一种基于图像处理的嵌入式物体认知系统技术方案

本发明专利技术实施例提供一种基于图像处理的嵌入式物体认知系统。在该实施例中，该基于图像处理的嵌入式物体认知系统包括图像采集模块、模型训练模块、模型终端部署模块和终端推理模块。该系统能够实时采集图像并在模型训练模块中通过轻量化的卷积神经网络模型推理后得到识别结果；该系统可以在保证识别物体的准确率以及推理速度的同时，大幅降低对硬件资源的需求，实现不同种类物体的识别与分类。

【技术实现步骤摘要】
一种基于图像处理的嵌入式物体认知系统
本专利技术涉及嵌入式人工智能的
，特别是涉及一种基于图像处理的嵌入式物体认知系统。
技术介绍
嵌入式人工智能(EmbeddedArtificialIntelligence，EAI)是将嵌入式计算机技术、人工智能技术与每个应用场景下的实际需求进行深度融合的产物。嵌入式人工智能除具备人工智能的技术优点之外，兼具嵌入式技术优良的实时性、适用性、鲁棒性与稳定性特点。传统的嵌入式智能软硬件平台以云端服务器为中心，将终端采集到的原始数据传输到云，数据的存储、分析都是在云端完成，嵌入式终端仅仅实现了数据的采集以及对输出结果作出相应的操作，如此完成一次数据的循环。此类以云计算为核心的智能嵌入式软硬件平台存在着开销大、实时性差、数据隐私等问题，无法满足大部分的实际应用需求。随着技术的发展，终端的处理能力越来越强大，边缘计算、雾计算等旨在克服云核心的嵌入式智能软硬件平台的弊端的新兴技术被提出。但是此类方法仅仅是将网络模型的传播过程切割为终端与云端两部分，嵌入式终端没有具备完整的认知能力，完整的推理过程仍旧需要云端的计算。因此，针对上述技术问题，有必要提供一种基于图像处理的嵌入式物体认知系统。该系统实时采集图像，并在模型训练模块中通过轻量化的卷积神经网络模型推理后得到识别结果；该系统可以在保证识别物体的准确率以及推理速度的同时，大幅降低对硬件资源的需求，实现不同种类物体的识别与分类。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种基于图像处理的嵌入式物体认知系统，该系统实时采集图像并在模型训练模块中通过轻量化的卷积神经网络模型推理后得到识别结果；该系统可以在保证识别物体的准确率以及推理速度的同时，大幅降低对硬件资源的需求，实现不同种类物体的识别与分类。为了实现上述目的，本专利技术实施例提供的技术方案如下：一种基于图像处理的嵌入式物体认知系统包括：图像采集模块，用于采集训练物体的图像特征；模型训练模块，与所述图像采集模块连接，以所述图像采集模块所获得的图像特征作为训练的素材，采用预设算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；模型终端部署模块，用于将所述模型训练模块所获得的认知模型参数构件部署在嵌入式终端；终端推理模块，根据所述图像采集模块采集的目标物体的图像并采用所述模型终端部署模块所提供的认知模型参数构件进行目标物体认知。作为本专利技术的进一步改进，所述模型训练模块包括两种模式：PC模型训练模式和嵌入式终端实时推理训练模式。作为本专利技术的进一步改进，所述PC模型训练模式包括步骤：嵌入式终端获取图像特征并将图像特征传输给PC端；PC端根据所述图像特征建立数据集并按照模型训练模块中的预设算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；将所述认知模型参数构件采取烧录的方式部署至嵌入式终端。作为本专利技术的进一步改进，所述嵌入式终端实时推理训练模式包括步骤：嵌入式终端获取图像特征；终端推理模块根据所述图像特征进行图像处理并按照模型训练模块中的预设算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；将所述认知模型参数构件存储至嵌入式终端。作为本专利技术的进一步改进，所述模型终端部署模块中的硬件配置根据嵌入式物体认知系统中参数性质不同而不同。作为本专利技术的进一步改进，常量参数存储至FLASH内存中，变量参数存储至RAM内存中。作为本专利技术的进一步改进，所述常量参数包括滤波器蚕食、偏置BIAS参数、传播结构函数；所述变量参数包括图像特征、输入变量和输出变量。作为本专利技术的进一步改进，所述嵌入式物体认知系统将预设的FLASH指定扇区的连续地址空间的擦除与读写替代RAM中动态数组的读写。作为本专利技术的进一步改进，所述模型训练模块中的预设算法中所用的参数格式为C语言中的多维数组形式。作为本专利技术的进一步改进，所述图像采集模块中采用优化摄像头驱动算法驱动摄像头而采集训练物体的图像特征。作为本专利技术的进一步改进，所述图像采集模块中包括图像处理单元，所述图像处理单元采用阈值过滤法对所述图像采集模块所获得的训练物体的原始图像进行处理而获得训练物体的图像特征。作为本专利技术的进一步改进，所述模型训练模块采用融合滚动卷积算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件。本专利技术具有以下优点：本专利技术实施例的目的在于提供一种基于图像处理的嵌入式物体认知系统，该系统实时采集图像并在模型训练模块中通过轻量化的卷积神经网络模型推理后得到识别结果。进一步地，该系统中的模型训练模块采用融合滚动卷积算法，有效地优化嵌入式系统对图像区域大小空间的需求。进一步地，该系统在图像采集过程中采用优化摄像头驱动算法驱动摄像头，有效地提升了图像读取和显示的速度。该系统可以在保证识别物体的准确率以及推理速度的同时，大幅降低对硬件资源的需求，实现不同种类物体的识别与分类。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的嵌入式物体认知系统的模块示意图；图2为图1所示实施例的嵌入式物体认知系统的数据流模型示意图；图3(a)为图1所示实施例中PC模型训练模式的流程示意图；图3(b)为图1所示实施例中嵌入式终端实时推理训练模式的流程示意图；图4为图1所示实施例中模型终端部署模块中的硬件配置分配框架图；图5为本专利技术实施例中优化摄像头驱动算法的流程图；图6(a)、6(b)、6(c)为本专利技术实施例中融合滚动卷积算法示意图。附图标记说明：100、嵌入式物体认知系统10、图像采集模块20、模型训练模块30、模型终端部署模块40、终端推理模块具体实施方式为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。如图1所示，本专利技术实施例提供的一种基于图像处理的嵌入式物体认知系统的模块示意图。在该实施例中，该基于图像处理的嵌入式物体认知系统100包括图像采集模块10、模型训练模块20、模型终端部署模块30和终端推理模块40。图像采集模块10用于采集训练物体的图像特征。模型训练模块20与图像采集模块10连接，以图像采集模块10所获得的图像特征作为训练的素材并采用预设算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件。模型终端部署模块30用于将模型训练模块20所获得的认知模型参数构件部署在嵌入式终端。终端推理模块本文档来自技高网...

【技术保护点】
1.一种基于图像处理的嵌入式物体认知系统，其特征在于，包括：/n图像采集模块，用于采集训练物体的图像特征；其中，所述图像采集模块中采用优化摄像头驱动算法驱动摄像头而采集训练物体的图像特征；/n模型训练模块，与所述图像采集模块连接，以所述图像采集模块所获得的图像特征作为训练的素材，采用融合滚动卷积算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；/n模型终端部署模块，用于将所述模型训练模块所获得的认知模型参数构件部署在嵌入式终端；/n终端推理模块，根据所述图像采集模块采集的目标物体的图像并采用所述模型终端部署模块所提供的认知模型参数构件进行目标物体认知。/n

【技术特征摘要】
1.一种基于图像处理的嵌入式物体认知系统，其特征在于，包括：
图像采集模块，用于采集训练物体的图像特征；其中，所述图像采集模块中采用优化摄像头驱动算法驱动摄像头而采集训练物体的图像特征；
模型训练模块，与所述图像采集模块连接，以所述图像采集模块所获得的图像特征作为训练的素材，采用融合滚动卷积算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；
模型终端部署模块，用于将所述模型训练模块所获得的认知模型参数构件部署在嵌入式终端；
终端推理模块，根据所述图像采集模块采集的目标物体的图像并采用所述模型终端部署模块所提供的认知模型参数构件进行目标物体认知。


2.根据权利要求1所述的一种基于图像处理的嵌入式物体认知系统，其特征在于，所述模型训练模块包括两种模式：PC模型训练模式和嵌入式终端实时推理训练模式。


3.根据权利要求2所述的一种基于图像处理的嵌入式物体认知系统，其特征在于，所述PC模型训练模式包括步骤：
嵌入式终端获取图像特征并将图像特征传输给PC端；
PC端根据所述图像特征建立数据集并按照模型训练模块中的预设算法生成可在嵌入式工程框架下直接编译并使用的认知模型参数构件；
将所述认知模型参数构件采取烧录的方式部署至嵌入式终端。


4.根据权利要求2所述的一种基于图像处理的嵌入式物体认知系统，其特征在于，所述嵌入式终端实时推理训练模式包括步骤：
嵌入式终端获取图像特征；
终端推...

【专利技术属性】
技术研发人员：王宜怀，刘纯平，王进，施连敏，胡展鹏，常诚，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32