[发明专利]基于图像识别的摩尔纹识别方法、装置、设备及介质

权利要求书

1.一种基于图像识别的摩尔纹识别方法，其特征在于，包括：

基于小波变换及模式感知记忆构建初始网络结构；

利用内卷算子优化所述初始网络结构，得到第一中间网络结构；

获取第一图像集，并对所述第一图像集中的图像进行摩尔纹添加处理，得到第一训练集；

利用所述第一训练集训练所述第一中间网络结构，得到中间模型；

利用预设网络层替换所述中间模型中的指定结构，得到第二中间网络结构；

获取第二图像集，并对所述第二图像集中的图像进行打标签处理，得到第二训练集；

利用所述第二训练集训练所述第二中间网络结构，得到摩尔纹识别模型；

获取待识别图像，将所述待识别图像输入至所述摩尔纹识别模型，并根据所述摩尔纹识别模型的输出确定摩尔纹识别结果；

其中，所述基于小波变换及模式感知记忆构建初始网络结构包括：

构建具有模式特征感知机制的密集分支，及构建膨胀分支；

根据所述密集分支及所述膨胀分支构建配置数量的子分支，其中，每个子分支包括一个所述密集分支及一个所述膨胀分支；在每个子分支中，所述密集分支的输出与配置参数相乘，得到第一输出，并计算所述第一输出与所述膨胀分支的输出的和，得到每个子分支的输出；所述配置数量的子分支的首尾依次相连，上一个子分支的输出作为下一个子分支的输入；

构建小波变换分支及小波逆变换分支；

结合卷积操作依次连接所述小波变换分支、所述配置数量的子分支及所述小波逆变换分支，得到所述初始网络结构。

2.根据权利要求1所述的基于图像识别的摩尔纹识别方法，其特征在于，在结合卷积操作依次连接所述小波变换分支、所述配置数量的子分支及所述小波逆变换分支时，所述方法还包括：

在所述初始网络结构中，将所述小波变换分支的输出确定为第一特征图；

对所述第一特征图进行卷积操作，得到第二特征图；

将所述第二特征图输入至所述配置数量的子分支，得到第二输出；

计算所述第二输出与所述第二特征图的和，得到第三特征图；

对所述第三特征图进行卷积操作，得到第四特征图；

将所述第四特征图输入至所述小波逆变换分支进行小波逆变换处理，得到所述初始网络结构的输出。

3.根据权利要求1所述的基于图像识别的摩尔纹识别方法，其特征在于，所述构建具有模式特征感知机制的密集分支，及构建膨胀分支包括：

构建方向空间感知结构；

将原始特征输入至所述方向空间感知结构，并对所述方向空间感知结构的输出进行卷积操作，得到第一结果；

将所述第一结果与第一残差密集块的输出及所述配置参数进行相乘，得到第二结果；

将所述原始特征与所述第二结果的和确定为第三结果；

将所述第三结果输入至第二残差密集块进行处理，得到第四结果；

计算所述第一结果与所述第四结果及所述配置参数的乘积，得到第五结果；

将所述第五结果与所述第三结果的和确定为所述密集分支的输出；

将所述原始特征输入至3*3膨胀卷积，得到第六结果；

利用3*3卷积对所述第六结果进行卷积操作，得到第七结果；

计算所述第六结果与所述第七结果的和，得到所述膨胀分支的输出。

4.根据权利要求3所述的基于图像识别的摩尔纹识别方法，其特征在于，在构建方向空间感知结构后，所述方法还包括：

在所述方向空间感知结构中，对所述原始特征进行卷积操作，得到卷积结果；

对所述卷积结果进行两级卷积操作；

对所述两级卷积后得到的特征进行通道与空间注意力处理，得到权重图；

对所述卷积结果进行预设的多个方向的滑窗移动操作，得到每个方向上的第一特征；

基于所述多个方向拆分所述权重图，得到与每个方向对应的子权重图；

分别将每个方向上的第一特征与对应的子权重图进行点乘，并拼接点乘后得到的特征，得到拼接特征；

对所述拼接特征进行卷积操作，得到卷积特征；

对所述卷积特征进行所述多个方向的滑窗移动操作，得到每个方向上的第二特征；

分别将每个方向上的第二特征与对应的子权重图进行点乘；

拼接点乘后得到的特征，得到所述方向空间感知结构的输出。