[发明专利]基于深度学习的被动式非视域图像识别方法及识别装置

权利要求书

1.一种基于深度学习的被动式非视域图像识别方法，包括以下步骤：

S1.基于视域图像识别训练数据集中的样本图像构建用于被动式非视域图像识别训练的被动式非视域图像训练集；

S2.采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络；

S3.采用所述被动式非视域图像训练集训练所述第一深度学习识别网络，待算法收敛之后得到用于被动式非视域图像识别的被动式非视域图像识别模型；

S4.基于视域图像测试数据集中的样本图像构建用于所述被动式非视域图像识别模型的被动式非视域测试图像；

S5.所述被动式非视域图像识别模型抽取所述被动式非视域测试图像进行识别，并获取识别结果。

2.根据权利要求1所述的被动式非视域图像识别方法，其特征在于，步骤S1中，基于视域图像识别训练数据集中的样本图像构建用于被动式非视域图像识别训练的被动式非视域图像训练集的步骤中，包括：

S11.抽取所述视域图像识别训练数据集中的样本图像，并将所述样本图像投射到显示装置上；

S12.在所述显示装置的前方依次设置有挡板和成像墙，且所述显示装置所显示的样本图像经过挡板在所述成像墙上投射出干涉图像；

S13.采用图像采集装置对所述干涉图像成像获取构建所述被动式非视域图像训练集的训练样本；其中，所述图像采集装置与所述显示装置处于所述成像墙的同一侧，且在所述图像采集装置与所述显示装置之间设置遮挡光线的遮挡墙；

S14.重复步骤S11至S13，通过获取的所述训练样本生成所述被动式非视域图像训练集。

3.根据权利要求1所述的被动式非视域图像识别方法，其特征在于，步骤S2中，采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络的步骤中，采用SimpleNet网络或ResNet18网络构建所述第一深度学习识别网络；

步骤S3中，采用所述被动式非视域图像训练集训练所述第一深度学习识别网络的步骤中，采用从头训练的方式来提取所述被动式非视域图像训练集的训练样本中特有的属性特征；以及，采用SGD算法和等间隔调整学习率的方式对所述第一深度学习识别网络的参数进行优化。

4.根据权利要求1所述的被动式非视域图像识别方法，其特征在于，步骤S4中，基于视域图像测试数据集中的样本图像构建用于所述被动式非视域图像识别模型的被动式非视域图像测试集的步骤中，包括：

S41.抽取所述视域图像测试数据集中的样本图像，并将所述样本图像投射到显示装置上；

S42.在所述显示装置的前方依次设置有挡板和成像墙，且所述显示装置所显示的样本图像经过挡板在所述成像墙上投射出干涉图像；

S43.采用图像采集装置对所述干涉图像成像作为所述被动式非视域测试图像；其中，所述图像采集装置与所述显示装置处于所述成像墙的同一侧，且在所述图像采集装置与所述显示装置之间设置遮挡光线的遮挡墙。

5.一种用于被动式非视域图像识别模型安全性的检测方法，其特征在于，采用墙面扰动攻击策略实现，包括以下步骤：

S01.基于原始的视域图像识别数据集中的样本图像构建原始的被动式非视域图像识别数据集；

S02.基于所述被动式非视域图像识别数据集，并利用白盒攻击法模拟攻击待检验的被动式非视域图像识别模型，生成墙面扰动；

S03.基于原始的所述视域图像识别数据集中的样本图像获取包含所述墙面扰动的第一被动式非视域图像；

S04.采用所述被动式非视域图像识别模型对所述第一被动式非视域图像进行识别，基于获取的识别结果进行安全性检测。