[发明专利]一种基于深度学习的图像识别方法及装置

说明书

本发明适用于计算机领域，尤其涉及一种基于深度学习的图像识别方法及装置，其中方法包括：获取待检测图像；将所述待检测图像用网格进行划分，每个网格为一个图像单元，通过单个轻量级深度神经网络计算并生成所述图像单元的边界框数据与类概率，其中，所述轻量级深度神经网络由深度可分离卷积构建而成；根据所述边界框数据与类概率，输出图像识别结果。本发明能够有效分辨出图像中的物体，智能程度与精确度高；特别是应用于安保系统的影像识别，其可以有效识别或预测影像中正在或即将发生的事件，并为人们提供相应的提示，可以避免很多犯罪事件的发生，有力地保障了人们的生命、财产安全。

技术领域

本发明涉及计算机领域，特别是涉及一种基于深度学习的图像识别方法及装置。

背景技术

随着科技的发展，以及人们生活水平的提高，很多现代家居都会配置居家保全系统，很多现代家居中，例如独栋房屋，其会有前院、后院，甚至是游泳池等户外空间，但由于这些家居保全系统的画面监控采用的都是传统的影像技术，其只是简单的画面呈现与识别，当用户装设这些传统的居家保全系统时就有可能遇到一些问题。

其中最主要的问题就是误报率很高，在某些地区(特别是美国的一些地区)，误报的比率甚至高达99％，而且如果出动警察到府后发现是误报，住户就会被罚款，但这些罚款其实也还不及出动警察所要耗费的成本；同时也因为误报率太高，在有些地区这些警报甚至会被忽视。此外，传统的保全系统虽会录制画面，但当真正有犯罪发生时，这些画面只能用于事后搜证，不能及时反应。因此，现有的影像识别技术并不能满足居家保全系统的要求。

发明内容

基于此，有必要针对上述的问题，提供一种基于深度学习的图像识别方法，该方法包括：

包括：

获取待检测图像；

将所述待检测图像用网格进行划分，每个网格为一个图像单元，通过单个轻量级深度神经网络计算并生成所述图像单元的边界框数据与类概率，其中，所述轻量级深度神经网络由深度可分离卷积构建而成；

根据所述边界框数据与类概率，输出图像识别结果。

在其中一个实施例中，提供了一种基于深度学习的图像识别装置；该装置用于：

获取待检测图像；

将所述待检测图像用网格进行划分，每个网格为一个图像单元，通过单个轻量级深度神经网络计算并生成所述图像单元的边界框数据与类概率，其中，所述轻量级深度神经网络由深度可分离卷积构建而成；

根据所述边界框数据与类概率，输出图像识别结果。

本发明提供了一种基于深度学习的图像识别方法，通过构建深度可分离卷积构建轻量级深度神经网络来对图像进行识别，能够有效分辨出图像中的物体，智能程度与精确度高；特别是应用于安保系统的影像识别，其可以有效识别或预测影像中正在或即将发生的事件，并为人们提供相应的提示，可以避免很多犯罪的发生，有力地保障了人们的生命、财产安全。

附图说明

图1为一个实施例中提供的一种基于深度学习的图像识别方法的流程图；

图2是本发明一个实施例提供的轻量级深度神经网络结构图；

图3是本发明一个实施例提供的一种图像识别效果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。