基于深度学习的屏幕通信定位跟踪算法研究

Abstract

屏幕通信是以动态条码为信息载体,以可见光为媒介的近场通信方式,因其抗干扰能力强、不占用频谱资源和部署简单等特点,具有广泛的应用场景和极大的发展潜力。文章提出了一种基于深度学习方法的屏幕通信定位跟踪算法,采用快速区域卷积神经网络（Faster R-CNN）算法对信息区域进行处理,使光学摄像头在不依赖传统定位寻像图形的情况下智能定位携信区域,进而提高单帧携信量;采用卢卡斯-卡纳德（LK）光流法对抖动引入的帧间信息区域位置变化进行估计,提升了连续帧处理速率从而提升了系统通信速率。实验结果表明, Faster R-CNN算法的平均精度均值（mAP）达到了90.91%,同时引入LK光流法提升系统的处理效率,相比于仅采用Faster R-CNN的算法处理时间缩短59.5%以上,解决了终端系统处理能力瓶颈问题。

Keywords

• 屏幕通信;深度学习;信息条码;定位跟踪算法