【技术实现步骤摘要】
卷积神经网络特征提取图像传感器
本专利技术涉及图像处理、深度学习、卷积神经网络领域，特别是明涉及卷积神经网络特征提取图像传感器。
技术介绍
图像监控通过图像来监控目标，在视频安防监控、电力、交通、金融、电信等行业实施大范围、远距离的集中监控服务方面已经得到了广泛的应用。但是，在某些应用场合，直接监控图像，涉及到隐私暴露和泄密的问题。例如，对居家养老老人活动的监控，对病人的呼吸监控、情绪监控等，都不希望看到清晰图像。而对于这些应用，只需要监控图像的特征变化就可以起到特定的监控效果。另一方面，直接传输图像原始数据，文件太大，收到数据网络传输带宽的限制。如果不需要原始图像，只需要图像特征的场合，可以之传输图像特征，从而节省大量的带宽。为解决以上问题，本专利技术提出了卷积神经网络特征提取图像传感器，经过卷积神经网络处理的信号，是图像特征而不是原始图像，可以用这些图像特征完成监控任务。
技术实现思路
本专利技术公开一种特征提取图像传感器。所述卷积神经网络特征提取图像传感器是在普通图像传感器之后增加基于深度学习的卷积神经网络用于提取图像特征。一个完整的卷积神经网络可以在卷积神经网...
【技术保护点】
1.一种卷积神经网络特征提取图像传感器，其特征在于，在通用图像传感器之后增加了图像特征提取单元，被提取的图像特征替代原始图像输出。
【技术特征摘要】
1.一种卷积神经网络特征提取图像传感器，其特征在于，在通用图像传感器之后增加了图像特征提取单元，被提取的图像特征替代原始图像输出。2.如权利要求1所述的图像特征提取单元，其特征在于，用卷积神经网络作为图像特征提取方法，所述的卷积神经网络可以通过大数据按照所监测图像或检测目标进行训练。3.如权利要求2所述的卷积神经网络，其特征在于，可以全部或部分部署在所述的特征提取图像传感器的特征提取单元内。4.如权利要求3所述的部分部署，其特征在于，在图像特征提取单元内只部署所述卷积神经网络的一部分，而另一部分部署在前端，所述的两部分构成完整的深度学习卷积神经网络。5.如权利要求4所述的两部分卷积神经网络，其特征在于，部署完成后，可以作为一个整体进行训练。6.如权利要求4所述的两...
【专利技术属性】
技术研发人员：秦绮玲，刘亚平，
申请(专利权)人：苏州米特希赛尔人工智能有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。