[发明专利]图像识别系统

说明书

本发明公开了一种图像识别系统，包括具有微透镜阵列的多视角成像模组，被成像的物体的光线通过所述多个微透镜分别折射后，入射到所述感光元件的不同感光区域，形可以一次性成像得到物体的多个微弱不同视角的图像和深度信息；通过反复采集所述多视角成像模组针对被识别物体的单一视角进行成像得到的多幅不同角度的被识别物体的影像信息；将每次采集到的所述多幅不同角度的被识别物体的影像信息的集合作为样本训练数据，基于卷积神经网络模型的进行训练，得到目标模型；从而以对所述待识别物体进行图像识别。本发明采用同一物体的多个微弱不同视角的图像进行识别，大大提高了物体识别的准确率。本发明还提供一种图像识别系统。

技术领域

本发明涉及光学图像处理技术领域，尤其涉及一种图像识别系统。

背景技术

现有的科学研究表明，人类的学习和认知活动有80％～85％是通过视觉完成的。在人工智能领域，计算机视觉也是一个非常重要的研究方向。1963年在麻省理工学院读书的拉里：罗伯茨(Larry Roberts)在博士毕业论文《Machine Perception of Three-Dimensional Solids》中提出边缘是用来描述物体形状的最关键信息。自此计算机视觉进入了快速发展的道路，目前主要的应用场景有：身份认证领域、安防领域，无人驾驶领域，工业检测领域等。

以上种种应用都需要计算机视觉具有高准确率的物体识别能力。物体识别过程可分为：图像采集，特征提取，分类器分类，分类结果。目前图像采集主要是用普通的成像系统将三维图像信息投影成二维彩色图片，这样就丢失了实际物体的第三维信息，也就是没有了深度纵向信息，计算机最终得到的只是平面图像上的特征区别。也有少部分方法将物体进行三维图像重构再进行识别，比如：

探针法，直接用探针在物体表面进行定点，这种方法效率低，而且会破坏物体本身；

双目视觉法，通过三角形原理计算物体距离，需要使用两个摄像头，成本高，并且不适合表面光滑无纹理的物体；

结构光方法，将特定的光信号投射到物体表面，通过物体造成的光信号的变化来计算物体的位置和深度信息，不适合远距离使用，而且在强光环境下基本不能使用，因为投射的编码光会被淹没；

飞行时间法，从发射极向对象发射光脉冲，通过计算光脉冲飞行时间来确定被测量对象的距离，这种方法深度精确度低，识别距离受光源强度限制，消耗大量能源；

如公众所习知的，传统成像技术结合神经网络来做物体识别，是用普通摄像头采集到的图片输入已训练好的模型来识别物体。这种方法的一个缺点是普通摄像头采集到的图片只有二维的信息。要达到较高的准确度，就对卷积神经网络的层数要求较高，算法复杂，并且需要大量的样本来训练模型。而探针法，双目视觉法,结构光方法和飞行时间法适用范围有限，只适合特定环境下使用。

因此，有必要提供一种新的图像识别系统来解决上述技术问题。

发明内容

本发明的主要目的在于提供一种具有可以采集三维图像数据的多视角成像模组且识别率高的图像识别系统。

为实现上述目的，本发明提供一种图像识别系统，包括多视角成像模组、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，

所述多视角成像模组包括：

镜头；

感光元件；

设置于所述镜头与所述感光元件之间，且位于所述镜头的成像侧的焦平面上的微透镜阵列，所述微透镜阵列包括多个阵列排布的微透镜；

其中，被成像的物体的光线通过所述镜头从不同方向分别投射到所述微透镜阵列的所述多个微透镜上，经由所述多个微透镜分别折射后，入射到所述感光元件的不同感光区域，形成多幅不同角度的被成像的物体的影像信息；