[发明专利]一种基于卷积神经网络的目标识别方法及系统

权利要求书

1.一种基于卷积神经网络的目标识别方法，其特征在于，包括：

S00，根据预处理后的红外线图像、预处理后的可见光图像和预处理后的红外线与可见光融合图像，获取训练样本集和测试样本集，红外线图像、可见光源图像和红外线与可见光融合图像经过预处理和加标签后一起加入图片样本库中，保证每个目标物体的训练样本集不少于200张图像，测试样本集不少于50张图像；

S01，通过训练样本集对初始卷积神经网络进行多次训练，获取多个训练后的卷积神经网络；

S02，通过测试样本集，对多个训练后的卷积神经网络进行测试，获取训练后的最优卷积神经网络；

S1，获取待测目标的红外线图像、所述待测目标的可见光图像和所述待测目标的红外线与可见光融合图像；

S2，通过训练后的最优卷积神经网络，根据以下三种图像中的一种或多种识别所述待测目标，所述以下三种包括所述红外线图像、所述可见光图像和所述红外线与可见光融合图像。

2.根据权利要求1所述方法，其特征在于，步骤S1中，所述待测目标的红外线与可见光融合图像通过如下方式获得：

对所述红外线图像和所述可见光图像进行配准和非下采样Contourlet变换，得到所述待测目标的红外线与可见光融合图像。

3.根据权利要求2所述方法，其特征在于，所述对所述红外线图像和所述可见光图像进行配准和非下采样Contourlet变换，得到所述待测目标的红外线与可见光融合图像，具体包括：

对所述红外线图像和所述可见光图像进行配准和非下采样Contourlet变换，得到低频子带图像和高频子带图像；

对所述低频子带图像和所述高频子带图像进行图像融合；

对所述红外线图像的低频高频融合系数和所述可见光图像的低频高频融合系数进行Contourlet逆变换，得到所述待测目标的红外线与可见光融合图像。

4.根据权利要求1所述方法，其特征在于，步骤S00之前还包括：

对所述红外线图像、所述可见光图像和所述所述红外线与可见光融合图像进行预处理，所述预处理包括归一化、滤波去噪和图像增强。

5.一种基于卷积神经网络的目标识别系统，其特征在于，包括：

融合模块，用于获取待测目标的红外线图像、所述待测目标的可见光图像和所述待测目标的红外线与可见光融合图像；

识别模块，用于通过训练后的最优卷积神经网络，根据以下三种图像中的一种或多种识别所述待测目标，所述以下三种包括所述红外线图像、所述可见光图像和所述红外线与可见光融合图像，其中，训练后的最优卷积神经网络通过如下方法获得：

根据预处理后的红外线图像、预处理后的可见光图像和预处理后的红外线与可见光融合图像，获取训练样本集和测试样本集，红外线图像、可见光源图像和红外线与可见光融合图像经过预处理和加标签后一起加入图片样本库中，保证每个目标物体的训练样本集不少于200张图像，测试样本集不少于50张图像；

通过训练样本集对初始卷积神经网络进行多次训练，获取多个训练后的卷积神经网络；

通过测试样本集，对多个训练后的卷积神经网络进行测试，获取训练后的最优卷积神经网络。

6.一种基于卷积神经网络的目标识别设备，其特征在于，包括：

至少一个处理器、至少一个存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-4中任一项所述的方法。

7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使计算机执行如权利要求1至4任一所述的方法。