卷积神经网络设计原则

开篇：润墨网以专业的文秘视角，为您筛选了八篇卷积神经网络设计原则范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

卷积神经网络设计原则范文第1篇

关键词： 机器人视觉； 定位跟踪系统； 系统设计； 控制模块

中图分类号： TN802.4?34； TP242 文献标识码： A 文章编号： 1004?373X（2016）14?0080?04

Design and implementation of robot vision locating and tracking system

CAO Qingmei1， WANG Xuelian2， MA Zhanfei3

（1. Vocational and Technical College of Inner Mongolia Agricultural University， Baotou 014100， China；

2. College of Public Administration， Inner Mongolia Normal University， Hohhot 010000， China；

3. School of Information Science and Technology， Normal College of Inner Mongolia University of Science and Technology， Baotou 014030， China）

Abstract： In view of the problems existing the design of the traditional robot locating and tracking system， such as incomplete tracking region acquired by image preprocessing module and incomplete noise elimination， a tracking system location according to robot vision was designed and implemented. In the system， the tracking region is acquired with the image preprocessing module， various modules of the whole system are coordinated and controlled with the control module to acquire the image of the target in the region， and then the acquired information is sent to the image processing module to complete the information exchange among the system modules. In the process of software design， the system locating program code is given while image processing to realize the robot visual positioning and tracking. The experimental results show that the designed system has the high feasibility and practicability.

Keywords： robot vision； locating and tracking system； system design； control module

0 引 言

近年来，机器人视觉被广泛应用在工业、图像处理等众多领域，而在定位跟踪领域的使用是最好的，也是最突出的[1?2]。随着科学技术的发展，设计并实现了很多定位跟踪系统，如基于人脸特征设计的定位跟踪系统，通过体型特征设计的定位跟踪系统，通过DNA检测设计的定位跟踪系统以及通过机器人视觉设计的定位跟踪系统。其中，最常用、效果最好的就是通过机器人视觉设计的定位跟踪系统[3?5]，相比其他的定位跟踪系统，该系统应用前景广泛，跟踪效果好，已经成为很多学者研究的重点课题，受到越来越广泛的关注，是相关领域的前沿方向[6?9]。

本文设计并实现了一种通过机器人视觉进行定位的跟踪系统，通过机器人视觉进行区域目标信息的采集及分析，为视觉监控等领域提供有效依据。

1 机器人视觉定位跟踪系统总体设计

设计的机器人视觉定位跟踪系统主要由控制模块、图像预处理模块、信号采集模块、通信模块和视觉定位模块构成。首先通过图像预处理模块将需要的区域图像中的噪声进行干扰去除，经过控制模块对整个系统各个模块进行协调和控制，将区域图像信息进行采集及存储，并通过通信模块进行信息的传输，最后通过机器人视觉进行定位，最终根据定位完成跟踪。其中，图像预处理的好坏，直接影响后面机器人视觉定位的准确度，定位出现误差，跟踪效率就会降低，因此图像预处理模块是整个机器人视觉定位跟踪系统的基础。详细的机器人视觉定位跟踪系统结构如图1所示。

2 机器人视觉定位跟踪系统硬件设计

2.1 控制模块

控制模块是本文设计系统的核心，主要用来协调和控制整个机器人视觉定位跟踪系统各个模块，其主要由C8051F206单片机、UART和SPI串行接口、片内FLASH存储器等构成。选择C8051F206单片机为系统的核心芯片，它是集成的MCU芯片，具有12位多通道ADC，依据系统整体设计的需求，选用UART和SPI的串行接口，该串行接口共有32个通用I/O引脚，部分引脚用于数字外设接口。所有端口引脚均能够被配置ADC模拟输入，片内还集成有VDD监视器、硬件看门狗定时器以及时钟振荡器。片内FLASH存储器还可用于部分数据存储。通过设计的这个控制模板可以及时有效地对其余各个模块进行调控并获取区域图像，为定位跟踪提供了先决条件。

2.2 图像预处理模块

获取区域图像之后，需要进一步对图像进行预处理，图像预处理模块主要负责获取相对比较完整的、最大程度的不含阴影与噪声的区域图像。其中，图像信息主要通过LT1959CS8、视频解码芯片、SRAM进行预处理。SRAM需采用精度和稳定性较高的双电源供电，以消除机器人视觉定位跟踪系统各模块存在的电磁噪声，因此，本文选用两片Linear公司生产的LT1959CS8进行供电。视频解码芯片选用Trident Microsystem公司生产的SAA7113H芯片。图像存储选择两片IDT71V424异步SRAM芯片实现，其芯片容量是512 KB。这样通过图像预处理模板，可以去除噪声对定位跟踪产生的干扰，为信息采集模块提供最“纯净”的信息。

2.3 信息采集模块

信息采集模块主要用于对经过处理后的目标图像信息进行采集，同时将采集的信息发送至通信模块进行处理。信息采集模块主要包括MMA7260QT芯片、信息调理、单极低通滤波器以及温度补偿单元等。设计该模块时，将MMA7260QT芯片作为核心，对处理后的图像信息进行采集。该模块不但需达到信息采集的功能要求，同时体积需尽可能的小，以节省资源。MMA7260QT是美国Freescale公司生产的一款低成本的单芯片，该芯片融合了信息调理、单极低通滤波器以及温度补偿技术，同时可提供四种采集范围，具有噪音低、灵敏度高的优点。因此，该模块使用MMA7260QT芯片可达到更好、更全面的图像信息。

2.4 通信模块

通信模块主要用于整个系统模块之间的信息交换，是整个系统设计成败的关键枢纽，因此，本文选择CAN总线进行通信。和其他总线相比，CAN总线具有节点间不分主次，通信速率高的特点。除此之外，该模块还采用Microchip公司的MCP2515控制器和TJA1040驱动器辅助实现，不仅能够达到系统所需的要求，还能节约成本。

2.5 机器人视觉定位模块

机器人视觉定位模块是整个系统的关键模块，采集到的信息通过预处理去除噪声干扰，再经过通信模块传输到视觉定位模块，在此模块经过图像智能化定位处理，使得要跟踪的信息更加清楚、明了，增加了跟踪的精度。

3 机器人视觉定位跟踪软件算法的设计

3.1 算法的设计思路

在上述机器人视觉定位跟踪系统各个模块的设计的基础上，设计软件算法，具体步骤如下：

（1） 获取定位图像特征，为动态估计提供依据。假如，区域图像信息集为[φkζ]，[k=1，2，…，M]，则第[k]个图像的特征可通过下式求出：

式中：[Fkx；pk]用于描述图像信息的动态变化；[vkx；pk]用于描述图像不确定项；[pk]用于描述各参数向量。

（2） 动态估计值的计算，为获取定位误差值提供有利条件。通过利用RBF神经网络对一般动态信息图像特征[φkx；pk=Fkx；pk+vkx；pk]进行局部分类，同时将获取的信息用常值神经网络[WkTSx]权值的形式进行保存，并获取[M]阶的动态估计值：

式中：[k=1，2，…，M]用于描述第[k]个参数；[χk=χ1k，χ2k，…，χnkT]用于描述图像信息个数；[B=diagb1，b2，…，bn]用于描述对角矩阵。

（3） 定位误差值的计算及误差范数的获取。在测试过程中，通过式（2）获取的动态估计值，即可获取定位误差值，计算公式如下：

式中，[χki=χki-xi]用于描述状态估计误差。

通过式（4）求出误差[χkit]的[L1]范数：

式中，[TC]用于描述图像信息获取周期。

（4） 完成机器人视觉定位，其基本思想为：若信息动态模式为[s]（[s∈1，2，…，k]），则动态模式[s]中常值RBF的神经网络[WkTiSix]值，可通过定位误差值获取。所以，相应的误差[χsit1]在全部误差[χsit1]中最小。依据最小误差原则，实现快速定位。

依据上述定位过程给出系统用于定位的主流程图，如图2所示。

（5） 在定位的基础上完成跟踪，则具体的跟踪结果如下：

式中：[Ii，j]代表目标图像边缘上的像素点；[S]代表图像边缘梯度向量；[t]代表目标滤波值。

3.2 源代码设计

本文设计的机器人视觉定位跟踪系统软件，是在Windows XP环境下，通过Visual C++ 6.0实现的，其关键跟踪部分的源代码如下：

4 仿真实验分析

为了验证本文设计的机器人视觉定位跟踪系统的有效性，需要进行相关的实验分析。实验将基于确定学习的跟踪系统作为对比进行分析，本文实验在Windows XP环境下，LabVIEW构建系统平台上完成。分别采用本文系统和基于确定学习的跟踪系统对测试区域目标进行跟踪，测试区域目标图像如图3所示，两种系统测试得到的结果分别如图4、图5所示。

由图4、图5可知，改进算法进行多人视觉定位中的防丢失效果要优于传统算法，这主要是因为本文设计的跟踪系统，通过控制模块对整个系统的各个模块进行协调和控制，再经过图像预处理模块对目标区域图像进行处理，并对区域目标图像信息进行采集，将采集的信息发送至图像预处理模块进行处理，完成整个系统模块之间的信息交换，最终达到跟踪的目的。采用本文系统对区域目标图像进行跟踪，从侧面视角的角度，对本文系统和基于确定学习的跟踪系统的跟踪准确率进行比较，得到的结果如表1所示。分析表1可以看出，本文系统的准确率一直高于基于确定学习的跟踪系统，且准确率一直在90%以上，说明本文系统具有很高的跟踪性能。

5 结 论

本文设计并实现了一种机器人视觉定位跟踪系统。控制模块作为系统的核心，主要负责整个系统各个模块的协调和控制，通过图像预处理模块进行处理，再用信息采集模块对目标图像信息进行采集；并通过通信模块在整个系统模块之间进行信息的交换。在软件设计过程中，在图像处理的同时给出定位跟踪程序代码，实现目标的定位跟踪。仿真实验结果表明，本文设计的系统具有很高的可行性和实用性。

参考文献

[1] 梁栋，高玮玮，张艳，等.基于足底压力图像的静态触觉步态识别[J].华中科技大学学报（自然科学版），2013，41（10）：25?29.

[2] 王欣，唐俊，王年.基于双层卷积神经网络的步态识别算法[J].安徽大学学报（自然科学版），2015（1）：32?36.

[3] 贲烨，张鹏，潘婷婷，等.线性插值框架下矩阵步态识别的性能分析[J].智能系统学报，2013（5）：415?425.

[4] 范玉红，梁栋，鲍文霞.改进的谱特征和足底边缘距离的步态识别[J].安徽大学学报（自然科学版），2014（6）：37?43.

[5] 李一波，李昆.双视角下多特征信息融合的步态识别[J].智能系统学报，2013，8（1）：74?79.

[6] 王蒙，孙运强，姚爱琴.基于PCA和BP神经网络的步态识别系统研究[J].电子质量，2014（3）：83?85.

[7] 郑伟南，曲娜，程凤芹，等.基于步态识别技术的热释电红外安防预警系统研究[J].中国新通信，2014（23）：96?97.