一种面向视频分析的多层神经网络模型制造技术

本发明专利技术公开了一种面向视频分析的多层神经网络模型，涉及视频分析领域，多层神经网络模型由多个神经元连接在一起构成多层网络，包括采集输入层、提取层、筛选处理层和全连接层；通过多个提取层提取视频数据中的特征向量，多个筛选处理层分别对提取的多个特征向量进行进一步地筛选处理，最后通过全连接层进行最后的分类，通过激活函数用于建立各层之间的连接关系并通过训练算法不断改进网络参数，提高视频数据中目标的识别率，为网络模型的设计、训练算法的选择提供新思路，可广泛用于视频分析领域。

A multilayer neural network model for video analysis

The invention discloses a multi-layer neural network model for video analysis, which relates to the field of video analysis. The multi-layer neural network model is composed of a plurality of neurons connected together to form a multi-layer network, including an acquisition input layer, an extraction layer, a screening processing layer and a full connection layer. The feature vectors in the video data are extracted through a plurality of extraction layers, and the plurality of screening processing layers respectively extract a plurality of The feature vectors are further filtered, and finally classified through the full connection layer. The activation function is used to establish the connection between the layers and improve the network parameters through the training algorithm to improve the recognition rate of the target in the video data. It provides a new idea for the design of the network model and the selection of the training algorithm, which can be widely used in the field of video analysis.

【技术实现步骤摘要】
一种面向视频分析的多层神经网络模型
本专利技术涉及视频分析领域，尤其涉及一种面向视频分析的多层神经网络模型。
技术介绍
神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，特别在智能控制中，人们对神经网络的自学习功能尤其感兴趣，并且把神经网络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一，模拟人类实际神经网络的数学方法问世以来，人们已慢慢习惯了把这种人工神经网络直接称为神经网络，但由于该技术目前还处于起步阶段，许多模型还处于丰富和完善中，目前能够投入实际应用的模型还不够多，但是市场上还没有性能稳定的面向视频分析的多层神经网络模型。
技术实现思路
本专利技术的目的就在于为了解决上述问题设计了一种面向视频分析的多层神经网络模型。本专利技术通过以下技术方案来实现上述目的：一种面向视频分析的多层神经网络模型，由多个神经元连接在一起构成多层网络，多层神经网络模型包括：多个用于采集输入视频数据的采集输入层；多个提取层，多个提取层与多个采集输入层一一对应连接，提取层用于提取视频数据中的特征向量；多个筛选处理层，多个筛选处理层与多个提取层一一对应连接，每个筛选处理层对特征向量进行采集样本筛选处理，得到样本特征向量；用于对多个样本特征向量进行最后分类的全连接层，提取层、筛选处理层和全连接层之间通过激活函数连接在一起。进一步地，其中神经元的模型表达式为：Yi＝f(Ui)、其中Yi为x神经元的输出，f(Ui)为激活函数，w表示第i个输入的权重，θ表示x神经元的阈值。进一步地，激活函数使用ReLU函数作为激活函数。进一步地，采集输入层为网络摄像机，网络摄像机的信号端与提取层的信号端连接。本专利技术的有益效果在于：通过多个提取层提取特征向量，多个筛选处理层分别对提取的多个特征向量进行进一步地筛选处理，最后通过全连接层进行最后的分类，通过激活函数用于建立各层之间的连接关系并通过训练算法不断改进网络参数，提高视频数据中目标的识别率，为网络模型的设计、训练算法的选择提供新思路，可广泛用于视频分析领域。附图说明图1是本专利技术一种面向视频分析的多层神经网络模型的流程图；图2是本专利技术一种面向视频分析的多层神经网络模型中神经元的结构模型图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。下面结合附图，对本专利技术的具体实施方式进行详细说明。如图1所示，一种面向视频分析的多层神经网络模型，由多个神经元连接在一起构成多层网络，多层神经网络模型包括：多个用于采集输入视频数据的采集输入层；多个提取层，多个提取层与多个采集输入层一一对应连接，提取层用于提取视频数据中的特征向量；多个筛选处理层，多个筛选处理层与多个提取层一一对应连接，每个筛选处理层对特征向量进行采集样本筛选处理，得到样本特征向量；用于对多个样本特征向量进行最后分类的全连接层，提取层、筛选处理层和全连接层之间通过激活函数连接在一起。如图2所示，其中神经元的模型表达式为：Yi＝f(Ui)、其中Yi为x神经元的输出，f(Ui)为激活函数，w表示第i个输入的权重，θ表示x神经元的阈值。激活函数使用ReLU函数作为激活函数。采集输入层为网络摄像机，网络摄像机的信号端与提取层的信号端连接。通过多个提取层提取视频数据中的特征向量，多个筛选处理层分别对提取的多个特征向量进行进一步地筛选处理，最后通过全连接层进行最后的分类，通过激活函数用于建立各层之间的连接关系并通过训练算法不断改进网络参数，提高视频数据中目标的识别率，为网络模型的设计、训练算法的选择提供新思路，可广泛用于视频分析领域。本专利技术的技术方案不限于上述具体实施例的限制，凡是根据本专利技术的技术方案做出的技术变形，均落入本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种面向视频分析的多层神经网络模型，由多个神经元连接在一起构成多层网络，其特征在于，多层神经网络模型包括：/n多个用于采集输入视频数据的采集输入层；/n多个提取层，多个提取层与多个采集输入层一一对应连接，提取层用于提取视频数据中的特征向量；/n多个筛选处理层，多个筛选处理层与多个提取层一一对应连接，每个筛选处理层对特征向量进行采集样本筛选处理，得到样本特征向量；/n用于对多个样本特征向量进行最后分类的全连接层，提取层、筛选处理层和全连接层之间通过激活函数连接在一起。/n

【技术特征摘要】
1.一种面向视频分析的多层神经网络模型，由多个神经元连接在一起构成多层网络，其特征在于，多层神经网络模型包括：
多个用于采集输入视频数据的采集输入层；
多个提取层，多个提取层与多个采集输入层一一对应连接，提取层用于提取视频数据中的特征向量；
多个筛选处理层，多个筛选处理层与多个提取层一一对应连接，每个筛选处理层对特征向量进行采集样本筛选处理，得到样本特征向量；
用于对多个样本特征向量进行最后分类的全连接层，提取层、筛选处理层和全连接层之间通过激活函数连接在一起。

<...

【专利技术属性】
技术研发人员：雷洪波，
申请(专利权)人：四川博文讯通科技有限公司，
类型：发明
国别省市：四川;51