基于动态链表智能识别检测系统的设计

基于动态链表智能识别检测系统的设计

黄明

深圳市聚飞光电股份有限公司  广东省深圳市  518111

摘要：为了提高识别检测系统的数据处理能力与智能化水平，解决识别结果精准度不高的问题，本文引入动态链表设计智能识别检测系统，此系统可以实现多种识别模式的高效兼容，运用差异化识别技术，完成对多个类型不同待检测目标的智能检测。结合某中学教师在多媒体交互课堂中，应用信息技术能力的过程，运用动态链表构建智能识别测评系统，完成教师课堂应用信息技术能力的自动化识别检测，该系统共计包括视频管理、智能识别、生成报告三大功能模块，以测评教师“熟练应用多媒体设备”这一能力维度为例，应用此智能识别检测系统的测评结果，实现了自动化、智能化目标检测，有效避免人工检测技术精准度不高的弊端，提高识别检测效率与灵活性。

关键词：动态链表；智能识别检测；系统设计

    在信息技术时代发展中，识别检测系统如今逐渐在物流、安全、环境检测等领域得到广泛应用，传统人工识别检测逐渐被取代，成为如今目标识别检测的关键途径[1]。设计识别检测系统不仅可以有效减少人力资源投入，还可以确保最终检测结果的客观真实准确性。可是系统识别检测过程不够灵活，且现有多数检测系统的技术水平，依然局限于仅支持某类特定模式下的目标识别检测，无法及时对实际识别检测过程中的目标动态化变化，以及检测目标、指标发生变化而随之适应性识别检测[2]。为了提高识别检测过程的智能灵活性，增强检测识别系统的可拓展灵活性，本文将结合实例设计一款基于动态链表的智能识别检测系统，旨在未来可以进一步推广智能识别检测系统，在不同行业领域的广泛应用。                 

1智能识别检测系统硬件设计

1.1技术原理

设计基于动态链表的智能识别检测系统，可以构建多样化可兼容识别模式，利用多样化识别方法完成对多个不同类型待检测目标的灵活化检测，成功拓展了检测目标、检测指标、检测类型，还实现了检测过程中所用识别算法的适用性[3]。考虑数据操作的灵活化特点，设计利用动态链表用于系统数据存储结构，不同的检测目标相连构成了动态链表结构图，具体实现应用情境如下（见图1）。

图1 系统动态链表图

第一种情境可以满足同一个检测目标下不同指标的检测，对于同一检测指标可以应用不同检测识别技术，完成动态化检测。相应的类别中，n用来表示检测目标待检测的n类指标；对某一类检测指标所用的不同检测侧面为检测点；在检测中根据检测点与具体检测技术可选择的识别检测算法。

第二种情境可以对同一识别模式中，满足不同指标侧面与不同识别技术检测。对n类检测模式下完成目标检测，包括图像检测模式、音频检测模式、字符检测模式；某类检测点模式中，可以对待检测各项指标与每一个指标内部侧面检测点嵌套动态链表。每一类检测模式中，对每一项待检测指标所用相应的检测算法[4]。

为了确保不同检测点之间的封装独立性，对不同结点以类封装形式，可以实现系统在不同模式环境中各项信息的动态化识别处理功能。

1.2信息读写器

为了进一步强化智能识别检测系统的拓展性，本次系统设计还特地优化信息读写器，将电源控制部分增设于读写器内，添加读写器复位电路（见图2）作为读写器的硬件结构组成。配置C8051F020单片机作为核心芯片，可以精简信息编译过程，明显提高信息读写速度，在此芯片内布设数据输入、时钟输入、复位引脚，控制系统显示器的待执行任务[5]。

图2 读写器硬件组成

1.3通信接口

由于智能识别检测系统想要完成通信芯片与电平转换，整个过程复杂度较大，所以选用TSB0102电平转化芯片，保障了系统的通信正常，芯片接脚设计（见表1），可以针对性的对通信接口进行优化设计，并规范系统的转换芯片组装，设计优化硬件设备环境。

表1 转化芯片接脚

2系统软件开发实例

以某中学教师课堂中进行多媒体交互，自身应用信息技术能力这一案例，设计基于视频识别技术的智能评测系统，可以自动化识别检测教师的信息技术应用能力。结合以往对教师信息素养能力的考核体系，本研究主要从信息技术主动应用意识、熟练使用交互多媒体设备、熟练应用学科教学软件这三方面，展开对教师多项指标检测考核[6]。对教师的能力维度进行考核过程中，需要上传多段反应教师不同维度能力的视频片段供系统检测，之后系统即可根据识别检测技术所上传的视频图像与既定标准样本之间的关系度，综合诊断教师的信息技术素养水平。

2.1软件逻辑架构

本系统以中学教师在课堂中录制实录视频片段作为检测对象，对教师上传的视频片段进行识别检测，完成教师技术素养水平考核。为了实现系统自动化、智能化检测，本次智能识别技术还提供测评功能，包括视频管理、智能识别、诊断报告共计三个子功能模块。具体应用流程如下：用户通过将自己完整录制的课堂实录视频片段上传此系统，并编辑有关视频的介绍信息，结合实际考核所需切分完整的视频片段，选定具体考核的维度类别之后，向检测队列上传视频片段。系统以所检测的视频片段具体类别，选定具体的标准样本库，并调用识别检测诊断算法，最终统计所获检测结果并自动生成诊断报告推送给用户，整体逻辑架构（见图3）。

图3 系统功能架构

首先在视频管理模块，可以为用户提供上传视频、信息编辑、切分视频片段与自主浏览等功能，用户可以将完整视频上传之后进行自主描述，并以最终的考核结果切分视频片段，明确切分之后的视频片段考核维度，用于后期的检测识别[7]。

其次在智能识别模块，此功能主要负责识别检测视频图像，系统可以在收集待检测视频的具体片段后，切分视频以帧为单位的图像，并对这些图像作预处理，提取图像的主要特征进行识别对比，最终在诊断结果数据库内存储识别结果。

最后在诊断报告模块，此功能主要包括了数据统计、诊断报告，系统可以对用户提交的视频片段进行检测识别之后，统一的统计分析视频片段的检测结果，最终生成诊断报告书提交给用户。

2.2功能实现

实现本次设计智能识别检测系统的过程中，应当注意两大关键问题：

第一，视频数据动态化管理，此系统可以结合用户的实际处理需要，及时对考核维度的具体数量进行针对性调整，并相应的添加检测点个数，这样的动态化管理过程可以更全面的考核，且不受检测数量与类别的限制；

第二，系统自适应识别检测，此系统可以在应用中可以运用多类识别技术，完成不同维度视频片段综合考核，并结合实际所需及时调整某一测评维度的视频片段检测算法。

总之就是此系统可以结合实际测评需要，支持用户在系统应用中不限数量标准的添加多维度检测片段，并且还可满足用户迅速插入数据，灵活化调整动态检测算法，不仅如此此系统还可以运用多类识别检测算法，检测不同考核维度的视频片段，充分确保了此系统的检测灵活动态性，运用链式存储方式存储数据。在交互多媒体环境下，运用此系统对教师的技术素养水平进行检测，结合上述文中所给能力标准，实现从三大维度检测教师的技术素养能力，每一个指标维度下应当对多项二级指标进行检测，所以测评系统可以保证支持不同考核维度，进行多元化识别检测，对于每一类检测点都需要确保绝对的低耦合性，这样才能有效保障独立结点[8]。所以不论对于每类结点，都应当以类的独立存在方式，存储待检测的样本，对比检测标准样本库，所用检测方法以及所获检测结果，确保了此系统的自适应性，还可根据获得的海量检测样本数据，通过数据库存储方式实现动态化系统调取。

2.3数据库设计

    设计智能识别检测系统过程中，数据库设计必不可少，负责存储系统操作人机交互中的关键信息，那么在此片段内容设计时，就应对系统内的数据来源渠道进行重点分析，对不同类别详细规划，之后精准运行数据库功能对接，构建操作功能模块。系统识别检测时实时捕获数据库关键信息，数据库应当对不同信息类别进行精准识别，充分展现数据库平台的多样构造层次。应用智能检测系统也会不可避免的遇到复杂度较高的数据，为了对这类特殊信息有效处理，可以在数据库衔接、存储等关键环节中，以处理存储信息的不同类别为依据，完成数据信息的分类化处置[9]。这就要求在建立数据库过程中，可以与信息特性相结合规划层次分明的数据结构，面对需要执行的数据库存储相关指令，则可以在结构层协助作用下，确保最终各类信息的精准便捷式划分，保证系统可以发挥动态链表的智能识别作用。

3系统应用效果

通过应用本次设计此动态链表的智能识别检测系统，对教师“熟练使用交互多媒体设备”此维度的能力进行测评，教师以不同维度具体考核的要求，切分完整的课堂实录视频，获得多个独立存在的视频片段，将相应的片段对应此检测维度的指标并上传至系统。之后系统在对某个视频片段进行检测时，可以自动切分视频为一帧帧的图像完成识别检测，所以每帧图像作为一个独立存在的检测点，MiniNode负责检测目标样本，标准样本库作为与第二维度考核标准相符的图片样本库，之后即可经图像识别技术对目标样本结果成功检测[10]。

根据教师上传的相关视频片段，可以且分为多个帧图像完成检测，每个帧的相应图像作为Mini Node，所以上传视频作为相应图像帧集合，可以定义为Compose Node。对属性结构进行定义过程中，除了存储视频的自身属性，还应当对多个视频片段的图像帧链表进行定义，以及图像帧具体结点个数的控制操作办法，还有对识别检测结果的统计（见表2）。

表2 Compose Node结构

    根据上述在教师能力进行识别测评过程中，此系统实现了录制视频片段的切分处理，根据用户系统操作所需动态化识别检测图像帧，确保达到相应的指标要求。所以此系统内利用HOG、SVM等图像识别技术完成相应的识别检测，在此过程中可以校正所输入的帧图像，还可进行滤波预处理及时将背景噪音干扰问题成功去除，运用梯度方向直方图将每帧的图像关键特征向量成功提取，之后应用SVM分类器完成图像的分类特征识别检测，最终向统计报表生成功能传输计算结果，即可最终生成识别检测结果。

结论

综上所述，本次设计基于动态化链表的智能识别检测系统，可以实现对多类型、差异化模式下的动态化按需识别检测，并且系统还设计了动态配置识别算法，完成自动化智能化识别检测，有效提高了检测效率。结合应用实例实现了自动化、智能化目标检测，有效避免人工检测技术精准度不高的弊端，提高识别检测效率与灵活性。

参考文献

[1] 赵小中, 平本强, 胡波,等. 基于PC端的农残速测仪智能化检测管理系统设计与应用[J]. 中国农机化学报, 2020, 41(2):7.

[2] 林统喜, 钟福龙. 基于大数据分析的异常通信信号智能检测系统设计[J]. 单片机与嵌入式系统应用, 2021, 021(012):35-38.

[3] 王海鹏, 李夫玲, 余斌,等. 基于PYNQ-Z2人工智能开发平台的人脸追踪检测系统设计[J]. 科技创新与应用, 2020(1):3.

[4] 杨庭, 徐桂彬, 严俊,等. 基于深度学习的安全帽和口罩检测系统的设计[J]. 电脑知识与技术, 2022(010):018.

[5] 李栋, 李振. 一种基于机器视觉的智能识别测试系统设计[J]. 电子技术与软件工程, 2022(10):5.

[6] 范永超, 韩佳南. 基于人工智能的语音识别系统设计与研究[J]. 数字通信世界, 2022(005):000.

[7] 李思南李泽滔. 基于STM32的智能车位检测系统设计[J]. 智能计算机与应用, 2020, 010(009):P.132-134,140.

[8] 彭健, 李天任, 王宇航,等. 基于智能芯片的舰船目标智能识别系统设计及实现[J]. 战术导弹技术, 2020.

[9] 林巧稚. 基于图像识别技术的人工智能板坯信息识别管理系统的设计与实现[J]. 数字技术与应用, 2022(006):040.

[10] 爨莹, 李亦珂. 基于监控运动目标识别检测系统的设计与实现[J]. 智能计算机与应用, 2020(4):3.

作者简介：黄明，1979年8月，女，汉族，江苏省滨海县，硕士，模式识别与智能系统。