精編基于三維物聯網區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)商業(yè)計劃書（一）

《精編基于三維物聯網區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)商業(yè)計劃書（一）》由會員分享，可在線閱讀，更多相關《精編基于三維物聯網區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)商業(yè)計劃書（一）（21頁珍藏版）》請在裝配圖網上搜索。

1、基于三維物聯網區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)商業(yè)計劃書 基于三維物聯網的區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)商業(yè)計劃書 前言 目前，限于技術、管理制度等原因，垃圾分類還有許多弊端。例如，每天定時定點投放垃圾，需要花費的大量的人力資源和時間成本，不僅對群眾產生了很大的影響，同時也給管理階層帶來困擾。而目前市面上推出的智能分類垃圾桶也存在著高成本、難操作、垃圾處理不夠細致，難以推廣普及使用。 “基于三維物聯網的區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)”是一套以三維物聯網技術為核心的以監(jiān)控垃圾分類是否正確為目的的系統(tǒng)。該系統(tǒng)主要面向于企事業(yè)單位及小區(qū)物業(yè)等封閉性區(qū)域管理階層，為區(qū)域管

2、理者響應居民垃圾分類政策號召帶來新型解決方案，克服取證，執(zhí)行等難題。同時優(yōu)化了居民垃圾分類投放的體驗過程，降低使用難度，操作時長，減少了垃圾分類推行過程中的阻礙。此監(jiān)控系統(tǒng)可以快速做到垃圾投放者的身份信息確定，垃圾分類是否正確判斷，后期加以配套措施生態(tài)，管理當前區(qū)域用戶。該系統(tǒng)優(yōu)化了用戶體驗，帶來了新的推行垃圾分類的解決方案。壓縮了硬件成本，技術要求，與智能分類垃圾桶相比更有利于推廣 和使用。 目錄 第一章 引言 1 第二章 系統(tǒng)相關技術原理介紹 2 2.1 三維物聯網技術 2 2.2 云計算技術 2 2.3 Zigbee技術 2 第三章 區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)

3、工作過程 4 3.1 系統(tǒng)綜述 4 3.2 數據采集實現過程 5 3.2.1 常規(guī)數據采集 5 3.2.2 身份數據預采集 5 3.2.3 常規(guī)桶內環(huán)境信息采集 6 3.3 組網與傳輸實現過程 6 3.3.1 局域網數據傳輸 6 3.3.2 廣域網數據傳輸 6 3.4 數據分析處理過程 6 3.4.1 常規(guī)數據分析 7 3.4.2 常規(guī)桶內環(huán)境數據分析 8 3.4.3 身份信息預分析 8 3.5客戶數據反饋實現過程 8 第四章 實現原理 10 4.1 硬件部分 10 4.2 數據采集模塊 10 4.3 數據傳輸模塊 11 4.3.1 自組網模塊 11 4.

4、3.2 廣域網模塊 12 4.4 數據分析算法實現 13 4.4.1 基于近紅外結構光與可見光的三維人臉識別算法 13 4.4.2 基于多視角的深度全景圖的三維形狀識別 14 4.4 客戶端（操作界面）17 第五章 市場前景 18 5.1 時代背景 18 5.2 當前市場分析 18 5.3 項目優(yōu)勢 18 第六章 總結與展望 19 參考文獻 20 第一章 引言 近年來，隨著我國居民生活水平的顯著提高，我國垃圾產生量急劇增加，城市垃圾也以每年8-12%左右的增幅快速增長，垃圾的成分也發(fā)生較大的變化。垃圾分類回收被普遍認為是解決困境，提高資源化利用效率的關鍵環(huán)節(jié)。

5、 20XX 年，中國國家發(fā)展改革委、住房城鄉(xiāng)建設部共同發(fā)布了《生活垃圾分類制度實施方案》，為中國的垃圾分類制度的實施制定了路線圖。同期各個省、市相繼出臺強制分類實施方案，從完善頂層設計開始補齊短板，提高垃圾分類的法治化水平和全民參與程度。自此國家、省、市各級垃圾分類工作開始全面實施，相關工作也將會開始邁出實質步伐。垃圾分類意義進行垃圾分類的意義在于：（1）有助于使末端焚燒（或填埋）更好的無害化處理垃圾分類后，垃圾“各回各家”，進入不同的后端處理通道，保證了垃圾的純凈度，提高了熱值，有助于垃圾焚燒或填埋處理無害化處理。（2）有助于再生資源循環(huán)利用，節(jié)約原生資源垃圾分類后，廚余垃圾進行生化

6、處理，資源垃圾進行再生資源通道，這樣便于資源化利用，節(jié)省原生資源。（3）有助于提升全民文明素質，進一步改善人居環(huán)境垃圾分類不是簡單的舉手之勞，而是一個科學體系，綜合體現了國家的文明程度，城市的管理水平，民眾的素質高低。應放眼長遠，讓垃圾分類成為文明的行為方式的代表，改善我們日常生活環(huán)境。 據不完全統(tǒng)計，20XX 年垃圾分類總合同額達62.3億元，預計20XX年總合同額將翻倍，達 120 億元，2020 年預計總合同額達200億元。作為環(huán)保企業(yè)，理應抓住垃圾分類業(yè)務市場機遇，在智能垃圾分類回收設備及創(chuàng)新垃圾分類模式方面迎難而上，打好垃圾分類攻堅戰(zhàn)。 鑒于此，垃圾分類處

7、理解決方案順應當今時代要求，我們團隊提出基于三維物聯網的區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)，面向企事業(yè)單位及小區(qū)物業(yè)協(xié)助于管理層面進行有效的垃圾分類管理，在區(qū)域范圍內推行垃圾分類，加強科學管理、形成長效機制，同時降低垃圾分類的推廣難度，以響應國家政策上的號召。 第二章 系統(tǒng)相關技術原理介紹 2.1 三維物聯網技術 三維物聯網是的是運用虛擬現實技術構建的全三維數字化物聯網管理平臺，結合互聯網技術、射頻識別傳感器、視頻監(jiān)控系統(tǒng)、視頻分析系統(tǒng)，以及數據倉庫技術和數據挖掘技術，突破以人工管理為主的常規(guī)園區(qū)管理模式，解決常規(guī)管理模式中各系統(tǒng)各自獨立，支離破碎的問題，同時解決傳統(tǒng)模式中信息量少、

8、流通不暢、缺乏綜合分析、難以共享、應對突發(fā)事件反應遲緩、安全隱患較大等問題，實現物聯網時代全面感知各種信息，讓常規(guī)園區(qū)管理更加智能便捷。 2.2 云計算技術 云計算（CloudComputing）是分布式計算的一種，指的是通過網絡“云”將巨大的數據計算處理程序分解成無數個小程序，然后通過多部服務器組成的系統(tǒng)進行處理和分析這些小程序得到結果并返回給用戶。 云計算由一系列可以動態(tài)升級和被虛擬化的資源組成，這些資源被所有云計算的用戶共享并且可以方便地通過網絡訪問，用戶無需掌握云計算的技術，只需要按照個人或者團體的需要租賃云計算的資源。該項技術在進行數據任務處理時首先是將

9、整個計算過程化分為若干個組成部分，并通過數臺計算機進行協(xié)同運行將收集的數據信息組建成云里,在云計算技術所謂“云”，他專指數據資源的匯集池。可以簡單理解為在數據運算形式中借助網絡技術將計算能力演變?yōu)橐环N商,實現在計算機的數據處理上的高效性。云計算是繼1980年代大型計算機到客戶端-服務器的大轉變之后的又一種巨變。在20世紀80年代網格計算、90年代公用計算，21世紀初虛擬化技術、SOA、SaaS應用的支撐下，云計算作為一種新興的資源使用和交付模式逐漸為學界和產業(yè)界所認知。 2.3 Zigbee技術 Zigbee這一名稱來自于蜜蜂（bee）用于互相通信的八字舞（zigzag），這是

10、蜜蜂之間的群體通信方式。這種自然界的通信方式很形象地描述了這種近距離、低復雜度、自組織、低功耗、低數據速率、低成本的無線通信網絡。 Zigebee技術是一種新型的短距離、低速率無線網絡技術，主要用于近距離無線連接。2002年8月，英國英維斯（Invensys，從事生產技術與能源管理的國際化公司）、日本三菱電氣、美國摩托羅拉以及荷蘭飛利浦等公司共同提出以研發(fā)具有低成本、體積小、能量消耗少和傳輸速率低的無線通信技術為目的技術標準，并為此組成了zigbee技術聯盟。 ZigBee是一種高可靠的無線數據傳輸網絡，通信距離可達幾百米甚至幾公里。與傳統(tǒng)的移動通信CDMA網或GS

11、M網不同的是，zigbee網絡主要是為工業(yè)現場自動化控制所需的相關系數傳輸而建立的，具有使用簡單、方便、工作可靠、價格低的特點。每個zigbee網絡節(jié)點不僅本身可以連接傳感器直接進行數據采集和監(jiān)控。還可以自動中轉別的網絡節(jié)點傳過來的數據資料。除此之外，每個zigbee網絡節(jié)點還可在自己信號覆蓋的范圍內與不承擔網絡信息中轉任務的孤立節(jié)點進行無線連接。 第三章 區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)工作過程 3.1 系統(tǒng)綜述 該系統(tǒng)分為兩大結構：用戶數據反饋結構，垃圾特征信息監(jiān)測判斷結構。兩塊結構分別采用GPRS，Zigbee+光纖通信兩種傳輸方式，從而提升用戶識別的速度，兩塊數

12、據包采用識別碼進行匹配。其中，用戶數據反饋結構運用三維結構光采集用戶生物特征信息，通過GPRS直接反饋到云端，云端匹配用戶之后反饋回到垃圾桶，數據量小，傳輸快；垃圾特征信息監(jiān)測判斷結構采用傳感器采集垃圾特征信息，以數據包的形式使用Zigbee協(xié)議，通過局域網通信網絡傳輸到區(qū)域終端，區(qū)域終端通過光纖連接互聯網，將數據包傳送到云端服務器，對垃圾種類進行分析，從而確定投放是否正確，將最終信息反饋到積分系統(tǒng)，對相應用戶積分進行修改，反饋到公眾平臺上，供用戶查詢。 用戶數據反饋結構示意圖 3.2 數據采集實現過程 數據采集分為常規(guī)數據采集、身份數據預采集、常規(guī)桶內環(huán)

13、境信息采集三部分。 3.2.1 常規(guī)數據采集 常規(guī)數據采集即每發(fā)生一次垃圾投放動作的數據采集。 桶外的紅外傳感器檢測到有人接近時，結束休眠，進入開啟狀態(tài)，喚醒監(jiān)控系統(tǒng)，各傳感器和通信模塊進入運行狀態(tài)。 桶外傳感器識別生物特征的原始數據，桶內傳感器感應是否有垃圾投放事件發(fā)生。當產生垃圾投放時間事，通信模塊將桶內數據包（物體信息原始數據）和桶外數據包（生物特征信息原始數據）以ZigBee技術傳輸到聯網終端。 3.2.2 身份數據預采集 當多人同時投放垃圾時，需要進行身份數據預采集以避免信息混淆。 身份信息預采集采用“最近優(yōu)先

14、”原則，即每次只采集距生物特征傳感器最近的人的數據，通過GPRS上傳到服務器進行數據比對，并將身份信息反饋到桶外液晶顯示屏上。 身份信息預采集部分單獨進行，單獨聯網，只進行身份信息的采集和反饋，用以提示用戶當前垃圾投擲者。 3.2.3 常規(guī)桶內環(huán)境信息采集 桶內環(huán)境信息包括垃圾量信息、氣味信息、煙霧信息、溫濕度信息。當前垃圾桶無垃圾投放事件發(fā)生時，系統(tǒng)將定時采集桶內環(huán)境信息傳輸到服務器。 3.3 組網與傳輸實現過程 該部分分為局域網數據傳輸與廣域網數據傳輸兩部分。 3.3.1 局域網數據傳輸 局域網數據傳輸由ZigBee技術實現，每

15、一個垃圾桶均有一個用于數據傳輸的ZigBee模塊，組成不完全連接網狀結構。網狀結構的優(yōu)點是節(jié)點間路徑多，碰撞和阻塞可大大減少，局部的故障不會影響整個網絡的正常工作，可靠性高；網絡擴充和主機入網比較靈活、簡單。 組成內網后，所有的節(jié)點均連接能夠連接到一個能連接廣域網的終端。每產生一次數據采集事件，數據通過網狀結構傳輸到這個能連接廣域網的終端，從而上傳到服務器。 3.3.2 廣域網數據傳輸 廣域網數據傳輸由GPRS和光纖通信兩部分實現。 連接廣域網的終端接收到各個節(jié)點傳來的數據后，將數據傳向服務器，該部分通過光纖傳輸，不需要即時反饋，對速度的要求并不苛刻

16、。 發(fā)生身份數據預采集時，由于需要即時反饋，該部分采用GPRS進行數據交換。由于每個垃圾桶均帶有GPRS模塊，均可獨立連接到服務器，該部分無需通過ZigBee傳輸到終端，只需要將數據傳輸到服務器，待服務器處理完成之后，接收反饋到的數據，并反饋到液晶屏上。 3.4 數據分析處理過程 數據分析過程分為常規(guī)數據分析，常規(guī)桶內環(huán)境數據分析，身份信息預分析三部分，這三部分均分配由特殊的識別碼，云端服務器根據收到的識別碼進行不同類型和不同優(yōu)先級的數據分析。 3.4.1 常規(guī)數據分析 常規(guī)數據分析即每對發(fā)生一次垃圾投放動作上傳的數據包的分析。

17、 每發(fā)生一次垃圾投放動作，服務器從數據采集模塊接收到原始數據包，包括桶內數據包（物體信息原始數據）和桶外數據包（生物特征信息原始數據）兩部分，將這些原始數據通過生物/物體特征識別，轉換為生物/物體特征數據包，對比現有的生物/物體特征庫以及身份信息庫，形成一次垃圾投放動作信息包（身份信息、行為信息、物體信息），對該信息包的三部分信息進行比對，從而判斷完成此次垃圾投放動作的人是否進行垃圾分類。 3.4.2 常規(guī)桶內環(huán)境數據分析 數據采集模塊定時將桶內環(huán)境數據以數據包的形式傳輸到云端服務器，云端服務器接收到原始數據包后與相應的特征數據庫（氣味信息、煙霧信息、溫濕度信息）進行比對，

18、并且對垃圾余量進行分析，生成桶內環(huán)境狀況。 生成后的桶內環(huán)境狀況以可視化數據的形式反饋到客戶端。 3.4.3 身份信息預分析 通過GPRS傳送到云端服務器的身份信息優(yōu)先度最高，當服務器識別到其數據包識別碼后，優(yōu)先分配線程對該數據包進行處理，和生物特征庫以及身份信息庫進行比對，比對完成后立即將用戶信息反饋到垃圾箱的液晶顯示屏上。 3.5客戶數據反饋實現過程 云端服務器通過獲取到的數據計算分析出結果，將結果分析出的數據分為三個等級進行反饋。 配套管理制度建議：每人每月發(fā)放定額積分，違規(guī)投放系統(tǒng)扣除積分，管理者擁有積分解釋權，可以設置積分額

19、度，用戶達到規(guī)定額度，系統(tǒng)會以公眾號形式通知用戶和管理者，可使用戶接受垃圾分類知識學習或教育意義罰款，詳細措施可由該系統(tǒng)設備用戶制定。 模塊一 數據反饋面向管理層。 1.區(qū)域管理者可以查詢到當前管理范圍內所有群眾的垃圾投放記錄。 2.管理者擁有當月群眾積分余量查詢權限，接收到系統(tǒng)內超額用戶信息提示。 模塊二 數據面向垃圾投放用戶。 1.用戶可以查詢到自己積分余量。 2.每次投放垃圾得信息記錄（時間，地點，垃圾投放錯誤原因） 模塊三 針對游客數據反饋。 系統(tǒng)記錄違規(guī)投放的外來游客面部特征信息。并將反

20、饋給管理者。 第四章 實現原理 4.1 硬件部分 硬件部分是智能監(jiān)控系統(tǒng)不可或缺的組成部分，主要由數據采集模塊、數據傳輸模塊這兩部分實現。數據采集模塊是智能監(jiān)控系統(tǒng)的“眼睛”，數據傳輸模塊的“高速公路”，二者相互依存，缺一不可。數據采集模塊主要由各種傳感器組成，負責采集監(jiān)控區(qū)域的三維原始數據。數據傳輸模塊由有線傳輸和無線傳輸組合而成，負責將數據傳輸到服務器從而進行網絡計算。 4.2 數據采集模塊 原始數據采集部分由桶內傳感器和桶外傳感器組成。 桶內傳感器主要是紅外傳感器、超聲波傳感器、煙霧傳感器、溫濕度傳感器、異味傳感器、金屬傳感

21、器，桶外傳感器由深度感知傳感器和結構光傳感器組成。 下面是桶外傳感器所采用的基本元器件： 紅外傳感器 超聲波傳感器 煙霧傳感器 溫濕度傳感器 異味傳感器 4.3 數據傳輸模塊 數據傳輸模塊主要分為自組網模塊和廣域網模塊。自組網模塊主要由免費的ZigBee無線傳輸協(xié)議實現，廣域網模塊由收費的GPRS技術和光纖傳輸技術實現。 4.3.1 自組網模塊 自組網模塊由ZigBee終端組成，每一個封閉區(qū)域均設置一個可聯網終端，節(jié)點之間組成不完全網狀結構。 Zigbee協(xié)議在滿足條件的情況下，協(xié)調器將會自

22、動組網。Zigbee組網有兩個鮮明的特點：①一個Zigbee 網絡的理論最大節(jié)點數就是2的16次方也就是65536個節(jié)點，遠遠超過藍牙的8個和Wifi的32個。②網絡中的任意節(jié)點之間都可進行數據通訊。在有模塊加入和撤出時，網絡具有自動修復功能。 ZigBee 模塊組網設計及實現： 按照 OSI 模型，ZigBee網絡結構從下向上分別為物理層、媒體訪問控制層、網絡層和應用層。其中物理層和媒體訪問控制層由IEEE802.15.4標準規(guī)定；網絡層和應用層由ZigBee聯盟定義。ZigBee網絡支持三種拓撲結構：星型、樹型和網狀型結構。本文選擇星型網作為 ZigBee 終端節(jié)點模塊的拓撲

23、結構。組網過程如下：ZigBee協(xié)調器將配置屬性值復制到網絡管理對象，然后按照之前設置的信道開始掃描。掃描完畢后，協(xié)調器需要比較并從中選擇出附近還沒有被使用的信道并根據配置屬性和NIB屬性值以及配置的參數并在選定的信道上啟動ZigBee網絡，實現接受設備加入到網絡，響應其他設備的請求和服務發(fā)現，支持ZigBee設備間的綁定等功能。 ZigBee 路由器首先完成配置屬性值復制到網絡管理對象，然后開始執(zhí)行網絡發(fā)現工作，獲取該覆蓋范圍中 PAN 設備的基本情況并選擇一個合適的協(xié)調器或路由器建立連接，最后設備便作為路由器啟動并轉入正常工作狀態(tài)，實現允許其他設備與網絡建立連接，接受、執(zhí)行將

24、某個設備從網絡中移除的命令等功能。 ZigBee終端設備首先為工作中需要的參數設置初始值然后開始發(fā)現網絡操作，并篩選出一個符合設定的網絡建立連接；以自己之前被設定IEEE地址和網絡地址發(fā)出終端設備通知信息后接受協(xié)調器發(fā)出的通知信息，檢查綁定表中是否存在與它匹配的項等功能。 4.3.2 廣域網模塊 GPRS英文簡稱為 General packet radio service，中文名稱為通用無線分組業(yè)務，是一種基于GSM系統(tǒng)的無線分組交換技術，提供端到端的、廣域的無線IP連接。相對GSM的撥號方式的電路交換數據傳送方式，GPRS是分組交換技術，具有“實時在

25、線”“按量計費”“快捷登錄”“高速傳輸”“自如切換”的優(yōu)點。通俗地講，GPRS是一項高速數據處理的技術，方法是以“分組”的形式傳送資料到用戶手上。GPRS是GSM網絡向第三代移動通信系統(tǒng)過渡的一項2.5代通信技術，在許多方面都具有顯著的優(yōu)勢。GPRS在全國覆蓋范圍極廣，而且費用相對較為低廉，非常適合做簡單的數據交換使用。 光纖傳輸，即以光導纖維為介質進行的數據、信號傳輸。光導纖維，不僅可用來傳輸模擬信號和數字信號，而且可以滿足視頻傳輸的需求。光纖傳輸一般使用光纜進行，單根光導纖維的數據傳輸速率能達幾Gbps，在不使用中繼器的情況下，傳輸距離能達幾十公里。由于垃圾分類智能監(jiān)控系統(tǒng)需

26、要在云端完成所有的運算，因此對傳輸速率的要求非?？量蹋壳笆袌錾铣饫w傳輸之外并沒有更加合適的解決方案，所以這一部分采用光纖傳輸。 GPRS模塊 光導纖維 4.4 數據分析算法實現 4.4.1 基于近紅外結構光與可見光的三維人臉識別算法 算法主要步驟如下所示: (1)設有N個人臉模型參與訓練，人臉模型的模型大小 為 m n ，將每個人臉圖像轉換為一個D( D = m n )維的列向量，去平均化后得到一個DN的矩陣A: (2)得到所有人臉樣本轉化來的列向量的方差矩陣C: (3)計算矩陣C的本征值λi和特征向量Vi，按照從大到小的

27、順序重新排列λi和特征向量Vi。根據特征值的大小，選擇前d個特征向量，非零特征值的個數有r個，δ一般大于等于0.85。具體公式如下所示: (4)將人臉模型向量xi轉換到ω定義的子空間中，Ω在子空間中xi所對應的人臉圖像的特征向量為yi。這樣使得其從D維空間降到d維空間后的方差最小，且在變換后的低維空間具有很好的人臉表達能力。當得到相應的特征臉后，將特征臉與已知的多個人臉模型進行相似性匹配得分，得分越高，則能說明兩個圖像更相近。設圖像xi的特征向量為 yi，xj的特征向量為yj，圖像匹配得分使用余弦距離計算，公式如下: 在普遍的生物特征識別系統(tǒng)中，數據的融合分為4步，分別為傳感器

28、層或像素層融合、特征層融合、得分層融合和決策層融合。得分層融合就是將單個特征分別輸入分類器，得到各個特征的匹配得分，各個匹配得分進行綜合用融合算法，得到一個綜合的得分用于最終的判別。本文基于簡單組合策略，即使用加權求和的方法來進行融合。 本文在前文已經描述了得到可見光三維模型與紅外光三維模型的方法，根據模型我們可以得到相應的人臉子空間與特征向量。再分別與可見光參照系和紅外光參照系模板 進行匹配，獲得匹配得分SVij和SNij。基于簡單組合策略，設SFij為融合后的得分: 其中α+β=1，α≥0，β≥0，α和β的取值范圍為0.0～1.0， ，SVij和SNij采用最大值—最

29、小值進行歸一化處理。通過SFij大小即可得到當SFij最大時所對應的SVij和SNij，且其所對應的可接受率為α和β，由此作出最后決策進行人臉識別。 4.4.2 基于多視角的深度全景圖的三維形狀識別 柱面投影過程如圖1所示。用許多密集的網格點離散得表示圓柱體的側面, 用坐標集合{(θu,hv)}{(θu,hv)}表示這些點。其中，θ表示極角，h表示高度,u,v=0, 1, 2, …。對于每個網格點p=(θu,hv)p=(θu,hv), 在物體上都能通過坐標(x0,y0,h0)(x0,y0,h0)找到相應的點q, 這些點標記在主軸上與p點的高度相同的位置。作一條從q到p的射線

30、, 會與三維物體的三角面片有零個或多個交點, 記交點與q點之間的距離為D={d1,d2,?,di},i=1,2,3,?D={d1,d2,?,di},i=1,2,3,?。用d記錄D的最大值, 將其轉換為灰度值存在對應的網格像素中。當D為空集合時,d為 圖1 柱面投影示意圖 在投影完成后, 將圓柱側面在θ=0的角度展開形成二維全景圖像, 每個像素值對應的是圓柱體側面網格點的像素值。選擇圓柱體的高度與三維物體相同, 且在進一步處理中, 將全景圖減去其平均值再除以其標準偏差, 可以使構造的全景圖避免受到尺度變化的影響。 由于單個的柱面投影得到的全景圖不能表示物體形狀的全部信息,

31、比如物體內部凹陷部分, 單從側面觀察就得不到凹陷信息。構建全景圖時, 記平行于三維物體直立狀態(tài)的坐標軸方向為z軸, 根據笛卡爾坐標系, 將每個三維模型分別從平行于x, y, z軸方向將模型投影到一個平行于物體主軸的圓柱體的側面, 得到3幅全景圖。如圖2所示。 圖2 3個視角的全景圖 基于三視圖原理, 三幅全景圖基本能描述三維物體的全部形狀信息。從每副全景圖提取出的二維特征都可以用來描述三維物體的形狀, 當同一物體具有多個描述符時, 有時也能得到好的結果, 但仍然是低效不便的。所以需要將三幅全景圖提取的信息聚合成一個更為緊湊的三維形狀描述子。采用三分支的卷積神經網絡框

32、架, 輸入三視角的全景圖進行訓練, 從中提取特征。首先, 將三個視角的全景圖輸入到訓練框架的第一部分網絡的各個分支中, 在視圖池化層View-pooling層聚合成一個特征向量后傳入到下一層網絡2中。其中第一部分網絡所有的CNN分支的權重參數相同, 可以簡化網絡復雜度。經過實驗證明, 將View-pooling層放置在最后的卷積層 (conv5) 附近, 可以獲得最佳的分類性能。View-pooling與max-pooling層和 maxout層類似, 唯一區(qū)別是它們的維度不同。由于三分支卷積神經網絡框架是有向無環(huán)圖, 所以使用隨機梯度下降法與反向傳播方法進行訓練或微調。 4.

33、4 客戶端（操作界面） 第五章 市場前景 5.1 時代背景 在垃圾強制分類中，管理約束困難重重。社區(qū)個體人多，層次復雜，居住分散，難免出現監(jiān)管盲區(qū)。而就“執(zhí)法、取證”這兩個難題，就需要管理層必須加大執(zhí)法力度。垃圾強制分類，是一項十分復雜的工作，涉及面廣、頭緒多，監(jiān)管，執(zhí)法都面臨巨大困難，且執(zhí)法成本代價巨大。如今，大部分地區(qū)已經到了從“鼓勵”到“強制”階段。但是如果不從建設垃圾分類投放生態(tài)的高度加以落實，真正的垃圾強制分類，就將遙遙無期。而最令人擔憂的，就是有法不依，使垃圾分類的措施變成擺設，一旦如此，人們對垃圾強制分類的關注度就會降低，當垃圾分類中的違規(guī)者“無痛感”時，那么要

34、想推廣全民垃圾分類就難以進行。 5.2 當前市場分析 目前社會上垃圾分類設備主要還是傳統(tǒng)垃圾桶為主，主要是憑借群眾的自覺意識，在一些有強制管理垃圾分類條例的地區(qū)，還會有專門的監(jiān)督員，定時定點監(jiān)督檢查居民垃圾投放。這樣的做法耗時耗力，給居民的生活帶來以前沒有的麻煩，增加生活壓力。在推行垃圾分類的過程中還帶來了阻力。一些大型社區(qū)引進智能垃圾分類箱。這些設備成本高，操作復雜，并且還不能做到真正意義的智能垃圾分類。相反使居民丟垃圾的過程變得耗時，失去了便利性。 5.3 項目優(yōu)勢 我們的項目區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)，另辟蹊徑，沒有采用市場主流思想，研發(fā)智能垃圾分類箱。而

35、是從管理層次出發(fā)，面向企事業(yè)單位及小區(qū)物業(yè)等封閉性區(qū)域范圍管理者，只需做到投放垃圾過程中，人物信息數據采集和判斷投放垃圾分類是否準確這兩個信息模塊。這樣垃圾分類監(jiān)控系統(tǒng)相對于智能垃圾箱技術難度下降，成本縮小，更利于推廣普及。解決掉當前時代背景下管理階級執(zhí)行，取證這兩個難題，建立起完善的獎懲措施，主觀上培養(yǎng)居民垃圾分類意識。有利于各企事業(yè)單位及小區(qū)物業(yè)響應政府號召，降低垃圾分類推廣難度，共同構建和諧社會。 第六章 總結與展望 區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)系統(tǒng)，在解決垃圾分類問題上另辟蹊徑，以解決管理難為目的提供方案。同時還彌補了市場上現有的智能分類垃圾桶操作復雜，使用耗時的不足

36、，提高了用戶體驗，還以配套生態(tài)增強了大家垃圾分類意識的主動性，且以成本低，安裝方便為優(yōu)點更易于推廣普及。經我們團隊調研分析，目前市場上沒有同類產品，且與當前相似產品（智能分類垃圾桶）的面向客戶存在差異，這有利于我們的項目進入市場并取得市場份額。但同時，區(qū)域化垃圾分類智能監(jiān)控系統(tǒng)系統(tǒng)還處于測試階段，還需要克服一些技術問題和仍繼續(xù)壓縮成本空間以增強項目競爭力。 在未來，我們在擁有較大用戶數量的優(yōu)勢前提下，開發(fā)延伸功能，進行我們團隊的生態(tài)建設。一，以大數據技術分析用戶使用數據，上線用戶當日垃圾制造總量預測，完善管理制度，防止群眾垃圾私自處理，更好的建設垃圾分類投放生態(tài)。

37、二，擴大識別范圍，更新傳感器設施，開放對垃圾中敏感信息檢測，如兇器，贓物進行甄別，加強區(qū)域治安建設，構建和諧社會。日后還會結合氣味傳感器等技術，配套其他硬件設備，對垃圾桶周圍的空氣數據進行分析，主動凈化空氣質量、處理一些火災等其他險情，保障社區(qū)居民生活幸福度。 第三，在以獲得足夠資金支持的前提下，我們將會進一步完善開發(fā)系統(tǒng)的功能，當得到大范圍推廣時，可以考慮利用用戶優(yōu)勢，發(fā)展到公共場所，將業(yè)務從封閉式環(huán)境擴展到開放式環(huán)境中；也可以考慮納入征信系統(tǒng)代替積分系統(tǒng)，更好的引導人們進行垃圾分類，建設垃圾分類投放生態(tài)。 參考文獻 [1] 史秋陽,李浩,石鳳蕊,楊凱凡.

38、基于近紅外結構光與可見光的三維人臉識別算法[J].無線互聯科技,20XX,16(04):124-125. [2] 黃寧寧,方美娥.基于多視角的深度全景圖的三維形狀識別[J].杭州電子科技大學學報(自然科學版),20XX,39(02):35-39. [3] 馬千里.LED燈光遠程分布式控制系統(tǒng)——基于GPRS和ZigBee技術[J].科技經濟導刊,2015(16):39-40. [4] 潘磊，尹義龍，李徐周.基于得分的近紅外線與可見光圖像融合算法[J].計算機工程，2013(4):226-230. [5] 李杰.可見光/近紅外人臉識別方法的研究與實現[D].北京交通大學,2016. [6]