【技术实现步骤摘要】
本专利技术涉及智能锁识别，具体为一种基于深度学习的智能锁图像特征识别方法及系统。
技术介绍
1、深度学习技术的应用为智能锁的图像特征识别提供了新的方向。然而，如何在复杂多变的实际场景中，有效提取和利用图像的多尺度特征，同时兼顾局部细节和全局语义信息，仍然是一个挑战性的问题。具体体现在：难以有效平衡局部和全局特征的重要性以及难以同时满足身份识别、姿态估计和环境感知等多任务需求。尤其是在智能锁这种对安全性要求极高的应用中，如何在保证识别精度的同时，实现对身份、姿态和环境等多维度信息的综合分析，成为了亟待解决的技术难题。
技术实现思路
1、本专利技术提供一种基于深度学习的智能锁图像特征识别方法及系统以解决现有智能锁图像特征识别信息维度较少的技术问题。
2、本专利技术解决上述技术问题的技术方案如下：
3、一方面，提供一种基于深度学习的智能锁图像特征识别方法，识别方法的步骤包括：
4、构建多分支深度神经网络模型，多分支深度神经网络模型包括主干网络、特征提取分支和特征融合分支；
5、采集并预处理智能锁周围环境的实时图像，并将预处理后的实时图像输入主干网络，提取多尺度特征图；
6、通过特征提取分支处理多尺度特征图，生成局部特征和全局特征；
7、通过特征融合分支融合局部特征和全局特征，生成综合特征表示；
8、使用框架训练模型，学习身份识别、姿态估计和环境感知任务；
9、使用训练好的框架训练模型对综合特征
10、另一方面，提供一种智能锁图像特征识别系统，识别系统包括：
11、图像采集模块，用于采集智能锁周围环境的图像；
12、预处理模块，用于对采集的图像进行预处理；
13、深度神经网络模块，用于构建多分支深度神经网络模型并提取特征；
14、特征融合模块，用于融合局部特征和全局特征；
15、多任务学习模块，用于优化多个任务；
16、特征识别模块，用于对实时图像进行特征识别；
17、控制指令生成模块，用于生成智能锁的控制指令。
18、本专利技术的有益效果是：
19、本专利技术提供的基于深度学习的智能锁图像特征识别方法，通过构建多分支深度神经网络模型，实现了对身份、姿态和环境等多维度信息的综合分析。本专利技术的方法采用改进的resnext结构作为主干网络，引入空洞卷积和注意力机制，提升了特征提取的感受野和判别能力。通过在不同层级添加特征提取分支，该方法能够捕获多尺度的局部信息，从而更好地适应复杂多变的场景。多任务学习框架的引入，使得模型能够同时优化身份识别、姿态估计和环境感知等多个相关任务，增强了特征表示的通用性。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的智能锁图像特征识别方法，其特征在于，所述识别方法的步骤包括：
2.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述构建多分支深度神经网络模型的步骤包括：
3.如权利要求2所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述改进的ResNeXt结构包括以下修改：
4.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述通过所述特征提取分支处理所述多尺度特征图的步骤包括：
5.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述通过所述特征融合分支融合所述局部特征和全局特征的过程采用以下加权求和公式：
6.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述使用框架训练模型，学习身份识别、姿态估计和环境感知任务采用以下损失函数：
7.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述使用框架训练模型，学习身份识别、姿态估计和环境感知任务的过程包括数据增强步骤：
8.如
9.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述根据识别结果生成智能锁的控制指令的步骤包括：
10.一种智能锁图像特征识别系统，其特征在于，所述识别系统包括：
...【技术特征摘要】
1.一种基于深度学习的智能锁图像特征识别方法，其特征在于，所述识别方法的步骤包括：
2.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述构建多分支深度神经网络模型的步骤包括：
3.如权利要求2所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述改进的resnext结构包括以下修改：
4.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述通过所述特征提取分支处理所述多尺度特征图的步骤包括：
5.如权利要求1所述的基于深度学习的智能锁图像特征识别方法，其特征在于，所述通过所述特征融合分支融合所述局部特征和全局特征的过程采用以下加权求和公式：
6.如权利要求...
【专利技术属性】
技术研发人员：薛喜柱，林本聪，罗相诚，张光力，刘兵，李劲松，麻亚翰，
申请(专利权)人：一脉通深圳智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。