基于OneNET和ZigBee的智慧查寝系统

来源 :智能计算机与应用 | 被引量 : 0次 | 上传用户:mzh18277648
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为实现学生宿舍全面的智能查寝,本文基于ZigBee和AI人脸识别设计了学生宿舍智慧查寝方案.ZigBee技术基于相关传感器检测宿舍内部环境,然后通过ZigBee将数据上传至OneNET平台做进一步分析及显示.AI技术以多个摄像头实时拍摄人脸,检测进出的人员,确定该栋宿舍学生详细信息.最后,宿舍管理员通过管理平台实时查看宿舍情况.方案目前实现了各传感器在OneNET平台分类显示,以及能在平台随时查看各宿舍的传感器数据,同时还能得出夜间于宿舍就寝的学生数量、显示未就寝的学生个人详细信息.本文提出的智慧查寝系统,不仅能检查出学生酗酒、大功率禁用电器的使用等违规情况,而且能结合AI技术解决学生非本人就寝、夜不归宿等情况,查寝更全面、更精确、更智能.
其他文献
在三维激光SLAM中,激光里程计的求解精度对建图精度有着至关重要的作用.为定量分析前端激光里程计中点云匹配方法的效率和精度,本文根据2种不同的点云匹配方法:迭代最近点ICP,正态分布变换NDT,搭建了前端激光里程计,并分别在KITTI数据集上进行了仿真实验,得出了绝对位姿误差和相对位姿误差,结果表明NDT算法精度和鲁棒性均高于ICP算法,且NDT算法适用于粗匹配,ICP算法适用于精匹配.
软件缺陷预测技术可以识别出软件存在缺陷的模块,提高软件的质量和安全性能,降低开发成本.针对不同模型预测结果差异性较大的问题,本文对结构复杂和缺乏历史数据的静态软件缺陷模块采用了基于极度随机树的软件缺陷预测方法进行研究,使用合成少数类过采样技术对原始数据集进行基本处理;用5种单分类器模型对软件缺陷数据集分别进行预测;最后,基于极度随机树集成各弱分类器,利用集成分类器对软件缺陷模块进行预测.在NASA MDP基础数据集上进行验证实验表明,将极度随机树方法应用于软件缺陷预测,具有良好的缺陷预测性能.