[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

说明书

本发明涉及基于卷积神经网络算法的目标识别方法及系统，涉及图像处理技术领域，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。本发明有效提高了图像目标识别效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于卷积神经网络算法的目标识别方法及系统。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。卷积神经网络长期以来是图像识别领域的核心算法之一，并在学习数据充足时有稳定的表现 ，对于一般的大规模图像分类问题，卷积神经网络可用于构建阶层分类器，也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习。

中国专利公开号：CN201710526661.1 ，公开了一种图像目标识别方法及装置，在该方案中进行目标识别时，需要划分出背景点，再对背景部分进行剔除，由此可见，当图像中背景部分图像复杂度高时，剔除背景时极易造成背景剔除过多或不足的问题，从而重复剔除过程将严重降低目标识别效率。

现有技术中，在对图像进行目标识别时，大多采用背景剔除方式进行目标识别，受图像复杂度影响，导致目标识别效率低。

发明内容

为此，本发明提供一种基于卷积神经网络算法的目标识别方法及系统，用以克服现有技术中由于图像复杂度高导致的目标识别效率低的问题。

为实现上述目的，一方面本发明提供一种基于卷积神经网络算法的目标识别方法，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。

进一步地，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，