[发明专利]一种深度学习网络模型的建立方法及装置

说明书

本申请公开一种深度学习网络模型的建立方法及装置，属于图像处理技术领域，包括：将获取的视频流中的每个视频帧输入到深度学习网络模型中进行特征提取；根据提取的视频帧的特征和与视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异；若确定差异未在预设范围内，则调整深度学习网络模型的参数，并返回进行特征提取的步骤，在确定视频流中任意两个相邻视频帧之间的差异均在预设范围内时，建立深度学习网络模型，这里，在提取每个视频帧的特征时均考虑了与该视频帧相邻的前一个视频帧的特征，并要求两者之间的特征差异稳定在预设范围内，这样，可尽量减少视频帧之间的累积误差，从而提高利用各视频帧的特征确定视频采集环境时的准确度。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种深度学习网络模型的建立方法及装置。

背景技术

随着人工智能的快速发展，出现了越来越多的机器人，对移动机器人而言，如何确定机器人的位姿一直以来都是实现其自由移动的关键技术。

现有技术中，在确定机器人的位姿时，先获取机器人采集的视频流，然后分析视频流中的每个视频帧的特征以对视频流的采集环境建图，进而结合机器人上安装的惯性测量单元（Inertial measurement unit，IMU）采集的IMU数据来确定机器人的位姿，总体来说，当机器人行走路程较短如小于20米时，该方案可以较好地确定出机器人的位姿，但当行走路程较远时，由于机器人的偏航和周围环境不可提前预知，所以在利用视频流的特征确定视频流采集环境时不可避免地会存在大量的累积误差，这些累积误差在后续确定机器人的位姿时也会被考虑进来，因此，最终确定出的确定机器人的位姿并不准确。

发明内容

本申请实施例提供一种深度学习网络模型的建立方法及装置，用以降低视频流中各视频帧之间的累积误差，提高在利用视频流的特征确定视频采集环境时的准确度。

第一方面，本申请实施例提供的一种深度学习网络模型的建立方法，包括：

对获取的视频流中的每个视频帧，将所述视频帧输入到深度学习网络模型中进行特征提取；

根据提取的所述视频帧的特征和与所述视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异；

若确定所述差异未稳定在预设范围内，则调整所述深度学习网络模型的参数，返回将所述视频帧输入到深度学习网络模型中进行特征提取的步骤；

在确定所述视频流中任意两个相邻视频帧之间的差异均稳定在预设范围内时，将当前的深度学习网络模型确定为建立的深度学习网络模型。

本申请实施例中，将获取的视频流中的每个视频帧输入到深度学习网络模型中进行特征提取，之后，根据提取的该视频帧的特征和与该视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异，若确定差异未稳定在预设范围内，则调整深度学习网络模型的参数，返回将视频帧输入到深度学习网络模型中进行特征提取的步骤，直到在确定视频流中任意两个相邻视频帧之间的差异均稳定在预设范围内时，将当前的深度学习网络模型确定为建立的深度学习网络模型，该方案中，在利用深度学习网络提取视频流中除第一帧之外的每个视频帧的特征时，考虑了与该视频帧相邻的前一个视频帧的特征，并要求两者之间的特征差异稳定在预设范围内，这样，可尽量减少视频帧之间的累积误差，从而提高在利用视频流中各视频帧的特征确定视频采集环境时的准确度。

第二方面，本申请实施例提供的一种深度学习网络模型的建立装置，包括：

特征提取模块，用于对获取的视频流中的每个视频帧，将所述视频帧输入到深度学习网络模型中进行特征提取；

差异确定模块，用于根据提取的所述视频帧的特征和与所述视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异；

调整模块，用于若确定所述差异未稳定在预设范围内，则调整所述深度学习网络模型的参数，返回将所述视频帧输入到深度学习网络模型中进行特征提取的步骤；