基于CNN和非负稀疏表示的嵌入式图像目标识别算法

摘要

针对嵌入式系统的处理器运算速度和内存较小，从而限制了图像目标识别算法在嵌入式系统上运行效率和性能的问题，提出一种高性能的嵌入式图像目标识别算法，即卷积神经网络（convolutional neural network, CNN）和非负稀疏表示相结合的算法.首先，利用CNN挖掘嵌入式图像特征，通过参数共享和局部感知性能降低模型的参数量和计算复杂度，提高计算效率；其次，通过Roberts交叉梯度滤波器对嵌入式图像进行卷积操作，先结合Sigmoid函数运算初步获得特征挖掘结果，再采用非线性池化法对结果下采样，从而降低特征挖掘结果的维度，完成图像特征挖掘任务；最后，使用非负稀疏表示法建立目标识别模型，根据乘性迭代算法求解系数稀疏系数向量.经过核函数运算和最小类残留运算确定目标区域.实验结果表明，该算法获得的各组图像识别结果的F₁值均稳定在0.98以上，且在嵌入式图像目标识别方面帧率较高，表明该方法在保持高精度识别性能的同时，具有在嵌入式系统上高效运行的能力.

关键词

卷积神经网络 / 非负稀疏表示 / 嵌入式图像 / 乘性迭代算法