1.一種基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)輸入層、第一卷積層、子采樣層、第二卷積層和數(shù)據(jù)輸出層；所述數(shù)據(jù)輸入層信號連接于第一卷積層；所述第一卷積層信號連接于子采樣層；所述子采樣層信號連接于第二卷積層；所述第二卷積層信號連接于數(shù)據(jù)輸出層。
2.如權(quán)利要求1所述的基于深度學(xué)習(xí)和去干提取的行人識別系統(tǒng)，其特征在于，所述數(shù)據(jù)輸入層用于獲取原始的圖像數(shù)據(jù)，對獲取的圖像數(shù)據(jù)進行預(yù)處理，將預(yù)處理后的圖像數(shù)據(jù)發(fā)送給第一卷積層。
3.如權(quán)利要求1或2所述的基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)，其特征在于，所述第一卷積層用于把輸入的圖像提取出多幅特征提取圖，將提取出的多幅特征提取圖發(fā)送給子采樣層。
4.如權(quán)利要求3所述的基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)，其特征在于，所述子采樣層用于將獲取的多幅特征提取圖再次進行特征提取和取樣壓縮，將處理后的圖像發(fā)送給第二卷積層。
5.如權(quán)利要求4所述的基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)，其特征在于，所述第二卷積層用于將特征圖提取成局部檢測圖，并通過隱藏層獲得這些局部檢測圖的的評分。
6.如權(quán)利要求5所述的基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)，其特征在于，所述系統(tǒng)還包括若干個遮擋濾波器，所述折當(dāng)率波器分為不同等級，高一級的組件由低一級的組件構(gòu)成，越是高級的組件也就越是完整，最高級的組件也可能處于被遮擋狀態(tài)，進而得到局部檢測圖。
7.一種基于權(quán)利要求1至5之一所述的基于深度學(xué)習(xí)和軀干提取的行人識別系統(tǒng)的方法，其特征在于，所述方法包括以下步驟：
步驟1：首先對行人的整體特征進行提取，然后構(gòu)建深度學(xué)習(xí)模型，獲取圖像累積梯度信息，找出行人目標(biāo)可能存在的感興趣區(qū)域；
步驟2：再對行人的局部特征進行進一步提?。簶?gòu)建軀干模型，利用紋理特征提取算法獲取行人紋理特征；
步驟3：利用第一卷積層以及子采樣層共同作用，形成模型的特征提取層，利用第二卷積層對特征提取圖進行處理后得到局部檢測圖。
8.如權(quán)利要求6所述的基于深度學(xué)習(xí)和軀干提取的行人識別方法，其特征在于，所述紋理特征提取算法的方法為：首先對像素點的梯度進行計算，根據(jù)計算結(jié)果尋找并將像素發(fā)生一定程度變化的區(qū)域作為感興趣區(qū)域，對這些區(qū)域進行重點關(guān)注，減少特征提取的搜尋區(qū)域，增強特征計算的實時性；同時取區(qū)域中像素的平均亮度值為閾值平滑特征紋理信息。