[发明专利]一种基于轻量级神经网络的眼镜放置状态的智能判别方法

权利要求书

1.一种基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，包括以下步骤：

步骤一，通过用户行为分析并进行去耦合分类，将眼镜的放置状态分为八类，其中正确一类，异常七类，

所述眼镜的放置状态分为：拍摄镜头被遮挡、未放置眼镜、眼镜被手或者其他物体覆盖遮挡、眼镜未放入凹槽中、眼镜被折叠之后放到凹槽一侧、眼镜腿与正确放置的方向相反、眼镜偏离中心轴和眼镜正确放置；

步骤二，采集各类眼镜分别构造的各类放置状态的图片素材，构造出适合训练轻量级神经网络参数的训练集；

步骤三，选择适合在移动端使用的轻量级神经网络，并使用步骤二获得的训练集进行训练；

步骤四，将步骤三获得的神经网络进行移动端参数转换，集成到自动识别程序；

步骤五，通过实际测量和数据分析，设置正确放置状态的置信度阈值为85％，设置其他放置状态的置信度阈值为30％；

步骤六，拍摄一张眼镜放置区域图片，使用自动识别程序进行图片特征的提取和类别置信度的计算，再与预设的置信度阈值对比，并将结果返回给移动端，根据结果进行后续操作流程。

2.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，所述步骤三中使用的轻量级神经网络采用MobileNet网络结构。

3.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，所述步骤三中使用交叉熵损失函数进行训练，从而得到一个眼镜放置判别的自动分类器。

4.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，所述步骤三中轻量级神经网络输出的是每个类别的可能性，通过SoftMax函数处理之后，每个类别可能的范围是0％-100％，即为置信度，其中置信度最高的类别作为眼镜放置判别结果。

5.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，所述步骤四中神经网络参数转换成可在自助验光设备上运行的格式，通过整合，实现自助验光设备的自动分类。

6.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，所述步骤五中通过不同环境下做实际场景测试，将分类不好的图片放到训练集，做优化训练，持续迭代，优化效果，并且在测试过程中做数据分析，找到可接受的置信度阈值；对于置信度最高的类别，置信度范围在12.5％-100％之间，在综合分析后，设置正确放置状态的置信度阈值为85％，若正确分类的概率超过85％，则认为是正确；设置其他放置状态的置信度阈值为30％，使得放置异常的交叉情况混合输出。

7.根据权利要求1所述的基于轻量级神经网络的眼镜放置状态的智能判别方法，其特征在于，在完成测试投入使用之后，定期分析采集的数据，对实际使用场景持续跟踪分析误分类情况，从而持续优化。