基于多感信息融合与边缘计算的路灯节能控制策略研究
发布时间:2021-01-02 00:15
针对传统路灯能耗高,控制策略粗犷等问题,文中提出了一种基于多感信息融合与边缘计算的路灯节能控制策略系统。该系统利用多传感器进行数据融合,检测路灯前方人群、车辆距离、噪声等,根据多源环境因素检测人、车,精确分析路灯需求道路场景。采用视觉统计系统优化路灯亮度控制周期,该系统将视频数据首先进行直方图均衡化算法处理,提升暗部细节,使得夜间道路状况得到有效的图像增强,之后通过卷积神经网络对二维数据进行处理,识别并统计人车流量,最后通过终端控制系统针对人群、车流量来决定路灯亮度控制周期,对路灯控制系统起辅助作用。同时利用边缘计算实时调节路灯亮度,提高路灯系统节能特性,有效降低用电量。
【文章来源】:物联网技术. 2020年10期
【文章页数】:4 页
【部分图文】:
总体架构
多感融合人车检测模型如图2所示。由于路灯边缘检测节点铺设量需求大,为降低成本,采用雷达、人体红外、声音传感器采集外界环境信息。雷达传感器检测目标物距离,人体红外传感器检测人群,声音传感器检测环境音量,使用多源传感信息便于信息源互补,降低不确定性。不同传感器对外界环境物体进行一致性判断,辨别道路人车有无出没情况。当监测到人车时,对路灯控制终端系统发送路灯需求信息,并积极调节路灯亮度控制开关。4 基于直方图均衡化与卷积神经网络的人车流量统计算法策略
智能边缘视觉统计算法流程如图3所示。整体算法流程分为两层,第一层是基于直方图均衡化图像增强算法模型,第二层为基于卷积层神经网络多分类算法模型。在第一层中,首先将原彩色48×48像素图像进行灰度化处理,对图像像素点中R,G,B使用加权平均法,选取权值为0.30,0.61,0.09,分别对应R,G,B三色并进行统一计算得出合理的灰度图像。其次进行灰度转换,将灰度图像在对应灰度级为(0,255)范围作为x坐标,灰度级对应的像素数作为y坐标,作直方图。由图4可发现数据峰值居左,灰度级偏低,表明图像整体偏暗,物体特征不明显。运用直方图均衡化算法可有效提高暗图灰度级,通过原图像素灰度级作密度函数,并累加得到单调递增函数,在作灰度转换时,相邻灰度级相近的像素点灰度值可有效分开,灰度直方图灰度级增高且均匀。最后遍历图片像素矩阵上转换后的灰度值,相对原图像而言,图像对比度提高,图像细节以及边缘特征得到明显挖掘。
【参考文献】:
期刊论文
[1]光照度聚类和支持向量机在路灯节能控制策略中的应用[J]. 文俊浩,万园,曾骏,王喜宾,梁冠中. 计算机科学. 2019(07)
[2]基于直方图均衡化与拉普拉斯的铅条图像增强算法[J]. 陈春谋. 国外电子测量技术. 2019(07)
[3]智慧城市信息系统关键技术研究[J]. 储珂珂. 智能建筑与智慧城市. 2018(01)
[4]基于卷积神经网络的道路车辆检测方法[J]. 李琳辉,伦智梅,连静,袁鲁山,周雅夫,麻笑艺. 吉林大学学报(工学版). 2017(02)
[5]基于直方图均衡化、PCA和SVM算法的人脸识别[J]. 孙文荣,周先春,嵇亚婷. 软件. 2014(08)
[6]直方图均衡化的数学模型研究[J]. 吴成茂. 电子学报. 2013(03)
硕士论文
[1]智慧路灯节能控制关键技术研究[D]. 陈善亮.北京邮电大学 2018
本文编号:2952264
【文章来源】:物联网技术. 2020年10期
【文章页数】:4 页
【部分图文】:
总体架构
多感融合人车检测模型如图2所示。由于路灯边缘检测节点铺设量需求大,为降低成本,采用雷达、人体红外、声音传感器采集外界环境信息。雷达传感器检测目标物距离,人体红外传感器检测人群,声音传感器检测环境音量,使用多源传感信息便于信息源互补,降低不确定性。不同传感器对外界环境物体进行一致性判断,辨别道路人车有无出没情况。当监测到人车时,对路灯控制终端系统发送路灯需求信息,并积极调节路灯亮度控制开关。4 基于直方图均衡化与卷积神经网络的人车流量统计算法策略
智能边缘视觉统计算法流程如图3所示。整体算法流程分为两层,第一层是基于直方图均衡化图像增强算法模型,第二层为基于卷积层神经网络多分类算法模型。在第一层中,首先将原彩色48×48像素图像进行灰度化处理,对图像像素点中R,G,B使用加权平均法,选取权值为0.30,0.61,0.09,分别对应R,G,B三色并进行统一计算得出合理的灰度图像。其次进行灰度转换,将灰度图像在对应灰度级为(0,255)范围作为x坐标,灰度级对应的像素数作为y坐标,作直方图。由图4可发现数据峰值居左,灰度级偏低,表明图像整体偏暗,物体特征不明显。运用直方图均衡化算法可有效提高暗图灰度级,通过原图像素灰度级作密度函数,并累加得到单调递增函数,在作灰度转换时,相邻灰度级相近的像素点灰度值可有效分开,灰度直方图灰度级增高且均匀。最后遍历图片像素矩阵上转换后的灰度值,相对原图像而言,图像对比度提高,图像细节以及边缘特征得到明显挖掘。
【参考文献】:
期刊论文
[1]光照度聚类和支持向量机在路灯节能控制策略中的应用[J]. 文俊浩,万园,曾骏,王喜宾,梁冠中. 计算机科学. 2019(07)
[2]基于直方图均衡化与拉普拉斯的铅条图像增强算法[J]. 陈春谋. 国外电子测量技术. 2019(07)
[3]智慧城市信息系统关键技术研究[J]. 储珂珂. 智能建筑与智慧城市. 2018(01)
[4]基于卷积神经网络的道路车辆检测方法[J]. 李琳辉,伦智梅,连静,袁鲁山,周雅夫,麻笑艺. 吉林大学学报(工学版). 2017(02)
[5]基于直方图均衡化、PCA和SVM算法的人脸识别[J]. 孙文荣,周先春,嵇亚婷. 软件. 2014(08)
[6]直方图均衡化的数学模型研究[J]. 吴成茂. 电子学报. 2013(03)
硕士论文
[1]智慧路灯节能控制关键技术研究[D]. 陈善亮.北京邮电大学 2018
本文编号:2952264
本文链接:https://www.wllwen.com/kejilunwen/sgjslw/2952264.html