一种智能家居系统的制作方法

本发明涉及智能家居
技术领域：
，具体涉及一种智能家居系统。
背景技术：
：人们最惬意的生活都是在家中度过的，如何提供给人们安全、舒适的家居生活，成了人们迫切解决的问题。要实现家居环境安全监控，离不开图像处理。图像处理一般都是以像素点作为处理的基本单位，一幅128×128的图像，其像素点的个数就达到16384个，这个数值是非常庞大的，这就导致算法时间复杂度非常高。如果将某些满足特定条件的像素点构成一个集合，以这些集合作为处理的基本单位，那么算法所需要的时间将大大缩短。超像素生成就是能够将像素聚集成集合的有效途径。图像超像素是将具有相似属性的像素点聚集成一个区域，代替像素对图像进行表示，图像超像素生成的过程即是依照灰度、纹理、颜色以及形状等特征信息，将相邻的像素点组合在一起，构成一个区域，使得区域内部像素点特征具有一致性，任何两个不同的区域内所包含的像素点具备明显的差异性。技术实现要素：针对上述问题，本发明旨在提供一种智能家居系统。本发明的目的采用以下技术方案来实现：提供了一种智能家居系统，包括防盗门子系统、智能窗户子系统和终端设备，所述防盗门子系统和智能窗户子系统与终端设备无线连接，所述防盗门子系统用于监控门外的景象，并将门外的景象发送至终端设备，所述智能窗户子系统用于检测窗户的开合状态，并将开合状态发送至终端设备，所述终端设备用于接收所述门外的景象和窗户开合状态，所述防盗门子系统包括门体和监控摄像装置，所述监控摄像装置安装于门体上，所述监控摄像装置包括图像采集装置和图像处理装置，所述图像采集装置用于采集门外的图像，所述图像处理装置基于超像素对门外的景象进行识别。本发明的有益效果为：提供了一种智能家居系统，实现了门外景象和窗户开合状态的远程监控。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：防盗门子系统1、智能窗户子系统2、终端设备3。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智能家居系统，包括防盗门子系统1、智能窗户子系统2和终端设备3，所述防盗门子系统1和智能窗户子系统2与终端设备3无线连接，所述防盗门子系统1用于监控门外的景象，并将门外的景象发送至终端设备3，所述智能窗户子系统2用于检测窗户的开合状态，并将开合状态发送至终端设备3，所述终端设备3用于接收所述门外的景象和窗户开合状态，所述防盗门子系统1包括门体和监控摄像装置，所述监控摄像装置安装于门体上，所述监控摄像装置包括图像采集装置和图像处理装置，所述图像采集装置用于采集门外的图像，所述图像处理装置基于超像素对门外的景象进行识别。本实施例提供了一种智能家居系统，实现了门外景象和窗户开合状态的远程监控。优选的，所述图像处理装置包括一次处理单元、二次处理单元、三次处理单元和四次处理单元，所述一次处理单元用于建立超像素模型，所述二次处理单元用于根据超像素模型生成图像超像素，所述三次处理单元基于超像素图像对门外的景象进行识别，所述四次处理单元用于对所述图像超像素生成结果进行评价。所述一次处理单元用于建立超像素模型：设输入图像为rl，其包含的像素个数为n，对图像进行过分割，得到超像素模型，将其超像素模型表示为：上述式子中，rlj和rli分别表示第j个和第i个超像素，k表示超像素的个数。本优选实施例一次处理单元通过建立超像素模型，减少了图像表示的数量级，进而降低了后续图像处理算法的复杂度，为图像处理算法的实时性提供了可能。优选的，所述二次处理单元用于根据超像素模型生成图像超像素：第一步、给定一幅输入图像，首先放置k个种子像素点，对应k个超像素，对于一个像素点x，计算它到第i个超像素的种子点的第一距离，其中，i＝1,2,…,k，选取距离最小的超像素，将像素点x标记为属于该超像素，对输入图像中的全部像素点进行标记，得到了输入图像的初始超像素分割；第二步、得到初始超像素分割后，对超像素的种子点进行更新，将初始超像素内的所有像素点的几何中心作为新的种子点，对于一个像素点x，计算它到第i个超像素的种子点的第二距离，其中，i＝1,2,…,k，选取距离最小的超像素，将像素点x标记为属于该超像素，对图像中的全部像素点进行标记，得到了图像的更新超像素分割；第三步、重复第二步，直到新旧的种子点位置变化小于设定阈值，将生成的超像素作为图像最终的超像素分割。所述第一距离采用下式确定：eu1(x,i)＝be(x,i)+cf(x,i)，上述式子中，eu1(x,i)表示像素点x和第i个超像素的种子点的第一距离，be(x,i)表示第一距离影响因子，用于表示超像素内部像素点颜色的一致性，cf(x,i)表示第二距离影响因子，用于表示超像素内部像素的紧凑程度；所述第二距离采用下式确定：eu2(x,i)＝ρ1×be(x,i)+ρ2×cf(x,i)，上述式子中，eu2(x,i)表示像素点x和第i个超像素的种子点的第二距离，ρ1、ρ2表示权重系数，其中，所述第一距离影响因子采用下式确定：上述式子中，lx、ax、bx分别表示像素点x在cielab颜色空间的l、a、b分量，li、ai、bi分别表示第i个超像素的种子点在cielab颜色空间的l、a、b分量，μ表示所有超像素种子点颜色方差的平均值；所述第二距离影响因子采用下式确定：上述式子中，px、qx分别表示像素点x在x-y坐标系中的横、纵坐标值，pi、qi分别表示第i个超像素的种子点在x-y坐标系中的横、纵坐标值；本优选实施例在超像素生成过程中，同时考虑了超像素内部一致性和超像素间的紧凑性，获得了既能较好保持内部一致性又具有高紧凑性的超像素，针对图像内容分布的不均匀性，在超像素数目一定的情况下，本发明通过确定权重系数，使得平坦区域可以采用少量尺寸较大的超像素表示，而细节丰富的区域采用数量相对较多、尺寸较小的超像素进行表示，从而图像就能获得更准确的表达，保持更多的图像信息。优选的，所述四次处理单元用于对所述图像超像素生成结果进行评价：定义分割评价因子：上述式子中，u1表示图像标准分割边界的像素落入超像素边界周围1个像素宽度区域内的比例，k表示超像素的个数，mi表示第i个超像素的面积，li表示第i个超像素的周长，hx表示分割评价因子；所述分割评价因子越大，表示生成的超像素越能准确表达图像信息；本优选实施例四次处理单元综合考虑了生成的超像素对图像的边界保持效果和生成的超像素的紧凑性，为后期将超像素作为图像处理基本单位奠定了基础。采用本发明智能家居系统，选取5个家庭进行实验，分别为家庭1、家庭2、家庭3、家庭4、家庭5，对家居环境安全性和用户满意度进行统计，同现有智能家居系统相比，产生的有益效果如下表所示：家居环境安全性提高用户满意度家庭129％27％家庭227％26％家庭326％26％家庭425％24％家庭524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术家庭应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12