【技術實現步驟摘要】
本專利技術涉及智能鎖識別，具體為一種基于深度學習的智能鎖圖像特征識別方法及系統。
技術介紹
1、深度學習技術的應用為智能鎖的圖像特征識別提供了新的方向。然而，如何在復雜多變的實際場景中，有效提取和利用圖像的多尺度特征，同時兼顧局部細節和全局語義信息，仍然是一個挑戰性的問題。具體體現在：難以有效平衡局部和全局特征的重要性以及難以同時滿足身份識別、姿態估計和環境感知等多任務需求。尤其是在智能鎖這種對安全性要求極高的應用中，如何在保證識別精度的同時，實現對身份、姿態和環境等多維度信息的綜合分析，成為了亟待解決的技術難題。
技術實現思路
1、本專利技術提供一種基于深度學習的智能鎖圖像特征識別方法及系統以解決現有智能鎖圖像特征識別信息維度較少的技術問題。
2、本專利技術解決上述技術問題的技術方案如下：
3、一方面，提供一種基于深度學習的智能鎖圖像特征識別方法，識別方法的步驟包括：
4、構建多分支深度神經網絡模型，多分支深度神經網絡模型包括主干網絡、特征提取分支和特征融合分支；
5、采集并預處理智能鎖周圍環境的實時圖像，并將預處理后的實時圖像輸入主干網絡，提取多尺度特征圖；
6、通過特征提取分支處理多尺度特征圖，生成局部特征和全局特征；
7、通過特征融合分支融合局部特征和全局特征，生成綜合特征表示；
8、使用框架訓練模型，學習身份識別、姿態估計和環境感知任務；
9、使用訓練好的框架訓練模型對綜合特征
10、另一方面，提供一種智能鎖圖像特征識別系統，識別系統包括：
11、圖像采集模塊，用于采集智能鎖周圍環境的圖像；
12、預處理模塊，用于對采集的圖像進行預處理；
13、深度神經網絡模塊，用于構建多分支深度神經網絡模型并提取特征；
14、特征融合模塊，用于融合局部特征和全局特征；
15、多任務學習模塊，用于優化多個任務；
16、特征識別模塊，用于對實時圖像進行特征識別；
17、控制指令生成模塊，用于生成智能鎖的控制指令。
18、本專利技術的有益效果是：
19、本專利技術提供的基于深度學習的智能鎖圖像特征識別方法，通過構建多分支深度神經網絡模型，實現了對身份、姿態和環境等多維度信息的綜合分析。本專利技術的方法采用改進的resnext結構作為主干網絡，引入空洞卷積和注意力機制，提升了特征提取的感受野和判別能力。通過在不同層級添加特征提取分支，該方法能夠捕獲多尺度的局部信息，從而更好地適應復雜多變的場景。多任務學習框架的引入，使得模型能夠同時優化身份識別、姿態估計和環境感知等多個相關任務，增強了特征表示的通用性。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述識別方法的步驟包括：
2.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述構建多分支深度神經網絡模型的步驟包括：
3.如權利要求2所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述改進的ResNeXt結構包括以下修改：
4.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述通過所述特征提取分支處理所述多尺度特征圖的步驟包括：
5.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述通過所述特征融合分支融合所述局部特征和全局特征的過程采用以下加權求和公式：
6.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述使用框架訓練模型，學習身份識別、姿態估計和環境感知任務采用以下損失函數：
7.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述使用框架訓練模型，學習身份識別、姿態估計和環境感知任務的過程包括數據增強步驟：
8.如
9.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述根據識別結果生成智能鎖的控制指令的步驟包括：
10.一種智能鎖圖像特征識別系統，其特征在于，所述識別系統包括：
...【技術特征摘要】
1.一種基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述識別方法的步驟包括：
2.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述構建多分支深度神經網絡模型的步驟包括：
3.如權利要求2所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述改進的resnext結構包括以下修改：
4.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述通過所述特征提取分支處理所述多尺度特征圖的步驟包括：
5.如權利要求1所述的基于深度學習的智能鎖圖像特征識別方法，其特征在于，所述通過所述特征融合分支融合所述局部特征和全局特征的過程采用以下加權求和公式：
6.如權利要求...
【專利技術屬性】
技術研發人員：薛喜柱，林本聰，羅相誠，張光力，劉兵，李勁松，麻亞翰，
申請(專利權)人：一脈通深圳智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。