一种基于卷积神经网络的智慧路灯联动控制算法

2018年8月

第29卷第4期

照明工程学报

ZHAOMING GONGCHENG XUEBAO

Aug.2018

Vol.29 No.4

一种基于卷积神经网络的智慧路灯联动控制算法

鄢小虎李康1，陈凯2

(1.湖北大学计算机与信息工程学院，湖北武汉430062; 2.国网电力科学研究院，湖北武汉430074)

摘要：提出了一种基于卷积神经网络的智慧路灯联动控制算法，实现智慧路灯多功能的联动。为了提高联动的准确性，采用卷积神经网络对报警人和充电车辆进行检测。摄像头根据检测的结果自动调整角度，实时跟踪监测报警人和充电车辆的状态，并传回后台系统。通过实验证明了本文方法能提高联动的准确率，充分发挥各个功能模块的作用，极大地方便运维人员的日常工作。

关键词：智慧路灯；卷积神经网络；联动控制

中图分类号：TM923 文献标识码：A DOI：10. 3969/j.issn. 1004-440X.2018. 04. 014

A Linkage Control Algoritlim of Smart Street Lamp Based

on Convolutional Neural Network

Y A N X i a o h u1，L I K a n g1，C H E N K a i2

(1. School of Computer and Information Engineering，Hubei University，Wuhan430062，China %

2.State Grid Electric Power Research Institute，Wuhan430074，China)

Abstract:A multi-functional linkage control algorithm of smart street lamp based on convolutional neural network(CNN)is presented in this paper.To enhance the linkage accuracy，CNN is used to detect alarming people and charging vehicle.The cameras automatically adjust angle acconiing to the detection result，track alarming people and charging vehicle，and transfer the data to background system.The experiments validate that the linkage control algorithm can enhance the linkage accuracy，and achieve the full potential of s mart street lamp functions.It is greatly convenient for the maintenance people.

Key words：smart street lamp;convolutional neural network;linkage control

引言

作为智慧城市的信息节点，智慧路灯采用先进的智能控制技术、无线通信技术和电源管理技术，实现路灯的自动化、信息化和智能化。智慧路灯为 实现照明管理升级、节能减排以及融合城市公共服务系统提供了方向，因此智慧路灯的建设具有重要意义⑴。

目前，国内外多家单位开发了相应的智慧路灯产品[2“]，如：欧司朗开发的智能方案是将LED灯 具连接到1个利用光管理软件单独控制的网络，形

成1个灯具网。经过计算机的计算和分析，优化软

件设置，按照特定时间、空间和环境状况调节灯具状态；华为在CeBIT2016上发布了多级智能控制照 明物联网解决方案，该方案的亮点是可以根据实时状况调整照明，从而提高节能效率；厦门市智联信 通物联网科技有限公司提出的智慧城市方案，实现 了视频、城市洼地水位、PM2.5、温/湿度、噪音等 环境指数实时掌握；上海三思电子工程有限公司以

基金项目：湖北省自然科学基金一基于深度卷积神经网络的目标跟踪算法研究与应用（批准号：2017CFB305) 通信作者：李康.E-m ail:29855239@

第29卷第4期鄢小虎等& 一种基于卷积神经网络的智慧路灯联动控制算法73

LED路灯为载体，实现了智慧照明、充电桩、智慧 安防、无线上网、互、智能感知和4G基站等功能。

但是，目前市场上的智慧路灯各个功能模块之间都是 的，之间缺少联动，不能充分发挥 各个功能 的作用。当现异常情况时，不能准 确判别，给运 的日常工作 了极大的困难。因此，迫切需要一种多功能联动的智灯控制算法。为了提尚联动的准确性，我们提出一^种基于卷 神 络的智 灯联动控制算法。

1卷积神经网络

卷积神经网络 56] (Convolutional Neural Network，CNN)是一 学习的前馈神经网络模

型，它包括卷积层（convolutional layer)和池化层(pooling layer)。卷神经网络可以从 像识别物体，感 、权值共享和次抽样三个方法来实现识别位移、缩放和扭[7]。目前，卷神络 成为学术界和工程界研究的热点，广泛应用 像和 处理 [$]。

合考虑计 和识别准确率，本 卷积神 络LeNet-5提拍像的特征，该的层数为$，结可以表示为：输 一卷积一一卷一一一；接一输 。卷 的下&

P &( ##R L X =## ⑴

i$M j

其中/代表 的层数，l表卷积核，m.代表第# - 1层的第L个特征图，=代表输出图的偏置，/代 表激活函数。函数能 地传 ，经过多层的反向传播后，大 ，解决了梯度弥散的 。本 数采用函数，数 学 表 下 &

/(@) p max(0，@) (2)池化层采用最大值操作，保留最显著特征，提升 的畸变容忍能力。

2基于CNN的物体检测

本 的智 灯 是 智 照 明、线 络 、

频监控、发、智能充电、微 、一报警等功能的软硬件综合平台。后台系统能单独管理和控制各个功能 ，例智慧照明能根据不同光照和不同时间 调节LED灯的 ，视频监控能实现摄像头水平方向360V转，发布能实现微 数 上传和预警。

采用卷积神 络对 的物体进行检测，详的流程见图1。

图1基于CN N的物体检测流程图

Fig. 1 Flow chart of object detection based on CNN

在智慧路灯附近，采用卷积神经网络对一键报警人和充电车辆进 ，详细的步骤如下：步骤1&生成候选。转云台，摄像头在以报警人和充电车辆为圆心，r (r x1.5 m)为 的圆圈内拍 像，产生大量的候选区域。

步骤2& 大归一化。把所有侯选框缩放成 大小，本采用100 w100 (单位为像素）的。

步 骤 3 & 征 提 。合 考 虑 计 和 识

准确率，通过卷神经网络LeNet-5的卷积层和 提 拍 像 的征 。

步骤4:分 。在特征提取的基础上，采用softmax分类器来识别物体。softmax分类器有 三 ，分是有报警人状态、有充电车辆状态及没有人车的状态。

3基于CNN的智慧路灯联动控制算法

77本实现 控 、智 能 充 电和 一 报 警 多 功 能的联动。摄像头在智 灯附近拍 像

，将图