精编基于三维物联网区域化垃圾分类智能监控系统商业计划书（一）

精编基于三维物联网区域化垃圾分类智能监控系统商业计划书（一）

基于三维物联网区域化垃圾分类智能监控系统商业计划书 ‎ 基于三维物联网的区域化垃圾分类智能监控系统商业计划书 前言 目前，限于技术、管理制度等原因，垃圾分类还有许多弊端。例如，每天定时定点投放垃圾，需要花费的大量的人力资源和时间成本，不仅对群众产生了很大的影响，同时也给管理阶层带来困扰。而目前市面上推出的智能分类垃圾桶也存在着高成本、难操作、垃圾处理不够细致，难以推广普及使用。 “基于三维物联网的区域化垃圾分类智能监控系统”是一套以三维物联网技术为核心的以监控垃圾分类是否正确为目的的系统。该系统主要面向于企事业单位及小区物业等封闭性区域管理阶层，为区域管理者响应居民垃圾分类政策号召带来新型解决方案，克服取证，执行等难题。同时优化了居民垃圾分类投放的体验过程，降低使用难度，操作时长，减少了垃圾分类推行过程中的阻碍。此监控系统可以快速做到垃圾投放者的身份信息确定，垃圾分类是否正确判断，后期加以配套措施生态，管理当前区域用户。该系统优化了用户体验，带来了新的推行垃圾分类的解决方案。压缩了硬件成本，技术要求，与智能分类垃圾桶相比更有利于推广 ‎ 和使用。 目录 第一章 引言 1 第二章 系统相关技术原理介绍 2 2.1 三维物联网技术 2 2.2 云计算技术 2 2.3 Zigbee技术 2 第三章 区域化垃圾分类智能监控系统工作过程 4 3.1 系统综述 4 3.2 数据采集实现过程 5 3.2.1 常规数据采集 5 3.2.2 身份数据预采集 5 3.2.3 常规桶内环境信息采集 6 3.3 组网与传输实现过程 6 3.3.1 局域网数据传输 6 3.3.2 广域网数据传输 6 3.4 数据分析处理过程 6 3.4.1 常规数据分析 7 3.4.2 常规桶内环境数据分析 8 3.4.3 身份信息预分析 8 3.5客户数据反馈实现过程 8 第四章 实现原理 10 4.1 硬件部分 10 4.2 数据采集模块 10 4.3 数据传输模块 11 4.3.1 自组网模块 11 4.3.2 广域网模块 12 4.4 数据分析算法实现 13 4.4.1 基于近红外结构光与可见光的三维人脸识别算法 13 4.4.2 基于多视角的深度全景图的三维形状识别 14 4.4 客户端（操作界面）17 第五章 市场前景 18 5.1 时代背景 18 5.2 当前市场分析 18 5.3 项目优势 18 第六章 总结与展望 19 参考文献 20 第一章 引言 近年来，随着我国居民生活水平的显著提高，我国垃圾产生量急剧增加，城市垃圾也以每年8-12%左右的增幅快速增长，垃圾的成分也发生较大的变化。垃圾分类回收被普遍认为是解决困境，提高资源化利用效率的关键环节。 ‎ ‎ 20XX 年，中国国家发展改革委、住房城乡建设部共同发布了《生活垃圾分类制度实施方案》，为中国的垃圾分类制度的实施制定了路线图。同期各个省、市相继出台强制分类实施方案，从完善顶层设计开始补齐短板，提高垃圾分类的法治化水平和全民参与程度。自此国家、省、市各级垃圾分类工作开始全面实施，相关工作也将会开始迈出实质步伐。垃圾分类意义进行垃圾分类的意义在于：（1）有助于使末端焚烧（或填埋）更好的无害化处理垃圾分类后，垃圾“各回各家”，进入不同的后端处理通道，保证了垃圾的纯净度，提高了热值，有助于垃圾焚烧或填埋处理无害化处理。（2）有助于再生资源循环利用，节约原生资源垃圾分类后，厨余垃圾进行生化处理，资源垃圾进行再生资源通道，这样便于资源化利用，节省原生资源。（3）有助于提升全民文明素质，进一步改善人居环境垃圾分类不是简单的举手之劳，而是一个科学体系，综合体现了国家的文明程度，城市的管理水平，民众的素质高低。应放眼长远，让垃圾分类成为文明的行为方式的代表，改善我们日常生活环境。 据不完全统计，20XX 年垃圾分类总合同额达62.3亿元，预计20XX年总合同额将翻倍，达 120 亿元，2020 年预计总合同额达200亿元。作为环保企业，理应抓住垃圾分类业务市场机遇，在智能垃圾分类回收设备及创新垃圾分类模式方面迎难而上，打好垃圾分类攻坚战。 ‎ ‎ 鉴于此，垃圾分类处理解决方案顺应当今时代要求，我们团队提出基于三维物联网的区域化垃圾分类智能监控系统，面向企事业单位及小区物业协助于管理层面进行有效的垃圾分类管理，在区域范围内推行垃圾分类，加强科学管理、形成长效机制，同时降低垃圾分类的推广难度，以响应国家政策上的号召。 第二章 系统相关技术原理介绍 2.1 三维物联网技术 三维物联网是的是运用虚拟现实技术构建的全三维数字化物联网管理平台，结合互联网技术、射频识别传感器、视频监控系统、视频分析系统，以及数据仓库技术和数据挖掘技术，突破以人工管理为主的常规园区管理模式，解决常规管理模式中各系统各自独立，支离破碎的问题，同时解决传统模式中信息量少、流通不畅、缺乏综合分析、难以共享、应对突发事件反应迟缓、安全隐患较大等问题，实现物联网时代全面感知各种信息，让常规园区管理更加智能便捷。 2.2 云计算技术 云计算（Cloud Computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。 ‎ 云计算由一系列可以动态升级和被虚拟化的资源组成，这些资源被所有云计算的用户共享并且可以方便地通过网络访问，用户无需掌握云计算的技术，只需要按照个人或者团体的需要租赁云计算的资源。该项技术在进行数据任务处理时首先是将整个计算过程化分为若干个组成部分，并通过数台计算机进行协同运行将收集的数据信息组建成云里,在云计算技术所谓“云”，他专指数据资源的汇集池。可以简单理解为在数据运算形式中借助网络技术将计算能力演变为一种商,实现在计算机的数据处理上的高效性。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。在20世纪80年代网格计算、90年代公用计算，21世纪初虚拟化技术、SOA、SaaS应用的支撑下，云计算作为一种新兴的资源使用和交付模式逐渐为学界和产业界所认知。 2.3 Zigbee技术 Zigbee这一名称来自于蜜蜂（bee）用于互相通信的八字舞（zigzag），这是蜜蜂之间的群体通信方式。这种自然界的通信方式很形象地描述了这种近距离、低复杂度、自组织、低功耗、低数据速率、低成本的无线通信网络。 ‎ Zigebee技术是一种新型的短距离、低速率无线网络技术，主要用于近距离无线连接。2002年8月，英国英维斯（Invensys，从事生产技术与能源管理的国际化公司）、日本三菱电气、美国摩托罗拉以及荷兰飞利浦等公司共同提出以研发具有低成本、体积小、能量消耗少和传输速率低的无线通信技术为目的技术标准，并为此组成了zigbee技术联盟。 ZigBee是一种高可靠的无线数据传输网络，通信距离可达几百米甚至几公里。与传统的移动通信CDMA网或GSM网不同的是，zigbee网络主要是为工业现场自动化控制所需的相关系数传输而建立的，具有使用简单、方便、工作可靠、价格低的特点。每个zigbee网络节点不仅本身可以连接传感器直接进行数据采集和监控。还可以自动中转别的网络节点传过来的数据资料。除此之外，每个zigbee网络节点还可在自己信号覆盖的范围内与不承担网络信息中转任务的孤立节点进行无线连接。 第三章 区域化垃圾分类智能监控系统工作过程 3.1 系统综述 ‎ 该系统分为两大结构：用户数据反馈结构，垃圾特征信息监测判断结构。两块结构分别采用GPRS，Zigbee+光纤通信两种传输方式，从而提升用户识别的速度，两块数据包采用识别码进行匹配。其中，用户数据反馈结构运用三维结构光采集用户生物特征信息，通过GPRS直接反馈到云端，云端匹配用户之后反馈回到垃圾桶，数据量小，传输快；垃圾特征信息监测判断结构采用传感器采集垃圾特征信息，以数据包的形式使用Zigbee协议，通过局域网通信网络传输到区域终端，区域终端通过光纤连接互联网，将数据包传送到云端服务器，对垃圾种类进行分析，从而确定投放是否正确，将最终信息反馈到积分系统，对相应用户积分进行修改，反馈到公众平台上，供用户查询。 用户数据反馈结构示意图 3.2 数据采集实现过程 数据采集分为常规数据采集、身份数据预采集、常规桶内环境信息采集三部分。 3.2.1 常规数据采集 常规数据采集即每发生一次垃圾投放动作的数据采集。 桶外的红外传感器检测到有人接近时，结束休眠，进入开启状态，唤醒监控系统，各传感器和通信模块进入运行状态。 桶外传感器识别生物特征的原始数据，桶内传感器感应是否有垃圾投放事件发生。当产生垃圾投放时间事，通信模块将桶内数据包（物体信息原始数据）和桶外数据包（生物特征信息原始数据）以ZigBee技术传输到联网终端。 3.2.2 身份数据预采集 当多人同时投放垃圾时，需要进行身份数据预采集以避免信息混淆。 身份信息预采集采用“最近优先”原则，即每次只采集距生物特征传感器最近的人的数据，通过GPRS上传到服务器进行数据比对，并将身份信息反馈到桶外液晶显示屏上。 身份信息预采集部分单独进行，单独联网，只进行身份信息的采集和反馈，用以提示用户当前垃圾投掷者。 3.2.3 常规桶内环境信息采集 ‎ 桶内环境信息包括垃圾量信息、气味信息、烟雾信息、温湿度信息。当前垃圾桶无垃圾投放事件发生时，系统将定时采集桶内环境信息传输到服务器。 3.3 组网与传输实现过程 该部分分为局域网数据传输与广域网数据传输两部分。 3.3.1 局域网数据传输 局域网数据传输由ZigBee技术实现，每一个垃圾桶均有一个用于数据传输的ZigBee模块，组成不完全连接网状结构。网状结构的优点是节点间路径多，碰撞和阻塞可大大减少，局部的故障不会影响整个网络的正常工作，可靠性高；网络扩充和主机入网比较灵活、简单。 组成内网后，所有的节点均连接能够连接到一个能连接广域网的终端。每产生一次数据采集事件，数据通过网状结构传输到这个能连接广域网的终端，从而上传到服务器。 3.3.2 广域网数据传输 广域网数据传输由GPRS和光纤通信两部分实现。 连接广域网的终端接收到各个节点传来的数据后，将数据传向服务器，该部分通过光纤传输，不需要即时反馈，对速度的要求并不苛刻。 ‎ 发生身份数据预采集时，由于需要即时反馈，该部分采用GPRS进行数据交换。由于每个垃圾桶均带有GPRS模块，均可独立连接到服务器，该部分无需通过ZigBee传输到终端，只需要将数据传输到服务器，待服务器处理完成之后，接收反馈到的数据，并反馈到液晶屏上。 3.4 数据分析处理过程 数据分析过程分为常规数据分析，常规桶内环境数据分析，身份信息预分析三部分，这三部分均分配由特殊的识别码，云端服务器根据收到的识别码进行不同类型和不同优先级的数据分析。 3.4.1 常规数据分析 常规数据分析即每对发生一次垃圾投放动作上传的数据包的分析。 每发生一次垃圾投放动作，服务器从数据采集模块接收到原始数据包，包括桶内数据包（物体信息原始数据）和桶外数据包（生物特征信息原始数据）两部分，将这些原始数据通过生物/物体特征识别，转换为生物/物体特征数据包，对比现有的生物/物体特征库以及身份信息库，形成一次垃圾投放动作信息包（身份信息、行为信息、物体信息），对该信息包的三部分信息进行比对，从而判断完成此次垃圾投放动作的人是否进行垃圾分类。 3.4.2 常规桶内环境数据分析 数据采集模块定时将桶内环境数据以数据包的形式传输到云端服务器，云端服务器接收到原始数据包后与相应的特征数据库（气味信息、烟雾信息、温湿度信息）进行比对，并且对垃圾余量进行分析，生成桶内环境状况。 ‎ 生成后的桶内环境状况以可视化数据的形式反馈到客户端。 3.4.3 身份信息预分析 通过GPRS传送到云端服务器的身份信息优先度最高，当服务器识别到其数据包识别码后，优先分配线程对该数据包进行处理，和生物特征库以及身份信息库进行比对，比对完成后立即将用户信息反馈到垃圾箱的液晶显示屏上。 3.5客户数据反馈实现过程 云端服务器通过获取到的数据计算分析出结果，将结果分析出的数据分为三个等级进行反馈。 配套管理制度建议：每人每月发放定额积分，违规投放系统扣除积分，管理者拥有积分解释权，可以设置积分额度，用户达到规定额度，系统会以公众号形式通知用户和管理者，可使用户接受垃圾分类知识学习或教育意义罚款，详细措施可由该系统设备用户制定。 模块一 数据反馈面向管理层。 1.区域管理者可以查询到当前管理范围内所有群众的垃圾投放记录。 2.管理者拥有当月群众积分余量查询权限，接收到系统内超额用户信息提示。 模块二 数据面向垃圾投放用户。 1.用户可以查询到自己积分余量。 ‎ ‎2.每次投放垃圾得信息记录（时间，地点，垃圾投放错误原因） 模块三 针对游客数据反馈。 系统记录违规投放的外来游客面部特征信息。并将反馈给管理者。 第四章 实现原理 4.1 硬件部分 硬件部分是智能监控系统不可或缺的组成部分，主要由数据采集模块、数据传输模块这两部分实现。数据采集模块是智能监控系统的“眼睛”，数据传输模块的“高速公路”，二者相互依存，缺一不可。数据采集模块主要由各种传感器组成，负责采集监控区域的三维原始数据。数据传输模块由有线传输和无线传输组合而成，负责将数据传输到服务器从而进行网络计算。 4.2 数据采集模块 原始数据采集部分由桶内传感器和桶外传感器组成。 桶内传感器主要是红外传感器、超声波传感器、烟雾传感器、温湿度传感器、异味传感器、金属传感器，桶外传感器由深度感知传感器和结构光传感器组成。 下面是桶外传感器所采用的基本元器件： 红外传感器 超声波传感器 烟雾传感器 温湿度传感器 异味传感器 4.3 数据传输模块 ‎ 数据传输模块主要分为自组网模块和广域网模块。自组网模块主要由免费的ZigBee无线传输协议实现，广域网模块由收费的GPRS技术和光纤传输技术实现。 4.3.1 自组网模块 自组网模块由ZigBee终端组成，每一个封闭区域均设置一个可联网终端，节点之间组成不完全网状结构。 Zigbee协议在满足条件的情况下，协调器将会自动组网。Zigbee组网有两个鲜明的特点：①一个Zigbee 网络的理论最大节点数就是2的16次方也就是65536个节点，远远超过蓝牙的8个和Wifi的32个。②网络中的任意节点之间都可进行数据通讯。在有模块加入和撤出时，网络具有自动修复功能。 ZigBee 模块组网设计及实现： 按照 OSI 模型，ZigBee网络结构从下向上分别为物理层、媒体访问控制层、网络层和应用层。其中物理层和媒体访问控制层由IEEE802.15.4标准规定；网络层和应用层由ZigBee联盟定义。ZigBee网络支持三种拓扑结构：星型、树型和网状型结构。本文选择星型网作为 ZigBee ‎ 终端节点模块的拓扑结构。组网过程如下：ZigBee协调器将配置属性值复制到网络管理对象，然后按照之前设置的信道开始扫描。扫描完毕后，协调器需要比较并从中选择出附近还没有被使用的信道并根据配置属性和NIB属性值以及配置的参数并在选定的信道上启动ZigBee网络，实现接受设备加入到网络，响应其他设备的请求和服务发现，支持ZigBee设备间的绑定等功能。 ZigBee 路由器首先完成配置属性值复制到网络管理对象，然后开始执行网络发现工作，获取该覆盖范围中 PAN 设备的基本情况并选择一个合适的协调器或路由器建立连接，最后设备便作为路由器启动并转入正常工作状态，实现允许其他设备与网络建立连接，接受、执行将某个设备从网络中移除的命令等功能。 ZigBee终端设备首先为工作中需要的参数设置初始值然后开始发现网络操作，并筛选出一个符合设定的网络建立连接；以自己之前被设定IEEE地址和网络地址发出终端设备通知信息后接受协调器发出的通知信息，检查绑定表中是否存在与它匹配的项等功能。 4.3.2 广域网模块 GPRS英文简称为 General packet radio ‎ service，中文名称为通用无线分组业务，是一种基于GSM系统的无线分组交换技术，提供端到端的、广域的无线IP连接。相对GSM的拨号方式的电路交换数据传送方式，GPRS是分组交换技术，具有“实时在线”“按量计费”“快捷登录”“高速传输”“自如切换”的优点。通俗地讲，GPRS是一项高速数据处理的技术，方法是以“分组”的形式传送资料到用户手上。GPRS是GSM网络向第三代移动通信系统过渡的一项2.5代通信技术，在许多方面都具有显著的优势。GPRS在全国覆盖范围极广，而且费用相对较为低廉，非常适合做简单的数据交换使用。 光纤传输，即以光导纤维为介质进行的数据、信号传输。光导纤维，不仅可用来传输模拟信号和数字信号，而且可以满足视频传输的需求。光纤传输一般使用光缆进行，单根光导纤维的数据传输速率能达几Gbps，在不使用中继器的情况下，传输距离能达几十公里。由于垃圾分类智能监控系统需要在云端完成所有的运算，因此对传输速率的要求非常苛刻，而目前市场上除光纤传输之外并没有更加合适的解决方案，所以这一部分采用光纤传输。 GPRS模块 光导纤维 4.4 数据分析算法实现 4.4.1 基于近红外结构光与可见光的三维人脸识别算法 算法主要步骤如下所示: (1)设有N个人脸模型参与训练，人脸模型的模型大小 为 m × n ，将每个人脸图像转换为一个D( D = m × n )维的列向量，去平均化后得到一个D×N的矩阵A: (2)得到所有人脸样本转化来的列向量的方差矩阵C: (3)计算矩阵C的本征值λi和特征向量Vi，按照从大到小的顺序重新排列λi和特征向量Vi。根据特征值的大小，选择前d个特征向量，非零特征值的个数有r个，δ一般大于等于0.85。具体公式如下所示: ‎ ‎(4)将人脸模型向量xi转换到ω定义的子空间中，Ω在子空间中xi所对应的人脸图像的特征向量为yi。这样使得其从D维空间降到d维空间后的方差最小，且在变换后的低维空间具有很好的人脸表达能力。当得到相应的特征脸后，将特征脸与已知的多个人脸模型进行相似性匹配得分，得分越高，则能说明两个图像更相近。设图像xi的特征向量为 yi，xj的特征向量为yj，图像匹配得分使用余弦距离计算，公式如下: 在普遍的生物特征识别系统中，数据的融合分为4步，分别为传感器层或像素层融合、特征层融合、得分层融合和决策层融合。得分层融合就是将单个特征分别输入分类器，得到各个特征的匹配得分，各个匹配得分进行综合用融合算法，得到一个综合的得分用于最终的判别。本文基于简单组合策略，即使用加权求和的方法来进行融合。 本文在前文已经描述了得到可见光三维模型与红外光三维模型的方法，根据模型我们可以得到相应的人脸子空间与特征向量。再分别与可见光参照系和红外光参照系模板 进行匹配，获得匹配得分SVij和SNij。基于简单组合策略，设SFij为融合后的得分: 其中α+β=1，α≥0，β≥0，α和β的取值范围为0.0～1.0， ，SVij和SNij采用最大值—最小值进行归一化处理。通过SFij大小即可得到当SFij最大时所对应的SVij和SNij，且其所对应的可接受率为α和β，由此作出最后决策进行人脸识别。 4.4.2 基于多视角的深度全景图的三维形状识别 ‎ 柱面投影过程如图1所示。用许多密集的网格点离散得表示圆柱体的侧面, 用坐标集合{(θu,hv)}{(θu,hv)}表示这些点。其中，θ表示极角，h表示高度, u, v=0, 1, 2, …。对于每个网格点p=(θu,hv)p=(θu,hv), 在物体上都能通过坐标(x0,y0,h0)(x0,y0,h0)找到相应的点q, 这些点标记在主轴上与p点的高度相同的位置。作一条从q到p的射线, 会与三维物体的三角面片有零个或多个交点, 记交点与q点之间的距离为D={d1,d2,⋯,di},i=1,2,3,⋯D={d1,d2,⋯,di},i=1,2,3,⋯。用d记录D的最大值, 将其转换为灰度值存在对应的网格像素中。当D为空集合时, d为 图1 柱面投影示意图 在投影完成后, 将圆柱侧面在θ=0°的角度展开形成二维全景图像, 每个像素值对应的是圆柱体侧面网格点的像素值。选择圆柱体的高度与三维物体相同, 且在进一步处理中, 将全景图减去其平均值再除以其标准偏差, 可以使构造的全景图避免受到尺度变化的影响。 由于单个的柱面投影得到的全景图不能表示物体形状的全部信息, 比如物体内部凹陷部分, 单从侧面观察就得不到凹陷信息。构建全景图时, 记平行于三维物体直立状态的坐标轴方向为z轴, 根据笛卡尔坐标系, 将每个三维模型分别从平行于x, y, z轴方向将模型投影到一个平行于物体主轴的圆柱体的侧面, 得到3幅全景图。如图2所示。 ‎ ‎ 图2 3个视角的全景图 基于三视图原理, 三幅全景图基本能描述三维物体的全部形状信息。从每副全景图提取出的二维特征都可以用来描述三维物体的形状, 当同一物体具有多个描述符时, 有时也能得到好的结果, 但仍然是低效不便的。所以需要将三幅全景图提取的信息聚合成一个更为紧凑的三维形状描述子。采用三分支的卷积神经网络框架, 输入三视角的全景图进行训练, 从中提取特征。首先, 将三个视角的全景图输入到训练框架的第一部分网络的各个分支中, 在视图池化层View-pooling层聚合成一个特征向量后传入到下一层网络2中。其中第一部分网络所有的CNN分支的权重参数相同, 可以简化网络复杂度。经过实验证明, 将View-pooling层放置在最后的卷积层 (conv5) 附近, 可以获得最佳的分类性能。View-pooling与max-pooling层和 maxout层类似, 唯一区别是它们的维度不同。由于三分支卷积神经网络框架是有向无环图, 所以使用随机梯度下降法与反向传播方法进行训练或微调。 4.4 客户端（操作界面） 第五章 市场前景 5.1 时代背景 ‎ 在垃圾强制分类中，管理约束困难重重。社区个体人多，层次复杂，居住分散，难免出现监管盲区。而就“执法、取证”这两个难题，就需要管理层必须加大执法力度。垃圾强制分类，是一项十分复杂的工作，涉及面广、头绪多，监管，执法都面临巨大困难，且执法成本代价巨大。如今，大部分地区已经到了从“鼓励”到“强制”阶段。但是如果不从建设垃圾分类投放生态的高度加以落实，真正的垃圾强制分类，就将遥遥无期。而最令人担忧的，就是有法不依，使垃圾分类的措施变成摆设，一旦如此，人们对垃圾强制分类的关注度就会降低，当垃圾分类中的违规者“无痛感”时，那么要想推广全民垃圾分类就难以进行。 5.2 当前市场分析 目前社会上垃圾分类设备主要还是传统垃圾桶为主，主要是凭借群众的自觉意识，在一些有强制管理垃圾分类条例的地区，还会有专门的监督员，定时定点监督检查居民垃圾投放。这样的做法耗时耗力，给居民的生活带来以前没有的麻烦，增加生活压力。在推行垃圾分类的过程中还带来了阻力。一些大型社区引进智能垃圾分类箱。这些设备成本高，操作复杂，并且还不能做到真正意义的智能垃圾分类。相反使居民丢垃圾的过程变得耗时，失去了便利性。 5.3 项目优势 ‎ 我们的项目区域化垃圾分类智能监控系统，另辟蹊径，没有采用市场主流思想，研发智能垃圾分类箱。而是从管理层次出发，面向企事业单位及小区物业等封闭性区域范围管理者，只需做到投放垃圾过程中，人物信息数据采集和判断投放垃圾分类是否准确这两个信息模块。这样垃圾分类监控系统相对于智能垃圾箱技术难度下降，成本缩小，更利于推广普及。解决掉当前时代背景下管理阶级执行，取证这两个难题，建立起完善的奖惩措施，主观上培养居民垃圾分类意识。有利于各企事业单位及小区物业响应政府号召，降低垃圾分类推广难度，共同构建和谐社会。 第六章 总结与展望 区域化垃圾分类智能监控系统系统，在解决垃圾分类问题上另辟蹊径，以解决管理难为目的提供方案。同时还弥补了市场上现有的智能分类垃圾桶操作复杂，使用耗时的不足，提高了用户体验，还以配套生态增强了大家垃圾分类意识的主动性，且以成本低，安装方便为优点更易于推广普及。经我们团队调研分析，目前市场上没有同类产品，且与当前相似产品（智能分类垃圾桶）的面向客户存在差异，这有利于我们的项目进入市场并取得市场份额。但同时，区域化垃圾分类智能监控系统系统还处于测试阶段，还需要克服一些技术问题和仍继续压缩成本空间以增强项目竞争力。 在未来，我们在拥有较大用户数量的优势前提下，开发延伸功能，进行我们团队的生态建设。一，以大数据技术分析用户使用数据，上线用户当日垃圾制造总量预测，完善管理制度，防止群众垃圾私自处理，更好的建设垃圾分类投放生态。 ‎ 二，扩大识别范围，更新传感器设施，开放对垃圾中敏感信息检测，如凶器，赃物进行甄别，加强区域治安建设，构建和谐社会。日后还会结合气味传感器等技术，配套其他硬件设备，对垃圾桶周围的空气数据进行分析，主动净化空气质量、处理一些火灾等其他险情，保障社区居民生活幸福度。 第三，在以获得足够资金支持的前提下，我们将会进一步完善开发系统的功能，当得到大范围推广时，可以考虑利用用户优势，发展到公共场所，将业务从封闭式环境扩展到开放式环境中；也可以考虑纳入征信系统代替积分系统，更好的引导人们进行垃圾分类，建设垃圾分类投放生态。 参考文献 [1] 史秋阳,李浩,石凤蕊,杨凯凡.基于近红外结构光与可见光的三维人脸识别算法[J].无线互联科技,20XX,16(04):124-125. [2] 黄宁宁,方美娥.基于多视角的深度全景图的三维形状识别[J].杭州电子科技大学学报(自然科学版),20XX,39(02):35-39. [3] 马千里.LED灯光远程分布式控制系统——基于GPRS和ZigBee技术[J].科技经济导刊,2015(16):39-40. [4] 潘磊，尹义龙，李徐周.基于得分的近红外线与可见光图像融合算法[J].计算机工程，2013(4):226-230. [5] 李杰.可见光/近红外人脸识别方法的研究与实现[D].北京交通大学,2016. [6]‎