[发明专利]基于深层卷积神经网络的机器人工作场景识别方法有效
| 申请号： | 201610617218.0 | 申请日： | 2016-08-01 |
| 公开（公告）号： | CN106446930B | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 段勇;喻祥尤 | 申请（专利权）人： | 沈阳工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 21115 沈阳智龙专利事务所(普通合伙) | 代理人： | 周智博;宋铁军<国际申请>=<国际公布> |
| 地址： | 110870 辽宁省沈*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深层卷积神经网络的机器人工作场景识别方法，其包括采集机器人工作场景视频；提取工作场景视频中的场景图像作为原始场景图像数据集；对原始工作场景图像进行归一化处理；对机器人工作场景数据集进行去均值化等预处理；提取机器人工作场景数据集PARTIAL场景图像的SIFT特征；提取机器人工作场景数据集GLOBAL中场景图像的卷积层特征以及池化层特征；机器人工作场景图像分别通过特征词袋分类模型和深度神经网络模型得到长度为n的输出，将这两个输出结合成的向量作为样本数据，然后训练一个三层的神经网络，得到最终机器人工作场景的分类结果，其实现机器人在环境场景中，通过摄像头采集图像，并把该图像作为输入至训练好的分类器，提高机器人场景识别精度。 | ||
| 搜索关键词： | 基于 深层 卷积 神经网络 机器人 工作 场景 识别 方法 | ||
【主权项】：
1.一种基于深层卷积神经网络的机器人工作场景识别方法，其特征在于:所述方法包括：/n(1)、控制机器人采集其工作场景视频；/n(2)、使用关键帧提取的方法提取机器人工作场景视频中的场景图像作为原始场景图像数据集；/n(3)、对原始机器人工作场景图像进行归一化处理；/n(4)、对机器人工作场景数据集进行去均值化预处理；/n(5)、提取机器人工作场景数据集PARTIAL场景图像的SIFT特征，聚类生成SIFT特征中心，得到特征字典，计算场景图像在特征字典上的直方图向量，以此特征向量加上标签数据作为样本数据训练分类器，得到机器人工作场景的特征词袋分类模型；/n(6)、提取机器人工作场景数据集GLOBAL中场景图像的卷积层特征以及池化层特征，使用这些特征经过全连接层进行分类器训练以及测试，训练之后得到深层卷积神经网络分类模型；/n(7)、机器人工作场景图像分别通过特征词袋分类模型和深层卷积神经网络分类模型得到长度为n的输出,设场景类别为n，将这两个输出结合成2n的向量作为样本数据，然后训练一个三层的神经网络，得到最终机器人工作场景的分类结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳工业大学，未经沈阳工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610617218.0/，转载请声明来源钻瓜专利网。
