[發(fā)明專利]圖片分類的方法及裝置

有效

• 申請?zhí)枺?/td>: 201810496556.2
• 申請日: 2018-05-22
• 公開（公告）號: CN108710916B
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 初穎;向海明
• 申請（專利權(quán)）人: 重慶完美空間科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡;曾紅芳

1.一種圖片分類的方法，其特征在于，包括：

確定目標(biāo)圖片的分類依據(jù)；

根據(jù)確定的分類依據(jù)從所述目標(biāo)圖片中提取所述目標(biāo)圖片的圖片特征，其中，所述圖片特征包括確定的分類依據(jù)下所屬的至少兩個維度的分類特征；

按照提取的所述圖片特征對所述目標(biāo)圖片進行分類；

其中，所述分類依據(jù)包括：圖片的紋理特征，圖片的形狀特征；

在所述分類依據(jù)為圖片的形狀特征的情況下，根據(jù)確定的分類依據(jù)從所述目標(biāo)圖片中提取所述目標(biāo)圖片的圖片特征包括：獲取所述目標(biāo)圖片的最外側(cè)輪廓的輪廓面積與所述目標(biāo)圖片的最外側(cè)輪廓的最小外接矩形的面積的第一比值；獲取所述目標(biāo)圖片的最外側(cè)輪廓的輪廓面積與所述目標(biāo)圖片的最外側(cè)輪廓的凸包的面積的第二比值；確定所述第一比值與所述第二比值的均值；在所述均值小于預(yù)定閾值的情況下，在對所述目標(biāo)圖片進行角點檢測后，獲取所述目標(biāo)圖片中角點數(shù)最多的大小為N×N的圖片塊，并確定所述圖片塊的HOG特征為所述目標(biāo)圖片的圖片特征；和/或在所述均值不小于預(yù)定閾值的情況下，將所述目標(biāo)圖片的大小變換為N×N，并確定變換大小的目標(biāo)圖片的HOG特征為所述目標(biāo)圖片的圖片特征；

在所述分類依據(jù)為圖片的紋理特征的情況下，根據(jù)確定的分類依據(jù)從所述目標(biāo)圖片中提取所述目標(biāo)圖片的圖片特征包括：獲取所述目標(biāo)圖片的灰度圖，并采用預(yù)定模板對所述灰度圖執(zhí)行卷積操作，獲得所述目標(biāo)圖片的第一部分紋理特征；獲取所述目標(biāo)圖片的灰度共生矩陣，并依據(jù)所述灰度共生矩陣獲得所述目標(biāo)圖片的第二部分紋理特征；將所述第一部分紋理特征和所述第二部分紋理特征進行級聯(lián)，獲得所述目標(biāo)圖片的級聯(lián)特征，并將所述級聯(lián)特征作為所述目標(biāo)圖片的圖片特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用預(yù)定模板對所述灰度圖執(zhí)行卷積操作，獲得所述目標(biāo)圖片的第一部分紋理特征包括：

采用所述預(yù)定模板對所述灰度圖執(zhí)行卷積操作并獲得卷積結(jié)果后，將所述卷積結(jié)果的均值，均方差，偏態(tài)，峰度作為所述目標(biāo)圖片的第一部分紋理特征；

依據(jù)所述灰度共生矩陣獲得所述目標(biāo)圖片的第二部分紋理特征包括：將所述灰度共生矩陣的熵，能量，對比度，同質(zhì)性作為所述目標(biāo)圖片的第二部分紋理特征。

3.根據(jù)權(quán)利要求1至2中任一項所述的方法，其特征在于，按照提取的所述圖片特征對所述目標(biāo)圖片進行分類包括：

通過圖片分類模型，確定與提取的所述圖片特征對應(yīng)的所述目標(biāo)圖片的分類概率，其中，所述圖片分類模型為使用多組數(shù)據(jù)通過機器學(xué)習(xí)訓(xùn)練得出的，所述多組數(shù)據(jù)中的每組數(shù)據(jù)均包括：圖片特征和用于與該圖片特征對應(yīng)的圖片的分類概率；

根據(jù)確定的所述分類概率，確定所述目標(biāo)圖片的分類結(jié)果。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在分類依據(jù)為紋理特征的情況下，根據(jù)確定的所述分類概率，確定所述目標(biāo)圖片的分類結(jié)果包括：

確定所述目標(biāo)圖片所屬的各個類別的概率中的最大值和第二大值；

在所述第二大值大于最大值的第一百分比，且所述第二大值大于第二百分比的情況下，將所述最大值和/或所述第二大值對應(yīng)的分類結(jié)果作為所述目標(biāo)圖片的分類結(jié)果；否則將所述最大值對應(yīng)的分類結(jié)果作為所述目標(biāo)圖片的分類結(jié)果。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，在分類依據(jù)為形狀特征的情況下，根據(jù)確定的所述分類概率，確定所述目標(biāo)圖片的分類結(jié)果包括：

獲取所述目標(biāo)圖片的最外側(cè)輪廓的直線總長度與最外側(cè)輪廓的總長度的第三比值；

將圓滑度大于預(yù)定圓滑度的所述分類概率乘上所述第三比值后，獲得所述目標(biāo)圖片所屬的各個類別的概率中的最大值和第二大值；

在所述第二大值大于最大值的第一百分比，且所述第二大值大于第二百分比的情況下，將所述最大值和/或所述第二大值對應(yīng)的分類結(jié)果作為所述目標(biāo)圖片的分類結(jié)果；否則將所述最大值對應(yīng)的分類結(jié)果作為所述目標(biāo)圖片的分類結(jié)果。