[发明专利]生成用于基于机器学习的对象识别系统的训练图像

权利要求书

1.一种由计算装置(200；810；910)执行的用于生成用于基于机器学习的对象识别系统的训练图像数据的方法(300；600)，所述方法包括：

接收(310)对象类型的通用图像数据(402)；

接收(320；602)与所述对象类型相关的记录图像数据(710)；

相对于至少一个成像相关参数(404-426)，修改(330；400；622)所述通用图像数据；

确定(340；604-618，624-640)所修改的通用图像数据(720，730)和所述记录图像数据(710)之间的相似度，相似度的确定包括：

展出(606，626)图像数据集以形成向量，并收集向量以形成矩阵，

计算(614，634)矩阵的特征向量，

将图像数据集向量投影(616，636)到各特征向量集合上，并收集所得到的投影系数，

确定(640)所得到的投影系数之间的相似度；以及

当所确定的相似度满足相似性条件(642)时，存储(350；644)所修改的通用图像数据(720，730)作为所生成的所述对象类型的训练图像数据。

2.根据权利要求1所述的方法，其中，确定所述相似度包括：对所修改的通用图像数据(720，730)和所述记录图像数据(710)进行(608-618，628-638)核主成分分析KPCA。

3.根据权利要求1或2所述的方法，其中，确定所述相似度包括：使用局部二进制模式LBP来变换(500；604，624)所修改的通用图像数据(720，730)和所述记录图像数据(710)。

4.根据权利要求1所述的方法，其中，所述相似度基于代表所修改的通用图像数据(720，730)的数据和代表所述记录图像数据的数据(710)之间的巴氏距离来确定。

5.根据权利要求1所述的方法，进一步包括：

当所确定的相似度不能满足所述相似性条件(642)时，拒绝所修改的通用图像数据。

6.根据权利要求1所述的方法，其中，所述记录图像数据(710)包括一个或多个记录图像数据集，每一个记录图像数据集包括对应于与所述对象类型相关的记录图像的数据，并且其中，所修改的通用图像数据(720，730)包括一个或多个修改图像数据集，每一个修改图像数据集包括与所述对象类型的生成图像对应的数据。

7.根据权利要求6所述的方法，其中，修改图像数据集(720，730)的数量大于记录图像数据集(710)的数量。

8.根据权利要求6或7所述的方法，其中，所述修改图像数据集(720，730)中的至少两个通过相对于所述成像相关参数(404-426)不同地重复修改所述通用图像数据(402)和/或通过相对于不同的成像相关参数(404-426)重复修改所述通用图像数据(402)来相应地产生。

9.根据权利要求1所述的方法，其中，修改所述通用图像数据(402)被重复执行，并且其中，所述成像相关参数(404-426)在所述通用图像数据(402)的连续修改之间变化至少预定量。

10.根据权利要求1所述的方法，其中，所述至少一个成像相关参数(404-426)包括鱼眼失真、颜色随机化、透视、阴影、噪声、模糊、增益、色差、光晕、亮度、对比度、调整大小和/或背景。

11.根据权利要求1所述的方法，其中，所述对象类型包括交通标志。

12.根据权利要求1所述的方法，进一步包括：

由基于机器学习的对象识别系统(800；905)使用所存储的所述对象类型的训练图像数据作为关于所述对象类型的训练图像。