第一篇：《人工智能》教学讲座②：机器智能
《人工智能》教学讲座②
机器智能
研究、开发人工智能的目的，就是让机器能够模拟、延伸、扩展人的智能，以实现人类脑力劳动的机械化。
所谓人工智能就是机器智能。
一、人工智能的产生
希望计算机能够代替人类，或是充当人类的代理，来做一些更为繁重、复杂的工作。人们只需要告诉计算机“做什么”，计算机就能实现想要的功能，并可以为人类的美好生活，提供各种各样的服务。
人们对日益增长的美好生活需求，促进了人工智能的产生与发展。
二、人工智能的研究 ⒈特点
人工智能具有3个基本特点：交叉性。长期性。广泛性。
①交叉性
人工智能是一门交叉学科、边缘学科，是由计算机科学、数学、哲学、脑科学、认知学、行为学、语言学、生物学、心理学等，多种学科相互渗透发展起来的新学科。
②长期性
人工智能研究的长远目标是制造出能像人那样思维、行动的智能化机器，代替人脑进行工作。③广泛性
人工智能技术的研究、应用领域非常广泛，如：教学仿真实验、商业的市场决策、农业的专家系统、企业的自动化控制等，很多应用领域。
⒉内容
人工智能的研究内容广泛，如有4个研究方向：机器感知。机器思维。机器学习。机器行为。
①机器感知
机器感知使计算机像人一样具有视觉、听觉、嗅觉、触觉、味觉的感觉。如：让计算机能够识别语言、文字、图形、图像、声音、影视、振动、冷暖、气味和质感等。
②机器思维
机器思维使机器对已获取的信息能像人那样有目的的处理。如：让计算机像人类专家一样通过推理、演绎解决各个领域的问题。
③机器学习
机器学习让计算机模仿人类的学习行为，主动获取新知识和新技能。使计算机能够识别现有的知识，不断仿效人类的学习行为，改善自身性能，实现自我完善。如：让计算机像人类棋手那样，通过博弈实践，吸取经验教训，不断提高棋艺。
④机器行为
机器行为使机器运用本身拥有的知识，对获取的信息过程处理，并做出反应。如：让参与海底打捞的智能机器人，根据海水的深度、被打捞物的形状、海底的地质状况等工作的环境状况，自主地完成打捞任务。
⒊方法
研究人工智能通常有3种方法：结构模拟。功能模拟。行为模拟。①结构模拟
结构模拟是以人脑的生理结构和工作机理为基础，对人脑的神经细胞及其构成的神经网络进行研究，采用神经计算的方法来实现学习、联想、识别、推理。
②功能模拟
功能模拟是以人脑的心理模型为基础，将问题或知识表示成某种逻辑网络，采用符号推演的方法来实现搜索、推理和学习，模拟人脑的思维。
③行为模拟
行为模拟是通过模拟人在控制过程中的智能活动和行为特性，如：自寻优、自适应、自学习、自组织等，来研究和实现人工智能。
三、人工智能的发展
人工智能的发展大致可分为3个阶段：起步阶段。发展时期。发展新阶段 ⒈起步阶段（1956～1970年）
早期的人工智能研究是从智力难题、弈棋、难度不大的定理证明等简单问题开始的。研究的目的不在于实际应用，而在于探索人的解题策略。
自然语言理解、机器视觉、智能机器人等，也是在这一阶段开始研究的。
⒉发展时期（1970～1980年）
知识工程技术的出现，使得人工智能由单纯的理论探索，开始面向实际应用。是人工智能发展史的重要转折点。
专家系统、自然语言理解系统、物景分析系统、自动程序设计系统等的相继出现，使得知识的表示和运用，成为人工智能所有领域的关键技术。
⒊发展新阶段（1980年以后）
人工智能研究成果开始商品化，出现了用于精密检测的机器视觉系统、用于装配作业的初级智能机器人系统和用于计算机的自然语言接口、各种专家系统。
人工智能向更高水平发展，进而开始研制知识型的智能机器人、知识信息处理系统或第五代智能型计算机。
四、人工智能研究领域
计算机是信息处理的主要工具。
由于计算机能够代替和延伸人类大脑的一部分功能，以至于称之为“电脑”。但是，目前的计算机只能按照人们为其编排好的程序步骤工作，难以满足人们日益增长的、越来越广泛的美好生活需求。
人工智能应用的领域
人工智能应用的领域非常广泛，如：问题求解、模式识别、符号运算、自然语言理解、智能检索、机器证明、专家系统、机器人学等方面。
⒈问题求解
人工智能的许多概念，如：归纳、推断、决策、规划等都与问题求解有关。在对弈的过程中，计算机棋手会像人类一样思考，从规则、技巧等各个方面进行判断。田忌赛马就是典型的问题求解中的博弈问题。
思考问题1：
①田忌与齐威王，共有几种赛马策略？ ②孙膑向田忌献的是什么样的赛马策略？ ⒉模式识别
模式识别就是研究如何使机器具有感知能力。机器感知是机器获取外部信息的根本保障。
计算机识别系统就是使计算机具有模拟人类通过感官接触外界信息、识别和理解周围环境的感知能力。
模式识别技术已经逐渐在图形识别、图像识别、语音识别、机器人视觉、染色体识别等，在许多领域，获得成功的应用。
⒊符号运算
符号运算，又称代数运算，是一种智能化的计算。符号运算处理的是符号。
符号可以代表整数、有理数、实数和复数，也可以代表多项式、函数、集合等。
⒋自然语言理解
自然语言理解就是研究如何让计算机理解人类自然语言的领域。是指机器能够理解并执行人类所期望的某些语言功能。如：回答有关提问、生成摘要和文本释义、机器翻译等。
思考问题2：
①能否通过把语句分解为各个孤立的部分，然后在字典中查到这些孤立部分的释译，来实现两种不同语言之间的翻译？
②如果不能，在翻译的过程中，还应考虑哪些因素？ ⒌智能检索
在如今的大数据时代，各类繁多、数量巨大的科技文献，用传统的网络数据库的检索技术，远不能胜任。
智能检索的研究，已成为当代科技持续发展的重要保证。
⒍机器证明
机器证明是用计算机来完成数学命题的证明，是现代数学中一种新兴的边缘性学科，也是人工智能发展的一个重要方向。
⒎专家系统
专家系统是人工智能研究领域里，最活跃、最有成效的。研究让“计算机专家”起到人类专家的作用。
根据某个领域里，1个或多个人类专家提供的知识、经验，进行推理和判断，模拟人类专家求解问题的思维过程，以解决各种问题。
⒏机器人学
具有人工智能的机器，需要具备感知、记忆、思维、学习、行为的能力。机器人不一定做成人的外形，但是，一定要能够模拟人的思维、动作，在程序控制下，能够自动完成人类部分工作的机器。
随着科学技术的发展，人工智能各个领域之间会互相渗透，使得相互联系更加紧密，这种融合与渗透，必将促进人工智能研究的进一步发展。
附录1：
人工情感
情感在人的思维活动中占据极为重要的地位，决定和制约着人的行为活动和其它思维活动的基本框架与总体方向。
人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感。使机器具有识别、理解和表达情感的能力。
由于情感是一种特殊的、更深刻的认知，具有更高的复杂性和多变性。因此，人工情感必须建立在一定程度的人工智能的基础上。
人工情感的发展，可分为7个基本阶段：
①算术运算。②数学运算。③逻辑推理。④专家系统。⑤模式识别。⑥情感计算。⑦情感理解
（其中：前5个阶段，是人工智能的发展历程。）
情感是一种特殊的认知。意志又是一种特殊的情感。人工情感可以使计算机具有友好的、人性化的人机界面，更重要的是能够使计算机具有更高的信息处理速度与效率，具有独立的决策能力和行为控制能力，具有创造性和开拓性的思维能力。
如果人工情感全面实现了。那么，人与机器人之间，就可以实现全面的融合，没有明显的界限、本质的区别。
彼此可以相互转换、相互渗透、相互促进，也无所谓人与机器之间存在什么矛盾与冲突，这就是人工情感的最终归宿。附录2：
达特莫斯会议
1956年夏天，在美国达特莫斯大学，召开了一次影响深远的历史性会议。与会者仅仅只有10青年学者。
研究的专业包括有：数学、心理学、神经生理学、信息论和计算机科学。
在会上，分别从不同的角度探讨了人工智能的可能性。
达特莫斯会议历时长达2个多月。
学者们在充分讨论的基础上，首次提出了“人工智能”这一术语，标志着“人工智能”作为一门新兴学科正式诞生。附录2：
图灵测试
阿兰〃图灵提出：在一个房间里，由1位提问者通过计算机与另外2个回答者人和机器对话。
如果提问者，分辨不出与他交流的对象哪个是人？哪个是机器？ 那么，就认为这台机器，具有了智能。
第二篇：《人工智能》教学讲座①：智能的概念（xiexiebang推荐）
《人工智能》教学讲座①
智能的概念
自从1956年，提出了人工智能（Artificial Intelligence，即AI）的概念之后，人们不断地研究、发展了许的有关人工智能的理论、原理等。就是人工智能（AI）的概念，也在不断地被扩展、更新，以及重新定义。
2017年3月5日，在第12届全国人民代表大会第5次会议的政府工作报告中，指出“加快新材料、人工智能、第五代移动通信等技术研发和转化。”
一、人脑智能的表现
人的智能源于人的大脑。人脑是由大约1011～1012个神经元组成的一个复杂的、动态的系统。
人脑的奥秘，至今还未被完全揭开。因而，导致了人们对智能的模糊认识。但是，从人脑的整体功能来看，智能的表现还是可以辨识出来的。
例如：学习、发现、创造等能力，就是明显的人脑智能表现。人类制造的工具，可以分为辅助体能、辅助智能两大类。
思考问题1：
在下列的辅助工具当中，哪些是属于辅助人类体能的？又有哪些是属于辅助人类智能的？
①杠杆 ②钳子 ③洗衣板 ④算筹 ⑤算盘 ⑥计算器 辅助人类体能的，有：_________________________。辅助人类智能的，有：_________________________。
二、人类的智能
智能是指人类在认识、改造客观世界的活动中，由脑力劳动表现出来的能力，是知识和智力的总和。
⒈知识
知识是人类在改造客观世界的实践中，所获得的认识和经验的总和，是智能行为的基础。
知识包括：①概念。②事实。③规则。
①概念：是人类在长期实践过程中，形成的以区别其他事物的抽象结论。②事实：是人类所认识的客观现象。
③规则：是概念和事实之间，各种联系的描述。
这些概念、事实和规则，构成了人类的知识。并存放在人的大脑中，因此大脑实际上就相当于一个存放大量知识的“知识库”。
⒉智力
智力则是获取知识，并运用知识去求解问题的能力。
智力是智能中，最富有创造性的那一部分。
思考问题2：
①只有人类具有智能吗？其它动物（如：海豚、大猩猩、老鼠、蜜蜂、蚂蚁）是否也具有智能？
参考答案要点：
其他动物也有智能。只是和人类比起来有差距而已。如：导盲、缉毒、搜救的狗。
如：狼群的等级秩序。运用集群的能力，高效率地捕猎。动物智能的进化是逐渐加速的。
人类的科学技术变化越来越快、越来越大，与其他动物的智能差距逐渐拉大。这，也容易使一些人，忽视了其他动物的智能。
②智能和技能有什么不同？
参考答案要点：
智能是指人类在认识、改造客观世界的活动中，由脑力劳动表现出来的能力，是知识和智力的总和。技能是指生活，或从事某种工作，所需要的能力。技能可分为2种：动作技能（书写、骑车）、智力技能（演算、写作）。
知识可以通过语言文字等形式传授，如：生活常识、数理化知识等。
技能必须亲自学习，并坚持练习才能掌握其中的技巧。而一旦停止练习，技能将很快变得生疏，是一种熟能生巧的体力活，对眼手的协调能力要求很高，如：开汽车。
三、智能的特征
人类智能的基本特征表现在4个方面：①感知。②记忆与思维。③学习及自适应。④行为。
⒈感知
感知是人们通过视觉、听觉、味觉、触觉、嗅觉等感觉器官，感知外部世界的能力。
人类的大脑具备感知能力，通过感知获取外部信息。
如果没有感知，人类就无法获取前提知识，也就不可能引发各种智能行为。因此，感知是智能活动的必要条件。
视觉、听觉在人类感知中，占有主导地位。获得外界信息：约80%以上是通过视觉得到的。10%是通过听觉得到的。
因此，在目前的研究中，机器视觉和机器听觉是研究热点。
⒉记忆与思维
记忆用于存储由感觉器官感知到的外部信息，以及由思维所产生的知识。思维用于对记忆的信息进行处理，利用已有的知识对信息进行分析、计算、比较、判断、推理、联想及决策等。
⒊学习及自适应
学习是人类智能的主要标识，是指通过指导、实践等过程，来丰富自身知识和技巧的能力。
学习是人类的本能。每个人随时随地都在学习，既可能是自觉的、有意识的，也可能是不自觉、无意识的。
人人都可以通过与环境的相互作用，不断地进行学习，通过学习积累知识、增长才干，从而适应环境的变化。并根据环境的变化，不断地改变自己的行为。学习是集体活动、个人行为。由于每个个体本身都是不相同的，其学习、自适应能力也是不相同的，因此体现出不同的智能差异。
⒋行为
行为是指人们通常用语言、表情、眼神、形体等动作，对来自外界的刺激，做出的反应，传达信息。
思考问题3：
①列举反映“行为”能力的一个实例：
如：洗手时，手被热水烫到，自然快速收回。②列举反映“感知”能力的一个实例： 如：。③列举反映“思维与记忆”能力的一个实例： 如：。④列举反映“学习及自适应”能力的一个实例： 如：。
智能要体现在知识表示和知识运用上。
如果要将人类智能转移到机器的智能上，人们还需要对人类智能进行深入的、必要的了解，从而进一步地学习、研究人工智能。
四、人工智能
人工智能（AI）是计算机科学的一个分支。
从学科的角度，认识和理解的人工智能（AI）是研究、开发，用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的一门技术科学。
如今，人们认识和理解的人工智能（AI）学科研究的过程，就是将社会问题符号化，再进一步数据化（二进制数据），输入到计算机等数码设备中，进行处理。
附录1：
个体智能
生物是存在智能的。如：蝙蝠有活动（飞行）回声定位系统（声纳）。蝙蝠的声纳不仅可以确定飞行中昆虫的距离，还能探测目标大小、相对速度、方位角及仰角，甚至目标各部位的大小。它还要及时控制全身，灵巧而高效地追赶和捕捉猎物。
这一切所需要的复杂神经计算，仅由一个樱桃般大小的脑袋，在很短时间内完成的！
尽管人们制造了世界第一的“神威〃太湖之光”计算机系统，运算峰值性达到125.436PFlops，持续性能93.015PFlops。
但是，就感觉运动协调、解决问题的综合能力而言，这个计算机系统的智能，还是远远不及1只蝙蝠！
附录2：
PFlops
PFlops：每秒所执行的浮点运算次数。是衡量一个计算机的计算能力标准。
①最前面的“P”是个“数量级单位”。
1P=1024T1T=1024G1G=1024M1M=1024k “PFlops”就是“每秒运算1千万亿（1015）次指令的浮点运算。” 即：1PFlops = 1015次指令/秒 ②最后面的“s”是“秒”的意思。附录3：
群体智能
一些动物的个体能力表现平平，但是其群体却有惊人的表现。如：蚂蚁、蜜蜂等。
白蚁作为个体，只有几个神经元，只会毫无结果地咬着小土块、木屑搬来搬去，好似“没头脑”。
但是，当白蚁的群体变大时，其智能也随之增加了。它们像是思考着的集体社会，又像是某种活的计算机。
蚁群中的蚂蚁，会像接受到命令一样，在各个阶段，寻找不同型号的细枝，建造它们的漂亮蚁丘。
人类也具有群体智能。即：除了个体大脑具有智能以外，还存在一种与群体有关的智能，两者共生。
目前，人们对人类群体智能的认识，还处于初级阶段，但是对人类群体智能的研究，给予了人们新的希望。
第三篇：基于机器视觉智能交通灯控制系统
机器视觉的论述作业
题
目 ：
基于机器视觉智能交通灯控制系统
学院名称 ：
电气工程学院
专业班级 ：
姓
名 ： 学
号 ：
时 间 ： 绪论.........................................................3 2 基于机器视觉的智能交通灯系统设计.............................3 3 智能交通灯控制策略...........................................5 3.1 模糊控制...............................................5 3.2 智能交通灯模糊控制策略.................................5 3.3 解模糊化算法...........................................6 4 系统硬件设计.................................................6 4.1 摄像头的安装和特性.....................................6 4.2 视频采集模块设计.......................................8 4.3 DSP控制处理模块设计...................................9 4.4 信号灯驱动模块设计.....................................9 4.5 电源模块设计..........................................10 5 系统软件设计及调试..........................................11 5.1 软件总体设计方案......................................11 5.2 视频采集模块的软件设计................................12 5.3 系统调试..............................................13 6 总结........................................................13 7 参考文献........................................................................................................13 绪论
随着社会经济的发展，城市车辆数量迅速增长，交通拥挤日益严重，造成的交通事故和环境污染等负面效应也日益突出。城市交通问题直接制约着城市的建设和经济的增长，与人们的日常生活密切相关。通常交通阻塞大都是由于城市路口实际通行能力不足所造成的，路口交通问题逐步成为经济和社会发展中的重大问题，为此世界大多数国家都在进行智能交通灯控制系统的研究。
本文的目的是对基于机器视觉的智能交通灯控制系统进行了研究。基于机器视觉的智能交通灯控制系统对路口交通灯进行智能控制，根据各相位车流量大小，智能分配红绿灯时间，彻底改变了传统交通灯控制方式的不足。目前由于城市路口交通信号灯的控制策略不理想，导致了路口实际通行能力下降，停车次数比较多，车辆通过路口的延误时间较长，容易造成不必要的拥堵。改善交通灯控制策略，来提高路口的实际通行能力，这是城市交通控制中需要解决的主要问题。自从计算机控制系统应用于交通灯控制以来，硬件设备的不断更新和改进，智能化和集成化成为城市道路交通信号控制系统的研究趋势，而路口交通灯控制系统是智能交通系统中的关键点和突破口。基于机器视觉的智能交通灯系统设计
基于机器视觉的智能交通灯控制系统是由摄像机、视频采集模块、DSP控制处理模块、信号灯驱动模块、电源模块、时钟模块、复位模块和信号灯组等组成，其组成框图如2.1图所示
图2.1系统组成框图
系统中摄像机是用来拍摄路口车辆视频，是路口车流量获取的基础设备，其
拍摄的视频图像质量高低直接影响到系统对交通灯控制的精度。摄像机的选择决定着视频的质量，所以一般要选择稳定性高，分辨率符合系统要求的摄像机。目前摄像机主要分为两种，一种是电荷耦合器件_℃CD图像传感器；一种是互补性氧化金属半导体—CMoS图像传感器。CCD图像传感器是由很多感光单位组成的，其表面受到光线照射时，产生的电荷将由感光单位反映在组件上，所有感光单位产生的电信号组合在一起，就能够形成一幅完整的图画。而CMOS图像传感器的制造技术与工艺和制造普通计算机芯片的技术非常类似，CMOS中同时存在着N级和P级半导体，这两个半导体之间互补效应能够产生的电流信号，能够被处理芯片记录，同时将其解读成影像，形成一幅图画。画。比较CCD和CMOS的结构，ADC(放大兼类比数字信号转换器)的位置和数量是最大的不同。通常CCD摄像头每曝光一次，当快门关闭之后立即进行像素的转移处理，将其每一行中的每一个像素的电信号依次送到“缓冲器"中，再输入到放大器中进行放大，然后串联ADC输出；而CMOS的设计中每个像素旁直接连着ADC，对电信号进行放大同时转换成数字信号。CCD与CMOS的特性比较如下表2-1 表2-1 CCD和CMOS的比较
通过对CCD和CMOS的特性进行比较，以及视频处理系统对视频图像的要求，本文采用CCD摄像机JAB．55 15EB作为视频输入部分的图像传感器。智能交通灯控制策略
3.1 模糊控制
模糊控制是将模糊理论引入控制领域，将人的经验形式化模型化，采用模糊逻辑的近似推理方法，通过计算机系统代替人对被控对象进行有效的实时控制。模糊控制系统是由模糊规则基、模糊推理、模糊化算子和解模糊化算子组成，其组成框图如图3．1所示。
图3.1 模糊控制的组成框图
模糊化是对系统的输入量进行论域变换，将精确量转化成模糊输入信息的过程。由于实际过程中的输入值通常为连续变化的，必须将其范围分成有限个模糊集，并与输入量相对应，然后通过隶属函数求出输入量对各模糊集合的隶属度，将普通变量转化为模糊变量，完成了模糊化工作。
3.2 智能交通灯模糊控制策略
模糊控制过程是将实际检测的当前方向车辆排队长度进行模糊量化处理，映射到输入论域的模糊集合，根据实践经验确定模糊控制规则，进行模糊推理，再经清晰化处理转为绿灯延长时间的精确量，实现交通灯智能控制。通常情况下，在某一方向红灯时间内该车道的车流量在停车线后的排队长度越长而绿灯方向车流量不多，为了保证下一周期车辆通行最大化，就得适当延长下一周期的绿灯时间。反之，当前绿灯方向的车流量较多而当前红灯方向车道的车流量在停车线
后的排队长度较短，就得适当减少下一周期的绿灯时间，以确保路口车辆通行量的最大化。考虑到司机和行人心理承受能力，不至于在其等待过程中产生焦急烦躁的情绪，路口的红绿灯周期不能过长，通常可以设置一个最大绿灯时间，比如120S。如果系统已经执行了最大绿灯过，立即进行相位切换，当前方向绿灯进入黄闪状态，一般设定为3秒，然后执行红灯状态。当路口的车流量较小时，信号周期则比较短，但一般也要设定一个最小绿灯时间，女1：120S，否则车辆和行人由于来不及通过路VI而影响交通安全n时间，不考虑当前方向还有多少辆车等待通过。
3.3 解模糊化算法
通过对被控制量的模糊化，根据模糊控制规则进行推理，做出模糊决策，得到模糊控制的输出量，这个输出量为模糊量，而被控对象最终只能接受精确的控制量，所以必须将输出的模糊量转化为精确的控制量，将其转化为精确量的过程通常称之为解模糊化。也就是从模糊量变为清晰量的过程，即把通过模糊推理得到的输出量的模糊集合，一一映射到输出量的普通集合。解模糊的方法有通常有最大隶属度法、平均最大隶属度法、取中位数法以及加权平均法。系统硬件设计
4.1 摄像头的安装和特性
（1）所采集车辆视频图像质量的高低将直接影响到系统对交通灯控制的精度，而决定视频质量的关键因素在于CCD摄像头的选择和安装。本文采用CCD摄像机JAB-5515EB，可以在室外恶劣环境下全天候工作，其性能如表4-表4-1 JAB-5515EB摄像头的特性
（2）摄像头的安装直接影响到视频采集的过程，而且安装摄像头的位置既要不能对交通产生任何影响，又要满足视频采集模块的需求。图4．1为两相位路口示意图，摄像头的安装位置应在图中A、B、C、D点的上方高于7米为宜。视频图像处理只针对车道，所以可视角度只需满足横向覆盖整个车道，纵向能够覆盖车辆排队信息的长度即可。
图4.1 城市路口示意图
4.2 视频采集模块设计
本设计中的视频采集模块主要分为视频输入和视频处理两个部分，其功能是利用图像传感器将物体的光信号转换成模拟的视频电信号，然后利用视频解码芯片将视频模拟信号转化成数字视频信号输入到DSP的视频处理前端。模拟视频信号主要分为PAL和NTSC两种制式，在将模拟视频信号直接转换成数字信号的时
候，通常需要用到视频解码芯片，本设计中选择TI公司的TVP5150视频解码芯片来主要用来完成模拟视频信号到数字视频信号的转换以及对图像亮度、色度的预处理等。
4.3 DSP控制处理模块设计
DSP控制处理模块作为系统的主控模块，以TMS320DM6437为核心，由视频处理前端、DDR2存储器、EMIF接121电路、以太网接口电路、12C总线和JTAG接口电路组成，其设计框图如图4.2所示
图4.2 DSP控制处理模块设计框图
视频处理前端用来接收TVP5150发送的数字视频信号，DDR2存储器用来存储程序和数据，EMIF接口电路可以外接NAND Flash用于固化程序和数据，以太网接口电路用于DM6437与外接设备之间的通信，I2C总线对TVP5150内部存器进行初始化设置，JTAG接121电路主要用来连接DSP仿真器，进行程序的载和系统的调试与仿真。芯片DM6437用于控制各个外围功能芯片及完成算法处理。
4.4 信号灯驱动模块设计
LED交通信号灯驱动模块设计以LM3407芯片核心，其输入电压范围4.5V-30V，并且能够提供精准的恒定电流输出，本文所需电压为24V，电流为350mA，以驱动高功率发光二极管(LED)。常用LED交通灯的灯盘内LED数量约在100-200个
之间，本文采用119个LED灯通过串并联结合的方式进行连接。每个LED工作电压为3.3V，工作电流为20mA，结合驱动芯片参数和灯盘的规格，采用并联17组，每组串联7个LED灯的方式，对交通信号灯进行驱动。交通灯连接方式如图4.4所示。
图4.4 LED交通灯连接图
4.5 电源模块设计
整个系统的硬件平台采用+5V外接电压进行供电，但是根据各个模块对电源电压需求各有不同，因此对整个硬件平台的供电设计很重要。DM6437内核使用1.05V1.20V两种工作电压，当其工作频率为600MHz/500MHz/400MH时要求供电电压为1.20V，当工作频率为400MHz时要求供电电压为1.05V。设计中的内核工作频率为600MHz，故而采用1.2V的内核供电电压。而系统中TVP5150视频解码芯片的内核和外接的以太网物理层芯片等均是采用1.5V电源进行供电，其他则供电电压为3.3V。在给系统上电的过程中，首先应当确内核电源先上电。关闭电源的时候，同样先进行内核电源的关闭，然后再关闭I/O电源等。若只对CPU内核进行供电，而对周围I/O没有进行供电，则不会对芯片产生任何损害。假如周围的I/O均获得供电而对CPU内核没有进行供电，导致芯片缓冲/驱动部分的晶体管在未知状态下进行工作，对系统会产生一定的损害。电源模块设计功能框
图如图4.5所示。
图4.5 电源模块功能框图 系统软件设计及调试
5.1 软件总体设计方案
基于机器视觉的智能交通灯控制系统的功能主要通过C语言进行软件编程来实现的，其软件设计部分主要包括视频采集模块软件、DSP控制处理模块软件以及交通灯智能控制软件。其软件总体设计框图如图5.1所示。视频采集模块以TVP5150芯片为核心，接收来自摄像头的视频，进行和亮度等预处理，然后将模拟视频信号转换为数字视频信号，其软件设计主要包括TVP5150芯片的配置、芯片的工作过程；DSP控制处理模块要对车辆视频进行图像处理，计算出精确的车流量，根据模糊控制算法智能控制红绿灯时间。DSP控制处理模块软件设计主要包括模块主要寄存器配置、CACHE大小配置及存储器映射、EMIF接口初始化设计
和DSP代码优化原则；交通灯智能控制软件主要通过交通灯智能控制策略，根据车流量大小，对绿灯时间进行自动控制。
图5.1 软件总体设计框图
5.2 视频采集模块的软件设计
视频采集模块开始工作时，首先读取跳线设置，进行视频捕捉参数的更新，然后建立视频输入通道，同时为将要获取的视频信息分配内存缓冲区，再将获取的每一个视频帧发送给视频解码芯片TVP5150。当TVP5150发送结束信号，表示视频采集过程结束。在本文中，CCD摄像头为PAL制式，输入的宽度是704，输入高度是576，帧速是25帧/秒。所以将JPI设置成PAL制式，输入的视频数据像素为704x 576。设计中将帧间间隔设置为25，故最大的帧速是每秒25帧。其每个像素点的大小是2Bit，因此一帧数据大小为792KB。再进行视频输入通道的创建，创建过程是通过DSP/BIOS系统创建视频前端微型驱动的管道对象，采用
扩展的GIO函数FVID-create()来进行创建。
5.3 系统调试
电源、时钟和复位模块属于整个系统的最小系统部分，是硬件电路的基础，所以首先对其进行调试，以保证其正常工作。电源模块的调试主要通过万用表进行测量，当电源电路上电后，测试其输出端口电压是否符合系统的要求，分别为3.3V、1.8V和1.2V。时钟模块在调试过程中采用逻辑分析仪进行观测输时钟频率，确定其是否满足系统所需时钟频率的要求，视频解码芯片TVP5150所需的时钟输入频率为14.31818MHz，CPU核所需的时钟输入为27MHz。复位模块也采用万用表进行测量，当按下复位键输出为低电平有效，否则输出为高电平。总结
本文根据国内外交通灯控制系统的研究现状，分析研究了目前常用的交通灯控制策略，提出了一种基于机器视觉的智能交通灯控制系统的设计方案，将模糊控制理论引入交通灯控制系统中，提出了智能交通灯控制策略。采用了TI公司推出的TMS320C6000系列中性能较高的TMS320DM6437芯片，结合其它外围电路，设计了智能交通灯控制系统的硬件，并进行了相应的软件设计。最后进行了实验和调试。
基于机器视觉的智能交通灯控制系统涉及的领域很多，技术手段较为复杂。由于作者知识有限以及相关条件的限制，有些方面研究不够深入，还有待于进一步改进与完善。参考文献
【1】刘智勇．智能交通控制理论及其应用【M】．北京：科学出版社，2003．
【2】高海军．城市交通信号控制研究[D】．北京：中国科学院自动化研究所，2005．
【3】陈俊．基于DSP的汽车视觉系统研究【D】．武汉：武汉理工大学，2009．
【4】王史春．基于模糊控制算法实现信号灯智能化研究【J】．电子科技．2009 【5】李玉．交通信号灯的模糊控制[D】．辽宁：辽宁科技大学，2008．
第四篇：人工智能和人类智能 英文演讲稿
Can Artificial intelligence exceed胜过 human intelligence？ 子不语之：
Good afternoon, boys and girls.I feel really honored to stand here and make a speech.First of all, please allow me to introduce myself „„.Today, we will talk about “Can Artificial intelligence exceed human intelligence? Back ground: First, let’s talk about what is AI.AI is a new subject which is developed by computer science, artificial intelligence, control theory, information theory, linguistics语言学, neurology神经学, psychology, mathematics, philosophy哲学人生观 and other disciplines科目.So AI is a comprehensive综合的 subject that has much development space.But why we raise this topic here? Because in recent days, a great chess game had been held on Google between Li Shishi and AlphaGo.The result of the game was 1-4, AlphaGo, which is an artificial intelligence, won the game.This event shocked the world.However, it’s not the first time that the artificial intelligence win the human intelligence.For example, 17 years ago Deep Blue also win the chess game, the movie
Man can create his own rules, but the computer can't do this.SB：The last and most important point is that artificial intelligence has no sense of self.(自我意识)Human has consciousness because of the nature selection.Consciousness make the human being have an advantage which can beat the disaster.If conscious has no sense, why didn’t the nature make humans evolve into automata.For example, one person tries to get rid of the leopard(豹子).He accurately judges the location of the leopard, decorates a clever trap and then hides behind a tree.Finally ,the leopard died in the trap.Consciousness saved his life.And how AI will do? According to advance into the program, the processor sends “avoid detour” instructions, control steering device and a crawler and a series of sports system to accomplish to detour.Here, the effect of algorithm is the “soul” of the robot.All movements of the machine are according to the program.That is all ,thanks for your listening.
第五篇：浅谈人工智能是否会超越人类智能
（学号：）
浅谈人工智能是否会超越人类智能
（计算机与信息工程学院，11计科一班）
最近看了电影《黑客帝国》一系列，对其中的科幻生活有了很大的兴趣，不觉有了疑问：现在的世界是否会如电影中一样呢？人工智能的神话是否会发生在当前社会中的呢？
在黑客帝国的世界里，程序员成为了耶稣，控制着整个世界，黑客帝国之所以成为经典，我认为，不是因为飞来飞去的超级人物，而是因为她暗自揭示了一个人与计算机世界的关系，一个发展趋势。谁知道200年以后会不会是智能机器统治了世界？
人类正向信息化的时代迈进，信息化是当前时代的主旋律。信息抽象结晶为知识，知识构成智能的基础。因此，信息化到知识化再到智能化，必将成为人类社会发展的趋势。人工智能已经并且广泛而有深入的结合到科学技术的各门学科和社会的各个领域中，她的概念，方法和技术正在各行各业广泛渗透。
智能是一个宽泛的概念。智能是人类具有的特征之一。然而，对于什么是人类智能，科学界至今还没有给出令人满意的定义。有人从生物学角度定义为“中枢神经系统的功能”，有人从心理学角度定义为“进行抽象思维的能力”，甚至有人同义反复地把它定义为“获得能力的能力”，或者不求甚解地说它“就是智力测验所测量的那种东西”。这些都不能准确的说明人工智能的确切内涵。
虽然难于下定义，但人工智能的发展已经是当前信息化社会的迫切要求，同时研究人工智能也对探索人类自身智能的奥秘提供有益的帮助。所以每一次人工智能技术的进步都将带动计算机科学的大跨步前进。如果将现有的计算机技术、人工智能技术及自然科学的某些相关领域结合，并有一定的理论实践依据，计算机将拥有一个新的发展方向。
关于人工智能是否会会超越人类智能这一问题，我认为关键在于学习。人类的学习能力是智能行为的一个非常重要的特征，没有学习，就没有人类知识的传承与积累，也就没有人类文明。学习是生物中枢神经系统的高级整合技能之一，是人类获取知识的重要途径和人类智能的重要标志；机器学习则是计算机获取知识的重要途径和人工智能的重要标志，是一门研究怎样用计算机来模拟或实现人类学习活动的学科，它是人工智能的核心，也是使计算机具有智能的根本途径。人类学习的研究与机器学习研究两者是一种相互影响、相互促进的关系，但是至今人们对学习的机理还不太清楚。这是因为长期以来，鉴于人的大脑结构与功能的极度复杂性，探索和揭示大脑的奥秘仅仅是人类一个美好的梦想，这也包括对大脑是如何进行学习的研究。如果我们另辟蹊径，把关于人类学习的研究重点从对大脑的研究转换到“学习”这个概念上，即把“学习”作为研究对象，对其本质从哲学的视野下从认知的角度进行探索，这将对机器学习的发展具有一定的借鉴意义。
在古代，“学”字多用于表达获取知识、提高认识的含义，有时也用“知”字表达；“习”字多用于掌握技能、修炼德行等带有实践意义的行为，有时兼有“行”的意思。孔子在《论语》中说：“学而时习之，不亦说(悦)乎!”“学”是“习”的基础与前提，“习”是“学”的巩固与深化，强调学习过程中的知行统一，以及由此产生的愉悦的情感。由此可知，学习是人类智能的根本特征，但究竟什么是学习目前还没有一个统一的定义，这是因为“学习”这一概念非常复杂，包括很多方面的内容，几乎涉及各个领域。因此不同的学派对学习的解释也有所不同。在教育学领域中，学习一般被认为是人类个体在认识与实践过程中获取经验和知识，掌握客观规律，使身心获得发展的社会活动。这种观点把学习当作一种社会活动来进行考察，因此这种观点认为学习的本质就是人类个体的自我意识与自我超越。而在心理学领域内关于学习的定义是：学习是指人和动物因经验而引起的倾向或能力相对持久的变化过程，这些变化不是因成熟、疾病或药物引起的，而且也不一定表现出外显的行为。这种观点的侧重点是考察学习的心理机制，而且很明显，心理学中的学习的概念更为客观，认为学习的本质只是产生了变化，但并不考虑这种变化的方向。著名的人工智能专家西蒙(Simon)给出的学习概念更接近我们常识中的“学习”，他认为：学习是系统内部的适应性变化，使系统在以后从事同一任务或同一问题范围中类似的任务时，效率更高。与此类似的是，明斯基也简单地把学习定义为：“学习”是我们心智内部有用的变化。除了上面给出的学习的定义，还有许多与此不同或类似的定义，不过大致可以归结如下：学习就是获得明确的知识，是系统自身性能的改进，或称为效率的提高。而且人的学习不仅仅是获取知识和技能，也不仅仅是导致行为的改变，还应当包括在知识经验的基础上，养成良好的行为习惯，以形成高尚的道德品质和充分发挥自身的潜能和价值。学习是有目的的行为，这个目的就是要解决问题，即发现新的知识。
人工智能专家温斯顿对学习的概念及本质进行了专门探索，在《人工智能》一书中，他将学习分成四类：(1)根据被编制的程序而学习；(2)根据指示进行学习；(3)根据观察样品而学习；(4)根据发现而学习。他认为学习是一个包括各类学习的嵌套式的层次结构系统。学习形式每上升一类都在已有的简单学习类型的机制上再加上一些东西。正是温斯顿的这种系统划分，使我们对学习的本质进行研究和解读有了根据和层次，同时也使得人类的学习有了被计算机模拟和实现的可能性。下面本文试图从哲学视野对学习的本质进行解读。
本质是一事物区别于其他事物的质的规定性，因此对人类的学习进行研究，首先就要确定学习的本质。从本质上说，人类学习是学习者在本人遗传素质的基础上，利用自然界、人类社会创造的文明信息载体(语言、书刊、人类创造的事物等)以及人类文明信息的传播者(家庭成员、教师和其他社会成员等)，通过刺激反应、探索尝试、反复实践和继承创造等多种途径，将外部信息转化为学习者智慧和品德，使学习者的知识、智力、能力和心理品质结构系统由建立、发展、完善到优化，以达到认识和改造主客观世界为目的的终生行为变化的过程。
也就是说，人类的学习是一个积极主动的建构过程，学习者不是被动地接受外在信息，而是根据先前认知结构主动地有选择性地感知外在信息，建构当前事物的意义。这一学习的本质要点在于：(1)学习是人类所特有的个体化、社会性的活动；(2)学习的对象是一切人类知识及创造的文明；(3)学习的机制是将外部信息不断转化为学习者的内在智慧；(4)学习的结果是学习者学习系统的完善和优化；(5)学习的目的是认识和改造主客观世界。综上所述，本文将人类学习的本质抽象概括为“互动——建构——评价式”模型。这一模型也可以说是将行为主义学习理论、认知主义学习理论、建构主义学习理论以及人本主义学习理论相结合的模型，同时也是本文所研究的机器学习借鉴人类学习的一个范式。
“互动——建构——评价式”模型不是一种具体的形式，而是基于“互动”、“建构”以及“评价”这三个核心理念，糅合了学习的主体性和行为主义学习理论、建构主义学习理论等，联系学习的实际情况而提出来的通用的学习本质的模式。
当学习者的认知结构中不具备相关的概念时，学习者可能将外来的新知识生硬地、肤浅地搬到自己的认知结构中去，成为机械学习。而学习本质的关键，就是在新知识与已有的概念之间建立起一座认知的桥梁。如果新知识带来了比原有的概念更为深入的一层关系，在认知结构中内化出的概念因此具有新的含义，这时就产生了深化学习。当学习深化到一定程度的时候，学习主体突然会发现表面上互不相同甚至是矛盾的概念之间的内在联系，将它们连接起来，实现知识的系统化和网络化，这一过程称为整合。“互动——建构——评价式”模型的重要理念就在于向学习主体提供能够促进其实现知识整合的内容，并引导主体通过类比和分析去建立起知识之间的联系。
“互动——建构——评价式”学习模型首先强调每一学习阶段都要有明确的学习目标。在制定目标的过程中应注意：(1)目标的规定应具体、简明、易懂；(2)预定的目标要符合当前学习主体的水平与实际，要针对存在的现实问题；(3)目标应前后连贯，逻辑合理、深浅有序、循序渐进，对学习者的学习起导向作用；(4)预定的目标可作为评价的依据。制定目标的目的是在于给学习主体正确的导向，定好目标并不是“目标”这一环节的终结，而是引导学习主题明确目标、主动向目标迈进的起点。对“互动——建构——评价式”模型来说，更重要的是“建构”环节，即让学习主体如何沿正确的方向一步一步地解决问题。为此，“互动——建构——评价式”模型强调要从学习主体已有的知识出发，真正领会到学习的目标所在，再进一步做深入的探讨与评价。
“互动——建构——评价式”学习模型的一般概念是，认为学习主体知识的形成过程，既不是接收式的，也不是单纯的发现式的，而是通过外界环境中有意义的信息与学习主体原有的知识和思维方式的相互作用，产生新知识。这也正体现了人类学习概念的核心内涵。
学习能力是智能行为的一个非常重要的特征，人在一生中都在不断地积累知识。但是我们不得不面对的事实是，如果我们的生命一旦结束，这些知识也就和生命一起消失了，因为人类的学习过程受到生命年限的限制。随着计算机及人工智能科学的进一步发展，人们越来越意识到，如果机器能够成功地实现人类的学习过程，那么就可以把学习不断地延续下去，这样就避免了大量的重复学习，使知识积累达到了一个新的高度。因此，从人类的学习本质到机器学习的实现，是科学技术的发展，也是社会的进步及下一步的进化方向。
机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，方式上主要使用归纳、综合而不是演绎。机器学习在人工智能的研究中具有十分重要的地位，一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但以往的智能系统都普遍缺少学习的能力。对机器学习的讨论和机器学习研究的进展必将促使人工智能和整个科学技术，特别是人类社会的进一步发展，这就是对从学习的本质到机器学习进行哲学探索的意义所在。
另外，如果我们将机器学习与人类学习相比较，机器学习的实现还具有一定的难度，而且机器学习还有一些自身难以克服的问题。首先就是机器学习的后果难预测。在前面提到过，机器一旦具有了学习的功能，那么也许有一天连设计者本人都不知道机器进化到了何种程度，也就是说，机器学习后知识库发生了什么变化都很难预测。这是因为目前的大多数专家系统都是脱离环境的学习，即将人类专家准备好的知识，以某种方式传授给机器。但是如果将机器学习的目的扩展到从环境中、从工作中、从人机交互中自动提取、更新知识，那么学习产生的效果就更加不可预测。人类制造机器学习的重要目的是为我所用，如果机器超出了人类的控制与预测，却并不是人类制造它们的初衷。其次，机器学习作为人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，但是这种学习应用的方式主要是使用归纳、综合而不是演绎。然而归纳本身就存在着一定的缺陷，现有的归纳推理只保证假，不保证真。而且，归纳的结论是无限多的，其中相当多是假的，给生成的知识带来不可靠性。这与演绎的方法不同，演绎推理是从多数现象中总结出结论，即从一般的现象推导出总结性的结论。就人类的学习而言，确是演绎与归纳两种方法并用的，因为这两种方法并不矛盾，相反却是互相促进的。机器学习由于自身的局限性，主要采用归纳与综合，但是归纳的结论有可能是假的，其推理过程中又要使用很多假设和约定，这些都说明机器学习中依然存在着不可靠性。最后，相对与人类学习的目标明确性，机器学习目前却很难判断什么重要、什么有意义、应该学习什么。这也就决定了机器学习的应用只是专家系统的部分应用，还无法完全从环境中获得和提取知识，实现完全的自动学习。
因此，我们在研究人类学习与机器学习时要特别注意两者之间的特点与差异。机器学习的研究目的是使机器具有学习能力，但是机器具有智能和机器能够思维毕竟是两个概念，虽然让机器具有思维是人工智能学者们研究的最终目的。思维能把系统的行为高度限定在任务目标中，并能从环境中提取线索，以便指示过程沿着目标前进，它将知识转化为方法，去处理、控制、变革变化着的对象。这一点起码目前机器学习是无法做到的，而这却是人类学习的必然过程。从两者的结构分析，机器结构的分离性与人脑结构分离性的不同之处在于，机器智能不在于离散处理信息的方式，而在于机器只“理解”信息的形式，而人却能够理解信息的内容。现代思维科学的研究指出，我们不仅要肯定多种思维形式的存在，而且还要认定多种思维形式的结合，乃是人类的最佳思维方式。所以从功能主义的角度上讲，即使机器学习“功能实现”了人类的学习，但两者之间的差异还是难以弥补的，因此严格的说法应该是：机器学习只是模拟和实现人类的部分学习功能，这就是从人类学习到机器学习的本质差异。因此，我不认为人工智能会超越人类智能。
点击咨询 