智能家居远距离可视化风险自动监测系统设计
胡红博
关键词： 智能家居; 远距离; 可视化风险; 自动监测; 系统设计; 抗干扰性
中图分类号： TN931+.3?34 ? ? ? ? ? ? ? ? ? ? ? ?文献标识码： A ? ? ? ? ? ? ? ? ? ?文章编号： 1004?373X（2019）04?0171?04
Design of long?distance visualized risk automatic monitoring system for smart home
HU Hongbo
（School of Physics and Electromechanical Engineering， Zunyi Normal University， Zunyi 563000， China）
Abstract： In allusion to the problems of large monitoring time?consumption and poor anti?interference capability existing in the traditional monitoring system， a long?distance visualized risk automatic monitoring system based on dual?sensor combination is proposed and designed for the smart home. The system is composed of two parts of hardware and software. The hardware is mainly used to monitor the temperature and combustible gas in the home environment. The software is mainly used to monitor visualized risks. The experimental results show that in comparison with the ARM embedded monitoring system and the monitoring system based on the Internet of Things， the improved monitoring system has a time?consumption reduced by 81.2 s and 28.3 s respectively， and an anti?interference performance improved by 66.104 and 93.85 respectively， which has a certain advantage.
Keywords： smart home; long distance; visualized risk; automatic monitoring; system design; anti?interference performance0 ?引 ?言
智能家居是指通过家庭总线技术将家庭中各种与信息相关的通信设备、家用电器和家庭安保装置连接到一个智能化系统上，从而对家居信息进行集中或者异地监视、控制和管理，以保证各设施之间的协调运作[1?2]。智能家居能够利用监测系统对家居环境的温湿度、风速以及光照强度等进行远程监测，通过调节室内开关对其进行控制，还能够为人们提供现代化的通信信息服务，从而打造出一个高效、舒心的家居环境[3]。由此可见，智能家居监测系统已成为智能家居服务系统发展中必不可少的组成成分，是家居智能化推进中的关键课题。1 ?智能家居远距离可视化风险自动监测系统
智能家居，即将家庭内部各种设备有机地连接在一起，使其组合成为一个综合体，以此综合体为对象，运用家庭智能控制系统完成家居信息的采集、标准化处理以及控制等，最终达到智能家居风险的远距离可视化监测的目的[4]。本文设计监测系统主要由管理系统和控制系统组成。管理系统主要对各种家居设备数据进行存储、查询和处理。控制系统主要对家居设备进行控制，两者之间主要通过MODEM相连接，整体结构如图1所示。
1.1 ?温度传感器设计
在设计温度传感器时，针对家居环境中设备的多样性及不定性，采用DS18B20，PT1000铂电阻以及热敏电阻组成的多温度传感器，其中DS18B20是由DALLAS公司生产的单总线式数字温度传感器，具有性能好、抗干扰能力强、能耗低、灵敏度高以及处理效果明显等优势[5?6]，众多优势使得这一温度传感器可以广泛应用于多种温度监测中，尤其是对于多点温度的监测，可直接将温度转化成串行数字信号给上位机处理，且在同一总线上可以挂接多个传感器芯片，其测量温度范围为-55～125 ℃，精度在0.5 ℃，反应时间≤500 ms。DS18B20内部结构主要由四部分组成，分别是64位光刻ROM、温度传感器、非挥发的温度报警触发器TH和TL、配置寄存器。其外形及管脚排列如图2所示。
根据图2可知，低温度系数晶振的震荡频率基本不受外界温度的影响，其主要作用是产生具有固定频率的脉冲信号，并将脉冲信号传递给计数器1;高温度系数晶振的震荡频率与外界温度之间具有显著的相关关系，高温度系数晶振产生的脉冲信号主要作为输入信号向计数器2传递[7?8];以-55 ℃为基准，不同温度对应的数值可用于设置各计数器以及晶振、温度寄存器的数值。假设-55 ℃所对应的数值为计数器1和温度寄存器的数值，用计数器1的数值减去低温度系数晶振产生的脉冲信号数值，不断减小计数器1的数值并重复此过程，当计数器1的数值降低至0时，温度寄存器的数值增加1，此时重新设置计数器1的数值，加之低温度系数晶振產生的脉冲信号不断输入计数器1，计数器1的数值将会不断发生改变。依照此过程循环，直至计数器1的数值重新转变为0，停止对温度寄存器数值的改变，此时的温度寄存器数值则可看作是所测温度。计数器2的操作流程与计数器1相似。
1.2 ?可燃气体传感器模块设计
可燃气体是家居环境中存在的另一个风险因素，采用MQ?5催化型传感器对可燃气体进行远距离自动监测，其主要采用气敏材料SnO2，此材料会根据环境的变换发生改变，处于标准环境时，其电阻率数值较小;处于固定的检测环境时，其电阻率的数值会增加，且与气体的浓度变化呈现正相关关系[9]。MQ?5催化型传感器基本不受酒精以及烟雾浓度变化的影响，但甲烷、丙烷、丁烷的浓度变化会对其造成较大的影响，因此，MQ?5催化型传感器主要用于对室内可燃气体甲烷的检测。
MQ?5主要由SnO2敏感层、微型陶瓷管、测量电极和加热器构成。其中，加热器提供了测量的条件。通常情况下，MQ?5会被封装在具有特殊材质的腔体内，封装之后的MQ?5有6个引脚，其中4个引脚用于对脉冲信号的测量，另外两个引脚主要用于对气体的加热。等效电路如图3所示。
图3中，阴影圆[R0]表示测量气体中的等效电阻，外部连接测量电路，可以认为是负载电阻[RL]。这个负载电阻的大小会直接影响该器件的可测量范围，而其具体数值的确定则主要由A/D转换器的位宽来决定。
1.3 ?复位电路设计
复位电路是在RC电路基础上添加按键开关，来实现人为复位和远程自动复位的两部分控制功能。人为复位主要针对处于家居环境的情况，远程自动复位主要针对处于外出环境的情况[10]。当发生风险时，通过移动设备进行远程可视化监测。
在系统运行初始阶段，电容和电压的数值固定，不会轻易发生改变，则复位引脚将会稳定地从低电平向高电平发生转换，从而产生上电复位信号。然而，在系统运行过程中，不可避免地会产生障碍因素，导致系统混乱甚至进入死机状态。因此添加手动复位，主要负责完成系统的重新启动以及系统初始化，这一操作只需要按下开关按键即可，对此选择复位电路图如图4所示。
2 ?软件设计
在设计系统软件过程中，主要针对家居风险进行可视化监测分析，具体可视化编程源代码如下：
Public void RetrieveDrawing（Visual v）
{
Drawing Group dGroup=VisualTreeHelper. Get Drawing（v）;
Enum Drawing Group（dGroup）;
}
//开始并初始化系统
Public vid EnumDrawingGroup（DrawingGroup drawingGroup）
{
DrawingCollection dc=drawingGroup.Children;
//请求对家居环境进行视频监测
Foreach （Drawing drawing in dc）
{
//对视频数据进行解码
If （drawing.GetType（）==typeof（DrawingGroup））
{
EnumDrawingGroup（（DrawingGroup）drawing）;
}
else if （drawing.GetType（）==typef（GemetryDrawing））
{
//显示视频监测图像
}
else if （drawing.GetType（）==typeof（ImageDrawing））
{
//确定是否需要进行设备控制
}
else if （drawing.GetType（）==typeof（glyphRunDrawing））
{
//发送请求，并反馈监测信息
}
else if （drawing.GetType（）==typeof（VideoDrawing））
{
//对监测信息进行释放，结束可视化监测
}
}
}
3 ?实验结果分析
3.1 ?实验参数设置
实验参数设置如表1、表2所示。
3.2 ?实验结果分析
为了验证改进系统的有效性及可行性，采用改进系统与ARM嵌入式监测系统、基于物联网的监测系统进行对比，以监测耗时为指标进行实验分析，结果如图5所示。
由图5可知，采用ARM嵌入式监测系统时，其随着监测设备数量的增加，系统运行耗时逐渐增加且出现多处波动，稳定性较差，最高用时高达95 s;采用基于物联网的监测系统时，其监测耗时随着监测设备数量的增加而多处波动，但相较ARM嵌入式监测系统耗时有所降低，约为42.1 s;采用改进监测系统时，系统运行耗时随着监测设备数量的增加会出现上下浮动情况，但其整体耗时较为稳定，在设备数量为40～50时出现耗时大的现象，但随后下降，整体耗时约为13.8 s，相比ARM嵌入式监测系统、基于物联网的监测系统分别降低了81.2 s，28.3 s，具有一定的优势。为进一步验证改进系统的有效性及可行性，采用改进系统与ARM嵌入式监测系统、基于物联网的监测系统进行对比，以系统抗干扰能力为指标进行实验分析，结果如表3所示。 
由表3可知，采用基于物联网的监控系统时，系统抗干扰能力随着实验次数的增加而增高，平均值约为43.29，但稳定性较低;采用ARM嵌入式系统时，系统抗干扰能力随着实验次数的增加，抗干扰能力逐渐增高，平均值约为109.394;采用改进监测系统时，系统抗干扰能力显著，且抗干扰能力相比ARM嵌入式监测系统、基于物联网的监测系统分别提高了66.104，93.85，具有一定的优势。4 ?结 ?论
针对传统系统存在的监测耗时多、系统抗干扰能力差的问题，提出并设计了基于双传感器结合的智能家居远距离可视化风险自动监测系统。实验结果表明：本文系统运行耗时相比ARM嵌入式监测系統、基于物联网的监测系统分别降低了81.2 s，28.3 s;抗干扰能力相比ARM嵌入式监测系统、基于物联网的监测系统分别提高了66.104，93.85。
参考文献
[1] 孙泽鸿，关维国，刘志建.基于Cortex_A8的智能云家居Web控制系统设计[J].微电子学与计算机，2016，33（7）：159?163.
SUN Zehong， GUAN Weiguo， LIU Zhijian. Design of intelligent cloud home Web control system based on Cortex_A8 [J]. Microelectronics & computer， 2016， 33（7）： 159?163.
[2] 殷贤华，刘明缘，王宁.基于Raspberry Pi的智能家居系统设计[J].现代电子技术，2016，39（23）：161?164.
YIN Xianhua， LIU Mingyuan， WANG Ning. Design of smart home system based on Raspberry Pi [J]. Modern electronics technique， 2016， 39（23）： 161?164.
[3] 单振华，王舒憬，强杰.基于Websocket的智能家居远程控制系统的实现[J].电子技术应用，2017，43（10）：124?127.
SHAN Zhenhua， WANG Shujing， QIANG Jie. Design of Websocket?based smart home remote?control system [J]. Application of electronic technique， 2017， 43（10）： 124?127.
[4] 张贝贝，周祖荣.基于ZigBee技术的智能水浸系统设计[J].计算机工程与设计，2016，37（11）：3130?3135.
ZHANG Beibei， ZHOU Zurong. Design of intelligent water logging system based on ZigBee technology [J]. Computer engineering and design， 2016， 37（11）： 3130?3135.
[5] 邓昀，李朝庆，程小辉.基于物联网的智能家居远程无线监控系统设计[J].计算机应用，2017，37（1）：159?165.
DENG Yun， LI Chaoqing， CHEN Xiaohui. Design of remote wireless monitoring system for smart home based on Internet of Things [J]. Journal of computer applications， 2017， 37（1）： 159?165.
[6] 曾欣慧.面向Android客户端的无线视频监控系统设计[J].现代电子技术，2016，39（12）：6?9.
ZENG Xinhui. Design of wireless video surveillance system for Android client [J]. Modern electronics technique， 2016， 39（12）： 6?9.
[7] 金有杰，周克明，王海妹，等.基于GIS的水工程安全监测信息管理系统设计与应用[J].水力发电，2016，42（12）：102?106.
JIN Youjie， ZHOU Keming， WANG Haimei， et al. Design and application of GIS?based water engineering safety monitoring information management system [J]. Water power， 2016， 42（12）： 102?106.
[8] 孟晓丽.物联网平台下基于云计算的智能家居系统设计[J].科技通报，2016，32（6）：67?71.
MENG Xiaoli. Smart home system design based on cloud computing on Internet of Things platform [J]. Bulletin of science and technology， 2016， 32（6）： 67?71.
[9] 白日欣，陈淑春，智刚毅.基于多元特征融合技术的农村家居安防系统设计[J].河北农业大学学报，2017，40（3）：136?139.
BAI Rixin， CHEN Shuchun， ZHI Gangyi. Design of rural home security system based on the technology of multi?characters fusion [J]. Journal of Agricultural University of Hebei， 2017， 40（3）： 136?139.
[10] 王瑞泽，程颖，任文平.基于AVR单片机的家庭智能监控机器人设计[J].计算机应用，2016，36（z2）：328?330.
WANG Ruize， CHENG Ying， REN Wenping. Robot design based on AVR microcontroller for family intelligent monitoring [J]. Journal of computer applications， 2016， 36（S2）： 328?330.
关键词： 智能家居; 远距离; 可视化风险; 自动监测; 系统设计; 抗干扰性
中图分类号： TN931+.3?34 ? ? ? ? ? ? ? ? ? ? ? ?文献标识码： A ? ? ? ? ? ? ? ? ? ?文章编号： 1004?373X（2019）04?0171?04
Design of long?distance visualized risk automatic monitoring system for smart home
HU Hongbo
（School of Physics and Electromechanical Engineering， Zunyi Normal University， Zunyi 563000， China）
Abstract： In allusion to the problems of large monitoring time?consumption and poor anti?interference capability existing in the traditional monitoring system， a long?distance visualized risk automatic monitoring system based on dual?sensor combination is proposed and designed for the smart home. The system is composed of two parts of hardware and software. The hardware is mainly used to monitor the temperature and combustible gas in the home environment. The software is mainly used to monitor visualized risks. The experimental results show that in comparison with the ARM embedded monitoring system and the monitoring system based on the Internet of Things， the improved monitoring system has a time?consumption reduced by 81.2 s and 28.3 s respectively， and an anti?interference performance improved by 66.104 and 93.85 respectively， which has a certain advantage.
Keywords： smart home; long distance; visualized risk; automatic monitoring; system design; anti?interference performance0 ?引 ?言
智能家居是指通过家庭总线技术将家庭中各种与信息相关的通信设备、家用电器和家庭安保装置连接到一个智能化系统上，从而对家居信息进行集中或者异地监视、控制和管理，以保证各设施之间的协调运作[1?2]。智能家居能够利用监测系统对家居环境的温湿度、风速以及光照强度等进行远程监测，通过调节室内开关对其进行控制，还能够为人们提供现代化的通信信息服务，从而打造出一个高效、舒心的家居环境[3]。由此可见，智能家居监测系统已成为智能家居服务系统发展中必不可少的组成成分，是家居智能化推进中的关键课题。1 ?智能家居远距离可视化风险自动监测系统
智能家居，即将家庭内部各种设备有机地连接在一起，使其组合成为一个综合体，以此综合体为对象，运用家庭智能控制系统完成家居信息的采集、标准化处理以及控制等，最终达到智能家居风险的远距离可视化监测的目的[4]。本文设计监测系统主要由管理系统和控制系统组成。管理系统主要对各种家居设备数据进行存储、查询和处理。控制系统主要对家居设备进行控制，两者之间主要通过MODEM相连接，整体结构如图1所示。
1.1 ?温度传感器设计在设计温度传感器时，针对家居环境中设备的多样性及不定性，采用DS18B20，PT1000铂电阻以及热敏电阻组成的多温度传感器，其中DS18B20是由DALLAS公司生产的单总线式数字温度传感器，具有性能好、抗干扰能力强、能耗低、灵敏度高以及处理效果明显等优势[5?6]，众多优势使得这一温度传感器可以广泛应用于多种温度监测中，尤其是对于多点温度的监测，可直接将温度转化成串行数字信号给上位机处理，且在同一总线上可以挂接多个传感器芯片，其测量温度范围为-55～125 ℃，精度在0.5 ℃，反应时间≤500 ms。DS18B20内部结构主要由四部分组成，分别是64位光刻ROM、温度传感器、非挥发的温度报警触发器TH和TL、配置寄存器。其外形及管脚排列如图2所示。
根据图2可知，低温度系数晶振的震荡频率基本不受外界温度的影响，其主要作用是产生具有固定频率的脉冲信号，并将脉冲信号传递给计数器1;高温度系数晶振的震荡频率与外界温度之间具有显著的相关关系，高温度系数晶振产生的脉冲信号主要作为输入信号向计数器2传递[7?8];以-55 ℃为基准，不同温度对应的数值可用于设置各计数器以及晶振、温度寄存器的数值。假设-55 ℃所对应的数值为计数器1和温度寄存器的数值，用计数器1的数值减去低温度系数晶振产生的脉冲信号数值，不断减小计数器1的数值并重复此过程，当计数器1的数值降低至0时，温度寄存器的数值增加1，此时重新设置计数器1的数值，加之低温度系数晶振產生的脉冲信号不断输入计数器1，计数器1的数值将会不断发生改变。依照此过程循环，直至计数器1的数值重新转变为0，停止对温度寄存器数值的改变，此时的温度寄存器数值则可看作是所测温度。计数器2的操作流程与计数器1相似。
1.2 ?可燃气体传感器模块设计
可燃气体是家居环境中存在的另一个风险因素，采用MQ?5催化型传感器对可燃气体进行远距离自动监测，其主要采用气敏材料SnO2，此材料会根据环境的变换发生改变，处于标准环境时，其电阻率数值较小;处于固定的检测环境时，其电阻率的数值会增加，且与气体的浓度变化呈现正相关关系[9]。MQ?5催化型传感器基本不受酒精以及烟雾浓度变化的影响，但甲烷、丙烷、丁烷的浓度变化会对其造成较大的影响，因此，MQ?5催化型传感器主要用于对室内可燃气体甲烷的检测。
MQ?5主要由SnO2敏感层、微型陶瓷管、测量电极和加热器构成。其中，加热器提供了测量的条件。通常情况下，MQ?5会被封装在具有特殊材质的腔体内，封装之后的MQ?5有6个引脚，其中4个引脚用于对脉冲信号的测量，另外两个引脚主要用于对气体的加热。等效电路如图3所示。
图3中，阴影圆[R0]表示测量气体中的等效电阻，外部连接测量电路，可以认为是负载电阻[RL]。这个负载电阻的大小会直接影响该器件的可测量范围，而其具体数值的确定则主要由A/D转换器的位宽来决定。1.3 ?复位电路设计
复位电路是在RC电路基础上添加按键开关，来实现人为复位和远程自动复位的两部分控制功能。人为复位主要针对处于家居环境的情况，远程自动复位主要针对处于外出环境的情况[10]。当发生风险时，通过移动设备进行远程可视化监测。
在系统运行初始阶段，电容和电压的数值固定，不会轻易发生改变，则复位引脚将会稳定地从低电平向高电平发生转换，从而产生上电复位信号。然而，在系统运行过程中，不可避免地会产生障碍因素，导致系统混乱甚至进入死机状态。因此添加手动复位，主要负责完成系统的重新启动以及系统初始化，这一操作只需要按下开关按键即可，对此选择复位电路图如图4所示。
2 ?软件设计
在设计系统软件过程中，主要针对家居风险进行可视化监测分析，具体可视化编程源代码如下：
Public void RetrieveDrawing（Visual v）
{
Drawing Group dGroup=VisualTreeHelper. Get Drawing（v）;
Enum Drawing Group（dGroup）;
}
//开始并初始化系统
Public vid EnumDrawingGroup（DrawingGroup drawingGroup）
{
DrawingCollection dc=drawingGroup.Children;
//请求对家居环境进行视频监测
Foreach （Drawing drawing in dc）
{
//对视频数据进行解码
If （drawing.GetType（）==typeof（DrawingGroup））
{
EnumDrawingGroup（（DrawingGroup）drawing）;
}
else if （drawing.GetType（）==typef（GemetryDrawing））
{
//显示视频监测图像
}
else if （drawing.GetType（）==typeof（ImageDrawing））
{
//确定是否需要进行设备控制
}
else if （drawing.GetType（）==typeof（glyphRunDrawing））
{
//发送请求，并反馈监测信息
}
else if （drawing.GetType（）==typeof（VideoDrawing））
{
//对监测信息进行释放，结束可视化监测
}
}
}
3 ?实验结果分析
3.1 ?实验参数设置
实验参数设置如表1、表2所示。
3.2 ?实验结果分析
为了验证改进系统的有效性及可行性，采用改进系统与ARM嵌入式监测系统、基于物联网的监测系统进行对比，以监测耗时为指标进行实验分析，结果如图5所示。
由图5可知，采用ARM嵌入式监测系统时，其随着监测设备数量的增加，系统运行耗时逐渐增加且出现多处波动，稳定性较差，最高用时高达95 s;采用基于物联网的监测系统时，其监测耗时随着监测设备数量的增加而多处波动，但相较ARM嵌入式监测系统耗时有所降低，约为42.1 s;采用改进监测系统时，系统运行耗时随着监测设备数量的增加会出现上下浮动情况，但其整体耗时较为稳定，在设备数量为40～50时出现耗时大的现象，但随后下降，整体耗时约为13.8 s，相比ARM嵌入式监测系统、基于物联网的监测系统分别降低了81.2 s，28.3 s，具有一定的优势。为进一步验证改进系统的有效性及可行性，采用改进系统与ARM嵌入式监测系统、基于物联网的监测系统进行对比，以系统抗干扰能力为指标进行实验分析，结果如表3所示。 由表3可知，采用基于物联网的监控系统时，系统抗干扰能力随着实验次数的增加而增高，平均值约为43.29，但稳定性较低;采用ARM嵌入式系统时，系统抗干扰能力随着实验次数的增加，抗干扰能力逐渐增高，平均值约为109.394;采用改进监测系统时，系统抗干扰能力显著，且抗干扰能力相比ARM嵌入式监测系统、基于物联网的监测系统分别提高了66.104，93.85，具有一定的优势。4 ?结 ?论针对传统系统存在的监测耗时多、系统抗干扰能力差的问题，提出并设计了基于双传感器结合的智能家居远距离可视化风险自动监测系统。实验结果表明：本文系统运行耗时相比ARM嵌入式监测系統、基于物联网的监测系统分别降低了81.2 s，28.3 s;抗干扰能力相比ARM嵌入式监测系统、基于物联网的监测系统分别提高了66.104，93.85。
参考文献
[1] 孙泽鸿，关维国，刘志建.基于Cortex_A8的智能云家居Web控制系统设计[J].微电子学与计算机，2016，33（7）：159?163.
SUN Zehong， GUAN Weiguo， LIU Zhijian. Design of intelligent cloud home Web control system based on Cortex_A8 [J]. Microelectronics & computer， 2016， 33（7）： 159?163.
[2] 殷贤华，刘明缘，王宁.基于Raspberry Pi的智能家居系统设计[J].现代电子技术，2016，39（23）：161?164.
YIN Xianhua， LIU Mingyuan， WANG Ning. Design of smart home system based on Raspberry Pi [J]. Modern electronics technique， 2016， 39（23）： 161?164.
[3] 单振华，王舒憬，强杰.基于Websocket的智能家居远程控制系统的实现[J].电子技术应用，2017，43（10）：124?127.
SHAN Zhenhua， WANG Shujing， QIANG Jie. Design of Websocket?based smart home remote?control system [J]. Application of electronic technique， 2017， 43（10）： 124?127.
[4] 张贝贝，周祖荣.基于ZigBee技术的智能水浸系统设计[J].计算机工程与设计，2016，37（11）：3130?3135.
ZHANG Beibei， ZHOU Zurong. Design of intelligent water logging system based on ZigBee technology [J]. Computer engineering and design， 2016， 37（11）： 3130?3135.
[5] 邓昀，李朝庆，程小辉.基于物联网的智能家居远程无线监控系统设计[J].计算机应用，2017，37（1）：159?165.
DENG Yun， LI Chaoqing， CHEN Xiaohui. Design of remote wireless monitoring system for smart home based on Internet of Things [J]. Journal of computer applications， 2017， 37（1）： 159?165.
[6] 曾欣慧.面向Android客户端的无线视频监控系统设计[J].现代电子技术，2016，39（12）：6?9.
ZENG Xinhui. Design of wireless video surveillance system for Android client [J]. Modern electronics technique， 2016， 39（12）： 6?9.
[7] 金有杰，周克明，王海妹，等.基于GIS的水工程安全监测信息管理系统设计与应用[J].水力发电，2016，42（12）：102?106.
JIN Youjie， ZHOU Keming， WANG Haimei， et al. Design and application of GIS?based water engineering safety monitoring information management system [J]. Water power， 2016， 42（12）： 102?106.
[8] 孟晓丽.物联网平台下基于云计算的智能家居系统设计[J].科技通报，2016，32（6）：67?71.
MENG Xiaoli. Smart home system design based on cloud computing on Internet of Things platform [J]. Bulletin of science and technology， 2016， 32（6）： 67?71.
[9] 白日欣，陈淑春，智刚毅.基于多元特征融合技术的农村家居安防系统设计[J].河北农业大学学报，2017，40（3）：136?139.
BAI Rixin， CHEN Shuchun， ZHI Gangyi. Design of rural home security system based on the technology of multi?characters fusion [J]. Journal of Agricultural University of Hebei， 2017， 40（3）： 136?139.
[10] 王瑞泽，程颖，任文平.基于AVR单片机的家庭智能监控机器人设计[J].计算机应用，2016，36（z2）：328?330.
WANG Ruize， CHENG Ying， REN Wenping. Robot design based on AVR microcontroller for family intelligent monitoring [J]. Journal of computer applications， 2016， 36（S2）： 328?330.
