[發(fā)明專利]一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110505690.6
• 申請(qǐng)日: 2021-05-10
• 公開（公告）號(hào): CN113158968A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 王宜懷;劉純平;王進(jìn);施連敏;胡展鵬;常誠(chéng)
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/08;G06N5/04
• 代理公司: 蘇州見山知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32421
• 代理人: 袁麗花

本發(fā)明實(shí)施例提供一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)。在該實(shí)施例中，該基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)包括圖像采集模塊、模型訓(xùn)練模塊、模型終端部署模塊和終端推理模塊。該系統(tǒng)能夠?qū)崟r(shí)采集圖像并在模型訓(xùn)練模塊中通過輕量化的卷積神經(jīng)網(wǎng)絡(luò)模型推理后得到識(shí)別結(jié)果；該系統(tǒng)可以在保證識(shí)別物體的準(zhǔn)確率以及推理速度的同時(shí)，大幅降低對(duì)硬件資源的需求，實(shí)現(xiàn)不同種類物體的識(shí)別與分類。

技術(shù)領(lǐng)域

本發(fā)明涉及嵌入式人工智能的技術(shù)領(lǐng)域，特別是涉及一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)。

背景技術(shù)

嵌入式人工智能(Embedded Artificial Intelligence，EAI)是將嵌入式計(jì)算機(jī)技術(shù)、人工智能技術(shù)與每個(gè)應(yīng)用場(chǎng)景下的實(shí)際需求進(jìn)行深度融合的產(chǎn)物。嵌入式人工智能除具備人工智能的技術(shù)優(yōu)點(diǎn)之外，兼具嵌入式技術(shù)優(yōu)良的實(shí)時(shí)性、適用性、魯棒性與穩(wěn)定性特點(diǎn)。

傳統(tǒng)的嵌入式智能軟硬件平臺(tái)以云端服務(wù)器為中心，將終端采集到的原始數(shù)據(jù)傳輸?shù)皆疲瑪?shù)據(jù)的存儲(chǔ)、分析都是在云端完成，嵌入式終端僅僅實(shí)現(xiàn)了數(shù)據(jù)的采集以及對(duì)輸出結(jié)果作出相應(yīng)的操作，如此完成一次數(shù)據(jù)的循環(huán)。此類以云計(jì)算為核心的智能嵌入式軟硬件平臺(tái)存在著開銷大、實(shí)時(shí)性差、數(shù)據(jù)隱私等問題，無法滿足大部分的實(shí)際應(yīng)用需求。隨著技術(shù)的發(fā)展，終端的處理能力越來越強(qiáng)大，邊緣計(jì)算、霧計(jì)算等旨在克服云核心的嵌入式智能軟硬件平臺(tái)的弊端的新興技術(shù)被提出。但是此類方法僅僅是將網(wǎng)絡(luò)模型的傳播過程切割為終端與云端兩部分，嵌入式終端沒有具備完整的認(rèn)知能力，完整的推理過程仍舊需要云端的計(jì)算。

因此，針對(duì)上述技術(shù)問題，有必要提供一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)。該系統(tǒng)實(shí)時(shí)采集圖像，并在模型訓(xùn)練模塊中通過輕量化的卷積神經(jīng)網(wǎng)絡(luò)模型推理后得到識(shí)別結(jié)果；該系統(tǒng)可以在保證識(shí)別物體的準(zhǔn)確率以及推理速度的同時(shí)，大幅降低對(duì)硬件資源的需求，實(shí)現(xiàn)不同種類物體的識(shí)別與分類。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例的目的在于提供一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)，該系統(tǒng)實(shí)時(shí)采集圖像并在模型訓(xùn)練模塊中通過輕量化的卷積神經(jīng)網(wǎng)絡(luò)模型推理后得到識(shí)別結(jié)果；該系統(tǒng)可以在保證識(shí)別物體的準(zhǔn)確率以及推理速度的同時(shí)，大幅降低對(duì)硬件資源的需求，實(shí)現(xiàn)不同種類物體的識(shí)別與分類。

為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供的技術(shù)方案如下：一種基于圖像處理的嵌入式物體認(rèn)知系統(tǒng)包括：圖像采集模塊，用于采集訓(xùn)練物體的圖像特征；模型訓(xùn)練模塊，與所述圖像采集模塊連接，以所述圖像采集模塊所獲得的圖像特征作為訓(xùn)練的素材，采用預(yù)設(shè)算法生成可在嵌入式工程框架下直接編譯并使用的認(rèn)知模型參數(shù)構(gòu)件；模型終端部署模塊，用于將所述模型訓(xùn)練模塊所獲得的認(rèn)知模型參數(shù)構(gòu)件部署在嵌入式終端；終端推理模塊，根據(jù)所述圖像采集模塊采集的目標(biāo)物體的圖像并采用所述模型終端部署模塊所提供的認(rèn)知模型參數(shù)構(gòu)件進(jìn)行目標(biāo)物體認(rèn)知。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述模型訓(xùn)練模塊包括兩種模式：PC模型訓(xùn)練模式和嵌入式終端實(shí)時(shí)推理訓(xùn)練模式。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述PC模型訓(xùn)練模式包括步驟：嵌入式終端獲取圖像特征并將圖像特征傳輸給PC端；PC端根據(jù)所述圖像特征建立數(shù)據(jù)集并按照模型訓(xùn)練模塊中的預(yù)設(shè)算法生成可在嵌入式工程框架下直接編譯并使用的認(rèn)知模型參數(shù)構(gòu)件；將所述認(rèn)知模型參數(shù)構(gòu)件采取燒錄的方式部署至嵌入式終端。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述嵌入式終端實(shí)時(shí)推理訓(xùn)練模式包括步驟：嵌入式終端獲取圖像特征；終端推理模塊根據(jù)所述圖像特征進(jìn)行圖像處理并按照模型訓(xùn)練模塊中的預(yù)設(shè)算法生成可在嵌入式工程框架下直接編譯并使用的認(rèn)知模型參數(shù)構(gòu)件；將所述認(rèn)知模型參數(shù)構(gòu)件存儲(chǔ)至嵌入式終端。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述模型終端部署模塊中的硬件配置根據(jù)嵌入式物體認(rèn)知系統(tǒng)中參數(shù)性質(zhì)不同而不同。

作為本發(fā)明的進(jìn)一步改進(jìn)，常量參數(shù)存儲(chǔ)至FLASH內(nèi)存中，變量參數(shù)存儲(chǔ)至RAM內(nèi)存中。