研究目的
为了评估边缘计算在智能办公应用中本地处理数据的有效性,重点关注人脸识别和环境监测,并探索减少存储和处理数据的方法。
研究成果
研究表明,边缘计算适用于智能办公应用场景,包括人脸识别和环境监测。树莓派3的本地处理能力表现良好,通过混合云与本地处理的方式可应对更复杂的任务。图像压缩和平滑算法能有效降低数据存储与处理需求,且不会显著影响识别精度。
研究不足
该研究受限于树莓派3的处理能力(可能无法满足所有数据处理任务需求)以及测试集规模较?。ń?0名用户)。此外,功耗测量值也在测量设备的精度容差范围内,导致难以识别显著差异。
1:实验设计与方法选择:
本研究以树莓派3为核心边缘设备,配备GrovePi开发套件用于环境传感器监测,并搭载罗技网络摄像头实现人脸识别功能。系统设计为本地数据处理,并通过安卓应用程序和亚马逊Alexa技能与云端服务交互。
2:样本选择与数据来源:
从MUCT人脸数据库中选取10名个体进行人脸识别测试,每位受试者使用15张图像进行训练和测试。
3:实验设备与材料清单:
树莓派3、GrovePi开发套件(含光照/温度/湿度传感器)、罗技网络摄像头。
4:GrovePi开发套件(含光照/温度/湿度传感器)、罗技网络摄像头。
实验流程与操作步骤:
4. 实验流程与操作步骤:系统实时监测环境参数并执行本地人脸识别。通过多级图像压缩评估存储与处理需求的影响,采用平滑算法提升识别准确率。
5:数据分析方法:
测量人脸识别准确率、平滑算法有效性、图像预处理耗时及处理过程中的功耗差异。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容