[發明專利]一種基于神經網絡內模控制的嵌入式圖像識別系統及方法

在審

• 申請號: 202011638948.1
• 申請日: 2020-12-31
• 公開（公告）號: CN112633408A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 黃冠宇;朱敏銳;葉雨磊
• 申請（專利權）人: 上海九高節能技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/063;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明公開了一種基于神經網絡內模控制的嵌入式圖像識別系統及方法，包括：圖像檢測模塊、圖像處理模塊、主控制器；圖像檢測模塊用于采集獲取圖像信號；圖像處理模塊與圖像檢測模塊信號連接，用于對圖像信號進行預處理、端點檢測及特征提取，得到圖像特征數據；主控制器經SPI接口與圖像處理模塊連接，用于通過多個識別模型對圖像特征數據進行圖像識別，得到多個預測結果，并通過對多個預測結果進行加權平均，獲取最優識別結果，其中，主控制器為基于神經網絡內模控制結構的控制器。本發明根據同一訓練集中的不同子集建立多個模型，通過多次使用訓練集中不同子集樣本的信息，降低預測結果對某一樣本的依賴性，從而提高模型的預測可靠性。

技術領域

本發明屬于圖像識別技術領域，尤其涉及一種基于神經網絡內模控制的嵌入式圖像識別系統及方法。

背景技術

嵌入式圖像識別系統是指應用各種先進的微處理器在板級或是芯片級用軟件或硬件實現圖像識別技術。嵌入式圖像識別系統和PC機的圖像識別系統相比，雖然運行速度和內存容量有一定限制，但它具有體積小、功耗低、可靠性高、成本小、安裝靈活等優點，特別適用于智能家居、機器人及消費電子等領域。

但是也正因為其嵌入式的特性，使其圖像識別在精準性、效率性等方面受限，這使得需要一種新型的嵌入式圖像識別系統。

發明內容

本發明為解決嵌入式圖像識別系統存在的技術問題，提供了一種基于神經網絡內模控制的嵌入式圖像識別系統及方法。

為解決上述問題，本發明的技術方案為：

一種基于神經網絡內模控制的嵌入式圖像識別系統，包括：圖像檢測模塊、圖像處理模塊、主控制器；

圖像檢測模塊用于采集獲取圖像信號；

圖像處理模塊與圖像檢測模塊信號連接，用于對圖像信號進行預處理、端點檢測及特征提取，得到圖像特征數據；

主控制器經SPI接口與圖像處理模塊連接，用于通過多個識別模型對圖像特征數據進行圖像識別，得到多個預測結果，并通過對多個預測結果進行加權平均，獲取最優識別結果，其中，主控制器為基于神經網絡內模控制結構的控制器。

在其中一個實施例中，多個識別模型為基于同一訓練集中的不同子集建立并訓練的模型。

在其中一個實施例中，神經網絡內模控制結構包括神經網絡控制器、神經網絡狀態辨識器，神經網絡控制器以神經網絡狀態辨識器的神經網絡內部模型作為訓練對象，用于學習被控對象的動態特性，神經網絡控制器用于經離線和在線訓練學習被控對象的逆動態特性，其中，神經網絡狀態辨識器作為被控對象的近似模型并與被控對象并行設置，神經網絡狀態辨識器與實際對象的差值和期望的給定值的差值，經線性濾波器反饋于神經網絡控制器。

在其中一個實施例中，主控制器為基于FPGA與ARM的雙核控制芯片。

在其中一個實施例中，圖像處理模塊包括圖像處理芯片、內存，圖像處理芯片用于對圖像信號進行預處理、端點檢測及特征提取，得到圖像特征數據，內存用于存儲圖像特征數據。

在其中一個實施例中，還包括控制執行模塊，主控制器還用與根據最優識別結果生成控制指令，控制執行模塊用于根據控制指令控制對象執行對應動作。

一種基于神經網絡內模控制的嵌入式圖像識別方法，包括以下步驟：

S1：基于同一訓練集中的不同子集建立多個模型，并進行訓練，得到多個識別模型；

S2：采集獲取圖像信號，對圖像信號進行預處理、端點檢測及特征提取，得到圖像特征數據

S3：通過多個識別模型對圖像特征數據進行圖像識別，得到多個預測結果，并通過對多個預測結果進行加權平均，獲取最優識別結果，圖像識別基于神經網絡內模控制識別。