一种基于事件相机的水表数字识别方法及设备与流程

1.本发明涉及人工智能领域，特别地涉及一种基于事件相机的水表数字识别方法及设备。


背景技术：

2.对数字水表的读数实现智能识别是一项重要的技术，对于减少人力成本，高效地进行城市用水管理都有很大帮助。数字水表识别可以广泛的应用在智慧城市中，对水表进行智能化的识别，对于用水缴费，用水检测，用水统计都可以实现智能化的远程操作。现有的识别方式需要较多的计算资源，利用普通相机进行数据采集，再利用神经网络进行数字识别，需要高性能的芯片来进行计算，无法满足数字水表识别设备小型化和低功耗的要求。基于普通相机采集水表数据由于要不间断的对水表数字进行采集，需要较多的存储资源和传输中的带宽资源，进一步的提高了成本。
3.事件相机是一种新型的视觉传感器，只对运动和变化的目标进行记录。事件相机不会同传统的相机一样进行逐帧的数据更新，只有当外部数据发生变化的时候，事件相机才会进行更新，因此减少了数据冗余，以极少的数据量可以记录变化发生的信息，非常适合水表这样不断更新读数的场景。此外，事件相机还有宽动态、高帧率、低带宽等优点，可以有效克服复杂场景的数据的采集，对于减少背景干扰和光线变化有很大的帮助。


技术实现要素：

4.本发明提供了一种基于事件相机的水表数字识别方法及设备，可以准确有效的自动识别水表当前的读数，有效地解决了水表数字识别中的场景复杂、识别效果差、资源功耗高等一系列的问题。
5.本发明的技术方案如下：
6.根据本发明的一个方面，提供了一种基于事件相机的水表数字识别方法，包括以下步骤：s1.初始化；s2.利用事件相机采集水表读数数据：当水表数据发生变化时，会自动触发事件相机进行数据采集，当水表没有发生变化时，通过灯光闪烁来实现定期的采样，获取到水表对应时刻的读数；s3.判断是否需要采集静态数据：如果是，则进入步骤s4，如果否，则进入步骤s5；s4.如需要采集静态数据，利用闪光源获取水表静态数据，随后进入步骤s5；s5.数据处理：在采集到事件相机数据后对事件相机数据进行处理，采用先进先出、后进后出的办法对事件相机数据在空间上进行更新，形成一幅尺寸大小固定的事件图像；s6.提取特征：针对数据处理后的事件图像，利用部署在嵌入式设备中的神经网络模型进行事件图像特征提取；s7.结果预测：在提取到事件图像特征后，利用神经网络对事件图像的特征进行预测，预测的数据结果属于0-9中；以及s8.输出结果：取步骤s7中预测结果中置信值最高的一个预测值作为最终的结果进行输出。
7.优选的，在上述基于事件相机的水表数字识别方法中，在步骤s1中，进行初始化操作，将水表数字识别设备安置在水表上方，使得摄像头的方形扣罩盖住水表，将水表读数位
置居中，启动设备。
8.优选的，在上述基于事件相机的水表数字识别方法中，在步骤s4中，当需要采集水表静态数据时，利用闪烁光源来制造动态场景，将光源闪烁后，场景变发生了变化，由此触发事件相机进行更新，获取水表静态的数据。
9.优选的，在上述基于事件相机的水表数字识别方法中，在步骤s5中，把事件数据转换成类似于图片的方式一帧一帧的形式，采用堆栈的方式进行事件相机的数据处理，设定若干个事件数据组成一帧，对于该帧的更新采用先进先出的原则，在有新的事件数据到来时，将新的数据纳入此帧出，同时删除相同数量旧的数据。
10.优选的，在上述基于事件相机的水表数字识别方法中，在步骤s6中，其中，神经网络模型在部署前，首先要对神经网络模型进行训练，然后进行处理。
11.优选的，在上述基于事件相机的水表数字识别方法中，训练过程主要是在服务器上，主要训练神经网络识别0—9十个数字，数据采用标注好的自采数据，通过对事件相机的数据进行采集标注，训练出可以识别到数字的神经网络，当训练网络准确率达到95％以上时，网络准确率达标，停止训练；以及具体处理包括：对模型进行减枝，删去一些对结果影响较小的参数，剪枝后，需要对模型进行转换，针对不同的嵌入式平台可以进行不同的转换，转换成适用于平台兼容的格式实现部署。
12.根据本发明的另一方面，提供了一种基于事件相机的水表数字识别设备，包括方形的扣罩、事件相机、灯源和嵌入式处理器，事件相机和灯源设置在扣罩内部，嵌入式处理器设置在水表数字识别设备的前端，其中：事件相机，用于采集变化数据；灯源，作为补充光源用于数据采集时候的补光以辅助事件相机进行数据采集；以及嵌入式处理器，用于对采集到的数据进行处理识别并在嵌入式处理器中进行运算。
13.根据本发明的技术方案，产生的有益效果是：
14.本发明的基于事件相机的水表数字识别技术及设备，可以有效地对水表的数字进行智能化的识别，解决在水表数字识别过程中占用资源较高效率低下等一系列问题；本发明采用独特的数据采集方法，可以在复杂环境中有效的对数据进行提取，以较少的资源占用完成识别任务，为设备的小型化、低功耗的运行提供了有利的条件。
15.为了更好地理解和说明本发明的构思、工作原理和发明效果，下面结合附图，通过具体实施例，对本发明进行详细说明如下：
附图说明
16.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
17.图1是本发明的基于事件相机的水表数字识别方法的流程图；
18.图2是本发明的基于事件相机的水表数字识别设备的示意图。
具体实施方式
19.为使本发明的目的、技术方法及优点更加清晰，下面结合附图及具体实例，对本发明做进一步的详细说明。这些实例仅仅是说明性的，而并非对本发明的限制。
20.本发明的基于事件相机的水表数字识别方法及设备，通过事件相机对水表数据进
行采集。将采集好的数据进行处理后，将数据输入深度神经网络中进行数据识别，最终识别出水表准确的读数。
21.本发明的原理是：使用事件相机去有条件的获取水表读数的图像数据，只有当水表数据发生变化的时候，事件相机才会获取到新的数据，然后对数据进行处理后，经过深度神经网络对读数的图像数据进行识别，提取出水表当前读数的准确数字。
22.如图1所示，本发明方法包括以下步骤：
23.s1.初始化。进行初始化操作，将设备安置在水表上方，使得摄像头的方形扣罩盖住水表，可以避免外界光线对设备识别造成干扰，将水表读数位置居中，启动设备。
24.s2.采集数据。利用事件相机采集水表读数数据：当水表数据发生变化时，会自动触发事件相机进行数据采集，当水表没有发生变化时，可以通过灯光闪烁来实现定期的采样，可以获取到水表对应时刻的读数。根据事件相机的特性，只记录发生变化的数据，只有场景发生变化时候才能触发，当水表的读数发生变化时，事件相机自动获取到新的数据更新。本发明根据这个特性，设计了独特的数据采样方式这样事件相机不仅可以捕捉到水表变化时的数据，也可以捕捉到没有发生变化时候的数据。
25.s3.判断是否需要采集静态数据：如果是，则进入步骤s4，如果否，则进入步骤s5中。
26.s4.如需要采集静态数据，利用闪光源获取水表静态数据，随后进入步骤s5。当需要采集水表静态数据的时候，需要利用闪烁光源来制造动态场景，将光源闪烁后，场景变发生了变化，由此触发事件相机进行更新，获取水表静态的数据。
27.s5.数据处理。在采集到事件相机数据后对事件相机的数据进行处理采用先进先出，后进后出的办法对事件数据在空间上进行更新，经过处理后的事件数据可以形成一幅尺寸大小固定的事件图像。由于事件相机获取的数据不同于传统的相机获取到一帧一帧的数据，事件相机获取到的是事件触发点的数据，因此为了方便更近一步的进行计算，需要把事件数据转换成类似于图片的方式一帧一帧的形式，采用堆栈的方式进行事件相机的数据处理，设定若干个事件数据组成一帧，对于该帧的更新采用先进先出的原则，在有新的事件数据到来时，将新的数据纳入此帧出，同时删除相同数量旧的数据。
28.s6.提取特征。针对数据处理后的事件图像进行特征提取工作。利用部署在嵌入式设备中的神经网络模型进行特征提取。
29.其中，神经网络模型在部署前，首先要对模型进行训练，训练过程主要是在服务器上，主要训练神经网络识别0—9十个数字，数据采用标注好的自采数据，通过对事件相机的数据进行采集标注，训练出可以识别到数字的神经网络，当训练网络准确率达到95％以上时，网络准确率达标，停止训练。
30.经过训练的神经网络部署不能立即部署，需要对神经网络进行一系列的处理才能实现部署。具体处理包括：针对神经网络模型较大的问题，要对模型进行减枝，删去一些对结果影响较小的参数；完成剪枝后，需要对模型进行转换，针对不同的嵌入式平台可以进行不同的转换，转换成适用于平台兼容的格式实现部署。
31.s7.结果预测。在提取到事件图像特征后，利用神经网络对事件图像的特征进行预测，预测的数据结果属于0-9中
32.s8.输出结果。取步骤s7中预测结果中置信值最高的一个，并将预测值作为最终的
结果进行输出。
33.如图2，本发明的基于事件相机的水表数字识别设备包括方形的扣罩1、事件相机2、灯源3和嵌入式处理器4，扣罩1的主要作用是隔绝外部光线的干扰，事件相机2和灯源3设置在扣罩内部，事件相机2主要采集变化数据，灯源3作为补充光源用于数据采集时候的补光，可以辅助事件相机2进行数据采集；嵌入式设备(嵌入式处理器4)设置在水表数字识别设备的前端，对采集到的数据进行处理识别并在嵌入式设备中进行运算。将该水表数字识别设备固定在水表上方就可以进行数据采集，将采集到的数据传入嵌入式设备中，以识别出具体的水表读数。本发明设备中，智能算法部署在前端的嵌入式设备中，不需要高性能就能实现水表数字的自动识别，实现了高效率低功耗的水表数字识别设备，有效解决水表数字识别中的场景复杂、识别效果差、资源功耗高等一系列的问题。
34.本发明的基于事件相机的水表数字识别方法及设备，利用事件相机特性对水表数字进行信息提取，然后利用人工智能技术对水表数字进行有效的识别，获取到当前水表的读数，根据水表的读数可以进行水费收取，用水管理等一系列应用。本发明可以有效地减少数据冗余，对数字识别的放置环境有很强的适应性。事件相机较少的数据量，少了的资源耗用，解决旧有办法无法进行设备适应差，需要资源多等缺点，并利用小型的神经网络模型在嵌入式设备上进行实现。
35.表1本发明方法和利用普通相机的传统方法中每秒产生的数据量对比
[0036] 本发明方法传统方法数据量120～150kb/s1～3mb/s相机功耗1mw3～5w准确率95％以上95％以上
[0037]
由表1可知，传统方案利用普通相机每秒的数据量比本发明方案数据量要多十倍。在相同准确率的条件下，本发明方法占用更少资源，数据量更少。
[0038]
以上说明是依据发明的构思和工作原理的最佳实施例。上述实施例不应理解为对本权利要求保护范围的限制，依照本发明构思的其他实施方式和实现方式的组合均属于本发明的保护范围。