在信息化时代的发展下，计算机领域越来越深入各行各业,为广大用户提供了周到便捷的个性化服务。目前各行各业都广泛的使用定制化系统，起影响范围横跨了教育科研、文化事业、金融、商业、娱乐等多个领域，拥有十分庞大的用户群体。所以设计开发好一个专用系统对于一个机构或部门的发展十分重要。近年来，随着用户要求的不断提高和计算机科学领域的迅速发展，特别是数据库技术以及中间件技术的广泛应用，向用户提供的服务将越来越丰富，越来越人性化。

对于学校而言，学生宿舍事务的管理是必不可少的重要组成部分。在疫情防疫形势较为严峻的当下，对于学生宿舍管理的要求更加严格。目前仍有许多学校停留在宿舍管理部门人员收到记录数据阶段，手动记录对于规模小的学校来说勉强可以接受；对于学生信息量比较庞大，需要记录存档的数据比较多的高校来说，人工记录信息是十分繁琐的工作。一条一条的进行人工查找精确度不高，而且容易发生谎报身份进入宿舍的情况。利用机器视觉分析技术来实时分析学生进出宿舍动态视频图像，同时利用计算机来管理宿舍和学生的信息，可以大大提高学生信息的查询速度，节约人力和物力资源，达到了预期的要求。

图1 软件运行原理图

计算机视觉技术又被称为机器视觉技术(Machine Vision Technology)，简称MVT，它是一门交叉学科，其中涵盖诸多领域，如AI(人工智能)、图像处理等。该技术以计算机技术为载体，对人类的视觉功能进行模拟，提取图像中的信息，经过处理后拥有检测、控制等。信息量大是、速度快是MVT较为突出的特点。

计算机视觉视觉的研究内容一般包括以下4个方面:

1.  图像分类

图像分类，就是输入一张图像，由计算机根据已有的图像标签对该图像进行判断，找到并分配与该图像相匹配的标签，以实现图像的分类。通俗的说，就是由计算机去判断图像有什么或者有什么，这是计算机视觉技术的核心，是目标检测、物体定位等其他关键技术的基础。

2.  目标检测

目标检测是指利用相关的图像处理技术，对图像中的目标对象进行分类，并确定该对象的位置，主要解决图像中的“有什么”与“在哪里”问题。

3.  目标追踪

目标跟踪指的是某一场景中对1个或多个对象进行检测跟踪的过程，组要是通过目标对象的信息，分析及确定该对象的位置、速度、位移等，为该对象进行观察，从而预测其下一步行动轨迹，目标跟踪技术目前广泛应用于无人驾驶、检测监控等领域。

4.  图像分割

2.1 国外的研究现状

国外MVT的研究始于20世纪60年代，当时美国麻省理工学院的罗伯茨教授，在自己的论文中，分析了2D图像获取3D形状信息的可能性，由此正式开启机器视觉理论与实践的研究。20 世纪70年代，视觉计算理论的创始人D.Marr与该领域内的一众学者经过深入研究，创立出具有系统化特点的计算机视觉理论，为机器视觉的相关研究奠定了基础。这对于MVT的发展具有里程碑意义，该理论的核心是依托2D图像恢复3D几何形状。到80年代后，国外在MVT方面的研究不断深入，从最初的实验室向实际应用方向转移。进入90年代，国外将 MVT 广泛应用到工业环境领域中。发达国家的MVT发展速度比较快，如欧美、日本等，他们对该技术的应用也相对成熟，主要的应用领域为半导体、电子等行业。现如今，国外的MVT逐步细化，整个技术被分为三个部分，即底层开发、二次开发、最终使用。其中底层开发是对相关系统的设计与构建，在这方面取得成果的公司有德国的 Siemens、美国的 DVT、日本的欧姆龙等，他们在机器视觉软硬件产品的开发中投入大量的人财物力；二次开发是利用各公司 开发出来的机器视觉系统，在满足用户需求的基础上进行的专用系统开发；最终使用是用户在相应的领域内对成型的机器视觉系统进行运用。

2.2 国内的研究现状

我国对机器视觉这一概念的引入是在 21 世纪初，截至目前，该技术仍然处于推广普及阶段。由于我国在机器视觉硬件、软件等方面的开发能力并不是很强，从而使得国内的 MVT 与国外的 MVT之间存在一定的差距，致使相关产品的开发成本较高，并且效率比较低。国内的研究院所、大专院校、相关企业，在最近几年里纷纷加大了对 MVT 的研究力度，并将该技术应用于工业现场，如电子制造业、半导体行业、制药等。一些专家学者基于 MVT 研发出产品缺陷检测设备，该设备能够对质量不合格的产品进行分拣。随着 MVT 的逐步完善，其在国内的汽车制造业、新能源行业也得到一定的快，但在布局方面稍有不足。主要体现在以下几方面：首先，计算机视觉在 AI方面占比较大。在人工智能中，计算机视觉相当于人类的眼睛，属于感知层中至关重要的一项核心技术。计算机视觉技术通过模拟生物视觉，针对捕捉到的图像上的数据和信息实施跟踪、识别以及检测等，充分“分析”并“解读”这些图像。现阶段，这个技术已经被大面积投入到销售、安防、医疗和自动驾驶等行业应用中，也是当前人工智能技术中使用最广的一项技术。不论是我国还是其他国家，计算机视觉都是AI企业最集中的技术领域，在全世界AI企业中计算机视觉技术比重约占40%。其次，我国申请AI技术专利数量在世界居领先地位。根据AIIA数据显示，我国在 2019 年申请的人工智能专利数量达到十万项以上，稳居全球第一；紧随其后的是美国，专利数量在八万项左右；英国、日本、澳大利亚和加拿大分别入围世界人工智能技术专利申请数量前六国家。计算机视觉属于人工智能方面的应用技术，比重为17.72%。再次，我国在计算机视觉技术专利申请方面发展速度飞快。立足于计算机视觉技术专利申请来源国分析，韩国、美国和日本申请数量相对稳定，并且每年申请数量皆不超过700件，但是我国在 2010 年第一次在申请数量上超过上述三个国家，最近几年申请量更是远远超过世界上其他国家。最后，我国在计算机视觉技术专利布局方面还稍有不足。虽然我国专利申请数量很多，但是在申请人前十的排名中并没有我国申请人入选，在排名中前三位分别是富士通、佳能和三星电子。其中，日本专利申请人数量最集中也最多，我国申请人相对分散，没有形成具有战略意义的竞争大格局，还需要进一步深化专利布局方面的工作。

1.  创新点

(1)无感认证学生信息

本项目拟使用机器视觉分析技术实现，结合高清摄像头，实现对流动学生信息进行动态抓取，实时分析，对出入宿舍的人员进行无感认证，并给出必要警告。

(2)高并发支持

  市面上的类似系统大多在人员流动量大的情况下较为乏力，本系统将对于学生上下课等人员流动大的情况进行特殊处理，利用算法优化，改善高并发下系统响应缓慢问题。

(3)简单易用

  系统拟对于宿舍管理人员提供简单易且美观的界面，集成宿舍评比打分，学生请销假的常用功能，方便宿管人员进行管理。

2.  项目特色

  我们将项目与学生宿舍管理体系相联系，将作为未来学校智慧校园规划的一部分，与其他的模块进行联动，进行数据交互，方便进行人员管理。未来可以对于系统进行普适性推广，具有极大的社会意义。

1.  技术路线

(1)  系统运行关系架构

图2 系统运行关系架构图

(2)  硬件装置设计

我们调研了国内外市面上现有的高清摄像头，最终采取了康氏尼的一款全景摄像头作为外形参考，在其基础上进行改造，设计并打造出满足需求的物理结构(如图3)。

图3 拟采用的物理结构

(3)  硬件系统设计

1)  核心板

AHD主板基于不使用高频的子载波频率(sub-carrier)的算法，并使用了防止在信号传输过程中，发生的信号衰减技术(Pseudo Y/C Color Separation 方法)。由此，既可以维持Full HD画质，还可以保证通讯信号传输的稳定性，并将信号干扰做到最小。

图4-1 AHD 1135模组

2)  HC-SR505人体感应模块

   HC-SR505微型人体感应模块，可以周围人群，并将信息传递给主板，由主板处理视频流信息。

图4-2 HC-SR505人体感应模块

(4)  软件及企业微信小程序设计

1)  企业微信小程序

     企业微信作为国内主流的企业专业管理软件之一，其自身附带了许多丰富的功能，本项目拟选择其作为附带功能主要看重了一下几点:

a. 拥有丰富的api接口，可以轻松的实现消息推送功能

b. 校内推广效益等优异，学生入校时自动分配企业微信账号，避免人员遗漏

c. 轻量级，使用企业微信小程序，可以避免用户下载app,浪费手机资源

2)  web程序应用

Web程序开发一直是国内主流的开发方式之一，本项目拟选择其作为组要开发方式主要是看着以下几点:

a.  无需安装。用户只需在浏览器中访问URL，即可操作系统。

b.  无感更新。无需向用户推送更新，每次用户访问都可最新功能。

c.  天然跨平台。通过H5规范可以屏蔽用户操作信息的差异，保持系统不同平台的一致性。

d.  网络效应。Web应用程序无需获得准许也可以将彼此联系在一起。

项目研究阶段:

1. 2022.3.15-2022.3.25:选题整理与立项申报:请教指导老师，根据选题前沿知识。查阅已有的研究成果，撰写大学生创新创业训练计划立项申请书。

2. 2022.4.1-2022.5.15:技术选型阶段，从当下主流的开发技术栈中选出适合的开发框架，准备进行项目开发。

项目实施阶段:

3. 2022.5.15-2022.6.15:需求分析阶段，明确开发需求,拟定开发计划。

4. 2022.6.16–2022.7.16:确定开发规范，尽可能规避开发中的问题。

5. 2022.7.17–2023.2.1: 软件开发阶段。

项目总结评估验收阶段：

6. 2023.2.1–2023.3.1: 交付测试，修改软件中的问题。

7. 2023.3.1-2023.4.1: 完成软件开发，申请结项。