[發明專利]一種基于圖像顯著性與Object Bank的場景分類方法

有效

• 申請號: 201710422205.2
• 申請日: 2017-06-07
• 公開（公告）號: CN107341505B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 王志成;衛剛;陳夢婷
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

本發明涉及一種基于圖像顯著性與Object Bank的場景分類方法，該方法包括如下步驟：(1)針對每一種場景分別選取訓練樣本，對訓練樣本中的圖像采用基于圖像顯著性與Object Bank的方法提取樣本圖像高層特征；(2)對樣本圖像高層特征通過主判別分析方法進行降維得到樣本圖像降維特征向量并輸入至分類器；(3)對測試圖像采用基于圖像顯著性與Object Bank的方法提取測試圖像高層特征；(4)對測試圖像高層特征通過主判別分析方法進行降維得到測試圖像降維特征向量；(5)將測試圖像降維特征向量輸入至分類器，分類器對測試圖像進行分類得到測試圖像所對應的場景。與現有技術相比，本發明具有分類準確率高的優點。

技術領域

本發明涉及一種場景分類方法，尤其是涉及一種基于圖像顯著性與Object Bank的場景分類方法。

背景技術

在基于場景內容的圖像和視頻檢索領域中，場景分類具有十分重要的應用價值。尤其是隨著圖像內容的復雜化，基于圖像場景語義的場景分類問題慢慢發展為計算機視覺領域中的主流研究方向，與信號處理、人工智能、模式識別和認知科學等多學科交叉技術密切相關。利用對場景圖像信息的理解來進行圖像數據庫的分類管理和組織，通過圖像搜索引擎查詢到符合用戶認知需求的圖像。由于視頻可以分割成圖像幀，所以基于視頻關鍵幀的場景分類可以有效的對視頻信息進行查詢，并對視頻數據進行管理與分類。在機器人研究領域，很難讓機器人和人類一樣高效地對場景進行辨別。要是可以達到與人類相似的辨別能力，那么可以很高程度上有效的提高機器人的工作效率以及任務完成的質量。而場景分類正是實現這一功能的關鍵技術點。場景分類有助于機器人快速的對其所處環境進行分析與辨別，實時的預判其在所處環境中的位置及方向。另外，在例如物體檢測等相關的檢測識別領域中，場景分類還可以提供豐富的場景語義信息來引導識檢測別任務。

由于底層特征的局限性，近年來越來越多的學者致力于高層特征的研究，也提出了多種有效的高層特征。高層特征是基于底層特征的基礎上去提取出更高級更加能反應出圖像的語義信息的特征。相較于簡單的提取圖像原始信息的底層特征，高層信息更具有表現力，充分考慮到了場景的上下文信息。

2012年，F Sadeghi，MF TappenSadeghi在European Conference on ComputerVision會議上發表題為Latent pyramidal regions for recognizing scenes的文章，提出了一種簡單有效的高層特征LPR(Latent Pyramidal Regions)。在該方法中，通過LSVM(Lagrangian Support Vector Machine)訓練得到目標檢測子，然后和SPM空間模型通過級聯計算從而得到LPR特征。將LPR特征應用于場景分類中有兩個明顯的優點。在場景多變的情況下，LPR特征剔除了整體空間結構上的限制，而在描述圖像區域時加入了局部空間結構特性。另外一個優點便是該方法將場景分類中的分類器和檢測圖像區域的檢測子完全分離，使得分類器可以進一步的優化權重參數從而達到更佳的分類效果。然而LPR特征也有其缺陷，由于需要提前訓練出檢測子的模型，使得該方法在不同的數據集之間的通用性變差。