<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁 > 業(yè)界動態(tài) > 基于Adaboost人臉識別的汽車充電樁控制裝置及其控制方法的研究

          基于Adaboost人臉識別的汽車充電樁控制裝置及其控制方法的研究

          作者:申志成,張擁軍,尹 琪 (國網(wǎng)浙江省電力有限公司嘉興供電公司,浙江 嘉興 314000) 時間:2021-05-25 來源:電子產(chǎn)品世界 收藏
          編者按:電動汽車的逐漸普及以及用戶體驗要求不斷提高,傳統(tǒng)的充電樁控制模式已經(jīng)亟待改善。Adaboost迭代算法利用矩陣特征實現(xiàn)人臉識別,全面革新電動汽車充電樁控制方式與方法,實現(xiàn)精準識別、快速響應(yīng)、無接觸交互,避免IC遺落或損壞導(dǎo)致的各種負面影響,增強電動車用戶的用戶黏性。


          本文引用地址:http://www.ex-cimer.com/article/202105/425855.htm

          0   引言

          隨著新能源汽車的不斷發(fā)展,電動汽車覆蓋率也逐年提升,充電式電動車成為目前電動車發(fā)展的主要方向,特斯拉下沉式銷售與比亞迪、蔚來等國產(chǎn)電動車在市場中不斷角逐。而與電動汽車配合使用的也已經(jīng)被廣泛應(yīng)用于住宅區(qū)、高速公路服務(wù)區(qū)等場所。

          但是傳統(tǒng)的的用戶識別模式為集成RDIF 芯片,與IC 卡配合使用。傳統(tǒng)IC 卡采用硅片存儲信息,與傳統(tǒng)標識卡(磁條卡,條碼)相比,具有非接觸性、技術(shù)成熟等特點。

          IC 卡作為身份識別秘鑰,主要用于配合識別身份。用戶需要充電時,將IC 卡放置在IC 卡識別區(qū),充電樁內(nèi)置電路識別身份無誤后核對信息,確認信息無誤后觸發(fā)充電電路開始充電?;ヂ?lián)網(wǎng)技術(shù)的不斷發(fā)展,用戶體驗要求的不斷提升,已經(jīng)無法滿足潮流發(fā)展的要求。

          作者簡介:申志成(1989一),男,碩士,工程師,從事電力一線生產(chǎn)工作。

          1   技術(shù)分析

          1.1 傳統(tǒng)問題分析

          目前IC 卡存在以下問題:

          1)IC 卡作為小件實體容易遺失,遺失補辦手續(xù)多有不便;

          2) 部分IC 卡只預(yù)置信息而沒有身份識別區(qū),意味著卡片一旦遺失就不能再確認剩余額度;

          3)IC 卡基于電磁感應(yīng)原理需要遠離手機等帶磁物體,防止因消磁而失效;

          4)IC 卡因板材結(jié)構(gòu)不能接觸高溫環(huán)境,并且不能彎折,容易老化且表面絲印磨損;

          5)IC 還存在信息容易被惡意破解、復(fù)制、修改等安全隱患,不再適用于具有較高安全要求的充電樁控制領(lǐng)域。

          另外,IC 卡的損壞、丟失等情況而發(fā)生將造成電動車無法充電,這就會降低用戶黏性,造成用戶的使用體驗變得非常糟糕,為電動車的廣泛普及造成損害。

          1.2 控制裝置功能設(shè)計

          采用技術(shù)為支撐,代替?zhèn)鹘y(tǒng)的IC 卡信息,進一步提升信息安全性與用戶無接觸式體驗,杜絕由于卡丟失或損壞造成的用戶無法充電的問題。

          控制裝置方面將裝置分模塊設(shè)計,包括采集、控制、通訊、比對四大模塊。采集模塊以人臉圖像信息為基礎(chǔ),采用高精度攝像機,收集用戶信息。采集完成后,將有效信息傳給控制模塊??刂颇K對圖像進行預(yù)處理及標準化,通過相關(guān)人臉圖像識別算法對圖像進行特征識別及提取,然后將識別出來的特征信息輸出到服務(wù)器端。

          服務(wù)器端將上傳來的特征信息與預(yù)置的特征信息進行對比。最后,服務(wù)器端將對比結(jié)果回傳給充電樁,然后由充電樁來控制是否對用戶進行充電。

          人臉圖像識別算法主要通過設(shè)置一定分辨率的檢測器,然后通過積分法將圖像信息轉(zhuǎn)化為檢測器各分辨率內(nèi)的特征信息,篩選錯誤率少的特征信息,最后轉(zhuǎn)化為一般性的特征。

          1.3 算法

          算法是一種分類器算法,其原理是基于級聯(lián)分類方式的相關(guān)模型。所謂的級聯(lián)分類方式,就是將多個不同的強分類器按照各自特性,形成級差配合,一級一級完成串聯(lián)。而每個單獨的強分類器分別由多個弱分類器構(gòu)成,弱分類器通過加權(quán)方式進行組合,不同的強分類器的構(gòu)成內(nèi)容不同。一個強分類器可能包含8 個弱分類器而也可能包含28 個弱分類器。級聯(lián)的方式就是將分類器進行串聯(lián),一般情況級聯(lián)用的單個強分類器最少應(yīng)配置18 個弱分類器,一次級聯(lián)應(yīng)配置12 個強分類器。從而構(gòu)成了一個包括200 多個弱分類器的級聯(lián)強分類器。由于強分類器的計算精準較高、對樣本判別度高,可以實現(xiàn)負樣本精確識別,所以級聯(lián)強分類器一旦發(fā)現(xiàn)被監(jiān)測樣本為負樣本就立即終止分類器調(diào)用進程,進一步縮短檢測時間,提高效率。同時,由于圖像識別中的對象經(jīng)常存在大量的負樣本區(qū)域,通過級聯(lián)分類器可以完成初步高速篩選,對負樣本進行粗篩加拋棄工作,精益化工作進程。由于負樣本被大量拋棄,只有正樣本和少量的負樣本才能進入下個流程,通過一級一級地篩選,保證了最后輸出的樣本的可用性,從而保證了最后輸出的正樣本的偽正(false positive) 的可能性非常低。

          另外, 算法是基于迭代的一種算法。在迭代起始階段,所有訓(xùn)練樣本的權(quán)重都統(tǒng)一設(shè)定為1,在此樣本分布下訓(xùn)練出一個弱分類器。在第n 次(n=1,2,3,…M,M 為迭代次數(shù))迭代中,該樣本的計算權(quán)重由上一次即第n-1 次迭代的結(jié)果而設(shè)定。從而實現(xiàn)在每次迭代的最后,都對樣本權(quán)重進行再計算的過程,被分類錯誤的樣本將得到更高的權(quán)重。通過這樣的方式,實現(xiàn)分錯的樣本快速識別,形成全新的一個樣本分布,從而開始下一次迭代。一次又一次的迭代從而產(chǎn)生了一代又一代的弱分類器。經(jīng)過M 次循環(huán)迭代,得到M 個弱分類器,把這M個弱分類器按照各自的權(quán)重疊加起來,就得到最終的強分類器。

          2   控制裝置結(jié)構(gòu)

          根據(jù)提出的控制裝置的功能設(shè)計方案,進一步確定各模塊的物理元件配置,配置圖如圖1 所示。

          image.png

          圖1 充電控制裝置模塊配置圖

          2.1 各模塊配置及功能

          采集模塊采用高清攝像機,用于采集人臉圖像并且輸出人臉圖像的數(shù)字信息。

          控制模塊采用PLC 電路板,根據(jù)攝像機采集的人臉信息進行圖像預(yù)處理及標準化,以輸出人臉圖像的預(yù)處理標準信息。再將上述人臉圖像預(yù)處理標準信息進一步進行基于Adaboost 算法的特征識別及提取,以輸出人臉圖像的灰度特征信息,算法相關(guān)部分程序結(jié)構(gòu)如圖2 所示。

          通訊模塊包括有線的信號傳輸與無線信號傳輸兩種模式,兩種通訊方式均為上傳下送雙向通訊,溝通控制模塊與對比模塊。為了保證傳輸?shù)木_性,要求通訊模塊獨立于控制模塊與之后的比對模塊。通訊模塊將人臉圖像灰度特征信息從控制模塊輸出給比對模塊,將對比信息從比對模塊傳輸給控制模塊。

          比對模塊包括一套聯(lián)網(wǎng)數(shù)據(jù)庫,信息隨時更新,該模塊只具有數(shù)據(jù)庫讀的功能與權(quán)限,無法編輯和上傳。

          局域網(wǎng)服務(wù)器負責(zé)數(shù)據(jù)判別,將輸入的人臉圖像灰度特征信息與數(shù)據(jù)庫中預(yù)置灰度特征信息進行比對,輸出成功(允許充電)或失敗信號(拒絕訪問/ 拒絕用戶使用充電樁進行充電)。

          最后,配置的交互模塊實現(xiàn)人機互動,主要包括觸控屏與音頻輸出揚聲器。如果控制電路板獲取比對失敗信號,則通過觸摸屏和揚聲器提醒用戶未注冊或者未匹配,提醒用于進行注冊或者再次嘗試;如果控制電路板獲取比對成功信號,則通過觸摸屏和或揚聲器提醒用戶選擇充電時長、充電金額等交互信息。

          image.png

          2.2 基于Adaboost算法的人臉識別疊加算法

          利用Adaboost 算法對大量人臉樣本進行學(xué)習(xí),在人臉和非人臉摻雜的樣本中訓(xùn)練出弱分類器。將多個訓(xùn)練完成的弱分類器進行級聯(lián),從而構(gòu)成了人臉識別的級聯(lián)成強分類器。該算法具有增益特性,是一種自適應(yīng)增強算法,理論上只要迭代次數(shù)無限多錯誤率就能達到無限低。Adaboost 級聯(lián)強分類器對特定的實體進行分類,從原生的弱分類器開始訓(xùn)練出來。

          Adaboost 算法進行人臉檢測,主要利用人臉灰度分布不一致這一特性,其采用積分圖計算Haar 特征,Haar 特征具有計算簡單、檢測速度快等優(yōu)點。Adaboost算法檢測過程首先計算圖像的Haar 特征,并且在算法訓(xùn)練過程中將錯誤率最小的Haar特征轉(zhuǎn)換為弱分類器,再把弱分類器組合成強分類器實現(xiàn)人臉識別。Haar 特征值能夠準確地反映圖像的灰度變化,人臉的眼睛比臉頰的顏色更深,鼻梁兩側(cè)顏色比鼻梁顏色更深,通過對臉部特征的計算可提取到人臉的Haar 特征值。

          image.png

          3   控制方法流程

          根據(jù)設(shè)計完成的充電樁控制裝置,進行控制流程設(shè)計,以用戶最優(yōu)為出發(fā)點,開展汽車充電樁的控制方法研究。本控制方法是基于Adaboost 算法的人臉識別的控制方法,因此,流程起始即為人臉采集,具體流程如圖3 所示。

          步驟1 采集模塊(高清攝像機)進行采集人臉圖像并且輸出人臉圖像的數(shù)字信息。

          步驟2 控制模塊獲取上述人臉圖像數(shù)字信息,并且將上述人臉圖像數(shù)字信息進行圖像預(yù)處理及標準化,以輸出人臉圖像的預(yù)處理標準信息。

          步驟3 控制模塊將上述人臉圖像預(yù)處理標準信息進行基于Adaboost 算法的特征識別及提取,以輸出人臉圖像的灰度特征信息。

          步驟4 通訊模塊向比對模塊進行有線輸出上述人臉圖像灰度特征信息。比對模塊在獲取上述人臉圖像灰度特征信息后,利用局域網(wǎng)服務(wù)器將上述人臉圖像特征信息與預(yù)置灰度特征信息與互聯(lián)網(wǎng)數(shù)據(jù)庫中的預(yù)置信息進行比對,以輸出比對成功或者失敗信號;各模塊關(guān)聯(lián)情況如圖4 所示,可以看出通訊模塊是整個流程中的核心部分。

          步驟5 局域網(wǎng)服務(wù)器通過通訊模塊將比對成功或者失敗信號發(fā)送至控制模塊。

          步驟6 控制模塊獲取上述比對成功或者失敗信號,并且根據(jù)上述比對成功或者失 敗信號通過通訊模塊進行充電樁控制,觸發(fā)或者關(guān)閉充電樁的充電電路。并同時通過通訊模塊控制交互模塊,做出相應(yīng)反饋與交互,并開放用戶注冊及新一次人臉識別。

          步驟7 通過交互模塊與控制模塊進行觸控交互和語音交互。

          image.png

          4   Adaboost人臉識別流程

          Adaboost 算法,通過設(shè)置24×24 檢測器,其內(nèi)包含了15 000 個特征矩形,以甄選合適的矩形特征,并將其組合成強分類器,從而實現(xiàn)高精度的人臉識別效果。

          Adaboost 迭代計算檢測的訓(xùn)練速度受到兩方面的重要影響,一方面是特征的選取,而另外一方面是特征值的計算。人臉的面部特征通??梢跃匦谓Y(jié)構(gòu)特征進行簡單的描繪。如圖5 所示。

          圖5 中的人臉的面部特征由兩個矩形結(jié)構(gòu)特征完成。通常一個24×24 檢測器,其像素數(shù)量巨大,包含了約150 000 個矩形結(jié)構(gòu)特征,必須通過Adaboost 迭代算法進行快速篩選,通過級聯(lián)強分類器實現(xiàn)人臉特征甄別。

          因此,Adaboost 人臉識別主要流程如下:

          步驟1 設(shè)置24×24 檢測器;

          步驟2 利用積分圖計算人臉圖像預(yù)處理標準信息的Haar 特征;

          步驟3 將錯誤率最小的Haar 特征轉(zhuǎn)換為弱分類器;

          步驟4 將弱分類器組合為強分類器。

          image.png

          5   結(jié)論

          基于Adaboost 人臉識別的電動汽車充電樁控制裝置及相應(yīng)控制方法通過Adaboost 算法,配合高清攝像機,能在各種環(huán)境下實現(xiàn)高效準確地人臉識別,用戶在使用充電樁過程中,不需要攜帶IC 卡等密鑰,避免IC 卡遺失、消磁等問題,在方便使用的同時提高可靠性,有效防止IC 卡被破解、仿制等安全隱患。人臉識別是指人的面部五官以及輪廓的分布,這些特征因人而異,與生俱來且不易改變。與其他識別技術(shù)相比,人臉識別具有非侵擾性,無需干預(yù)正常行為即可達到良好的識別效果。該裝置及對應(yīng)方法研究完后可以應(yīng)用于各類新型交直流充電樁,能夠有效提升各類充電樁的易用性,提高充電樁使用的可靠性和安全性,同時能夠保障電動汽車用戶的財產(chǎn)安全與隱私權(quán)利,推動充電樁的快速普及,提升基礎(chǔ)設(shè)施建設(shè)質(zhì)量,促進社會主義現(xiàn)代化建設(shè)。

          參考文獻:

          [1] 劉建明,張捷,雷婕,等.基于Adaboost的孿生支持向量機人臉識別方法[J].傳感器與微系統(tǒng),2020(7):51-53+57.

          [2] 王碩楠.一種基于STM單片機的智能充電樁控制系統(tǒng)[J]. 中國科技信息,2020(21):82-83.

          [3] 趙迪.電動汽車智能充電樁的設(shè)計[J].中國高新科技. 2020(16):101-103.

          (本文來源于《電子產(chǎn)品世界》雜志2021年4月期)



          關(guān)鍵詞: 人臉識別 Adaboost 充電樁 202104

          評論


          相關(guān)推薦

          技術(shù)專區(qū)

          關(guān)閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();