基于YOLOv5的嵌入式实时目标检测与识别系统-嵌入式AI识别系统
1、立项背景和目标:
随着物联网与边缘计算快速发展,嵌入式设备承担智能识别任务的需求日益增长。树莓派凭借低成本、易部署优势成为边缘识别常用载体,但受限于算力,复杂模型难以直接部署。本项目在Windows下基于YOLOv5训练轻量化目标检测模型,支持人脸及5类以上日常物品识别,部署至树莓派4结合摄像头实现实时视频流识别,验证从训练到嵌入式端落地的完整链路,为嵌入式AI识别提供可行方案。
2、软件功能、核心功能模块:
系统包含三大核心模块:①目标检测模块——基于YOLOv5实现人脸及日常物品实时检测与定位,输出边界框坐标和类别标签;②人脸识别子模块——实现指定人脸库的身份识别与匹配;③实时视频流处理模块——调用树莓派摄像头完成帧采集、预处理及模型推理,画面叠加标注结果。最终系统帧率5FPS以上,检测mAP≥80%,人脸识别准确率≥85%。
3、业务流程、功能路径描述:
用户启动树莓派执行主程序→系统初始化摄像头并采集实时视频流→每帧图像经尺寸归一化预处理→加载本地YOLOv5轻量化模型推理→输出目标类别、置信度、边界框→OpenCV叠加矩形框和标签至原始画面→HDMI输出至显示器。形成“采集→推理→渲染→输出”闭环流水线,用户无需额外操作即可持续获得识别反馈。
人工智能
大数据