基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法及裝置制造方法
【專利摘要】本發(fā)明公開(kāi)了一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，包括：獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值；將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近；根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。本發(fā)明將多項(xiàng)式逼近引入到物聯(lián)網(wǎng)領(lǐng)域中，結(jié)合高斯括號(hào)引了轉(zhuǎn)移函數(shù)的多項(xiàng)式逼近，保證計(jì)算精度并降低計(jì)算復(fù)雜度，使得神經(jīng)網(wǎng)絡(luò)模型得以在傳感器的資源受限環(huán)境下快速實(shí)現(xiàn)，從而大大提高了實(shí)時(shí)性，進(jìn)而很好地基于物聯(lián)網(wǎng)實(shí)現(xiàn)目標(biāo)識(shí)別。
【專利說(shuō)明】基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及物聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，尤其涉及一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法和一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置。
【背景技術(shù)】
[0002]在實(shí)際物聯(lián)網(wǎng)系統(tǒng)中，對(duì)多種特征量進(jìn)行監(jiān)測(cè)，并對(duì)這些信息進(jìn)行融合，得到目標(biāo)的一致性識(shí)別，所有這些依賴于傳感器系統(tǒng)。因神經(jīng)網(wǎng)絡(luò)固有的學(xué)習(xí)能力和適應(yīng)能力，BP神經(jīng)網(wǎng)絡(luò)在實(shí)際工程中有廣泛的應(yīng)用，例如氣象預(yù)測(cè)、圖像處理、自動(dòng)控制、組合優(yōu)化、視頻分割等領(lǐng)域。但是BP神經(jīng)網(wǎng)絡(luò)要求硬件具有較強(qiáng)的計(jì)算能力，這導(dǎo)致一些計(jì)算能力弱的傳感器硬件無(wú)法使用。因此，當(dāng)輸入特征量維數(shù)較大時(shí)，神經(jīng)網(wǎng)絡(luò)不僅結(jié)構(gòu)復(fù)雜，訓(xùn)練時(shí)間大大延長(zhǎng)，而且實(shí)時(shí)性也不好。所以，在多傳感器融合物聯(lián)網(wǎng)實(shí)驗(yàn)平臺(tái)的神經(jīng)網(wǎng)絡(luò)中，涉及轉(zhuǎn)移函數(shù)的計(jì)算，計(jì)算復(fù)雜度高，從而極大地限制了多傳感器融合物聯(lián)網(wǎng)在目標(biāo)識(shí)別方面的應(yīng)用前景。
[0003]在物聯(lián)網(wǎng)中的目標(biāo)識(shí)別領(lǐng)域，不論傳統(tǒng)的經(jīng)典BP神經(jīng)網(wǎng)絡(luò)還是改進(jìn)的相關(guān)BP神經(jīng)網(wǎng)絡(luò)，均需要硬件有較強(qiáng)的計(jì)算能力。在物聯(lián)網(wǎng)內(nèi)的傳感器，屬于一種計(jì)算資源受限的環(huán)境。傳感器上沒(méi)有CPU，因此無(wú)法調(diào)用編程語(yǔ)言庫(kù)里面的雙曲正切函數(shù)，因此硬件計(jì)算能力弱，無(wú)法承擔(dān)相關(guān)運(yùn)算，嚴(yán)重制約了物聯(lián)網(wǎng)的目標(biāo)識(shí)別能力。

【發(fā)明內(nèi)容】

[0004]基于此，本發(fā)明提供了一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法和一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置。
[0005]一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，包括以下步驟:
[0006]獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值；
[0007]將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近；
[0008]根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。
[0009]與一般技術(shù)相比，本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法將多項(xiàng)式逼近引入到物聯(lián)網(wǎng)領(lǐng)域中，結(jié)合高斯括號(hào)引了轉(zhuǎn)移函數(shù)的多項(xiàng)式逼近，保證計(jì)算精度并降低計(jì)算復(fù)雜度，使得神經(jīng)網(wǎng)絡(luò)模型得以在傳感器的資源受限環(huán)境下快速實(shí)現(xiàn)，從而大大提高了實(shí)時(shí)性，進(jìn)而很好地基于物聯(lián)網(wǎng)實(shí)現(xiàn)目標(biāo)識(shí)別。
[0010]一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置，包括獲取模塊、訓(xùn)練模塊和識(shí)別模塊；
[0011]所述獲取模塊，用于獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值；
[0012]所述訓(xùn)練模塊，用于將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近；
[0013]所述識(shí)別模塊，用于根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。
[0014]與一般技術(shù)相比，本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置將多項(xiàng)式逼近引入到物聯(lián)網(wǎng)領(lǐng)域中，結(jié)合高斯括號(hào)引了轉(zhuǎn)移函數(shù)的多項(xiàng)式逼近，保證計(jì)算精度并降低計(jì)算復(fù)雜度，使得神經(jīng)網(wǎng)絡(luò)模型得以在傳感器的資源受限環(huán)境下快速實(shí)現(xiàn)，從而大大提高了實(shí)時(shí)性，進(jìn)而很好地基于物聯(lián)網(wǎng)實(shí)現(xiàn)目標(biāo)識(shí)別。
【專利附圖】

【附圖說(shuō)明】
[0015]圖1為本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法的流程示意圖；
[0016]圖2為實(shí)現(xiàn)本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法的一個(gè)優(yōu)選實(shí)施例的流程示意圖；
[0017]圖3為本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0018]為更進(jìn)一步闡述本發(fā)明所采取的技術(shù)手段及取得的效果，下面結(jié)合附圖及較佳實(shí)施例，對(duì)本發(fā)明的技術(shù)方案，進(jìn)行清楚和完整的描述。
[0019]請(qǐng)參閱圖1，為本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法的流程示意圖。
[0020]本發(fā)明基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，包括以下步驟:
[0021]SlOl獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值；
[0022]S102將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近；
[0023]S103根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。
[0024]在步驟SlOl中，獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值，作為其中一個(gè)實(shí)施例，所述測(cè)量值包括溫度、濕度、壓力和流量。
[0025]測(cè)量值可以包括物聯(lián)網(wǎng)系統(tǒng)中傳感器針對(duì)預(yù)定目標(biāo)所采集的各種測(cè)量值，測(cè)量值的類型越廣泛，后期對(duì)目標(biāo)識(shí)別的準(zhǔn)確度就越高。
[0026]在實(shí)際物聯(lián)網(wǎng)系統(tǒng)中，對(duì)多種特征量(如溫度、濕度、壓力、流量等)進(jìn)行監(jiān)測(cè)，并對(duì)這些信息進(jìn)行融合，得到目標(biāo)的一致性解釋與描述，所有這些依賴于傳感器系統(tǒng)。
[0027]在步驟S102中，在多傳感器融合物聯(lián)網(wǎng)實(shí)驗(yàn)平臺(tái)的神經(jīng)網(wǎng)絡(luò)中，所使用的原轉(zhuǎn)移函數(shù)如下:
【權(quán)利要求】
1.一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，其特征在于，包括以下步驟: 獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值； 將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近； 根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。
2.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，其特征在于，在所述獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值的步驟中，所述測(cè)量值包括溫度、濕度、壓力和流量。
3.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近的步驟中，所述多項(xiàng)式如下:
4.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別方法，其特征在于，在所述對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別的步驟中，所述預(yù)定目標(biāo)包括圖像和視頻。
5.一種基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置，其特征在于，包括獲取模塊、訓(xùn)練模塊和識(shí)別模塊； 所述獲取模塊，用于獲取物聯(lián)網(wǎng)系統(tǒng)中各個(gè)傳感器針對(duì)預(yù)定目標(biāo)所采集的測(cè)量值；所述訓(xùn)練模塊，用于將獲取的所述測(cè)量值作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，所述BP神經(jīng)網(wǎng)絡(luò)的雙曲正切轉(zhuǎn)移函數(shù)采用多項(xiàng)式進(jìn)行逼近； 所述識(shí)別模塊，用于根據(jù)訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)，對(duì)所述預(yù)定目標(biāo)進(jìn)行模式識(shí)別。
6.根據(jù)權(quán)利要求5所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置，其特征在于，所述測(cè)量值包括溫度、濕度、壓力和流量。
7.根據(jù)權(quán)利要求5所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置，其特征在于，所述多項(xiàng)式如下:
8.根據(jù)權(quán)利要求5所述的基于物聯(lián)網(wǎng)的目標(biāo)識(shí)別裝置，其特征在于，所述預(yù)定目標(biāo)包括圖像和視頻。
【文檔編號(hào)】G06N3/08GK103606007SQ201310590706
【公開(kāi)日】2014年2月26日 申請(qǐng)日期:2013年11月20日 優(yōu)先權(quán)日:2013年11月20日
【發(fā)明者】李炯城, 丁勝培, 李桂愉, 黃海藝, 肖恒輝 申請(qǐng)人:廣東省電信規(guī)劃設(shè)計(jì)院有限公司