#人工智能#人工智能——AI摄像头-20类识别

小时候在认识物体时，大人们会告诉我们黄色带斑点的是梨，橙色表面坑坑洼洼的是橙子，喵喵叫的是小猫，汪汪叫的是小狗。根据事物的这些特点，慢慢积累经验，我们便能较为准确的辨别各类事物。像人一样，计算机也可以采用类似的方式学习如何执行分类任务。下面我们就一起来看一下计算机是如何学习的吧！

【基础我来学】——AI摄像头物体分类

【材料清单】

硬件 AI摄像头、掌中宝、USB数据线、4PIN连接线

软件 mPython

一、连接AI摄像头与掌中宝

采用串口通讯TX和RX交叉连接的方式，连接掌中宝与AI摄像头。

二、kpu选择20类识别的模型，并配置各类参数

mPython软件AI摄像头指令区中选择配置模型的指令，点击指令中的复选框将模型选择更改为20类识别，修改参数中锚点的选项为“20类识别”

三、新建变量images存放AI摄像头拍摄到的图像

新建变量“images”存储AI摄像头拍摄到的图像，使用重复循环指令，将拍摄到的图像重复赋值给变量：

四、变量中存放的图像输入YOLO网络模型中进行图像信息处理

1、将变量images中存放的图像输入YOLO网络模型中进行图像信息处理；

2、利用AI摄像头指令区中的显示图像指令将处理后的图像在AI摄像头的显示屏上进行显示。

五、掌控板OLED 屏幕显示yolo网络模型运行后输出的图像信息

图像输入至yolo网络模型运行后，输出的结果可以利用“AI摄像头”指令区中的返回识别结果的指令来查看，返回结果包括检测到的物体的类型、数量、置信度、物体的横、纵坐标及其宽度、高度。

使用掌控板的oled显示屏显示返回的物体信息，首先使用如果逻辑判断语句，当判断到有检测到信息则在屏幕上分别显示物体的类型、数量及置信度，若没有检测到信息则直接在屏幕上显示未检测到物体进行提示。

小贴士：

AI摄像头的20类识别模型可以识别的物体种类有：飞机、自行车、鸟、船、瓶子、公交车、汽车、猫、椅子、奶牛、餐桌、狗、屋子、摩托车、人、盆栽、羊、沙发、火车、电视。返回物体类别的指令返回的信息是这些物体的编号，从第一个飞机开始编号为0，依次往后增加，其中“人”对应的编号为14，最后的电视对应的编号为19。

知识库：

机器识别物体的过程具体可以分为以下几步：

第一步：构建问题，选择模型

首先需要明确具体的任务，例如对图片进行分类，根据这个目标为计算机选择和构建合适的数学模型。

第二步：采集数据

机器的学习内容是数据，因此我们需要采集大量的数据，例如大量不同物体的图片。

第三步：特征提取

对采集到的大量的图片进行特征提取。特征是指颜色、形状等可以对事物的某些方面的特点进行刻画的数字或属性。不同的特征对于分类的效果会有很大的影响。例如用具有四条腿这个特征就没办法区分猫和狗，因为它们都有四条腿。因此需要根据物体和数据本身具有的特点，设计出合理有效的特征来区分，这个过程叫做特征提取。

第四步：标注数据

根据设计好的特征，人工地给数据标注上真实类别，告诉机器具有哪些特征的是什么物体。或者运用神经网络让机器自动提取特征。

第五步：训练模型

输入的数据做好标记后机器就可以根据这些标注好的数据进行学习训练，找到合适的分类模型。在这里我们把用于训练模型的数据集合称为训练集。

第六步：验证模型

训练完成后，为了测试模型的性能，我们给机器提供另一份它没见过的测试集里面的图片，看看它的分类准确率，然后不断对模型进行优化，选择一个表现最好的模型。

第七步：应用模型

然后就是实际应用模型，让其大显身手的时候了。当看到一张图片时，首先提取它的特征，然后将这些特征输入到训练好的模型中，就能根据这些特征做出预测，判断是那种物体。  

【进阶我会用】——物体抓拍

【任务介绍】

利用AI摄像头结合掌中宝来设计制作一个抓拍人脸照片的作品，当AI摄像头识别到人脸时，直接进行图像抓拍，抓拍后将得到的照片直接显示在AI摄像头的显示屏上

【材料清单】

硬件 AI摄像头、掌中宝、USB数据线

软件 mPython

一、判断识别到的物体类型是否是人

1、修改基础学习任务中的程序，运行yolo网络模型后，当判断到返回的结果不为空，使用判断返回结果类型的指令，判断识别到的是否是人。因为人在返回的结果列表中对应的数字是14，所以当yolo网络模型侦测到的对象类型编号是14时，表明AI摄像头检测到了人。

二、AI摄像头的sd卡保存检测到的人脸的图像

在AI摄像头指令区中有可以将摄像头拍摄到的图像直接存放在AI摄像头的sd卡中的指令。因为前面是利用变量“images”来存放摄像头拍摄到的图像，所以这里直接将变量“images”中存放的内容保存AI摄像头sd中。

三、掌控板OLED屏幕显示提示信息

四、将抓拍到的人脸图像在AI摄像头的显示屏上显示