嵌入式AI 運動圖像的檢測與識別*

聶 陽，趙國宏，徐 碩，王偉旭

（集寧師范學院 高速信號處理與物聯(lián)網(wǎng)技術應用重點實驗室，內蒙古 集寧 012000）

1 概述

現(xiàn)實生活中，人們獲取和傳遞信息的主要來源文字、語音和圖像。而圖像作為視覺信息交換的主要手段起著不可代替的作用，圖像處理的應用已經(jīng)涉及人類生活的各個方面。目前，圖像處理在移動互聯(lián)網(wǎng)、智能識別和多媒體信息交換等領域得到了廣泛的應用。然而，圖像處理系統(tǒng)復雜性和計算成本不斷增加，系統(tǒng)的實現(xiàn)越來越復雜。為了達到圖像處理系統(tǒng)的實時性和便攜性，嵌入式系統(tǒng)已經(jīng)成為了實時圖像處理硬件平臺的理想選擇方案[1]。

隨著人工智能時代的到來，嵌入式、人工智能（Artificial Intelligence，AI）、物聯(lián)網(wǎng)（Internet of Things，IoT）、5G等新技術不斷融合創(chuàng)新，推動新一代智能設備的井噴式發(fā)展。人工智能在動態(tài)圖像的檢測與識別越來越凸顯出其重要性，憑借其強大的計算能力和數(shù)據(jù)驅動模式，基于AI 的動態(tài)圖像檢測與識別得到了廣泛的應用。然而，目前大部分AI 應用都基于云端，要大面積地應用到人們日常生活中還有一定的距離。一方面，過去的人工智能基本上是在相對高性能的服務器上去構建軟件算法，如何降低成本是一個問題；另一方面，高功耗制約了人工智能向更多前端應用場景的滲透。近年來，由于微處理器技術飛速發(fā)展，便攜式智能硬件的處理速度也得到了廣泛的提升，這使得嵌入式AI 的本地實現(xiàn)成為可能。

圖1 樹莓派4B 開發(fā)板

本文采用便攜式智能硬件樹莓派為嵌入式AI 檢測和識別的硬件實現(xiàn)平臺，以動態(tài)圖像為研究對象，完成動態(tài)圖像檢測與識別的本地化設計。與傳統(tǒng)的云端AI 識別系統(tǒng)相比，構建的動態(tài)圖像檢測與識別系統(tǒng)無須聯(lián)網(wǎng)通過云端數(shù)據(jù)中心進行大規(guī)模計算去實現(xiàn)人工智能，而是在本地計算下就可以做實時的環(huán)境感知和人機交互。

圖2 系統(tǒng)整體結構框圖

圖3 二幀差分法二值化圖

2 系統(tǒng)整體設計結構

檢測識別系統(tǒng)硬件實現(xiàn)平臺采用最新的樹莓派4B（內存4G）作為核心嵌入式控制單元，其結構如圖1 所示。樹莓派被稱為“世界上最流行最便宜的小型電腦”。它是一款性價比超高的迷你電腦主機（僅有信用卡大小），被全球開發(fā)者、極客、技術愛好者們極大的追捧和喜愛[2]。樹莓派可以搭載多種 Linux 系統(tǒng)發(fā)行版（官方為Debian的衍生版），也可當服務器搭建各種網(wǎng)站、應用服務來使用，也能用來學習編程、控制硬件或日常辦公。由于樹莓派的體積很小很輕，并且功能極其豐富強大，這也使得它成為嵌入式AI 應用的理想硬件實現(xiàn)平臺。

檢測與識別系統(tǒng)平臺主要由攝像頭、顯示器和樹莓派4B 開發(fā)板三部分構成，其中攝像頭選用官方建議的CameraV2 型號，顯示器為戴爾液晶顯示器。系統(tǒng)實現(xiàn)的總體框圖如圖2 所示，整個系統(tǒng)包括三個模塊，圖像采集模塊、圖像處理模塊和圖像輸出模塊。圖像處理模塊作為整個系統(tǒng)的關鍵模塊，完成圖像幀的初始化、運動物體檢測和運動物體的識別等功能。采集的圖像由CameraV2完成之后，圖像處理模塊負責對采集的圖像利用OpenCV 函數(shù)進行檢測跟蹤與識別，最后將結果通過顯示器輸出。

圖4 動態(tài)圖像的檢測識別

3 檢測算法：幀差法

檢測識別中對于運動物體的目標檢測采用廣泛使用的幀差法[3-4]。在該算法中，當視頻中存在移動物體的時候，相鄰幀（或相鄰三幀）之間在灰度上會有差別，求取兩幀圖像灰度差的絕對值，則靜止的物體在差值圖像上表現(xiàn)出來全是0，而移動物體特別是移動物體的輪廓處由于存在灰度變化為非0，當絕對值超過一定閾值時，即可判斷為運動目標，從而實現(xiàn)目標的檢測功能。其數(shù)學公式描述為：

D（x，y）為連續(xù)兩幀圖像之間的差分圖像，I（t）和I（t-1）分別為t 和t-1 時刻的圖像，T 為差分圖像二值化時選取的閾值，D（x，y）=1 表示前景，D（x，y）=0 表示背景。圖 3為二幀差分法二值化圖。

幀間差分法的優(yōu)點是算法實現(xiàn)簡單，程序設計復雜度低；對光線等場景變化不太敏感，能夠適應各種動態(tài)環(huán)境，有著比較強的魯棒性。缺點是不能提取出對象的完整區(qū)域，對象內部有“空洞”，只能提取出邊界，邊界輪廓比較粗，往往比實際物體要大。對快速運動的物體，容易出現(xiàn)鬼影的現(xiàn)象，甚至會被檢測為兩個不同的運動物體，對慢速運動的物體，當物體在前后兩幀中幾乎完全重疊時，則檢測不到物體。

4 系統(tǒng)測試與驗證

為了驗證系統(tǒng)的正確性，本文采用運動的人民幣進行檢測與識別，檢測與識別的結果如圖4 所示。從圖4（a）中可以看出，運動的人民幣20 元的特征被準確的提取，并且被檢測到，用綠色的矩形包圍起來。在圖4（b）中，檢測的特征被圖像處理模塊進行處理，完成了智能識別，而且識別的結果也是正確的。

5 結束語

本文以樹莓派為硬件實現(xiàn)平臺完成了嵌入式AI 的運動圖像檢測與識別系統(tǒng)設計，系統(tǒng)利用OpenCV 庫函數(shù)準確的實現(xiàn)了運動的人民幣檢測與智能識別。該系統(tǒng)充分體現(xiàn)了嵌入式AI 高效快捷優(yōu)勢。與傳統(tǒng)的檢測識別系統(tǒng)相比，構建的動態(tài)圖像檢測與識別系統(tǒng)無須聯(lián)網(wǎng)通過云端數(shù)據(jù)中心進行大規(guī)模計算，而是在本地計算下就可以做實時的圖像檢測與智能識別。