一种嵌入式图像识别方法及系统技术方案

本发明专利技术公开了一种嵌入式图像识别方法及系统，属于图像处理技术领域，包括：对输入嵌入式平台的原始图像灰度处理，得到灰度图；对灰度图的灰度值进行增强处理，得到增强图；对增强图进行分类处理，得到各分类子区域；提取每个分类子区域的轮廓，得到各轮廓图像；对每个轮廓图像提取特征，进行目标识别；本发明专利技术解决了嵌入式平台无法进行对图像目标识别的问题。了嵌入式平台无法进行对图像目标识别的问题。了嵌入式平台无法进行对图像目标识别的问题。

【技术实现步骤摘要】
一种嵌入式图像识别方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种嵌入式图像识别方法及系统。

技术介绍

[0002]由于图像数据的数据量较大且复杂度较高，因此，现有图像处理技术通常采用深度神经网络进行处理，深度神经网络包含众多卷积层、池化层和激活层，大量的卷积层、池化层和激活层的运用增加了数据处理的复杂度，造成图像处理通常是在性能优越的处理器上运行。
[0003]嵌入式平台的硬件内容包括信号处理器、存储器、通信模块等在内的多方面的内容。相比于一般的计算机处理系统，嵌入式平台能处理的数据复杂度较低，因此，其无法承载深度神经网络的运行。
[0004]现有采用嵌入式平台进行图像处理，均是进行一些简单的图像处理操作，例如：图像滤波、增强、剪裁和编码等，其无法进行对图像目标的识别。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供的一种嵌入式图像识别方法及系统解决了嵌入式平台无法进行对图像目标的识别的问题。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种嵌入式图像识别方法，包括以下步骤：
[0007]S1、对输入嵌入式平台的原始图像灰度处理，得到灰度图；
[0008]S2、对灰度图的灰度值进行增强处理，得到增强图；
[0009]S3、对增强图进行分类处理，得到各分类子区域；
[0010]S4、提取每个分类子区域的轮廓，得到各轮廓图像；
[0011]S5、对每个轮廓图像提取特征，进行目标识别。
[0012]进一步地，所述S1中灰度处理的公式为：
[0013]，
[0014]，
[0015]，
[0016]，
[0017]其中，为灰度图上第个像素点的灰度值，为原始图像上第个像素点的G通道值，为原始图像上第个像素点的R通道值，为原始图像上第个像素点的B通道值，为通道总值，为灰度处理窗口内第1个像素点的G通道值，为灰度处理窗口内第个像素点的G通道值，为灰度处理窗口内第个像素点的G通道值，灰度处理窗口内包括：原始图
像上第个像素点及第个像素点邻域范围内所有像素点，为灰度处理窗口内的像素点数量，为灰度处理窗口内最大的G通道值，为取最大值，为灰度处理窗口内第1个像素点的R通道值，为灰度处理窗口内第个像素点的R通道值，为灰度处理窗口内第个像素点的R通道值，为灰度处理窗口内最大的R通道值。
[0018]上述进一步地方案的有益效果为：本专利技术中为了增强灰度值，提高各个不同灰度值之间的辨识度，本专利技术在灰度处理窗口找到最大的G通道值和R通道值，作为当前处理的像素点的灰度权重，从而提高灰度值，凸出显著特征，灰度处理窗口内的通道值为当前灰度处理像素点临近范围内的通道值，便于通过其临近范围的通道值体现当前区域通道值的分布情况。
[0019]进一步地，所述S2中增强处理的公式为：
[0020]，
[0021]其中，为增强图上第个像素点的灰度值，为灰度图上第个像素点的灰度值，为灰度图上的最大灰度值，为灰度图上的最小灰度值。
[0022]上述进一步地方案的有益效果为：本专利技术根据灰度图上最大灰度值和最小灰度值，进一步地增强每个像素点的灰度值，使得各个像素点的灰度值之间的区分明显，便于后续分类，分类的精度决定轮廓提取的精度，不同灰度值之间区分明显，更便于提取细微特征。
[0023]进一步地，所述S3包括以下分步骤：
[0024]S31、根据增强图上像素点的灰度值分布，对增强图上像素点进行聚类处理，得到多个聚类区域；
[0025]S32、若存在聚类区域内像素点不连续，则根据像素点的分布情况，将聚类区域进行划分成多个分类子区域；
[0026]S33、若聚类区域内像素点连续，则将聚类区域作为分类子区域；
[0027]S34、根据各分类子区域中像素点的数量和位置分布情况，对各分类子区域进行去噪处理，筛选出有效分类子区域。
[0028]上述进一步地方案的有益效果为：根据灰度值大小，将处于同一水平的灰度值的像素点归为同一类，得到聚类区域，但是可能每个聚类区域中各个像素点的分布并不连续，例如，在增强图上的左侧和右侧存在相同灰度值的像素点时，左侧和右侧的像素点为同一类，但是左侧和右侧之间还被其他类的像素点隔开，因此，根据各个类中像素点的分布情况，可将聚类区域进行划分，划分得到多个分类子区域，若某一水平的灰度值只有一个类，则该类的区域直接作为一个分类子区域，通过这种方式将所有的像素点进行分区，实现根据图像轮廓分区。
[0029]进一步地，所述S34包括以下分步骤：
[0030]S341、若存在分类子区域中像素点数量小于M，则将该分类子区域作为噪点区域，其中，M为正整数；
[0031]S342、若噪点区域被另一分类子区域包围，将噪点区域与包围的分类子区域进行融合；
[0032]S343、若噪点区域被两个以上的分类子区域包围，则根据噪点区域与各包围的分类子区域的接触范围，将噪点区域划分到各包围的分类子区域中。
[0033]进一步地，所述S342中将噪点区域与包围的分类子区域进行融合为：采用包围的分类子区域上的平均灰度值对噪点区域上所有像素点的灰度进行赋值；
[0034]所述S343中将噪点区域划分到各包围的分类子区域包括以下分步骤：
[0035]A1、确定噪点区域与各包围的分类子区域的接触像素点数量；
[0036]A2、根据接触像素点数量，计算划分比例；
[0037]A3、根据划分比例，将噪点区域中靠近各包围的分类子区域的部分按比例划分到对应的包围的分类子区域中。
[0038]上述进一步地方案的有益效果为：选出像素点极少的分类子区域作为噪点区域，当去噪区域在一个分类子区域内中，则其直接与该分类子区域融合，从而达到去噪的目的，若其被几个分类子区域包围，即其周边分布着多个分类子区域，其与多个分类子区域接触，则根据与每个分类子区域接触的范围，按比例，将噪点区域划分到各包围的分类子区域中，划分部分的像素点的灰度值采用对应分类子区域的灰度平均值进行赋值，从而达到去噪效果。
[0039]进一步地，所述S5包括以下分步骤：
[0040]S51、对每个轮廓图像提取特征，得到轮廓特征；
[0041]S52、将轮廓特征输入目标识别模型，得到目标类型。
[0042]进一步地，所述S51中提取特征的公式为：
[0043]，
[0044]其中，为轮廓特征，为轮廓图像，为特征拼接符号，为第一权重，为第二权重，为第三权重，为卷积运算，为最大池化运算，为平均池化运算。
[0045]上述进一步地方案的有益效果为：本专利技术中采用卷积处理提取特征后，再分别采用最大池化和平均池化提取特征，再将卷积处理后的特征进行拼接，精简数据的同时，保障数据特征的丰富度。
[0046]进一步地，所述S52中目标识别模型包括：多个残差特征提取单元、Concat单元、乘法器M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种嵌入式图像识别方法，其特征在于，包括以下步骤：S1、对输入嵌入式平台的原始图像灰度处理，得到灰度图；S2、对灰度图的灰度值进行增强处理，得到增强图；S3、对增强图进行分类处理，得到各分类子区域；S4、提取每个分类子区域的轮廓，得到各轮廓图像；S5、对每个轮廓图像提取特征，进行目标识别。2.根据权利要求1所述的嵌入式图像识别方法，其特征在于，所述S1中灰度处理的公式为：，，，，其中，为灰度图上第个像素点的灰度值，为原始图像上第个像素点的G通道值，为原始图像上第个像素点的R通道值，为原始图像上第个像素点的B通道值，为通道总值，为灰度处理窗口内第1个像素点的G通道值，为灰度处理窗口内第个像素点的G通道值，为灰度处理窗口内第个像素点的G通道值，灰度处理窗口内包括：原始图像上第个像素点及第个像素点邻域范围内所有像素点，为灰度处理窗口内的像素点数量，为灰度处理窗口内最大的G通道值，为取最大值，为灰度处理窗口内第1个像素点的R通道值，为灰度处理窗口内第个像素点的R通道值，为灰度处理窗口内第个像素点的R通道值，为灰度处理窗口内最大的R通道值。3.根据权利要求1所述的嵌入式图像识别方法，其特征在于，所述S2中增强处理的公式为：，其中，为增强图上第个像素点的灰度值，为灰度图上第个像素点的灰度值，为灰度图上的最大灰度值，为灰度图上的最小灰度值。4.根据权利要求1所述的嵌入式图像识别方法，其特征在于，所述S3包括以下分步骤：S31、根据增强图上像素点的灰度值分布，对增强图上像素点进行聚类处理，得到多个聚类区域；S32、若存在聚类区域内像素点不连续，则根据像素点的分布情况，将聚类区域进行划分成多个分类子区域；S33、若聚类区域内像素点连续，则将聚类区域作为分类子区域；S34、根据各分类子区域中像素点的数量和位置分布情况，对各分类子区域进行去噪处理，筛选出有效分类子区域。5.根据权利要求4所述的嵌入式图像识别方法，其特征在于，所述S34包括以下分步骤：
S341、若存在分类子区域中像素点数量小于M，则将该分类子区域作为噪点区域，其中，M为正整数；S342、若噪点区域被另一分类子区域包围，将噪点区域与包围的分类子区域进行融合，得到有效分类子区域；S343、若噪点区域被两个以上的分类子区域包围，则根据噪点区域与各包围的分类子区域的接触范围，...

【专利技术属性】
技术研发人员：张昆，王大维，廖元垲，
申请(专利权)人：成都菁蓉联创科技有限公司，
类型：发明
国别省市：