红外传感器在居民客梯系统中的应用亲子伴读网

摘要:

 随着工业的发展，机器人在工业应用中的优势不断显现，它使得人类从繁重、反复、危险、污染等恶劣环境中得以解脱。然而，机器人的应用多数伴随着周边自动化设备或者与人协作。复杂的逻辑和传感器一旦有异常便需要人工排除。人类在进入机器人的工作范围内时保障人类的生命安全便显得尤为重要。

 近些年来计算机技术不断的发展，图像信息处理技术也得到了更广泛的应用，尤其是计算机视觉及人工智能的发展，在机器人应用中日渐突显，如同给机器人增加了眼睛和思考。本文主要阐述了工业自动化应用中利用实时监控系统以及图像处理技术、深度学习算法，在机器人活动范围内高效、快速的识别人体侵入，防止机器人突然动作、伤及人类。

关键词：机器人 图像处理 深度学习 人体入侵识别

引言：

 随着计算机处理速度的提高以及图像处理技术革命性的发展，人像识别技术脱颖而出。安全是工业自动化项目实施中最重要的指标之一，把人像识别技术应用在工业自动化项目中，使得人类的生命安全更有保障，设备安全也更加完善。本文主要阐述了一种基于LINUX操作系统，搭载一款通过深度学习算法的视频图像处理应用软件，配合PLC，机器人构建一个安全、高效的工业自动化体系的应用。

工作原理：

 深度学习的概念来自人工神经网络的研究。这项工作的动机是建立一种模拟人脑以学习数据特征的机制。这是近年来人工智能领域的重要突破。深度学习的本质是通过多层非线性转换从大数据中自动学习不同的抽象级别，从而代替手动设计。深度结构人最显著特征就是具备了表达及学习能力，特别是对复杂全局特征及上下文信息的提取，具备了前者难以企及的优势，而这对于浅层模型来说是异常困难的。

 人像识别技术就是通过摄像机来搜索捕捉活动的人像，而不仅仅识别静止的照片，本应用通过YOLO网络模型进行人物检测，并对网格进行改进以提高其准确性，YOLO网络模型使用目标检测作为空间分离目标框及其类别置信度的回归问题。单个神经网络可以从整个图像直接预测目标框和类别的置信度。卷积层与全连接层构成了YOLO 算法基本结构。卷积层发挥图像特征提取功能，而全连接层则对图像位置、类别实施预测。

 视频图像处理方面为了方便在线实时查看以及标记出目标图像，依赖于Open CV函数库在系统软件开发过程中针对图像配置模块，添加了相应的图像配置参数，划定了固定的不规则区域，当人物出现在划定的区域内即会把人物轮廓勾勒出并标记出“DENGER”字样，同时输出标记值给PLC指定的寄存器中。为了提高视频图像的处理速度，对采集视频流、图像进行了灰度化、去噪等预处理。通过加权平均值方法进行图像的灰度化处理，采用中值滤波法进行图像的去噪处理。视频中的人体动作识别是一个十分重要的研究领域，具有广泛的应用前景。本文通过对基于深度模型的动作识别方法在两个十分流行的动作识别数据集ＵＣＦ１０１和ＨＭＤＢ５１上对当下比较经典的动作识别算法进行了对比分析．结果表明结合传统手工ＩＤＴ特征和深度模型特征方法、多流模型方法、应用大型图像数据集进行预训练都可以获得较好的性能提升。

 本模型需要线下大量图像进行预训练，在预训练阶段，可以通过一个递归贪婪的学习过程来实现，该过程使权重参数多样化，并间接的使相应的潜在单位多样化。通过使用多样化参数训练出多样化的隐藏层，一方面使参数及隐藏层具有更丰富的表达，进一步提取图像的深层次的特征。另一方面使“从不响应”及“总是响应”的神经元得到良好的调节，尽可能使每个神经元处于正常状态。

 PLC（可编程逻辑控制器）在工业自动化体系中应用非常广泛，它具有可靠性高、适应性好、通讯能力强、处理速度快以及功能扩展性高等诸多优点。由PLC控制机器人周边设备使得自动化系统更加柔性化，可以快速、方便的调整逻辑动作以适应各种定制化制造、加工方案，从而节约时间成本、经济成本。三菱MC协议是用于外部设备经由C24或E71对可编程控制器CPU的软元件数据、程序进行读取/写入等的Q/L系列可编程控制器用的通信方式。它是基于TCP/IP框架下的私有化协议，通过MC协议上位机系统可以方便、安全、高效的实现对PLC内部寄存器和软元件的快速读写。 

系统设计：

 本系统硬件设计，主机可以采用DELL小型工作站或者一般商用服务器，配置要求CPU Inter酷睿i5 9代 2.9GHz及其以上，操作系统为Linux 64位，摄像头采用海康威视1080P网络高清摄像头带POE红外夜视50米防尘，PLC为三菱Q系列搭配Cclink总线通讯模块，机器人为FANUC M710ic/70。

 项目实施开始首先需要搭建通讯系统，通过工业交换机把摄像头、主机、PLC、机器人构建在同一局域网段内，分配不同的ip地址。人体侵入识别系统运行在主机上通过工业以太网与PLC相连，协议为三菱以太网MC协议，PLC与机器人通过工业总线Cclink通讯。机器人紧急停止回路接入安全继电器输出侧，采用双回路接线，安全继电器输入侧一路为自动化项目紧急停止按钮回路，一路为PLC输出触点常开触点回路。当人体侵入系统检测到有人侵入特定区域内通过以太网通讯协议通知PLC异常状态，PLC则关闭输出安全继电器安全回路，从而断开机器人紧急停止回路，机器人动作停止。摄像头安装与工业厂房顶部与地平面斜60度照射覆盖整个自动化生产线。

 人体侵入识别系统分为五个部分，分别是数据库建立、运动人体检测、运动特征提取、行为理解与识别和人物标记输出。数据库本系统采用的是MySQL，由于MySQL数据库为开源的，意味着用户可以根据自己的个性化需要对其进行修改，另外MySQL的快速响应、可靠性也是本系统选择其的原因。人体检测、特征提取是通过OpenCV函数库对视频流进行处理，通过把视野拆分为多个小型区域，然后通过圈定自定义的区域进行快速匹配。此外，通过时空卷来表示运动历史图像模板，从二维特征图扩展到三维卷，增加了视角点变化的鲁棒性。行为理解和识别是通过深度学习算法大量的基础训练以保证判断的准确性。人物标记输出是在获取目标结果后在视频中圈定目标人物轮廓，同时在目标轮廓内标记出“DENGER”字样，以及通过以太网MC协议在PLC软元件特定地址D寄存器内 写入1，并且访问D寄存器是否写入成功，如若没有写入成功则再次写入，连续两次写入不成功则断开MC协议通讯。在整改自动化系统运行工程中，人体侵入系统和PLC通过MC协议设置有心跳检测，具体操作就是每隔1秒钟系统向PLC发送特定数字至指定软元件D100同时清除D101内数字，PLC收到D100后立即在软元件D101内写入特定数字同时清除D100内数值，如此往复。一旦软元件D100内数字不在更新，则PLC判定通讯中断，同时切断机器人紧急停止回路。

实验结果：

 经过实际应用检测，本系统具有高准确率、高响应性、稳定输出、全天候等优点。人体侵入至机器人停止整个过程输出稳定在1秒之内，基本可以达到工业需求，保障人身安全。

结束语：

 相对于静态图像识别，深度学习在视频图像方面识别应用欠缺。一方面由于缺少大量的视频图像数据集，另一方面训练视频图像需要更深层次的模型，模型结构更为复杂，计算量更大，训练时间将会延长。如何改善这些问题，是视频图像识别研究的关键之一。另一方面，机器人在工业自动化领域的应用越来越多，人机协作的安全保障也越加重要。本系统把监控系统和深度学习应用在工业自动化中，充分的发挥各自的优点，也是未来工业自动化发展一个方向。

参考文献：

郑远攀，李广阳，李烨. 深度学习在图像识别中的应用研究综述.计算机工程与应用，2019，55(12):3-4

王申涛.基于深度学习的行人检测.人工智能与应用，2019:2

罗会兰，童康，孔繁胜.基于深度学习的视频中人体动作识别进展综述.电子学报，2019

李红，臧晶.基于深度学习的人体行为识别技术研究.信息技术，2019