[发明专利]人体识别模型及其训练方法、系统、存储介质及设备在审
申请号: | 202010347345.X | 申请日: | 2020-04-28 |
公开(公告)号: | CN111539357A | 公开(公告)日: | 2020-08-14 |
发明(设计)人: | 董健;李帅;丁明旭 | 申请(专利权)人: | 睿魔智能科技(深圳)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32;G06K9/62 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 518000 广东省深圳市前*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人体 识别 模型 及其 训练 方法 系统 存储 介质 设备 | ||
1.一种人体识别模型的训练方法,其特征在于,所述人体识别模型的训练方法包括:
A、从数据库中筛选符合预置站立状态的训练图像作为训练样本图像,将所述训练样本图像的大小调整为预设大小;
B、对调整后的训练样本图像进行翻转处理和旋转处理;
C、从预置旋转范围内随机选取一旋转角度对步骤B得到的图像进行旋转;
D、卷积神经网络对步骤C得到的图像进行相应于步骤B的旋转处理的逆向操作,通过横向取均值的方式获取图像中的人体特征;
E、利用损失函数计算所述人体特征的损失梯度;根据所述损失梯度更新卷积神经网络的参数;
F、重复步骤B~E,直至损失函数收敛,得到基于卷积神经网络的人体识别模型。
2.根据权利要求1所述的人体识别模型的训练方法,其特征在于,所述步骤B、对调整后的训练样本图像进行翻转处理和旋转处理包括:
B1、对调整后的训练样本图像进行左右翻转或不左右翻转处理;
B2、对步骤B1得到的图像进行顺时针旋转90°、顺时针旋转180°、顺时针旋转270°、或不旋转处理。
3.根据权利要求2所述的人体识别模型的训练方法,其特征在于,所述卷积神经网络对步骤C得到的图像进行相应于步骤B的旋转处理的逆向操作,具体包括:
卷积神经网络对步骤C得到的图像进行相应于步骤B2的逆时针旋转90°、逆时针旋转180°、逆时针旋转270°、或不旋转处理。
4.根据权利要求1所述的人体识别模型的训练方法,其特征在于,所述利用损失函数计算所述人体特征的损失梯度包括:
将步骤D得到的人体特征送入到损失函数中完成前向传播;
计算损失梯度,并向卷积神经网络完成反向传播。
5.根据权利要求1所述的人体识别模型的训练方法,其特征在于,所述步骤D之前,还包括:对步骤C得到的图像进行减均值处理。
6.一种人体识别模型的训练系统,其特征在于,所述人体识别模型的训练系统包括:
样本筛选模块,用于从数据库中筛选符合预置站立状态的训练图像作为训练样本图像,将所述训练样本图像的大小调整为预设大小;
处理模块,用于对调整后的训练样本图像进行翻转处理和旋转处理;
旋转模块,用于从预置旋转范围内随机选取一旋转角度对处理模块得到的图像进行旋转;
逆向操作模块,用于对旋转模块得到的图像进行相应于处理模块的旋转处理的逆向操作;
特征提取模块,用于通过横向取均值的方式获取逆向操作模块得到的图像中的人体特征;
损失计算模块,用于利用损失函数计算所述人体特征的损失梯度;
参数更新模块,用于根据所述损失梯度更新卷积神经网络的参数。
7.根据权利要求6所述的人体识别模型的训练系统,其特征在于,所述处理模块包括:
翻转单元,用于对调整后的训练样本图像进行左右翻转或不左右翻转处理;
旋转单元,用于对翻转单元得到的图像进行顺时针旋转90°、顺时针旋转180°、顺时针旋转270°、或不旋转处理。
8.一种人体识别模型,其特征在于,所述人体识别模型通过如权利要求1~5任意一项所述的一种人体识别模型的训练方法训练得到。
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~5任意一项所述的一种人体识别模型的训练方法。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~5任意一项所述的一种人体识别模型的训练方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于睿魔智能科技(深圳)有限公司,未经睿魔智能科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010347345.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种在线可调的集灰斗自动飞灰取样装置
- 下一篇:用于检测车辆位姿的方法及装置