基于树莓派的图像识别系统的设计与实现.docx

摘要：树莓派是一种具备一定计算能力的，基于ARM架构CPU的微型电脑。树莓派在很多领域都有着广泛的应用前景，比如分布式计算，图像识别，智能机器人，便携式计算平台等。图像识别在近些年来，一直都是计算机领域的研究热点，并且相应的研究成果也很多，包括人脸识别，场景识别，物体识别，甚至近几年结合AI技术实现的人的肢体动作和脸部表情的分析与预测。而本次的研究课题就是紧密围绕树莓派和图像识别系统所搭建的一套可以用于图片识别的系统。

这套系统主要分为两部分，包括基于Tensorflow设计的卷积神经网络图像识别器和基于树莓派的图像采集系统。通过设计图像识别器，并在PC机上利用ImageNet数据集作为输入对图像识别器进行训练，最终输出的识别器模型。然后将识别器模型部署到树莓派上。而树莓派则主要负责图像的获取，通过外接USB摄像头，树莓派可以实时获取到当前场景的图片，并将图片进行保存。最后，利用架构在Tensorflow框架（ARM版）的识别器模型对树莓派中保存的图片进行识别，并输出结果至前端页面。系统基本实现了对于图像中已知物体的识别。

关键词：卷积神经网络；树莓派；数据集；Tensorflow；ImageNet

目录

摘要

Abstract

1.绪论-1

1.1课题背景-1

1.1.1树莓派介绍-1

1.1.2图像识别介绍-2

1.2基于树莓派的图像识别技术研究的意义及目的-2

1.2.1图像识别技术研究的意义-2

1.2.2 图像识别技术的国内外研究现状-3

1.2.3图像识别技术的发展趋势-3

1.3论文的构成以及研究内容-3

2. 系统需求和可行性分析-4

2.1 系统需求分析-4

2.2 系统可行性分析-4

2.2.1 技术可行性分析-4

2.2.2 操作可行性分析-4

2.2.3 经济可行性分析-5

2.2.4 社会可行性分析-5

3. 系统构建工具分析-6

3.1 TensorFlow与其他深度学习框架的对比-6

3.2 TensorFlow简介-7

4. 系统学习模型分析-8

4.1卷积神经网络与其他深度学习结构的对比-8

4.1.1深度学习结构分类-8

4.1.2卷积神经网络的优势以及特点-8

4.2卷积神经网络CNN的原理-8

4.2.1卷积神经网络简介-8

4.2.2卷积神经网络的构成-8

4.3卷积层-9

4.3.1卷积层的基本概念-9

4.3.2 Tensorflow中的卷积层的建立-9

4.4池化层（Pooling）-9

4.4.1池化的含义-9

4.4.2在Tensorflow中池化操作的实现-10

5. 系统中用于训练神经网络模型的数据集的选取-11

5.1 ImageNet数据集与其他数据集的比较-11

5.2 ImageNet数据集介绍-11

5.3 ImageNet和卷积神经网络-12

6.系统设计-13

6.1系统概要设计-13

6.1.1系统整体架构-13

7.系统实现-14

7.1基于Tensorflow框架的卷积神经网络识别器整体架构图-14

7.2基于Tensorflow框架的卷积神经网络识别器的细分网络结构-14

7.3基于Tensorflow框架的卷积神经网络识别器的算法-18

7.3.1卷积算法-18

7.4基于Tensorflow框架的卷积神经网络识别器的训练-19

7.4.1准备数据集-19

7.4.2 训练-22

7.5树莓派的模型部署-25

7.5.1 Tensorflow的编译以及安装-25

7.5.2 模型部署-26

7.5.3识别器模型调用文件的移植-26

7.5.4图像识别系统的运行-27

8.系统测试-29

8.1识别图像时间对比测试-29

8.2识别图像效率对比测试-30

9 总结与展望-32

9.1 总结-32

9.2后期展望-32

参考文献-33

致谢-34