[發明專利]基于生物大腦認知和抉擇機理的運動物體識別方法及系統

有效

• 申請號: 201810955609.2
• 申請日: 2018-08-21
• 公開（公告）號: CN109190692B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 弭元元;林小涵;吳思
• 申請（專利權）人: 北京師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 北京汲智翼成知識產權代理事務所(普通合伙) 11381
• 代理人: 陳曦;陳麗

1.一種基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于包括如下步驟：

S11，通過對各類運動物體進行分析，得到庫網絡模塊到抉擇模塊的連接權重；所述抉擇模塊根據連接權重對輸入信號進行證據強度的累積，并作出類別判斷；

S12，將所述運動物體的視頻按單幀輸入到所述庫網絡模塊中，將低維的輸入信號投影至高維的庫網絡活動空間，獲得任意時刻庫網絡活動的向量；

S13，通過所述任意時刻庫網絡活動的向量以及庫網絡模塊到抉擇模塊的連接權重，得到所述運動物體所屬各個類別的證據強度；

S14，將所述運動物體所屬各個類別的證據強度輸入所述抉擇模塊，所述抉擇模塊的各個抉擇神經元根據輸入的所述各個類別的證據強度進行積累，重復步驟S12～S13，當視頻輸入完成后，選擇累積的證據強度超過抉擇閾值的抉擇神經元，

其中，所述得到庫網絡模塊到抉擇模塊的連接權重，包括如下步驟：

S111，獲取所述庫網絡模塊當前輸入對應的對外輸出的目標函數；

S112，對于第i個所述抉擇神經元，獲得任一時刻所述庫網絡模塊對外輸出的實際函數；所述輸出的實際函數用所述庫網絡模塊的狀態及其到所述抉擇模塊的連接權重表示；

S113，以所述第i個抉擇神經元的輸出的實際函數和所述第i個抉擇神經元的目標函數的差值最小為目標，通過遞歸最小二乘法得到當前時刻所述庫網絡模塊到所述第i個抉擇模塊的連接權重，i＝1,2,……N；

S114，采用不同類別的運動物體作為輸入，重復步驟S112～S114，直至得到所述庫網絡模塊到所述抉擇模塊的每個所述抉擇神經元的連接權重，即得到所述庫網絡模塊到所述抉擇模塊的連接權重。

2.如權利要求1所述的基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于步驟S12包括如下步驟：獲取運動物體的視頻，以幀為單位逐一輸入到所述庫網絡模塊中；將單幀輸入信號投影至高維的所述庫網絡活動空間，獲得輸入信號對應的所述任意時刻庫網絡活動的向量。

3.如權利要求2所述的基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于：獲得輸入信號對應的所述任意時刻庫網絡活動的向量x_t，采用如下公式：其中，是表示前饋輸入和互饋輸入W_rX_t-1的相互關系函數；為t時刻的輸入；W_in為輸入的權重矩陣；W_r為庫網絡模塊中神經元的連接權重。

4.如權利要求1所述的基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于：

所述庫網絡模塊通過一個或多個庫網絡組成。

5.如權利要求4所述的基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于：

當采用多個庫網絡時，將所述庫網絡堆疊在一起；處在第一層的所述庫網絡接收輸入，處在中間的所述庫網絡只接收上一層的所述庫網絡輸入，并輸出給下一層所述庫網絡；所有層的所述庫網絡都輸出給所述抉擇模塊。

6.如權利要求1所述的基于生物大腦認知和抉擇機理的運動物體識別方法，其特征在于步驟S14包括如下步驟：

S141，所述抉擇模塊接收所述運動物體所屬各個類別的證據強度，當接收到所述第i個抉擇神經元代表的類別的證據時，對所述第i個抉擇神經元進行正反饋，對其余N-1個所述抉擇神經元進行側抑制；其中，N為所述抉擇模塊中抉擇神經元的個數；

S142，當視頻輸入完成后，判斷所述抉擇模塊中所有所述抉擇神經元積累的證據強度，當存在所述抉擇神經元積累的證據大于所述抉擇閾值，積累的證據強度大于所述抉擇閾值的抉擇神經元代表的種類即為運動物體所屬的種類；否則，運動物體識別不成功。