挑戰

在家里和辦公室里，人們很容易看到燈沒關，即使附近幾乎沒有人。

除了花費更多，這種照明對環境也有負面影響。我們越來越依賴有限的、不可再生的能源來發電，而這些能源經常被浪費。

雖然我們在家中的能源使用量是名義上的，但在辦公室中，使用量要多得多。因此，對環境和成本的負面影響要多得多。這需要我們采取積極行動。

當張貼“請在離開前關燈”的標志影響很小或沒有影響時，考慮到燈的數量、覆蓋面積和其他因素，損失的幅度更大。讓某人通過每次都關掉燈來解決過度照明的問題是不可行的。人類的記憶是易變的，不可依賴。

讓我們了解一下單個燈泡的影響。一個10瓦的燈泡每小時耗電0.01千瓦（kWh）。假設1千瓦時的成本為12美分。那么，在不需要時點亮的每10瓦燈泡將花費每小時0.12美分。

我們會讓你的基本算術技能來計算整個辦公室的總成本，方法是用燈的數量乘以上面的數字。

那么我們如何解決這個問題呢？

雖然市場上有很多智能控制和自動化解決方案，但大多數解決方案需要定期設置額外的硬件，并導致額外的維護成本。

有沒有更好的方法來應對這一挑戰？

所有辦公場所都設置了攝像頭來監控該區域。我和同事們集思廣益，通過最少的投資來解決這個問題。

可以使用這些捕捉不同幀的相機來自動關閉燈光？

方案

解決方案是通過計算機的眼睛——通過計算機視覺——表達我們節約能源的意圖。

那么計算機視覺到底是什么呢？

“計算機視覺，通常縮寫為CV，被定義為一個研究領域，旨在開發幫助計算機‘看到’和理解照片和視頻等數字圖像內容的技術。”

該系統將觀察來自攝像機的輸入流，這基本上是攝像機的視野。每個捕獲的幀被劃分為4個區域。如果某個區域中沒有人，則屬于該區域的燈光將關閉。

這個解決方案是用opencv4 Nodejs實現的，用于流行的開源計算機視覺庫OpenCV。連同socket.io和express用于渲染一個web應用程序，以顯示實時視頻流并模擬燈光的打開和關閉。

實施步驟

1.導入所需的庫。

constsocketIOProvider=require('socket.io');

constcv=require('opencv4nodejs');

2.開始從相機捕捉視頻源。

constfps=30;//framespersecond
/**
*videosourcesetto0forstreamfromwebcam
*videosourcecanbeseturlfromipcamalsoeg:"http://192.168.1.112:8080/video"
*/

constvideoSource=0;
constvideoCap=newcv.VideoCapture(videoSource);
videoCap.set(cv.CAP_PROP_FRAME_WIDTH,600);
videoCap.set(cv.CAP_PROP_FRAME_HEIGHT,600);

3.讀取并以常規幀速率將其流式傳輸到網絡應用程序。

setInterval(()=>{
constframe=videoCap.read();
constimage=cv.imencode('.jpg',frame).toString('base64');
io.emit('new-frame',{live:image});
},1000/fps);

4.以大于實時流的間隔讀取以確定用戶存在。

/**
*Sincevideo/imagetransformationsarecomputionallyexpensiveoperations,theseoperationsareperformedindependentoflivefeedstreaming.
*/

setInterval(()=>{
constframe=videoCap.read();
constfaces=detectFaces(frame);
constimageWithFaces=cv.imencode('.jpg',frame).toString('base64');
io.emit('new-frame',{transformed:imageWithFaces,transformationData:calculatePeoplePosition(frame,faces)});
},10000/fps);

5.使用任何OpenCV分類器檢測人。在這個解決方案中，使用了“HAAR正面人臉分類器”。

/**
*
*Facedetectiontransformationonthestream
*/

constdetectFaces=(frame)=>{
letfaces=[];
constimage=frame.bgrToGray();
constclassifier=newcv.CascadeClassifier(cv.HAAR_FRONTALFACE_ALT2);
constresults=classifier.detectMultiScale(image);
if(results.objects.length){
results.objects.forEach((faceRect,i)=>{
if(results.numDetections[i]

	6.在框架上標記面部，以便可視化檢測。
/**
*Drawingrectsaroundfacesonframe
*/
constdrawFaces=(frame,faceRect)=>{
constrect=cv.drawDetection(frame,faceRect,{
color:newcv.Vec(255,0,0),
segmentFraction:4
});
};

	7.確定人們相對于框架的位置，以確定他們所在的區域，從而只照亮那些部分。確定的結果隨后被發送到網絡應用程序進行照明模擬。更改燈泡顏色以模擬要照亮的區域。

	

	結論

	這是展示技術如何通過節約能源來改善地球的眾多例子之一。你還可以通過這個簡單的實現學習如何解決常見的工作場所挑戰。

	上述解決方案的源代碼：https://github.com/Mudassir-23/opencv-nodejs-energy-saver

	編輯：黃飛