[发明专利]一种基于高级局部感知特征学习的图像识别方法及系统

说明书

本发明公开了一种基于高级局部感知特征学习的图像识别方法及系统，属于计算机视觉技术领域。本发明的基于高级局部感知特征学习的图像识别方法，分为三个部分：第一部分为目标感知区域特征识别，引入注意力机制，定位感兴趣区域；第二部分为局部感知特征提取，基于获取的感兴趣的区域特征，引入图论技术，构建高级局部感知特征；第三部分为识别部分，基于获得的高级局部感知特征对目标进行识别。该发明的基于高级局部感知特征学习的图像识别方法能够有效的获取目标的高级局部信息，符合人类识别目标的原理，进一步提高识别精度，具有很好的推广应用价值。

技术领域

本发明涉及计算机视觉技术领域，具体提供一种基于高级局部感知特征学习的图像识别方法及系统。

背景技术

特征提取是图像识别、模式识别等领域的关键步骤。现有方法主要聚焦于边缘、灰度、纹理等低层特征的提取。然而人类大脑在识别某个目标时，这类底层特征很少发挥重要作用，大脑主要通过感兴趣区域的局部特性进行识别，从而能达到较高的识别精度。因此，如何构造接近人类识别机理的特征图像识别方法有效提高识别精度，具有重要的研究意义和应用价值。受该工作机制的启发，本发明提出了一种基于高举局部感知特征的图像识别方法，有望提高识别精度。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种能够有效的获取目标的高级局部信息，符合人类识别目标的原理，进一步提高识别精度的基于高级局部感知特征学习的图像识别方法。

本发明进一步的技术任务是提供一种基于高级局部感知特征学习的图像识别系统。

为实现上述目的，本发明提供了如下技术方案：

一种基于高级局部感知特征学习的图像识别方法，该方法分为三个部分：第一部分为目标感知区域特征识别，引入注意力机制，定位感兴趣区域；第二部分为局部感知特征提取，基于获取的感兴趣的区域特征，引入图论技术，构建高级局部感知特征；第三部分为识别部分，基于获得的高级局部感知特征对目标进行识别。

该基于高级局部感知特征学习的图像识别方法能够有效获取目标的高级局部信息，符合人类识别目标的原理，将进一步提高识别精度。

作为优选，该基于高级局部感知特征学习的图像识别方法具体包括以下步骤：

S1、训练阶段

1)感兴趣区域特征识别；

2)高级局部感知特征学习；

3)识别器训练；

S2、分类阶段，将待测试图像输入感兴趣区域特征学习模型，获取目标的局部特征，构建局部感知图，将局部感知图输入到训练好的识别模型中，获得识别结果。

作为优选，感兴趣区域特征识别过程中利用deeplabV3获得感兴趣区域特征的概率图，即为感兴趣映射。

作为优选，高级局部感知特征学习过程中，引入图论技术，将感兴趣映射的每个元素看作图的一个节点，引入基于信息论的度量学习方法度量每对节点的相似度，构建图的边，若每对节点的相似度小于阀值T，则这两个节点之间没有边，构建的图即为局部感知图。

基于信息论的度量学习方法即Information-theoreticmetriclearning，ITML。

作为优选，识别器训练过程中，利用卷积神经网络作为识别器，处理图结构特征。

作为优选，分类阶段，将待测试图像输入感兴趣区域特征学习模型，获得图像的感兴趣映射图，将感兴趣映射的每个元素看作图的一个节点。

一种基于高级局部感知特征学习的图像识别系统，该系统包括训练模块和分类模块：

训练模块用于在训练阶段进行感兴趣区域特征识别、高级局部感知特征学习和识别器训练；