基于邊緣機器學習與云平臺的壓感地板室內檢測系統設計

曹栢熙，施景瀚，趙東陽，許浩天，蔡文郁

（杭州電子科技大學 電子信息學院，浙江杭州，310018）

0 引言

智能家居發展進程中，單品智能向場景智能再向全屋智能的過渡升級已經成為了產業共識[1]，各種家居設備的互聯互通是發展必然趨勢，作為能夠覆蓋全屋的地板也應具有更加智能化的功能。地板作為承載結構，能直接采集到屋內的壓力數據，通過處理分析可以起到識別用戶姿勢及狀態的功能，并智能控制屋內其他家居設備，以完善全屋智能體系。與基于圖像識別處理的方案[2]相比，通過地板壓力數據識別的方案具有一定的潛在優勢，如：能夠提供全屋的完整覆蓋；減少了用戶之間互相遮擋造成的干擾的可能性；減少侵犯用戶隱私，容易被用戶接受等。

目前對大面積智能壓感地板的研究較少，Alan Br?nzel等[3]研發的GravitySpace 智能地板系統可以跟蹤和識別用戶的軌跡，其團隊使用了FTIR 攝像頭感知壓力，并使用GPU 進行SIFT 運算和壓力數據集群分類，該系統智能化程度高，但系統復雜，成本高昂且后期難以維護。張杰團隊[4]研發的多功能地板使用了壓力傳感器感知地板表面的壓力，與其他智能傳感器以及無線通信相結合，實現室內近距離定位監測功能。該系統將室內地板串聯成有機整體，但功能性與智能化程度有待提升。

針對上述情況與問題，本文設計了一種壓感地板智能室內檢測系統，使用地板下的壓力傳感器[5～6]構成陣列采集全屋壓力數據，配合部署了邊緣機器學習識別算法模型[7]的MCU，在設備側實現用戶狀態識別并智能控制其他家居設備，并通過MQTT 協議將結果與數據上傳至云平臺[8]實現云端數據的可視化。……