如何使用直接替代型解决方案加速开发复杂的占用监测设计

作者:Stephen Evanczuk

投稿人:DigiKey 北美编辑

占用监测在建筑自动化、健康、安全和安保方面的作用至关重要。尽管开发人员能够从现有的组件中拼凑出合适的人数统计解决方案并开发出适当的算法,但这可能需要时间和成本。随着对更快地交付具有最新的功能和特性且支持社交距离要求的更复杂解决方案的期望越来越高,就需要一种更简单、更快速的方法。

本文将讨论占用监测及其为什么变得如此关键。然后,介绍如何利用 Analog Devices 全面的端到端人数统计套件开始工作。使用该套件,设计人员可以满足数量不断扩大的、基于占用监测功能的复杂应用的各种要求。

为什么占用监测很重要

对人员的数量、位置及其在建筑物内的移动情况的监测能力,在多种应用中的作用都在不断扩大。在自动化楼宇管理系统 (BMS) 中,跟踪房间利用率和居住者活动的能力仍然是实现办公室、会议室和其他公共区域全部利益的基础。在疫情蔓延期间,这种能力有助于确保居住者能够在室内空间中保持安全隔离。

即使个人返回办公楼,监测房间占用情况的能力也有助于公司限制通常情况下楼内大量未使用空间内的那部分能源浪费。2019 年已经降至约 68% 的办公室占用率 [a] 在疫情期间急剧下降,到 2021 年中期仅恢复到约 32% [b]。

然而,除了优化楼内空间的使用和协助保持社交距离外,主动测量占用情况对于抑制不断攀升的能源消耗已经变得极其重要。根据世界绿色建筑委员会 [1] 的数据,建筑和施工贡献了全球所有碳排放的 39%。更具体地说,用于照明、加热和冷却建筑物的能源造成的碳排放占全球碳排放的 28%。(剩余的 11% 与材料和施工的建筑生命周期碳成本有关。)

在过去十年的大部分时间里保持平稳,但由于更多极端天气造成的能源需求增加,与建筑有关的碳排放在 2019 年上升到了历史最高水平。事实上,2019 年被证明是自 2016 年有记录以来最热的一年,当时在全球气候模式和全球气温上升的夹击下,形成了气候异常温暖的“完美风暴”。

这种气候变暖的趋势一直在持续,2020 年证明比 2019 年更温暖。因此,根据美国国家海洋和大气管理局 (NOAA) 的数据,迄今为止有记录的三个最暖的年份包括 2016 年(第一)、2020 年(第二)和2019 年(第三)[2] 。而且,这一趋势仍在继续,2021 年 7 月被记录为全球有史以来最热的月份 [3]。由于 7 月之前的四个月都被列入有史以来 10 个最温暖的月份之中 [4],NOAA 预计 2021 年将可能成为全球有史以来 10 个最温暖的年份之一。

在全球范围内,减少影响气候的碳排放的国家战略将更有效的建筑能源利用视为其规划的核心。对于具体公司来说,减少能源消耗会给他们的公司利润及员工福利带来直接的好处。

就最大限度地减少能源利用来讲,尽管基本占用数据的重要性日益增加,但大多数公司还是依靠门禁卡刷卡数据或肉眼观察——这两种方法都不能提供建筑能源管理所需的有效、精确、最新的房间使用信息。我们需要一种更有效的占用检测手段。

实施占用检测解决方案

自动占用检测解决方案的设计、实施需要多个领域的专业知识,以便将传感器、低功耗处理器和连接与准确的人数统计算法结合起来,形成完整的应用,从而能够在人们进入和离开室内空间时即时做出反应。开发并支持这样的应用需要时间和资源。Analog Devices 提供了一种更简单的途径:ADSW4000 EagleEye,这是一款完整的基于二维视觉传感器的、低功耗、低带宽直接替代型平台,旨在提供最新数据,以优化空间利用并最大限度地减少能源消耗。

该套件包括可在 Analog Devices 的 ADSP-BF707 系列 Blackfin 数字信号处理器 (DSP) 器件上运行的 Analog Devices 专有人数统计算法。ADSW4000 EagleEye 可提供独立室内空间的利用率数据,使公司能够平衡办公空间的利用和能源消耗,以获得最大的效用。

由于该器件只在 Blackfin 处理器上执行图像分析和人数统计任务,EagleEye 算法可确保所有图像都保留在 ADSW4000 上,因此没有任何个人身份信息流出平台,这符合越来越多的全球隐私法规。事实上,Blackfin 处理器生成的结果仅限于一个数据包,其中包含在感兴趣区域 (ROI) 中监测到的人数、他们在该区域的坐标位置及移动情况。

为了帮助加快开发高级占用监测应用,Analog Devices 在其 EVAL-ADSW4000KTZ EagleEye 试用套件中集成了其 ADSW4000 EagleEye 人数统计平台。作为其 EagleEye 算法的一个完整的交钥匙型传感器到云端实施方案,该试用套件使用户能够用现有的应用和基于云的在线仪表板立即部署占用监测任务。另外,该套件可以作为定制系统的基础,让开发人员能够专注于更高层次的应用,而不是实现其人数统计方法的细节方面的东西。

实施单子系统加速

EagleEye 试用套件包括一对子系统,用基于 Blackfin DSP 的子系统来生成人数统计数据,而基于 Analog Devices ADuCM4050 微控制器单元 (MCU) 的独立子系统则用来处理连接和更高级别的应用功能(图 1)。如前所述,关键的人数统计功能由该试用套件中运行 ADSW4000 EagleEye 算法的 EagleEye DSP 子系统执行。

Analog Devices 的 EagleEye 试用套件图图 1:在 Analog Devices 的 EagleEye 试用套件中,DSP 子系统使用在 Analog Devices 的 ADSP-BF707 Blackfin DSP 系列器件上运行的 ADSW4000 EagleEye PeopleCount 算法来获取并处理图像。(图片来源:Analog Devices)

为了从感兴趣区域获取图像,该子系统使用了一个基于 onsemi ASX340AT3C00XPED0-DPBR CMOS 数字图像系统芯片 (SoC) 的二维视觉传感模块,并将其与一个红外 (IR) 滤波器组合使用。与 Analog Devices 的 EagleEye 框架服务协作,EagleEye PeopleCount ADSW4000 算法由 ADSP-BF707 Blackfin DSP 运行,所用存储器为 ISSIIS25LP512M 512 Mb 串行闪存和 Micron TechnologyMT46H64M16LF 1 Gb 低功耗双数据率 (DDR) 同步动态随机存取存储器 (SDRAM)。

在这个子系统中,ADSP-BF707 Blackfin DSP 很适合处理人数统计所需的复杂图像采集和处理任务。其信号处理管道包括多个硬件乘积累加 (MAC) 单元以及单指令、多数据 (SIMD) 功能。

ADSW4000 ADI EagleEye PeopleCount 算法由 ADSP-BF707 Blackfin 处理器运行,可实现在目标区域内高达 90% 的精确计数。同样重要的是,该子系统迅速返回结果。例如,从一个人进入 ROI 开始,子系统只需 300 ms 就能识别其已经从空闲状变为为占用状态。识别 ROI 状态从占用变为空置所需的时间可由用户配置,默认设置为 5 分钟。

人数和位置数据的产生延迟也同样很小。有人进入由用户在调试期间指定的区域后,该算法会在 1.5 s 内提供经过更新的人员数量及其位置数据。在检测到个人后,该算法只需 113 ms 就能提供最新的数量和位置数据。

如上所述,Analog Devices 的 EagleEye 平台并不传输其捕获到的任何图像。相反,DSP 在推送模式下使用其“通用异步接收发送器” (UART) 端口来传输占用情况元数据。该元数据包以 JSON 格式传输,包括占用状态(占用或空置)、人数、表示人员位置的 x、y 坐标以及其他数据(表 1)。

Analog Devices 的 EagleEye 算法表表 1:Analog Devices 的 EagleEye 算法通过生成包含本文所列元数据的数据包来实现个人隐私保护,而不是以不传输个人身份信息的方式实现。(表格来源:Analog Devices)

ADuCM4050 MCU 子系统位于 DSP 子系统下游,其运行环境为 AWS FreeRTOS 环境,支持传感器调试以及与 Analog Devices 的相关云服务进行通信所需的高级 EagleEye 应用和连接服务(图 2)。

32 位 ADuCM4050 MCU 为工业物联网 (IIoT) 应用提供了全面的处理环境,如 Analog Devices 的 EagleEye。为了支持复杂工业应用工的作负载,ADuCM4050 基于Arm® Cortex®-M4F 52 MHz 处理器内核构建,集成了浮点单元 (FPU)、内存保护单元 (MPU)、硬件加密加速器和受保护密钥存储功能。

基于Analog Devices ADuCM4050 的 EagleEye 试用套件的 MCU 子系统的图图 2:基于 Analog Devices 的 ADuCM4050,EagleEye 试用套件的 MCU 子系统支持更高级别的 IIoT 应用,并在本地以及套件与云或其他建筑管理系统之间提供连接服务。(图片来源:Analog Devices)

一套集成电源管理功能包括多种电源模式和时钟选通功能,使该器件能够实现低功耗执行。因此,MCU 在激活模式下只需每兆赫兹 41 微安 (μA/MHz) 的电流(典型值),休眠模下只需 0.65μA 电流(典型值)。在非激活期间,处理器在可快速唤醒关机模式下的电流消耗仅 0.20 μA(典型值),在完全关机模式下仅 50 纳安 (nA)。

如何方便快捷地开始人数统计

在试用套件中,Analog Devices 将 DSP 和 MCU 子系统与一个摄像头传感器、一个镜头、LED 和按钮集中在一个紧凑的封装中(图 3)。

Analog Devices 的 EagleEye 试用套件中的 2D 视觉传感器单元图图 3:Analog Devices 的 EagleEye 试用套件中的二维视觉传感器单元 为快速部署而设计,能够很容易地安装在感兴趣区域的上方,方便人数统计。(图片来源:Analog Devices)

开发人员只需将传感器单元直接安装在房间或室内感兴趣区域的上方,就可以快速进行人数统计。该传感器可以使用各种不同的电源。用户可以用一根电线连接该装置的直流接头,为其提供 5.5 V - 36 V 直流电源,或经过微型 USB 电缆提供 USB 电源,或为超过 1 m 的情况使用有源 USB 延长线供电。

安装传感器单元后,用户可以使用配套的 EagleEye PeopleCount 应用程序直观地确认传感器的位置和所需的视场 (FOV),该应用程序可在 iOS 平板电脑的苹果应用商店或安卓平板电脑的 Google Play 中下载(图 4)。

Analog Devices 的 EagleEye PeopleCount 应用程序图片图 4:Analog Devices 的 EagleEye PeopleCount 应用程序方便用户在调试前确认传感器单元的位置。(图片来源:Analog Devices)

用户验证了传感器 FOV 后,即可继续进行简单的设备调试。在调试期间和以后的运行过程中,用户可以观察传感器单元中内置的 DSP 和 MCU 的 LED 指示灯,监测各自子系统的当前状态(表 2)。

Analog Devices 的 EagleEye 试用套件传感器单元的内置 LED 指示灯表表 2:Analog Devices 的 EagleEye 试用套件传感器单元中内置的独立 LED 指示灯,用于连续指示 DSP 和 MCU 子系统的状态。(表格来源:Analog Devices)

该应用程序可以引导用户完成传感器调试步骤。在这个过程中,用户通过标记出“纳入掩膜 (inclusive mas)”,如地板掩膜(图 5,左),指出算法应在 FOV 内监测哪些区域。将非监测区域排除对准确计数同样重要。在调试过程中,配套的应用程序允许用户指定不同的“排除掩膜 (exclusion mask)”,例如,窗口和显示屏(图 5,右)。

Analog Devices 的 EagleEye PeopleCount 应用程序的设置图(点击放大)。图 5:在调试过程中,用户使用配套的应用程序来识别 EagleEye PeopleCount 算法应该检查或忽略的区域,具体方法为使用“纳入掩膜”,如地板掩膜(左),以及在窗户或其他降低人员计数精度的区域使用“排除掩膜”(右)。(图片来源:Analog Devices)

安装和调试完成后,传感器单元即可开始将其元数据传输到 Analog Devices 云端。通过使用注册时提供的凭证登录到云端,用户可以检查一系列占用情况图(图 6)。

Analog Devices 云端中的 EagleEye 试用套件在线仪表板图(点击放大)图 6:Analog Devices 的 EagleEye 试用套件传感器单元的安装、调试完成后,用户可以登录 Analog Devices 云端的在线仪表板,实时查看占用数据。(图片来源:Analog Devices)

Analog Devices 的 EagleEye PeopleCount 技术平台可以嵌入到由相应的 Blackfin 处理器、合适的外部闪存构建的定制设计中。Analog Devices 还为试用套件的注册客户提供 EagleEye 软件包。对于下游的 MCU 子系统,开发者可以增加其功能,包括更多的传感器、使用任何能够运行 EagleEye 传感器接口的系统平台设计;同时,还可提供所需的连接。然而,对于希望在其楼宇管理系统中快速采用人数统计的开发人员来说,Analog Devices EagleEye 试用套件提供了一个交钥匙型传感器到云解决方案。

总结

随着公司为用于办公室照明、供暖和制冷的大量建筑能源消耗付出代价,需要对经常空置的办公空间进行有效资源管理,从而推动了对更准确的占用数据的需求。基于在低功耗数字信号处理器上运行的专有算法,ADSW4000KTZ 试用套件为评估和部署占用监测提供了一个全面的传感器到云平台。该平台能够提供更有效地管理建筑能源所需的房间级实时占用数据。

参考文献

  1. https://www.worldgbc.org/news-media/WorldGBC-embodied-carbon-report-published
  2. https://www.ncdc.noaa.gov/sotc/global/202107/supplemental/page-1
  3. https://www.noaa.gov/news/its-official-july-2021-was-earths-hottest-month-on-record
  4. https://www.noaa.gov/topic-tags/monthly-climate-report
  1. https://www.us.jll.com/en/space-utilization
  2. https://www.kastle.com/safety-wellness/getting-america-back-to-work/

免责声明:各个作者和/或论坛参与者在本网站发表的观点、看法和意见不代表 DigiKey 的观点、看法和意见,也不代表 DigiKey 官方政策。

关于此作者

Stephen Evanczuk

Stephen Evanczuk 拥有 20 多年的电子行业编辑经验,主题涉猎广泛,涵盖硬件、软件、系统以及包括物联网在内的各种应用。他拥有神经网络领域的神经科学博士学位,曾经从事航空航天领域大规模分布式安全系统和算法加速方法方面的工作。目前,他不是在撰写技术和工程文章,就是在研究深度学习在识别和推荐系统方面的应用。

关于此出版商

DigiKey 北美编辑