[发明专利]基于卷积神经网络的监控视频中人车目标分类方法

权利要求书

1.基于卷积神经网络的监控视频中人车目标分类方法，其特征在于，包括：

S1：获取多角度性的样本集，并将样本集划分为训练样本集、验证样本集和测试样本集；

S2：建立卷积神经网络；

S3：将训练样本集中的样本图片先减去每个像素点对应的均值，然后作为训练数据输入该卷积神经网络，进行有监督的学习，得到训练后的卷积神经网络的各层的参数；

S4：利用训练后的卷积神经网络的各层的参数，初始化与步骤S2中所述卷积神经网络结构相同的卷积神经网络，得到具有监控视频中人车目标分类功能的图像识别网络。

2.根据权利要求1所述的基于卷积神经网络的监控视频中人车目标分类方法，其特征在于，所述步骤S1中，所述多角度性的样本集的获取方法是：

采集大量的监控视频中的人、车、非人非车的图片，将所有图片缩放到同等像素大小的图片，在所有图片中添加用于区别人、车、非人非车图片的标签，对所有图片进行镜像、旋转处理。

3.根据权利要求2所述的基于卷积神经网络的监控视频中人车目标分类方法，其特征在于，所述步骤S2中的卷积神经网络包括两个卷积层、两个下采样层，一个全连接层，及softmax分类器，第一卷积层滤波器的大小为5×5像素，特征图为6个，第一下采样层滤波器的大小为2×2像素，特征图为6个，第二卷积层滤波器的大小为5×5像素，特征图为16个，第二下采样层滤波器的大小为2×2像素，特征图为16个，全连接层的特征图为120个，softmax分类器输出三种类型的目标：人、车、其他。

4.根据权利要求2所述的基于卷积神经网络的监控视频中人车目标分类方法，其特征在于，对所有图片进行水平镜像处理，然后沿水平方向旋转10度。