一种基于物联网与边缘计算的图像识别系统与方法技术方案

本发明专利技术为图像识别技术领域，具体而言，涉及一种基于物联网与边缘计算的图像识别系统与方法，该方法包括：通过图像采集单元采集监控区域内特殊工种作业车的图像，并对特殊工种作业车的图像进行预处理，将预处理后的特殊工种作业车图像传输至边缘计算节点，经边缘计算后，得到特殊工种作业车图像的计算参数，其中，图像采集单元与边缘计算节点均设置有多个，且相互对应；通过计算参数完成对图像识别网络模型的训练，且在图像识别网络模型训练完成后，将其应用于各个边缘计算节点中，各个边缘计算节点通过协作评价法对特殊工种作业车图像的识别结果进行评价，根据评价结果投票判断是否为特殊工种作业车。为特殊工种作业车。为特殊工种作业车。

【技术实现步骤摘要】
一种基于物联网与边缘计算的图像识别系统与方法


[0001]本专利技术为图像识别
，具体而言，涉及一种基于物联网与边缘计算的图像识别系统与方法。

技术介绍

[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。近几年，随着国家道路交通的飞速发展，许多弊端也随之产生，其中，较为重要的是过去对于特殊工种作业车的管理把控不够严格，常常特殊工种作业车会出现在非指定场所区域，而此类特殊工种作业车不仅体型庞大、很重，而且常具备危险性，当此类车辆行驶在桥梁道路上的时候，由于桥梁道路的支撑重量存在极限，一旦桥梁道路的支撑重量超过设定值，极其容易发生桥梁垮塌的安全事故，造成人员伤亡。
[0003]但就目前而言，不同的特殊工种作业车通常停放在不同的监控管理区域，需要大量的摄像机进行监控，随着监控摄像的增多，且监控区域的分散，会导致上传至图像识别服务器的图像数据增长很多，造成图像识别服务器的资源被大量占用，出现网络拥堵的情况，并且，现有的图像识别服务器常常只是简单对所收集的图像进行预处理，常常会出现图像模糊而导致识别失败。

技术实现思路

[0004]本专利技术的目的在于提供一种基于物联网与边缘计算的图像识别系统与方法，以改善上述问题。
[0005]为了实现上述目的，本申请实施例提供了如下技术方案：
[0006]一方面，本申请实施例提供了一种基于物联网与边缘计算的图像识别系统，包括：
[0007]图像采集单元：用于对特殊工种作业车的图像进行采集，其中，特殊工种作业车位于监控区域内；
[0008]预处理单元：用于对特殊工种作业车的图像进行预处理；
[0009]信号传输单元：用于对完成预处理的特殊工种作业车图像进行信号传输；
[0010]特征提取单元：用于对完成预处理的特殊工种作业车图像进行特征提取，其中，特征提取具体通过边缘计算进行特征提取；
[0011]图像识别单元：用于对特殊工种作业车的图像特征进行识别；
[0012]所述图像采集单元与所述预处理单元连接，所述预处理单元与所述信号传输单元连接，所述信号传输单元与所述特征提取单元连接，所述特征提取单元与所述图像识别单元连接。
[0013]作为优选的，所述图像采集单元具体可应用为双目摄像机，且双目摄像机设置有多个，分别部署在监控区域的周围。
[0014]作为优选的，所述预处理单元包括：去噪单元、灰度拉伸单元、直方图均衡化单元、
亮度调节单元、变换单元和二值化单元；
[0015]所述去噪单元：用于通过去噪算法对特殊工种作业车的图像进行噪声去除，其中，噪声包括高斯噪声、斑点噪声和椒盐噪声；
[0016]所述去噪算法的计算公式如下所示：
[0017][0018]其中，为完成去噪的特殊工种作业车图像，P(X，Y)为受到噪声污染的特殊工种作业车图像，(x，y)为完成去噪的特殊工种作业车图像某一像素点，(X，Y)为受到噪声污染的特殊工种作业车图像某一像素点，a
×
b为4邻域或8邻域形式的模板，Q为模板的区域；
[0019]所述灰度拉伸单元：用于对特殊工种作业车的图像进行灰度拉伸；
[0020]所述直方图均衡化单元：用于对特殊工种作业车图像的像素值与灰度级进行均衡化处理；
[0021]所述亮度调节单元：用于对特殊工种作业车的图像进行亮度调节；
[0022]所述变换单元：用于对特殊工种作业车的图像进行彩色图像至灰度图像的变换；
[0023]所述二值化单元：用于对特殊工种作业车的图像进行二值化处理，其中，二值化处理采用二值化算法，其计算公式如下所示：
[0024][0025]其中，(x，y)为像素，f(x，y)为像素的原属性，g(x，y)为像素变化后的属性，σ为阈值点，G0与G1分别为待测图像完成二值化的颜色。
[0026]作为优选的，所述信号传输单元应用于物联网，通过物联网对完成预处理的特殊工种作业车图像进行信号传输。
[0027]作为优选的，所述特征提取单元应用于边缘计算节点单元，所述边缘计算节点单元对应所述图像采集单元，用于对对应的图像采集单元所采集的特殊工种作业车图像进行边缘计算，完成对特殊工种作业车图像的特征提取，所述边缘计算节点单元包括节点信息获取子单元、节点分析子单元和节点计算单元；
[0028]所述节点信息获取子单元：用于对边缘计算节点单元的状态信息进行获取；
[0029]所述节点分析子单元：用于对特殊工种作业车的图像进行接收与分析，并控制节点计算单元进行计算；
[0030]所述节点计算单元：用于对特殊工种作业车的图像进行计算，其中，节点计算单元内预设有图像优化算法与图像特征提取算法。
[0031]作为优选的，所述图像识别单元包括获取单元与识别单元；
[0032]所述获取单元：用于对节点计算单元的计算参数进行获取，生成与边缘计算节点单元所对应的训练集；
[0033]所述识别单元：用于通过图像识别网络模型完成对特殊工种作业车图像的识别。
[0034]作为优选的，所述分析单元包括模型构建单元、模型优化单元和模型训练单元；
[0035]所述模型构建单元：用于构建图像识别网络模型，其中，所述图像识别网络模型选
用卷积网络模型，所述卷积网络模型的损失函数采用交叉熵损失函数，其计算公式如下所示：
[0036][0037]其中，s为样本，n为样本的总数量，H为预测的输出量，为实际的输出量；
[0038]所述模型优化单元：用于对图像识别网络模型进行优化，其中，模型优化单元内预设有Dropout算法，其计算公式如下所示：
[0039]L＝r
×
f(ωm+n)
[0040]r
j
～Bernoulli(p)
[0041]其中，f为激活函数，m为输入，r为二值掩膜矩阵，r
j
为概率向量，取值为0或1；
[0042]所述模型训练单元，用于通过训练集完成对图像识别网络模型的训练。
[0043]一方面，本申请实施例提供了一种基于物联网与边缘计算的图像识别方法，包括如下内容：
[0044]通过图像采集单元采集监控区域内特殊工种作业车的图像，并对特殊工种作业车的图像进行预处理，将预处理后的特殊工种作业车图像传输至边缘计算节点，经边缘计算后，得到特殊工种作业车图像的计算参数，其中，预处理包括去噪、灰度拉伸、直方图均衡化、亮度调节、彩转灰变换以及二值化，所述图像采集单元设置有多个，所述边缘计算节点设置有多个，且分别与各个图像采集单元所对应；
[0045]获取特殊工种作业车图像的计算参数，形成训练集，构建图像识别网络模型，通过训练集对图像识别网络模型进行训练，得到完成训练的图像识别网络模型，其中，在图像识别网络模型训练完成后，将其应用于各个边缘计算节点中，各个边缘计算节点通过协作评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网与边缘计算的图像识别方法，其特征在于，包括如下内容：通过图像采集单元采集监控区域内特殊工种作业车的图像，并对特殊工种作业车的图像进行预处理，将预处理后的特殊工种作业车图像传输至边缘计算节点，经边缘计算后，得到特殊工种作业车图像的计算参数，其中，预处理包括去噪、灰度拉伸、直方图均衡化、亮度调节、彩转灰变换以及二值化，所述图像采集单元设置有多个，所述边缘计算节点设置有多个，且分别与各个图像采集单元所对应；获取特殊工种作业车图像的计算参数，形成训练集，构建图像识别网络模型，通过训练集对图像识别网络模型进行训练，得到完成训练的图像识别网络模型，其中，在图像识别网络模型训练完成后，将其应用于各个边缘计算节点中，各个边缘计算节点通过协作评价法对特殊工种作业车图像的识别结果进行评价，根据评价结果投票判断是否为特殊工种作业车，所述图像识别网络模型采用Dropout算法进行优化，所述协作评价法，具体为：设定边缘计算节点的总数为S，判断结果为Puo，且Puo的取值为0或1，其评价结果为其中，o的取值为1或2。2.一种基于物联网与边缘计算的图像识别系统，其特征在于，包括：图像采集单元：用于对特殊工种作业车的图像进行采集，其中，特殊工种作业车位于监控区域内；预处理单元：用于对特殊工种作业车的图像进行预处理；信号传输单元：用于对完成预处理的特殊工种作业车图像进行信号传输；特征提取单元：用于对完成预处理的特殊工种作业车图像进行特征提取，其中，特征提取具体通过边缘计算进行特征提取；图像识别单元：用于对特殊工种作业车的图像特征进行识别；所述图像采集单元与所述预处理单元连接，所述预处理单元与所述信号传输单元连接，所述信号传输单元与所述特征提取单元连接，所述特征提取单元与所述图像识别单元连接。3.根据权利要求1所述的一种基于物联网与边缘计算的图像识别系统，其特征在于，所述图像采集单元具体可应用为双目摄像机，且双目摄像机设置有多个，分别部署在监控区域的周围。4.根据权利要求1所述的一种基于物联网与边缘计算的图像识别系统，其特征在于，所述预处理单元包括：去噪单元、灰度拉伸单元、直方图均衡化单元、亮度调节单元、变换单元和二值化单元；所述去噪单元：用于通过去噪算法对特殊工种作业车的图像进行噪声去除，其中，噪声包括高斯噪声、斑点噪声和椒盐噪声；所述去噪算法的计算公式如下所示：其中，为完成去噪的特殊工种作业车图像，P(X，Y)为受到噪声污染的特殊工种作业车图像，(x，y)为完成去噪的特殊工种作业车图像某一像素点，(X，Y)为受到噪声污染的特殊工种作业车图像某一像素点，a
×
b为4邻域或8邻域形式的模板，Q为模板的区域；
所述灰度拉伸单元：用于对特殊工种作业车的图像进行灰度拉伸；所述直方图均衡化单元：用于对特殊工种作业车图像的像素值与灰度级进行均衡化处理；所述亮度调节单元：用于对特殊工种作业车的图像进行亮度调节；所...

【专利技术属性】
技术研发人员：郭晓丹，郭小照，
申请(专利权)人：成都锦城学院，
类型：发明
国别省市：