖尿病预测诊断中的研究[J]. 崔波,朱晓军. 现代电子技术. 2019(20)
[10]基于K近邻算法的噪声种类识别和强度估计[J]. 吴小莉,郑艺峰. 计算机应用. 2020(01)
博士论文
[1]基于模糊集理论的灰色预测模型及其应用[D]. 李守军.中国矿业大学 2018
硕士论文
[1]基于卷积神经网络的特定场景下人脸识别研究[D]. 彭鑫.西安理工大学 2019
[2]无监督学习和多重采样对卷积神经网络的优化研究[D]. 袁国亮.湖北工业大学 2019
[3]基于卷积神经网络的三维人脸识别研究[D]. 武智.中国科学技术大学 2019
[4]基于AI的写字楼能耗分析及控制系统[D]. 王雪永.杭州电子科技大学 2019
[5]基于深度学习的人脸识别技术的研究与实现[D]. 邢亚楠.杭州电子科技大学 2019
[6]基于无监督学习的风机齿轮箱故障诊断方法研究[D]. 马标.华北电力大学 2019
[7]低功耗蓝牙组网和定位技术研究[D]. 张凯楠.北京邮电大学 2018
[8]多数据融合在火灾预警中的应用[D]. 张华.哈尔滨工程大学 2018
[9]基于颜色空间非均匀量化与多数据融合的目标跟踪算法研究[D]. 张辰.长沙理工大学 2017
[10]北方日光温室无线传感器多数据融合技术的研究[D]. 崔琳.沈阳农业大学 2016
本文编号：3701410
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3701410.html
