[发明专利]基于深度学习的信息识别方法及相关设备

权利要求书

1.一种基于深度学习的信息识别方法，其特征在于，包括：

接收客户端上传的待认证信息，从所述待认证信息中抽取出所述客户端上传所述待认证信息时的地理位置，根据所述地理位置从数据库中抽取出对应的背景图像；

获取数个不同工作场景的样本场景图像，将所述样本场景图像入参到卷积神经网络模型中进行训练后得到场景分类模型；

接收客户端上传的实时场景图像，将所述实时场景图像作为待分类样本入参到所述场景分类模型中进行分类后得到所述场景图像类别信息；

根据所述场景图像类别信息，提取所述场景图像中的场景特征；

提取所述背景图像的图像特征点，将所述图像特征点与所述场景特征进行比较，若一致，则赋予所述客户端以权限，否则不赋予；

其中，所述将所述样本场景图像入参到卷积神经网络模型中进行训练后得到场景分类模型，包括：

连接所述卷积神经网络模型中的卷积层，根据所述卷积层的数量，确定各所述卷积层之间的距离和输入到所述卷积神经网络各卷积层的场景图像的数量；

其中，所述场景图像的数量计算公式如下：

式子中，S_L表示输入到第L卷积层的场景图像数，G表示卷积层之间的梯度，l表示向第L卷积层输入的带有所述场景图像的卷积层个数，ΔL表示第一卷积层与最后一层卷积层之间的距离，h表示相邻两个卷积层之前的距离，S表示第一卷积层输入的场景图像数，S₀表示相邻两个卷积层之间传递的场景图像数；

根据所述卷积层之间的梯度，确定级联的卷积层位置；

以所述场景图像数作为卷积层级联的数量，根据所述级联的卷积层位置连接所述卷积层后，得到所述场景分类模型。

2.根据权利要求1所述的基于深度学习的信息识别的方法，其特征在于，所述接收客户端上传的待认证信息之后，所述方法还包括：

获取预设的分类规则，根据预设的分类规则将所述客户端上传的待认证信息分类成数个子信息；

提取各所述子信息的信息特征，得到所述地理位置。

3.根据权利要求1述的基于深度学习的信息识别的方法，其特征在于，所述接收客户端上传的实时场景图像，将所述实时场景图像作为待分类样本入参到所述场景分类模型中进行分类后得到所述场景图像类别信息，包括：

接收客户端上传的实时场景图像，将所述场景图像分割成数个场景图像子块，将所述场景图像子块分为二组，第一组为测试组，第二组为验证组；

将所述测试组入参到所述场景分类模型中进行投票分类，得到测试组分类结果；

将所述验证组入参到所述场景分类模型中进行投票分类，得到验证组分类结果；

比较所述测试组分类结果和所述验证组分类结果，若两个分类结果一致，则根据分类结果得到所述场景图像中各场景元素的场景图像类别信息；否则重新投票直到两个分类结果一致。

4.根据权利要求1所述的基于深度学习的信息识别的方法，其特征在于，所述接收客户端上传的实时场景图像之后，所述方法还包括：

将所述实时场景图像分割成数个图像子块；

获取所述图像子块的像素值，根据所述像素值将所述图像子块归类为人物图像或背景图像；

若所述图像子块为人物图像，则应用光流法对人物图像是否为真实人脸图像进行识别；

若所述图像子块为背景图像，则获取所述背景图像的图像参数，根据所述图像参数将所述背景图像进行分类；

汇总人脸图像识别结果和背景图像分类结果得到初始分类结果，以所述初始分类结果作为所述待分类样本。