Ngoài ra, khóa luận cũng sẽ cung cấp một cách tiếp cận đơn giản trong việc kết nối và điều khiển các thiết bị trong nhà thông qua một máy tính duy nhất.. Nhà thông minh là một ý tưởng tư
Các cơ sở lý thuyết
Tính toán khắp nơi và các ứng dụng
Tính toán khắp nơi (Ubiquitous computing) là xu hướng phát triển công nghệ cho phép tích hợp các phương pháp tính toán vào môi trường sống hàng ngày Thay vì phải sử dụng máy tính để bàn hoặc laptop, kỹ thuật này cho phép xử lý dữ liệu diễn ra mọi lúc, mọi nơi trong cuộc sống của chúng ta.
Mark Weiser, người đầu tiên đưa ra khái niệm về tính toán khắp nơi đã nói:”
Tính toán khắp nơi để chỉ làn sóng thứ ba trong công nghệ tính toán, nó đang bắt đầu
Làn sóng đầu tiên là các máy tính lớn, mỗi máy được chia sẻ bởi nhiều người sử dụng
Hiện nay, chúng ta đang sống trong kỷ nguyên của máy tính cá nhân, nơi con người và máy móc khó có thể hiểu nhau qua giao diện làm việc truyền thống Tiếp đó, sự phát triển của tính toán toàn diện sẽ giúp công nghệ ngày càng xuất hiện khắp mọi nơi, mở ra thời đại của "công nghệ lặng lẽ" Trong thời đại này, các kỹ thuật tiên tiến sẽ lùi xuống để làm nền tảng cho cuộc sống hàng ngày của chúng ta, mang lại sự tiện ích và tối ưu hóa hoạt động.
Mark Weiser mô tả rằng, hãy tưởng tượng mỗi người có hàng trăm thiết bị không dây xung quanh, với các kích cỡ và dạng khác nhau, từ màn hình nhỏ đến lớn Điều này nhấn mạnh xu hướng công nghệ IoT (Internet of Things) đang mở rộng, tạo ra một môi trường kết nối thông minh và liền mạch hơn Sự đa dạng về thiết bị không dây góp phần xây dựng một hệ sinh thái kỹ thuật số tích hợp, mang lại trải nghiệm người dùng tối ưu và nâng cao hiệu quả trong công việc cũng như cuộc sống hàng ngày.
Khi diện tích màn hình tăng lên đáng kể, từ 1 inch đến lớn hơn cả bức tường, điều này đòi hỏi hệ điều hành mới, giao diện người dùng tiên tiến, công nghệ mạng hiện đại và các phương thức hiển thị sáng tạo hơn Tất cả những yếu tố này góp phần thúc đẩy khái niệm "tính toán khắp nơi," mở ra khả năng kết nối và xử lý dữ liệu mọi lúc mọi nơi trên nhiều thiết bị khác nhau.
Trong thế giới ngày càng kết nối của tính toán, công nghệ đồng nhất được triển khai trên tất cả các thiết bị, kể cả trong không gian Ý tưởng của công nghệ này là biến tính toán thành một công cụ tự nhiên, mạnh mẽ và hữu ích cho mọi người Điều này giúp việc sử dụng công nghệ trở nên dễ dàng, liền mạch và mang lại lợi ích tối đa trong cuộc sống hàng ngày.
2.1.2 Vị trí của “Tính toán khắp nơi”
Tính toán khắp nơi đang được nghiên cứu và phát triển nhờ vào ý nghĩa và tiềm năng to lớn của nó, góp phần thúc đẩy nhiều lĩnh vực của công nghệ thông tin như tính toán phân tán, tính toán di động, tương tác người máy và trí tuệ nhân tạo.
Tổng quan về nhà thông minh
Nhà thông minh hay còn gọi là smart-home hoặc home automation là loại nhà được trang bị các thiết bị điện tử tự động hoặc bán tự động nhằm nâng cao tiện nghi và tiết kiệm năng lượng Các hệ thống này tự động hóa việc quản lý và điều khiển các thiết bị trong nhà, thay thế con người trong nhiều thao tác vận hành, giúp cuộc sống trở nên tiện lợi và hiệu quả hơn Nhà thông minh mang lại khả năng kiểm soát từ xa, tối ưu hóa năng lượng tiêu thụ và nâng cao chất lượng cuộc sống cho cư dân.
Trong căn nhà thông minh, các thiết bị như đồ dùng trong phòng ngủ, phòng khách và toilet đều được trang bị bộ điều khiển điện tử kết nối internet và điện thoại di động, giúp chủ nhân dễ dàng kiểm soát từ xa hoặc lập trình hoạt động theo lịch trình Ngoài ra, các thiết bị gia dụng còn có khả năng hiểu và tương tác với nhau nhờ vào công nghệ thông minh, tạo nên một hệ sinh thái nhà ở tiện nghi và hiện đại.
Một ngôi nhà thông minh đầy đủ, thường bao gồm các tính năng:
Phân phối đa phương tiện, là một rạp hát gia đình
Điều khiển việc chiếu sáng, mành, rèm
Giám sát, điều khiển môi trưởng (nhiệt độ, độ ẩm…)
Có khả năng liên lạc giữa các phòng
Giám sát, điều khiển camera an ninh
Giám sát và điều khiển từ xa
2.2.2 Các ưu điểm của nhà thông minh
Nhà thông minh tích hợp các thiết bị và công nghệ tự động hóa, giúp nâng cao tiện nghi và giảm bớt công việc cho đời sống hàng ngày Hệ thống này cho phép chủ nhân dễ dàng quản lý toàn bộ tòa nhà qua một chiếc điều khiển từ xa, dù đang ở bất kỳ đâu Các hoạt động gần gũi như mở cổng khi nằm trên giường, đèn cầu thang tự sáng khi có người đi qua, hoặc hệ thống đèn và thiết bị trong nhà hoạt động theo lịch trình đều trở nên dễ dàng hơn Nhờ đó, nhà thông minh không chỉ tối ưu hóa an ninh và tiện ích mà còn mang lại sự thoải mái, an toàn, như kiểm soát nhiệt độ, tiết kiệm năng lượng và tự động tắt các hệ thống không cần thiết.
Công nghệ này không chỉ cho phép điều khiển trong phạm vi ngôi nhà mà còn tích hợp điều khiển qua điện thoại cố định, điện thoại di động, internet hoặc PDA, giúp người dùng kiểm soát mọi sinh hoạt dù đang ở công sở hay ngoài đường.
Bạn hoàn toàn có thể thông minh hóa mọi không gian sống, không chỉ giới hạn ở những ngôi nhà nhỏ Các công nghệ phù hợp giúp tích hợp hệ thống tự động hóa vào trụ sở văn phòng, siêu thị, trung tâm thương mại, khách sạn, nhà hàng, nhà xưởng sản xuất, ngân hàng, bệnh viện và các khu phức hợp khác Việc lựa chọn công nghệ phù hợp là chìa khóa để nâng cao hiệu quả vận hành, tiết kiệm năng lượng và tạo ra môi trường sống và làm việc hiện đại, tiện nghi.
Một số khái niệm trong xử lý ảnh và bài toán nhận diện đối tượng trong ảnh 9
Màu sắc đóng vai trò quan trọng trong công nghệ xử lý ảnh, giúp nâng cao chất lượng và hiệu quả của các ứng dụng liên quan Để biểu diễn màu sắc trên máy tính, có nhiều dạng không gian màu khác nhau phù hợp với từng yêu cầu cụ thể Trong bài viết này, chúng tôi sẽ giới thiệu sơ lược về hai không gian màu cơ bản là RGB và HSV, giúp người đọc hiểu rõ hơn về cách các hệ thống xử lý màu sắc hoạt động trong công nghệ xử lý ảnh.
Điểm ảnh trong các thiết bị phần cứng được đặc trưng bởi ba thành phần màu cơ bản: Red, Green và Blue Mỗi thành phần màu này thường được biểu diễn bằng 1 byte, tương đương với 256 giá trị từ 0 đến 255, giúp xác định cường độ màu cụ thể Sự kết hợp của ba thành phần màu này tạo nên màu sắc của từng điểm ảnh, góp phần hình thành hình ảnh hiển thị trên màn hình.
Ví dụ: R=G%5, B=0 ta có màu vàng
Hue (H): độ đo màu được tổng hợp từ 3 thành phần màu Đỏ(Red), Xanh lam (blue), xanh lá cây (Green) của một điểm ảnh
Saturation (S): chỉ độ xám của điểm ảnh VD: Cùng là một màu nhưng có màu xám và có màu trong
Value (V): Chỉ độ sáng của điểm ảnh
Mối quan hệ giữa hệ màu RGB và hệ màu HSV:
Để biểu diễn độ xám (grayscale), ta có thể sử dụng một dải màu liên tục với các điểm mà tại đó các chỉ số R, G, B bằng nhau và tăng dần từ 0 đến 255, tạo thành một thang màu từ đen đến trắng như hình 2.1.
Nếu coi hệ màu RGB tương đương với 1 hệ trục tọa độ đề các (R=x, G=y, B=z) thì có thể thấy Graysclale chính là 1 đường thẳng nối 1 điểm (0,0,0) với (255, 255,
255) Ta sẽ coi đây là một tia tạm gọi là tia phân giác
Hình 2.2 trình bày hệ trục tọa độ Đề Các với các hệ màu RGB, thể hiện cách mỗi điểm ảnh được cấu thành từ ba thành phần màu R, G, B Độ sáng của một điểm ảnh phụ thuộc vào tổng của ba thành phần màu RGB; điểm ảnh có chỉ số R+G+B lớn hơn sẽ phát ra ánh sáng mạnh hơn, tạo nên hình ảnh rõ nét hơn Phương trình x + y + z = V mô tả mặt phẳng trong không gian màu sắc, giúp hiểu rõ hơn về sự tương tác giữa các thành phần màu của điểm ảnh.
Hình 2.3: Mặt phẳng màu ứng với một độ sáng
Khi di chuyển theo các mặt phẳng dọc từ điểm (0,0,0) đến (255,255,255), chỉ có độ sáng của điểm ảnh thay đổi còn các thành phần màu sắc như đỏ, xanh, và xanh dương vẫn giữ nguyên Hiểu rõ quá trình này giúp tối ưu hóa việc điều chỉnh độ sáng trong chỉnh sửa hình ảnh, đồng thời duy trì độ chính xác của màu sắc gốc Điều này rất quan trọng trong các ứng dụng xử lý ảnh và đồ họa, nơi mà việc kiểm soát độ sáng mà không làm thay đổi màu sắc là yếu tố cần thiết để tạo ra hình ảnh chân thực và sống động.
Hình 2.4: Sự thay đổi độ sáng theo tia phân giác
Chính vì vậy, ta sẽ định nghĩa tia phân giác chính là độ đo độ sáng V (Value) trong hệ màu HSV của điểm ảnh Giá trị tứ 0 đến 1
Trong một mặt phẳng, các điểm có độ sáng bằng nhau, tạo thành các vùng sáng đồng đều Điểm màu xám nằm chính giữa nơi mặt phẳng cắt tia phân giác, thể hiện điểm trung tâm của vùng sáng này (hình 2.5).
Hình 2.5: Mặt phẳng phân bố màu
Trong bài viết này, chúng ta sẽ tìm hiểu cách đánh giá sự khác biệt giữa các màu sắc dựa trên vị trí của chúng trên vòng tròn màu sắc Khi vẽ một vòng màu với tâm là điểm màu xám nằm trên tia phân giác, chúng ta có thể quan sát rõ ràng các màu sắc khác nhau nằm trên vòng tròn và đánh giá sự khác biệt giữa chúng Theo quy ước, màu Đỏ ứng với góc 0 độ, Màu Xanh lá cây là 120 độ, và Màu Xanh dương là 240 độ Như vậy, màu đỏ nằm ở 0 độ, màu vàng xuất hiện ở góc 60 độ, và màu cam nằm trong khoảng giữa các góc này, giúp chúng ta dễ dàng phân biệt và lựa chọn màu sắc phù hợp cho các dự án thiết kế và sáng tạo.
30 độ Giá trị này sẽ ứng với độ đo màu sắc H (Hue)trong hệ màu HSV
Thành phần còn lại của hệ màu HSV là S (Saturation), độ đo độ xám của điểm ảnh
Hình 2.6: Phân bố độ xám
Từ hình vẽ (hình 2.6) ta thấy khoảng cách từ điểm xám (tâm) tới điểm đỏ nhất (pure red) sẽ quyết định độ xám của điểm ảnh
502 Bad GatewayUnable to reach the origin service The service may be down or it may not be responding to traffic from cloudflared
Điểm đỏ nhất (pure red) là (V, 0, 0)
Điểm màu xám với cùng độ sáng sẽ là (V/3, V/3, V/3)
Điểm nửa đỏ nửa xám sẽ là (V*2/3, V/6, V/6)
Hình 2.7: Mô tả độ xám
Dễ thấy tất cả các điểm “nửa đỏ nửa xám” sẽ cùng nằm trên một đường thẳng có
502 Bad GatewayUnable to reach the origin service The service may be down or it may not be responding to traffic from cloudflared
502 Bad GatewayUnable to reach the origin service The service may be down or it may not be responding to traffic from cloudflared
Độ sáng: V trong khoảng 0(đen)-100(trắng)
Độ xám hay độ sắc nét của màu: S với 0 là xám
Màu sắc: được xác định thông qua góc H (0 ứng với màu đỏ, 60 với vàng,
2.3.2 Các cách tiếp cận bài toán nhận diện đối tượng trong ảnh Đã có rất nhiều những nhà nghiên cứu, tổ chức quan tâm nghiên cứu và đưa ra các cách tiếp cận khác nhau để giải quyết bài toán này Trong đó có một vài cách tiếp cận phổ biến như: thu thập một lượng dữ liệu về hình ảnh lớn chứ đối tượng và thực hiện việc huấn luyện thông qua học máy Ví dụ nghiên cứu của: H Schneiderman và
T Kanade A Statistical Method for 3D object detection applied to faces and cars In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, năm 2000 [4]; hay H Rowley, S Baluja, T Kanade Rotation Invariant Neural Network-Based Face Detection In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1998 [3] ) Tuy nhiên cách này đòi hỏi việc phải thu thập một lượng lớn dữ liệu thực tế của một đối tượng, điều này là thực sự khó khăn nếu ta tiến hành trên một nhóm các loại đối tượng khác nhau Hơn nữa việc đưa ra những phương pháp học máy cũng đòi hỏi không ít thời gian và công sức Do đó có một cách tiếp cận khác đó là đưa ra một bộ luật cho những đặc điểm của đối tượng, cách này sử dụng tri thức của người phát triển nhiều hơn so với sức mạnh của máy tính Tuy nhiên, để đưa ra được những bộ luật như vậy cần rất nhiều hiểu biết cũng như những nghiên cứu chính xác đặc điểm của loại đối tượng cần nhận diện Một kết quả nhận diện tốt phụ thuộc rất nhiều vào bộ luật cho từng loại đối tượng Ví dụ như nghiên cứu của Crandall David J và Luo Jiebo đưa ra một cách tiếp cận để nhận diện các đối tượng có sự kết hợp của các màu sắc một cách cố định như các loại cờ, nhân vật hoạt hình, đồng phục hay logo [2]
Phương pháp tiếp cận thứ hai chủ yếu dựa vào quy định của các bộ luật ứng dụng cho từng loại đồ vật cụ thể Để giải quyết các bài toán nhận diện đồ vật đã được xác định trước, các nhà nghiên cứu đã đề xuất kỹ thuật đánh dấu vật cần tìm dựa trên các điểm đặc trưng trong hình ảnh Phương pháp này giúp việc nhận diện bằng máy tính trở nên đơn giản hơn, ví dụ như trong nghiên cứu của nhóm tác giả J Coughlan, R Manduchi và cộng sự đã áp dụng cách tiếp cận này để nâng cao hiệu quả nhận dạng đồ vật.
Mutsuzaki and H Shen proposed a rapid and robust algorithm for detecting color targets, as presented at the AIC Colour 05 - 10th Congress of the International Colour Association This method is implemented on mobile devices with cameras and enables the detection of marked color points within close proximity The technique achieves a high accuracy rate of approximately 95%, validated on various devices, with processing times ranging from 0.12 to 0.9 seconds per image.
Các giao thức và mô hình kết nối
Việc hệ thống phải kết nối tới PPC đòi hỏi lựa chọn và sử dụng giao thức kết nối phù hợp để truyền tín hiệu hiệu quả Trong phạm vi nghiên cứu này, chúng tôi đánh giá hai giao thức chính là Wireless B/G và Bluetooth, từ đó chọn ra một giao thức tối ưu cho chương trình Lựa chọn giao thức phù hợp đóng vai trò quan trọng trong đảm bảo độ ổn định và hiệu suất truyền dữ liệu của hệ thống kết nối tới PPC.
2.4.1 Giao thức Bluetooth 2.4.1.1 Giới thiệu giao thức Bluetooth
Bluetooth là một tiêu chuẩn công nghiệp về truyền thông không dây tầm gần giữa các thiết bị điện tử, giúp truyền dữ liệu qua khoảng cách ngắn một cách tiện lợi Công nghệ Bluetooth tạo ra các mạng cá nhân không dây (Wireless Personal Area Networks - PANs), kết nối dễ dàng các thiết bị di động và cố định trong phạm vi gần Nhờ đó, Bluetooth thúc đẩy sự liên kết linh hoạt và tiện ích trong cuộc sống hàng ngày của người dùng.
Bluetooth có thể đạt tốc độ truyền dữ liệu tối đa 1Mb/s, hỗ trợ truyền tải dữ liệu lên đến 720 Kbps trong phạm vi từ 10 đến 100 mét Không giống như kết nối hồng ngoại (IrDA), Bluetooth là kết nối vô hướng hoạt động trên tần số 2,4 GHz Đặc tả của Bluetooth ban đầu được phát triển bởi Ericsson (hiện nay là Sony Ericsson và Ericsson Mobile Platforms) và sau đó được chuẩn hoá bởi Bluetooth Special Interest Group (SIG).
OBEX (Object Exchange) is a data transfer protocol used for exchanging information between devices via infrared ports, initially introduced by the Infrared Data Association (IrDA) in 1997.
Ban đầu, giao thức này chỉ dành riêng cho các thiết bị sử dụng môi trường ánh sáng hồng ngoại, nhưng sau đó nhanh chóng được tổ chức Bluetooth SIG (Bluetooth Special Interest Group) tích hợp vào hầu hết các thiết bị Bluetooth.
Cũng giống như các giao thức khác, giao thức OBEX được xây dựng trên nền mô hình OSI (Open Systems Interconnection) (hình 2.9) bao gồm hai thành phần chính:
OBEX session protocol (giao thức phiên OBEX): mô tả cấu trúc gói tin trong phiên làm việc giữa hai thiết bị
OBEX application framework: tập các dịch vụ OBEX cung cấp cho các ứng dụng đầu cuối như truyền file, in ảnh
2.4.2 Giao thức wireless chuẩn B/G 2.4.2.1 Giới thiệu giao thức wireless chuẩn B/G
Mạng WLAN là một loại mạng máy tính hoạt động không sử dụng dây cáp, thay vào đó, các thành phần trong mạng truyền dữ liệu qua môi trường không khí Môi trường truyền thông của WLAN dựa trên sóng điện từ, cho phép dữ liệu được gửi và nhận một cách linh hoạt, thuận tiện Vì không cần dây kết nối, WLAN phù hợp cho các không gian cần tính di động cao và dễ dàng mở rộng mạng.
Công nghệ WLAN lần đầu tiên xuất hiện vào cuối năm 1990, giới thiệu các sản phẩm hoạt động trong băng tần 900MHz Các giải pháp WLAN ban đầu này không được tiêu chuẩn hóa giữa các nhà sản xuất và chỉ cung cấp tốc độ truyền dữ liệu khoảng 1Mbps Tốc độ này thấp hơn nhiều so với tốc độ 10Mbps của hầu hết các mạng có dây hiện nay, khiến cho sự phát triển của WLAN gặp nhiều hạn chế trong giai đoạn đầu.
Năm 2003, IEEE giới thiệu chuẩn 802.11g, cho phép truyền nhận dữ liệu trên cả hai dãy tần số 2.4GHz và 5GHz với tốc độ lên đến 54Mbps Các thiết bị hỗ trợ chuẩn 802.11g còn tương thích ngược với chuẩn 802.11b, giúp nâng cao khả năng kết nối Hiện nay, chuẩn 802.11g đã đạt tốc độ truyền dữ liệu từ 108Mbps đến 300Mbps, đáp ứng nhu cầu sử dụng ngày càng cao.
2.4.2.2 Mô hình kết nối cơ sở (Basic service sets (BSSs))
Các điểm truy nhập AP (Access Point) gắn liền với mạng đường trục hữu tuyến, đóng vai trò điều khiển cell và quản lý lưu lượng truy cập tới mạng Trong hệ thống này, các thiết bị di động không giao tiếp trực tiếp với nhau mà kết nối qua các AP trong vùng phủ sóng của từng cell Các cell có thể chồng chéo lên nhau khoảng 10-15%, tạo điều kiện cho các trạm di động di chuyển mà không bị mất kết nối vô tuyến, đồng thời giúp giảm thiểu chi phí xây dựng mạng Các thiết bị di động sẽ tự lựa chọn điểm truy cập phù hợp để duy trì kết nối liên tục khi di chuyển giữa các cell.
Điểm truy nhập trung tâm là thiết bị tối ưu để kết nối, giúp điều khiển và phân phối truy cập cho các nút mạng, cung cấp khả năng quản lý mạng hiệu quả như phân chia địa chỉ, thiết lập mức độ ưu tiên và giám sát lưu lượng Tuy nhiên, trong mạng WLAN độc lập, giao thức đa truy nhập tập trung không cho phép các nút di động truyền trực tiếp tới các nút trong cùng vùng mà không qua điểm truy nhập, dẫn đến việc mỗi gói dữ liệu phải được truyền đi hai lần (từ nút phát và điểm truy nhập), làm giảm hiệu quả truyền tải và gia tăng độ trễ.
Hình 2.10: Mô hình mạng cơ sở
2.4.2.3 Mô hình kết nối Ad-hoc (Independent Basic Service sets (BSSs))
Các nút di động có hỗ trợ card mạng không dây tập trung trong một không gian nhỏ, hình thành mạng ngang hàng (peer-to-peer) giữa chúng Những thiết bị này có thể trao đổi thông tin trực tiếp mà không cần quản trị mạng, nhờ vào khả năng thiết lập nhanh chóng và dễ dàng của các mạng ad-hoc Vì vậy, chúng thường được sử dụng trong các hội nghị thương mại hoặc nhóm làm việc tạm thời mà không đòi hỏi kỹ năng hay công cụ phức tạp Tuy nhiên, hạn chế về vùng phủ sóng và việc mọi người đều nghe được lẫn nhau có thể là những nhược điểm của mạng ad-hoc này.
Hình 2.11: Mô hình mạng Ad-hoc
Mô hình hệ thống giám sát và điều khiển nhà thông minh
Bài toán và mô hình chung của hệ thống
Hệ thống giám sát và điều khiển nhà thông minh sử dụng camera và PPC cho phép người dùng ghi lại hình ảnh trong phòng qua camera và truyền dữ liệu này tới thiết bị di động PPC qua mạng không dây wireless Người dùng có thể quan sát hình ảnh, trạng thái và vị trí các đồ vật đã được xác định và đánh dấu trên hình ảnh trực tiếp từ điện thoại di động của mình Hệ thống cho phép lựa chọn và điều khiển các đồ vật trong phòng thông qua các tính năng hỗ trợ, giúp nâng cao trải nghiệm người dùng trong quản lý nhà thông minh Các lệnh điều khiển sau đó được gửi tới máy chủ, nơi xử lý và truyền tín hiệu đến đúng thiết bị được chỉ định để thực hiện các tác vụ cần thiết.
Với bài toán đã đề ra, chúng tôi xin đưa ra một mô hình đề xuất như sau:
Hình 3.1: Mô hình hệ thống giám sát và điều khiển nhà thông minh
Hệ thống bao gồm ba thành phần chính: phần xử lý ảnh từ camera, phần tương tác giữa người dùng với hệ thống trên PPC, và phần điều khiển các thiết bị từ máy tính Ảnh (IMAGE) sau khi chụp từ camera (tương ứng ký hiệu CAMERA) sẽ được xử lý bởi mô-đun xử lý ảnh (IMAGE PROCESSING) trên máy tính, nhận diện các đối tượng trong ảnh, đánh dấu và truyền dữ liệu về cho PPC Tại PPC (POCKET PC), hình ảnh sẽ được hiển thị lại trên màn hình cảm ứng để người dùng tương tác và gửi các lệnh điều khiển (CONTROL SIGNAL) đến các thiết bị được chọn Các lệnh điều khiển này sẽ được truyền về máy tính và xử lý tại mô-đun quản lý thiết bị (DEVICE MANAGER), từ đó thực hiện điều khiển trực tiếp các thiết bị như DEVICE 1, DEVICE 2, DEVICE 3.
Các thành phần của hệ thống và các giải pháp
Trong bài viết này, chúng tôi sẽ đi vào chi tiết các vấn đề nhỏ liên quan đến từng thành phần của hệ thống chung đã được trình bày trên, đồng thời đề xuất giải pháp phù hợp nhằm tối ưu hóa hiệu suất và khả năng vận hành của toàn bộ mô hình lớn.
3.2.1 Bài toán nhận diện đối tượng trong ảnh số
Trong phạm vi nghiên cứu của khóa luận này, mục tiêu chính là nhận diện các đối tượng gồm đồ vật, thiết bị điện và điện tử trong gia đình thông qua ảnh số thu thập từ camera giám sát Nghiên cứu tập trung vào việc phát triển phương pháp chính xác để phân loại các thiết bị điện, điện tử trong môi trường gia đình, góp phần nâng cao hiệu quả quản lý và an ninh Kết quả mong đợi là hệ thống có khả năng tự động nhận diện và phân loại các đối tượng trong ảnh một cách nhanh chóng và chính xác, giúp cải thiện việc theo dõi, giám sát trong các gia đình hiện đại.
3.2.1.1 Các đặc điểm và phương pháp đề xuất
Dựa trên các nghiên cứu thực tế và cơ sở lý thuyết, nhiệm vụ chính là nhận diện đối tượng trong ảnh số từ camera và truyền trực tiếp tới PPC, đòi hỏi một thuật toán chính xác và có tốc độ xử lý nhanh để giảm thiểu độ trễ Chúng tôi đã lựa chọn phương pháp đánh dấu các thiết bị, đồ vật bằng các kí hiệu đặc biệt và kết hợp với bộ luật để xác định vị trí chính xác của đối tượng trong ảnh Các kí hiệu này được xây dựng dựa trên sự kết hợp của các màu cơ bản theo quy luật riêng, giúp nhận diện nhiều đối tượng khác nhau trong cùng một hình ảnh Phương pháp này nhằm khắc phục những khó khăn gặp phải trong quá trình nhận diện nhanh và chính xác các vật thể trong ảnh.
Các thiết bị phần cứng như camera và màn hình máy tính sử dụng đèn LED hoặc các công nghệ hiển thị khác để biểu diễn màu sắc, trong đó hình ảnh màu được hiển thị dưới dạng lưới các điểm ảnh (pixel) Mỗi điểm ảnh chứa ba thành phần màu cơ bản là đỏ, xanh lá cây và xanh lam (RGB), giúp tái tạo các màu sắc đa dạng và chính xác trong hình ảnh kỹ thuật số.
Mã màu RGB (đỏ, xanh lá cây, xanh dương) phù hợp với máy tính nhưng lại không thân thiện với thị giác con người, khiến người dùng khó hình dung rõ ràng khi kết hợp các màu như đỏ và xanh lá cây để tạo thành màu mới.
Trong ví dụ đơn giản, hai điểm ảnh cùng màu đỏ nhưng có độ sáng khác nhau sẽ khiến mắt người nhận diện chúng là cùng màu, dù hệ thống RGB của máy tính lại xem chúng là hoàn toàn khác nhau Điều này cho thấy rằng, trên hình ảnh thu từ camera, độ sáng của các điểm ảnh có thể biến đổi do các yếu tố tự nhiên, khiến việc xử lý và phân tích hình ảnh trở nên phức tạp hơn.
Việc sử dụng camera để chụp ảnh có thể gây ra sai số về màu sắc cố định, khiến màu sắc thực tế không chính xác trong ảnh chụp Mặc dù ngoài đời màu đỏ, nhưng sau khi chụp, màu sắc có thể bị biến đổi do cấu tạo phần cứng của camera và sự khác biệt giữa các loại camera khác nhau Điều này ảnh hưởng lớn đến kết quả nhận diện hình ảnh và độ chính xác của dữ liệu màu sắc.
Màu sắc thường thay đổi khi ghi lại bằng camera, gây ra khả năng xuất hiện các vùng màu giống nhau trong khung hình và làm tăng sai số trong quá trình nhận diện Để khắc phục những vấn đề này, chúng tôi đề xuất các giải pháp nhằm cải thiện độ chính xác và độ tin cậy của hệ thống nhận diện hình ảnh.
Để giải quyết các vấn đề liên quan đến việc phân tích và so sánh màu sắc của ảnh, nên sử dụng không gian màu HSV thay vì không gian màu RGB nhờ vào những ưu điểm vượt trội của nó Cụ thể, thành phần màu sắc trong HSV tập trung vào giá trị H (hue), giúp các phép so sánh màu trở nên chính xác hơn vì không phụ thuộc vào cả ba thành phần RGB Bên cạnh đó, thành phần độ sáng V trong HSV cho phép loại bỏ phần nào ảnh hưởng của độ sáng khi so sánh, giúp phân biệt rõ hơn các yếu tố tự nhiên hoặc con người gây ra trong quá trình ghi hình của camera.
Để giải quyết vấn đề về sự khác biệt màu sắc, cần thực hiện các tính toán thực tế trên thiết bị để xác định sự sai lệch giữa màu sắc thực tế và màu sắc thu được từ camera Các bước này giúp xác định phổ màu chuẩn trong thực tế và phổ màu ghi lại qua camera, từ đó tạo cơ sở để nhận diện màu sắc chính xác dựa trên phổ màu này Việc này đảm bảo quá trình xử lý màu sắc trở nên chính xác và hiệu quả hơn trong các ứng dụng thực tế.
Để giải quyết vấn đề 4), chúng ta cần sử dụng các ký hiệu đánh dấu đặc biệt với xác suất xuất hiện ký hiệu giống nhau là rất thấp Tuy nhiên, để đảm bảo tính đơn giản và dễ thực hiện, phương pháp tốt nhất là sử dụng các hình có sự kết hợp của nhiều màu sắc theo một quy luật nhất định Như vậy, việc nhận diện không chỉ dựa vào màu sắc mà còn dựa trên mối quan hệ giữa các phần cùng màu trong vật đã được đánh dấu, giúp tăng tính chính xác và hiệu quả của phương pháp.
Từ những nhận xét trên, chúng tôi xin đưa ra mô hình thuật toán nhận diện đối tượng trong ảnh số như sau:
Hình 3.2: Mô hinh thuật toán nhận diện đối tượng trong ảnh số
Các thành phần trong mô hình trên:
RGB IMAGE: ảnh thu được từ camera được biểu diện trong hệ màu RGB
CONVERT TO HSV: mô đun tính toán và chuyển dự liệu của ảnh từ không gian màu RGB sang không gian màu HSV
HSV IMAGE: ảnh được biểu diễn bới hệ màu HSV
COLOR HISTOGRAMS: phổ của những màu mẫu ứng với camera sử dụng
TARGET OBJECT: màu đại diện cho đối tượng cần nhận diện
TARGET RULES: luật kết hợp giữa các màu trong kí hiệu đánh dấu
COLOR OBJECT DETECTION: mô đun nhận diện đối tượng sử dụng bộ luật dựa trên màu đặc trưng của nó
OUTPUT IMAGE: Ảnh sau khi được xử lý, đã xác định được vị trí của đồi tượng cần nhận diện
Mô tả chi tiết các bước của thuật toán như sau:
Trong xử lý ảnh số, các ảnh được chuyển đổi từ dạng RGB sang HSV giúp phân tích màu sắc dễ dàng hơn Cụ thể, tại mỗi điểm ảnh, ảnh HSV lưu trữ ba thành phần chính: H (chỉ số về màu sắc), S (độ bão hòa màu), và V (độ sáng) Việc chuyển đổi này giúp xác định và xử lý các đặc trưng màu sắc hiệu quả hơn trong các ứng dụng như nhận diện hình ảnh, chỉnh sửa màu, và phân đoạn đối tượng Khi đưa ảnh vào hệ thống, dữ liệu dạng HSV cung cấp thông tin chính xác về màu sắc, hỗ trợ tối ưu hóa các kỹ thuật xử lý hình ảnh dựa trên đặc điểm màu.
Trong hệ thống màu HSV, H (Hue) đại diện cho màu sắc với khoảng giá trị từ 0 đến 180, tương ứng từ màu đỏ đến màu tím S (Saturation) thể hiện độ bão hòa của màu, nằm trong khoảng từ 0 đến 255, tương ứng với 0% đến 100% độ bão hòa V (Value) biểu thị độ sáng của màu, cũng trong phạm vi từ 0 đến 255, tương ứng từ màu đen đến màu trắng Đây là các tham số quan trọng giúp mô tả và điều chỉnh màu sắc trong các ứng dụng thiết kế và xử lý hình ảnh.
Input: HSV IMAGE, TARGET COLOR, TARGET RULES, COLOR HISTOGRAMS
Trong bước này, chương trình sử dụng đối tượng mục tiêu (TARGET OBJECT) và bộ luật phù hợp (TARGET RULES) để xác định chính xác vị trí của đối tượng Phần mềm còn dựa vào phổ màu thực tế từ camera (COLOR HISTOGRAMS) để đảm bảo độ chính xác trong quá trình nhận diện.
Một số bộ luật được đề xuất:
Cách 1 để đánh dấu là sử dụng ký hiệu hình vuông gồm 4 hình vuông nhỏ có màu sắc khác nhau được sắp xếp theo thứ tự nhất định (ví dụ: hình 3.3 a) Phương pháp này giúp nhận diện dễ dàng các ký hiệu đánh dấu trong tài liệu hoặc dự án Việc lựa chọn các hình vuông có màu sắc đa dạng tạo sự rõ ràng và trực quan trong việc phân biệt các phần nội dung Sử dụng ký hiệu hình vuông kết hợp này là một trong những cách hiệu quả để tổ chức và trình bày thông tin một cách hợp lý và dễ hiểu.
Hình 3.3: Một mẫu kí hiệu đánh dấu
Thực nghiệm và chương trình demo
Cấu trúc của chương trình demo
Dựa trên yêu cầu của bài toán và các cơ sở lý thuyết đã có, chúng tôi đã phát triển một chương trình demo thực tế cho model và các giải pháp đề xuất Chương trình này bao gồm các thành phần chính như sau, giúp minh họa hiệu quả của các giải pháp trong thực tế và là bước tiến gần hơn đến ứng dụng thực tiễn của dự án.
Module CameraManager gồm các thành phần chính: PictureReceiver nhận hình ảnh từ camera và xử lý sơ bộ để tạo ra dữ liệu theo chuẩn, giúp đảm bảo chất lượng hình ảnh đầu vào PictureRecognizer chịu trách nhiệm nhận diện các hình ảnh đã qua xử lý, xác định vị trí và trạng thái của các thiết bị một cách chính xác Cuối cùng, PictureSender xây dựng hình ảnh hoàn chỉnh dựa trên kết quả nhận diện và gửi sang PDA với dung lượng tối ưu, đảm bảo truyền tải hiệu quả và phù hợp cho hệ thống.
The ConnectionManager module comprises several key components that facilitate seamless communication between the PC and PDA PCPictureSender is responsible for transmitting images from the computer to the PDA, ensuring efficient data transfer PDAPictureReceiver handles receiving images sent from the PC to the PDA, enabling smooth image exchange PDAControl manages sending control signals from the PDA to the PC, allowing for remote device management Meanwhile, PCListener listens for control signals from the PDA, ensuring responsive and real-time interaction between the devices These components collectively enhance the connectivity and functionality of the system.
The PDA Application module comprises key components such as the PictureDisplay, which receives and displays images on the PDA screen, and the TouchscreenHandler, responsible for capturing and processing touch input signals from the touchscreen.
Thiết bị điều khiển bao gồm các mô-đun chính như ActionRecognizer, chịu trách nhiệm nhận diện tín hiệu từ PDA và chuyển thành lệnh điều khiển, DeviceController để nhận lệnh và điều khiển các thiết bị, cùng CameraController điều chỉnh camera (zoom in, zoom out, di chuyển) Để xây dựng hệ thống hiệu quả, chúng tôi đã lựa chọn phát triển trên một nền tảng phù hợp nhằm giải quyết các vấn đề kỹ thuật và công nghệ một cách tối ưu.
Cấu hình máy tính: Tốc độ 2x1.7GHz, bộ nhớ 1GB RAM
Hệ điều hành: Windows XP
Các thư viện hỗ trợ: OpenCV
Các thành phần chính và thực nghiệm trong chương trình demo
Trong nghiên cứu này, IP camera Panasonic BL-C1 được sử dụng, là loại camera có cấu hình phù hợp, chủ yếu để ghi lại hình ảnh và truyền dữ liệu qua mạng Do đặc điểm này, việc thu nhận hình ảnh từ camera sẽ diễn ra qua giao thức HTTP, đảm bảo truyền tải dữ liệu nhanh chóng và ổn định trong hệ thống giám sát.
4.2.1.2 Xử lý và nhận diện đối tượng trong ảnh
Trong thực nghiệm này, chúng tôi dùng 2 loại kí hiệu để đánh dấu 2 loại thiết bị khác nhau ứng với kí hiệu A trong hình 4.1(a) và kí hiệu B trong hình 4.1(b):
Hình 4.1: Các kí hiệu sử dụng
Mỗi kí hiệu trên được làm với 2 kích thước là 100x100 mm và 120x120
Trong phần này, chúng tôi đã triển khai các thuật toán từ mô hình đề xuất trên hệ thống thực tế là IP camera Panasomic BL-C1 Như đã trình bày trong chương 3, mỗi loại camera khác nhau gây ra độ sai lệch về màu sắc khác nhau, vì vậy cần tính toán phổ màu thực tế để cải thiện độ chính xác của hệ thống.
Trong phạm vi khóa luận, chúng tôi đã tiến hành thực nghiệm sử dụng camera để chụp ảnh các màu mẫu trong phòng thí nghiệm Toshiba dưới các điều kiện ánh sáng khác nhau, bao gồm cả ánh sáng đèn và ánh sáng tự nhiên, cùng với các khoảng cách từ 1 đến 8 mét Sau khi phân tích khoảng 200 bức ảnh tập trung vào 4 màu chính là đỏ, vàng, xanh rêu và xanh lam, kết quả thu được đã được thể hiện rõ ràng trong biểu đồ (hình 4.2), góp phần đánh giá ảnh hưởng của các điều kiện môi trường đến độ chính xác của nhận diện màu.
Hình 4.2: Biểu đồ phân bố các màu đỏ, vàng, xanh rêu, xanh lam trong hệ màu HSV
Biểu đồ trên thể hiện mối quan hệ giữa trục hoành là độ đo màu H trong hệ màu HSV (từ 0 đến 180) và trục tung biểu thị tỷ lệ phần trăm các điểm có chỉ số màu h trên tổng số điểm cùng loại Chẳng hạn, nếu có 100 điểm màu đỏ trong đó 50 điểm có chỉ số h4, thì giá trị tại trục tung của điểm có hoành độ h4 sẽ là 50% Ngoài ra, biểu đồ còn giúp chúng ta xác định được khoảng tập trung của các màu khác nhau, như được trình bày trong bảng 4.1.
Bảng 4.1: Bảng phân bố màu tập trung
Số liệu ở bảng trên sẽ được dùng như thông tin chính để kiểm tra màu của một điểm ảnh trong quá trình so sánh sau này
Với mô hình đã đề xuất, các kĩ thuật nhận diện được triển khai trên môi trường sau:
Thư viện sử dụng:OpenCV
Các hàm sử dụng trong việc nhận diện được xây dựng dưới dạng một thư viện liên kết động (DLL – dynamic link library)
Dưới đây là một số hình ảnh kết quả của việc nhận diện (hình 4.3 và 4.4):
Hình 4.3: Một số ví dụ về kết quả nhận diện
Hình 4.4: Một số ví dụ về kết quả nhận diện
Kết quả và đánh giá
Kết quả nhận diện với từng loại kí hiệu được mô tả trong bảng sau:
Bảng 4.2: Kết quả nhận diện
Thời gian nhận diện mỗi đồ vật trong một ảnh dao động trong khoảng từ 200 đến
Các thực nghiệm được thực hiện trên phòng thí nghiệm Toshiba-Coltech, các đồ vật được đặt trong khoảng cách không quá 6 mét
Khi thực hiện thực nghiệm với khoảng cách xa hơn thì kết quả giảm đi tương đối
Kết quả nhận diện hiện tại còn chưa đạt mức cao, với hệ thống chỉ có khả năng nhận diện tốt trong phạm vi khoảng 6 mét Ngoài ra, hình ảnh dùng để đánh dấu vẫn còn khá lớn, gây hạn chế cho hiệu quả nhận diện trong các điều kiện thực tế.
Kết quả nhận diện còn chưa cao có thể có thể giải thích qua một số nguyên nhân sau:
Chất lượng hình ảnh từ camera thường không ổn định, bị nhiễu và nhòe cao do sử dụng loại netcam bình thường có độ phân giải thấp để phù hợp với quá trình truyền qua mạng LAN hoặc internet Điều này xảy ra vì camera này được tối ưu hóa cho việc truyền hình ảnh qua mạng có băng thông và tốc độ hạn chế, dẫn đến giảm chất lượng hình ảnh để đảm bảo khả năng truyền tải ổn định.
Màu sắc của vật thể có thể bị biến đổi do tác động của các nguồn sáng quá mạnh Ví dụ, để vật đặt quá gần cửa sổ có ánh sáng mặt trời hoặc gần đền có cường độ sáng lớn có thể làm thay đổi màu sắc ban đầu Chính vì vậy, việc kiểm soát và điều chỉnh mức độ ánh sáng là rất quan trọng để duy trì màu sắc chính xác và bền đẹp của các vật dụng.
4.2.2 Mô đun kết nối và tương tác với PPC
Trong phần này, chúng tôi tập trung vào việc phát triển các giao thức kết nối và truyền dữ liệu dựa trên chuẩn Wireless B/G, đảm bảo khả năng kết nối ổn định và hiệu quả Chúng tôi sử dụng các thư viện tích hợp sẵn trong NET Framework để tối ưu hóa quá trình lập trình, giúp hệ thống hoạt động mượt mà và dễ dàng mở rộng trong tương lai Việc áp dụng chuẩn Wireless B/G phù hợp với các thiết bị cần kết nối không dây, mang lại khả năng truyền tải dữ liệu nhanh chóng và tin cậy.
Các thành phần tương tác với PPC được triển khai trên hệ điều hành Windows Dự án này, do sinh viên Trần Duy Hưng thực hiện với đề tài "Xây dựng hệ thống giám sát và điều khiển nhà thông minh: Quan sát và điều khiển trên PPC", đã nhận sự hỗ trợ tích cực từ các thành phần phần mềm và phần cứng phù hợp Việc triển khai này giúp hệ thống hoạt động hiệu quả trên nền tảng Windows Mobile 5.0, đáp ứng các yêu cầu về giám sát và điều khiển nhà thông minh một cách linh hoạt và chính xác.
4.2.3 Mô đun điều khiển các thiết bị điện, điện tử từ máy tính
Để điều khiển các thiết bị từ máy tính, cần sử dụng một thiết bị trung gian như thiết bị điều khiển trung gian (ElecDeviceControler), như đã trình bày ở chương 3 Trong phần thực nghiệm này, chúng tôi đã sử dụng một thiết bị trung gian nhằm đảm bảo quá trình điều khiển thiết bị dễ dàng và hiệu quả hơn Thiết bị ElecDeviceControler có cấu tạo chính bao gồm các thành phần cần thiết để kết nối và điều khiển các thiết bị điện tử từ máy tính một cách ổn định và chính xác.
Bộ vi xử lý sử dụng chip PIC18F425
Một khối kết nối:sử dụng các thiết bị cho phép giao tiếp với máy tính thông qua cổng COM xử dụng IC max 323
Một khối công suất: sử dụng IC ULN2004A/SO để điều khiển một bộ rơ le sử dụng cho việc đóng mở các mạch điện
Trong phần thực nghiệm, chúng tôi đã đề xuất một giao thức đơn giản để thực hiện việc điều khiển thiết bị trung gian từ máy tính, giúp đảm bảo quá trình truyền thông giữa hai thiết bị diễn ra hiệu quả và chính xác.
Giao thức trên về cơ bản gồm các đặc điểm sau:
Các tín hiệu điều khiển được mã hóa dưới dạng gói 2 bytes trong hệ thập lục phân, biểu diễn dưới dạng A0XY Trong đó, A0 là mã hóa ID của thiết bị điều khiển trung gian giúp phân biệt với các thiết bị khác kết nối vào máy tính X là mã hóa ID của các thiết bị cần điều khiển, với 4 bit này có thể mã hóa tối đa 16 thiết bị Y là mã hóa các lệnh có thể thực hiện trên thiết bị, với khả năng thực thi tối đa 16 lệnh Mặc dù con số 16 là nhỏ, nhưng phù hợp với các bài toán đơn giản như trong bài viết này.
Chú ý: Ngoài mô ta ở trên, sẽ còn có một số gói đặc biệt sử dụng để kiểm tra trạng thái của các thành phần trong hệ thống
Giao thức biên nhận hoạt động đơn giản bằng cách mỗi khi nhận đủ một gói tin, thiết bị điều khiển trung gian sẽ xác nhận thành công bằng cách gửi lại chính gói tin đó về máy tính như một gói biên nhận Điều này giúp đảm bảo việc truyền dữ liệu diễn ra chính xác và hợp lệ, tăng độ tin cậy của hệ thống giao tiếp mạng Giao thức này rất hữu ích trong các ứng dụng đòi hỏi xác minh nhận dữ liệu rõ ràng, giúp giảm thiểu lỗi và mất mát thông tin trong quá trình truyền tải.
Việc kiểm soát lỗi trên đường truyền được thực hiện bằng cách gửi và nhận dữ liệu theo từng gói gồm 2 byte, đồng thời áp dụng các quy tắc kiểm tra để đảm bảo tính toàn vẹn của dữ liệu Sau khi nhận byte thứ nhất, hệ thống sẽ kiểm tra xem byte thứ hai có đến trong vòng 10 mili giây không; nếu không, gói dữ liệu đó bị coi là lỗi và bị hủy bỏ Ngoài ra, hệ thống còn quy định không truyền liên tiếp hai gói dữ liệu trong vòng 100 mili giây; nếu có gói nào đến trễ hơn khoảng thời gian này, nó cũng sẽ bị hủy để đảm bảo tính chính xác của quá trình truyền dữ liệu.
Một số hình ảnh và mô tả về chương trình demo
Chương trình demo gồm hai thành phần chính là phần mềm trên server và phần mềm chạy trên PPC, giúp hệ thống hoạt động hiệu quả Các hình minh họa sẽ trình bày rõ luồng hoạt động của chương trình, thể hiện cách các thành phần liên kết và tương tác trong hệ thống Điều này giúp người đọc hiểu rõ hơn về cấu trúc và chức năng của chương trình demo, đồng thời hỗ trợ tối ưu hóa quá trình triển khai.
Thành phần chương trình trên server được viết dưới dạng một chương trình dòng lệnh với tên gọi là PC.ConsolerServer (hình 4.5)
Hình 4.5: ConsolerServer khi khởi động
Chương trình cho phép người dùng thiết lập các thông tin cơ bản của hệ thống, đảm bảo dễ dàng vận hành và tùy chỉnh Hệ thống nhận ảnh trực tiếp từ camera xử lý, tự động lưu trữ hình ảnh cùng thông tin về các đồ vật sau khi nhận diện Các hình ảnh này được thu thập và xử lý liên tục, với tần suất cập nhật mỗi giây, giúp hệ thống hoạt động nhanh chóng và chính xác Việc xử lý tự động này tăng hiệu quả và độ chính xác trong nhận diện đồ vật, phù hợp với các yêu cầu về giám sát và quản lý hình ảnh.
Chương trình PPC mang tên PDA.Application, được phát triển dưới dạng ứng dụng trên hệ điều hành Windows Mobile 5.0, là thành phần quan trọng trong hệ thống Khi khởi động, người dùng cần chọn địa chỉ của server đang chạy và đăng nhập vào hệ thống để truy cập các chức năng của ứng dụng một cách dễ dàng và nhanh chóng.
Hình 4.6: Màn hình đăng nhập
Sau khi đăng nhập thành công, người dùng có thể truy cập và sử dụng các chức năng của hệ thống Hệ thống cho phép người dùng xem hình ảnh hiện thời do camera ghi lại, được xử lý và đánh dấu vị trí các đồ vật trong hình để dễ dàng nhận diện (hình 4.7).
Hình 4.7: Hình ảnh đã nhận diện được tái hiện trên PPC
Trên màn hình này, người dùng có thể dễ dàng chọn đồ vật đơn giản bằng cách chạm vào các đối tượng trên màn hình cảm ứng của PPC Chương trình sẽ hiển thị bảng điều khiển để phép người dùng điều khiển các đồ vật một cách trực quan và dễ dàng (Hình 4.8) Quản lý đồ vật nhanh chóng và thuận tiện, nâng cao trải nghiệm người dùng.
Hình 4.8: Bảng điều khiển thiết bị
Ngay sau đó tín hiệu điều khiển này sẽ được truyền tới chương trình trên server ( hình 4.9)
Hình 4.9: ConsolerServer khi nhận lệnh điều khiển từ PPC
Sau khi nhận được lệnh điều khiển từ PPC , ConsolerServer sẽ kiểm tra trạng thái của thiết bị và thực hiện điều khiển thiết bị đó
Lệnh và trạng thái của các thiết bị điều khiển sẽ được hiện trên phần hiển thị trạng thái của thiết bị điều khiển trung gian (hình 5.9)
Hình 4.10: Thiết bị điều khiển trung gian
Kết quả và đánh giá
Chúng tôi đã xây dựng thành công hệ thống giám sát và điều khiển nhà thông minh đơn giản sử dụng IP camera Hệ thống có khả năng nhận diện và điều khiển các đồ vật chính xác, đem lại tiện ích cao cho người dùng Tuy nhiên, chương trình còn một số hạn chế như thời gian truyền ảnh từ PC về PPC còn chậm, và yêu cầu dung lượng bộ nhớ trên PC khá lớn để vận hành hiệu quả.