基于嵌入式食品仓库监控识别系统的研究

摘要

随着物联网技术和嵌入式技术的发展，智能仓库系统、智能家居系统不断被研究和投入使用。欧美一些发达国家已经开发出比较成熟的基于物联网的智能家居和智能仓库系统，国内也在近几年对这方面进行了大量研究，并且取得了不错的成果。本文研究的是食品仓库监控识别系统，它涉及到许多学科，包括计算机技术、图像处理技术、网络通信技术、电子电路技术等。
　　本文中食品仓库监控识别系统总体分为客户端与服务器端，客户端运行在PC机上，服务器端运行在ARM A9目标板上，它们之间通过TCP/IP协议进行通信。服务器端分为四个进程，分别是图像采集进程、M0环境信息采集与控制进程、GSM短信报警进程与Qt通信进程;客户端主要作为监控和识别。
　　Linux系统下摄像头新版本内核驱动是基于Video4Linux2,目标板通过USB摄像头把采集过来的图像发送给PC机，这些图像是后续进行人脸检测和人脸识别的数据来源。客户端采用Qt设计系统的登录界面和显示界面，在显示界面中就包括人脸检测和人脸识别部分。本文人脸检测和人脸识别是在OpenCV视觉库基础上开发与实现，人脸检测采用的是AdaBoost算法与Haar矩形特征相结合的方法，两者结合后大大提升了检测速度和检测准确率。人脸识别采用PCA-LDA算法，单独的LDA算法会出现“小样本”问题，PCA在降维和特征提取方面有非常好的效果，但因为不具有监督学习，因此不能够很好的进行分类，PCA-LDA算法能够比较好的解决上述两种算法不足。M0采集仓库环境信息，然后采用低功耗、近距离传输的Zigbee无线技术传给目标板，目标板也可以传输它们之间协商的命令控制M0模块，使M0做出相应的操作。GSM模块采用GPRS网络进行远距离无线通信，它能够发送短信给系统设置好的手机号码进行报警，GPRS和Zigbee远近无线技术相结合，提高了系统整体的可靠性能。
　　论文完成了嵌入式系统设计，包括硬件设备的搭建、软件系统的设计、Linux系统移植、JPEG库和SqLit数据库移植。
　　实验测试结果表明，基于ARM A9目标板的监控识别系统，能够实时监控整个食品仓库，在背景变化不大，光照均匀的情况下，人脸检测和人脸识别的准确率都比较高。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和意义

1．2 智能仓库系统发展历程和研究现状

1．3 人脸识别技术发展历程和研究现状

1．4 本论文的研究内容

第2章 监控识别系统总体设计方案

2．1 食品仓库监控识别系统需求分析

2．2 食品仓库监控识别系统总体架构

2．3 系统性能指标

2．4 系统主要功能

2．5 系统设计方案

2．5．1 系统硬件设计方案

2．5．2 系统软件设计方案

2．6 系统可行性分析

2．7 本章小结

第3章 人脸检测和识别

3．1 图像预处理

3．1．1 图像归一化处理

3．1．2 图像类型转化

3．1．3 图像滤波

3．1．4 直方图均衡化

3．2 人脸检测技术

3．2．1 常见的人脸检测方法

3．2．2 基于AdaBoost方法的人脸检测

3．2．3 AdaBoost算法

3．2．4 级联分类器

3．3 PCA-LDA人脸识别算法

3．3．1 主成分分析法(PCA)

3．3．2 线性判别分析法(LDA)

3．3．3 PCA-LDA融合算法

3．4 本章小结

第4章 硬件平台的搭建

4．1 系统主处理器

4．2 系统外围主要电路与设备

4．3 本章小结

第5章 系统软件的设计

5．1 系统软件开发环境的搭建

5．1．1 交叉编译环境的搭建

5．1．2 Qt Creator的安装和OpenCV的配置

5．2 嵌入式Linux系统的编译与移植

5．2．1 BootLoader的选择

5．2．2 Linux内核的配置和编译

5．2．3 根文件系统的移植

5．3 基于V4L2的视频采集

5．3．1 V4L2数据结构

5．3．2 USB摄像头视频采集

5．3．3 对采集的图像进行格式转换

5．4 M0模块和GSM模块

5．5 Qt客户端

5．6 服务器端框架

5．6．1 摄像头图像采集进程

5．6．2 M0进程和GSM进程

5．6．3 Qt通信进程

5．7 本章小结

第6章 系统的测试结果与分析

6．1 环境信息监控

6．2 人脸检测结果与分析

6．3 人脸识别结果与分析

6．4 本章小结

总结与展望

致谢

参考文献

附录

攻读硕士学位期间发表的论文