图像处理模块在高职创新创业类比赛的应用研究

黄智伟 郝琼 陈智文

摘 要：为落实党中央、国务院提出的“大众创业、万众创新”的重大部署，深入实施创新驱动发展战略，由科技部、财政部、教育部、国家网信办和中华全国工商业联合会共同指导在高校中举办的一项以“科技创新，成就大业”为主题的全国性创业比赛。在大学生中弘扬创新创业文化，激发全民创新创业的热情，掀起创新创业的热潮，打造推动经济发展和转型升级的强劲引擎。我们观察历年“互联网+”大赛和挑战杯获奖作品，发现openmv、opencv、树莓派、K210等图形处理技术在这些优秀作品中的应用很多。

关键词：创新创业；图像处理；互联网+

基金项目：武汉铁路职业技术学院2020年校级课题，图像识别工具的实践与研究——以湖北省第六届"互联网+"大学生创新创业项目"智能志愿者"为例

1. 引言

openmv、opencv、树莓派、K210等图形处理技术在我国嵌入式系统中发展迅速，国家十四五规划现在大力物联网建设，与之相关的嵌入式系统发展迅速，图像处理技术也借此得以高速发展。高校师生在相关创新创业的创意由于需要贴近国家时政，和社会发展物联网产品需求量大等特点。图像识别的创意很多，对于openmv、opencv、树莓派、K210等图形处理技术等技术的使用层出不穷。本书对一些获奖作品中使用的图像处理技术进行分析，希望对后续参赛学生进行启迪。

2. 图形技术在创新创业技术竞赛中的应用

如第十二届“挑战杯”作品“ 高清网络监控系统智能电涌保护器”使用高清摄像头对电涌进行监控保护；第十二届“挑战杯”作品“高准确度近红外人脸图像识别系统 ”使用摄像头和红外技术配合实现了高准确度的人脸识别；第十一届“挑战杯”国赛作品“ 公共交通安全远程监控系统”使用openmv用于对车辆的远程安全监控、远程调度、提高我国公共交通安全系数；第十二届“挑战杯”省赛作品“基于图像识别的教室节能系统”使用opencv对比不同光照强度可以更精确的对每个小灯区进行节能控制。

3. 不同图形技术比较

	树莓派	Jetson Nano	K210	OPENMV
CPU	ARM Cortex-A72	ARM Cortex-A57	RISC-V	ARM Cortex-M7
体系结构	ARMv8-A-64-bit	ARMv8-A-64-bit	双核RISC-V 64bit IMAFDC	ARM Cortex-M7 32bit
时钟频率	1.5 Ghz	1.42Ghz	标称400M，可超600M	400M
显示模块	2x micro-HDMI (up to 4Kp60)	HDMI 2.0 and eDP 1.4	自带LCD触摸屏	自带30万像素摄像头，USB接电脑
电功耗	3A,5V	2.5A,5V	电流需求>600mA，5V	200mA,3.3V

4. 图形技术算法

1. Boost 追踪

此跟踪器基于在线版本的AdaBoost，这个是以Haar特征级联的人脸检测器内部使用。此分类器需要在运行时以正负样本来训练。

其初始框由用户指定，作为追踪的正样本，而在框范围之外许多其他patch都作为背景。在新的一帧图像中，分类器在前一帧框的周围的每个像素上分类，并给出得分。目标的新位置即得分最高的这样一来有新的正样本来重新训练分类器。

2. MIL追踪

算法与Boost很像，唯一的区别是，它会考虑当前标定框周围小部分框同时作为正样本，你可能认为这个想法比较烂，因为大部分的这些正样本其实目标并不在中心。

这就是MIL(Multiple Instance Learning)的独特之处，在MIL中你不需要指定正负样本，而是正负样包(bags)。在正样本包中的并不全是正样本，而是仅需要一个样本是正样本即可。当前示例中，正样本包里面的样本包含的是处于中心位置的框，以及中心位置周围的像素所形成的框。即便当前位置的跟踪目标不准确，从以当前位置为中心在周围像素抽取的样本框所构成的正样本包中，仍然有很大概率命中一个恰好处于中心位置的框。

3. KCF 追踪

KCF即Kernelized Correlation Filters,思路借鉴了前面两个。注意到MIL所使用的多个正样本之间存在交大的重叠区域。这些重叠数据可以引出一些较好的数学特性，这些特性同时可以用来构造更快更准确的分类器。

4. TLD追踪

TLD即Tracking, learning and detection，如其名此算法由三部分组成追踪,学习,检测。追踪器逐帧追踪目标，检测器定位所有到当前为止观察到的外观，如果有必要则纠正追踪器。学习会评估检测器的错误并更新，以避免进一步出错。此追踪器可能会产生跳跃，比如你正在追踪一个人，但是场景中存在多个人，此追踪器可能会突然跳到另外一个行人进行追踪。优势是：此追踪器可以应对大尺度变换，运行以及遮挡问题。如果说你的视频序列中，某个物体隐藏在另外一个物体之后，此追踪器可能是个好选择。

5. MedianFlow 追踪

此追踪器在视频的前向时间和后向时间同时追踪目标，然后评估两个方向的轨迹的误差。最小化前后向误差，使得其可以有效地检测追踪失败的清情形，并在视频中选择相对可靠的轨迹。

实测时发现，此追踪器在运动可预测以及运动速度较小时性能最好。而不像其他追踪器那样，即便追踪失败继续追踪，此追踪器很快就知道追踪失败。

5. 总结与改进

在参考了历届挑战杯和“互联网+”历届使用图片处理模块的优秀作品后，也参考国家相关行业知名品牌的新型产品后，也在申报课题后设计我们团队的“互联网+”作品"智能志愿者"，经过对多种图形处理模块，和理论可行的算法进行实验分析。发现我们作品使用opencv运用KCF 追踪算法对需要进行人脸识别的出入人员，根据数据库进行对比，可以稳定的完成我们系统功能。

参考文献

[1] 星瞳科技，OpenMV中国官方代理.https://singtown.com/openmv/

[2] 王天庆.Python人脸识别：从入门到工程实践[M],机械工业出版社2019:88-100.

[3] 曹林、杜康宁.人脸识别算法与案例分析[M].电子工业出版社,2021:115-119.