云漢深度學習識別系統(tǒng)包括圖像采集、異物識別、訓練系統(tǒng)三部分。要求開發(fā)監(jiān)控目標異物識別系統(tǒng)的識別和訓練部分。
識別部分能夠接收圖像采集部分傳輸?shù)膱D像數(shù)據(jù)，與攝像機位姿數(shù)據(jù)同步，對圖像數(shù)據(jù)進行目標檢測和定位，將結果按照接口協(xié)議輸出給用戶。

物體識別系統(tǒng)包括圖像采集、異物識別、訓練系統(tǒng)三部分。

圖像采集部分負責采集異物的圖像、位置和姿態(tài)等信息，常用載體包括監(jiān)控設備、無人機、無人車等。

圖像采集部分通過大帶寬圖傳設備將采集到的圖像等數(shù)據(jù)打時間戳實時發(fā)送給地面處理系統(tǒng)。

識別部分通過標準RTSP協(xié)議接收圖像采集部分傳輸?shù)?/span>視頻，或私有協(xié)議接收圖像數(shù)據(jù)，通過socket連接接收圖像采集部分回傳的位置與姿態(tài)信息數(shù)據(jù)，進行數(shù)據(jù)同步。

識別軟件基于Windows 10操作系統(tǒng)，Intel I7處理器，英偉達GTX1080 GPU

識別部分使用基于谷歌TensorFlow人工智能學習系統(tǒng)的深度學習圖像分類方法，使用TensorFlow物體檢測API，目前提供常見的90種訓練數(shù)據(jù)集，同樣也可以使用TensorFlow構建神經(jīng)網(wǎng)絡，訓練機場常見異物的訓練數(shù)據(jù)集。

在識別過程中，首先通過色塊處理將圖片中的物體取出，并求取圖像特征點。通過訓練數(shù)據(jù)進行矩陣運算，得到該物體圖像對應每個物品標簽的匹配值，終根據(jù)需求選擇匹配分數(shù)，終輸出物體對應標簽名稱。

   當發(fā)現(xiàn)異常物體時，根據(jù)獲取物體在圖片中的像素坐標以及當前云臺的姿態(tài)信息，可以獲取異常物體的GPS坐標以及大小等信息。

訓練部分

通過人工管理，將圖像采集部分采集到的異物圖像分類存儲到數(shù)據(jù)庫中，打上標簽，定期訓練檢測模型。

在訓練過程中將樣本數(shù)據(jù)分為訓練數(shù)據(jù)和測試數(shù)據(jù)，通過TensorFlow Object Detection API提供的faster RCNN+inception+resnet101網(wǎng)絡結構的訓練模型去對數(shù)據(jù)進行不斷訓練。通過不斷調(diào)整參數(shù)和神經(jīng)網(wǎng)絡的層數(shù)，使用測試數(shù)據(jù)進行驗證，不斷提高識別精度，當數(shù)據(jù)得到需求，可以提供給識別單元進行物體標簽比對。

云漢深度學習識別系統(tǒng)產(chǎn)品特色功能

Ø 集中的目錄樹設備資源管理：機器人、云臺、視覺部分設備統(tǒng)一編號*及優(yōu)先級管理，管理多種監(jiān)控設備（如：視頻設備、報警設備、門禁設備、巡更設備、指紋設備、數(shù)字矩陣、副控客戶端、WEB服務器、流媒體轉發(fā)等）

Ø 集中用戶認證：完善的集中用戶認證管理模式和合理的優(yōu)先級及沖突檢測機制，所有用戶通過資源管理認證服務器管理，實現(xiàn)集中的用戶優(yōu)先級，瀏覽控制權限集中配置管理

Ø 遠程配置：設備遠程參數(shù)配置、維護、軟件升級

Ø 校時服務：使網(wǎng)內(nèi)設備時間統(tǒng)一，同步

Ø 電子地圖：電子地圖及預案地圖的添加、分組、分級設定

Ø 實時監(jiān)控：實現(xiàn)對系統(tǒng)內(nèi)的網(wǎng)絡音視頻信號實時監(jiān)控瀏覽

Ø 集中存儲：網(wǎng)絡視頻分類集中存儲

Ø 集中回放：實現(xiàn)對系統(tǒng)內(nèi)的網(wǎng)絡音視頻信號集中點播回放

Ø 遠程控制：遠程控制云鏡，預置點、掃描線的調(diào)用；*的數(shù)字（虛擬）PTZ和模擬PTZ功能

Ø 媒體轉發(fā)：實現(xiàn)系統(tǒng)內(nèi)多媒體數(shù)據(jù)流的轉發(fā)控制功能

Ø WEB服務：集成IE瀏覽服務器，實現(xiàn)遠程IE瀏覽和控制