專利名稱：一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，尤其是一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)。
背景技術(shù)：
電動汽車充電設(shè)施目前主要以充電樁為主，一般一個充電樁一次只能為一輛電動汽車充電。其次充電樁占地面積較小，可以設(shè)置在現(xiàn)有停車場、購物廣場及其他便于電動汽車?？康牡攸c，充電樁只提供單相220伏交流電源，需要通過車載充電機對電動汽車進行充電，由于車載充電機功率較小，所以充電樁一般采用慢充方式。政府公務(wù)車、企業(yè)商用車、示范園區(qū)用車等運行區(qū)域比較固定集中，則可以在政府集中辦公場所或企業(yè)集聚附近區(qū)域、博覽會中心區(qū)域建設(shè)電動汽車充電站。由于停車場、機場、火車站、酒店、醫(yī)院、購物中心、超市等公共停車場或者小區(qū)停車位中建大量充電樁的場所人、車流量較大，基于物聯(lián)網(wǎng)的電動汽車充電樁系統(tǒng)上增設(shè)攝像頭和嵌入式處理系統(tǒng)，應(yīng)用粗糙集算法于行人車輛目標(biāo)檢測，圖像處理系統(tǒng)可對進入充電站區(qū)域的行人車輛信息進行識別，識別信息對目前我國推進的平安社區(qū)建設(shè)具有重要意義。但當(dāng)前的該圖像處理及攝像系統(tǒng)只是簡單的具有影音信息錄像存儲功能，不具備或圖像處理功能不足，需要一種能夠?qū)D像進行增強處理和邊緣檢測的算法。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，在用于行人/車輛識別中，將粗糙集理論和神經(jīng)網(wǎng)絡(luò)二者有機的結(jié)合起來作為新的融合模型，既有助于提高系統(tǒng)的實時性，又有助于增強系統(tǒng)的容錯能力。為實現(xiàn)上述目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，將粗糙集引入到神經(jīng)網(wǎng)絡(luò)融合模型中，作為BP網(wǎng)絡(luò)的前置系統(tǒng)；將每一幅圖像表達的信息作為一個知識系統(tǒng)，在此基礎(chǔ)上，利用粗糙集的不可分辨關(guān)系、近似集合和屬性約簡的概念分別對圖像進行增強處理和邊緣檢測。粗糙集在圖像處理中應(yīng)用有兩大類一類是無決策分析，利用不可分辨關(guān)系和值約簡進行圖像分割、增強處理與聚類分析；另一類是有決策分析，主要包括圖像特征，如邊緣提取，以及對原始圖像數(shù)據(jù)的預(yù)處理，如圖像分類。本發(fā)明的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)的粗糙集圖像識別的有益效果由于神經(jīng)網(wǎng)絡(luò)內(nèi)部計算復(fù)雜，訓(xùn)練時間長，而且容易產(chǎn)生振蕩。為加速網(wǎng)絡(luò)學(xué)習(xí)過程，提高系統(tǒng)實時性， 本發(fā)明將粗糙集引入到神經(jīng)網(wǎng)絡(luò)融合模型中，作為BP網(wǎng)絡(luò)的前置系統(tǒng)。使用粗糙集預(yù)先對樣本空間進行處理，不僅可以消除冗余屬性，減少樣本空間的維數(shù)，而且可以降低構(gòu)建后端神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，加快網(wǎng)絡(luò)的收斂速度，避免產(chǎn)生“過擬合”現(xiàn)象。另外，神經(jīng)網(wǎng)絡(luò)在一定程度上能濾除參數(shù)采樣過程中帶來的隨機噪聲，而粗糙集卻對噪聲很敏感。兩者各有優(yōu)缺點。在用于行人/車輛識別中，將二者有機的結(jié)合起來作為新的融合模型，既有助于提高系統(tǒng)的實時性，又有助于增強系統(tǒng)的容錯能力。


下面根據(jù)附圖和實施例對本發(fā)明作進一步詳細(xì)說明。圖1是本發(fā)明實施例所述算法經(jīng)過中值濾波后的車輛圖像；圖2是本發(fā)明實施例所述的經(jīng)過背景差分后的車輛圖像。
具體實施例方式(1)粗糙集理論在圖像處理中的應(yīng)用在圖像處理中，粗糙集的應(yīng)用主要有兩大類一類是無決策的分析，主要是利用不可分辨關(guān)系和值約簡進行圖像分割、增強處理與聚類分析等；另一類是有決策的分析，主要包括圖像特征，如邊緣提取等，也涉及對原始圖像數(shù)據(jù)的預(yù)處理，如圖像分類等。其基本思想是將每一幅圖像表達的信息作為一個知識系統(tǒng)，在此基礎(chǔ)上，利用粗糙集中的屬性約簡、 不可分辨關(guān)系和近似集合概念分別對圖像進行增強處理和邊緣檢測。(2)利用神經(jīng)網(wǎng)絡(luò)識別圖像神經(jīng)網(wǎng)絡(luò)對信息的處理具有自組織、自學(xué)習(xí)的特點。神經(jīng)網(wǎng)絡(luò)中各神經(jīng)元之間的聯(lián)結(jié)強度用權(quán)值大小來表示，這種權(quán)值可以事先給定，也可以適應(yīng)周圍環(huán)境而不斷變化，這種過程稱為神經(jīng)元的學(xué)習(xí)過程。神經(jīng)網(wǎng)絡(luò)用于圖像識別具有以下優(yōu)點神經(jīng)網(wǎng)絡(luò)的信息分布存儲于連結(jié)權(quán)值系數(shù)中，使網(wǎng)絡(luò)具有很高的容錯性，而圖像識別中往往存在噪聲或輸入圖像的部分損失，因此神經(jīng)網(wǎng)絡(luò)可以較好地解決圖像識別問題。另外，神經(jīng)網(wǎng)絡(luò)的自組織和自學(xué)習(xí)功能，大大放松了傳統(tǒng)圖像識別方法所需的約束條件，使其對圖像識別問題顯示出極大的優(yōu)越性。本發(fā)明采用BP(信息前饋，誤差反饋)三層網(wǎng)絡(luò)構(gòu)建識別模型，它包括一個輸入層，一個隱含層和一個輸出層。根據(jù)每一次的識別效果，及時更新網(wǎng)絡(luò)權(quán)值，直到網(wǎng)絡(luò)達到我們預(yù)設(shè)的精度為止。(3)將粗糙集和神經(jīng)網(wǎng)絡(luò)融合用于行人/車輛識別本發(fā)明擬采用特征提取、粗糙集與BP神經(jīng)網(wǎng)絡(luò)融合實現(xiàn)對行人/車輛的識別。行人檢測中常用的特征有外觀特征、運動特征和抽象特征，抽象特征既可以用來描述外觀特征，也可以用來描述運動特征。外觀特征用于表示圖像中的行人形狀、尺寸、紋理等靜態(tài)信息。由于圖像靜態(tài)信息繁多，并不是每一個信息都是識別行人的必要信息，所以通過引入粗糙集理論對行人識別知識空間進行屬性約簡，降低知識空間的維數(shù)，提高判斷行人的可靠性。運動特征用于描述行人運動時產(chǎn)生的變化和規(guī)律。通過計算運動區(qū)域的殘余光流來分析運動體的剛性和周期性，根據(jù)非剛性的行人的運動比剛性的車輛運動具有較高的平均殘余光流，將行人區(qū)分出來。由于單個的外觀特征與運動特征存在不好克服的局限性，考慮到大量的候選區(qū)和復(fù)雜的場景會使識別速度降低，只用外形特征訓(xùn)練一個好的分類器是困難的，因此提出了把外形特征和運動特征融合，組成一個特征集，用神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練分類。舉例說明，對駛?cè)氲能囕v進行識別、計算車流量。首先對拍攝的圖像進行灰度處理，經(jīng)過中值濾波以及粗糙集的上下近似特性得到增強的灰度圖像，如圖1所示。通過自適應(yīng)背景提取方法提取圖像的背景，當(dāng)前圖像與背景圖像相減(背景差分圖像)得出如圖2 所示的黑白二值輪廓圖像。然后提取圖像特征，形成特征向量，輸入BP神經(jīng)網(wǎng)絡(luò)，與圖像模板匹配對比，得出訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。最后利用該神經(jīng)網(wǎng)絡(luò)，對新圖像進行車輛識別。
圖2為訓(xùn)練樣本，白色區(qū)域為識別對象，可提取白色區(qū)域(感興趣區(qū)域，疑似車輛輪廓)的長寬比、占用面積等特征，輸入BP神經(jīng)網(wǎng)絡(luò)，可初步判斷是否為車輛或是大面積噪聲。
權(quán)利要求
1.一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，其特征在于， 將粗糙集引入到神經(jīng)網(wǎng)絡(luò)融合模型中，作為BP網(wǎng)絡(luò)的前置系統(tǒng)；將每一幅圖像表達的信息作為一個知識系統(tǒng)，在此基礎(chǔ)上，利用粗糙集的不可分辨關(guān)系、近似集合和屬性約簡的概念分別對圖像進行增強處理和邊緣檢測。
2.根據(jù)權(quán)利要求1所述的基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，其特征在于粗糙集在圖像處理中應(yīng)用有兩大類一類是無決策分析，利用不可分辨關(guān)系和值約簡進行圖像分割、增強處理與聚類分析；另一類是有決策分析，主要包括圖像特征，如邊緣提取，以及對原始圖像數(shù)據(jù)的預(yù)處理，如圖像分類。
全文摘要
本發(fā)明公開一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的圖像識別的物聯(lián)網(wǎng)電動汽車充電樁系統(tǒng)，將粗糙集引入到神經(jīng)網(wǎng)絡(luò)融合模型中，作為BP網(wǎng)絡(luò)的前置系統(tǒng)；將每一幅圖像表達的信息作為一個知識系統(tǒng)，在此基礎(chǔ)上，利用粗糙集的不可分辨關(guān)系、近似集合和屬性約簡的概念分別對圖像進行增強處理和邊緣檢測。采用本發(fā)明的技術(shù)方案，在用于行人/車輛識別中，將粗糙集理論和神經(jīng)網(wǎng)絡(luò)二者有機的結(jié)合起來作為新的融合模型，既有助于提高系統(tǒng)的實時性，又有助于增強系統(tǒng)的容錯能力。
文檔編號G06N3/02GK102254224SQ201110187828
公開日2011年11月23日 申請日期2011年7月6日 優(yōu)先權(quán)日2011年7月6日
發(fā)明者李偉, 楊恒, 林曉, 王翊 申請人:無錫泛太科技有限公司