基于机器学习的对象辨识系统及其方法技术方案

本公开提供了一种基于机器学习的对象辨识系统，包括二维影像撷取模块、三维空间撷取模块、一数据框选模块、一数据对齐模块、一特征撷取模块以及一侦测模块。二维影像撷取模块用以撷取二维影像。三维空间撷取模块用以撷取三维空间点云数据。数据框选模块根据三维空间点云数据进行对象分割，并进行深度识别，以框选至少一关注区域。数据对齐模块映射至少一关注区域的坐标至二维影像的坐标中。特征撷取模块计算二维影像的特征，并由二维影像的特征中提取对应关注区域的坐标的至少一关注特征。侦测模块取得关注特征，并根据关注特征，对二维影像中至少一对象进行识别。

【技术实现步骤摘要】
基于机器学习的对象辨识系统及其方法
本公开是有关于一种基于机器学习的对象辨识系统及其方法。
技术介绍
传统利用深度学习网络对彩色二维影像进行对象识别过程中，在框选彩色二维影像的候选区域阶段，会利用卷积神经网络所获得大量对象特征，在彩色二维影像中生成候选区域，然而，这个步骤需要高速运算资源并消耗大量时间才能获得计算结果，这是传统深度学习网络的主要缺点。中国专利公开第105975915A号提出一种基于多任务卷积神经网络的前方车辆参数识别方法，卷积神经网络(ConvolutionalNeuralNetwork，CNN)的输入RGB-D图像，即一种包含彩色及深度信息的四信道颜色深度图像；将输入图像RGB-D图像进行局部对比度归一化的预处理，处理后的数据交给卷积神经网络进行训练，训练前初始化所有的权值为随机数；训练分为两个阶段：信号前向传播阶段和误差后向回馈阶段；当卷积神经网络的实际输出值与期望输出值的误差保持在预设范围内即终止卷积神经网络训练，并保存卷积神经网络结构，适用于交通场景的车辆参数识别的多任务卷积神经网络训练完毕。上述方法通过卷积神经本文档来自技高网...

【技术保护点】
1.一种基于机器学习的对象辨识系统，包括：/n二维影像撷取模块，用以撷取二维影像；/n三维空间撷取模块，用以撷取三维空间点云数据；/n数据框选模块，根据该三维空间点云数据进行对象分割，并进行深度识别，以框选至少一关注区域；/n数据对齐模块，映射该至少一关注区域的坐标至该二维影像的坐标中；/n特征撷取模块，计算该二维影像的特征，并由该二维影像的特征中提取对应该至少一关注区域的坐标的至少一关注特征；以及/n侦测模块，取得该至少一关注特征，并根据该至少一关注特征，对该二维影像中的至少一对象进行识别。/n

【技术特征摘要】
20191121 TW 1081423441.一种基于机器学习的对象辨识系统，包括：
二维影像撷取模块，用以撷取二维影像；
三维空间撷取模块，用以撷取三维空间点云数据；
数据框选模块，根据该三维空间点云数据进行对象分割，并进行深度识别，以框选至少一关注区域；
数据对齐模块，映射该至少一关注区域的坐标至该二维影像的坐标中；
特征撷取模块，计算该二维影像的特征，并由该二维影像的特征中提取对应该至少一关注区域的坐标的至少一关注特征；以及
侦测模块，取得该至少一关注特征，并根据该至少一关注特征，对该二维影像中的至少一对象进行识别。


2.根据权利要求1所述的对象辨识系统，其中该数据框选模块将该三维空间点云数据转换至深度影像，并根据该深度影像进行对象分割。


3.根据权利要求2所述的对象辨识系统，其中该侦测模块以该深度影像为对象遮罩，去除该该二维影像中对应该至少一关注区域的该至少一对象以外的背景影像。


4.根据权利要求1所述的对象辨识系统，其中该数据对齐模块建立该三维空间点云数据的空间坐标与该二维影像的平面坐标的对应关系，以供映射该关注区域的坐标至该二维影像的坐标中，以产生映射数据。


5.根据权利要求2所述的对象辨识系统，其中该侦测模块根据该该深度影像计算该至少一对象的深度信息，重新定义该二维影像中对应该至少一对象的框选区域...

【专利技术属性】
技术研发人员：吴明，曾坤隆，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：中国台湾;71