本发明涉及移动终端
技术领域：
，具体涉及一种智能移动终端。
背景技术：
：移动终端可以随时随地满足用户的多种需求，随着移动终端的发展，人们的需求也越来越高，现有的移动终端无法准确判断所处的环境以及环境中的噪声。视觉是人类接触认识客观世界的主要感觉器官，各项统计数据呈现的结果告诉我们，人类获取外部信息的所有途径中60％以上是通过视觉系统，视觉对于人类获取生存所需的各种信息具有重要意义，它是人类最重要的感觉。另外，人类视觉还是思维的一个基本工具，从信息的接收、传输，乃至加工处理，直至被真正接受都离不开视觉系统。整个视觉过程很复杂，但在这个过程中，其最重要的功能——辨别图像却被突显出来。人类进入信息时代后，各种各样的图像采集工具也不断出现，这些图像采集工具无一不是对引起视觉刺激的视信息的采集，计算机面对收集的各种类型视信息所要做的就是运用何种方法对其进行处理，在探索处理方法的过程中，计算机视觉作为一门学科也就逐渐形成。技术实现要素：针对上述问题，本发明旨在提供一种智能移动终端。本发明的目的采用以下技术方案来实现：提供了一种智能移动终端，包括音频采集设备、图像采集阵列、图像处理模块、图像识别模块和显示模块，所述音频采集设备设置在移动终端上，用于检测现场环境的噪音大小，并将检测结果发送至显示模块，所述图像采集阵列包括第一图像采集设备和第二图像采集设备，所述第一图像采集设备设置于移动终端上方，用于对移动终端的上方场景进行图像数据的采集以获得并输出顶部的环境图像，所述第二图像采集设备设置与移动终端下方，用于对移动终端的下方场景进行图像数据的采集以获得并输出底部的环境图像，所述图像处理模块用于对输出的环境图像进行分割处理，所述图像识别模块用于对分割后的环境图像进行识别，并将识别结果发送至显示模块，所述显示模块用于显示所述噪音检测结果和环境图像识别结果。本发明的有益效果为：提供了一种智能移动终端，实现了环境噪音和环境场景的检测和识别。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：音频采集设备1、图像采集阵列2、图像处理模块3、图像识别模块4、显示模块5。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智能移动终端，包括音频采集设备1、图像采集阵列2、图像处理模块3、图像识别模块4和显示模块5，所述音频采集设备1设置在移动终端上，用于检测现场环境的噪音大小，并将检测结果发送至显示模块5，所述图像采集阵列2包括第一图像采集设备和第二图像采集设备，所述第一图像采集设备设置于移动终端上方，用于对移动终端的上方场景进行图像数据的采集以获得并输出顶部的环境图像，所述第二图像采集设备设置与移动终端下方，用于对移动终端的下方场景进行图像数据的采集以获得并输出底部的环境图像，所述图像处理模块3用于对输出的环境图像进行分割处理，所述图像识别模块4用于对分割后的环境图像进行识别，并将识别结果发送至显示模块5，所述显示模块5用于显示所述噪音检测结果和环境图像识别结果。本实施例提供了一种智能移动终端，实现了环境噪音和环境场景的检测和识别。优选的，所述图像处理模块3包括第一处理模块、第二处理模块、第三处理模块和分割评价模块，所述第一处理模块用于对图像进行一次分割，得到一次分割结果，所述第二处理模块用于对图像进行二次分割，得到二次分割结果，所述第三处理模块用于根据一次分割结果和二次分割结果获取图像最终分割结果，所述分割评价模块用于对所述第三处理模块的分割效果进行评价。本优选实施例实现了图像的有效分割和对分割效果的准确评价。优选的，所述第一处理模块用于对图像进行一次分割，得到一次分割结果，具体为：选择一个阈值t1，将图像按其像素灰度分为两个集合，每个集合中的所有像素灰度出现的概率和构成一个随机事件，定义图像的第一分割函数：式中，h(t1)表示图像的第一分割函数，pi表示图像像素灰度级为第i级的概率，l表示图像的灰度的级数；最大化图像的第一分割函数，得到图像一次分割的最佳阈值t1，根据图像一次分割最佳阈值t1获取图像一次分割结果f1(x,y)，其中，(x,y)表示像素点；本优选实施例采用第一分割函数对图像进行分割，由于图像中的目标和背景各自对应着灰度值起伏变化比较平缓的区域，只要目标和背景分割正确，第一分割函数的值会比较大；若阈值选择不当，则会将原本不属于某一类的像素划分为该类，由于不同类之间的像素灰度差异较大，会引起第一分割函数的值减少；优选的，所述第二处理模块包括一次处理子模块、二次处理子模块和三次处理子模块，所述一次处理子模块用于建立灰度矩阵，所述二次处理子模块用于根据灰度矩阵确定第二分割函数，所述三次处理子模块用于根据第二分割函数得到二次分割结果；所述一次处理子模块用于建立灰度矩阵，具体为：对于灰度为l级的图像，定义灰度矩阵z为l×l的方阵：z＝[tij]l×l，其中，式中，m和n分别表示图像的行数和列数，和j表示像素灰度，当f(m,n)＝i且f(m+1,n)＝j时或f(m,n)＝i且f(m,n+1)＝j时，βmn＝1，否则，βmn＝0；计算灰度i到j的转移概率矩阵：式中，k和l表示像素的灰度；所述二次处理子模块用于根据灰度矩阵确定第二分割函数，具体为：灰度矩阵的灰度自下而上从0到l-1增加，从左向右从0到l-1增加，选取一个阈值t2将灰度矩阵分为四个区域，灰度矩阵左下角为1区，右下角为2区，右上角为3区，左上角为4区，令灰度低于阈值的像素为背景，灰度高于阈值的像素为目标；定义第二分割函数：式中，e(t2)表示第二分割函数；所述三次处理子模块用于根据第二分割函数得到二次分割结果，具体为：最大化第二分割函数，得到图像二次分割的最佳阈值t2，根据图像二次分割最佳阈值t2获取图像二次分割结果f2(x,y)，其中，(x,y)表示像素点；所述第三处理模块用于根据一次分割结果和二次分割结果获取图像最终分割结果，具体为：采用下式计算最终分割结果：f(x,y)＝ρ1f1(x,y)+ρ2f2(x,y)式中，f(x,y)表示图像最终分割结果，ρ1、ρ2表示权重，ρ1+ρ2＝1；本优选实施例采用第二分割函数对图像进行分割，充分考虑了邻域像素，体现了像素的空间位置信息，获取了更加准确的二次分割结果，通过将一次分割结果和二次分割结果进行加权融合，获取了更为准确的图像最终分割结果。优选的，所述分割评价模块用于对所述第三处理模块的分割效果进行评价，具体为：定义评价因子：式中，p表示评价因子，m1表示像素分割错误的数目，n1表示图像中像素的数目；评价因子越小，表示分割效果越好。本优选实施例分割评价模块通过评价因子对分割效果进行评价，保证了图像分割水平，为后续图像识别奠定了基础。采用本发明智能移动终端对环境场景进行检测，选取5个场景进行实验，分别为场景1、场景2、场景3、场景4、场景5，对场景识别准确率和场景识别效率进行统计，同现有智能移动终端相比，产生的有益效果如下表所示：场景识别准确率提高场景识别效率提高场景129％27％场景227％26％场景326％26％场景425％24％场景524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12