[發明專利]目標分類方法及裝置

有效

• 申請號: 201811142481.4
• 申請日: 2018-09-28
• 公開（公告）號: CN110969173B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 張莫
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/28;G06V10/82;G06V20/54;G06T7/254
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 韓東艷

本發明公開了一種目標分類方法及裝置，屬于圖像處理領域。方法包括：對待分類的圖像進行目標檢測，得到圖像的二值前景圖像以及目標在圖像和二值前景圖像中的位置信息；根據目標的位置信息，從圖像中提取出目標對應的第一局部圖像，從二值前景圖像中提取出目標對應的第二局部圖像；根據目標對應的第一局部圖像、第二局部圖像以及分類模型，獲取目標的類別。本發明在訓練分類模型時，不僅用到了第一局部圖像，還用到了第二局部圖像，使得分類模型準確性和可靠性更高。且在訓練分類模型時所用的標簽所標識的目標不僅包括人、車，還包括非人非車類，當這類目標基于該分類模型進行分類時，可以被正確分類成非人非車類，提高了分類的準確性。

技術領域

本發明涉及圖像處理領域，尤其涉及一種目標分類方法及裝置。

背景技術

基于卷積神經網絡的分類技術是利用卷積神經網絡對輸入圖像進行特征提取、分類以及目標定位等措施，實現對目標進行分類的方法。

目前，相關技術進行目標分類的過程如下：采用三幀差分法和背景消減法，對輸入圖像進行運動目標檢測，得到運動目標圖像區域；對運動目標圖像區域進行灰度化處理后，利用二值閾值分割方法，將運動目標圖像區域分割成目標和背景，對運動目標圖像區域中與目標對應的局部圖像做歸一化，得到歸一化局部圖像；將歸一化局部圖像及其標簽輸入到深度學習神經網絡中進行訓練，得到人車分類模型；將待識別圖像輸入到訓練好的人車分類模型中，完成對人車的識別和分類。

上述技術僅將運動目標分類為人和車，然而除了人和車在運動中會被檢測出來，非人非車的目標也會發生運動，當這類目標通過人車分類模型分類時，必然會被分類成人或車，但這類目標其實并不是人或車，分類的準確性差。

發明內容

本發明實施例提供了一種目標分類方法及裝置，可以解決相關技術分類的準確性差的問題。所述技術方案如下：

一方面，提供了一種目標分類方法，所述方法包括：

對待分類的圖像進行目標檢測，得到所述圖像的二值前景圖像，以及目標在所述圖像和所述二值前景圖像中的位置信息；

根據所述目標的位置信息，從所述圖像中提取出所述目標對應的第一局部圖像，從所述二值前景圖像中提取出所述目標對應的第二局部圖像；

根據所述目標對應的所述第一局部圖像、所述第二局部圖像以及分類模型，獲取所述目標的類別，所述分類模型基于樣本圖像中各個目標對應的兩個局部圖像以及對應的標簽訓練得到，所述標簽用于標識所述各個目標的類別。

在一種可能實現方式中，所述類別包括人、車和非人非車類，所述非人非車類是指除了人和車以外的運動目標。

在一種可能實現方式中，所述根據所述目標對應的所述第一局部圖像、所述第二局部圖像以及分類模型，獲取所述目標的類別，包括：

將所述目標對應的所述第一局部圖像和所述第二局部圖像輸入到所述分類模型，得到所述目標的類別，所述分類模型基于樣本圖像中各個目標對應的第一局部圖像和第二局部圖像以及對應的標簽訓練得到。

在一種可能實現方式中，所述根據所述目標對應的所述第一局部圖像、所述第二局部圖像以及分類模型，獲取所述目標的類別，包括：

對所述目標對應的所述第一局部圖像和所述第二局部圖像進行乘積運算，得到所述目標對應的第三局部圖像；

將所述目標對應的所述第一局部圖像和所述第三局部圖像輸入到所述分類模型，得到所述目標的類別，所述分類模型基于樣本圖像中各個目標對應的第一局部圖像和第三局部圖像以及對應的標簽訓練得到。

在一種可能實現方式中，所述分類模型的獲取過程包括：

對所述樣本圖像執行獲取二值前景圖像和位置信息，以及提取第一局部圖像和第二局部圖像的步驟；