基于Matlab特征點(diǎn)矩陣識別的智能節(jié)時電梯控制器研究

楊佳起，張祖銘

（海口經(jīng)濟(jì)學(xué)院網(wǎng)絡(luò)學(xué)院，海南 海口 570100）

經(jīng)濟(jì)的快速發(fā)展使得人們的生活變得更加緊張，每天都在和時間賽跑，節(jié)省時間是大多數(shù)人的真實(shí)所需。在城市樓房中，電梯是每個人出行的第一個交通載體，電梯的快速高效運(yùn)行很大程度上會影響一個人一天的心情。日常生活中，我們往往會遇到這種情況，在等電梯時，上方有樓層停靠，而電梯到達(dá)我們的樓層時卻發(fā)現(xiàn)里面沒有人，這很可能是上面的人在按完電梯后，因?yàn)橐恍┦虑椴蛔娞荩请娞輩s還在那個樓層停靠，造成了時間浪費(fèi)。遇到這種情況時，很容易就會給我們心情平添幾分焦慮。為此，我們將通過相關(guān)研究，著手解決該問題。

1 基于熱釋電的智能節(jié)時電梯控制器

該控制器的原理是，通過紅外探測裝置對電梯外的人或物進(jìn)行紅外掃描，識別即將停靠樓層是否真有人或物需要搭載。紅外掃描信息會反饋給電梯，電梯根據(jù)數(shù)據(jù)進(jìn)行判斷該層是否需要停靠，如果紅外裝置發(fā)現(xiàn)有人員在檢測區(qū)域，同時這個人也按下了電梯停靠按鈕，這時電梯會在該樓層停靠，電梯停靠必須通過紅外檢測和電梯按鈕來實(shí)現(xiàn)，這樣的做法可以為真正需要乘坐電梯的人節(jié)省很多時間。

但這種方法在實(shí)際應(yīng)用中會有一些特殊情況，例如，人物甲在按下電梯上行鍵，同時也在檢測區(qū)內(nèi)，電梯經(jīng)過信息處理，會在上行的過程中停靠，可是當(dāng)人物甲突然有一些情況，選擇不乘坐電梯，而此時想乘坐電梯下行的人物乙剛好或已經(jīng)站在紅外檢測區(qū)，電梯所接受到的指示是當(dāng)初甲所命令的，實(shí)際卻是，電梯上行停靠該樓層由于人物甲不在，人物乙希望下行，這也會導(dǎo)致時間白白地浪費(fèi)。

2 基于微波感應(yīng)的智能節(jié)時電梯控制器

這種控制器是根據(jù)多普勒效應(yīng)，通過向檢測區(qū)域釋放高頻微波信號，對檢測區(qū)域內(nèi)的移動物體進(jìn)行感知。這種控制器可以根據(jù)收集的數(shù)據(jù)判斷等電梯的人是否有離開傾向。如果信號的結(jié)果判斷該區(qū)域有人要乘坐電梯，電梯會停靠，電梯處于正常運(yùn)行模式。如果該區(qū)域人員離開，收集的信號會反饋給電梯，電梯則不在該層停靠，繼續(xù)運(yùn)行到下一個需要停靠的位置。

此方法的優(yōu)點(diǎn)是可以實(shí)現(xiàn)實(shí)時監(jiān)測，可監(jiān)測區(qū)域范圍廣，但其弊端是存在一定盲區(qū)，對信號釋放和接受的正前方無法監(jiān)測，同時它也只能監(jiān)測動態(tài)物體，對靜止的人無法探測。

3 基于Matlab 特征點(diǎn)矩陣識別的智能節(jié)時電梯控制器

該種探測器是基于圖像的灰度信息，它將接收到的信號進(jìn)行傅里葉變換、小波變換、位數(shù)抽取等進(jìn)行處理，在圖像的灰度信息中建立起特征向量，接著對特征向量進(jìn)行分析，進(jìn)而得到相關(guān)結(jié)論。

單憑簡單的圖像識別，這種方法也存在一定缺陷，這種方法需要一定的光線條件。因此，本文將進(jìn)一步優(yōu)化該方法，通過多個可靠特征點(diǎn)進(jìn)行視識別處理，如選取雙眼的內(nèi)外眼點(diǎn)、鼻末端中點(diǎn)，左右嘴角這七個特征點(diǎn)，對兩張人像圖片進(jìn)行對比處理。

Matlab 在圖像處理時主要以二值化、直方圖均衡化、中值濾波為基礎(chǔ)。其并不能直接對人物和背景進(jìn)行識別，因此，本文將二值化引入該識別中，可通過二值化算法對人和背景進(jìn)行識別，經(jīng)處理后的圖像分為兩色圖片,如圖1 所示，緊接著對這兩色圖片進(jìn)行中值濾波處理，將圖像信息體現(xiàn)更加明顯。最后，通過直方圖均衡化將圖片變成系統(tǒng)可識別、可處理的新圖像。

圖1 二值化圖片

圖2 平均臉圖片

前期所做的各種圖像處理都是為人臉識別PAC 算法做基礎(chǔ)，該算法是一種降維算法，它會將所收集到的圖片進(jìn)行行列變換，形成一個N 行M 列的矩陣，緊接著將此矩陣都轉(zhuǎn)化為一列，添加50 張圖片進(jìn)行第二步處理，將50 張圖片進(jìn)行二次變換，得到每列為N*M 個，共50 列的新矩陣，系統(tǒng)會對該矩陣進(jìn)行向量平均值計算，數(shù)據(jù)會展現(xiàn)在N×M行，一列的矩陣中，以向量的形式輸出，生成平均臉，如圖2 所示。接著系統(tǒng)會對這組數(shù)據(jù)進(jìn)行處理，它包含了50個樣本的信息，將處理后的信息與檢測的信息進(jìn)行對照，利用方差貢獻(xiàn)率計算其特征值，進(jìn)而得到7 個特征點(diǎn)矩陣，對每個特征點(diǎn)矩陣設(shè)置標(biāo)準(zhǔn)系數(shù)，取值為0.03，這樣就可以實(shí)現(xiàn)人臉識別。

4 結(jié)語

此種方法的應(yīng)用，可以對電梯停留問題進(jìn)行最大化的改善，通過人臉識別得到準(zhǔn)確的數(shù)據(jù)，為人們的出行節(jié)省時間，具有廣闊的應(yīng)用空間。