[发明专利]基于人工智能神经网络的轨道交通地面目标视频识别方法

权利要求书

1.一种基于人工智能神经网络的轨道交通地面目标视频识别方法，其特征在于，该方法采用可自我进化的人工智能神经网络，所述的识别方法包括：

(1)输入适配过程，该过程对输入数据进行归一化、基因旋转、适当的卷积和池化，使之与中枢处理过程适配；

(2)中枢处理过程，该过程根据数据源特性进行并行PipeLine或不并行处理运算，其中运算包括多层的卷积和池化；

(3)输出识别过程，根据目前训练的网络，动态插入基因旋转因子，生成不同的输出特征进行输出；

所述的基因旋转因子为αλ^θ+β，其中λ为N阶单位矩阵，α为乘积因子，β为偏移量，θ为单位矩阵旋转角度；

通过改变基因旋转因子的旋变角度和参数，得到一种识别对象的多种属性，其中识别对象包括图像和声音，多种属性包括人性别、服装颜色、表情；所述的交通地面目标包括汽车、行人、指示牌和信号灯。

2.根据权利要求1所述的一种基于人工智能神经网络的轨道交通地面目标视频识别方法，其特征在于，通过所述的基因旋转因子可将已识别对象中更细节部分提取出来进行运算。

3.根据权利要求1所述的一种基于人工智能神经网络的轨道交通地面目标视频识别方法，其特征在于，所述的人工智能神经网络前期利用原先训练神经网络得出输入适配层至输出适配层间所有层的训练参数，包括卷积层和池化层，将这些层中的参数固化，然后将基因旋转因子中的θ旋转1/N*360度，进行训练，根据误差反馈，修整α和β参数，如果能达到误差最小化并收敛，则满足要求，反之，则继续将θ旋转1/N*360度，继续训练。