[发明专利]一种基于多层卷积神经网络的人体左/右眼图像判断方法

权利要求书

1.一种基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，该方法包括：

(1)建立基于多层卷积神经网络的检测器，输入人体左/右眼图像进行训练获得满足神经网络目标函数的检测器；

(2)对待判断的人眼图像进行预处理后输入(1)步的检测器中；

(3)检测器通过计算获得该人眼图像分别是左眼概率及右眼概率，选择概率大的结果作为最终判断结果。

2.根据权利要求1所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，步骤(1)中用于训练检测器的左/右眼图像在输入前需要经过预处理步骤，其图像预处理包括图像灰度化，图像金字塔缩放、图像亮度调整(增加或缩小)、图像添加噪声、图像模糊化，图像尺寸调整以及图像归一化操作。

3.根据权利要求2所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，图像尺寸调整的最终大小为48*48，这里指横向、纵向的像素点数。

4.根据权利要求1所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，步骤(1)建立的基于多层卷积神经网络的检测器构成为：由4层卷积核及3次maxpooling转换后再通过全链接操作转换为全链接层，该全链接层再次通过全链接操作的神经网络结构。

5.根据权利要求4所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，基于多层卷积神经网络的检测器的神经网络具体为：输入48×48大小的图像通过16个3×3卷积核和3×3，stride＝2的max pooling后转换为16个23×23特征图；再通过32个3×3卷积核和3×3，stride＝2的max pooling后转换为32个10×10特征图；再通过32个3×3卷积核和3×3，stride＝2的max pooling后转换为32个4×4特征图；最后经过64个2×2的卷积核转换为64个3×3特征图；得到的64个3×3特征图通过全链接操作转换为64大小的全链接层，该全链接层经过全链接操作生成大小为2的左、右眼分类特征，即左、右眼图像几率。

6.根据权利要求1、4或5所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，基于多层卷积神经网络的检测器的神经网络的目标函数为：min∑_iL(y_i,f(x_i；ω))+λΩ(ω)，其中，x_i为输入图像；y_i为图像的类型标签，即左或右；ω为神经网络的参数；L(y_i,f(x_i；ω))为损失函数；f(x_i；ω)为检测器预测函数，其中Ω(ω)作为L2正则函数。λ作为超参数通常设置为接近0的值数。

7.根据权利要求6所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，损失函数L为交叉熵形式，具体为：这里的y是图像的类型标签，是通过预测函数得到的概率预测值。

8.根据权利要求1所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，步骤(1)中用于训练的人体左/右眼图像是包括有完整的上、下眼皮以及眼角图像。

9.根据权利要求1所述的基于多层卷积神经网络的人体左/右眼图像判断方法，其特征在于，步骤(2)中的人眼图像预处理是将图像尺寸调整为48*48的图像。