[發明專利]一種基于神經網絡和視覺分析的圖像識別方法

在審

• 申請號: 202010330864.5
• 申請日: 2020-04-24
• 公開（公告）號: CN111523598A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 吳浩然;徐其山;蘇濤;蔡衛鋒;張楠;王紅
• 申請（專利權）人: 國網河南省電力公司商丘供電公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 石家莊德皓專利代理事務所(普通合伙) 13129
• 代理人: 劉磊娜

1.一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述方法包括：

采集訓練樣本圖像和類別，并將所述訓練樣本圖像按照類別順序建立訓練樣本集；

根據所述訓練樣本集生成圖像集數；

基于所述圖像集數，使用深度神經網絡或HOG+SVM算法對所述訓練樣本集進行訓練，得到訓練器模型；

獲取待識別圖像，利用所述訓練器模型處理所述待識別圖像后得到訓練后的圖像，通過視覺分析對所述訓練后的圖像進行識別。

2.根據權利要求1所述的一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述基于所述圖像集數，使用深度神經網絡對所述訓練樣本集進行訓練，得到訓練器模型，包括：

設定預先建立的深度神經網絡參數的初始值，所述深度神經網絡包括輸入層、中間變量層和輸出層，所述中間變量層的節點包括各個輸出神經元節點的興奮型變量節點和抑制型變量節點，所述中間變量層的各節點分別與所述輸入層的每個輸入神經元節點通過可變權值連接，所述可變權值包括可變的長期權值和短期權值，所述輸出層的每個輸出神經元節點分別與所述中間變量層中對應的興奮型變量節點和抑制型變量節點相連接；

根據所述圖像集數對所述神經網絡進行訓練，直到各個神經元的可變權值的變動在預設允許范圍內結束訓練。

3.根據權利要求2所述的一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述參數包括用于調節長期權值和短期權值對輸出神經元的影響比例的變量σ、隱藏變量的變化步長δ、權值的變化步長ρ、神經元非線性函數的變化曲率a、偏移量s和隨訓練次數變化的變量b。

4.根據權利要求1所述的一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述通過視覺分析對所述訓練后的圖像進行識別，包括：

對所述訓練后的圖像進行圖像預處理得到預處理后的圖像，所述圖像預處理包括圖像轉換、圖像增強、濾波和水平矯正；

對所述預處理后的圖像進行圖像分析得到分析后的圖像，所述圖像分析包括：圖像分割、目標定位、目標跟蹤和特征提取；

對所述分析后的圖像進行圖像理解識別目標。

5.根據權利要求4所述的一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述濾波方式為高斯濾波，所述濾波包括：

采用以下高斯混合模型公式對所述處理后的圖像進行背景建模：

其中，P(X_t)為t時刻被觀測像素值X出現的概率，K為混合系數，ω_i,t為t時刻第i個高斯分量的權重，η(X_t,μ_i,t,∑_i,t)為第i個均值為μ_i,t，協方差為∑_i,t的高斯分量的概率密度函數。

6.根據權利要求4所述的一種基于神經網絡和視覺分析的圖像識別方法，其特征在于，所述圖像分割方法包括閾值分割方法、邊緣檢測方法、區域提取方法、灰度圖像分割方法、彩色圖像分割方法、文理圖像分割方法、直方圖分割方法和小波變換分割方法。