(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221080452 9.3 (22)申请日 2022.07.08 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 兰雨晴　刘玮　余丹　张洁　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 基于近似计算的VG G图像特征提取加速方法 (57)摘要 本发明提供了基于近似计算的VGG图像特征 提取加速方法， 其先从基于VGG网络的图像特征 提取程序集合选取与 目标图像匹配的目标循环 程序， 并对目标循环程序执行穿孔， 得到初始近 似程序， 这样初始近似程序能够具有与目标循环 程序向一致的图像识别功能， 并且初始近似程序 相对于目标循环程序具有较高的计算速度； 再根 据目标循环程序和初始近似程序对目标图像各 自的图像特征识别结果之间差异， 确定是否对初 始近似程序进行二次穿孔； 最后将最终形式的近 似程序对待识别图像的 图像特征识别结果， 输入 到目标循环 程序中， 从而 得到每个待识别图像最 终的图像特征信息； 上述方法可减少后续目标循 环程序的计算工作量， 实现图像特征提取的加速 化。 权利要求书2页 说明书6页 附图1页 CN 115222971 A 2022.10.21 CN 115222971 A 1.基于近似计算的VG G图像特征提取加速方法， 其特 征在于， 其包括如下步骤： 步骤S1， 获取客户终端上传的目标图像， 对所述目标图像进行初步筛选处理， 确定所述 目标图像的图像类型信息； 根据所述图像类型信息， 从基于VGG 网络的图像特征提取程序集 合中选择与所述目标图像相匹配的目标循环程序； 步骤S2， 对上述选择得到的目标循环程序执行穿孔， 以此得到初始近似程序； 将所述目 标图像分别输入到所述目标循环程序和所述初始近似程序进 行分析处理， 从而提取得到第 一图像特 征信息和第二图像特 征信息； 步骤S3， 根据 所述第一图像特征信 息和所述第 二图像特征信 息之间在图像特征识别准 确度的差异， 判断是否对所述初始近似程序执行二次穿孔； 并根据上述判断结果， 得到最 终 形式的近似程序； 步骤S4， 将与所述目标图像具有相同图像类型信息的若干待识别图像依次输入到所述 最终形式的近似程序， 并将 每个待识别图像对应的图像特征识别结果输入到所述目标循环 程序， 从而得到每 个待识别图像最终的图像特 征信息。 2.如权利要求1所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S1中， 获取客户终端上传的目标图像， 对所述目标图像进行初步筛选处理， 确定所述目标图像的图像 类型信息具体包括： 获取客户终端上传的目标图像， 并对所述目标图像进行图像亮度分析处理和图像清晰 度分析处 理， 得到所述目标图像的图像亮度值和图像 像素分辨 率值； 若所述图像亮度值大于或等于预设亮度阈值和所述图像像素分辨率值大于或等于预 设分辨率阈值， 则确定所述目标图像属于高质量图像； 否则， 确定所述目标图像属于低质量 图像。 3.如权利要求2所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S1中， 根据所述图像类型信息， 从基于VGG网络的图像特征提取程序集合中 选择与所述目标图像相匹配的目标循环程序具体包括： 当所述目标图像属于 高质量图像时， 根据 所述目标图像的画面色度分布特征和 画面轮 廓分布特征， 从基于VGG网络的图像特征提取程序集合中选择与所述画面色度分布特征和 所述画面轮廓分布特 征相匹配的目标循环程序。 4.如权利要求3所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S2中， 对上述选择得到的目标循环程序执行穿孔， 以此得到初始近似程序 具体包括： 对上述选择得到的目标循环程序执行预定次数的连续循环穿孔， 以此得到初始近似程 序。 5.如权利要求 4所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S2中， 将所述目标图像分别输入到所述目标循环程序和所述初始近似程序 进行分析处 理， 从而提取 得到第一图像特 征信息和第二图像特 征信息具体包括： 将所述目标图像依次进行像素锐化处理后分别输入到所述目标循环程序和所述初始 近似程序进 行分析处理， 从而分别提取得到第一图像特征信息和第二图像特征信息； 其中， 所述第一图像特征信息和所述第二图像特征信息是指所述目标图像画面中存在的人或物 体的边缘线条轮廓特 征。权　利　要　求　书 1/2 页 2 CN 115222971 A 26.如权利要求5所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S3 中， 根据所述第一图像特征信 息和所述第 二图像特征信息之间在图像特 征识别准确度的差异， 判断是否对所述初始近似程序执 行二次穿 孔具体包括： 确定所述第一图像特征信息和所述第二图像特征信息之间在边缘线条轮廓的线条轮 廓重合程度值； 若所述线轮轮廓重合程度值大于或等于预测程度阈值， 则确定不需要对所述初始近似 程序执行二次穿 孔； 否则， 确定需要对所述初始近似程序执 行二次穿 孔。 7.如权利要求6所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S3中， 根据上述判断结果， 得到最终形式的近似程序具体包括： 当确定不需要对所述初始近似程序 执行二次穿孔， 则将当前的初始近似程序作为最终 形式的近似程序； 当确定需要对所述初始近似程序执行二 次穿孔， 则将最后满足线轮轮廓重合程度值大 于或等于预测程度阈值时， 经过至少一轮二次穿孔后的初始近似程序作为最 终形式的近似 程序。 8.如权利要求7 所述的基于 近似计算的VG G图像特征提取加速方法， 其特 征在于： 在所述步骤S4中， 将与所述目标图像具有相同图像类型信 息的若干待识别图像依次输 入到所述最 终形式的近似程序， 并将 每个待识别图像对应的图像特征识别结果输入到所述 目标循环程序， 从而得到每 个待识别图像最终的图像特 征信息具体包括： 获取与所述目标图像同属于 高质量图像， 并且具有相同的画面色度分布特征和 画面轮 廓分布特征的若干待识别图像； 并将每个待识别图像依次输入到所述最终形式的近似程 序， 从而得到相 应的图像特征识别结果； 再将每个图像特征识别结果输入到所述 目标循环 程序， 从而得到每个待识别图像最终的图像特征信息， 以及构建每个待识别图像与其对应 的最终的图像特 征信息之间的一 一对应映射关系。权　利　要　求　书 2/2 页 3 CN 115222971 A 3