[发明专利]一种基于深度学习的动态图像特征捕捉方法

权利要求书

1.一种基于深度学习的动态图像特征捕捉方法，其特征在于，包括以下步骤：

步骤S1：对已经完成训练的深度卷积神经网络模型进行优化；

步骤S2：捕捉动态图像，并对所获得的动态图像进行预处理；

步骤S3：将经过预处理后的动态图像输入至完成优化的深度卷积神经模型内，并输出动态图像的特征捕捉结果；

步骤S4：根据所输出的特征捕捉结果，形成动态图像内所需要捕捉的特征的移动轨迹。

2.根据权利要求1所述的一种基于深度学习的动态图像特征捕捉方法，其特征在于，深度卷积神经网络模型的训练过程包括：

构建深度卷积神经网络模型，并完成对所构建的深度卷积神经网络的训练；所述深度卷积神经网络模型由卷积层、池化层以及激活函数层组成；

对每个卷积层的权重进行设置，根据每个卷积层的权重系数，判断卷积层对深度卷积神经网络模型的影响类型；

将影响类型为负面影响和无影响的卷积层进行标记，并将所标记的卷积层进行剔除，完成对深度卷积神经网络模型的优化。

3.根据权利要求2所述的一种基于深度学习的动态图像特征捕捉方法，其特征在于，对所获得的动态图像的预处理过程包括：

将所获得的动态图像转化为灰度动态图像；

将灰度动态图像转化为若干个视频帧；

获取每个灰度动态图像所转化的视频帧内各个区域的灰度值，并将所获得的灰度值与视频帧内的对应位置进行关联；

建立二维坐标系，将视频帧映射至二维坐标系内，并将映射至二维坐标系内的所述视频帧标记为原始视频帧；

将所获得的所有原始视频帧输入至优化后的深度卷积神经网络模型内。

4.根据权利要求3所述的一种基于深度学习的动态图像特征捕捉方法，其特征在于，原始视频帧在输入至深度卷积神经网络模型内后，对原始视频帧内所需要捕捉的特征对应的区域进行标记；

将完成标记后的原始视频帧进行输出，获得动态图像的特征捕捉结果；

将所输出的原始视频帧标记为对照视频帧，并将对照视频帧映射至二维坐标系内，将对照视频帧与二维坐标系中已有的对应原始视频帧进行重叠，获取被标记的特征在二维坐标系中的坐标范围。

5.根据权利要求4所述的一种基于深度学习的动态图像特征捕捉方法，其特征在于，同一个视频帧内可存在多个所需要捕捉的特征，当视频帧内存在至少两个所需要识别的特征时，则不同的特征的标记均不相同。

6.根据权利要求5所述的一种基于深度学习的动态图像特征捕捉方法，其特征在于，动态图像内所需要捕捉的特征的移动轨迹的形成过程包括：

将每个对照视频帧内所需要捕捉的特征全部进行标记；

根据每个对照视频帧对应的时间，形成对应的时间戳，并将所形成的时间戳与对应的对照视频帧内所捕捉到的所有特征进行关联；

并将每个对照视频帧内所标记的特征按照标记的不同，将所需要捕捉的特征进行归类，形成对应的特征集；

获取特征集内是否存在至少两个特征是属于同一个对照视频帧，用以判断是否存在错误识别，若存在错误识别；

则获取对应的特征所属的对照视频帧进行调出，由技术人员通过工具，将错误识别的特征标记框进行删除，并将删除结果同步至特征集内；

将同一个特征集内的特征按照其所关联的时间戳的时间顺序进行排序，并按照排序结果在二维坐标系内形成对应特征的移动轨迹，并将所形成的移动轨迹映射至动态图像内。