基于MaixduinoAIK210开发板的口罩监测与二维码识别系统设计方法技术方案

本发明专利技术公开了一种基于MaixduinoAIK210开发板的口罩监测与二维码识别系统设计方法。本发明专利技术利用MaixduinoAIK210开发板对人工智能、视觉目标识别和深度学习等功能的支持，设计出有效便捷实用的口罩监测与二维码识别系统。本发明专利技术使用的算法为K

【技术实现步骤摘要】
基于Maixduino AI K210开发板的口罩监测与二维码识别系统设计方法


[0001]本专利技术属于基于Maixduino AI K210人工智能开源硬件平台的设计应用，设计了智能口罩监测与二维码识别系统。该系统硬件基于 Maixduino AI K210开发板，软件基于Mind+和Maxipy IDE，采用 Python语言编程。

技术介绍

[0002]目前，安装智能设备，利用人工智能和机器设备识别公共场所出入口人群的口罩佩戴情况和健康码状态，实现无人监管情况下的疫情防控将成为必然。基于Maixduino AI K210人工智能开源硬件平台开发板实现系统所需硬件简单，成本低廉，非常适合当下对于公共防疫常态化工作中覆盖面大、可靠性、实时性要求高的需求。同时，软件基于Mind+和Maxipy IDE，采用Python语言编程。Maixduino AIK210人工智能开源硬件平台开发板具有高可读性和优秀的兼容性，能够根据不同的应用场景和实际需要对系统进行完善或者额外增加所需的基础功能，非常适合在各种复杂的现实场景中进行按需拓展和使用。本专利技术使用的算法为K
‑
Means算法，它是一种无监督的聚类算法，实现简单，聚类效果好。以此设计出来的系统也具有简便高效的特点，实际安装使用的成本低。由此可见，基于Maixduino AI K210 人工智能开源硬件平台开发板的口罩监测与二维码识别系统在当前公共防疫常态化工作中具有充足的可行性和良好的发展前景。

技术实现思路

[0003]本专利技术提出了一种基于Maixduino AI K210开发板的口罩监测与二维码识别系统设计方法。本专利技术是基于Maixduino AI K210人工智能开源硬件平台开发板，利用Maixduino AI K210开发板对人工智能、视觉目标识别和深度学习等功能的支持，设计出有效便捷实用的口罩监测与二维码识别系统。
[0004]本专利技术解决其技术问题所采用的技术方案包括以下步骤：
[0005]步骤1、口罩监测的机器视觉学习库的建立；
[0006]步骤2、口罩监测系统的搭建；
[0007]步骤3、二维码识别系统的搭建。
[0008]进一步的，步骤1所述的口罩监测的机器视觉学习库的建立基于 Maixduino AI K210人工智能开源硬件平台基础上，利用YOLOv2模型，采用K
‑
Means聚类算法进行口罩目标的识别，具体如下：
[0009]YOLOv2模型中BN层能够得到更高的平均准确率，并且拥有不错的每秒传输帧数；因此在进行图像准备数据抓取识别后，进行锚点参数的计算与配置，便开始模型的初步训练；
[0010]BN层在进行卷积前对数据进行预处理，具体是在卷积池化之后，激活函数之前，对每个数据输出进行规范化；
[0011][0012][0013]其中，是Batch内数据归一化结果，E[x
(k)
是Batch均值，Var为方差；γ和β为引入的附加参数；
[0014]同时引入锚框算法进行物体预测，anchors boxes算法把图像进行压缩的同时使得特征图的维度变为奇数，在进行一些大物体运算的预测时，使中心点落在图片的中心位置，从而更容易得使用特征图的一个中心点去预测这些物体的边界框；
[0015]K
‑
Means算法使anchor boxes和临近的真实框有更大的交并比值；同时由于加入锚点机制，并采用直接预测偏移量offsets对于网络单元的相对位置DLP；
[0016]b
x
＝σ(t
x
)+c
x
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0017]b
y
＝σ(t
y
)+c
y
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0018][0019][0020]Pr(object)*IOU(b,object)＝σ(t
o
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0021]其中，b
x
、b
y
、b
w
、b
h
是预测边框的中心和宽高，Pr(object)是网格目标对象，IOU(b,object)是IOU得分，Pr(object)*IOU(b,object)则是预测边框的置信度，此处对参数t
o
进行σ变换后作为置信度的值；c
x
、 c
y
是当前网格左上角到图像左上角的距离，要先将网格大小归一化，即令一个网格的宽为1，高为1；p
w
、p
h
是先验框的宽和高；σ是sigmoid 函数；t
x
、t
y
、t
w
、t
h
、t
o
是要学习的参数，分别用于预测边框的中心和宽高以及置信度。
[0022]进一步的，口罩识别系统具体实现如下：
[0023]当摄像头监测到有效人脸目标后，Maixduino AI K210人工智能开源硬件平台开发板进行机器视觉目标识别与处理；具体处理：在屏幕中用线条框出口罩的有效识别区域，并在识别区域正上方输出口罩识别结果，从而判断目标是否佩戴口罩；若为已佩戴口罩，则不报警，系统继续正常运作；若未佩戴口罩，系统将通过指示灯闪烁报警，记录报警数据并上传至上位设备。
[0024]进一步的，二维码识别系统具体实现如下：
[0025]当摄像头监测到有效二维码目标后，Maixduino AI K210人工智能开源硬件平台开发板进行机器视觉目标识别与处理；具体处理：在屏幕中用线条框出二维码的有效识别区域，并在识别区域正上方输出二维码识别结果。
[0026]本专利技术有益效果如下：
[0027]本专利技术使用的算法为K
‑
Means算法，它是一种无监督的聚类算法，实现简单，聚类效果好。以此设计出来的系统也具有简便高效的特点，实际安装使用的成本低，非常适合当前对于公共防疫常态化工作中覆盖面大、可靠性、实时性要求高的需求。同时， Maixduino AI K210人工智能开源硬件平台开发板使用的编译和烧写软件Mind+和Maxipy IDE支持Python语言，相比之下拥有更高的可读性以及更广的兼容性，能够根据不同的应用场景和实际需要，对系统进行完善和增加所需的基础功能，非常适合在各种复杂的现实场景中进
行按需拓展和使用。
[0028]本专利技术相对于传统的口罩监测与二维码识别系统，具有更低的配置和成本要求，同时又具备充足的可靠性，以及拥有根据需要来增加额外功能或与其它系统进行联动，以适应实际应用中各种复杂场景的需要，即良好的适应性。本专利技术在当前公共防疫常态化工作中具有充足的可行性和良好的市场发展前景。
附图说明
[0029]图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Maixduino AI K210开发板的口罩监测与二维码识别系统设计方法，其特征在于包括以下步骤：步骤1、口罩监测的机器视觉学习库的建立；步骤2、口罩监测系统的搭建；步骤3、二维码识别系统的搭建。2.如权利要求1所述的基于Maixduino AI K210开发板的口罩监测与二维码识别系统设计方法，其特征在于步骤1所述的口罩监测的机器视觉学习库的建立基于Maixduino AI K210人工智能开源硬件平台基础上，利用YOLOv2模型，采用K
‑
Means聚类算法进行口罩目标的识别，具体如下：YOLOv2模型中BN层能够得到更高的平均准确率，并且拥有不错的每秒传输帧数；因此在进行图像准备数据抓取识别后，进行锚点参数的计算与配置，便开始模型的初步训练；BN层在进行卷积前对数据进行预处理，具体是在卷积池化之后，激活函数之前，对每个数据输出进行规范化；数据输出进行规范化；其中，是Batch内数据归一化结果，E[x
(k)
是Batch均值，Var为方差；γ和β为引入的附加参数；同时引入锚框算法进行物体预测，anchors boxes算法把图像进行压缩的同时使得特征图的维度变为奇数，在进行一些大物体运算的预测时，使中心点落在图片的中心位置，从而更容易得使用特征图的一个中心点去预测这些物体的边界框；K
‑
Means算法使anchor boxes和临近的真实框有更大的交并比值；同时由于加入锚点机制，并采用直接预测偏移量offsets对于网络单元的相对位置DLP；b
x
＝σ(t
x
)+c
x
ꢀꢀꢀꢀꢀꢀꢀ
(3)b
y
＝σ(t
y
)+c
y
ꢀꢀꢀꢀꢀꢀꢀ
(4)(4)Pr(object)*IOU(b,object)＝σ(t
o
)
ꢀꢀꢀꢀ...

【专利技术属性】
技术研发人员：冯浩洋，许晓荣，包佳旭，陈坤龙，冯申奥，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：