[发明专利]基于神经网络的计算机视觉处理方法

权利要求书

1.基于神经网络的计算机视觉处理方法，其特征在于，包括如下步骤：

S1、获取计算机视觉视频数据，然后将视频数据进行灰度处理，转化成单帧灰度图像；

S2、对各单帧的灰度图像进行归一化处理，并将归一化处理后的每帧灰度图像转化成灰度矩阵；

S3、以灰度矩阵中的每一个像素点为中心点，采用LBP算法对归一化后的图像进行特征提取，获得灰度图像的LBP纹理特征；

S4、根据先验知识对视觉视频数据添加类别标签，然后通过将每一帧灰度图像的LBP纹理特征作为输入，视觉视频数据的类别标签作为输出，建立LBP纹理特征与类别标签的映射关系，对BP神经网络进行训练，获得视频数据的BP神经网络模型；

S5、利用BP神经网络模型对后续的视频数据进行识别、处理。

2.根据权利要求1所述的基于神经网络的计算机视觉处理方法，其特征在于：步骤S2中的灰度图像归一化处理公式为：

式中，I(i,j)和N(i,j)分别表示原图像的灰度值、变换后图像的灰度值，min和max分别表示原图像的最小灰度值、最大灰度值。

3.根据权利要求2所述的基于神经网络的计算机视觉处理方法，其特征在于：步骤S3中LBP算法的具体方法为：

A1、将中心点对应的灰度值与相邻的8个像素点的灰度值进行比较，若周围像素的灰度值大于中心像素的灰度值，则该像素点的位置被标记为1，否则为0；

A2、对于该中心点像素3*3邻域内的8个点经比较产生的8位二进制数，即得到该窗口中心灰度元素点的LBP值；

A3、将得到的窗口中心像素点的LBP值赋给该中心点，然后计算每个中心点的直方图，最后将得到的每中心点的统计直方图进行连接，得到灰度图像的LBP纹理特征。

4.根据权利要求1-3任意一项所述的基于神经网络的计算机视觉处理方法，其特征在于，步骤S5中对后续视频数据处理后，将后续视频数据再按S1-S3的步骤获得的后续视频数据的LBP纹理特征作为输入对BP神经网络模型进行在线更新训练，获得更新后的BP神经网络模型。