基于深度學習的人臉識別方法，以稀疏自編碼神經網絡和softmax分類器構建深度層次網絡為例，并對該深度層次網絡進行了訓練。為了驗證深度學習方法的人臉識別率，分別在ORL、Yale、Yale-B以及PERET人臉數據庫上做算法測評，測試內容有softmax分類器人臉識別、深度網絡頂層微調算法和深度網絡整體微調算法三個方面。對各個數據庫的人臉圖像進行的預處理有直方圖均衡化、非局部均值算法、小波變換處理、Retinex圖像增強算法以及同態濾波算法。另外，使用深度網絡整體微調算法對低分辨率問題做了進一步驗證。然后利用matlab GUI編程實現一個基于稀疏自編碼神經網絡和softmax分類器的人臉識別系統，該系統的深度層次網絡的層次和節點可調，且具備完整的識別功能。RV1126是純國產化板卡。重慶RK3399Pro處理板圖像識別模塊算法定制

讓深度學習能夠如此大行其道的關鍵要素是數據，而占大數據總量60%以上的為視頻監控數據，與此同時，視頻監控領域的70%以上的數據分析是用來進行圖像識別。深度學習的在安防行業的方方面面得到了應用：人臉檢測、車輛檢測、非機動車檢測、人臉識別、車輛品牌識別、行人檢索、車輛檢測、人體屬性、異常人臉檢測、人群行為分析、各種感興趣目標的跟蹤。深度學習算法不是簡單地接收數據，它在吸收原有數據的基礎上，能夠增量式地提升模型的性能，給予數據的選擇過程一種反饋——形成一種數據選擇機制，能夠分辨哪種類型的數據有助于持續提升模型性能，哪種類型的數據則是毫無幫助的——從而形成一種良性循環體系。山東機載吊艙圖像識別模塊定制方案成都慧視有幾款板卡？

定制下的RK3399圖像處理板就能實現基本的接收可見光和紅外視頻、對目標進行跟蹤、輸出目標測偏量的功能（特別是典型目標（人、車）檢測和識別）。并且能夠同時識別處理多達8批目標，識別概率超過85%。此外，根據客戶需求，還可以定制以下功能：波門自動搜索和波門引導跟蹤功能；?具有質心和模板匹配2種跟蹤方式；?具有跟蹤波門手動/自動調節功能；?質心跟蹤方式下具有黑/白目標手動設置功能；?具有十字分劃顯示/隱藏功能；?具有十字分劃位置調節功能；?以十字中心1~4倍電子放大功能，步長0.1；?具有較好的抗背景干擾和抗遮擋能力；?具有“畫中畫”功能，“畫中畫”顯示比例（顯示框尺寸）可設置；?具有視頻輸出功能；?具有視頻記錄功能；?具有OSD功能；?具有自檢功能；?支持通過網口輸出圖像（RTSP推流）和接收發送控制指令（TCP協議）；?支持透傳基本相機控制指令：變焦、變倍、通道切換等。

RV1126圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標檢測及跟蹤算法。具有體積小、功耗低、目標檢測準確、跟蹤穩定等優點。用在無人機領域，不會過多增加無人機載重負擔。軟件方面，在此基礎上定制板卡的處理能力，其中：可見光通道圖像處理能力：1920×1080不低于30Hz紅外通道圖像處理能力：640×512不低于50Hz圖像跟蹤模塊在對目標尺寸不小于3×3像素、目標對比度不小于10％，雙振幅不小于2/3視場，作往復勻速直線運動的模擬目標進行跟蹤時，其跟蹤速度在水平方向和垂直方向均不小于1.5視場/s。對圓周半徑不小于1/3視場，作勻速圓周運動的模擬目標進行跟蹤時，其跟蹤速度應不小于1.5周/s。小識別像素不低于15×15像素，識別頻率≥10Hz。并且植入視頻壓縮存儲功能，高清視頻存儲能力不低于1h，以滿足特殊需求。在硬件方面，針對對于索尼7520定制1路LVDS的輸入接口，針對于紅外COIN612定制1路CVBS輸入接口，視頻輸出接口則采用H.264編碼。工程師以RK3399PRO核心板為基礎進行定制開發，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。

在民用領域，無人機吊艙能夠幫助解決一些危險工作，例如地質研究時，需要對懸崖峭壁等危險區域進行采樣識別，無人機吊艙就能遠程飛行進行工作；再比如智慧農業領域，當大面積大規模的農場需要收集土地信息等工作，就可以通過無人機吊艙進行航拍，智能化的圖像處理板還可以實現自動化的數據分析，實現降本增效。在此技術的基礎上，成都慧視研發的雙光微型吊艙就應運而生，集成可見光攝像機、紅外熱像儀等傳感器，主要用于對地面飛機、車輛、人員等目標進行晝夜觀察、識別、捕獲和跟蹤，上報目標的圖像及坐標信息?；垡昍K3588板卡可以用于大型公共停車場。陜西RK3399處理板圖像識別模塊算法研發

成都慧視有工業級板卡RK3588.重慶RK3399Pro處理板圖像識別模塊算法定制

為了制造一個的汽車零部件，人們需要和機器協作來采購原材料，評估其質量，將它們運輸到工廠進行加工，通過質量檢查的合格產品會離開工廠，然后零售商或終端用戶會收到它們。無論這個產品是在運輸中，甚至是還沒有組裝，機器視覺均提供了一種自動處理它的程序。它提高了各個部門的效率，如裝配，并保持更高和更一致的質量水平。有些應用程序很簡單，比如在倉庫地板上畫一條線，讓無人駕駛的車輛安全地不越線行駛。其他的機器視覺應用甚至更加復雜，即使是簡單的例子也有改變游戲規則的可能。在工業世界中，機器視覺的一些典型例子曾經被是認為很難或不可能外包給機器人的。正如前文提到的，在涉及踐行成本、商譽和客戶方面，在倉庫中揀貨就是一個涉及高失誤風險的過程，產品損壞、物品位置和SKU的細微變化均有可能造成失誤，因此采用機器學習進行貨物揀選是一種上上策。重慶RK3399Pro處理板圖像識別模塊算法定制