教室人数监测系统设计

 2022-01-17 11:01

论文总字数:25075字

目 录

1 引言 1

1.1 研究背景与研究意义 1

1.2 人数检测方法的国内外研究概况 1

1.2.1 基于人头颜色特征的人数统计 1

1.2.2 基于外形轮廓特征的人数统计 2

1.2.3 基于区域估计的人数统计 2

1.2.4 基于模型学习的人数统计 2

1.2.5 基于硬件传感器的人数统计 3

1.3 本文的主要工作 3

2 设计方案论证分析 3

2.1系统目标实现 3

2.2 人数检测方案比较与选择 4

3 人数检测系统硬件设计 5

3.1 系统整体设计 5

3.2 微控制器的选择 6

3.2.1 单片机的选型分析 6

3.2.2 单片机的可开发性 6

3.2.3 STC89C52简介 6

3.2.4 单片机最小系统 6

3.3 检测原理 7

3.3.1 光电开关的工作原理 7

3.3.2 基于E18-D80NK检测电路设计 8

3.3.3 传感器的放置 9

3.3.4 人数检测原理 10

3.4 DS1302实时时钟模块电路设计 11

3.5掉电保护模块电路设计 11

3.6 LCD显示电路设计 12

3.7 按键电路设计 13

3.8 串口通信模块电路设计 14

4 下位机系统软件设计 15

4.1主程序设计 15

4.2 初始化子程序 15

4.3 外部中断INT0子程序 16

4.4 外部中断INT1子程序 17

4.5 AT24C02读写子程序 17

4.6 LCD显示程序 18

4.7 按键扫描子程序 19

5 上位机软件设计 20

5.1 Qt与Qt Creator简介 20

5.2 上位机界面设计 20

5.3 上位机开发过程 21

5.4 上位机通信测试 22

6 系统仿真效果与实物调试结果 23

6.1 系统仿真效果 23

6.2 硬件和软件调试 26

6.3最终实物调试结果 26

7 系统改进 32

8 结束语 33

参考文献 33

致 谢 35

附录 36

教室人数监测系统设计

顾跃

, China

Abstract: The software and hardware design based on single chip is presented in detail. The system is composed of the upper monitor and lower computer. The photoelectric senor is utilized as detecting element and STC89C52 microcomputer is adopted as control core in the lower computer. The number of students in the classroom is displayed by LCD1602. The classroom name can be set by push-buttons. Data is sent to the host through the serial port of SCM. The visual interface is built on the upper monitor by qt creator, which can receive data and import them into EXCEL. It is convenient for management. In addition, the updated threshold can be set and the number of people can be cleared in the upper monitor. The system has the advantages of simple structure, stable operation and low cost, and it is suitable for using in colleges and universities.

Key words:the number of students in the classroom; photoelectric senor; single chip microcomputer; serial communication; upper monitor

1 引言

本文主要介绍教室人数检测技术的研究背景和意义,对比分析国内外检测技术现状,提出一些人数检测方案,最终确定基于单片机和光电开关结合的人数统计方法,将下位机和上位机结合实现了教室人数监测系统的设计。此系统可以高效地帮助老师掌握课堂上学生的出勤率,在出勤率不达标时采取措施进行管理,也可以提供各教室的上座率,为上自习的学生节省了宝贵的时间。

1.1 研究背景与研究意义

近百年来,教育已成为发展的一个基础。无论在什么年代,在什么社会,教育是至关重要,不能被忽视的,社会现代化更需要培养大学生的创造潜力与发展能力,所以大学生的教育就显得至关重要。然而大学生学习成绩与其能否充分地利用在学校里的学习时间有关。目前各高校图书馆位置有限,教室上课或者开会的不定期变动,使自习教室的使用情况变得普遍紧张,大学生就会面临查找空自习教室不便的许多烦恼。一方面由于学生无法得知各教室的使用情况,只能往返于各个楼层之间逐个教室查看,这种做法极大地浪费精力和时间,结果可能无功而返;另一方面大学生都是自主选择自习教室学习,没有统一性,容易造成各个教室里的学生人数分布不均匀,导致教室使用率降低等情况发生。所以开发一个智能的教室占用率统计系统,以解决学生查询空自习教室问题具有极大的价值,意义非凡。而教室人数监测技术这是此系统的基础,本文以此作为研究内容。

1.2 人数检测方法的国内外研究概况

就目前国内外研究现状来说,人数统计的方法有两个趋势:一是基于图像处理的人数检测,二是基于硬件和传感器的人数检测。

基于图像处理的人数统计方法主要是以形态学、模糊数学、神经网络、生物学等学科为基础,并结合计算机图像学、视频处理技术展开。基于视频和图像处理的人数统计原理主要分为以下几类:一是基于人头颜色特征的人数检测[1],二是基于外形轮廓特征的人数检测[2],三是基于图像区域估计的人数检测[3],四是基于模型学习的人数检测[4]。而基于硬件和传感器的人数检测方法主要是利用光传感器或者压力传感器判断人员进出情况,实现人数统计。

1.2.1 基于人头颜色特征的人数统计

基于人头颜色特征的人数统计主要是提取发色或者肤色等颜色特征的图像区域,并与检测场景颜色区域作比较来辨别是否是人,从而实现人数统计。王强等人[5]首先利用发色或者肤色在HSV颜色空间对图像进行二值化处理,减轻光照不均匀和阴影产生的副作用,再依据人头的轮廓外形对其追踪处理,利用追踪信息结合算法估计视频图像中的人数。这样就解决了人数检测过程中光线干扰和人员之间互相遮挡计数不准确的问题。此方案将头发的颜色和人头的形状特征相结合,对人数统计发展是一种突破。Chen等[6]首先选取HIS颜色空间的颜色信息标记待检测的运动目标,然后根据匹配的颜色信息跟踪和统计运动目标,完成人数统计。此方法基于颜色信息来跟踪标记人员目标实现人数统计,同样也解决了人数计数过程中出现的遮挡问题。然而不足的是,标记目标矢量的颜色需和背景颜色差别相对较大,即不能解决相似颜色的目标遮挡问题。在实际应用中,人体肤色信息受天气情况、光线影响较大,也给目标跟踪造成干扰,从而可能导致误检。

1.2.2 基于外形轮廓特征的人数统计

基于外形轮廓特征的人数统计主要是根据人员的外形特征来确定目标,完成人数统计。其中人员特征主要包括人头外形特点、躯干特征等。张继法等[7]设计了一种建立双椭圆模型分析并统计人头个数,从而完成人数统计。他首先提取人在视频中的运动区域,并将获得的运动目标的外形轮廓拟合成椭圆,再检测在轮廓椭圆内是否能拟合头部椭圆,如果能拟合就辨别目标是一个人。此方法可以解决背景相对复杂的情况和人群部分遮挡问题,比人头颜色统计方法更为先进。杨召雪等[8]在视频中提取头部区域,并将区域面积与拍摄俯视图设置的圆形相似程度来判定是否有人通过。此方法要求摄像机处在避免检测遮挡的位置上,行人只能在摄像机下方行走并且不能戴帽子以及其他影响头部轮廓特殊发型等情况存在。常庆龙等[9]为了实现模糊背景下高效地检测人员目标,首先通过特定算法设定自动人员检测窗口,然后通过算法对视频图像二值化处理,最后在处理的图像里提取出行人的轮廓信息并通过外形条件判定行人,从而完成人数检测。赵军伟等[10]首先通过算法对图像除燥,然后利用边缘检测提取人头外形轮廓区域,最后根据人头外形轮廓信息判定是否为人头。

1.2.3 基于区域估计的人数统计

基于区域估计的人数统计主要是根据摄像机等设备拍摄目标不同角度的区域特征,并对不同角度拍摄画面进行图像分割处理的多种人数估算综合分析方法。胡学敏等人[11]考虑摄像机拍摄角度和放置高度不同,所拍摄的人体头部以及躯干成像面积不同,可以将加权面积作为人数检测的依据。最后通过AdaBoost分类器对人员密度进行了分级并根据级别类型统计相应区域的人数。李虎等人[12]通过PCA方法提取图像信息,然后建立多元线性回归模型获取特征量与人员密度的函数关系,统计出人群密度。此外一些常用的基于区域估计的人数统计方法是提取运动目标的投影信息并对有效区域划分实现人数统计。这些人数统计方法检测效果不佳,往往存在着以下几个问题:一是不同区域检测人数不同,误差较大;二是不能检测和分离重叠遮挡的目标;三是人体动作变换会对图像分割以及人数统计造成较大影响。所以此类人数统计方法不能应用于人数密集的场所,不然会造成人数误测。

1.2.4 基于模型学习的人数统计

基于模型学习的人数统计主要是先建立模型,利用模型学习人体特征并用于检测,最后统计出人数。文佳俊等[13]主要依据人头特征进行人数统计,首先建立人头模型学习大量人头特征数据,然后根据人头检测的分类器对图像中的人头进行检测,实现人数计数。钱鹤庆等人[14]通过人脸的相关信息并结合算法识别人脸,并依据人脸在视频中的方位以及面积完成教室人数检测。吴冰等人[15]改进了算法解决了对人脸侧部的识别问题,从而实现公共场合人流量的统计。Qin等人[16]利用ALBP提取目标特征,并使用SVR进行检测,依据检测结果来实现人数计数。Chan等人[17]和Lee等人[18]在原模型的基础上加入了CSV深度估计,完成人数计数。基于模型学习的人数统计方法是以很多的学习数据为前提,学习数据的选择对人员检测的准确性有着重大影响,选择的学习数据越有代表性,则模型可靠性越强,人数统计越精确。

1.2.5 基于硬件传感器的人数统计

剩余内容已隐藏,请支付后下载全文,论文总字数:25075字

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;