細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器的制造方法
【專利摘要】本實用新型提出了細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，屬于人工智能技術(shù)領(lǐng)域。本實用新型以細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)為核心，細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)芯片連接微處理器，微處理器連接內(nèi)存模塊、攝像頭、通信接口模塊、麥克風(fēng)、揚聲器、觸摸顯示屏和電源等必要的外圍部件，構(gòu)成一個具有模式識別功能的智能視覺支付加速器，對特定標(biāo)識的圖像或語音，提高了識別速度和精度，為用戶和系統(tǒng)提供了更好的安全性和便利性，市場潛力巨大。
【專利說明】
細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器
技術(shù)領(lǐng)域
[0001]本實用新型屬于人工智能技術(shù)領(lǐng)域，具體地說，涉及細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(Cellular/Convolut1nal Neural Networks，CNN)智能視覺支付加速器。
【背景技術(shù)】
[0002]本實用新型是人工智能技術(shù)在電子支付領(lǐng)域中應(yīng)用。
[0003]迄今為止，人類歷史上已經(jīng)歷了三次工業(yè)革命，分別為機器工業(yè)革命、電汽工業(yè)革命、計算機工業(yè)革命，相對應(yīng)解決了機器動力問題、能源傳輸問題、信息處理及傳輸問題，都為人類社會帶來了生產(chǎn)力的巨大變革。目前，全球仍然在第三次工業(yè)革命的持續(xù)探索中，包括互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)浪潮都?xì)w屬于其一系列衍生現(xiàn)象。下一次工業(yè)革命將是一次能完全替代人角色的人工智能革命。實質(zhì)上，是人類復(fù)制了另一個自己，利用制造出來的機器人完全替代自身從事自主、智能的行為。目前這樣一場轟轟烈烈的第四次工業(yè)革命，正在悄然向我們走來。
[0004]人工智能早在計算機學(xué)伊始時就已經(jīng)產(chǎn)生，它最早是在1956年被作為一門學(xué)術(shù)學(xué)科建立起來。從那時起，科學(xué)界就認(rèn)為每隔十年左右就會在此方面有大的突破性進展。在1940年的神經(jīng)學(xué)研究中，人們就已經(jīng)發(fā)現(xiàn)人類的大腦實際上就是一條神經(jīng)網(wǎng)絡(luò)，AlanTuring認(rèn)為基于此概念建造一個電子大腦是可行的。1951年，一個24歲的研究生MarvinMinsky建造了世界第一個神經(jīng)網(wǎng)絡(luò)機，這臺機器也被稱為SNARC，它同時也是史上第一臺人工自我學(xué)習(xí)機器。
[0005]機器學(xué)習(xí)屬于人工智能的一個分支，而神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)的一個分支，是最實用、最有效的一個人工智能的分支。
[0006]早在1988年，楊林博士發(fā)表了如下兩篇產(chǎn)生廣泛影響的“細(xì)胞神經(jīng)網(wǎng)絡(luò)”論文和相關(guān)發(fā)明專利:
[0007]Leon O , Chua ； Lin Yang，“Cel lular Neural Networks: Theory，，，IEEETrans.Circuits and Systems,vo1.35(10)0ct.1988,pp.1257-12720
[0008]Leon 0,Chua ；Lin Yang，“Cellular Neural Networks-Applicat1ns，，，IEEETrans-Circuits and Systems,vo1.35(10)0ct.1988,pp.1273-12900
[0009]Leon 0,Chua；Lin Yang，“Cellular Neural Network”，United States Patent，Patent Number:5,I40,670,Date of Patent:Aug.18，1992。
[0010]在論文中，楊林博士提出了幾個關(guān)鍵的基礎(chǔ)性概念:并行處理、模擬電路、鄰域直接連接、非鄰域間接作用、非線性器件、多層網(wǎng)絡(luò)、卷積算子、參數(shù)重新配置、應(yīng)用于圖像處理等，為神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定了良好的基礎(chǔ)，具體的技術(shù)細(xì)節(jié)在后面再描述。
[0011 ] 深度學(xué)習(xí)(Deep Learning)的概念由Hinton等人于2006年提出。深度學(xué)習(xí)領(lǐng)域中的突破引發(fā)了人工智能革命。近年來，微軟、臉書、谷歌、IBM、百度等公司推出了各自的深度學(xué)習(xí)系統(tǒng)，運用“深度學(xué)習(xí)”技術(shù)提出了許多語音和圖像的識別、合成算法。這些算法是一種計算機模擬人腦神經(jīng)網(wǎng)絡(luò)的算法。簡單來說，就是用計算機搭建一個人工神經(jīng)網(wǎng)絡(luò)，然后通過已有的大量數(shù)據(jù)不斷訓(xùn)練優(yōu)化它。
[0012]人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式是通過向它展示大量的訓(xùn)練范例，然后逐漸對網(wǎng)絡(luò)參數(shù)進行調(diào)整，直至它能夠反饋出令人滿意的分類。一個典型的網(wǎng)絡(luò)是由10-30層(目前最深的達(dá)到了 150層)人工神經(jīng)元堆積架構(gòu)而成的。舉例說明，當(dāng)將一個圖片信息發(fā)送給一個神經(jīng)網(wǎng)絡(luò)時，輸入層接收信息并且進行低層次的處理后將結(jié)果輸出給下一個層級，周而復(fù)始，直到到達(dá)最后一個層級，來決定該圖像的分析結(jié)果。
[0013]為了獲得更好的學(xué)習(xí)結(jié)果，神經(jīng)網(wǎng)絡(luò)的規(guī)模越來越大，層數(shù)越來越多，就成為了深度神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的一個重要分支。最早Google的深度神經(jīng)網(wǎng)絡(luò)Distblief用了 1000臺機器、16000核處理，網(wǎng)絡(luò)規(guī)模大概是10億個神經(jīng)元，而后Andrew Ng在Stanford大學(xué)用16臺服務(wù)器，總共64個GPU，并且用了一個超級性能的交換機InfiniBand，可訓(xùn)練的網(wǎng)絡(luò)規(guī)模達(dá)到了 112億個神經(jīng)元。最近，百度深度學(xué)習(xí)的網(wǎng)絡(luò)規(guī)模已經(jīng)達(dá)到了200億的節(jié)點。估計不遠(yuǎn)的將來，深度神經(jīng)網(wǎng)絡(luò)的規(guī)模將達(dá)到1000億個神經(jīng)元，規(guī)模越大，對并行架構(gòu)、優(yōu)化算法提出前所未有的挑戰(zhàn)，但超大規(guī)模后可能會獲得更多新的認(rèn)知。
[0014]基于上述深度學(xué)習(xí)的新算法和技術(shù)的部分性能已超過了人類大腦。人工智能在深度學(xué)習(xí)領(lǐng)域算法方面獲得了一定突破的同時，國內(nèi)外一些公司就將商業(yè)機會瞄準(zhǔn)了如何用芯片實現(xiàn)這些已優(yōu)化參數(shù)的深度神經(jīng)網(wǎng)絡(luò)算法，獲得人工智能行為。例如，近期麻省理工(MIT)、高通(Qualcomm)、英特爾(Intel)、Nvidia、Movidius等都在研發(fā)深度學(xué)習(xí)芯片。
[0015]麻省理工學(xué)院(MIT)日前在國際固態(tài)電路大會(Internat1nal Solid StateCircuits Conference，ISSCC)發(fā)表一款深度學(xué)習(xí)芯片Eyeriss，用來實現(xiàn)人工神經(jīng)網(wǎng)路。MIT宣稱該芯片的效能是一般常用GPU的10倍，能夠直接在設(shè)備上執(zhí)行人工智能算法，不需要通過網(wǎng)絡(luò)來處理資料。MIT表示，提升Eyeriss效能的關(guān)鍵在于最小化GPU核(Core)和存儲器間交換資料的頻率，而一般GPU核是共享單一的存儲器，但是Eyeriss的每個核有自己的專用存儲器。此外，每一個核都能夠和鄰近的核直接溝通，如果需要共享資料時，就不用透過主要存儲器來傳遞，當(dāng)卷積神經(jīng)網(wǎng)路有很多節(jié)點在處理相同資料時，鄰近的核間能夠直接溝通很重要。而提升芯片效能還有一個關(guān)鍵是跨核心分配任務(wù)的專用電路，可以在不同類型的類神經(jīng)網(wǎng)路重新配置，或是跨核自動配置資料。這些性能提高的關(guān)鍵點符合當(dāng)年楊林博士提出的基本原則。
[0016]隨著互聯(lián)網(wǎng)和無線網(wǎng)絡(luò)技術(shù)的發(fā)展，電子商務(wù)在我國得到了令人矚目的成長，而電子支付是電子商務(wù)的關(guān)鍵環(huán)節(jié)，是電子商務(wù)得以順利發(fā)展的基礎(chǔ)。沒有實時的電子支付手段相配合，交易就無法實現(xiàn)。電子支付是交易的當(dāng)事人，包括消費者、商家和金融機構(gòu)之間，使用安全電子手段，通過網(wǎng)絡(luò)進行的貨幣或資金流轉(zhuǎn)，即用戶通過支付終端獲得電子現(xiàn)金、信用卡、借記卡、金融卡等的支付信息，通過網(wǎng)絡(luò)安全地傳送到銀行或相應(yīng)的處理機構(gòu)來實現(xiàn)電子支付。
[0017]電子商務(wù)的基本構(gòu)成如圖1所示，其中支付系統(tǒng)通常由以下功能模塊組成:支付終端、客戶端模塊、與業(yè)務(wù)應(yīng)用系統(tǒng)相連的支付服務(wù)器、與銀行專用網(wǎng)相連的支付網(wǎng)關(guān)等。
[0018]客戶端模塊是在支付過程中，支付服務(wù)器根據(jù)用戶的不同選擇而觸發(fā)的相應(yīng)模塊。當(dāng)用戶訪問關(guān)鍵的業(yè)務(wù)數(shù)據(jù)，或在用戶提交支付信息時，服務(wù)器端將激活用戶端的安全代理模塊，獲取用戶的證書、私鑰、帳號信息、訂單狀態(tài)等信息，在用戶與支付服務(wù)器之間建立安全鏈路，保障數(shù)據(jù)點對點通信的機密性和完整性。
[0019]支付服務(wù)器是與業(yè)務(wù)應(yīng)用系統(tǒng)相關(guān)聯(lián)的支付模塊，它發(fā)起并控制一個支付流程的運作。通過一組標(biāo)準(zhǔn)的與具體業(yè)務(wù)部不相關(guān)的支付控制應(yīng)用接口，支付服務(wù)器實現(xiàn)對多種業(yè)務(wù)的支持，主要功能包括:認(rèn)證用戶、支付網(wǎng)關(guān)的身份;提供訂單管理服務(wù);提供用戶訪問通道接口，以實現(xiàn)用戶監(jiān)控支付狀態(tài);處理各種支付消息；加解密交易數(shù)據(jù);管理與之相連的業(yè)務(wù)服務(wù)實體的支付信息;管理配制多個支付網(wǎng)關(guān);為上層業(yè)務(wù)應(yīng)用提供標(biāo)準(zhǔn)接口，用于關(guān)聯(lián)業(yè)務(wù)與支付過程。
[0020]支付網(wǎng)關(guān)是連接銀行端的支付模塊，負(fù)責(zé)連接銀行內(nèi)部專網(wǎng)與支付公網(wǎng)的連接，主要功能包括:提供銀行和支付數(shù)據(jù)格式之間的相互轉(zhuǎn)換；管理證書、私鑰;認(rèn)證用戶與業(yè)務(wù)服務(wù)單位的身份;加解密支付數(shù)據(jù);判斷支付服務(wù)器提交的支付數(shù)據(jù)的完整性;提供用戶訪問通道接口，以實現(xiàn)用戶監(jiān)控支付狀態(tài);提供與多個不同銀行內(nèi)部網(wǎng)相連的配置。
[0021]支付終端是用戶在消費時，連接于POS機的各種采集器，完成不同銀行信用卡、借記卡、金融卡、二維碼、特定標(biāo)識等的信息采集和一定的信息識別，送給后端或遠(yuǎn)端的支付服務(wù)器做進一步處理。
[0022]對于傳統(tǒng)信用卡、借記卡、金融卡等的POS機支付流程，大家已經(jīng)習(xí)以為常。二維條碼/二維碼(Dimens1nal Barcode)是按一定規(guī)律用特定的幾何圖形在黑白相間分布的圖形平面(二維方向)上記錄數(shù)據(jù)符號信息，目前最常見的是QR碼(Quick Response,QR)。(?碼由空白區(qū)包圍，分為功能圖形和編碼區(qū)格式兩部分，前者包括位置探測圖形及分隔符、定位圖形和校正圖形;后者包括格式信息、版本信息和數(shù)據(jù)糾錯信息。通過圖像輸入設(shè)備或光電掃描設(shè)備自動識讀，以實現(xiàn)信息自動處理。二維碼生成過程就是條碼的編碼，將可讀信息轉(zhuǎn)換成碼字，再加上必要的附加信息，然后繪制條碼。在現(xiàn)在電子商務(wù)中，可以用手機生成二維條碼或QR碼，然后由掃描槍自動識讀，完成支付。
[0023]銀行卡和QR碼等的電子支付活動給人民的日常金融消費帶來了極大的便捷，但同時帶來了諸多不便，比如銀行卡過多，攜帶不便;忘記攜帶銀行卡或手機，影響正常刷卡或掃QR碼;銀行卡遺失，不但補卡費時費力，而且存在極大的安全隱患。另外，銀行卡或手機的密碼容易被竊取或者被黑客攻擊而破解，比如當(dāng)用戶在ATM終端輸入密碼時，別人只要注意觀察其動作就可以猜測出密碼。
[0024]由于存在這些問題，為了更好地確保系統(tǒng)的安全性和方便性，人們將目光轉(zhuǎn)移到了生物特征或特定標(biāo)識的識別技術(shù)上，因為人體某些生物特征或特定標(biāo)識各不相同并且很難遺失和仿制。目前使用的生物識別技術(shù)主要有指紋、虹膜、視網(wǎng)膜、語音、面部和DNA，以及特定標(biāo)識的識別技術(shù)。特定標(biāo)識是一些具有明顯區(qū)別于其它事物特征的物品或飾品、圖案和生物特征，比如簽名、紋身、領(lǐng)帶、戒指或項鏈等，以及面孔、語音聲紋等，或者更進一步，把圖像、視頻、文字和聲音等多種標(biāo)識組合到一起，構(gòu)成一個多模態(tài)的特定標(biāo)識。
[0025]在這些生物和特定標(biāo)識識別技術(shù)中，指紋識別已經(jīng)得到了實際應(yīng)用，特別是在智能手機中，許多已經(jīng)帶有指紋識別器。指紋可以看作是一種特定標(biāo)識，用于支付身份的鑒權(quán)。指紋支付就是利用每個人所特有的指紋信息，完成電子支付的系統(tǒng)。指紋支付終端會采集用戶的指紋，進行處理后提取特征信息，然后將這些特征信息和消費金額封裝成規(guī)定的協(xié)議格式通過WIFI或網(wǎng)卡發(fā)送到支付服務(wù)器，以完成支付過程。指紋的采集對硬件要求不高，比較容易實現(xiàn)，快速可靠的指紋圖像處理、識別算法也迅速發(fā)展，已經(jīng)可以用于支付終端。美國Paybytouch公司將指紋采集設(shè)備放置在連鎖超市，消費者能夠通過指紋進行身份認(rèn)證和支付，減少客戶的等待時間，降低商家的交易成本，這樣方式同樣也適用于電子商務(wù)支付。
[0026]雖然指紋識別支付得到了應(yīng)用，也存在極大的安全隱患，由于每個人的指紋獨一無二且很難發(fā)生變化，在某些場合容易留下指紋而被竊取，而且有的地方已有販賣指紋膜的，這樣就能模仿盜取他人的指紋。
[0027]為了提高系統(tǒng)的安全性，需要更多地采用非固定的特定標(biāo)識，例如簽名、戒指、紋身、飾物、圖案、物品的圖像等，以及面孔、聲紋等生物特征，或者圖像、視頻、文字和聲音等組合到一起，構(gòu)成多模態(tài)特征，更不容易被別人猜測到，而不是諸如指紋、虹膜等面積較少的、固定的生物特征。但采用簽名、紋身、飾物、特定圖案、面孔、聲紋等特定標(biāo)識，需要大量計算來完成特征提取和識別，這對一般計算機或傳統(tǒng)的支付終端來講，是非常困難的。如果攝像頭采集的圖像直接傳給后端做識別處理，對傳輸線路會提出很高的要求，即使采用了數(shù)據(jù)壓縮，以現(xiàn)有的壓縮算法，數(shù)據(jù)量還是很大的。這對市場推廣很不利。
[0028]讓計算機識別和理解圖像，是人工智能最重要的目標(biāo)之一。尤其是在互聯(lián)網(wǎng)時代，攝像頭將人們選定的某個特定物品或圖案捕捉下來，如果能夠讓手機、便攜設(shè)備、支付終端等很好地識別和理解圖像，將對電子商務(wù)產(chǎn)生巨大的應(yīng)用場景。
[0029]但從上面所述看，不管是谷歌、百度等的大規(guī)模深度神經(jīng)網(wǎng)絡(luò)，還是MIT等單位的深度學(xué)習(xí)芯片，由于規(guī)模、功耗、體積、成本或計算效率等問題，現(xiàn)階段用于支付終端還存在一定的難度。

【發(fā)明內(nèi)容】

[0030]針對現(xiàn)有深度神經(jīng)網(wǎng)絡(luò)芯片存在的功耗高、芯片面積大和計算速度慢等，不適用于支付終端的問題，本實用新型提出了一種細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，以蜂窩/卷積神經(jīng)網(wǎng)絡(luò)(Cellular/Convolut1nal Neural Networks，CNN)為核心，由攝像頭(圖像獲取)、內(nèi)存、微處理器MCU和通信接口模塊等組成了一個圖像識別深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)加速器，提高了集成度，降低了功耗，提供了圖像識別速度和精度，能夠?qū)崟r完成圖像識別，并且配置靈活，通過可編程配置可完成不同的圖像識別功能，增強了電子支付的安全性和便利性。
[0031 ]本實用新型提出的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，由以下模塊組成:
[0032]攝像頭，用于獲得特定標(biāo)識的圖像或視頻，把得到的圖像或視頻送給機器視覺識別芯片；
[0033]機器視覺識別芯片，按預(yù)置的功能處理攝像頭輸入的圖像信號或麥克風(fēng)輸入的聲音信號，得到相應(yīng)的特征值，送給微處理器；
[0034]微處理器，設(shè)置和檢測機器視覺識別芯片的工作狀態(tài)，接收機器視覺識別芯片送來的圖像特征數(shù)據(jù)，運行圖像識別和身份確認(rèn)算法，控制顯示屏的顯示；
[0035]內(nèi)存模塊，保存輸入的原始數(shù)據(jù)、中間計算結(jié)果和最終的圖像特征數(shù)值；
[0036]顯示屏，用以顯示機器視覺識別芯片或系統(tǒng)的工作狀態(tài)和系統(tǒng)配置信息，以及展不相關(guān)圖片或視頻資料；
[0037]通信接口模塊，完成加速器內(nèi)部和外部的命令、數(shù)據(jù)交換，使得芯片按配置的方式工作，并輸入輸出計算結(jié)果；
[0038]麥克風(fēng)，拾取用戶的聲音信號，經(jīng)微處理器送給機器視覺識別芯片；
[0039]揚聲器，用于播放語音信息；
[0040]電源模塊，為機器視覺識別芯片和系統(tǒng)提供穩(wěn)定的供電；
[0041]其特征在于所述的機器視覺識別芯片連接攝像頭和微處理器，微處理器連接內(nèi)存模塊、顯示屏、通信接口模塊、麥克風(fēng)、揚聲器和電源，構(gòu)成基于智能視覺識別的支付加速器。
[0042]所述的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，其特征在于，所述的機器視覺識別芯片是細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)芯片。
[0043]所述的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，其特征在于，所述的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)支付加速器可以內(nèi)置于平板電腦、筆記本電腦，以及兩者二合一的設(shè)備。
[0044]由上述方案可以看出，本實用新型圍繞細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)CNN，和攝像頭、
[0045]由上述方案可以看出，本實用新型圍繞細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)CNN，和攝像頭、內(nèi)存、微處理器和通信接口等，構(gòu)成一個具有模式識別功能的智能視覺支付加速器，提高圖像識別速度和精度，克服了現(xiàn)有大規(guī)模深度神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)芯片的不足，具有集成度高、功耗小、計算速度快、配置靈活等特點。智能視覺支付加速器使得支付終端像人類視覺系統(tǒng)一樣，具有“看懂”世界的能力，使得支付無需密碼，不要要定期更換，沒有記憶負(fù)擔(dān);無需攜帶銀行卡片或手機，就可以隨時支付，避免了銀行卡或手機的丟失、被盜、被復(fù)制等;可以選擇不同的特定標(biāo)識作為多重密碼或登入多個賬戶；網(wǎng)絡(luò)上傳輸?shù)氖悄硞€特定標(biāo)識的圖像特征數(shù)據(jù)，具有很好的隨機性，這些都為用戶和系統(tǒng)提供了更好的安全性和便利性。本實用新型適用范圍廣，市場潛力巨大。
【附圖說明】
[0046]圖1是電子商務(wù)系統(tǒng)構(gòu)成框圖。
[0047]圖2是本實用新型提出的CNN智能視覺支付加速器原理框圖。
[0048]圖3是4 X 4兩維蜂窩神經(jīng)網(wǎng)絡(luò)示意圖。
[0049]圖4是單個細(xì)胞等效電路的舉例。
【具體實施方式】
[0050]下面將結(jié)合附圖對本實用新型的具體實施例進行詳細(xì)描述。
[0051]本實用新型以先進的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(CNN)芯片為核心，和攝像頭(圖像獲取)、微處理器、內(nèi)存和通信接口等構(gòu)造一個深度學(xué)習(xí)的智能視覺支付加速器，提高支付終端的識別速度和精度，加速器原理框圖如圖2所示。
[0052]細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(CNN)芯片:用于圖像特征提取，提取出攝像頭送來的圖像或視頻中的所關(guān)注的圖像主要特征。CNN芯片的核心是細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(CNN)，CNN網(wǎng)絡(luò)的原理框圖如圖3所示，CNN網(wǎng)絡(luò)可以構(gòu)建現(xiàn)在正火熱的深度學(xué)習(xí)系統(tǒng)。如同人類的神經(jīng)網(wǎng)絡(luò)，CNN由大量非線性模擬電路組成，能夠?qū)崟r處理輸入的信號，當(dāng)然現(xiàn)在這些非線性模擬電路的功能也可以采用數(shù)字電路來實現(xiàn)。這些非線性模擬電路構(gòu)成的單元稱之為細(xì)胞(Cell)，達(dá)數(shù)百萬個的細(xì)胞按一定的規(guī)則排列，只有最鄰近的細(xì)胞才直接互相相連，交換信息。遠(yuǎn)端的細(xì)胞通過耦合間接地發(fā)揮影響。每個細(xì)胞由線性電容、線性電阻、非線性的壓控電流源、獨立的電壓源和獨立的電流源等組成，如圖4所示，也可以用數(shù)字電路實現(xiàn)與圖4等效的功能。CNN利用了模擬和數(shù)字兩個世界的優(yōu)勢，它的連續(xù)時間特性可以實時處理信號，本地互聯(lián)特性使得它便于大規(guī)模集成電路實現(xiàn)，CNN特別適用于信號平行處理。
[0053]圖3給出的是二維一層CNN網(wǎng)絡(luò)結(jié)構(gòu)，可以進一步構(gòu)筑多層的CNN，增加學(xué)習(xí)的深度，如同現(xiàn)在的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)。CNN細(xì)胞的參數(shù)是可以通過事先設(shè)置，并在后面使用過程中通過程序再次設(shè)置。
[0054]不同的CNN細(xì)胞、不同的CNN層可以完成不同的圖像處理功能，比如不同細(xì)胞分別完成圖像降噪、圖像紋理、邊緣檢測、圖像分割、凸凹角檢測、邊界提取、孔洞填充、骨架提取、裁剪等，從而實時地得到圖像的各種特征，便于后續(xù)微處理進一步實現(xiàn)圖像識別、表示和描述。當(dāng)然，圖像的識別、表示和描述同樣可以由不同配置的CNN實現(xiàn)。
[0055]這里描述的CNN主要是從提取圖像特征出發(fā)的，當(dāng)然CNN也可用于語音或聲音的深度學(xué)習(xí)，提取語音信號或聲音信號的特征提取，比如聲紋特征，然后用于語音或聲音的識另U，原理和圖像是類似的。
[0056]CNN獲得的圖像特征信號可以直接送給微處理器MCU，兩者連接接口可以是串行或并行數(shù)據(jù)接口。
[0057]關(guān)于CNN更詳細(xì)的原理，請參見前面給出的楊林博士所申請的發(fā)明專利和發(fā)表的學(xué)術(shù)論文?；贑NN原理，已完成集成電路一智能視覺芯片(Smart Vis1n IntegratedCircuit，SViC)的設(shè)計和流片。
[0058]攝像頭:用于拍攝我們所關(guān)注或要處理的特定標(biāo)識的圖像或視頻，把獲得的圖像或者視頻送給CNN芯片。市場上攝像頭非常多，一般都能滿足本實施例的要求，本實施例中采用了索尼頂X135，采用背照式成像傳感器，分辨率為4224X3176。
[0059]微處理器MCU:微處理連接到CNN芯片，和CNN芯片進行通訊，設(shè)置和檢查CNN芯片的工作狀態(tài)。設(shè)置CNN芯片的初始工作模式，在系統(tǒng)運行期間，它可以讀取CNN芯片的工作狀態(tài)，并重新設(shè)置CNN中各個細(xì)胞的配置參數(shù)，獲得不同的圖像特征。根據(jù)所選用微處理器的能力，讓微處理器依據(jù)CNN獲得的圖像特征，參與部分圖像識別工作，微處理器和CNN芯片配合加速完成不同的圖像識別功能，提高識別速度和識別性能，一起起到圖像識別加速的作用。依靠識別出的圖像內(nèi)容，可以完成用戶認(rèn)證和鑒別;或者微處理器把相關(guān)特征和初步識別結(jié)果通過無線網(wǎng)絡(luò)上傳到云端，由云端進行處理后返回結(jié)果，再進行支付。
[0060]在本實施例中，微處理選用了ARM內(nèi)核的處理器，具有功耗低、運行速度快、種類多等特性，目前占據(jù)市場主導(dǎo)地位，高通、三星、聯(lián)發(fā)科、華為、全志、瑞芯微、晶晨等眾多公司都能提供ARM微處理器。在本實施例中選用了三星公司的S5PV210作為微處理器，S5PV210采用了ARM CortexTM-A8內(nèi)核，ARM V7指令集，主頻可達(dá)IGHZ，64/32位內(nèi)部總線結(jié)構(gòu)，32/32KB的數(shù)據(jù)/指令一級緩存，512KB的二級緩存，可以實現(xiàn)2000DMIPS(每秒運算2億條指令集)的高性能運算能力。S5PV210具有強大的硬件編解碼功能，內(nèi)建MFC(Multi Format Codec)和PowerVR SGX5403D圖形引擎和2D圖形引擎，能夠支持DX9，SM3.0，0penGL2.0等PC級別顯示技術(shù)。具備IVA3硬件加速器，內(nèi)建的HDMIvl.3，可以將高清視頻輸出到外部顯示器上。S5PV210的存儲控制器支持LPDDRl，LPDDR2和DDR2類型的RAM，F(xiàn)lash支持Nandf Iash，Norflash，OneNand等。
[0061]內(nèi)存:用于保存CNN芯片和微處理器等涉及到的輸入的原始數(shù)據(jù)、中間計算結(jié)果和最終的圖像特征數(shù)值等。CNN芯片自身也有存儲器，也可以部分保存圖像特征過程中涉及到的數(shù)據(jù)。本實施例中內(nèi)存選用了美光MT47H64M16HR，是DDR2 SDRAM，容量IGbi t。微處理器的Flash擴展采用了三星K9F1G08U0E，屬于NAND Flash，容量為IGb。
[0062]通信接口模塊:完成加速器和外部的命令、數(shù)據(jù)交換，支持串行數(shù)據(jù)接口，包括USB、I2C等，并行數(shù)據(jù)接口，諸如三星S5PV210等，一般ARM處理器本身就具有USB、I2C、并行數(shù)據(jù)接口、0TG等接口。還支持RJ45接口的以太網(wǎng)，以及無線網(wǎng)絡(luò)WiFi接口。本實施例中以太網(wǎng)控制器選用了 WIZnet公司的W5500，支持通過有線網(wǎng)與支付服務(wù)器的通信。WiFi模塊選用了安信可ESP8266。
[0063]觸摸液晶顯示屏LCD:微處理器還連接有觸摸液晶顯示屏，用以顯示CNN芯片或系統(tǒng)的工作狀態(tài)和系統(tǒng)配置等信息，以及通過觸摸屏接受用戶的輸入。本實施例的觸摸液晶顯示屏采用了淘晶馳TJC4024T032_011R屏，觸摸方式為電阻式。
[0064]麥克風(fēng):用于將用戶的聲音信號轉(zhuǎn)換為電信號，通過微處理器M⑶送給CNN芯片，進行聲音特征提取，進而完成聲音識別，實現(xiàn)用戶認(rèn)證和基于聲音的支付，也可以和圖像、視覺等組合到一起構(gòu)成多模態(tài)支付。本實施例對麥克風(fēng)沒有特殊要求，一般市場上的麥克風(fēng)都可滿足要求。
[0065]揚聲器:用于播放語音信息，比如提示音。本實施例對揚聲器沒有特殊要求，一般市場上的揚聲器都可滿足要求。
[0066]電源:用于給CNN芯片和系統(tǒng)提供所需的穩(wěn)定供電。
[0067]上述內(nèi)存芯片、通信接口芯片或模塊、麥克風(fēng)、揚聲器以及觸摸液晶顯示屏都通過合適的管腳連接到微處理芯片上。
[0068]本實施例的特征在于所述的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(CNN)芯片和攝像頭、內(nèi)存、微處理器、通信接口模塊和電源等構(gòu)成圖像或視頻支付中特征提取和識別加速器。
[0069]本實施例采用了Android操作系統(tǒng)，所涉及到軟件，在此就不再贅述了。
[0070]本實用新型以細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(CNN)芯片為核心構(gòu)成了智能視覺支付終端，可用于商場、超市等，以及網(wǎng)上商店，具有突出的優(yōu)點:無需使用密碼，密碼也不需要定期更換，不怕忘記了，沒有記憶負(fù)擔(dān);無需攜帶銀行卡或手機，也可隨時支付，給人們帶來極大的方便，避免銀行卡丟失、被盜、復(fù)制等不安全行為;可以利用多個特定標(biāo)識構(gòu)成多重密碼，提高系統(tǒng)安全性，或者登入多個賬戶；圖像特征的長度是普通密碼無法比擬的，密碼強度會非常高；網(wǎng)絡(luò)上傳輸?shù)氖悄硞€特定標(biāo)識的圖像特征數(shù)據(jù)，具有很好的隨機性，即使得到了這些數(shù)據(jù)，破譯難度也很大。這些都為用戶和系統(tǒng)提供了更好的安全性和便利性。
[0071 ]上述實施例中是把CNN芯片內(nèi)置在支付終端里，當(dāng)然，所述的CNN加速器也可以內(nèi)置于除支付終端以外的智能手機和其它便攜設(shè)備里，例如把所述CNN加速器內(nèi)置于平板電腦，像IPAD，和筆記本電腦，以及兩者二合一的筆記本電腦等。
[0072]同樣地，CNN芯片可以做成具有相應(yīng)標(biāo)準(zhǔn)接口的計算機板卡，如同現(xiàn)在大規(guī)模深度神經(jīng)網(wǎng)絡(luò)中普遍采用的GPU板卡，插入個人臺式計算機(PC機)、服務(wù)器、工作站以及大中型計算機等里面，構(gòu)建基于CNN芯片的大規(guī)模深度神經(jīng)網(wǎng)絡(luò)系統(tǒng)，完成大數(shù)據(jù)的深度學(xué)習(xí)支付系統(tǒng)。
[0073]上述實施例中涉及到的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)(Cellular/Convolut1nal NeuralNetWOrkS，CNN)芯片，在實際具體實施中，也可以替換為其它機器視覺識別芯片，例如基于淺度學(xué)習(xí)(Shallow Learning)的機器視覺識別芯片、基于自動編碼器(AutoEncoder)、稀疏編碼(Sparse Coding)、限制玻爾茲曼機(Restricted Boltzmann Machine，RBM)、深信度網(wǎng)絡(luò)(Deep Belief Networks)等算法的深度學(xué)習(xí)(Deep Learning)的機器視覺識別芯片。
[0074]上述【具體實施方式】以較佳實施例對本實用新型進行了說明，但這只是為了便于理解而舉的一個形象化的實例，不應(yīng)被視為是對本實用新型范圍的限制。同樣，根據(jù)本實用新型的技術(shù)方案及其較佳實施例的描述，可以做出各種可能的等同改變或替換，而所有這些改變或替換都應(yīng)屬于本實用新型權(quán)利要求的保護范圍。
【主權(quán)項】
1.細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，由以下模塊組成: 攝像頭，用于獲得特定標(biāo)識的圖像或視頻，把得到的圖像或視頻送給機器視覺識別芯片； 機器視覺識別芯片，按預(yù)置的功能處理攝像頭輸入的圖像信號或者麥克風(fēng)輸入的聲音信號，得到相應(yīng)的特征值，送給微處理器； 微處理器，設(shè)置和檢測機器視覺識別芯片的工作狀態(tài)，接收機器視覺識別芯片送來的圖像特征數(shù)據(jù)，運行圖像識別和身份確認(rèn)算法，控制顯示屏的顯示； 內(nèi)存模塊，保存輸入的原始數(shù)據(jù)、中間計算結(jié)果和最終的圖像特征數(shù)值； 顯示屏，用以顯示機器視覺識別芯片或系統(tǒng)的工作狀態(tài)和系統(tǒng)配置信息，以及展示相關(guān)圖片或視頻資料； 通信接口模塊，完成命令、數(shù)據(jù)的交換； 麥克風(fēng)，拾取用戶的聲音信號，經(jīng)微處理器送給機器視覺識別芯片； 揚聲器，用于播放語音信息； 電源模塊，為機器視覺識別芯片和系統(tǒng)提供穩(wěn)定的供電； 其特征在于所述的機器視覺識別芯片連接攝像頭和微處理器，微處理器連接內(nèi)存模塊、顯示屏、通信接口、麥克風(fēng)、揚聲器和電源，構(gòu)成基于智能視覺識別的支付加速器。2.根據(jù)權(quán)利要求1所述的細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)智能視覺支付加速器，其特征在于，所述的機器視覺識別芯片是細(xì)胞/卷積神經(jīng)網(wǎng)絡(luò)芯片。
【文檔編號】G06N3/02GK205665729SQ201620177655
【公開日】2016年10月26日
【申請日】2016年3月9日
【發(fā)明人】陳進民, 林建國
【申請人】陳進民, 林建國