[发明专利]一种基于神经网络和视觉分析的图像识别方法

权利要求书

1.一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述方法包括：

采集训练样本图像和类别，并将所述训练样本图像按照类别顺序建立训练样本集；

根据所述训练样本集生成图像集数；

基于所述图像集数，使用深度神经网络或HOG+SVM算法对所述训练样本集进行训练，得到训练器模型；

获取待识别图像，利用所述训练器模型处理所述待识别图像后得到训练后的图像，通过视觉分析对所述训练后的图像进行识别。

2.根据权利要求1所述的一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述基于所述图像集数，使用深度神经网络对所述训练样本集进行训练，得到训练器模型，包括：

设定预先建立的深度神经网络参数的初始值，所述深度神经网络包括输入层、中间变量层和输出层，所述中间变量层的节点包括各个输出神经元节点的兴奋型变量节点和抑制型变量节点，所述中间变量层的各节点分别与所述输入层的每个输入神经元节点通过可变权值连接，所述可变权值包括可变的长期权值和短期权值，所述输出层的每个输出神经元节点分别与所述中间变量层中对应的兴奋型变量节点和抑制型变量节点相连接；

根据所述图像集数对所述神经网络进行训练，直到各个神经元的可变权值的变动在预设允许范围内结束训练。

3.根据权利要求2所述的一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述参数包括用于调节长期权值和短期权值对输出神经元的影响比例的变量σ、隐藏变量的变化步长δ、权值的变化步长ρ、神经元非线性函数的变化曲率a、偏移量s和随训练次数变化的变量b。

4.根据权利要求1所述的一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述通过视觉分析对所述训练后的图像进行识别，包括：

对所述训练后的图像进行图像预处理得到预处理后的图像，所述图像预处理包括图像转换、图像增强、滤波和水平矫正；

对所述预处理后的图像进行图像分析得到分析后的图像，所述图像分析包括：图像分割、目标定位、目标跟踪和特征提取；

对所述分析后的图像进行图像理解识别目标。

5.根据权利要求4所述的一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述滤波方式为高斯滤波，所述滤波包括：

采用以下高斯混合模型公式对所述处理后的图像进行背景建模：

其中，P(X_t)为t时刻被观测像素值X出现的概率，K为混合系数，ω_i,t为t时刻第i个高斯分量的权重，η(X_t,μ_i,t,∑_i,t)为第i个均值为μ_i,t，协方差为∑_i,t的高斯分量的概率密度函数。

6.根据权利要求4所述的一种基于神经网络和视觉分析的图像识别方法，其特征在于，所述图像分割方法包括阈值分割方法、边缘检测方法、区域提取方法、灰度图像分割方法、彩色图像分割方法、文理图像分割方法、直方图分割方法和小波变换分割方法。