基于Adaboost的自习室综合管理系统

王若璞，柳云山，许曹鑫，刘汗奇

（湖南工业大学 电气与信息工程学院，湖南 株洲 412000）

0 引言

当今高校自习室仍处于人工管理或普通选座系统管理的状态，人工管理系统无法应对自习室高峰期占座严重，低峰期灯光空调资源浪费等问题[1]。普通选座系统过于呆板，无法应对学生选座后却并不在自习室学习的问题。对于二维码管理座位系统，学生一定会在使用前扫码，但学生并不一定会在使用后扫码，致使预定座位一直处于被使用的状态，从而导致低峰期学生过于分散，个别自习室空调、灯光运转但只有数人在自习室学习的现象。所以探索新型的自习室管理系统是有必要的。本系统将预约学生的座位集中统一分配自习教室房间号，系统通过图像处理技术动态检测各自习室实际自习人数[2]。当有两个以上自习室利用率小于50%时，系统通过语音提示对人数小的自习室自习同学进行动态调配，同时延时自动关闭该自习室电源。对于未预约学生，可以通过查询各自习室空余座位情况进入相应自习室自习。系统通过对教学楼、图书馆不同光照下测试结果表明，在遮挡不严重时，算法统计人数与实际人数基本一致。系统可正常接受学生预约请求，调剂未预约学生至指定自习室并，系统能根据自习学生实际需求自动增减自习教室并实现相应自习室电能消耗自动控制。

1 系统设计

1.1 系统功能

学生可以通过个人终端（手机）预约座位并报备座位使用时间段，服务器接收个人终端请求为学生分配座位。系统分配座位以最大限度避免空调、灯光资源浪费与避免自习学生频繁换座位为原则。一个座位不同时间段可以分配给多个学生。自习室内摄像头将自习室实时图像数据传输至服务器，服务器判断预定座位是否有人使用。如若预定座位30分钟无人使用，取消该座位的学生的预约。允许未预约的学生进入自习室学习，但不得抢占已预约学生座位且必须接受服务器调剂。摄像头将无预约座位的自习室实时图想数据传输至服务器，服务器判断自习室内人数是否少于阈值，如果满足两个以上自习室利用率小于50%时，系统指示被调剂学生至指定自习室，同时关闭被调剂自习室内灯光、空调。自习室配备有语音系统，可以通知被调剂学生前往系统指定教室。

1.2 设计方案

基于人体轮廓检测的自习室管理系统由嵌入式设备、系统服务器、个人终端三部分组成。嵌入式控制器以stm32407开发板为平台，开发板板载红外编解码模块用于控制空调开关，百兆网口通过socket技术使stm32f407与服务器进行数据交换。语音模块实现语音播报。外部由驱动连接继电器用于控制灯光，外接红外发射模块控制空调开关。

服务器以浪潮NF5270M5为平台，服务器依据haarlike特征，Adaboost算法检测识别人体轮廓，统计人体轮廓数[3]。按预定参数调剂学生座位并向stm32发送指令，达到开启或关闭空调灯光以达到节电的目的。

终端搭建app，通过互联网络与服务器通信[4]。学生预约座位时首先登陆app，登陆成功可进入座位预约界面，选择预约时间段或取消预约。学生即使不预约也可进入自习室但要服从服务器调剂，以达到灵活分配的目的。

2 硬件设计

2.1 硬件系统结构

如图1所示，硬件系统结构由服务器、单片机、继电器等设备组成。单片机根据服务器发出的信息来做出判断，控制一系列控制电路来控制灯光、空调等电子设备，来达到自习室综合智能管理的目的。

图1 硬件结构图

2.2 硬件电路设计

嵌入式MCU采用stm32f407，其内核为cortex-m可达4210DMIPS@168MHz，拓展外设后满足系统要求。开发板板载百兆网口与服务器通信。开发板与nec红外编接收发射模块连结如图2所示。红外发射器用以控制空调的温度及开关状态。选用NEC通讯协议的YS-IRTM模块，YS-IRTM模块使用串口通讯与单片机通讯。当YS-IRTM模块接收到单片机发出的指令时，YS-IRTM芯片通过P17管脚发出载波频率为38KHz经调制过后的电信号，经过三极管驱动电路控制红外二极管的开关断，发出不同长度的红外光达到控制空调的目的。当P17管脚输出为高电平时，三极管导通，红外二极管发射出红外光，当输出为低电平时，三极管截至，红外二极管截至。开发板与音频解码模块连结如图3所示，单片机与JQ8400-FL通过串口通讯,接收单片机传过来的指令，播放指定的语音命令，通知座位利用率未能达到标准的教室中的学生在15分钟内按语音提示更换教室，教室在15分钟后会断电。开发板与telesky继电器连结如图4所示，单片机发出的控制信号经过ELS17隔离模块，在三极管的基极上加载一个控制信号，驱动三极管导通，继电器导通，控制灯光关闭。摄像头可采用自习室既有摄像头或任何300万像素以上摄像头。服务器使用浪潮NF5270M5。可支持千人同时访问选座系统，满足系统要求。

3 控制算法与软件设计

3.1 选座算法

将自习室开放时间划分为S个时间段，自习室共有C个座位。自习室座位预订以一表示反之用零表示，V(i,j)表示S=i至S=i时间内自习室占用向量。时间段S=i座位剩余。

至时间内座位剩余

学生向服务器发出至时间内座位预定请求时，服务器置向量不为零的最低位为零，相应 向量的位为零。

3.2 个人终端APP

(1)采用socket通信技术使服务器接收个人终端请求[5]。

图2 红外发射模块的连结

图3 音频模块的连结

图4 继电器的连结

(2)使用Android Studio开发Android APP。并创建了一个AVD模拟器,其中SDK版本是5.1.1,ADT的版本是5.1.1。在进行试验时选择了不同版本安卓系统手机做了测试。

(3) Android APP设计包括3个界面:登录界面、预约界面、使用说明界面。

3.3 人脸模型训练

（1）haar特征

Haar特征的一维可以由计算如图5矩形模板内白色矩形区域灰度值与黑色矩形区域灰度值之差得出[6]。每个特征有两到四个矩形组成。分别描述细线特征、边缘特征、对角线特征。特征模板在图像的子窗口中放置时，改变模板大小和位置，可以在图像子窗口中计算出大量的特征[7]。

图 5 特征模板

模板的大小变换范围：

其中wi和hi是整个图像的宽高，wmin和hmin是haar窗口的初始宽高，可以放大的倍数为kw·kh。

Haar-like特征计算过程就是使用上述定义的模板在图像中滑动，滑动到一个区域的时候，将模板覆盖的区域中的白色区域覆盖的像素值的和减去黑色区域覆盖的像素值的和，得到的数值就是haar特征中一个维度。

对于边缘特征，计算的方法是用白色矩形灰度值减去黑色矩形灰度值。对于细线特征，特征值计算为两边矩形灰度值之和减去中间矩形灰度值之和。对于对角线特征，特征值计算为对角线两个矩形灰度值之和减去另外一条对角线两个矩形灰度值之和[8]。其中对于图中第三个模板，黑色区域的像素值之和要乘以2，2是为了像素点个数相同而增加的权重。

（2）积分图

积分图是一种能够描述全局信息的矩阵表示方法[9]。积分图的构造方式为积分图上位置处的值是图像左上角方向所有像素的和：

（3）Adaboost级联分类器

制作人体轮廓样本2000张，非人体轮廓样本4000张。归一化处理所有的样本，都缩放为20×20的图像。对于78,460中的任一特征fi，我们计算该特征在这2000人体轮廓样本、4000非人体轮廓样本上的值，这样就得到6000个特征值。将这些特征值排序，然后选取一个最佳的特征值，在该特征值下，对于特征fi来说，样本的加权错误率最低。在确定了训练子窗口中(20×20的图像)的矩形特征数量(78,460)和特征值后，需要对每一个特征fi，训练一个弱分类h(x,f,ρ,θ)[10]。

其中为特征，为阈值，指示不等号的方向，代表一个检测子窗口。对每个特征，训练一个弱分类器，就是确定的最优阈值，使得这个弱分类器对所有的训练样本分类误差最低。

3.4 样本获取与标注

（1）选取不同条件自习室监控图像，人工框选包含人体轮廓的区域。规划为20*20左右的小图片。

（2）从开源数据集中选取。

3.5 人脸检测与统计

训练adaboost级联分类器的目的是为了检测的时候更加准确，这涉及到Haar分类器的另一个体系，检测体系。检测体系是以现实中的一幅大图片作为输入，然后对图片中进行多区域，多尺度的检测，所谓多区域，是要对图片划分多块，对每个块进行检测，由于训练的时候用的照片一般都是20*20左右的小图片，所以对于大的人脸，还需要进行多尺度的检测，多尺度检测机制一般有两种策略：

（1）方法一为：不改变搜索窗口的大小，而不断缩放图片，这种方法需要对缩放后的每个图片进行区域特征值的运算，效率低下[11]。

（2）方法二为：不断扩大搜索窗口，进行搜索，解决了第一种方法的弱势。

无论哪一种搜索方法，都会为输入图片输出大量的子窗口图像，这些子窗口图像经过筛选式级联分类器会不断地被每一个节点筛选，抛弃或通过。

3.6 程序流程图

图6 程序流程图

4 系统测试与分析

4.1 系统测试环境与方法

将本系统分别安装在学校的两间自习室内。组织十人通过app预约座位，五人正常进入自习室学习，五人不进入自习室，检测系统是否可以正常分配座位并识别对应座位是否有人。组织五人进入无预约座位的自习室，离开四人，检测系统是否正常调剂学生并关闭自习室空调，灯光。

4.2 系统测试结果

（1）实验环境

图7 测试图片

如图7所示测试选定在光线正常的自习室内完成。自习室内有两位测试人员，一位正对摄像头一位背对摄像头。

（2）实验结果

图8 测试结果

如图8所示系统可以正常识别出两位测试人员，表明系统可以识别出正常的人体轮廓并具有一定的抗干扰能力。

5 结语

本文设计了一种人体轮廓检测与预约排座相结合的自习室管理系统，系统可以满足一般高校自习室的管理需求。依据自习室实际环境调整参数，系统可以稳定运行。将本系统安装在高校自习室中可以减轻自习室管理人员负担，减少灯光、空调的开支，缓解自习室座位数量的压力。在未来通过大数据挖掘与深度学习技术可以使本系统更智能，更完善，更准确，以优化管理系统的座位分配功能，拓宽管理规模。