辨识系统以及辨识方法技术方案

一种辨识系统以及辨识方法。辨识系统包含一摄像装置以及一服务器。摄像装置耦接服务器。摄像装置基于一影像数据以及一卷积神经网络产生第M层计算结果。摄像装置传送关联于第M层计算结果的一特征信息。M为等于或大于1的一正整数，M小于或等于N。N为一预设正整数。服务器接收特征信息。当M小于N时，服务器基于特征信息以及卷积神经网络以迭代方式产生第K层计算结果。K为大于M的一正整数。K小于或等于N。当K等于N时，服务器基于第K层计算结果以及一第一辨识模型产生关联于影像数据的一第一辨识结果，以对影像数据进行辨识。如此，可避免发生影像数据在传送过程中发生外泄的问题。

【技术实现步骤摘要】
辨识系统以及辨识方法
本揭示中所述实施例内容是有关于一种辨识技术，且特别是有关于一种辨识系统以及辨识方法。
技术介绍
随着影像技术的发展，针对影像的各种处理(例如：物件侦测)已被发展出来。在现有技术中，影像数据会从相机传送至服务器，以进行后续的处理或辨识。在传送影像数据的过程中，可能会发生影像数据外泄的问题。
技术实现思路
本揭示内容提出一种辨识系统以及辨识方法。本揭示内容的一实施方式是关于一种辨识系统。辨识系统包含一摄像装置以及一服务器。摄像装置耦接服务器。摄像装置用以基于一影像数据以及一卷积神经网络(convolutionalneuralnetwork)产生一第M层计算结果。摄像装置传送关联于第M层计算结果的一特征信息。M为等于或大于1的一正整数，M小于或等于N。N为一预设正整数。服务器接收特征信息。当M小于N时，服务器基于特征信息以及卷积神经网络以迭代(iteration)方式产生一第K层计算结果。K为大于M的一正整数。K小于或等于N。当K等于N时，服务器基于第K层计算结果以及一第一辨识模型产生关联于影像数据的一第一辨识结果，以对影像数据进行辨识。在一些实施例中，当M等于N时，第M层计算结果用以作为特征信息。服务器基于特征信息以及第一辨识模型产生第一辨识结果。在一些实施例中，服务器更用以基于第一辨识结果以及一第二辨识模型产生关联于影像数据的一第二辨识结果，且第二辨识模型不同于第一辨识模型。在一些实施例中，第M层计算结果包含一卷积(convolution)结果、一池化(pooling)结果、一活化(activation)结果或一反卷积(deconvolution)结果。在一些实施例中，摄像装置更用以判断一临限时间是否满足。当M小于N且临限时间满足时，摄像装置传送第M层计算结果至服务器作为特征信息。当M小于N且临限时间未满足时，摄像装置基于第M层计算结果以及卷积神经网络进行迭代演算。本揭示内容的另一实施方式是关于一种辨识方法。辨识方法包含：通过一摄像装置基于一影像数据以及一卷积神经网络产生一第M层计算结果；通过摄像装置传送关联于第M层计算结果的一特征信息给一服务器，M为等于或大于1的一正整数，M小于或等于N且N为一预设正整数；当M小于N时，通过服务器基于特征信息以及卷积神经网络以迭代方式产生一第K层计算结果，K大于M且K小于或等于N；以及当K等于N时，通过服务器基于第K层计算结果以及一第一辨识模型产生关联于影像数据的一第一辨识结果，以对影像数据进行辨识。在一些实施例中，当M等于N时，第M层计算结果用以作为特征信息。辨识方法还包含：当M等于N时，通过服务器基于特征信息以及第一辨识模型产生第一辨识结果。在一些实施例中，辨识方法还包含：通过服务器基于第一辨识结果以及一第二辨识模型产生关联于影像数据的一第二辨识结果。第二辨识模型不同于第一辨识模型。在一些实施例中，第M层计算结果包含一卷积结果、一池化结果、一活化结果或一反卷积结果。在一些实施例中，辨识方法还包含：通过摄像装置判断一临限时间是否满足。当M小于N且临限时间满足时，通过摄像装置传送第M层计算结果至服务器作为特征信息。当M小于N且临限时间未满足时，通过摄像装置基于第M层计算结果以及卷积神经网络进行迭代演算。综上所述，本揭示中的辨识系统以及辨识方法，摄像装置将特征信息而非影像数据传送给服务器。如此，可避免发生影像数据在传送过程中发生外泄的问题。附图说明为让本揭示的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：图1是依照本揭示一些实施例所绘示的一种辨识系统的示意图；图2是依照本揭示一些实施例所绘示的一种辨识方法的流程图；图3是依照本揭示一些实施例所绘示的一种卷积演算法的示意图；以及图4是依照本揭示一些实施例所绘示的一种池化演算法的示意图。具体实施方式下文是举实施例配合所附附图作详细说明，但所提供的实施例并非用以限制本揭示所涵盖的范围，而结构运作的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等功效的装置，皆为本揭示所涵盖的范围。此外，附图仅以说明为目的，并未依照原尺寸作图。为使便于理解，下述说明中相同元件或相似元件将以相同的符号标示来说明。另外，在全篇说明书与权利要求书所使用的用词(terms)，除有特别注明外，通常具有每个用词使用在此领域中、在此揭露的内容中与特殊内容中的平常意义。某些用以描述本揭露的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本揭露的描述上额外的引导。在本文中所使用的用词“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。关于本文中所使用的“耦接”，可指二或多个元件相互“直接”作实体或电性接触，或是相互“间接”作实体或电性接触，亦可指二个或多个元件相互操作或动作。请参考图1。图1是依照本揭示一实施例所绘示的一种辨识系统100的示意图。以图1示例而言，辨识系统100包含摄像装置120以及服务器140。在一些实施例中，摄像装置120为网络摄影机(IPcamera)、数字相机、智能手机、平板电脑、笔记型电脑、智能家电或各式具有摄像功能的装置。在一些实施例中，服务器140为云端服务器或本地服务器。在一些实施例中，摄像装置120耦接服务器140。在一些实施例中，摄像装置120透过其传送模块(图未示)与服务器140建立通讯连接L1。如此，摄像装置120与服务器140得以透过通讯连接L1交换数据。举例而言，摄像装置120透过通讯连接L1传送关联于影像数据IMG的特征信息FI给服务器140。在一些实施例中，通讯连接L1包含有线通讯连接或无线通讯连接。在一些实施例中，摄像装置120包含处理器122。在一些实施例中，处理器122是一中央处理器(CPU)、一微处理器、一处理电路或其他可执行指令的硬件元件。在一些实施例中，服务器140包含处理器142、记忆体144以及处理器146。记忆体144耦接处理器142以及处理器146。在一些实施例中，处理器142与处理器146分别是一中央处理器、一微处理器、一处理电路或其他可执行指令的硬件元件。在一些其他的实施例中，处理器142与处理器146共同形成一中央处理器、一微处理器、一处理电路或其他可执行指令的硬件元件。在一些实施例中，记忆体144是只读记忆体、快闪记忆体、软盘、硬盘、光盘、随身盘、磁带或其他可储存数据的硬件元件。在一些实施例中，处理器146包含或执行至少一辨识模型。以图1示例而言，处理器146包含或执行辨识模型MD1以及辨识模型MD2。在一些实施例中，辨识模型MD1或辨识模型MD2为一类神经网络模型。在一些实施例中，辨识模型MD1不同于辨识模型MD2。举例而言，辨识模型MD1具有影像分类功能，且辨识模型MD2具有物件侦测功能。在一些实施例中，辨识模型MD1或辨识模型MD2，其具体实现方式可为软件、硬件与/或固件。各种用以实现辨识模型MD1或辨识模型MD2的方式皆在本揭示内容的考量范围内。请参考图2以及图3。图2是依照本揭示一些实施例所绘示的一种辨识方法200的流程图。图3是依照本揭示一些实施例所绘示的一种卷积演算法的示意图。在一些实施例中，辨识方法200被应用于图1的辨识系统100中。辨识方法200包含步骤S2本文档来自技高网...

【技术保护点】
1.一种辨识系统，其特征在于，包含：一摄像装置，用以基于一影像数据以及一卷积神经网络产生一第M层计算结果，且传送关联于该第M层计算结果的一特征信息，其中M为等于或大于1的一正整数，M小于或等于N，且N为一预设正整数；以及一服务器，耦接该摄像装置且用以接收该特征信息，其中当M小于N时，该服务器基于该特征信息以及该卷积神经网络以迭代方式产生一第K层计算结果，K为大于M的一正整数，K小于或等于N，当K等于N时，该服务器基于该第K层计算结果以及一第一辨识模型产生关联于该影像数据的一第一辨识结果，以对该影像数据进行辨识。

【技术特征摘要】
2017.06.08 TW 1061190941.一种辨识系统，其特征在于，包含：一摄像装置，用以基于一影像数据以及一卷积神经网络产生一第M层计算结果，且传送关联于该第M层计算结果的一特征信息，其中M为等于或大于1的一正整数，M小于或等于N，且N为一预设正整数；以及一服务器，耦接该摄像装置且用以接收该特征信息，其中当M小于N时，该服务器基于该特征信息以及该卷积神经网络以迭代方式产生一第K层计算结果，K为大于M的一正整数，K小于或等于N，当K等于N时，该服务器基于该第K层计算结果以及一第一辨识模型产生关联于该影像数据的一第一辨识结果，以对该影像数据进行辨识。2.根据权利要求1所述的辨识系统，其特征在于，当M等于N时，该第M层计算结果用以作为该特征信息，且该服务器基于该特征信息以及该第一辨识模型产生该第一辨识结果。3.根据权利要求1所述的辨识系统，其特征在于，该服务器更用以基于该第一辨识结果以及一第二辨识模型产生关联于该影像数据的一第二辨识结果，且该第二辨识模型不同于该第一辨识模型。4.根据权利要求1所述的辨识系统，其特征在于，该第M层计算结果包含一卷积结果、一池化结果、一活化结果或一反卷积结果。5.根据权利要求1所述的辨识系统，其特征在于，该摄像装置更用以判断一临限时间是否满足，当M小于N且该临限时间满足时，该摄像装置传送该第M层计算结果至该服务器作为该特征信息，当M小于N且该临限时间未满足时，该摄像装置基于该第M层计算结果以及该卷...

【专利技术属性】
技术研发人员：黄耀民，刘文山，赖欣怡，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：中国台湾,71