[发明专利]一种基于移动端的Camera智能识别设计方法及系统

权利要求书

1.一种基于移动端的Camera智能识别设计方法，其特征在于，包括：

在计算机端构建深度学习训练模型；

导出计算机端的模型资源文件；

量化压缩所述模型资源文件；

配置移动端系统编译环境；

生成移动端的应用资源文件；

安装所述应用资源文件，并启动智能识别。

2.根据权利要求1所述的基于移动端的Camera智能识别设计方法，其特征在于，所述构建深度学习训练模型进一步包括：

基于Tensor Flow平台，构建对象识别的CNN深度学习训练模型。

3.根据权利要求2所述的基于移动端的Camera智能识别设计方法，其特征在于，所述CNN深度学习训练模型的数据流进一步包括Conv 1层卷积，Pool 1层下采样，Conv 2层卷积，Pool2层下采样，Full Connect 1层全连接，Full Connect 2层全连接，Soft Max层分类层。

4.根据权利要求1所述的基于移动端的Camera智能识别设计方法，其特征在于，所述量化压缩所述模型资源文件进一步包括：

输入模型资源文件的值；

计算所述模型资源文件的最大值和最小值；

量化所述模型资源文件的值；

计算所述量化后模型资源文件的最大值和最小值；

反量化模型资源文件的值；

输出模型资源文件。

5.根据权利要求4所述的基于移动端的Camera智能识别设计方法，其特征在于，所述量化压缩所述模型资源文件进一步包括将计算机端的模型资源文件处理成占用空间小的模型资源文件。

6.根据权利要求1所述的基于移动端的Camera智能识别设计方法，其特征在于，所述配置移动端系统编译环境进一步包括：

安装JDK、SDK、NDK软件包；

配置环境变量；

基于Tensor Flow平台，构建Bazel编译架构；

执行系统编译指令。

7.根据权利要求6所述的基于移动端的Camera智能识别设计方法，其特征在于，所述生成移动端的应用资源文件进一步包括：

经过编译，生成移动端的APK应用资源文件。

8.根据权利要求7所述的基于移动端的Camera智能识别设计方法，其特征在于，所述安装所述应用资源文件进一步包括：

将所述APK应用资源文件安装到移动端设备。

9.根据权利要求1所述的基于移动端的Camera智能识别设计方法，其特征在于，所述启动智能识别进一步包括：

获取Camera系统权限；

启动Camera；

将Camera对准待识别物体，获取或显示物体的详细信息。

10.一个系统，其特征在于，包括：

一个存储器，被配置为存储数据及指令；

一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：在计算机端构建深度学习训练模型；

导出计算机端的模型资源文件；

量化压缩所述模型资源文件；

配置移动端系统编译环境；

生成移动端的应用资源文件；

安装所述应用资源文件，并启动智能识别。