[发明专利]基于深度学习的图像识别方法、装置、设备及存储介质

权利要求书

1.一种基于深度学习的图像识别方法，其特征在于，所述基于深度学习的图像识别方法包括以下步骤：

获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点；

根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征；

将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果。

2.如权利要求1所述的基于深度学习的图像识别方法，其特征在于，所述获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点的步骤，具体包括：

从待识别图像的所有像素点中任选一像素点为圆心作圆，并获取所述圆的预设位置处的圆周像素点的灰度值；

获取所述圆心对应的像素点的灰度值，根据所述圆心对应的像素点的灰度值和所述圆周像素点的灰度值判断所述圆心对应的像素点是否为特征点；

在所述圆心对应的像素点为特征点时，标记所述特征点；

遍历所述待识别图像的所有像素点，以标记出所有的特征点，将所有标记的特征点作为图像特征点。

3.如权利要求2所述的基于深度学习的图像识别方法，其特征在于，所述根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：

获取所述图像特征点对应的圆周像素点的像素值；

基于所述圆周像素点的像素值对所述图像特征点进行评分，并对获得的评分结果进行排序，获得评分排序结果；

根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征。

4.如权利要求3所述的基于深度学习的图像识别方法，其特征在于，所述根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：

根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并获取所述目标特征点对应的特征描述子；

对所述特征描述子进行过滤处理，以获得过滤后的特征描述子；

融合所述过滤后的特征描述子，获得初阶图像特征。

5.如权利要求1所述的基于深度学习的图像识别方法，其特征在于，所述将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果的步骤之前，还包括：

获取样本待识别图像，并对所述样本待识别图像进行特征提取，获得样本图像特征；

获取所述样本待识别图像对应的样本类别向量；

根据所述样本图像特征和所述样本类别向量对支持向量机中进行训练，以获得预设深度学习模型。

6.如权利要求5所述的基于深度学习的图像识别方法，其特征在于，所述根据所述样本图像特征和所述样本类别向量对支持向量机中进行训练，以获得预设深度学习模型的步骤，具体包括：

将所述样本图像特征作为支持向量机的输入特征，将所述样本类别向量作为所述支持向量机的输出特征对所述支持向量机进行训练，获得初阶深度学习模型；

实时获取所述初阶深度学习模型的分类精度，在所述分类精度大于等于预设分类精度时，输出所述初阶深度学习模型，作为预设深度学习模型。

7.如权利要求1～6中任一项所述的基于深度学习的图像识别方法，其特征在于，所述将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果的步骤，具体包括：

将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，以获得特征挖掘结果，并从所述特征挖掘结果中提取对应的类别向量；

基于所述类别向量查询对应的类别标签，并基于所述类别标签生成图像识别结果。