[作品提交] 【2022得捷电子创新设计大赛】-基于树莓派的智能动物识别系统

 

基于树莓派的智能动物视频识别监控系统

 

作者： EEWorld-吾妻思萌

一、作品简介（100-200字）
（设计名称、作品照片、功能介绍等。）

本作品为基于树莓派的的动物识别监控系统，通过对于户外或者野外自然保护区定位视频监控流来捕捉动物图像，通过内部图像识别算法来判定动物物种和记录行为方式，还可以增设红外摄像头，做到24小时无人值守，全程监控。

 

 

二、系统框图（图文结合）
（系统软硬件实现框图）

通过 Opencv 框架对于正样本图像进行颜色通道转换和获取灰度值,接下来提取其轮廓特征，将背景滤除，获得样本中鸟类的形体轮廓 ;最后对于样本进行训练和测试。解决传统卷积神经网络滤波器随机初始化问题，稀疏自编码器是一种无监督学习模型,通过隐藏层学习 一个数据的表示或对原始数据进行有效编码,从而学习得到数据的特征

 

图像采集模块使用带有夜视功能的感光镜头 OV5687,其分辨率为1200x800，可以清晰的捕捉到画面中的目标物体。对于视频画面中出现的物体进行跳帧识别，在增加其FPS的同时也提高了整体系统的效率。识别到目标物体后，对于其特征进行分类识别。

 

 

三、各部分功能说明（图文结合）

（各部分实现的功能说明及讲解，以图文结合的展示。）

本系统自己编写爬虫脚本从中国鸟类图库中， 爬取了大量鸟类图片，将分辨率统一后其数据集。预处理操作是将摄像头捕捉到的图像进行二进制化的过程，目前主要将彩色图转化为灰度图的基本算法有:极值法、平均值法、加权法等。本系统采用加权法，其主要操作思想如下:假设当前图片的像素三分量为 R，G，B，通过如下式可以 得到转换后的像素分量值:

Gray = 0.4*Red + 0.2 * Green + 0.4*Blue

二值图像是指整幅图像画面内仅有黑白二值的图像。灰度图像二值化不仅可大幅度减少数据运算量,并能有效突出目标轮廓,以便后续处理。

 

通过二值化处理，将图像中有意义的特征进行标注和分割，利用目标区域和背景色灰度值不同的差异，将低于阈值的的像素设置为一个灰度值，将高于阈值的像素设置为另一个灰度值，以便利用目标区域前景色与背景色的明显差异来用灰度区分开。

 

目前依靠深度学习实现图像识别的框架主要有caffe，yolo,theano,Torch,keras,tensorflow 等。而本文使用的框架 tensorflow是Google开源的深度学习工具包, 它将深度学习复杂的计算过程抽象成了数据流图(Data Flow Graph)，并提供简洁灵活的高级抽象接口，让用户通过简单的学习就可以使用深度学习。本文使用tensorflow训练一个卷积神经网络 CNN(convolution neural network)来进行鸟类图像识别。

 

本系统所使用地卷积神经网络的参数设置如下:一共设置了两层卷积和池化层，两层全连接层，一个输入层，一个输出层。卷积部分采用的激活函数是relu,池化层采用的 max_pool 最大池化方式，对全连接层的神经元采用dropout方式防止过拟合，最后使用softmax进行分类，采用的优化器为 AdamOptimizer,该算法相对于SGD 的优点在于不容易陷入局部优点，速度更快，效果更好。迭代次数为 2000 次，学习率为 0.0001。 最终得出的结果为 97.4026%的正样本识别率， 经过多次迭代学习其误差识别率已经低于 0.1%。可 以说该神经网络训练出的结果已经满足样本内的识别了

 

 

四、作品源码

主要代码如下所示:

import tensorflow as tf

bird=input_data.read_data_sets("C:/Users/jiangu o/Desktop/tensorflow/BIRD_data/",one_hot = True)

定义各个卷积层，池化层，全连接层。

craossentropy=tf.reduce_mean(tf.reduce_sum(ys *tf.log(prediction) ,reduction_indices =[1] ))

train_step=tf.train.AdamOptimizer(1e-).minimize (cross_entropy)

sess = tf.Session() sess.run(tf.global_variables_initializer) for i in range(2000):

batch_xs,batch_ys = mnist.train.next_batch(100)

sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys})

print(compute_accuracy(mnist.test.images,mnist. test.labels))

 

五、作品功能演示视频

（视频简介+链接）

【2022得捷电子创新设计大赛】 https://training.eeworld.com.cn/video/34501?s=4b69T0RhQXbscPTX0f5yhZ0DW8lV%252BBl3c6DIBCD0SEC%252BVLCyxatir53O8nBD7SLefgl7y0w0hwEblndD5FlD5Ebbm5zX688Mkzg

六、项目总结

（项目文字总结+帖子分享链接汇总）

通过样本的识别验证和实物的识别过程验证， 可知本系统设计的鸟类识别系统具有一定的识别 功能和精度。样本图片的 97%识别率，对于色彩特征的和优化人机交互界面还需继续开发，但其基本功能已经有较大完善。实时捕捉识别的功能均已具备，其系统整体还未见成熟产品，具有一定的推广意义和价值。

 

七、其他

本帖最后由 吾妻思萌 于 2022-10-7 22:05 编辑

恭喜版主大大完成了作品呀。希望得大奖！

恭喜完成作品

谢谢 水贴

谢谢 我是水贴