[发明专利]一种图像识别的方法、系统及相关组件

权利要求书

1.一种图像识别的方法，其特征在于，包括：

当接收到模型训练指令时，根据所述模型训练指令对训练样本集执行图像特征提取操作得到M帧样本图片的特征向量；

将所有所述样本图片划分为个样本图片组；其中，每个所述样本图片组内包括N帧相邻的所述样本图片；

利用段落融合网络将每个所述样本图片组内的N帧样本图片的特征向量拼接为一个拼接特征向量得到个拼接特征向量，并对所有所述拼接特征向量进行池化操作得到段落融合特征；

将所有所述段落融合特征传输至循环神经网络进行训练得到图像识别模型，以便利用所述图像识别模型进行图像识别操作。

2.根据权利要求1所述方法，其特征在于，根据所述模型训练指令对训练样本集执行图像特征提取操作得到M帧样本图片的特征向量包括：

根据所述模型训练指令将所述训练样本集中的样本图像输入卷积神经网络进行所述图像特征提取操作得到多帧所述样本图片的所述特征向量。

3.根据权利要求1所述方法，其特征在于，将所有所述段落融合特征传输至循环神经网络进行训练得到图像识别模型包括：

将所有所述段落融合特征传输至长短期记忆网络进行训练得到所述图像识别模型；其中，所述长短期记忆网络为所述循环神经网络中的一种人工神经网络。

4.根据权利要求1所述方法，其特征在于，在根据所述模型训练指令对训练样本集执行图像特征提取操作得到M帧样本图片的特征向量之前，还包括：

获取视频数据并将所述视频数据按照预设周期进行截图操作得到若干张样本图像，根据所有所述样本图像构建所述训练样本集。

5.根据权利要求1所述方法，其特征在于，根据所述模型训练指令对训练样本集执行图像特征提取操作得到M帧样本图片的特征向量包括：

根据所述模型训练指令利用三帧差分法提取所述训练样本集中每一帧样本图像的运动目标区域；

对每一帧所述样本图像的运动目标区域进行图像特征提取操作得到多帧样本图片的所述特征向量。

6.根据权利要求1所述方法，其特征在于，利用所述图像识别模型进行图像识别操作包括：

当接收到目标视频时，对所述目标视频进行截图操作得到多张待识别图像，对所述待识别图像执行图像特征提取操作得到待识别特征向量；

将所述待识别特征向量输入所述段落融合网络得到待识别拼接特征向量，并对所有所述待识别拼接特征向量进行池化操作得到待识别段落特征；

将所有所述待识别段落特征传输至所述图像识别模型得到图像识别结果。

7.一种图像识别的系统，其特征在于，包括：

特征提取模块，用于当接收到模型训练指令时，根据所述模型训练指令对训练样本集执行图像特征提取操作得到M帧样本图片的特征向量；

划分模块，用于将所有所述样本图片划分为个样本图片组；其中，每个所述样本图片组内包括N帧相邻的所述样本图片；

段落融合模块，用于利用段落融合网络将每个所述样本图片组内的N帧样本图片的特征向量拼接为一个拼接特征向量得到个拼接特征向量，并对所有所述拼接特征向量进行池化操作得到段落融合特征；

识别模块，用于将所有所述段落融合特征传输至循环神经网络进行训练得到图像识别模型，以便利用所述图像识别模型进行图像识别操作。

8.根据权利要求7所述系统，其特征在于，所述特征提取模块为根据所述模型训练指令将所述训练样本集中的样本图像输入卷积神经网络进行所述图像特征提取操作得到多帧样本图片的所述特征向量的模块。

9.一种图像识别装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时执行如权利要求1至6任一项所述的图像识别的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像识别的方法的步骤。