[發明專利]人體紅外圖像識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110902207.8
• 申請日: 2021-08-06
• 公開（公告）號: CN113610153A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 李驥;張會強;張波;歐建平;王威;周俊潔;劉敏
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 徐志宏

1.一種人體紅外圖像識別方法，其特征在于，所述方法包括：

獲取人體紅外圖像，并對所述人體紅外圖像進行預處理，得到訓練樣本；

構建人體紅外圖像識別網絡，所述人體紅外圖像識別網絡包括輸入網絡、特征提取網絡和輸出網絡；所述輸入網絡對所述訓練樣本進行卷積和池化處理，得到輸入特征圖；所述特征提取網絡通過對所述輸入特征圖采用卷積網絡進行特征提取，并對得到的特征圖在通道維度上將圖像分為若干個子區域，進行分布式通道注意力提取，突出各個子區域正確的語義特征，抑制無關的語義特征，得到分布式通道特征圖；所述輸出網絡對分布式通道特征圖進行分類，得到人體紅外圖像的類別；

根據訓練樣本對所述人體紅外圖像識別網絡進行訓練，得到訓練好的人體紅外圖像識別模型；

獲取待測人體紅外圖像，并對所述待測人體紅外圖像進行預處理，將得到的結果輸入到所述人體紅外圖像識別模型中，得到人體紅外圖像的類別。

2.根據權利要求1所述的方法，其特征在于，根據訓練樣本對所述人體紅外圖像識別網絡進行訓練，得到訓練好的人體紅外圖像識別模型，包括：

將所述訓練樣本輸入到所述輸入網絡中，得到輸入特征圖；

將所述輸入特征圖輸入到所述特征提取網絡中，得到分布式通道特征圖；

將所述分布式通道特征圖輸入到所述輸出網絡中，得到人體紅外圖像的分類預測結果；并根據所述分類預測結果和所述訓練樣本進行反向訓練，得到人體紅外圖像識別模型。

3.根據權利要求2所述的方法，其特征在于，所述特征提取網絡包括：第一卷積特征提取子網、第二卷積特征提取子網、第三卷積特征提取子網、第四卷積特征提取子網以及3個分布式通道注意力特征提取模塊；

將所述輸入特征圖輸入到所述特征提取網絡中，得到分布式通道特征圖，包括：

將所述輸入特征圖輸入到第一卷積特征提取子網中，得到第一特征圖；

將所述第一特征圖輸入到第一個所述分布式通道注意力特征提取模塊中，得到第一分布式通道特征圖；

將所述第一分布式通道特征圖輸入到第二卷積特征提取子網中，得到第二特征圖；

將所述第二特征圖輸入到第二個所述分布式通道注意力特征提取模塊中，得到第二分布式通道特征圖；

將所述第二分布式通道特征圖輸入到第三卷積特征提取子網中，得到第三特征圖；

將所述第三特征圖輸入到第三個所述分布式通道注意力特征提取模塊中，得到第三分布式通道特征圖；

將所述第三分布式通道特征圖輸入到第四卷積特征提取子網中，得到分布式通道特征圖。

4.根據權利要求3所述的方法，其特征在于，所述第四卷積特征提取子網包括a個卷積網絡模塊，第二卷積特征提取子網包括b個卷積網絡模塊，第三卷積特征提取子網包括c個卷積網絡模塊，第四卷積特征提取子網包括d個卷積網絡模塊，其中a、b、c、d為大于0的整數，并且a＜b＜c、d＜c；

所述卷積網絡模塊包括：第一卷積層、第二卷積層以及第三卷積層；所述第一卷積層的卷積核為卷積核1×1、第二卷積層的卷積核為卷積核3×3、第三卷積層的卷積核為卷積核1×1。

5.根據權利要求1所述的方法，其特征在于，分布式通道注意力特征提取模塊包括n條通道特征提取支路，其中n為2的冪次方，冪次為大于等于1的整數；

將所述第一特征圖輸入到第一個所述分布式通道注意力特征提取模塊中，得到第一分布式通道特征圖，包括：

將所述第一特征圖輸入到所述第一個分布式通道注意力特征提取模塊中，對所述第一特征圖在通道上進行平均分組，得到n個子特征圖；

將每個所述子特征圖輸入到對應的所述通道特征提取支路中，對所述子特征圖進行平均值池化在空間維度上進行壓縮，得到n個通道的權重系數；

對n個通道的權重系數采用sigmoid進行激活，并將得到的結果與所述子特征圖相乘，得到n個子通道權重特征圖；

將n個所述子通道權重特征圖在通道的維度上進行拼接，得到全局語義特征信息；

將所述全局語義特征信息與所述第一特征圖相加，得到第一分布式通道特征圖。