本發(fā)明智能家居技術(shù)應(yīng)用領(lǐng)域，具體涉及一種智能家居系統(tǒng)。

背景技術(shù)：

相關(guān)技術(shù)中，當(dāng)住戶身處住宅內(nèi)的廚房、臥室、衛(wèi)生間、書(shū)房或者客廳等距離門廳較遠(yuǎn)的其他任何位置，有訪客到達(dá)門邊按門鈴時(shí)，容易出現(xiàn)不方便到門廳開(kāi)門的情況。如住戶正干別的事情如洗澡、烹飪等，難以離開(kāi)所在現(xiàn)場(chǎng)去給來(lái)客開(kāi)門；又如住戶居住在室內(nèi)面積大的別墅中，當(dāng)前所在位置離門邊較遠(yuǎn)時(shí)，離開(kāi)所在現(xiàn)場(chǎng)去開(kāi)門將耗費(fèi)時(shí)間；又或者住戶不在家時(shí)有熟悉的訪客或者陌生人到訪；以上情況均涉及住戶離門廳有一定距離并且不便到門廳對(duì)房門進(jìn)行控制的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明旨在提供一種智能家居系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種智能家居系統(tǒng)，用于根據(jù)門禁指令控制開(kāi)門的門禁控制器，多個(gè)分布在不同位置的家居設(shè)備，以及與所述門禁控制器、多個(gè)所述家居設(shè)備均建立通訊連接的管理中心；所述家居設(shè)備包括供訪客按壓并發(fā)出響聲的門鈴、用于接收用戶操作向所述門禁控制器發(fā)送門禁指令以控制開(kāi)門的指令接收器、用于進(jìn)行門禁監(jiān)控的攝像頭、用于接收并顯示攝像頭監(jiān)控的畫(huà)面的顯示屏。

本發(fā)明的有益效果為：通過(guò)在訪客按門鈴時(shí)將訪客信息實(shí)時(shí)顯示到當(dāng)前智能家居系統(tǒng)中正在使用的家居設(shè)備上，使用戶在當(dāng)前使用的家居設(shè)備上就能實(shí)時(shí)了解訪客信息，并能在家居設(shè)備上控制門禁，解決了住戶離門廳有一定距離并且不便到門廳對(duì)房門進(jìn)行控制的問(wèn)題；因而，方便用戶在家或不在家時(shí)，即使不在門廳也能快速地控制開(kāi)門，另一方面在陌生人來(lái)訪時(shí)，進(jìn)行相應(yīng)的門禁系統(tǒng)控制，提高了居家安全性。

附圖說(shuō)明

利用附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的結(jié)構(gòu)連接示意圖；

圖2是本發(fā)明的物品檢測(cè)器的結(jié)構(gòu)連接示意圖。

附圖標(biāo)記：

門禁控制器 1、管理中心 2、門鈴 3、指令接收器 4、攝像頭 5、顯示屏 6、物品檢測(cè)器 7、控制模塊 8、報(bào)警器 9、掃描模塊 11、圖像處理模塊 12、背景消減模塊 13、人體區(qū)域檢測(cè)模塊 14、隱匿物品檢測(cè)模塊 15。

具體實(shí)施方式

結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

參見(jiàn)圖1、圖2，本實(shí)施例的一種智能家居系統(tǒng)，用于根據(jù)門禁指令控制開(kāi)門的門禁控制器1，多個(gè)分布在不同位置的家居設(shè)備，以及與所述門禁控制器1、多個(gè)所述家居設(shè)備均建立通訊連接的管理中心2；所述家居設(shè)備包括供訪客按壓并發(fā)出響聲的門鈴3、用于接收用戶操作向所述門禁控制器1發(fā)送門禁指令以控制開(kāi)門的指令接收器4、用于進(jìn)行門禁監(jiān)控的攝像頭5、用于接收并顯示攝像頭5監(jiān)控的畫(huà)面的顯示屏6。

優(yōu)選的，所述門禁控制器1包括用于根據(jù)門禁指令做出開(kāi)門或不開(kāi)門指令的處理器，用于根據(jù)處理器的指令進(jìn)行開(kāi)關(guān)門動(dòng)作的閉鎖裝置，所述閉鎖裝置與門鎖相連。

優(yōu)選的，所述管理中心2包括用于激活所述家居設(shè)備的狀態(tài)的控制模塊8。

本發(fā)明上述實(shí)施例通過(guò)在訪客按門鈴3時(shí)將訪客信息實(shí)時(shí)顯示到當(dāng)前智能家居系統(tǒng)中正在使用的家居設(shè)備上，使用戶在當(dāng)前使用的家居設(shè)備上就能實(shí)時(shí)了解訪客信息，并能在家居設(shè)備上控制門禁，解決了住戶離門廳有一定距離并且不便到門廳對(duì)房門進(jìn)行控制的問(wèn)題；因而，方便用戶在家或不在家時(shí)，即使不在門廳也能快速地控制開(kāi)門，另一方面在陌生人來(lái)訪時(shí)，進(jìn)行相應(yīng)的門禁系統(tǒng)控制，提高了居家安全性。

優(yōu)選的，所述變電站安全門禁系統(tǒng)還包括用于檢測(cè)訪客身上隱匿物品的物品檢測(cè)器7，所述物品檢測(cè)器7連接管理中心2，所述管理中心2還包括用于在物品檢測(cè)器7檢測(cè)到訪客身上藏有危險(xiǎn)的隱匿物品時(shí)進(jìn)行報(bào)警的報(bào)警器9；所述物品檢測(cè)器7包括：

(1)掃描模塊11，用于對(duì)被檢人員進(jìn)行毫米波掃描獲得原始被動(dòng)毫米波圖像；

(2)圖像處理模塊12，用于對(duì)所述原始被動(dòng)毫米波圖像進(jìn)行處理獲得目標(biāo)圖像；

(3)人體區(qū)域檢測(cè)模塊14：基于所述目標(biāo)圖像，通過(guò)對(duì)人體是否存在的預(yù)判斷，進(jìn)行人體區(qū)域檢測(cè)，獲取人體區(qū)域；

(4)隱匿物品檢測(cè)模塊15：在所述人體區(qū)域內(nèi)，采用Canny邊緣算子和置信區(qū)間結(jié)合的混合分割的方法，對(duì)隱匿物品進(jìn)行檢測(cè)，并對(duì)檢測(cè)到的隱匿物品區(qū)域進(jìn)行標(biāo)記；

(5)隱匿物品識(shí)別模塊，用于對(duì)隱匿物品進(jìn)行識(shí)別。

本優(yōu)選實(shí)施例設(shè)計(jì)了物品檢測(cè)器7的模塊架構(gòu)，實(shí)現(xiàn)了物品檢測(cè)器7對(duì)隱匿物品的檢測(cè)。

優(yōu)選地，所述圖像處理模塊12包括：

(1)二值化單元，用于對(duì)所述原始被動(dòng)毫米波圖像進(jìn)行二值化獲得二值化圖像，包括：將所述原始被動(dòng)毫米波圖像進(jìn)行平滑區(qū)P₁、過(guò)渡區(qū)P₂和邊緣區(qū)P₃的區(qū)域劃分，其采用平方奇異值作為區(qū)域能量的衡量，并定義區(qū)域劃分公式為：

其中，v(i)為原始被動(dòng)毫米波圖像中像素點(diǎn)i處的觀測(cè)值，Q(i)為對(duì)應(yīng)原始被動(dòng)毫米波圖像中像素點(diǎn)i處的平方奇異值，為平方奇異值的均值；

對(duì)于平滑區(qū)P₁，設(shè)定閾值T₁，T₁為平滑區(qū)P₁所有像素灰度值的平均值，將平滑區(qū)P₁的每個(gè)像素灰度值與閾值T₁進(jìn)行比較，若大于T₁，則取值為255，否則取值為0；對(duì)于過(guò)渡區(qū)P₂和邊緣區(qū)P₃，過(guò)渡區(qū)P₂和邊緣區(qū)P₃中每個(gè)像素點(diǎn)i為中心的(2a+1)x(2a+1)窗口，a∈[1，3]，各像素點(diǎn)閾值T₂(i)定義為該像素窗口內(nèi)最大灰度值與最小灰度值和的一半，將過(guò)渡區(qū)P₂和邊緣區(qū)P₃的每個(gè)像素灰度值和相應(yīng)閾值T₂(i)比較，若大于T₂(i)，則取值為255，否則取值為0；

(2)預(yù)處理單元，用于對(duì)二值化圖像進(jìn)行穩(wěn)像以及去噪處理以獲得初步去噪圖像，包括：

a、圖像穩(wěn)像子單元，用于消除人在運(yùn)動(dòng)時(shí)造成的圖像抖動(dòng)，包括：

(1)對(duì)被檢對(duì)象進(jìn)行毫米波掃描時(shí)，選定第一幀圖像作為參考幀，將參考幀劃分為互不重疊三個(gè)區(qū)域1、2、3，K表示圖像寬度，G表示圖像高度，從圖像左上開(kāi)始按照順時(shí)針?lè)较蛞来螢閰^(qū)域1、2、3，區(qū)域1、2的大小為0.5K×0.5G，區(qū)域3的大小為K×0.5G；

(2)在下一幀掃描到的圖像中心位置選定區(qū)域A₀，A₀的大小選定為0.5K×0.5G，按照stepl的方法將A₀劃分為三個(gè)圖像子塊A₁、A₂、A₃，A₁和A₂用于估算垂直方向上的局部運(yùn)動(dòng)向量，A₃用于估算水平方向上的局部運(yùn)動(dòng)向量，令A(yù)₁、A₂、A₃分別在1、2、3三個(gè)區(qū)域內(nèi)搜尋最佳匹配，從而估計(jì)出圖像序列的全局運(yùn)動(dòng)矢量，然后進(jìn)行反向運(yùn)動(dòng)補(bǔ)償，消除圖像模糊；

b、分區(qū)去噪子單元，用于對(duì)平滑區(qū)P₁、過(guò)渡區(qū)P₂和邊緣區(qū)P₃分別進(jìn)行去噪處理，設(shè)平滑區(qū)P₁、過(guò)渡區(qū)P₂和邊緣區(qū)P₃的去噪估計(jì)分別為G₁(i)、G₂(i)和G₃(i)，各區(qū)域的去噪估計(jì)的計(jì)算公式分別為：

式中，N₁為平滑區(qū)的像素總數(shù)量，V(j)為平滑區(qū)P₁在點(diǎn)j處的灰度值，s₁v(i)為通過(guò)均值濾波器處理后提取出的像素點(diǎn)i處的平滑區(qū)均值，s₁v(j)為通過(guò)均值濾波器處理后提取出的像素點(diǎn)j處的平滑區(qū)均值；v(j)表示邊緣區(qū)P₃中所有的像素點(diǎn)，為歸一化常數(shù)，d為邊緣區(qū)P₃中像素點(diǎn)i和像素點(diǎn)j的環(huán)形特征向量的高斯加權(quán)歐氏距離，γ為高斯核函數(shù)的標(biāo)準(zhǔn)差，μ為邊緣區(qū)P₃中噪聲的標(biāo)準(zhǔn)差，且

c、再次去噪子單元，連接分區(qū)去噪子單元，用于采用基于分裂Bregman迭代的全變分去噪算法對(duì)由分區(qū)去噪子單元處理后的被動(dòng)毫米波圖像進(jìn)行進(jìn)一步去噪，從而進(jìn)一步去除被動(dòng)毫米波圖像中的高斯白噪聲。

本優(yōu)選實(shí)施例設(shè)置圖像穩(wěn)像子單元，能夠消除人在運(yùn)動(dòng)時(shí)造成的圖像抖動(dòng)；二值化單元中，采用全局閾值二值化和局部閾值二值化結(jié)合的方法，在保證速度的前提下取得了良好的效果；被動(dòng)毫米波圖像由少量近似分塊平滑的圖像塊組成，包含有大量的冗余信息，根據(jù)這一特點(diǎn)，設(shè)置預(yù)處理單元，采用奇異值分解將被動(dòng)毫米波圖像劃分為平滑區(qū)、過(guò)渡區(qū)和邊緣區(qū)，并根據(jù)這三類區(qū)域各自的特征設(shè)置分區(qū)去噪子單元，用于對(duì)平滑區(qū)、過(guò)渡區(qū)和邊緣區(qū)分別進(jìn)行去噪處理，與目前較為主流的集中圖像去噪算法相比，能夠獲得較高的BRISQUE，提高了計(jì)算的速度，且能夠明顯抑制掃描線噪聲以及高斯白噪聲的影響；采用再次去噪子單元，結(jié)合分區(qū)去噪子單元，進(jìn)一步去除被動(dòng)毫米波圖像中的高斯白噪聲，提高去噪效果。

優(yōu)選的，所述隱匿物品檢測(cè)模塊15在進(jìn)行混合分割時(shí)，選用合適的閾值T_y對(duì)所述目標(biāo)圖像進(jìn)行閾值處理，所述置信區(qū)間表示隱匿物品邊緣分布的灰度范圍，其中包含目標(biāo)圖像所有邊緣的全局置信區(qū)間為[int((V_l+V_h)/2)，V_h]，其中int()為取整算子，V_l為整個(gè)目標(biāo)圖像的邊緣點(diǎn)的最小灰度值的下界，V_h為整個(gè)目標(biāo)圖像的邊緣點(diǎn)的最大灰度值的上界；計(jì)算每一個(gè)隱匿物品的置信區(qū)間時(shí)，使用從V_l+1開(kāi)始逐點(diǎn)增加的閾值T_g對(duì)目標(biāo)圖像進(jìn)行分割，直至閾值T_g＝V_h-1時(shí)停止分割，當(dāng)前景中出現(xiàn)了一個(gè)新的獨(dú)立區(qū)域時(shí)，定義對(duì)應(yīng)位置有另一個(gè)隱匿物品，隱匿物品的置信區(qū)間定義為：P_z＝[(T_g+V_h)/2，V_h]，采用邊緣算子提取隱匿物品的置信區(qū)間中的邊緣曲線，定義邊緣曲線內(nèi)所包含的區(qū)域?yàn)镻_c，最終得到的隱匿物品的精確分割區(qū)域P_y為：

式中，為由較小的閾值T_y＝(T_g+V_h)/2對(duì)目標(biāo)圖像進(jìn)行分割得到的區(qū)域。

本優(yōu)選實(shí)施例采用Canny邊緣算子和置信區(qū)間結(jié)合的混合分割的方法實(shí)現(xiàn)了對(duì)隱匿物品的分割，提高了分割的速度和精度。

優(yōu)選地，所述人體區(qū)域檢測(cè)模塊14能夠?qū)θ梭w隱私部位進(jìn)行屏蔽，具體包括：

(1)通過(guò)臉部識(shí)別對(duì)人員的性別進(jìn)行判斷，根據(jù)性別不同確定不同的隱私部位，劃定隱私區(qū)域；

(2)對(duì)確定的隱私區(qū)域進(jìn)行模糊處理，圖像模糊采用如下方法：

對(duì)于隱私區(qū)域任一點(diǎn)(x，y)，采用函數(shù)確定(x，y)的5×5鄰域點(diǎn)的取值權(quán)重，對(duì)該點(diǎn)進(jìn)行鄰域加權(quán)平均，得到該點(diǎn)的模糊值，從而達(dá)到模糊效果。

本優(yōu)選實(shí)施例使得檢測(cè)更加人性化。

最后應(yīng)當(dāng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。