基于空间编码的目标智能感知及识别系统及方法技术方案

本发明专利技术属于光学领域，公开了基于空间编码的目标智能感知及识别系统及方法，包括编码模块和成像模块。编码模块将目标识别模型编码为空间中每个像素单元所对应的权重值，并将该权重值输入至成像模块中的空间光调制器；成像模块利用空间光调制器对光信号进行空间编码，并通过单通道光电探测器采集经空间编码后的光信号，利用单通道测量值实现目标的智能识别。该方法通过对所采集的光信号进行空间编码，在光学测量的同时实现了对于图像的后处理，有效地避免了复杂的图像后处理过程，极大地提高目标感知及识别的时间效率。该方法还可以降低图像数据传输及存储等所带来的设备成本。因此，该方法在目标感知及识别领域具有重要的潜在应用价值。

【技术实现步骤摘要】
基于空间编码的目标智能感知及识别系统及方法
本专利技术属于光学领域，涉及一种基于空间编码的目标智能感知系统及方法。
技术介绍
目标感知与识别是一门综合多学科的应用技术，通过非接触方式探测固定或移动的目标及周围环境的信息(如图像等)，并利用信息处理技术对所采集的数据进行分析和后处理，进而准确识别目标，在工业、农业及国防等多个领域具有广泛的应用。近年来，随着目标感知与识别技术的不断发展和完善，采集和提取到的目标特征信息越来越丰富。虽然这些有助于实现对目标更为准确的感知和识别，但也导致需要更大的计算量去完成复杂的数据分析和后处理过程。因此，如果在保证目标识别准确率的前提下实现更为高效乃至实时的数据分析和后处理已成为目标感知和识别领域亟需解决的关键技术瓶颈。
技术实现思路
针对以上现有技术中存在的不足，本专利技术提出了一种新型的基于空间编码的目标智能感知及识别系统及方法。该方法通过对所采集的光信号进行空间编码，在光学测量的同时实现了对于图像的后处理，即利用单通道光电探测器直接采集经空间编码后的光信号，并利用所采集的单通道测量值实现对目标的智能感知和识别。本专利技术的技术方案为：基于空间编码的目标智能感知及识别系统包括编码模块和成像模块。其中，编码模块是将目标识别模型编码为空间中每个像素单元所对应的权重值，并将各像素单元的权重值输入至成像模块中的空间光调制器；成像模块包括成像透镜、空间光调制器、汇聚透镜组、单通道光电探测器、数据采集卡和计算机。目标物体经成像透镜后成像于空间光调制器上，基于编码模块中获得的线性模型，即空间中各像素单元的权重值，控制空间光调制器上各像素单元处于“开”状态的时间，进而实现对光信号的空间编码，经空间编码的光信号由汇聚透镜组汇聚后，由单通道光电探测器采集，并通过数据采集卡将单通道测量值传输至计算机，并基于该单通道测量值对目标进行识别，或基于多个不同空间的单通道测量值获得经空间编码后的图像。进一步地，利用线性模型对目标进行局部空间编码，并通过单通道光电探测器两次以上曝光，采集两组以上不同空间位置的单通道测量值，进而获得目标经空间编码后的图像，即获得等效于经图像后处理后的图像。具体步骤如下：步骤一、获取空间编码所需的权重值。用于空间编码的目标识别模型需为线性模型，且该线性模型可通过无监督特征提取或有监督学习的方式获得。其中，无监督特征提取方式可直接将纹理、形状、空间等特征的提取过程编码为线性模型，即空间中各像素单元的权重值；而有监督学习方式需通过训练数据集，即利用已知识别结果的图像建立线性模型，进而获得空间中各像素单元的权重值。步骤二、控制空间光调制器进行空间编码。根据步骤一中所获得的空间中各像素单元的权重值，控制空间光调制器上对应的微镜单元的处于“开”状态的时间，进而实现对光信号的空间编码，经空间编码的光信号由汇聚透镜组汇聚后，由单通道光电探测器采集，并通过数据采集卡将单通道测量值传输至计算机。步骤三、获取识别结果或经空间编码后的图像。若需获取识别结果，则直接根据步骤二所获得的单通道测量值对目标进行识别；若需获取经空间编码后的图像，则需重复步骤一和步骤二对目标的不同位置进行局部空间编码并获取多组不同空间位置的单通道测量值，直至遍历整个空间，获得目标经空间编码后的图像，即获得等效于经图像后处理后的图像。本专利技术的有益效果为该方法有效地避免了复杂的图像后处理过程，可极大地提高目标感知及识别的时间效率。由于仅需采集少量单通道测量值，该方法还可以降低图像数据传输及存储等所带来的设备成本。此外，该方法可对目标进行局部空间编码，并通过单通道光电探测器多次曝光采集多组不同空间位置的单通道测量值，进而获得等效于经图像后处理后的图像。因此，该方法在目标感知及识别领域具有重要的潜在应用价值。附图说明图1是本专利技术的系统光路图；图中：1目标物体；2成像透镜；3空间光调制器；4汇聚透镜组；5单通道光电探测器；6数据采集卡；7计算机。图2是实施例1中所用的卷积神经网络的结构图。图3是实施例1中用于识别不同数字所需的成像编码矩阵中各像素单元的权重值示意图。图4是实施例1中利用经空间编码后所获得的单通道测量值识别不同数字的结果图。图5是实施例2中用于识别线条方向所需的空间光调制器上各像素单元的权重值示意图。图6是实施例3中利用局部空间编码遍历整个空间进而获得等效于均值滤波后的图像。具体实施方式下面结合附图对本专利技术的具体实施做详细说明，其中实施例1是通过有监督学习方式获取用于空间编码的线形模型，并基于所采集的单通道测量值识别公共数据集MNIST中的手写数字；实施例2是通过无监督特征提取方式获取用于空间编码的线形模型，并基于所采集的单通道测量值识别线段的方向；实施例3是利用局部空间编码遍历整个空间进而获得等效于均值滤波后的图像。实施例1实施例1中利用基于空间编码的目标智能感知及识别系统识别公共数据集MNIST中的手写数字。其中，所使用的MNIST手写数字数据集包含60000个带有标签的训练样本和10000个带有验证标签的验证样本，其中每个样本均为由28×28个像素点组成的灰度图且标签为0～9其中一个数；利用一对多法将识别数字任务简化为十个二分类任务，即每一次将一个类作为目标组，其余九类作为背景组。用于二分类的卷积神经网络的具体结构如图2所示，并最终利用5折交叉验证法评估其性能。更为具体地，在将图像数据输入卷积神经网络之前，对每个图像数据都进行归一化处理，并将目标组和背景组的图像数据分别标记为0和1。卷积神经网络在均方误差的指导下，通过适应性矩估计算法将输出值拟合为0或1。卷积神经网络在收敛临界点附近停止迭代，以防止出现过拟合现象。卷积神经网络训练完毕后，可用0.5作为目标与背景区分的阈值，即卷积神经网络输出值大于或等于0.5的像素点被分为目标组，卷积神经网络输出值小于0.5的像素点被分为背景组。本实施例针对十个二分类任务分别训练了十个二分类模型，用于生成不同空间编码所需的空间中各像素单元的权重值，并进一步控制空间光调制器进行不同的空间编码，最终根据采集到的单通道测量值分别识别不同的数字。具体实施步骤如下：步骤一、利用卷积神经网络方法训练二分类模型，并根据二分类模型生成空间编码所需的空间中各像素单元的权重值。所使用的卷积神经网络的结构图如图2所示，包括二维卷积层、平均池化层和全连接层，且所有激活函数均为线性激活函数。各类层结构的公式如下所示：(1)二维卷积层：设Xm为第m个输入特征矩阵，其中，m∈N*，m≤α1，α1为输入特征矩阵的总数；第一个卷积层的输入特征矩阵为目标图片数据；设Ck为第k个卷积核，其中，k∈N*，k≤δ，δ为卷积核的总数；则第k个输出特征矩阵Yk根据公式(1)计算得出，其中“*”为卷积运算符号；(2)二维平均池化层：设ε×ε为每次进行平均池化的元素数量；设Xm，j，k为第m个输入特征矩阵的第j行第k列的元素，其中，m，j，k∈N*，m≤本文档来自技高网...

【技术保护点】
1.基于空间编码的目标智能感知及识别系统，其特征在于，包括编码模块和成像模块；其中，编码模块是将目标识别模型编码为空间中每个像素单元所对应的权重值，并将各像素单元的权重值输入至成像模块中的空间光调制器；成像模块包括成像透镜(2)、空间光调制器(3)、汇聚透镜组(4)、单通道光电探测器(5)、数据采集卡(6)和计算机(7)；目标物体(1)经成像透镜(2)后成像于空间光调制器(3)上，基于编码模块中获得的线性模型，即空间中各像素单元的权重值，控制空间光调制器(3)上各像素单元处于“开”状态的时间，实现对光信号的空间编码，经空间编码的光信号由汇聚透镜组(4)汇聚后，由单通道光电探测器(5)采集，并通过数据采集卡(6)将单通道测量值传输至计算机(7)，并基于该单通道测量值对目标进行识别，或基于多个不同空间的单通道测量值获得经空间编码后的图像。/n

【技术特征摘要】
1.基于空间编码的目标智能感知及识别系统，其特征在于，包括编码模块和成像模块；其中，编码模块是将目标识别模型编码为空间中每个像素单元所对应的权重值，并将各像素单元的权重值输入至成像模块中的空间光调制器；成像模块包括成像透镜(2)、空间光调制器(3)、汇聚透镜组(4)、单通道光电探测器(5)、数据采集卡(6)和计算机(7)；目标物体(1)经成像透镜(2)后成像于空间光调制器(3)上，基于编码模块中获得的线性模型，即空间中各像素单元的权重值，控制空间光调制器(3)上各像素单元处于“开”状态的时间，实现对光信号的空间编码，经空间编码的光信号由汇聚透镜组(4)汇聚后，由单通道光电探测器(5)采集，并通过数据采集卡(6)将单通道测量值传输至计算机(7)，并基于该单通道测量值对目标进行识别，或基于多个不同空间的单通道测量值获得经空间编码后的图像。


2.根据权利要求1所述的基于空间编码的目标智能感知及识别系统，其特征在于，所述编码模块中用于空间编码的目标识别模型为线性模型，所述线性模型通过无监督特征提取或有监督学习的方式获得。


3.根据权利要求2所述的基于空间编码的目标智能感知及识别系统，其特征在于，其中，无监督特征提取方式为直接将纹理、形状、空间特征的提取过程编码为线性模型，即空间中各像素单元的权重值；所述有监督学习方式为通过训练数据集，利用已知识别结果的图像建立线性模型，获得空间中各像素单元的权重值。


4.根据...

【专利技术属性】
技术研发人员：陈硕，王东升，张冯頔，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21