CN110458040A - 一种基于wifi的智能场景识别系统 - Google Patents

Abstract

本发明公开了一种基于WIFI的智能场景识别系统，包括人工智能识别模块、训练数据处理模块，还包括识别处理总机、识别处理分机、图像获取装置、参考数据存储模块，识别处理总机、识别处理分机通过WIFI网络连接；训练数据处理模块安装在识别处理分机上且识别处理分机安装若干组，识别处理总机与图像获取装置连接；人工智能识别模块安装在识别处理总机上并接收图像获取装置录取传递的图像数据，根据训练完成的特征量确定该场景的特征数据以及基本信息，参考数据存储模块与所述识别处理总机连接，用于存储识别完成的场景数据并对之后识别过程提供数据参考。本发明具有识别效率高、识别准度精确的有益效果。

Description

一种基于WIFI的智能场景识别系统

技术领域

本发明涉及现代电子技术领域，具体的说是一种基于WIFI的智能场景识别系统。

背景技术

对特定场景的识别工作在公安、消防、监控等领域，均有着非常重要的作用。科研组织曾借助各种设备和方法进行过一些特定场景识别系统的设计，但由于计算复杂且设备稳定性不佳，这些系统无法具备较高的识别效率和识别精度。人工智能视觉是一种新兴技术，其通过模拟人类双眼结构，制造出更为智能的视觉设备，使特定场景识别系统的高识别效率和高识别精度成为可能。

传统的智能场景识别系统往往仅含有一组识别处理主机，在对训练数据进行处理以及应用深度学习算法的过程中，由于需要对大量数据进行处理，因此处理效率低下。

发明内容

针对现有技术中存在的上述不足之处，本发明目的是提供一种识别效率高、识别准度精确的基于WIFI的智能场景识别系统。

本发明为实现上述目的所采用的技术方案是：一种基于WIFI的智能场景识别系统，包括人工智能识别模块、训练数据处理模块，还包括识别处理总机、识别处理分机、图像获取装置、参考数据存储模块，所述识别处理总机、识别处理分机通过WIFI网络连接；

所述训练数据处理模块安装在所述识别处理分机上且所述识别处理分机安装设置有若干组，所述训练数据处理模块通过深度学习算法对训练数据进行训练，训练完成的特征量通过WIFI网络传输至识别处理总机上，所述识别处理总机与所述图像获取装置相连接，所述识别处理总机可采用智能移动设备或者计算机端充当，当采用智能移动设备作为识别处理总机时，智能移动设备上安装的摄像头充当所述图像获取装置，当采用计算机端作为识别处理总机时，计算机段通过WIFI网络连接所述图像获取装置；

所述人工智能识别模块安装在所述识别处理总机上，所述人工智能识别模块接收图像获取装置录取传递的图像数据，根据识别处理分机传输训练完成的特征量并通过深度学习算法对场景图像进行识别并确定该场景的特征数据以及基本信息，所述参考数据存储模块与所述识别处理总机相连接，当采用智能移动设备作为识别处理总机时其上的存储卡或存储空间作为参考数据存储模块，当采用计算机端作为识别处理总机时其上的存储硬盘作为参考数据存储模块，所述参考数据存储模块存储经过人工智能识别模块处理识别完成的特征数据以及基本信息，并根据特征数据、基本信息作为人工智能识别模块新场景识别的参考数据。

当采用计算机端作为识别处理总机时，所述图像获取装置由两组并排安装的广角摄像机组成，所述广角摄像机与驱动电机动力连接并由驱动电机控制广角摄像机转动。

所述特征数据包括所述图像获取装置录取图像的标志建筑、场景元素、以及人物数量及特征，所述基本信息包括所述图像获取装置录取图像的具体时间、图像像素、图像地点。

所述识别处理分机有计算机端充当且各组识别处理分机均通过WIFI网络与识别处理总机相连接为识别处理总机提供经过深度学习算法处理后的特征量。

所述识别处理总机对接收自各识别处理分机的特征量进行进一步整合处理作为人工智能识别模块工作的数据基础。

各组所述识别处理分机分别处理不同种类的训练数据，各组识别处理分机处理的训练数据侧重点存在差距，且侧重点包括针对现代建筑区、古代建筑区、室内区、风景区、人流密集区。

所述识别处理总机对识别处理分机传递的特征量处理时采用加权取均值的方式对特征量进行整合。

当采用智能移动设备作为识别处理总机时，智能移动设备上安装的GPS定位模块对图像获取地点进行定位。

本发明的有益效果是：

1.通过设置识别处理总机与识别处理分机的方式，将深度学习的训练部分与识别部分进行分离，通过多组计算机端或移动设备端对深度学习对数据处理的功能进行分离，保证人工智能识别模块能够安装在移动设备端，不仅提高场景识别的效率，也能够实现识别处理总机的移动化，便于操作人员进行即时现场处理，进行场景识别；

2.利用人工智能技术以及针对人工智能处理的深度学习算法对图像进行处理来实现场景识别，不仅能够提高场景识别的准确性，同时也能够大量减少工作人员的工作量。

附图说明

图1为本发明系统运行示意图。

图中：1人工智能识别模块、2训练数据处理模块、3识别处理总机、4识别处理分机、5图像获取装置、6参考数据存储模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例1

请参阅图1，一种基于WIFI的智能场景识别系统，包括人工智能识别模块1、训练数据处理模块2，还包括识别处理总机3、识别处理分机4、图像获取装置5、参考数据存储模块6，识别处理总机3、识别处理分机4通过WIFI网络连接；

训练数据处理模块2安装在识别处理分机4上且识别处理分机4安装设置有若干组，训练数据处理模块2通过深度学习算法对训练数据进行训练，训练完成的特征量通过WIFI网络传输至识别处理总机3上，识别处理总机3与图像获取装置5相连接，识别处理总机3可采用智能移动设备或者计算机端充当，当采用智能移动设备作为识别处理总机3时，智能移动设备上安装的摄像头充当图像获取装置5，当采用计算机端作为识别处理总机3时，计算机段通过WIFI网络连接图像获取装置5；

人工智能识别模块1安装在识别处理总机3上，人工智能识别模块1接收图像获取装置5录取传递的图像数据，根据识别处理分机4传输训练完成的特征量并通过深度学习算法对场景图像进行识别并确定该场景的特征数据以及基本信息，参考数据存储模块6与识别处理总机3相连接，当采用智能移动设备作为识别处理总机3时其上的存储卡或存储空间作为参考数据存储模块6，当采用计算机端作为识别处理总机3时其上的存储硬盘作为参考数据存储模块6，参考数据存储模块6存储经过人工智能识别模块1处理识别完成的特征数据以及基本信息，并根据特征数据、基本信息作为人工智能识别模块1新场景识别的参考数据。

实施例2

请参阅图1，本发明中，当采用计算机端作为识别处理总机3时，图像获取装置5由两组并排安装的广角摄像机组成，广角摄像机与驱动电机动力连接并由驱动电机控制广角摄像机转动，以上述设计构成双眼模型，能够对图像中的各元素进行准确定位，且通过控制驱动电机的转动能够扩大图像录取的视角；

特征数据包括图像获取装置5录取图像的标志建筑、场景元素、以及人物数量及特征，基本信息包括图像获取装置5录取图像的具体时间、图像像素、图像地点，对图像信息进行全面处理，以提高本场景识别的准确性；

识别处理分机4有计算机端充当且各组识别处理分机4均通过WIFI网络与识别处理总机3相连接为识别处理总机3提供经过深度学习算法处理后的特征量；

识别处理总机3对接收自各识别处理分机4的特征量进行进一步整合处理作为人工智能识别模块1工作的数据基础，通过设置识别处理总机3以及识别处理分机4以减轻识别处理总机3的工作量，使识别处理总机3能够通过智能移动设备充当；

各组识别处理分机4分别处理不同种类的训练数据，各组识别处理分机4处理的训练数据侧重点存在差距，且侧重点包括针对现代建筑区、古代建筑区、室内区、风景区、人流密集区，针对不同的场景的训练数据进行训练，以进一步提高场景识别的准确性；

识别处理总机3对识别处理分机4传递的特征量处理时采用加权取均值的方式对特征量进行整合；

当采用智能移动设备作为识别处理总机3时，智能移动设备上安装的GPS定位模块对图像获取地点进行定位。

实施例3

请参阅图1，本发明的工作原理是：使用时，通过各组识别处理分机4上安装的训练处理模块对不同类型的训练数据进行不间断的训练处理，训练处理过程采用深度学习算法进行处理，训练处理得到的特征量作为智能识别场景的基础数据，并通过WIFI网络将识别处理分机4处理产生的特征量传递至识别处理总机3；通过图像获取单元录取所要识别场景的图像数据传递至识别处理总机3，将识别处理总机3上安装的人工智能识别模块1为处理程序，以特征量为基础数据对图像数据进行场景识别，生成征数据以及基本信息；

在人工智能识别模块1处理并识别完成的特征数据以及基本心急存储在存储模块，并根据特征数据、基本信息作为人工智能识别模块1新场景识别的参考数据；

通过设置识别处理总机3与识别处理分机4的方式，将深度学习的训练部分与识别部分进行分离，通过多组计算机端或移动设备端对深度学习对数据处理的功能进行分离，保证人工智能识别模块1能够安装在移动设备端，不仅提高场景识别的效率，也能够实现识别处理总机3的移动化，便于操作人员进行即时现场处理，进行场景识别；

利用人工智能技术以及针对人工智能处理的深度学习算法对图像进行处理来实现场景识别，不仅能够提高场景识别的准确性，同时也能够大量减少工作人员的工作量。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于WIFI的智能场景识别系统，包括人工智能识别模块(1)、训练数据处理模块(2)，其特征在于：还包括识别处理总机(3)、识别处理分机(4)、图像获取装置(5)、参考数据存储模块(6)，所述识别处理总机(3)、识别处理分机(4)通过WIFI网络连接；

所述训练数据处理模块(2)安装在所述识别处理分机(4)上且所述识别处理分机(4)安装设置有若干组，所述训练数据处理模块(2)通过深度学习算法对训练数据进行训练，训练完成的特征量通过WIFI网络传输至识别处理总机(3)上，所述识别处理总机(3)与所述图像获取装置(5)相连接，所述识别处理总机(3)可采用智能移动设备或者计算机端充当，当采用智能移动设备作为识别处理总机(3)时，智能移动设备上安装的摄像头充当所述图像获取装置(5)，当采用计算机端作为识别处理总机(3)时，计算机段通过WIFI网络连接所述图像获取装置(5)；

所述人工智能识别模块(1)安装在所述识别处理总机(3)上，所述人工智能识别模块(1)接收图像获取装置(5)录取传递的图像数据，根据识别处理分机(4)传输训练完成的特征量并通过深度学习算法对场景图像进行识别并确定该场景的特征数据以及基本信息，所述参考数据存储模块(6)与所述识别处理总机(3)相连接，当采用智能移动设备作为识别处理总机(3)时其上的存储卡或存储空间作为参考数据存储模块(6)，当采用计算机端作为识别处理总机(3)时其上的存储硬盘作为参考数据存储模块(6)，所述参考数据存储模块(6)存储经过人工智能识别模块(1)处理识别完成的特征数据以及基本信息，并根据特征数据、基本信息作为人工智能识别模块(1)新场景识别的参考数据。

2.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：当采用计算机端作为识别处理总机(3)时，所述图像获取装置(5)由两组并排安装的广角摄像机组成，所述广角摄像机与驱动电机动力连接并由驱动电机控制广角摄像机转动。

3.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：所述特征数据包括所述图像获取装置(5)录取图像的标志建筑、场景元素、以及人物数量及特征，所述基本信息包括所述图像获取装置(5)录取图像的具体时间、图像像素、图像地点。

4.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：所述识别处理分机(4)有计算机端充当且各组识别处理分机(4)均通过WIFI网络与识别处理总机(3)相连接为识别处理总机(3)提供经过深度学习算法处理后的特征量。

5.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：所述识别处理总机(3)对接收自各识别处理分机(4)的特征量进行进一步整合处理作为人工智能识别模块(1)工作的数据基础。

6.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：各组所述识别处理分机(4)分别处理不同种类的训练数据，各组识别处理分机(4)处理的训练数据侧重点存在差距，且侧重点包括针对现代建筑区、古代建筑区、室内区、风景区、人流密集区。

7.根据权利要求1或5所述的一种基于WIFI的智能场景识别系统，其特征在于：所述识别处理总机(3)对识别处理分机(4)传递的特征量处理时采用加权取均值的方式对特征量进行整合。

8.根据权利要求1所述的一种基于WIFI的智能场景识别系统，其特征在于：当采用智能移动设备作为识别处理总机(3)时，智能移动设备上安装的GPS定位模块对图像获取地点进行定位。