基于物联网的环保智能门禁系统

刘 芳，贺一馨，李俊吉

（太原科技大学信息科学与技术学院，晋城 048011）

0 引言

门禁系统与人们的日常生活息息相关，伴随着社会的进一步发展和用户安全意识的不断提高，作为基础物联网的门禁系统在未来将会与更多系统融合，提供更多基础数据。

人工智能和物联网等高新技术的飞速发展，使得现有智能门禁系统愈加难以满足人们日益增长的需求，目前市场较为流行智能门禁为“指纹+密码”型，其单一的认证方式导致安全性与便捷性不能同时兼顾；软件与硬件之间的高度依赖性相对缩小了二次开发空间，软件的复用性和移植性也因此降低。

基于以上现有门禁系统的诸多不足与旧智能手机回收机制存在的信息安全及电子污染等问题，我们利用旧智能手机集合大多常见传感器以及具有成型运算部件的特点，提出了一套以旧智能手机作为核心处理器并辅以传感器模块的物联网环保智能门禁系统。下文将对该解决方案进行具体介绍，并对其发展前景进行展望。

1 系统总体设计

1.1 系统结构设计

系统使用的硬件主要有传感器、控制板和两部旧Android智能手机，其中一部作为服务器。传感器终端采集的数据通过局域网上传至服务器，服务器与客户端之间通过NAT技术进行端到端的数据传输，最终展示在客户端。门禁系统整体结构设计如图1所示。

图1 系统功能结构设计

1.2 系统工作流程

随着深度学习算法和人工智能的兴起，用新技术来进行人脸识别，其精度已经接近100%，可以很好地服务于我们的生活。EFIACS主要通过自动人脸识别返回置信度和手动操作实现门禁控制。在正式工作之前需进行系统激活、系统关联、人脸注册等初始化工作。系统激活是在手机连接稳定无线局域网后，将手机IP地址转化静态IP地址的过程，以便于客户端的访问；系统关联是客户端输入服务器激活码（静态IP地址加密）的过程，通过静态NAT技术建立连接，是C/S进行数据传输的前提；人脸注册是客户端将图像上传至百度服务器的过程，通过预先建立人脸库和存储人脸信息，系统进行在线人脸对比返回人脸置信度。在初始化完成之后系统处于等待状态，当有人或物体经过时执行如图2所示流程，完成门禁功能。

图2 系统工作流程图

2 硬件设计

2.1 整体结构

硬件系统主要由处理器和传感器两部分组成。其中处理器包括Android处理器（旧手机自带，下文不在赘述）和STM32控制板；传感器包括烟雾传感器、人体红外感应模块、光敏电阻三部分。硬件结构如图3所示。

图3 硬件结构图

MQ-2烟雾传感器、HC-SR501人体红外感应模块、光敏电阻5506接口引脚连接到STM32控制板，STM32控制板发出数据读取指令，读回传感器内部数据。硬件电路原理图如图4所示。

图4 电路原理图

2.2 处理器

该单片机基于Cortex-M3内核，主频72 MHz、64 Kb Flash。主频速度完全满足对传感器数据的计算，使系统稳定运行。该控制芯片用于处理简单的数据指令，作为外接传感器模块的数据处理和控制芯片。

该处理器源于旧智能手机，主要用于处理手机图像传感器所捕获的图像、视频等大量数据。

2.3 通信模块

BT06蓝牙串口模块，是一种基于数据包、有着主从架构协议的短距离无线通信技术。使用跳频技术，将传输的数据分割成数据包，实现设备间短距离数据交换。该模块应用于部分外接设备的数据传输，各个外接设备将数据传送至STM32控制板，控制中心对数据进行翻译和处理并将消息再发送到服务器。

2.4 传感器模块

MQ-2烟雾传感器四脚输出随烟雾浓度变化的直流信号。当烟雾浓度高于阈值时LED灯亮，烟雾浓度低于阈值时LED灯灭。该模块应用于外接设备模块，通过感应烟雾外界浓度变化，回传数据给STM32控制板。

红外传感器是一种能检测人或动物发射的红外线而输出电信号的传感器。若有人进入其感应范围则输入高电平；人离开感应范围则自动延时关闭高电平，输出低电平。该模块应用于门区监控模块，通过检测人发射的红外线输出信号回传数据给STM32控制板。

光敏电阻光导率随光照变化而变化。通过外界感应光照变化，回传数据给STM32控制板。

3 软件设计

3.1 软件概述

软件前台提供的功能与后台所管理的数据相呼应：前台使用MVP框架进行数据展示，明确了的视图与模型的功能，提高了层与层的独立性；后台使用Android自带的SQLlite进行数据库管理，实现系统的稳定运行。软件前后台实现的主要功能如图5所示。

图5 系统功能分布图

3.2 人脸识别

人脸识别选用了百度AI开放平台提供的视觉技术。在线调用人脸检测的接口，当返回的人脸质量信息参数（人脸各部分的遮挡、光照、模糊、完整度、置信度等信息）大于80%时，检测图片中的人脸并标记出位置信息，通过与人脸库对比人脸的核心关键点信息及150个关键点信息返回人脸相似度得分，与预先设置的阈值进行比较采取相应动作。人脸对比的过程，使用Base64编码字节流在云端人脸库与客户端之间传输图像，当调用人脸检测接口时，会为每个人脸图像赋予一个FACE_TOKEN，将FACE_TOKEN参数作为人脸图片的唯一标识。

3.3 物联网技术

本系统中物联网技术的应用主要包括以下几部分：物联网终端数据采集、终端与服务器间的数据传输、服务器对数据的存储和处理及客户端的数据展示。

物联网终端的数据采集由外置图像传感器终端与其他传感器终端两部分完成。第一终端采用外置手机的图像传感器，包含视频图片等复杂数据，采用Android处理器执行对应处理，链路层和运输层采用WLAN下的UDP协议（大数据近距离）将数据传输给服务器；第二终端由MQ-2烟雾传感器、HC-SR501人体红外感应模块和光敏电阻5506等传感器采集相应数据，简单数据指令经STM32单片机执行，使用BT06蓝牙串口模块传输数据给服务器。服务器通过WLAN下的TCP协议与客户端实现可靠数据传输。用户端对物联网终端的反向指令控制使用同样的数据传输方式。

3.4 静态NAT技术

整个系统所包括的传感设备、处理器、服务器共处在一个局域网之中，内网间可直接使用通信。服务器在运行门禁系统程序后自动进行网络连接，通过将MAC地址（每一个设备的MAC地址都唯一）与内网IP地址绑定，将服务器配置静态IP地址作为服务器地址。服务器与客户机处于不同局域网中，使用静态NAT穿透技术将内网的IP和端口映射到外网，实现点对点的外网之间的通信。

3.5 MVP框架

MVP（model-view-presenter）框架模式基于MVC，与之相比具有更加细分的视图与模型功能。视图不直接与模型交互，而是通过与纽带层交互来实现与模型的间接交互，使视图更加专注于数据的可视化以及用户的交互，同时让模型只负责数据的处理。

主要结构如图6所示。数据访问层纵向分为四个模块：分别为账户信息访问、权限信息访问、日志访问和设备访问；横向分为三层（图中仅展示两层），分别为基类层、抽象类层和实现类层，其中基类定义了数据请求的公共方法，抽象层继承基类提供数据访问的抽象类，实现层继承并实现抽象层，完成各自模块数据请求与解析。

图6 Model层结构

该层是View和Model交互的桥梁，主要对从View层和Model层接收的数据进行处理，将处理后的数据发送或返回到Model层和View层。

该层结构如图7所示，主要进行界面的显示与事件的处理。

图7 View层结构

系统设计完成后经过一系列测试，在由2000张人脸图片组成的样本空间内进行了5次实验，本系统的平均人脸识别准确率达99.89%，误识率为0.11%，平均识别延时为1.17 ms；TCP数据报文（每次传输数据量为1024 b）传输基本稳定，有少量丢报情况，不影响系统正常使用；数据量大于10 Mb或传输数据频繁时，数据延时发送导致系统出现缓慢卡顿现象，平均卡顿延时为0.25 ms，详细数据见表1。

表1 EFIACS系统实验数据分析

4 结语

该方案基本实现一个小型的物联网门禁系统，但与实际物联网系统存在一定差异：本系统内的数据仅在一个单位的系统内流通，且系统可处理的数据量有限。同时，系统也具有一定的扩展性，如可使用手机自带的NFC感应器与指纹采集器等扩展系统的认证方式，识别方式的多元化组合有助于提高系统的安全性，系统会在此基础上进行进一步的改进。