[发明专利]一种基于卷积神经网络算法的目标识别方法及系统

权利要求书

1.一种基于卷积神经网络算法的目标识别方法，其特征在于，包括，

步骤S1，采集模块采集得到待处理图像；

步骤S2，处理模块对所述待处理图像进行图像处理，得到目标图像；

步骤S3，判定模块判定所述目标图像是否符合要求；

步骤S4，输出模块将符合要求的目标图像进行输出;

所述步骤S2中，所述处理模块在进行图像处理时，所述处理模块根据灰度差将待处理图像画出连续的灰度分界线，所述处理模块在画灰度分界线时，所述处理模块根据待获取目标的色调数量B设置灰度差；所述处理模块根据灰度分界线生成若干目标区域，并根据目标区域与预设目标图像的图形相似度C设置相似边线，再根据相似边线设置目标框线；

目标框线设置完成后，所述处理模块根据亮度差将目标框线内图像划分为若干待删除区域；在设置亮度差时，所述处理模块根据待处理图像分辨率E设置亮度差，同时，所述处理模块根据图像的饱和度H对设置的亮度差进行调节，调节完成后，所述处理模块根据目标框线的面积占比Z对调节后的亮度差进行修正；

待删除区域划分完成后，所述处理模块对包含目标框线的各待删除区域分别进行边缘位置图像删除，在进行图像删除时，所述处理模块根据目标框线位置的景深F进行图像删除，图像删除完成后，所述处理模块将删除后的各待删除区域重新组合，并将组合后的图像作为目标图像；

所述处理模块生成目标图像后，所述判定模块根据目标图像的边线的平均曲率K对目标图像做出判定，判定不符合要求时，所述处理模块以目标图像的边线为目标框线，重复待删除区域的划分及图像删除过程，图像再次删除完成后，判定模块重复判定过程直至目标图像符合要求。

2.根据权利要求1所述的基于卷积神经网络算法的目标识别方法，其特征在于，所述处理模块在画灰度分界线时，所述处理模块将待获取目标的色调数量B与预设色调数量B0进行比对，并根据比对结果设置灰度差，其中，

当B＜B0时，所述处理模块将灰度差设置为A1；

当B≥B0时，所述处理模块将灰度差设置为A2，设定A2=A1×[1+（B-B0）/B0]；

其中，A1为预设灰度差。

3.根据权利要求1所述的基于卷积神经网络算法的目标识别方法，其特征在于，所述处理模块在设置目标框线时，所述处理模块将目标区域与预设目标图像的图形相似度C与各预设图形相似度进行比对，并根据比对结果设置相似边线，其中，

当C＜C1时，判定待处理图像中无目标图像；

当C1≤C＜C2时，所述处理模块将满足该相似度区间的多个目标区域中面积最大的目标区域的边线作为第一相似边线；

当C2≤C时，所述处理模块将满足该相似度区间的多个目标区域中相似度最大的目标区域的边线作为第二相似边线；

所述处理模块将各所述相似边线对应的图形面积进行比较，将图形面积最大的相似边线作为目标框线，当无第二相似边线时，将第一相似边线作为目标框线，其中，C1为第一预设图形相似度，C2为第二预设图形相似度，85%＜C1＜95%＜C2。

4.根据权利要求3所述的基于卷积神经网络算法的目标识别方法，其特征在于，目标框线选取完成后，所述处理模块根据亮度差将目标框线内图像划分为若干待删除区域，所述处理模块将待处理图像分辨率E与预设分辨率E0进行比对，并根据比对结果设置亮度差，其中，

当E＜E0时，所述处理模块将亮度差设置为G1；

当E≥E0时，所述处理模块将亮度差设置为G2，设定G2=G1×[1+（E-E0）/E0]；

其中，G1为预设亮度差。