【《基于物联网的社区治理系统与实现》7400字（论文）】

基于物联网的社区治理系统与实现摘要：党和国家在十九大报告中提出，我国现阶段的矛盾已经转化为人民对美好生活的向往和不能满足的条件。这表现在生活方方面面。传统的社区治理方式也已经不能满足人民对于社会治安的需求。2008年底，美国IBM公司第一次的提出智慧地球这个理念，与此同时。智慧城市与智慧社区的概念也同时被提了出来。社区治理的主要是指互联网加社区服务的模式，最大可能性发挥物联网与云计算的优势。以此来为社区居民创造一个安全性高的，生活环境舒适的，生活方便快捷的智慧化生活环境。当前我国正处于智慧社区建设的高速发展阶段，因新冠疫情，政府与个人愈加明白社区是人民生活的主体与基本单位。国家在十四五规划提出建设信息化的社会主义现代化国家。本文拟在研究一个基于物联网的智能社区安防管理系统的研究与实现。伴随着智能社区的实现。人们能够更好地利用各种终端获取家中的各种信息。简而言之这种安防系统可以使人民更好的享受生活。进一步保障家居系统的安全。关键词：智慧社区；物联网；智能安防；智能门禁；人脸识别目录TOC\o"1-1"\h\uTOC\o"1-2"\h\u17620一、绪论 515004（一）研究背景及意义 519185（二）国外对智能小区的研究现状 521271（三）国内对于智能小区的研究现状 69377（四）论文的主要内容 629119二、物联网智能小区的介绍 11571（一）智能小区概述 1212301.智能小区的定义 159102.智能小区结构及功能 112721图一 214490（二）物联网概述 2153321.物联网简介 221865（三）智能家居与安防 37263三、智能家居安防系统的需求分析 4214683.1智能小区设计理念 529554四、智能社区安防系统的设计 516634（一）智能家居安防系统的设计 56198（二）人脸识别系统设计 8176561.功能模块设计 844842.界面设计 913531（三）系统实现 10275391.主界面实现 10292182.读入图片功能实现 11305993.人脸识别功能实现 144240(1)导入库 1611386(2)初始化模型 1715261(3)人脸识别 1724003(4)人脸特征点检测 1724595(5)人脸特征向量检测 1722666(6)人脸对比 18990五、实现与调试 1819179（一）系统测试 1817692（二）测试环境 1910544（三）功能测试 19六、750结论 191438参考文献 20PAGEPAGE1一、绪论（一）研究背景及意义进入新世纪以来，因为因特网技术和智能硬件等技术的飞跃式发展。各种各样的系统基本上已经逐步完成了从手动方向向自动方向的改变。互联网与人们在生活中的关系也变得更加不可分割。与此同时。物联网是最新的互联网技术。他改变了人们对于实物的认识方式。物联网技术发展日新月异。通过人与人，物与物，人与物的互联。极大地增加了生活的便利性。但是物联网的核心仍然是互联网。物联网定义如下:将各种传感器以及终端设备实现互联互通，并且利用各种网络协议对数据进行传递与交互，实现智能感知、定位精准、网络监督和控制，具有智能化、互联性高、实时共享三大特性。很长时间以来，都有一个客观规律。那就是人们所希望的居住环境都是在时代和社会的不断发展下不断改进的。每个时期的住宅都有他们自己的时代特色。这些年以来，因为党和国家的正确领导，人民群众的辛勤努力和奋斗。社会主义在这一时期进入了新时代。与此同时，经济发展水平迈上了崭新的台阶。当然科技水平在这一时期也得到了前所未有的的巨大进步。这就促进的人民是生活水平的提升。同时住宅也朝着更加智能化的方向发展。智能社区应运而生。然而随着经济的发展和交通的便利化，人员的流动性出现了大幅度的增长。在二零二零年的新冠疫情中。这一趋势暴露无遗。人们超高频词的出行使得疫情流动加速。同时，社区作为人民群众生活最基本的载体。控制人员流动和进出在这个时候就显得尤为重要。智能门禁作为距离居民最近的使用频率及其高的终端设备，在这个时候，他的重要性就凸显出来。为了进一步的研究学习这门技术。本文旨在对智能门禁在智慧社区中的应用进行系统性的分析与学习研究。（二）国外对智能社区的研究现状智能社区的飞速发展正是因为有物联网技术的飞速发展和时代更迭。随着基础科学与计算机科学的飞速发展。通信技术和自动控制技术的进步也是跨时代的。在这种情况下。智能住宅应运而生。智能小区最先诞生于美国。于1984年哈特福特市。政府修建了一栋新的建筑。并充分的运用了物联网技术。至此。智能社区如雨后春笋般的出现在了这个星球上的各个国家。1983年，美国电子工业协会理事会通过制定了家庭通用的电器标准。1989年，第一家现代会智能建筑公司在美国建成。时间截至目前为止，国外的智能社区建设水平也还是仍然只停留在初步阶段。没有统一的概念和技术路线来形成这样一个标准。但是，总的来说。基于物联网的智能社区的目的就是专注于为人们提供一种更加舒适安全的生活环境。（三）我国对于智能社区的研究现状我国的智能住宅项目主要从上世纪的90年代初期开始发展。进入新世纪以来。人们不光追求生活的便捷与环境的美好。同时追求建筑的智能化。2000年中华人民共和国建设部和国家科学技术委员会一起提出了共同建设小康型城市科技性住宅。2001年《建筑智能化系统工程设计管理暂行规定》由建设部颁布出台。从此以后，我们国家的智能化住宅建设也就有了新的标准。科学技术快速发展，各种建设计划也在同时稳步推进。国内的智能小区的建设与开发也在不断的发展在我国。吴承东系统性的阐述了万物互联技术在内联网和住宅智能的居住智能的应用方向。2010年，陈梦鑫在物联网下的智能社区之间的物联网与社区系统之间的关系。创造性的指出了智能社区所应该发展的方向。截至目前为止。国家已经奠定了坚实的理论和实践基础，为智能社区系统的下一发展提供了无限的可能。（四）论文的主要内容论文的组织架构共五章，这篇论文主要论述了智能社区的国内外发展现状，以及物联网技术的介绍。和智能社区安防系统的设计与实现。第一章节是绪论部分，首先主要就是介绍了物联网的一些主要的概念。其次对本文的研究背景、研究的目的和研究意义等基本内容进行了详细的说明。以及最后论文的整体架构。第二章节是智能社区的总体设计方案。包括智能小区的设计理念、智能社区的设计原则以及物联网智能小区的设计方案等。第三章是智能安防。主要介绍智能安防的概念内容。第四章主要对智能社区安防系统的设计进行说明。第五章主要对人脸识别系统的实现方法进行了说明和表达。二、物联网智能小区的介绍（一）智能小区概述基于物联网的智能化社区就是利用互联网和传感器技术建成的现代化小区。因为计算机科学技术的发展、互联网技术的进步、现代通信技术的飞跃、自动化控制技术的发展和在建筑领域越来越广泛的应用。家庭的智能化设备从无到有。小区的智能化系统也从最简单的原始的楼宇对讲发展道路综合布线，小区智能安防和物业管理理系统。根据国家颁布的“智能建筑设计标准”中关于住宅智能化的设计规格和要求,住宅智能化系统设计要遵循以人为本的原则，做到满足安全、舒适、便捷的可能性。同时在设计和设备的选用时候应考虑技术的可行性、设备的机械化程度、网络的开放、系统的可扩展性及可靠性等其他性能。1.智能小区的定义从上世纪八十年代开始，因为计算机科学与技术，智能硬件技术，智能控制技术都得到了极大的快速发展。社会生产力极大提高。人民生活水平也得到了巨大提升。同时人民对于住宅的要求也有了新的提升。人民开始越来越重视生活的便利性和安全性。现在，人民对于居住环境智能化的要求也变得越来越迫切。不仅要满足于生活的质量、周围环境、人文气息等各种条件。同时对于物业管理和服务的要要求也在稳步提升。高标准，严要求的服务也在不断改进。在这个历史机遇下。智能社区的概念也变得愈加明朗起来。同时依靠网络传输。智能社区可以实现自动化和综合服务等各种功能。智能小区结构及功能智能小区的结构主要包含智能楼宇的安装，智能报警服务以及智能物业管理系统等。结构主要分为图中的几个部分。功能也主要是智能安防。分析人民对于美好生活的向往追求的同时，智能小区向着舒适性，便利，和安全的方向发展。智能小区的特点就是拥有优质的综合服务图1为智能小区的结构图:图一（二）物联网概述1.物联网简介物联网指的是借助各种信息传感器以及设备和技术等，通过互联网技术。与智能传感器实时采集包括光、电、热、气味、生物以及位置等各种各样的信息。通过定位系统，射频技术，红外传感器、激光扫描仪等设备采集信息后。与互联网相连接，同时接入网络。实现人物，物人之间的联系。实现对于物品过程的智能感知和识别以及管理功能。物联网是各种技术发展到一定程度的共同产物，是未来科技发展的方向之一。他使得独立的物理对象都能和物联网连接在一起，形成一个整体。2.物联网的基本架构.仔细研究物联网的定义后，我们可以发现。一个完整的物联网必须满足三个条件。第一，必须传感器足够灵敏，只有这样才能检测到足够的关于物体的属性信息。二就是要保证信息传输的可靠性。利用zigbee传输和互联网传输的结合。发送对象的属性信息。确保信息传输过程中的及时性和准确性以及完整性。最后的是满足智能化的处理。即就是对上传到网络中的大量数据进行进行处理和分析。通过数据处理，我们可以感到物联网的最重要环节就是对于物体的感知、传递和处理。为了实现对象之间的通信，物联网的各个组成部分进行有机的协作和集成。物联网的产业架构主要分为三层：感知层、网络层和应用层。图二3.智能家居与安防智能家居与安防，从字面意思来理解就是智能化的家居系统与安防服务。能够为居住在其中的人提供各种生活便利比如智能家居可以远程控制灯光。市内多媒体，以及温度调解等。相关的许多功能。智能家居就是拥有各种自动化设备和信息传感器的住宅。通过这些设备联网可以为居住者带来，更加美好的体验和服务。另外，一个非常重要的地方是设备的系统集成与生活区的远程控制的连接。论文前面所说的连接和网络都是智能化家居的核心部分如今生活围绕着自动化的概念，智能安防大步走向历史舞台。智能安防是利用多种传感器以及计算机软件技术，针对人脸识别进行应用的技术。三、智能家居安防系统的需求分析本节主要是针对智能社区门禁系统的功能需求进行了详细分析和研究，把该系统能够实现的智能化功能列出如下：1.人脸识别智能控制社区门禁开关：通过社区门口的摄像头，录入照片。与数据库中的人脸图片进行对比。对比通过。闸门打开。2.门禁意外报警：当有不法分子意图靠近单元门门禁时候或者设备出现故障，系统都会通过蜂鸣器进行报警，同时也会自动将这些信息上传的同时自动保存到云端服务器。3.数据展示与统计：数据库系统可以提供对比人脸的识别，门禁的开关和门禁出现意外等多种意外情况。管理员可以通过后台程序进行对这些信息的查看。（一）智能小区设计理念仓廪足而知礼节。社会飞速发展。人民对于生活水平和质量的要求也与日俱增。这体现在生活的方方面面。而根据当前中国目前的国情来看。住房问题才是人民群众共同关心的大问题。人们都希望自己的住宅能够更加的智能化。设计理念就变的更加重要在这个时候。智能社区就像一个庞大的生态系统。每一个分支都显得尤为重要。但是与此同时，每个小系统确实也就变得十分渺小。这也就是发展缓慢的原因。如何将各个子系统统一规划成一个高效的整体的智能小区这就是我们的理念所要解决的难题。首当其冲的肯定就是安全性。安全无小事。人们对于人生和财产安全的重视也变得越来越重要。小区的安全不当不仅仅局限于高墙，大门之类的硬件措施。同时也需要防止犯罪分子的侵扰。人脸识别系统在这个时候就变的尤为重要起来。通过社区的人脸识别系统我们能够准确的知道自己的生活环境中居住了那些人。进来了那些人。防止不法人员进入小区内部。同时监控系统也能对小区周边的环境进行监控防范。最大程度的保护住户和人民的生命财产安全。红外线传感器会自然的隐蔽的设置在入户门口，如果传感器感应到人。就会启动摄像头自动拍照并及时上传到数据库系统。系统智能门禁模块用例图如图3-3所示。·（二）智能社会的设计原则智能社区作为顺应时代发展的趋势的产物。合理的设计原则在这个时候就显得十分重要。下面条原则是十分重要的，只有这样才能享受到智能社区所应该有的服务。1.可靠性原则。智能小区首先也是一个小区，是人们衣食起居生活的地方。稳定可靠是至关重要的。这就要求人们从技术设备到物业管理以及维修能力等方面都需要高效的运转。让故障率降到最低。给用户一个稳定可靠的生活环境。如果脸稳定可靠都无法达到。那么智能社区的高效便捷便也就是空中楼阁。2.标准化原则。智能社区在建设时候，就要采用统一标准。这样不仅有利于人员施工。出现问题后也能及时进行补救。3.安全防范性原则。智能社区作为高科技的产物。对业主的人身财产，生命就需要安全更加注意。4.以人为本原则。无论小区如何高科技，如何智能化。终究是要为人服务。我们更多要考虑的是如何满足用户的需求。让他们住的安心，住的放心。四、智能社区安防系统的设计（一）智能家居安防系统的设计系统整体设计的应用功能主要包含了数据采集与分析，和信息的存储和管理设备。这个系统的主要架构可以分为感知层、接入层、网络层、管理层和应用层系统整体设计的应用功能主要涉及到数据采集和分析，以及信息的存储和设备的管理等。本系统的总体架构可分为感知层，接入层，网络层、管理层和应用层等。门禁系统的工作原理主要是通过摄像头进行人脸的采集工作。安装单元门禁的主要目的在于避免陌生人或者不法分子随意闯入进出住宅。因为现在小区的智能化建设程度都非常高。而且人员流动极大。那么门禁系统在预防和保护人员方面。与传统的门禁不同。智能门禁的人脸识别系统采用主动识别的技术。当有人试图进入社区内部时候，可以准确高效的核对信息是否与数据库中的是否准确。同时将信息上传到数据库中。与此同时，弱势不法分子，意图强行闯入或者是以暴力形式破坏。此时门禁系统会立马触发报警机制。此时，报警信号机会通过传感器及时精准的传达至物业中心以及公安部门。以便采取相应手段，迅速采取合理有效的办法。具体流程如图4-5所示-（二）人脸识别系统设计通过设计UI界面，以及pycharm项目。建立一个简单的人脸识别的界面。1.功能模块设计（1）Ai.Ui界面设计文件：在PyCharm中创建一个项目，然后点击“Tools”--“ExternalTools”--“QTDesinger”打开QTDesinger。然后向Form中拖入一个“PushButton”和一个“TextEdit”。在工具栏点击信号-槽编缉按钮光标移动到“PushButton”按钮上鼠标左键点击“PushButton”不要松开--拖动光标到Form的任一位置后再松开鼠标左键。经过上边的操作就出现了如下界面，“pushButton”侧选中“click()”，“Form”侧点击“Edit”。在上边“Slots”点击绿色“+”按钮，指定click事件的响应函数，名称随意定比如我这里命名为load()”。这样界面设计和事件关联就完成了，我们下来选择保存，将文件保存到项目的根目录下。关闭QTDesigner回到PyCharm，查看项目，可以看到只有刚才保存的findface.ui文件而且该文件在PyCharm是打不开的（2）Ai.py界面python文件选中findface.ui，在其上点击鼠标右键，到“ExternalTools”中点击“Pyuic”，完后再看项目文件，就可以看到多了一个“findface.py”（3）Airun.py业务功能实现文件我们新建一个文件在里边创建一个子类（findfacerun.py）继承findface.py中的Ui_Form（4）使用opencv人脸识别按钮实现文件读取功能（5）dlib人脸识别按钮实现人脸识别功能2.界面设计（三）系统实现1.主界面实现 2.读入图片功能实现界面代码a. 对话选择图片fileName,tmp=QFileDialog.getOpenFileName(self,'OpenImage','Image','*.png*.jpg*.bmp')b. 读入图片self.img=cv.imread(fileName)c. 载入人脸模型#加载人脸检测和关键点定位self.detector=dlib.get_frontal_face_detector()defload(self):

fileName,tmp=QFileDialog.getOpenFileName(self,'OpenImage','Image','*.png*.jpg*.bmp')

iffileNameis'':

return

print(fileName)

self.img=cv.imread(fileName)

self.showpic()

self.gray=cv.cvtColor(self.img,cv.COLOR_RGB2GRAY)

self.faces=self.face_cascade.detectMultiScale(self.gray,1.3,5)

for(x,y,w,h)inself.faces:

cv.rectangle(self.img,(x,y),(x+w,y+h),(255,0,0),2)

self.showpic()3.人脸识别功能实现代码:deffind(self):

fileName,tmp=QFileDialog.getOpenFileName(self,'OpenImage','Image','*.png*.jpg*.bmp')

self.img=cv.imread(fileName)

self.gray=cv.cvtColor(self.img,cv.COLOR_RGB2GRAY)

rects=self.detector(self.gray,1)

fori,rectinenumerate(rects):

cv.rectangle(self.img,(rect.left(),rect.top()),(rect.right(),rect.bottom()),(0,255,0),2)

height,width,channel=self.img.shape

bytesPerline=3*width

self.qImg=QImage(self.img.data,width,height,bytesPerline,QImage.Format_RGB888).rgbSwapped()

self.label.setPixmap(QPixmap.fromImage(self.qImg))

shape=self.predictor(self.gray,rect)

tezheng=np.zeros((68,2),dtype='int')

foriinrange(0,68):

tezheng[i]=(shape.part(i).x,shape.part(i).y)

for(x,y)intezheng:

cv.circle(self.img,(x,y),2,(25,255,0),-1)

self.showpic()

print("find")(1)导入库importsysimportcv2ascvfromPyQt5importQtWidgetsfromqtlibimportUi_Formimportsysimportdlibimportcv2importosimportglobimportnumpyasnpimportreimportosfromPyQt5.QtWidgetsimport*fromPyQt5.QtGuiimportQImage,QPixmap(2)初始化模型Opencv#人脸识别模型self.face_cascade=cv.CascadeClassifier('./haarcascade_frontalface_default.xml')dlib#加载人脸检测和关键点定位self.detector=dlib.get_frontal_face_detector()#人脸特征点（载入模型self.predictor=dlib.shape_predictor('./shape_predictor_68_face_landmarks.dat')#人脸特征向量模型self.face_rec_model=dlib.face_recognition_model_v1('./dlib_face_recognition_resnet_model_v1.dat')(3)人脸识别self.img=cv.imread(fileName)#转化成灰度图self.gray=cv.cvtColor(self.img,cv.COLOR_BGR2GRAY)#得到所有用矩形标示的人脸的坐标rects=self.detector(self.gray,1)(4)人脸特征点检测shape=self.predictor(self.gray,rect)(5)人脸特征向量检测1、将opencv的bgr格式转换为rgb格式#opencv的bgr格式图片转换成rgb格式b,g,r=cv2.split(self.img)self.img_rgb=cv2.merge([r,g,b])#计算人脸的128维的向量self.face_descriptor=self.face_rec_pute_face_descriptor(self.img_rgb,shape)(6)人脸对比#计算人脸的128维的向量self.data11=self.face_rec_pute_face_descriptor(self.img_rgb,shape)#计算人脸的128维的向量self.data22=self.face_rec_pute_face_descriptor(self.img_rgb,shape)diff=compare(self.data11,self.data22)defcompare(self,data11,data22):diff=0#forv1,v2indata1,data2:#diff+=(v1-v2)**2foriinrange(len(data11)):diff+=(data11[i]-data22[i])**2diff=np.sqrt(diff