[发明专利]一种基于深度学习的行人精细化识别方法及装置

权利要求书

1.一种基于深度学习的行人精细化识别方法，其特征在于，包括以下步骤：

采集历史的行人图像数据构建行人图像数据库，并利用行人图像数据库制作包含行人特征的训练数据集，将训练数据集输入到SSD网络进行训练；

根据SSD网络的训练结果构建行人精细化图像数据库，并利用行人精细化图像数据库制作包含行人各个部位特征的训练数据集，将训练数据集输入到卷积神经网络进行训练；根据SSD网络的训练结果构建行人精细化图像数据库的具体步骤为：根据SSD网络的训练结果得到行人图像数据库中的行人图像，根据行人各个部位特征对行人图像进行切分，并按照行人的不同部位对切分好的行人图像进行分类，得到行人精细化图像数据库；

利用训练好的SSD网络提取来自流媒体服务器的实时视频流中的行人特征，根据SSD网络提取到的行人特征，利用训练好的卷积神经网络提取行人各个部位的特征；

利用SVM分类器将提取到的行人各个部位的特征与行人精细化图像数据库的每个行人相应部位的特征进行匹配，并将匹配结果进行组合，得到行人精细化识别结果。

2.如权利要求1所述的基于深度学习的行人精细化识别方法，其特征在于，提取行人特征、行人各个部位的特征以及进行特征匹配，具体包括以下步骤：

采集来自流媒体服务器的实时视频流，将实时视频流解析为帧图像，并通过分布式实时处理框架Storm的数据采集接口，将帧图像输入到分布式实时处理框架Storm的消息源；

在分布式实时处理框架Storm上，利用设有SSD网络的消息处理组件提取数据源中的行人特征，根据提取到的行人特征，再利用设有卷积神经网络的消息处理组件提取行人各个部位的特征；

最后通过设有SVM分类器的消息处理组件将提取到的行人各个部位的特征与行人精细化图像数据库的每个行人相应部位的特征进行匹配。

3.如权利要求1所述的基于深度学习的行人精细化识别方法，其特征在于，将训练数据集输入到SSD网络进行训练，具体包括以下步骤：

所述SSD网络首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到得到的参数使得训练后的所述SSD网络以预设的处理速度达到预设的识别准确率。

4.如权利要求1所述的基于深度学习的行人精细化识别方法，其特征在于，将训练数据集输入到卷积神经网络进行训练，具体包括以下步骤：

将所述行人精细化图像数据库中不同种类的行人图像输入到对应的所述卷积神经网络中，所述卷积神经网络首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到得到的参数使得训练后的所述卷积神经网络以预设的处理速度达到预设的识别准确率。

5.如权利要求3或4所述的基于深度学习的行人精细化识别方法，其特征在于，预设的处理速度为每秒25帧，预设的识别准确率为90％。

6.如权利要求1所述的基于深度学习的行人精细化识别方法，其特征在于，所述卷积神经网络包括三层卷积层、三层池化层、三层全连接层以及位于最后的softmax回归分类器层。