智能家居安防系统设计与实现

《智能家居安防系统设计与实现》由会员分享，可在线阅读，更多相关《智能家居安防系统设计与实现（56页珍藏版）》请在装配图网上搜索。

1、大连理工大学硕士学位论文智能家居安防系统设计与实现姓名：韩秀锋申请学位级别：硕士专业：计算机应用技术指导教师：马洪连20091201大连理T 大学硕士学位论文摘要智能家居给人们生活带来便利的同时也产生了巨大的社会经济效益，但是配套的安全防范技术一直是制约其安全性和智能化程度的关键因素。本文基于多元特征融合的身份识别方法，结合G P S 定位导航、移动物体监测、流媒体远程监控、Z i g B e e 无线传感网络、w e bS e r v e r 等技术，提出了一套完整的智能家居安防系统解决方案。传统的智能家居安防系统功能单一，智能化程度低下。本文首先提出一种基于多元生物特征融合技术的身份识别方

2、法，在系统兼容性和智能化程度上都有大幅提高，同时支持各种特征任意组合形式，极大提高了系统的灵活性和普适性：引入G P S，通过自行开发的G P S 定位设备实现实时定位、轨迹回放、地图导航等功能；定点监控方面提供流媒体实时监控、移动物体监测两套解决方案，满足了不同用户的需求；环境监测方面引入Z i g B e e 技术，降低了监控模块的功耗、同时支持任意布设监控模块；最后创造性的架设W e b 服务器作为各个子系统的功能延伸和扩展，极大的方便了用户，提升了系统的应用价值。本文详细阐述了智能家居安防系统的软硬件结构框架，重点介绍了多元特征融合身份识别方法，系统的阐述了软硬件选型、技术方案论证和各

3、个功能模块的实现方法。最终经过比较完备的测试，证明本系统达到了预期设计目标。关键词：智能家居；安防系统；多生物特征识别；G P S；Z i g B e e大连理T 大学硕十学位论文T h eD e s i g na n dI m p l e m e n t a t i o no fS m a r tH o m eS e c u r i t yS y s t e mA b s t r a c tS m a r tH o m en o to n l yh a sb r o u g h tc o n v e n i e n c et op e o p l e Sl i v e sb u ta l s

4、 oc r e a t e se n o r m o u ss o c i a la n de c o n o m i cb e n e f i t s，h o w e v e r,t h es u p p o r t i n gt e c h n o l o g yo fs e c u r i t yh a sb e e nak e yf a c t o rt h a tr e s t r i c t st h ee x t e n to fi t ss e c u r i t ya n di n t e l l i g e n c e T h i sp a p e rp r o p o s

5、 e dac o m p l e t es o l u t i o nf o rs m a r th o m es e c u r i t ys y s t e m，b a s e do nm u l t i f e a t u r ef u s i o np e r s o n a li d e n t i f i c a t i o nm e t h o d，c o m b i n e dw i t hs o m et e c h n o l o g i e ss u c ha sP o s i t i o n i n ga n dN a v i g a t i n gb yG P S，M

6、 o v i n gT a r g e t sM o n i t o r i n g,F l u i dM e d i aR e m o t eM o n i t o r i n g，Z i g B e eW i r e l e s sS e n s i n gN e t w o r k s，W e bS e r v e re t c T h e r ea r es o m ew e a k n e s s e si nt h et r a d i t i o n a ls m a r th o m es e c u r i t ys y s t e m，f o re x a m p l e

7、s i n g l ef u n c t i o n sa n dl o wl e v e li n t e l l i g e n c e F i r s t，t h i sp a p e rp r e s e n t sap e r s o n a li d e n t i f i c a t i o nm e t h o db a s e do nm u l t i-b i o m e t r i cf u s i o n，w h i c hg r e a t l ye n h a n c e st h ee f f i c i e n c yi nt h ec o m p a t i

8、b i l i t ya n di n t e l l i g e n to fs y s t e ma n ds u p p o r t sa n yc o m b i n a t i o nf o r mo fv a r i o u sf e a t u r c s，m e a n w h i l ew h i c hi m p r o v e ss y s t e mf l e x i b i l i t ya n du n i v e r s a l i t y S e c o n d，t h i sp r o g r a mi n t r o d u c e sG P St oa c

9、 h i e v eR e a l-T i m eP o s i t i o n i n g,T r a c kP l a y b a c k，a n dM a pN a v i g a t i n g，e t c T h ep a p e rp r o v i d e st w os e t so fs o l u t i o n si nf i x e d-p o i n tm o n i t o r i n g，t h eR e a l T i m eF l u i dM e d i aM o n i t o r i n ga n dM o v i n gT a r g e t sM o

10、 n i t o r i n g，w h i c hw i l lb r i n gm o r ec o n v e n i e n c e st ou s e r sa n dm e e tt h ed i f f e r e n tr e q u i r e m e n t sf r o mv a r i o u su s e r s I na d d i t i o n，t h ep a p e ri m p o r t sZ i g B e et e c h n o l o g yi ne n v i r o n m e n t a lm o n i t o r i n g，w h i

11、 c hr e d u c e sp o w e rc o n s u m p t i o no ft h ec o n t r o lm o d u l ea n ds u p p o r t sa n ye m p l a c e m e n to fm o n i t o r i n gm o d u l e F i n a l l y，s e t t i n gu pW e bS e r v e ra sa ne x t e n s i o na n de x p a n s i o no ff u n c t i o no fv a r i o u ss u b s y s t e

12、m s，w h i c hw i l li m p r o v et h ev a l u eo fs y s t e ma p p l i c a t i o n T h i sp a p e rd e s c r i b e st h eh a r d w a r ea n ds o f t w a r ea r c h i t e c t u r ef r a m e w o r ko fs m a r th o m es e c u r i t ys y s t e m s，a n df o c u s e so np e r s o n a li d e n t i f i c a

13、t i o no ft h em u l t i f e a t u r ef u s i o nm e t h o d M o r ei m p o r t a n t l y，i tf o r m u l a t e st h eh a r d w a r ea n ds o f t w a r es e l e c t i o n，t e c h n o l o g yp r o g r a m sd e m o n s t r a t i o na n dv a r i o u sf u n c t i o n si m p l e m e n tm e t h o do fm o d

14、 u l e s F i n a l l y，t h ep a p e rd e m o n s t r a t e st h a tt h es y s t e mh a sa c h i e v e dg o a l st h r o u g ht h er e l a t i v e l yc o m p l e t et e s t s K e yW o r d s：S m a r l tH o m e；S e c u r i t yS y s t e m；M u l t i m o d a lB i o m e t r i c s；G P S；Z i g B e e1 大连理工大学学

15、位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。学位论文题目：细疆趁玄詹瞳颦丕皋至叁逸茸苎宝逊作者签名：巫整逛日期：型年上土月塑日大连理工大学硕士研究生学位论文大连理工大学学位论文版权使用授权书本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有权保留论文并向国家有

16、关部门或机构送交论文的复印件和电子版，可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印、或扫描等复制手段保存和汇编本学位论文。学位论文题目：作者签名：导师签名：人连理工人学硕士学位论文1 绪论1 1 研究背景与意义迄今为止，智能家居(S m a r tH o m e)还没有一个统一的定义。为方便本文内容展开，首先给出一个描述性定义。智能家居是以住宅为平台，利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭同程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。与传统意义

17、上的家居相比，智能家居不仅具有传统的居住功能，提供舒适安全、高品位且宜人的家庭生活空间；还由原来的被动静止结构转变为具有能动智慧的工具，提供全方位的信息交换功能，帮助家庭与外部保持信息交流畅通，优化人们的生活方式，帮助人们有效安排时间，增强家居生活的安全性，甚至为各种能源费用节约资金。安全防范技术是智能家居系统中的关键技术，在小区及户内可视对讲、家庭监控、家庭防盗报警、与家庭有关的小区一卡通等领域都有广泛应用。随着智能家居逐步走进人们的生活，以及社会和科技的发展，安全成为人们对智能家居的首要要求，并促使家庭安防系统成为智能家居的重要组成部分。传统家庭安防系统中的防盗报警、火灾报警、燃气泄露报警

18、等子系统，功能单一，误报率较高，只能实现就地报警，不能实现实时远程报警以减少损失和抢救生命，此外也不能记录犯罪证据以便迅速捕捉嫌疑犯。为解决这些传统安防系统的缺点和不足，以及满足人们对智能家居的需要，为此，本文提出了一套基于多特征融合身份识别的智能家居安全监测解决方案。据大连市2 0 0 8 年的资料统计显示，全年发生百余起因煤气泄漏引发的火灾和数千起入室犯罪案件，这些数字表明对居家环境的安全监控迫在眉睫。有鉴于此，开发一套功能齐全的智能家居安防系统无论是从社会意义还是从经济价值角度分析，都有广泛的发展前景；从治安角度考虑，如果智能家居安防系统能够得到广泛应用，必能会对犯罪分子形成强有力的震慑

19、作用，减少入室盗窃、机动车盗窃等家居相关案件的发生，为构建社会主义和谐社会贡献一份力量。1 2 国内外现状分析1 9 8 4 年，在美国出现世界上第一幢智能建筑以来，美国、欧洲、澳大利亚、加拿大和东南亚等经济比较发达的国家和地区先后提出了各种各样的智能家居解决方案。智能家居在美国、德国、新加坡、同本等国家和地区都得到了广泛的应用。美国政府与以I B M、锢能家居安防系统设计与实现A T&T 等大型I T 公司为代表的高科技产业公司，投资4 0 0 0 亿美元，目标是全国5 0 0 万个小区和9 0 0 0 万个家庭，为他们提供全面的小区和家庭的安全防护和信息服务【l】。自从1 9 8 0 年以

20、来，智能家居的概念被引入到我国。自此，智能家居行业得到突飞猛进的发展。业内人士预测“2 0 0 5。2 0 0 7 年是智能家居在中国的普及年，国内产品己经成熟，普通居民已经有能力接受智能家居概念和产品”。在2 0 0 0 年小康型城乡住宅科技产业工程项目实施方案中，国家建设统战部指出“到2 0 1 0 年，全国大中城市中6 0 的住宅要实现智能化1 2 J。2 0 0 8 年，中国蒯联标准正式成为全球3 C 协同领域的第一个国际标准1 3 J，闪联已经完成数字家庭标准的全面布局，该标准覆盖了1 1 r 相关产业、通信、家电及智能家居领域1 4 1。为中国的智能家居发展奠定了良好的基础。与此同

21、时，国内也诞生了优秀的智能家居产品，比如海尔的u-h o m e【5 j，该产品包含家电、灯光窗帘控制，兼有多媒体娱乐，更在可视对讲、安防报警、环境检测、远程监护和故障反馈等安防支持方面做出了比较突出的成绩。1 3 课题研究内容与创新点智能家居研究内容过于宽泛，本文攫取安全监测这一角度展开本文的研究工作。鉴于传统智能家居系统在安全监测方面的弱点，本文设计的智能家居安防系统通过人脸、语音、指纹等多元特征完成身份识别(更可以灵活的选取其中一种或几种特征)，同时引入G P S、Z i g B e e、流媒体、移动物体监测、w e bs e r v e r 远程监控等先进技术来实现全面的家居安全监测需

22、求。(1)身分识别功能：创造性的引入多元特征融合身份识别方法，作为门禁控制、系统参数设定等功能的身份认证解决方案。与此同时，用户可以灵活选用人脸、语音、指纹三种特征任意组合作为身份识别特征，极大提高了系统的应用范围。(2)G P S 服务：只要在需要实时定位的私家车辆或特殊家庭成员身上装备定位设备，服务器端可以实时获取到实体的坐标信息，配合电子地图，确定实体位置。如若发生特殊状况(车辆失窃、人员走失等等)，能够为用户提供帮助。(3)特殊目标布控：本系统提供移动物体监测、流媒体实时视频监控功能，方便用户对特殊位置或者重点监控对象进行针对性布控。(4)Z i g B e e 无线传感网络：通过多传

23、感器采集数据，应用Z i g B e e 搭建无线自主局域网，采集室内环境信息(煤气、烟雾、温度、压力、噪音等等)，实现全方位的安全监测和报警功能，大幅降低了系统功耗和成本。人连理T 大学硕+学位论文(5)W e b 信息发布：作为身份识别、G P S、移动物体监测、流媒体、Z i g B e e 等子系统的功能延伸，支持各个系统的数据远程访问和查询，提供部分功能远程控制接口，极大提高了系统的应用前景和价值。1 4 章节安排第一章绪论。介绍本文的研究背景、国内外现状和本文的创新点。第二章系统总体方案设计。介绍系统功能、整体架构，针对核心软硬件选型进行可行性分析及论证。第三章多元特征融合的身份识

24、别。详细介绍了多元特征融合身份识别理论和系统建构方法。第四章硬件系统设计与实现。详细介绍硬件系统各模块的设计与实现。第五章软件系统设计与实现。详细介绍软件系统的设计与实现。第六章系统测试。介绍系统测试方案和主要测试点及测试结果。结论总结了本文行文思路和系统框架，重申本文的特色和创新之处。智能家居安防系统设计与实现2 系统总体方案设计本章首先阐述了智能家居安肪系统的功能设计目标，然后制定出本系统的软硬件实现方案，最后对本文提出的解决方案做了适当的论证与分析。2 1 系统功能概述本文采用多生物特征融合身份识别、G P S、Z i g l k e、w e bs e i v c r、流媒体等技术提出了

25、智能家居安防系统的解决方案。如图2 1 所示。删黼是争图2 1 系统功能架鞠F i g r 2 1T h e f u a c t i o n a ls m t c t t t r e o f t h es y s t e m本系统要实现功能包括：身份识别功能，可以通过采集人脸、语音、指纹等一种或多种生物特征完成，更安全、更灵活、更人性；对车辆或特殊家庭成员的实时定位功能，o 备毋大连理工人学硕士学位论文通过引入G P S 定位器，配合G I S，实现对重要财物、特殊家庭成员的实时跟踪定位，保证了人身财产安全；移动物体监测及报警功能，实现对室内定点视频监控，通过移动物体监测算法自动预警，即发现不

26、明移动物体，可以认为非法闯入，自动完成报警；远程视频监控功能，通过流媒体服务，可以在互联网任意节点查看家中定点摄像头的监控情况；在线查看安全监测数据，通过多传感器采集数据，搭建无线局域网，实时同步各个传感器信息，实现全方位的安全监测和报警功能，同时搭建W e b 服务器，供用户远程查看监控信息。包括：探测到煤气、烟雾、温度变化超过安全指标时自动向小区保安中心和主人报警，并打开窗户、启动消防设备和发出声光报警；探测到窗户、玻璃、门被打破时自动向小区保安中心和向主人报警，发出声光报警并启动室内视频监视系统。2 2 系统架构设计本系统预期实现上节所述功能，通过较为详细的技术论证和架构分析后，决定将系

27、统划分为五个子系统：门禁控制子系统、G P S 定位子系统、移动物体监测子系统、流媒体远程监控子系统和Z i g B e e 无线传感监控系统。结构如图2 2 所示。门禁控制系统垦!刻圆圈圆继电器l 圜W 测览器G P S 定位系统P o o o o o C 模块D M AI 簇模块I 模块串口lI U S BII n t e m e tlC D M A+I n t e m e t系霎蓑荐篓块忙一Z ig b o o 控制系统软件模块后台数据库移动物体监测系统软件模块串口2g i g b t tl 传感e 网elZ i 如主节点r _信息采集系统雨点l 阿搿。图2 2 系统结构图F i g 2

28、 2T h ea r c h i t e c t u r ec h a r to fs y s t e m智能家居安防系统没计与实现(1)中央服务器：硬件采用E C 5 1 7 1 9 C L D N A 嵌入式平台：软件方面，为了更好的配合各个子系统工作，使系统框架更为清晰，将服务器端软件分为五个模块，分别对应各个子系统。(2)门禁控制子系统：门禁控制子系统作为本文的核心和亮点功能，创造性的引入了多元特征身份识别方法。硬件上由摄像头、麦克风(采集语音)、指纹采集器、电磁丌关、可控旋转电机构成。可以选择被动、主动模式打开一个或多个生物特征采集模块，通过提供特征数据，请求身份认证。若系统识别申请

29、人为合法用户，通过电磁开关控$I J l -J 控电机开门；否则给出拒绝提醒。如若碰到恶意申请，向系统设定报警对象(主人、小区警卫、警察)发出信号。(3)G P S 实时定位子系统：硬件设备自行开发设计，采用M S P 4 3 0 作为总控M C U(M i c r oC o n t r o lU n i t)，G P S 信息获取采用商业G P S 模块，通讯采用深圳宏电的H 7 0 0 0C D M A 模块。在需要实时定位的私家车辆或特殊家庭成员身上装备定位设备，服务器端可以实时获取到观测实体的坐标信息，配合G I S 地图，确定观测实体位置。如若发生特殊状况(车辆失窃、人员走失等等)，

30、能够为用户提供帮助。(4)移动物体监测子系统：系统通过对监控摄像头采集到的视频数据切分成帧，然后通过差分方法比较相邻帧(为了减少误差、选用特定间隔的相邻帧)，实现移动物体的监测功能。当监测到有移动物体时系统激活录像功能，向设定人员发送报警信息，并可以开启现场警报器。在报警的同时，还可以向受警人员发送监控摄像头拍摄的图片，以免误报，也能为用户追回损失提供法律依据。(5)流媒体远程监控子系统：用户可以通过连入I n t e m e t 的任意一个终端，连接到流媒体服务器，远程实时查看监控摄像头采集到的视频图像，实现远程监控功能。(6)Z i g B e e 无线传感监控系统：由各类传感器构成家居信

31、息采集模块，经由Z i g B e e组建无线局域网，实时采集家居状况信息，存入数据库，供用户远程在线查看；通过设定预警阀值来实现报警功能；用户也可以在本地服务器端察看由Z i g B e e 控制子系统采集到的所有安全信息，同时提供各种预警参数设置功能。2 3 系统方案可行性分析2 3 1 硬件设备选型(1)E C 5 1 7 1 9 C L D N A 高性能嵌入式平台E C 5 1 7 1 9 C L D N A(嵌入之星)是一款采用I n t e l 芯片组9 4 5 G M 设计的高性能单板电脑。一6 一大连理T 大学硕十学位论文在板高性能I n t e lC o r eD u o2

32、 C o r eD u o，P e n t i u mM 和单核C e l e r o nM 处理器(C P U 型号可选)；南北桥之间带宽达1 0 G b s 的直接媒体接口D M I；单个S O D I M M 插槽(2 0 0 针)，支持1 G BD D R 25 3 3 和6 6 7 M H z 频率内存；采用了I n t e l 第四代图形引擎，其图形核心工作频率高达4 0 0 M H z，图形性能比9 1 5 G 高出3 0 4 0；串行A T A 接口；双管道、多种显示接口：V G A、L V D S、D V I、T V。E C 5 1 7 1 9 C L D N A 还提供了高

33、性价比的丰富I O 功能及I O 扩展槽：一个3 3 M l-I z3 2 b i tP C I 1 0 4 P L U S 插槽，一个P C I E x 4 插槽，一个1 0 1 0 0 1 0 0 0 M b p s 网口、A C 9 7 声卡接口、一个键盘鼠标接口、一个4 0 针A T A 1 0 0 6 6 3 3I D E 标准接口、一个T Y P E I I C F接口、四个串口、一个并口、四个U S B 2 0 高速接口、看门狗定时器。E C 5 1 7 1 9 C L D N A 以其高性能、低功耗和丰富的扩展接口使用户无需增加任何部件即可使用，可广泛应用于网络安全、仪器仪表、

34、军事、多媒体查询、智能产品等等各种嵌入式领域。(2)M S P 4 3 0 微处理器本文采用了T I 公司的1 6 位微处理器M S P 4 3 0 F 1 4 9 作为下位机微控制器。M S P 4 3 0系列单片机能在8 M H z 晶振的驱动下，实现了1 2 5 u s 的指令周期。M S P 4 3 0 系列单片机具有较多的中断源，可以任意嵌套，方便应用开发。当系统处于省电模式，用中断唤醒只需6 u s(即软启动)。其主要特性如下：超低功耗。M S P 4 3 0 系列单片机的电源电压采用的是1 8 3 6 V 电压，在1 M H z的时钟下运行，芯片的电流仅为0 1 4 0 0 u

35、A；系统中共有一种活动模式和五种低功耗模式。在等待方式下，耗电为0 7 u A，在节电方式下，最低可达0 1 u A。丰富的片上外围模块。M S P 4 3 0 集成了丰富的片内外设：看门狗(w D T)、模拟比较器A、定时器A、定时器B、两个串I：1(U S A R T O、U S R A T l)、硬件乘法器、液晶驱动器、1 0 位1 2 位A D C、1 2 C 总线、端口0(P 0)、端口1-6(P 1 一P 6)、基本定时器(B a s i c T i m e r)等的一些外围模块的不同组合。P 1、P 2 端口能够接收外部上升沿或下降沿的中断输入；1 2 位硬件A D 转换器有较高

36、的转换速率，最高可达2 0 0 k S P S。方便高效的开发环境。M S P 4 3 0 系列单片机有O T P 型、F l a s h 型和R O M 型三种类型的器件。O T P 型和R O M 型的器件是使用仿真器开发成功之后再烧写或掩膜芯片；F l a s h 型有J T A G 调试接口、可电擦写的F l a s h 存储器，采用先下载程序到F l a s h 内，再智能家居安防系统设计与实现在器件内通过软件控制程序的运行。这种方式只需要一台P C 机和一个J T A G 调试器，而不需要仿真器和编程器，可以用汇编语言4 和C 语言开发|6 J。适应工业级运行环境。M S P 4

37、3 0 系列M C U 器件均采用工业级芯片处理技术，运行环境温度一4 0,-+8 5，适应各种工业环境。(3)Z i g B e e 无线传感网络本系统所有实时传感器信息传送都有赖于无线局域网通讯，因此选用恰当的无线通讯方式更显重要，而且能在一定程度上提升本系统的应用价值。经过对比当前流行的无线通讯技术。最终选定超省电(两节五号电池支持长达6 个月到2 年左右的使用时间)、可靠、低成本、短时延、高容量、免执照频段的Z i g B e e，技术特征见表2 1。表2 1Z i g B e e 的主要技术特征T a b 2 1T h em a i nt e c h n i q u ec h a r

38、 a c t e ro fZ i g B e e特性取值数据速率通讯范同通讯延迟信道数频段寻址方式信道接入温度8 6 8 1 d l t z：2 0 k b p s：1 0-2 0 m 1 5 m s11(8 6 8 9 1 5 唧z)2 4 G H z(8 6 8 915 姗z)6 4 比特I E E E 地址，8 比特网络地址C S M A C A 和时隙化的C S M A C A-4 0 一8 5(4)C D M A 扩频通讯技术C D M A 是一种扩频通信技术，具有抗干扰能力强、宽带传输、抗衰落能力强等特点。C D M A 采用宽带传输，在信道中传输时，有效信号的功率比干扰信号的功率

39、低很多，信号好像隐蔽在噪声中，即功率化密度比较低，利于信号隐蔽。C D M A 利用扩频码的相关性来获取用户的信息抗截获能力强，多个用户可以同时接收和发送信息。2 3 2 软件方案论证(1)多生物特征融合身份识别身份认证和识别是本系统的核心和亮点。本文选用多生物特征融合身份识别方法，对比传统单一生物特征识别，很大程度上提高了系统的鲁棒性。结合应用背景，本系统人连理工人学硕士学位论文创造性的提供灵活多变的验证模式(需用户提前设定)，可以任意组合人脸、语音、指纹一种或多种特征信息完成身份认证和识别。人脸的检测识别子系统使用O p e n C V(O p e nC o m p u t e rV i

40、s i o n)。O p e n C V 是I n t e l 资助的开源项目，拥有开放的数字图像处理和计算机视觉软件平台。由于O p e n C V 拥有开放的C 源代码，基于I n t e l 处理器指令集开发的优化代码，统一的结构和功能定义，以及强大的图像和矩阵运算能力，方便灵活的用户接口以及跨平台(W i n d o w s 和L i n u x)运行等优点，我们采用了O p e n C V 来实现门禁系统的视频采集和图像处理1 7】。(2)流媒体技术流媒体(S t r e a m i n gM e d i a)采用流技术在网络上传输的语音、视频等多媒体文件。其中流技术指的是把多媒体文

41、件压缩后放在服务器上，通过客户端的浏览器用户就可以实现在下载的同时浏览多媒体文件的一种技术。通过流技术传输媒体，用户可在较短的时间内查看多媒体文件，同时由于采用下载同时舍弃的方式，也节省用户硬盘空间。流媒体技术首先在客户端创造一个缓冲区，播放前预先下载部分文件作为缓冲，当网络实际连线速度小于播放速度时，流媒体播放程序就会读取缓冲文件。(3)B S(B r o w s e r S e r v e r)模式B S 模式是随着I n t e r n e t 技术的兴起，对C S 模式应用的扩展。B S 模式具有诸多优势：平台无关；使用简单，易于扩展；减少数据库并发；代码可重用性好，易于维护等等。因此

42、B S 模式逐渐成为一种流行的应用系统开发架构。在B S 架构下，通过浏览器(B r o w s e r 端)实现用户工作界面和极少部分事务逻辑，主要事务逻辑放在服务器(S e r v e r 端)实现，形成所谓的三层结构。基于B S 模式的实时监控系统充分利用了B S模式的特点，为用户提供一种广泛的分布式监控系统。它允许被授权的监控者通过任意一台连接到I n t e r n e t 的计算机远程监控视频采集端的实时情况。一9 一智能家居安防系统设计与实现3 多元特征融合的身份识别传统的身份识别以单一生物特征为识别依据，如对人脸图像进行识别的人脸识别系统【引，利用语音信号的说话人识别系统【9

43、J【l o l，采用指纹信息的指纹识别系统【1 1】等。但是单一生物特征往往不能保证j 下确的识别，由此B r u n e l l i 和F a l a b i g n a l l 2 J 最早在1 9 9 5 年提出了利用多个生物特征进行身份识别的概念，通过说话人识别和人脸识别的方法，基于量测级对两种不同的声音分类器和三种不同的人脸分类器的结果进行归化处理，再用几何平均的方法进行融合。此后更多的学者在生物特征选择和融合算法上做了很多的研究。D i e c k ma n n 等【1 3】利用人脸、唇部运动及声纹的“2-f r o m 3”投票方法进行决策，B r u n e 1 l i 等利用

44、超基函数(H y p e r B F)网络融合声纹和人脸特征，J a i n 等1 1 4 J 提出了确定每个用户的特定参数的方法将指纹、人脸和手型的识别结果融合。V e r l i n d e 等【1 5 J 提出用K N N 方法融合声纹和视觉特征，均取得了较好的效果。人脸、语音和指纹都是研究比较成熟的身份识别技术，本文构建这三种识别子系统，在决策层用神经网络对子系统进行融合。实验显示，融合身份识别准确率要比任何一个子系统都要高，特别是在复杂背景下(姿态、噪音、污点等干扰)，多生物特征身份识别性能更加优越，具有更好的鲁棒性。3 1基于改进P P B T F 特征的人脸描述与识别P P B

45、T F(P i x e l P a t t e n B a s e dT e x t u r eF e a t u r e)是一种基于像素模式的纹理特征，首先通过统计的方法定义几种待处理图像的纹理模式，然后计算原始图像中每个像素对应的模式，用相应模式的类别标号来表示，这样就把原始图像转化为了模式图，再构造纹理特征。该特征是日本立命馆大学智能图像系统研究室陈延伟教授等于2 0 0 3 年提出的1 1 6 1，目前己经成功应用在纹理图像分割方面。鉴于P P B T F 已经成功应用于人脸表情识别M，受L B P 在人脸识别领域获得巨大成功启示，P P B T F 特征作为一种有效的纹理表述，同样也

46、会是一种很好的人脸表示方法1 1 8 l。直接提取原始灰度图的P P B T F 特征，对光照因素非常敏感，本文引入主成分分析(P C A)来刻画图像的纹理模式，屏蔽了灰度值影响，提高了算法的鲁棒性。获得待处理图像的纹理模式，亦即选择模板，对于模式图的构建至关重要。由于模式匹配的需要，构建的模板既要表示图像的空间特征，还要反映某个像素与其邻域的依赖关系，以G a b o r 为代表的滤波器虽然可以捕获邻域间的空问关系，但不适合用来做模式匹配。目前，很多人提出了基于线性基函数的图像编码分析方法，如主成分分析大连理T 大学硕十学位论文(P C A)、独立成份分析(I C A)等。P C A 分析的

47、结果得到一个新的向量集称之为主成分集，所有的主成分都是相互正交的，因此没有冗余的信息。但由于P C A 主成分计算方法的先天不足(基于图像灰度值计算)，不能直接用来作为特征。但是，用P C A 基函数得到的模式图能很好的表达图像边缘、褶皱等纹理信息。设图像大小为S X S，本文中用5 5，x=(_，x：，毛，鼍。，)r 是其按照行扫描获得的特征向量，对输入样本的向量集取均值和协方差矩阵，求解方法如公式：j 一一 1 r X i(3 1)，Y1。1一一C o v 一吉罗(五一x)(五一x)r(3 2)匀、“7求协方差矩阵C o v 的特征值九和特征向量最，其中1sKsN-1，且有九2 九一，丑r

48、 最=1，即按特征值降序排列。假设样本集中的每个X 都是个基函数扣。，口：，a。刀的线性组合，即：XmC 1 a 1+c 2 口2+c 口。其中，系数矢量c 一(c l，C 2。“)r 由样本确定。将上式写成矩阵形式X=A c。矩阵4 的每一列对应一个基函数。主成分分析的目标就是在数据空间中找到一组向量以尽可能地解释数据的方差，去除数据相关性，即寻找映射矩阵，将矢量工用一组新的数据表示，即：Y=W x(3 3)其中，的每一行就是一个基函数(矩阵A 的列)，即。新的矢量y 中每个元素的取值都与其他元素无关。在P C A 的主成分集中，第一个是最大特征值对应的特征向量，可以看作一个高斯算子，其他的

49、可看作是高斯算子的导数算子。除了第一个基函数，其他的可以像梯度滤波器一样用于模式匹配【1 9】，用第一个以外的前M 个基函数(本文选用8 个)作模板，其中每一个模板代表一种模式。设灰度图像为，像素坐标为(x，y)，则Z 是像素点在S S 邻域和第f 个模板的内积，即：乞=b 彬(3 4)用k 来表示像素点(工，y)的值，其中气=m a x(z。z：一)，k 即为何该邻域匹配的模板索引，表示原始灰度图像中像素所属的模式类别。即得到该狄度图对应的模式图P。结合模板由P C A 获得，故本文中称作P C A 模式图，如图3 1 所示。智能家居安防系统设计与实现黧瀚图3 lP c A 模式圈F i 9

50、 3 1P C A p a t t e r n m a po f F E R E T i m a g e本文采用8 个模板-即模式图P 中像素取值为【1，8】，对任意像素点(z，y)，在特征窗取s 内的特征表示成如F 公式：加卜m 荟)，2 h I(x)h 鸵M(35)其中，h 是本文定义的二元函数，公式表示如F：佩加岳计三暨=姐e，采用一个2 0 x 2 0 的特征窗，得到中心点的P P B T F 特征如图3 2 所示。1 1 1 1 1 1 1 8 8 8 8 8 1 1 1 1 11 1 1 1 1 1 1 1 8 8 口8 8 1 1 11 1 1 1 1 1 1 1 1 1 1 呐

51、1 1 11 1 1 1 3 3 3 3 1 1 1 1 1 1 1 _ 卅11 1 3 3 3 1 1 1 1 1 1 1 1 1 1 1 4 q 4 41 1 1 1 5 5 5 5 1 1 1 1 1 1 7 7 7 1 1 11 1 1 1 1 5 5 5 5 1 1 7 7 7 1 1 1 1 1 11 1 2 2 1 1 1 1 1 1 1 1 1 5 1 1 1 1 1 12 2 2 2 1 1 1 1 擒1 5 5 1 1 1 1 1 1r _。F=(，：Z 正工工正)=1 2 2 2 1 1 13 3 311 l l I1 1 1 1 1 14 1 1 1 1 1 孔”2 2

52、 2 2 1 1 1(2 6 2，2 7，】2，4 0，1 6，8，2 5，l o)4 1 1 1 1 2 2 2 2 2 2 2 2 2 2 1 1 11 1 1 1 1 1 1 1 1 1 I f l 止l l l l1 4 呐1 1 1 1 1 1 1 1 1 蝴1 1 11 1 呐1 1 1 1 1 1 1 1 舳蚺1 1 1 11 1 1 5 5 5 1 1 1 1 1 2 2 2 2 1 1 1 1 11 1 1 1 7 7 7 1 1 1 1 1 3 3 1 1 1 11 1 1 1 1 7 7 7 7 7 7 7 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1

53、 6 6 6 6 6 1 1 1 1 1 11 1 1 6 6 6 1 1 1 1 1 7 7 7 7 7 7 7 7 1图32 在2 0*2 0 的特征窗内计算其中像素的P P B T F 特征F i 9 32E x a m p l e o fa p i x c l s P P B T F f c a I U f C V e C t O I i n 2 0+2 0 f e a t u n e w i n d o w人连理工人学硕士学位论文特征五表示以(工，y)为中心点的特征窗内，和第Z 个模板匹配的像素点个数，那么特征向量就可以表示成如下公式：C 嘲硒=(五，厶，厶，厶)(3 7)P P B

54、 T F 特征虽然能够有效的刻画图像的纹理，但是用一个特征矢量表示一个像素的纹理特征，不可避免的造成了表征人脸图片的特征向量的维数的扩大，本文用的F E R E T图像库(图片大小1 3 0 x 1 5 0 像素)，采用8 个模板，其P P B T F 特征向量为1 5 6，0 0 0 维。受L B P 启示，本文采用局部直方图连接方法进行降维，把归一化的图像分割成1 0 X1 0的共计1 9 5 个互不重叠的局部图像块。用对每个像素点的特征矢量的加和代替对小块内模式个数的统计。改进后图像的特征向量维数是1 9 5 8=1 5 6 0 维。非线性的核技术在分类识别(数据判别分析)方面取得巨大成

55、功，克服了传统L D A判别矩阵奇异、D L D A 丢失信息、N L D A 计算量大等缺点。本文首先通过R B F 核函数把所有样品映射到隐特征空间，然后在隐特征空间中做N L D A，即N K F D A 2 0 1，算法描述如下：(1)输入：一个包含c 各类别的训练集：Z=z；短。，每个类别为Z i 一 Z o c。其中z f E R J核函数参数：6。(2)算法：F o ri=1,2,3。，对样本做R B F 核函数映射，求解如下公式：K(一)=(尼(x-，鼍)，k(x 2 鼍)”k(x r 一1，t)1(3 8)计算每一类的类内均值和总体散射矩阵，公式如下：肌j2 i C C jr

56、(x,)N J(3 9)K w2；。i C C j(K(置)一m 从K(置)一r n(3 1 0)计算K。(一1)x(N 一1)零空间y，满f f：Y r K。Y 一0，Y 是(N 一1)x(C 一1)矩阵。(3)输出：映射变换矩阵l l，：q J(x)=r K)=Y r K )为了更有效的利用P P B T F 特征，本文利用x 2 来计算两个向量的点积，改变了核函数的投影空间。智能家居安防系统设计与实现3 2 基于M F C C 特征的矢量量化语音识别M F C C(M c l f r e q u e n c yC e p s t r a lC o e f f i c i e n t s，

57、简称M F C C)含义为M e l F r e q u e n c y 倒谱系到2 1 1，与普通实际频率倒谱分析不同，M F C C 的分析着眼于人耳的听觉特性，在特征提取过程中利用音调特性，即用M e i 频率刻度对实际频率轴进行弯折来模拟人耳所听到的声音高低与声音频率之问的非线性关系。在求得一般的倒谱系数的过程中，F 丌的谱线在频率轴上是等间隔分布的，而在求得M F C C 的过程中，会用一组符合临界频带分布的滤波器序列来对F F T 的谱线进行滤波，用该滤波器序列来模拟人耳听觉的非线性特性，该滤波器的中心频率在实际频率轴上是不等间隔分布的，而在一个特殊的频率轴上，即在音调的单位M e

58、 l 频率轴上，是等问隔分布的。本文采用能够反映人耳对语音感知特性的M F C C 作为特征参数【2 2 1，同时考虑到特征参数各维分量对于不同说话人的区分程度，采用加权的办法进行矢量量化。M F C C 参数的提取过程如下：(1)预加重，减少尖锐噪声影响，提升高频信号，x(n)为原始信号(系统中采用1 6 k 采样率1 6 b i t 采样精度)：y(n)=x(n)一0 9 7*x(n 一1)(3 1 1)(2)加H a m m i n g 窗，减少J i b b s 效应。窗长2 5 6 2 5 m s，窗移为l O m s，因而每帧有4 1 0 个采样点。0 5 4-0 4 6 c o

59、s 舞)n-N-1l0n=其他值(3 1 2)S。Q)2y 以)木形O)(3 1 3)形伽)是窗信号，5 伽)是加窗后的信号。(3)对s 伽)信号进行离散傅利叶变换(D f T)。(4)把上步得到的频谱系数用序列三角滤波器进行滤波处理，得到一组系数棚1，m 2，m 3，滤波器组中每个三角滤波器的跨度在M e l 标度上是相等的。所有滤波器总体上覆盖从O H z 到N y q u i s t 频率，即采样率的二分之一。在系统中，滤波器的个数取为2 4。(5)利用离散余弦变换求得倒谱系数。其中P 是三角滤波器的个数。倒谱系数的个数为1 2。由下式得出：大连理T 大学硕十学位论文C：f2 砉善腕，C

60、 O sl 詈(歹一0 5)I(3 1 4)(6)对一段语音信号或者一个语音信号文件中所得帧计算归一化能量，作为特征矢量的第1 3 维分量。由于用矢量量化的方法仅仅得到说话人语音特征在特征空间的聚类中心，而忽略了特征参数矢量每一维分量对识别的贡献大小，也就是说只描述了特征空间的形状，而没有顾及具体参数分量对不同说话人的区分程度，因此这种模拟比较粗糙。M F C C 参数中(包括归一化能量分量)，归一化能量，o，C 6，C 7，c 9 等分量对识别的贡献较大，在矢量量化的时候，引入权值可以得到更好的识别效果。矢量量化(V e c t o rQ u a n t i z a t i o n，V Q)

61、是一种很重要的数字信号处理方法团J。每个说话人具有不同的说话特征，可以用特定说话人语音信号的特征参数在空间的分布来描述。用V Q 建立识别模型，可以大大减少数据存储量和计算量。把每个说话人的语音看作一个信号源，用特定说话人的训练语音中提取特征参数矢量序列，该系统中采用前文所述的1 2 维M F C C 倒谱系数和归一化能量作为特征矢量，然后通过聚类形成码本。对于个说话人集合的系统，需要为每个人建立一个码本，这些码本在特征空间的分布相互不重叠或者有重叠但是有较好的区分度，那么则认为这些码本包含了说话人的个人特征。训练的时候，用L B G 算法，由说话人语音的训练样本序列聚类生成码本。考虑到采样语

62、音的随机性，用随机选取法确定初始码本。识别的时候，用同样的方法从待识别语音中提取特征矢量序列O h 如以O r，然后用系统中建立的个码本对其进行矢量量化，用平均量化畸变程度判断该矢量序列与哪一个码本的分布最为接近。3 3 基于点模式特征匹配算法的指纹识别本文首先对采集的指纹数据进行分割、均衡化、规格化、方向图、二值化和细化等预处理，然后基于细化后的图像提取特征点的位置、方向信息构成特征向量，最后采用点模式的指纹特征匹配算法得到匹配结果。图像分割指从一幅图像中按一定规则将一些物体或区域加以分离，划分出我们感兴趣的部分或区域，然后对分割出的特定区域加以描述。经过分割后的图像应该是原有图像中质量高、

63、特征信息多的部分。本文采用局部阀值进行图像分割，将图像分成互不重叠的小块(1 6 1 6)，提取各小块中最大、最小、均值等灰度值，计算各快的狄度值方差，若方差大于经验阀值(由实验统计得到)则为前景区，否则为背景区。智能家居安防系统设计与实现图像均衡化的目的是增加灰度图像的对比度。由于指纹采集时的受力不均，造成图像的灰度分布不均匀，这非常不利于后续的图像处理，所以需要对指纹图像进行均衡化处理，使图像灰度概率分布均匀。本文采用狄度直方图对图像做均衡化处理，增加图像对比度，使脊线和谷线更容易区分。规格化目的是将所有图像转换成同一均值和方差的标准图像，来减少沿着脊线和谷线方向上灰度的变化。预处理中最为

64、重要的是采用切缝法I 冽求取指纹图像的方向图。指纹图像是一种具有一定纹路走向的多边缘有向图，纹理性和方向性是它区别于其它图像的显著特点。指纹图像可以被看作有确定纹理的流状模型。指纹图像的方向图描述了指纹图像中每一像素所在脊线(谷线)在该点的切线方向，通过求取灰度图中每一个像素点的方向信息得到灰度图的方向图。“二值化 就是将灰度图像转化为只有“0”和“2 5 5 两种灰度的图像。二值化在数字图像处理中有非常重要的地位。本文的二值化处理基于方向图实现，这样不但有效的压缩了特征信息，并为细化处理打下良好基础。最后应用混合细化算法对二值化的图像做细化处理，使图像的每条纹线都变成单像素的“点线，有效的去

65、除冗余信息。本文采用基于细化图像的特征提取方法。当对图像完成细化处理后，脊线均被细化成单像素、值为“2 5 5 的线条，谷线和背景的值均为0。因此我们可以根据端点和分叉点在8 邻域内的不同分布将它们提取出来，本文提取的特征信息包括：位置、方向和类型。匹配时，从采集到的指纹提取出的特征信息与指纹库中模板特征信息分别记为：P 2 (石f，y f，吖)，(z f，y 2 p，彰)(z?，y?，钟)j(3 1 5)Q 2 (z?，y，日n(石；，y；，彤)(工：，y：，铝)j(3 1 6)其中尸和Q 为特征点集，(x，Y，口)分别记录的点的x 坐标，】，坐标和该点的方向信息，n 和m 为特征点的个数，

66、P 中；O 旱，y 旱，鲜)和Q 审=；。，y：；l，锑)为中心点(或参考点)，分别计算待匹配图与库中模板的特征向量相对中心点的距离。如果当前指纹和库中指纹的两个特征点类型相同，并且角度差和距离差能满足设定的允许范围，即小于一定的阈值，则认为这两个特征点相匹配。如果向个指纹的特征点集中有超过1 3 对特征点相互匹配，则认为这两个指纹属于同一手指。大连理工大学硕士学位论文3 4 神经网络决策层融合3 4 1融合策略选择在获得特征信息后，什么时候进行融合就是融合策略问题，成为研究融合技术非常重要的问题。本文选用的人脸、语音和指纹特征之间不存在强关联性，各个特征的识别过程是相互独立的，本文选择决策层融合策略，不仅简化了融合方法(与参数融合、特征融合相比)，同时消除了部分前后级依赖。决策级融合方法采用3 个识别器，分别处理人脸、语音和指纹数据，再以某种方式把子系统输出结果结合起来，如图3 3 所示。输出图3 3 多元特征身份识别的决策层融合框架F i g 3 3T h ed e c i s i o n-l e v e lf u s i o n 仃a m e w o r kf o rm u l