一种垃圾分类自动监管报警系统的制作方法

本发明涉及监管技术领域，特别涉及一种垃圾分类自动监管报警系统。

背景技术

随着社会经济的快速发展以及人民生活水平的迅速提高，城市生产与生活过程中产生的垃圾也随之迅速增加，生活垃圾占用土地，污染环境的状况也越加明显。如何更高效地回收和处理垃圾逐渐成为各界所关注的焦点，而在回收和处理垃圾的过程中，对垃圾进行分类处理则是重中之重。目前，垃圾分类回收的工作主要还是人工进行，由于人们对于垃圾的回收类别存在不熟悉的情况，即使在垃圾桶上标明了该垃圾桶对应的回收类别，也不可避免有人将垃圾放置于错误类别的垃圾桶中。

技术实现要素：

本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出了一种垃圾分类自动监管报警系统，对垃圾的第一类型与垃圾桶的第二类型进行比对，精确的判断出垃圾是否投放正确，在投放错误时，报警模块发出报警提示，及时的提醒投放者，提高垃圾投放的正确率，减少人力成本。

为达到上述目的，本发明提出了一种垃圾分类自动监管报警系统，包括：

第一确定模块，用于获取投放者投放的垃圾的图片，根据所述垃圾的图片确定所述垃圾的第一类型信息；

第二确定模块，用于确定所述垃圾所在的垃圾桶的第二类型信息；

报警模块；

第一控制模块，用于判断所述第一类型信息与所述第二类型信息是否一致，在确定所述第一类型信息与所述第二类型信息不一致时，控制所述报警模块发出报警提示。

进一步地，所述根据所述垃圾的图片确定所述垃圾的第一类型信息，包括：

将所述垃圾的图片输入预先训练好的垃圾分类模型中，输出相对应的第一类型信息。

进一步地，还包括：

身份信息确定模块，用于确定所述投放者的身份信息；

第二控制模块，用于将所述投放者的身份信息、所述垃圾的第一类型信息、所述垃圾桶的第二类型信息进行打包，得到数据包并通过无线通讯模块发送至云端服务器；

所述云端服务器，用于接收所述数据包并进行存储。

进一步地，还包括：

计算模块，用于计算所述无线通讯模块对所述数据包的传输速率；

优化模块，用于在所述传输速率小于预设传输速率时，对所述无线通讯模块的传输信道进行优化处理。

进一步地，还包括：

检测模块，设置在垃圾桶内部，用于检测垃圾桶内部的垃圾高度；

所述第二控制模块，还用于在所述垃圾高度大于预设高度阈值时，生成垃圾清理信息，并将所述垃圾清理信息通过所述无线通讯模块发送至清理人员终端。

进一步地，对垃圾分类模型进行训练，得到训练好的垃圾分类模型，包括：

建立垃圾分类模型，根据垃圾分类模型包括的垃圾类型的数量进行分割处理，得到若干个子垃圾分类模型；一个垃圾类型对应一个子垃圾分类模型；

获取样本训练集；所述样本训练集包括若干张样本垃圾图片及所述样本垃圾图片对应的垃圾类型；

分别对每张样本垃圾图片进行预处理，得到每张样本垃圾图片预处理后的样本垃圾图片；所述预处理包括图像缩放处理、图像剪切处理、图像旋转处理、图像通道互换处理，图像黑白化处理中的至少一种；

将预处理后的样本垃圾图片扩充到所述样本训练集中，得到扩充处理后的样本训练集；

从所述扩充处理后的样本训练集中随机挑选出一张样本垃圾图片，作为第一样本垃圾图片；

将所述第一样本垃圾图像分别输入每个子垃圾分类模型中，每个子垃圾分类模型分别输出对所述一样本垃圾图像的评分值，得到若干个评分值，根据所述若干个评分计值算得到总评分值；

获取所述第一样本垃圾图片的第一垃圾类型，根据第一垃圾类型设定所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值；

根据所述总评分值、所述每个子垃圾分类模型分别对所述一样本垃圾图像的评分值、所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值，计算得到每个子垃圾分类模型的损失值；

根据每个子垃圾分类模型的损失值，计算得到所述垃圾分类模型对应的损失函数的第一输出值，判断所述第一输出值是否大于预设输出值，在确定所述第一输出值大于预设输出值时，根据每个子垃圾分类模型的损失值分别对相对应的子垃圾分类模型的模型参数进行调节处理；

从所述扩充处理后的样本训练集中随机挑选出另一张样本垃圾图片，作为第二样本垃圾图片，将所述第二样本垃圾图像分别输入模型参数调节后的每个子垃圾分类模型中，并最终得到所述垃圾分类模型对应的损失函数的第二输出值，在确定所述第二输出值大于预设输出值时，重复上述步骤，直至所述垃圾分类模型对应的损失函数的输出值小于等于预设输出值时，完成若干个子垃圾分类模型的训练，进而得到训练好的垃圾分类模型。

进一步地，所述身份信息获取模块包括：

人脸图像获取模块，用于获取所述投放者的人脸图像；

图像处理模块，用于：

确定所述人脸图像的尺寸，基于所述尺寸查询预设滤波模板库，得到与所述人脸图像的尺寸一致的滤波模板；

根据预设缩放因子对所述人脸图像进行缩小处理，得到缩小人脸图像；

根据所述预设缩放因子对所述滤波模板进行缩小处理，得到缩小滤波模板；

将所述缩小人脸图像与所述缩小滤波模板进行卷积处理，得到第一模糊图像；

对所述第一模糊图像通过线性差值运算进行放大处理，得到与所述人脸图像的尺寸一致的第二模糊图像；

清晰度计算模块，用于：

获取所述人脸图像中每个像素点的第一灰度值，在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的右侧像素点的第一灰度值的差值，得到所述人脸图像中每行前N-1个像素点的第一灰度值差值；

获取所述第二模糊图像中每个像素点的第二灰度值，在所述第二模糊图像中，计算每个像素点的第二灰度值与其相邻的右侧像素点的第二灰度值的差值，得到所述第二模糊图像中每行前N-1个像素点的第二灰度值差值；其中，其中，N为所述人脸图像中一行包括的像素点的个数，也为所述第二模糊图像中一行包括的像素点的个数，且所述人脸图像中一行包括的像素点的个数与所述第二模糊图像中一行包括的像素点的个数相等；

筛选出大于零的第一灰度差值，对所述大于零的第一灰度差值进行求和，得到所述人脸图像的第一水平正向模糊度；

筛选出小于零的第一灰度差值，对所述小于零的第一灰度差值进行求和，得到所述人脸图像的第一水平反向模糊度；

在所述第二模糊图像中，筛选出所述第二灰度差值大于零的像素点，作为第一待处理像素点，将所述第一待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第一目标像素点，对所述第一目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平正向模糊度；

在所述第二模糊图像中，筛选出所述第二灰度差值小于零的像素点，作为第二待处理像素点，将所述第二待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第二目标像素点，对所述第二目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平反向模糊度；

计算所述第一水平正向模糊度与所述第一水平反向模糊度的第一差值，将所述第一差值作为所述人脸图像在水平方向的第一模糊度；

计算所述第二水平正向模糊度与所述第二水平反向模糊度的第二差值，将所述第二差值作为所述迷糊图像在水平方向的第二模糊度；

计算所述第一模糊度与所述第二模糊度的比值，将所述比值作为所述人脸图像在水平方向上的第一清晰度；

在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的下侧像素点的第一灰度值的差值，得到所述人脸图像中每列前M-1个像素点的第三灰度值差值；

在所述第二模糊图像中，计算每个像素点与其相邻的下侧像素点的第二灰度值的差值，得到所述第二模糊图像中每列前M-1个像素点的第四灰度值差值；其中，其中，M为所述人脸图像中一列包括的像素点的个数，也为所述第二模糊图像中一列包括的像素点的个数，且所述人脸图像中一列包括的像素点的个数与所述第二模糊图像中一列包括的像素点的个数相等；

筛选出大于零的第三灰度差值，对所述大于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直正向模糊度；

筛选出小于零的第三灰度差值，对所述小于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直反向模糊度；

在所述第二模糊图像中，筛选出所述第四灰度差值大于零的像素点，作为第三待处理像素点，将所述第三待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第三目标像素点，对所述第三目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直正向模糊度；

在所述第二模糊图像中，筛选出所述第四灰度差值小于零的像素点，作为第四待处理像素点，将所述第四待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第四目标像素点，对所述第四目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直反向模糊度；

计算所述第一垂直正向模糊度与所述第一垂直反向模糊度的第三差值，将所述第三差值作为所述人脸图像在垂直方向的第三模糊度；

计算所述第二水平正向模糊度与所述第二水平反向模糊度的第四差值，将所述第四差值作为所述第二模糊图像在垂直方向的第四模糊度；

计算所述第三模糊度与所述第四模糊度的比值，将所述比值作为所述人脸图像在垂直方向上的第二清晰度；

根据所述人脸图像在水平方向上的第一清晰度及在垂直方向上的第二清晰度计算得到所述人脸图像的总清晰度；

清晰度增强模块，用于在所述人脸图像的总清晰度小于预设清晰度时，对所述人脸图像进行清晰度增强处理；

识别模块，用于对清晰度增强处理后的人脸图像基于人脸识别技术进行识别，得到所述投放者的身份信息。

进一步地，还包括：

加密模块，用于在所述第一控制模块将所述数据包通过无线通讯模块发送至云端服务器前，对所述数据包进行加密处理，得到加密数据包；

压缩模块，用于对所述加密数据包进行压缩处理，得到压缩加密数据包。

进一步地，所述压缩模块包括：

分割模块，用于获取所述加密数据包的数据字符串，对所述数据字符串进行分割处理，得到若干个子数据字符串；

第三控制模块，用于根据所述子数据字符串分别查询预设静态字典，得到与所述每个数据字符串相对应的压缩码，根据所述压缩码分别对相对应的子数据字符串进行压缩处理，根据压缩处理后的子数据字符串生成压缩加密数据包。

进一步地，所述对所述数据包进行加密处理包括获取预设加密数据库中最新版本的加密密钥，并根据所述最新版本的加密密钥对所述数据包进行加密处理。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明第一实施例的一种垃圾分类自动监管报警系统的框图；

图2为根据本发明第二实施例的一种垃圾分类自动监管报警系统的框图；

图3为根据本发明第三实施例的一种垃圾分类自动监管报警系统的框图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面参考图1至图3来描述本发明实施例提出的种基于垃圾分类自动监管报警系统。

如图1所示，一种垃圾分类自动监管报警系统，其特征在于，包括：

第一确定模块，用于获取投放者投放的垃圾的图片，根据所述垃圾的图片确定所述垃圾的第一类型信息；

第二确定模块，用于确定所述垃圾所在的垃圾桶的第二类型信息；

报警模块；

第一控制模块，用于判断所述第一类型信息与所述第二类型信息是否一致，在确定所述第一类型信息与所述第二类型信息不一致时，控制所述报警模块发出报警提示。

上述方案的工作原理：第一确定模块用于获取投放者投放的垃圾的图片，根据所述垃圾的图片确定所述垃圾的第一类型信息；第二确定模块用于确定所述垃圾所在的垃圾桶的第二类型信息；第一控制模块，用于判断所述第一类型信息与所述第二类型信息是否一致，在确定所述第一类型信息与所述第二类型信息不一致时，控制所述报警模块发出报警提示。

上述方案的有益效果：对垃圾的第一类型与垃圾桶的第二类型进行比对，精确的判断出垃圾是否投放正确，在投放错误时，报警模块发出报警提示，及时的提醒投放者，提高垃圾投放的正确率，减少人力成本。

根据本发明的一些实施例，所述根据所述垃圾的图片确定所述垃圾的第一类型信息，包括：

将所述垃圾的图片输入预先训练好的垃圾分类模型中，输出相对应的第一类型信息。

上述方案的工作原理：将所述垃圾的图片输入预先训练好的垃圾分类模型中，输出相对应的第一类型信息。

上述方案的有益效果：使得得到的垃圾的第一类型信息更加的准确。

如图2所示，根据本发明的一些实施例，还包括：

身份信息确定模块，用于确定所述投放者的身份信息；

第二控制模块，用于将所述投放者的身份信息、所述垃圾的第一类型信息、所述垃圾桶的第二类型信息进行打包，得到数据包并通过无线通讯模块发送至云端服务器；

所述云端服务器，用于接收所述数据包并进行存储。

上述方案的工作原理：身份信息确定模块用于确定所述投放者的身份信息；第二控制模块用于将所述投放者的身份信息、所述垃圾的第一类型信息、所述垃圾桶的第二类型信息进行打包，得到数据包并通过无线通讯模块发送至云端服务器；所述云端服务器用于接收所述数据包并进行存储。

上述方案的有益效果：通过所述投放者的身份信息、所述垃圾的第一类型信息、所述垃圾桶的第二类型信息得到每个投放者的投放记录，将每个投放者的投放记录进行存储，具有可追溯性。

根据本发明的一些实施例，包括：

计算模块，用于计算所述无线通讯模块对所述数据包的传输速率；

优化模块，用于在所述传输速率小于预设传输速率时，对所述无线通讯模块的传输信道进行优化处理。

上述方案的工作原理：计算模块，用于计算所述无线通讯模块对所述数据包的传输速率；优化模块，用于在所述传输速率小于预设传输速率时，对所述无线通讯模块的传输信道进行优化处理。

上述方案的有益效果：在所述传输速率小于预设传输速率时，对所述无线通讯模块的传输信道进行优化处理，保证数据包传输的及时性，提高数据包的传输效率。

根据本发明的一些实施例，还包括：

检测模块，设置在垃圾桶内部，用于检测垃圾桶内部的垃圾高度；

所述第二控制模块，还用于在所述垃圾高度大于预设高度阈值时，生成垃圾清理信息，并将所述垃圾清理信息通过所述无线通讯模块发送至清理人员终端。

上述方案的工作原理：检测模块，设置在垃圾桶内部，用于检测垃圾桶内部的垃圾高度；所述第二控制模块，还用于在所述垃圾高度大于预设高度阈值时，生成垃圾清理信息，并将所述垃圾清理信息通过所述无线通讯模块发送至清理人员终端。

上述方案的有益效果：实时的检测垃圾桶内部垃圾的高度，在高度大于预设高度时，表示垃圾桶内的垃圾已经快满了，生成垃圾清理信息，并将所述垃圾清理信息通过所述无线通讯模块发送至清理人员终端，提醒清理人员及时清理垃圾，避免出现垃圾桶内垃圾溢出的情况，保证垃圾桶内的清洁，提高用户的体验感。

根据本发明的一些实施例，对垃圾分类模型进行训练，得到训练好的垃圾分类模型，包括：

建立垃圾分类模型，根据垃圾分类模型包括的垃圾类型的数量进行分割处理，得到若干个子垃圾分类模型；一个垃圾类型对应一个子垃圾分类模型；

获取样本训练集；所述样本训练集包括若干张样本垃圾图片及所述样本垃圾图片对应的垃圾类型；

分别对每张样本垃圾图片进行预处理，得到每张样本垃圾图片预处理后的样本垃圾图片；所述预处理包括图像缩放处理、图像剪切处理、图像旋转处理、图像通道互换处理，图像黑白化处理中的至少一种；

将预处理后的样本垃圾图片扩充到所述样本训练集中，得到扩充处理后的样本训练集；

从所述扩充处理后的样本训练集中随机挑选出一张样本垃圾图片，作为第一样本垃圾图片；

将所述第一样本垃圾图像分别输入每个子垃圾分类模型中，每个子垃圾分类模型分别输出对所述一样本垃圾图像的评分值，得到若干个评分值，根据所述若干个评分计值算得到总评分值；

获取所述第一样本垃圾图片的第一垃圾类型，根据第一垃圾类型设定所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值；

根据所述总评分值、所述每个子垃圾分类模型分别对所述一样本垃圾图像的评分值、所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值，计算得到每个子垃圾分类模型的损失值；

根据每个子垃圾分类模型的损失值，计算得到所述垃圾分类模型对应的损失函数的第一输出值，判断所述第一输出值是否大于预设输出值，在确定所述第一输出值大于预设输出值时，根据每个子垃圾分类模型的损失值分别对相对应的子垃圾分类模型的模型参数进行调节处理；

从所述扩充处理后的样本训练集中随机挑选出另一张样本垃圾图片，作为第二样本垃圾图片，将所述第二样本垃圾图像分别输入模型参数调节后的每个子垃圾分类模型中，并最终得到所述垃圾分类模型对应的损失函数的第二输出值，在确定所述第二输出值大于预设输出值时，重复上述步骤，直至所述垃圾分类模型对应的损失函数的输出值小于等于预设输出值时，完成若干个子垃圾分类模型的训练，进而得到训练好的垃圾分类模型。

上述方案的工作原理：建立垃圾分类模型，根据垃圾分类模型包括的垃圾类型的数量进行分割处理，得到若干个子垃圾分类模型；一个垃圾类型对应一个子垃圾分类模型；获取样本训练集；所述样本训练集包括若干张样本垃圾图片及所述样本垃圾图片对应的垃圾类型；分别对每张样本垃圾图片进行预处理，得到每张样本垃圾图片预处理后的样本垃圾图片；所述预处理包括图像缩放处理、图像剪切处理、图像旋转处理、图像通道互换处理，图像黑白化处理中的至少一种；将预处理后的样本垃圾图片扩充到所述样本训练集中，得到扩充处理后的样本训练集；所述扩充处理后的样本训练集中随机挑选出一张样本垃圾图片，作为第一样本垃圾图片；将所述第一样本垃圾图像分别输入每个子垃圾分类模型中，每个子垃圾分类模型分别输出对所述一样本垃圾图像的评分值，得到若干个评分值，根据所述若干个评分计值算得到总评分值；获取所述第一样本垃圾图片的第一垃圾类型，根据第一垃圾类型设定所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值；根据所述总评分值、所述每个子垃圾分类模型分别对所述一样本垃圾图像的评分值、所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值，计算得到每个子垃圾分类模型的损失值；根据每个子垃圾分类模型的损失值，计算得到所述垃圾分类模型对应的损失函数的第一输出值，判断所述第一输出值是否大于预设输出值，在确定所述第一输出值大于预设输出值时，根据每个子垃圾分类模型的损失值分别对相对应的子垃圾分类模型的模型参数进行调节处理；从所述扩充处理后的样本训练集中随机挑选出另一张样本垃圾图片，作为第二样本垃圾图片，将所述第二样本垃圾图像分别输入模型参数调节后的每个子垃圾分类模型中，并最终得到所述垃圾分类模型对应的损失函数的第二输出值，在确定所述第二输出值大于预设输出值时，重复上述步骤，直至所述垃圾分类模型对应的损失函数的输出值小于等于预设输出值时，完成若干个子垃圾分类模型的训练，进而得到训练好的垃圾分类模型。

上述方案的有益效果：建立垃圾分类模型，根据垃圾分类模型包括的垃圾类型的数量进行分割处理，得到若干个子垃圾分类模型；一个垃圾类型对应一个子垃圾分类模型；对垃圾分类模型进行分割是为了对每个子垃圾分类模型分别进行训练，使得最终训练好的垃圾分类模型更加的精确；获取样本训练集；所述样本训练集包括若干张样本垃圾图片及所述样本垃圾图片对应的垃圾类型；分别对每张样本垃圾图片进行预处理，得到每张样本垃圾图片预处理后的样本垃圾图片；所述预处理包括图像缩放处理、图像剪切处理、图像旋转处理、图像通道互换处理，图像黑白化处理中的至少一种；将预处理后的样本垃圾图片扩充到所述样本训练集中，得到扩充处理后的样本训练集；通过这种可选方式，可有效扩充垃圾图片的训练集，增加模型的泛化能力，提高模型识别的精确度，使得训练得到的目标深度学习模型不容易遭到一些变异图片的攻击；从所述扩充处理后的样本训练集中随机挑选出一张样本垃圾图片，作为第一样本垃圾图片；将所述第一样本垃圾图像分别输入每个子垃圾分类模型中，每个子垃圾分类模型分别输出对所述一样本垃圾图像的评分值，得到若干个评分值，根据所述若干个评分计值算得到总评分值；获取所述第一样本垃圾图片的第一垃圾类型，根据第一垃圾类型设定所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值；根据所述总评分值、所述每个子垃圾分类模型分别对所述一样本垃圾图像的评分值、所述第一样本垃圾图片与所述每个子垃圾分类模型的匹配值，计算得到每个子垃圾分类模型的损失值；根据每个子垃圾分类模型的损失值，计算得到所述垃圾分类模型对应的损失函数的第一输出值，判断所述第一输出值是否大于预设输出值，在确定所述第一输出值大于预设输出值时，根据每个子垃圾分类模型的损失值分别对相对应的子垃圾分类模型的模型参数进行调节处理；增加参数调节处理后的子垃圾分类模型的精确度；从所述扩充处理后的样本训练集中随机挑选出另一张样本垃圾图片，作为第二样本垃圾图片，将所述第二样本垃圾图像分别输入模型参数调节后的每个子垃圾分类模型中，并最终得到所述垃圾分类模型对应的损失函数的第二输出值，在确定所述第二输出值大于预设输出值时，重复上述步骤，直至所述垃圾分类模型对应的损失函数的输出值小于等于预设输出值时，表示垃圾分类模型的精确度较高；完成若干个子垃圾分类模型的训练，进而得到训练好的垃圾分类模型。通过上述方案提供的训练方法，可以对神经网络进行大规模类别的训练，训练速度几乎没有损失，训练速度快且最终得到的垃圾分类模型的识别精确度高。

如图3所示，根据本发明的一些实施例，所述身份信息获取模块包括：

人脸图像获取模块，用于获取所述投放者的人脸图像；

图像处理模块，用于：

确定所述人脸图像的尺寸，基于所述尺寸查询预设滤波模板库，得到与所述人脸图像的尺寸一致的滤波模板；

根据预设缩放因子对所述人脸图像进行缩小处理，得到缩小人脸图像；

根据所述预设缩放因子对所述滤波模板进行缩小处理，得到缩小滤波模板；

将所述缩小人脸图像与所述缩小滤波模板进行卷积处理，得到第一模糊图像；

对所述第一模糊图像通过线性差值运算进行放大处理，得到与所述人脸图像的尺寸一致的第二模糊图像；

清晰度计算模块，用于：

获取所述人脸图像中每个像素点的第一灰度值，在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的右侧像素点的第一灰度值的差值，得到所述人脸图像中每行前N-1个像素点的第一灰度值差值；

获取所述第二模糊图像中每个像素点的第二灰度值，在所述第二模糊图像中，计算每个像素点的第二灰度值与其相邻的右侧像素点的第二灰度值的差值，得到所述第二模糊图像中每行前N-1个像素点的第二灰度值差值；其中，其中，N为所述人脸图像中一行包括的像素点的个数，也为所述第二模糊图像中一行包括的像素点的个数，且所述人脸图像中一行包括的像素点的个数与所述第二模糊图像中一行包括的像素点的个数相等；

筛选出大于零的第一灰度差值，对所述大于零的第一灰度差值进行求和，得到所述人脸图像的第一水平正向模糊度；

筛选出小于零的第一灰度差值，对所述小于零的第一灰度差值进行求和，得到所述人脸图像的第一水平反向模糊度；

在所述第二模糊图像中，筛选出所述第二灰度差值大于零的像素点，作为第一待处理像素点，将所述第一待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第一目标像素点，对所述第一目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平正向模糊度；

在所述第二模糊图像中，筛选出所述第二灰度差值小于零的像素点，作为第二待处理像素点，将所述第二待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第二目标像素点，对所述第二目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平反向模糊度；

计算所述第一水平正向模糊度与所述第一水平反向模糊度的第一差值，将所述第一差值作为所述人脸图像在水平方向的第一模糊度；

计算所述第二水平正向模糊度与所述第二水平反向模糊度的第二差值，将所述第二差值作为所述迷糊图像在水平方向的第二模糊度；

计算所述第一模糊度与所述第二模糊度的比值，将所述比值作为所述人脸图像在水平方向上的第一清晰度；

在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的下侧像素点的第一灰度值的差值，得到所述人脸图像中每列前M-1个像素点的第三灰度值差值；

在所述第二模糊图像中，计算每个像素点与其相邻的下侧像素点的第二灰度值的差值，得到所述第二模糊图像中每列前M-1个像素点的第四灰度值差值；其中，其中，M为所述人脸图像中一列包括的像素点的个数，也为所述第二模糊图像中一列包括的像素点的个数，且所述人脸图像中一列包括的像素点的个数与所述第二模糊图像中一列包括的像素点的个数相等；

筛选出大于零的第三灰度差值，对所述大于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直正向模糊度；

筛选出小于零的第三灰度差值，对所述小于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直反向模糊度；

在所述第二模糊图像中，筛选出所述第四灰度差值大于零的像素点，作为第三待处理像素点，将所述第三待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第三目标像素点，对所述第三目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直正向模糊度；

在所述第二模糊图像中，筛选出所述第四灰度差值小于零的像素点，作为第四待处理像素点，将所述第四待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第四目标像素点，对所述第四目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直反向模糊度；

计算所述第一垂直正向模糊度与所述第一垂直反向模糊度的第三差值，将所述第三差值作为所述人脸图像在垂直方向的第三模糊度；

计算所述第二水平正向模糊度与所述第二水平反向模糊度的第四差值，将所述第四差值作为所述第二模糊图像在垂直方向的第四模糊度；

计算所述第三模糊度与所述第四模糊度的比值，将所述比值作为所述人脸图像在垂直方向上的第二清晰度；

根据所述人脸图像在水平方向上的第一清晰度及在垂直方向上的第二清晰度计算得到所述人脸图像的总清晰度；

清晰度增强模块，用于在所述人脸图像的总清晰度小于预设清晰度时，对所述人脸图像进行清晰度增强处理；

识别模块，用于对清晰度增强处理后的人脸图像基于人脸识别技术进行识别，得到所述投放者的身份信息。

上述方案的工作原理：人脸图像获取模块用于获取所述投放者的人脸图像；图像处理模块，用于确定所述人脸图像的尺寸，基于所述尺寸查询预设滤波模板库，得到与所述人脸图像的尺寸一致的滤波模板；根据预设缩放因子对所述人脸图像进行缩小处理，得到缩小人脸图像；根据所述预设缩放因子对所述滤波模板进行缩小处理，得到缩小滤波模板；将所述缩小人脸图像与所述缩小滤波模板进行卷积处理，得到第一模糊图像；对所述第一模糊图像通过线性差值运算进行放大处理，得到与所述人脸图像的尺寸一致的第二模糊图像；清晰度计算模块，用于获取所述人脸图像中每个像素点的第一灰度值，在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的右侧像素点的第一灰度值的差值，得到所述人脸图像中每行前N-1个像素点的第一灰度值差值；获取所述第二模糊图像中每个像素点的第二灰度值，在所述第二模糊图像中，计算每个像素点的第二灰度值与其相邻的右侧像素点的第二灰度值的差值，得到所述第二模糊图像中每行前N-1个像素点的第二灰度值差值；其中，其中，N为所述人脸图像中一行包括的像素点的个数，也为所述第二模糊图像中一行包括的像素点的个数，且所述人脸图像中一行包括的像素点的个数与所述第二模糊图像中一行包括的像素点的个数相等；筛选出大于零的第一灰度差值，对所述大于零的第一灰度差值进行求和，得到所述人脸图像的第一水平正向模糊度；筛选出小于零的第一灰度差值，对所述小于零的第一灰度差值进行求和，得到所述人脸图像的第一水平反向模糊度；在所述第二模糊图像中，筛选出所述第二灰度差值大于零的像素点，作为第一待处理像素点，将所述第一待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第一目标像素点，对所述第一目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平正向模糊度；在所述第二模糊图像中，筛选出所述第二灰度差值小于零的像素点，作为第二待处理像素点，将所述第二待处理像素点的第二灰度差值与所述人脸图像中相对应的像素点的第一灰度差值进行比较，筛选出所述第二灰度差值小于相对应的第一灰度差值的像素点，并作为第二目标像素点，对所述第二目标像素点的第二灰度差值进行求和，得到所述第二模糊图像的第二水平反向模糊度；计算所述第一水平正向模糊度与所述第一水平反向模糊度的第一差值，将所述第一差值作为所述人脸图像在水平方向的第一模糊度；计算所述第二水平正向模糊度与所述第二水平反向模糊度的第二差值，将所述第二差值作为所述迷糊图像在水平方向的第二模糊度；计算所述第一模糊度与所述第二模糊度的比值，将所述比值作为所述人脸图像在水平方向上的第一清晰度；在所述人脸图像中，计算每个像素点的第一灰度值与其相邻的下侧像素点的第一灰度值的差值，得到所述人脸图像中每列前M-1个像素点的第三灰度值差值；在所述第二模糊图像中，计算每个像素点与其相邻的下侧像素点的第二灰度值的差值，得到所述第二模糊图像中每列前M-1个像素点的第四灰度值差值；其中，其中，M为所述人脸图像中一列包括的像素点的个数，也为所述第二模糊图像中一列包括的像素点的个数，且所述人脸图像中一列包括的像素点的个数与所述第二模糊图像中一列包括的像素点的个数相等；筛选出大于零的第三灰度差值，对所述大于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直正向模糊度；筛选出小于零的第三灰度差值，对所述小于零的第三灰度差值进行求和，得到所述人脸图像的第一垂直反向模糊度；在所述第二模糊图像中，筛选出所述第四灰度差值大于零的像素点，作为第三待处理像素点，将所述第三待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第三目标像素点，对所述第三目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直正向模糊度；在所述第二模糊图像中，筛选出所述第四灰度差值小于零的像素点，作为第四待处理像素点，将所述第四待处理像素点的第四灰度差值与所述人脸图像中相对应的像素点的第三灰度差值进行比较，筛选出所述第四灰度差值小于相对应的第三灰度差值的像素点，并作为第四目标像素点，对所述第四目标像素点的第四灰度差值进行求和，得到所述第二模糊图像的第二垂直反向模糊度；计算所述第一垂直正向模糊度与所述第一垂直反向模糊度的第三差值，将所述第三差值作为所述人脸图像在垂直方向的第三模糊度；计算所述第二水平正向模糊度与所述第二水平反向模糊度的第四差值，将所述第四差值作为所述第二模糊图像在垂直方向的第四模糊度；计算所述第三模糊度与所述第四模糊度的比值，将所述比值作为所述人脸图像在垂直方向上的第二清晰度；根据所述人脸图像在水平方向上的第一清晰度及在垂直方向上的第二清晰度计算得到所述人脸图像的总清晰度；清晰度增强模块，用于在所述人脸图像的总清晰度小于预设清晰度时，对所述人脸图像进行清晰度增强处理；识别模块，用于对清晰度增强处理后的人脸图像基于人脸识别技术进行识别，得到所述投放者的身份信息。

上述方案的有益效果：通过对缩小的人脸图像及缩小的滤波模板进行卷积处理，减少计算时间，过线性插值运算进行放大，减少人脸图像模糊处理的时间，提高人脸图像模糊处理的效率；通过人脸图像的第一水平正向模糊度、第一水平反向模糊度、第一垂直正向模糊度、第一垂直反向模糊度以及第二模糊图像的第二水平正向模糊度、第二水平反向模糊度、第二垂直正向模糊度、第二垂直反向模糊度计算得到人脸图像的清晰度更加的精确，进而对人脸图像进行清晰度增强，使得人脸图像更加的清晰，提高最终身份识别的精确度。

根据本发明的一些实施例，还包括：

加密模块，用于在所述第一控制模块将所述数据包通过无线通讯模块发送至云端服务器前，对所述数据包进行加密处理，得到加密数据包；

压缩模块，用于对所述加密数据包进行压缩处理，得到压缩加密数据包。

上述方案的工作原理：用于在所述第一控制模块将所述数据包通过无线通讯模块发送至云端服务器前，对所述数据包进行加密处理，得到加密数据包；压缩模块，用于对所述加密数据包进行压缩处理，得到压缩加密数据包。

上述方案的有益效果：对所述数据包进行加密处理，保证数据包的安全性，避免被不发分子盗取，对所述加密数据包进行压缩处理，减少数据包的大小，进而减少数据包传输的时间，保证数据包的传输效率。

根据本发明的一些实施例，所述压缩模块包括：

分割模块，用于获取所述加密数据包的数据字符串，对所述数据字符串进行分割处理，得到若干个子数据字符串；

第三控制模块，用于根据所述子数据字符串分别查询预设静态字典，得到与所述每个数据字符串相对应的压缩码，根据所述压缩码分别对相对应的子数据字符串进行压缩处理，根据压缩处理后的子数据字符串生成压缩加密数据包。

上述方案的工作原理：分割模块，用于获取所述加密数据包的数据字符串，对所述数据字符串进行分割处理，得到若干个子数据字符串；第三控制模块，用于根据所述子数据字符串分别查询预设静态字典，得到与所述每个数据字符串相对应的压缩码，根据所述压缩码分别对相对应的子数据字符串进行压缩处理，根据压缩处理后的子数据字符串生成压缩加密数据包。

上述方案的有益效果：分别根据所述子数据字符串分别查询预设静态字典，得到与所述每个数据字符串相对应的压缩码，并根据所述压缩码分别对相对应的子数据字符串进行压缩处理，减少数据压缩时间，提高数据压缩效率。

根据本发明的一些实施例，所述对所述数据包进行加密处理包括获取预设加密数据库中最新版本的加密密钥，并根据所述最新版本的加密密钥对所述数据包进行加密处理。

上述方案的工作原理：对所述数据包进行加密处理包括获取预设加密数据库中最新版本的加密密钥，并根据所述最新版本的加密密钥对所述数据包进行加密处理。

上述方案的有益效果：根据最新版本的加密密钥对所述数据包进行加密处理保证数据包的安全性，防止数据泄露。

根据本发明的一些实施例，所述计算所述无线通讯模块对所述数据包的传输速率，包括：

计算所述无线通讯模块的传输系数K，如公式(1)所示：

其中，β为所述传输信道传输历史数据的丢包率；B1为所述传输信道的总带宽；B2为所述传输信道的可用带宽；其中，数字通信系统中“带宽”，是指传输信道的信道容量，即信道中传递信息的数值，单位为“比特/秒”。

根据所述无线通讯模块的传输系数K，计算所述无线通讯模块对所述数据包的传输速率ω，如公式(2)所示：

其中，P1为所述传输信道对所述数据包的传输功率；P2所述传输信道中干扰信号的功率。

上述方案的工作原理及有益效果：在计算所述无线通讯模块对所述数据包的传输速率时，考虑所述传输信道传输历史数据的丢包率、所述传输信道的总带宽、所述传输信道的可用带宽、所述传输信道对所述数据包的传输功率等因素，使得计算出来的传输速率更加的精确，提高判断所述传输速率与预设传输速率大小的准确性，便于在所述传输速率小于预设传输速率时，对所述传输信道进行优化处理，保证数据传输的及时性，提高数据传输效率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。