[发明专利]一种基于人工智能循迹的室内监控方法及室内监控车

说明书

本发明公开一种基于人工智能循迹的室内监控方法及室内监控车,涉及人工智能领域；搭建室内监控车及规划室内监控车的行迹轨道，沿轨道采集室内不同条件下环境图像数据，对环境图像数据进行特征标记，提取特征数据集，利用cnn卷积神经网络算法，对特征数据集进行训练，建立相应的特征模型，室内监控车加载特征模型，并采集的环境图像数据，根据特征模型和环境数据判断沿轨道行驶时采用的行驶参数，同时将采集的环境图像数据上传；本发明用卷积神经网络对道路进行训练，得出合适的模型，小车即可按照既定轨道行驶，其前方的摄像头连接树莓派完成道路识别前进，上方的无线摄像头随着小车的运动行使监控职能。

技术领域

本发明公开一种基于人工智能循迹的室内监控方法及室内监控车,涉及人工智能领域。

背景技术

在商场、车间等场所中，保证设备和商品的安全一直是一项非常重要的内容。尤其是在深夜无人的时候，入室盗窃的事件时有发生，给商场、工厂的财产安全造成了严重威胁。现有技术的摄像头监控或人员进行巡视往往存在诸多监控死角，通常被盗贼提前踩点而避开。本文提出了一种基于人工智能循迹的室内监控方法及室内监控车，用卷积神经网络对道路进行训练，得出合适的模型。当采用其进行监控时，只需在地面上规划出轨道作为道路，小车即可按照既定轨道行驶，其前方的摄像头连接树莓派完成道路识别前进，上方的无线摄像头随着小车的运动行使监控职能。

卷积神经网络(Convolutional Neural Networks-简称CNN)卷积神经网络长期以来是图像识别领域的核心算法之一，并在大量学习数据时有稳定的表现。对于一般的大规模图像分类问题，卷积神经网络可用于构建阶层分类器，也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习。对于后者，特征提取可以人为地将图像的不同部分分别输入卷积神经网络，也可以由卷积神经网络通过非监督学习自行提取。

树莓派是一款基于ARM的微型电脑主板，以SD/MicroSD卡为内存硬盘，卡片主板周围有1/2/4个USB接口和一个10/100以太网接口(A型没有网口)，可连接键盘、鼠标和网线，同时拥有视频模拟信号的电视输出接口和HDMI高清视频输出接口，以上部件全部整合在一张仅比信用卡稍大的主板上，具备所有PC的基本功能只需接通电视机和键盘，就能执行如电子表格、文字处理、玩游戏、播放高清视频等诸多功能。Raspberry Pi B款只提供电脑板，无内存、电源、键盘、机箱或连线。

发明内容

本发明针对现有技术的问题，提供一种基于人工智能循迹的室内监控方法及室内监控车，将人工智能技术应用于车道检测，使得监控车按预期路线行驶，保证无线摄像头进行全方位动态监控，最大程度地减少监控死角，更好地维护财产安全。

本发明提出的具体方案是：

一种基于人工智能循迹的室内监控方法，搭建室内监控车及规划室内监控车的行迹轨道，

沿轨道采集室内不同条件下环境图像数据，对环境图像数据进行特征标记，提取特征数据集，利用cnn卷积神经网络算法，对特征数据集进行训练，建立相应的特征模型，

室内监控车加载特征模型，并采集的环境图像数据，根据特征模型和环境数据判断沿轨道行驶时采用的行驶参数，同时将采集的环境图像数据上传。

所述的室内监控方法中采用STM32核心板和树莓派系统搭建室内监控车，室内监控车搭建相应的python及tensorflow环境，并安装摄像头。

所述的室内监控方法中室内监控车自行采集室内不同条件下环境图像数据，

或者使用自动驾驶模拟器进行环境图像数据采集。

所述的室内监控方法中使用Udacity或CARLA Simulator自动驾驶模拟器进行环境图像数据采集。