一种基于神经网络结构的图像识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络结构的图像识别方法，该方法包括以下步骤：根据图像识别指令，确定待识别的目标图像；针对预先获得的查找表集合中每个查找表，将目标图像的每个像素与该查找表的每个表项进行匹配，查找表集合包含多个具有不同内容的参考图像对应的查找表，每个查找表基于神经网络结构建立，每个查找表中的表项为神经网络结构的神经元；根据匹配结果，确定目标图像对应的参考图像。应用本发明专利技术实施例所提供的技术方案，基于神经网络结构进行图像识别，模拟了人脑的学习能力，使得图像识别更加准确。本发明专利技术还公开了一种基于神经网络结构的图像识别装置，具有相应的技术效果。

【技术实现步骤摘要】

本专利技术涉及计算机应用
，特别是涉及一种基于神经网络结构的图像识别方法及装置。
技术介绍
随着计算机应用技术的快速发展，图像识别技术的应用越来越广泛，对图像识别的需求也越来越多。比如在视频监控中，或者在签名比对中，都需要进行图像识别。随着对人脑结构和神经网络的眼睛，技术人员已经了解并逐渐探索出人脑对信息的处理及工作方式。但基于神经网络结构如何进行图像的准确识别，是目前本领域技术人员亟需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种基于神经网络结构的图像识别方法及装置，以基于神经网络结构对图像进行准确识别。为解决上述技术问题，本专利技术提供如下技术方案：一种基于神经网络结构的图像识别方法，包括：根据图像识别指令，确定待识别的目标图像；针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，所述查找表集合包含多个具有不同内容的参考图像对应的查找表，每个查找表基于神经网络结构建立，每个查找表中的表项为所述神经网络结构的神经元；根据匹配结果，确定所述目标图像对应的参考图像。在本专利技术的一种具体实施方式中，所述针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，包括：针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表中相应像素位置的表项进行比对；针对该查找表中每个像素位置的表项，如果该像素位置的表项有过学习记录，则顺延至该查找表的该像素位置后方下一表项处做迭代匹配，直至达到预设深度处。在本专利技术的一种具体实施方式中，还包括：针对所述查找表集合中每个查找表，如果在设定时长内没有任何一个待识别的图像被识别为该查找表对应的参考图像，则在所述查找表集合中删除该查找表。在本专利技术的一种具体实施方式中，针对任意一个参考图像，通过以下步骤预先获得该参考图像对应的查找表：接收针对该参考图像的待学习的图像数据流，所述图像数据流中每个图像样本具有与该参考图像相同的内容；针对所述图像数据流中的每个图像样本的每个像素，使用一个查找表中的相应像素位置的表项对该像素进行学习；将学习后的查找表确定为该参考图像对应的查找表。在本专利技术的一种具体实施方式中，所述针对所述图像数据流中的每个图像样本的每个像素，使用一个查找表中的相应像素位置的表项对该像素进行学习，包括：如果在该像素位置的表项首次接受学习，则直接在该像素位置的表项处进行学习记录；如果在该像素位置的表项非首次接受学习，则对该像素位置后方表项进行迭代学习，直至迭代至首次接受学习的表项。一种基于神经网络结构的图像识别装置，包括：目标图像确定模块，用于根据图像识别指令，确定待识别的目标图像；表项匹配模块，用于针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，所述查找表集合包含多个具有不同内容的参考图像对应的查找表，每个查找表基于神经网络结构建立，每个查找表中的表项为所述神经网络结构的神经元；参考图像确定模块，用于根据匹配结果，确定所述目标图像对应的参考图像。在本专利技术的一种具体实施方式中，所述表项匹配模块，具体用于：针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表中相应像素位置的表项进行比对；针对该查找表中每个像素位置的表项，如果该像素位置的表项有过学习记录，则顺延至该查找表的该像素位置后方下一表项处做迭代匹配，直至达到预设深度处。在本专利技术的一种具体实施方式中，还包括查找表删除模块，用于：针对所述查找表集合中每个查找表，如果在设定时长内没有任何一个待识别的图像被识别为该查找表对应的参考图像，则在所述查找表集合中删除该查找表。在本专利技术的一种具体实施方式中，还包括查找表获得模块，用于针对任意一个参考图像，通过以下步骤预先获得该参考图像对应的查找表：接收针对该参考图像的待学习的图像数据流，所述图像数据流中每个图像样本具有与该参考图像相同的内容；针对所述图像数据流中的每个图像样本的每个像素，使用一个查找表中的相应像素位置的表项对该像素进行学习；将学习后的查找表确定为该参考图像对应的查找表。在本专利技术的一种具体实施方式中，所述查找表获得模块，具体用于：如果在该像素位置的表项首次接受学习，则直接在该像素位置的表项处进行学习记录；如果在该像素位置的表项非首次接受学习，则对该像素位置后方表项进行迭代学习，直至迭代至首次接受学习的表项。应用本专利技术实施例所提供的技术方案，根据图像识别指令，可以确定待识别的目标图像，针对预先获得的查找表集合中每个查找表，将目标图像的每个像素与该查找表的每个表项进行匹配，根据匹配结果，可以确定目标图像对应的参考图像，即目标图像更像哪一个参考图像。查找表集合中的每个查找表基于神经网络结构建立，通过图像学习获得，该集合中包含多个具有不同内容的参考图像对应的查找表，每个查找表的表项为神经网络结构的神经元。基于神经网络结构进行图像识别，模拟了人脑的学习能力，使得图像识别更加准确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中一种基于神经网络结构的图像识别方法的实施流程图；图2为本专利技术实施例中一种图像识别系统的结构示意图；图3为本专利技术实施例中一种神经网络结构的示意图；图4为本专利技术实施例中一个图像样本的示意图；图5为本专利技术实施例中样本学习过程示意图；图6为本专利技术实施例中图像识别过程示意图；图7为本专利技术实施例中查找表读写示意图；图8为本专利技术实施例中一种基于神经网络结构的图像识别装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1所示，为本专利技术实施例所提供的一种基于神经网络结构的图像识别方法的实施流程图，该方法可以包括以下步骤：S110：根据图像识别指令，确定待识别的目标图像。在本专利技术实施例中，控制单元可以通过前端接口单元接收图像识别指令，如图2所示。图像识别指令中可以携带待识别的目标图像。根据图像识别指令，可以确定待识别的目标图像。前端接口可以解析上层指令，与其交互的可以是通用x86架构下的PCI-E(PCIExpress，新一代总线接口)，还可以是ARM架构下AXI(AdvancedextensibleInterface，一种总线协议)等接口。在接收到图像识别指令时，可以通过计算单元先对图像识别指令中的目标图像进行预处理，以达到加速识别的目的，如图2所示。比如，可以使用卷积特征提取算法，将高像素图像匹配至后端基于神经网络结构建立的查找表的规格，并使图像的轮廓更加清晰明显，或者，可以设定对识别图像的旋转识别模式，例如，预先获得的基于神经网络结构建立的查找表中学习过一个正立的字符图像“M”，则在接收到“W”时会将其识别为学习过的反转了1本文档来自技高网...

【技术保护点】
一种基于神经网络结构的图像识别方法，其特征在于，包括：根据图像识别指令，确定待识别的目标图像；针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，所述查找表集合包含多个具有不同内容的参考图像对应的查找表，每个查找表基于神经网络结构建立，每个查找表中的表项为所述神经网络结构的神经元；根据匹配结果，确定所述目标图像对应的参考图像。

【技术特征摘要】
1.一种基于神经网络结构的图像识别方法，其特征在于，包括：根据图像识别指令，确定待识别的目标图像；针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，所述查找表集合包含多个具有不同内容的参考图像对应的查找表，每个查找表基于神经网络结构建立，每个查找表中的表项为所述神经网络结构的神经元；根据匹配结果，确定所述目标图像对应的参考图像。2.根据权利要求1所述的基于神经网络结构的图像识别方法，其特征在于，所述针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表的每个表项进行匹配，包括：针对预先获得的查找表集合中每个查找表，将所述目标图像的每个像素与该查找表中相应像素位置的表项进行比对；针对该查找表中每个像素位置的表项，如果该像素位置的表项有过学习记录，则顺延至该查找表的该像素位置后方下一表项处做迭代匹配，直至达到预设深度处。3.根据权利要求1所述的基于神经网络结构的图像识别方法，其特征在于，还包括：针对所述查找表集合中每个查找表，如果在设定时长内没有任何一个待识别的图像被识别为该查找表对应的参考图像，则在所述查找表集合中删除该查找表。4.根据权利要求1至3任一项所述的基于神经网络结构的图像识别方法，其特征在于，针对任意一个参考图像，通过以下步骤预先获得该参考图像对应的查找表：接收针对该参考图像的待学习的图像数据流，所述图像数据流中每个图像样本具有与该参考图像相同的内容；针对所述图像数据流中的每个图像样本的每个像素，使用一个查找表中的相应像素位置的表项对该像素进行学习；将学习后的查找表确定为该参考图像对应的查找表。5.根据权利要求4所述的基于神经网络结构的图像识别方法，其特征在于，所述针对所述图像数据流中的每个图像样本的每个像素，使用一个查找表中的相应像素位置的表项对该像素进行学习，包括：如果在该像素位置的表项首次接受学习，则直接在该像素位置的表项处进行学习记录；如果在该像素位置的表项非首次接受学习，则对该像素位置后方表项进行迭代学习，直至迭代...

【专利技术属性】
技术研发人员：丁岩，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南;41