[发明专利]一种识别方法、设备、系统及存储介质

说明书

本申请公开了一种识别方法，该方法包括：获取待识别图像；基于训练完成的第一网络对所述待识别图像进行特征提取，得到第一特征数据；其中，所述训练完成的第一网络是基于样本数据进行训练得到的；从所述第一特征数据中提取与指定特征区间匹配的数据，得到第一目标特征数据；基于训练完成的第二网络对所述第一目标特征数据进行特征提取，得到第二特征数据；其中，所述训练完成的第二网络，是基于从第三特征数据中提取的第二目标特征数据进行训练得到的；所述第三特征数据，是基于所述训练完成的第一网络对所述样本数据进行特征提取得到的；基于所述第二特征数据，对所述待识别图像进行识别。本申请还公开了一种识别设备、系统及存储介质。

技术领域

本申请涉及信息技术领域，尤其涉及一种识别方法、设备、识别系统以及计算机可读存储介质。

背景技术

在相关技术中，使用基于环形Gabor滤波器的双向二维主成分分析网络(CircularSymmetrical Gabor Filter Transformation two-directional two-dimensionalPrincipal Components Analysis Network，CSGF(2D)2PCANet)中包含两个层特征提取层对输入图像进行特征提取，以对输入图像中的人脸进行识别。然而，在实际应用中，CSGF(2D)2PCANet中在特征提取过程中产生的冗余数据较多，从而降低了人脸识别的精度。

发明内容

本申请提供了一种识别方法、识别设备、识别系统以及计算机可读存储介质。

本申请提供的识别方法，能够减少CSGF(2D)2PCANet中在特征提取过程中的冗余数据，从而能够提高对图像识别的精度。

本申请提供的识别方法是这样实现的：

一种识别方法，所述方法包括：

获取待识别图像；

基于训练完成的第一网络对所述待识别图像进行特征提取，得到第一特征数据；其中，所述训练完成的第一网络是基于样本数据进行训练得到的；

从所述第一特征数据中提取与指定特征区间匹配的数据，得到第一目标特征数据；

基于训练完成的第二网络对所述第一目标特征数据进行特征提取，得到第二特征数据；其中，所述训练完成的第二网络，是基于从第三特征数据中提取的第二目标特征数据进行训练得到的；所述第三特征数据，是基于所述训练完成的第一网络对所述样本数据进行特征提取得到的；

基于所述第二特征数据，对所述待识别图像进行识别。

在一些实施例中，所述从所述第一特征数据中提取与指定特征区间匹配的数据，得到第一目标特征数据，包括：

基于所述指定特征区间，确定目标特征提取函数；其中，所述目标特征提取函数，包括非线性函数；

基于所述目标特征提取函数，对所述第一特征数据进行提取，得到所述第一目标特征数据。

在一些实施例中，所述基于所述第二特征数据，确定所述待识别图像的类型，包括：

对所述第二特征数据进行量化处理，得到第一量化特征数据；

将所述第一量化特征数据输入至训练完成的第三网络中，对所述待识别图像进行识别；其中，所述训练完成的第三网络，用于提取所述第一量化特征数据的类型信息；所述训练完成的第三网络，是基于第二目标特征数据对第三网络进行训练得到的。

在一些实施例中，所述训练完成的第三网络，是通过以下方式得到的：

对所述第二目标特征数据进行量化，得到第二量化特征数据；

基于所述第二量化特征数据，对所述第三网络进行训练，得到所述训练完成的第三网络。