امنیت سایبری-فیزیکی پارکینگ هوشمند و کنترل ترافیک: 6 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:52

اینترنت با میلیاردها دستگاه شامل اتومبیل ، سنسور ، رایانه ، سرور ، یخچال ، دستگاه های تلفن همراه و بسیاری دیگر با سرعتی بی سابقه در حال رشد است. این امر خطرات و آسیب پذیری های متعددی را در زیرساخت ، عملکرد و اداره شهرهای هوشمند در سراسر جهان معرفی می کند. این پروژه به بررسی اجمالی نحوه استفاده از سیستم های دوربین امنیتی هوشمند برای بهینه سازی ، نظارت و بهبود رفتار کلی ترافیک و پارکینگ ها در اطراف شهر هوشمند می پردازد.

مرحله 1: اجزا و مواد مورد نیاز

این پروژه به لیست زیر از اجزا و مواد برای ایجاد سیستم هوشمند کنترل تردد و پارکینگ نیاز دارد:

ضروری است

1. Raspberry Pi 3B+ (1)

2. Raspberry Pi Zero W (1)

3. ماژول دوربین RasPi (2)

4. مقوا خورده

5. چاقوهای Xacto

6. چسب مقوایی

7. قلم های نشانگر

8. نوار رنگی

اضافی

1. مانیتور

2. صفحه کلید

3. موش

4. آداپتورهای قدرت (5V ، 2A)

مرحله 2: طراحی زیرساخت های فیزیکی

شهر هوشمند نیاز به زیرساختی دارد که در مقیاس و ابعاد مناسب طراحی و ساخته شده است. بخشهای زیر را می توان بخشهای اصلی زیرساخت دانست

1. عرشه سخت افزار اصلی

هدف: قدرت و سخت افزارهای پردازشی مانند کابل ها ، نوارهای توزیع نیرو و آداپتورهای زیر سطح شهر را نگهداری و پنهان می کند.

ابعاد: 48 اینچ در 36 اینچ

اضافی: برای دسترسی به کابل های زیر سطح زمین نیاز به برش سوراخ مستطیلی در یکی از گوشه ها دارد.

2. ساختمان بلند

هدف: به عنوان بستر اصلی برای قرار دادن دوربین در ارتفاع 3/4 برای موقعیت مناسب در پارکینگ و جاده های اطراف ساختمان عمل می کند.

ابعاد: 24 اینچ 16 16 اینچ 16 16 اینچ

اضافی: برای نگه داشتن رزبری پای 3B+ در داخل ساختمان در ارتفاع حدود 3/4 از سطح زمین شهر ، به سه سوراخ با ابعاد 2 "x4" در تمام دیوارهای ساختمان نیاز است.

3. ساختمان بانک

هدف: به عنوان یک مخفی کننده برای Raspberry Pi Zero W و RasPi Cam که به یک شرکت بانکی و ورودی های ساختمان نگاه می کند ، عمل می کند.

ابعاد: 16 "x20" x16"

اضافی: یک دیوار پارتیشن در داخل ساختمان ایجاد کنید تا اتاق سرور را با اتاق عملیات بانکی واقعی همانطور که در تصاویر نشان داده شده است جدا کنید.

مرحله 3: ساخت شهر هوشمند

پس از مشخص شدن ابعاد عرشه سخت افزاری زمین ، ساختمان بلند و ساختمان بانک در ورق های مقوایی ، آماده ساختن خود شهر هستیم.

1. یک ورق کامل از مقوا را در پایین ابعاد 48 "x36" قرار دهید تا بستری برای کل شهر ایجاد شود.

2. دیوارهایی را برای عرشه سخت افزاری زمین ایجاد کنید تا با استفاده از تکه دوم مقوا ، محوطه ای بسته به ارتفاع 5 اینچ ایجاد کنید.

3. از یک ورق مقوا با ابعاد 48 "x36" برای ایجاد سقف عرشه سخت افزار زمین و ایجاد یک سوراخ 16 "x16" برای ساختمان بلند در آن استفاده کنید.

4. دیوارها و سقف ساختمانهای بلند مرتبه و ساختمانهای بانکی را از ورق مقوایی سوم برای ابعاد مشخص شده در "طراحی زیرساخت فیزیکی" و مطابق تصاویر برش دهید.

5. سوراخ های لازم را بر روی دیوارها و سقف ساختمان همانطور که قبلاً مشخص شده و در تصاویر نیز قابل مشاهده است ، برش دهید.

مرحله 4: ادغام سخت افزار و نرم افزار

اکنون زمان تنظیم Raspberry Pis ، دوربین ها و نرم افزار لازم برای راه اندازی شهر هوشمند است.

1. ماوس ، صفحه کلید و مانیتور را با استفاده از کابل ها و پورت های USB و HDMI به Raspberry Pi 3B+ وصل کنید.

2. Raspberry Pi 3B+ را با استفاده از آداپتور دیواری (5V ، 2A) روشن کنید

3. کارت MicroSD را به رزبری پای وصل کرده و سیستم را بوت کرده و منتظر بمانید تا صفحه Ubuntu Mate روی مانیتور ظاهر شود.

4. اکنون یک ترمینال در داخل اوبونتو میت باز کنید و به فهرست FeatureCV بروید و "python Loc.py" را اجرا کنید

5. چند صفحه با الگوریتم تشخیص خودرو کار می کند ظاهر می شود. این بدان معناست که شما مرحله ادغام سخت افزار و نرم افزار را با موفقیت انجام داده اید. تبریک می گویم!

مرحله 5: امنیت فیزیکی سایبری را بیاموزید و در اطراف بازی کنید

کل کد منبع برای سیستم پارک هوشمند را می توانید در لینک Github زیر مشاهده کنید: github.com/BhavyanshM/FeatureCV

دوربین های امنیتی یکی از رایج ترین حسگرها برای تشخیص جنایات در سراسر جهان هستند. این مرحله به شما نحوه ساخت ، آزمایش و از بین بردن یک سیستم دوربین امنیتی مبتنی بر بینایی را راهنمایی می کند.

1. اسکریپت پایتون "Loc.py" را با استفاده از دستور "python Loc.py" در پنجره ترمینال اجرا کنید.

2. از نوارهای پیمایش در پنجره "Trackbars" برای بدست آوردن مقادیر مناسب HSV استفاده کنید تا تنها خودروی پارک شده در پارکینگ را جدا کنید.

3. این مقادیر HSV را در جایی در یک فایل ذخیره کنید.

4. اکنون از یک سرویس گیرنده SSH در یک لپ تاپ خارجی استفاده کنید تا از طریق شبکه WiFi به این Raspberry Pi 3B+ وارد شوید و برخی از مقادیر را از راه دور تغییر دهید تا خرابی سیستم امنیتی را مشاهده کرده و هیچ خودرویی را شناسایی نکنید!

5. با خیال راحت با اسکریپت های پایتون و مقادیر HSV Trackbar بازی کنید تا خودروهایی با رنگ ها و ویژگی های مختلف را تشخیص دهید.

مرحله 6: نتیجه گیری و فیلم

پارکینگ هوشمند و سیستم کنترل ترافیک می تواند توانایی هر سازمانی را برای نظارت ، ایمن سازی ، بهینه سازی و بهبود عملکرد کلی یک شهر هوشمند متحول کند.

برای اطمینان از عملکرد سیستم ها مطابق انتظار و مطابق آنچه در ویدیو نشان داده شده است ، به فیلم بالا نگاه کنید.