[發明專利]基于粒度及關聯信息的物體類別識別模型構建方法及應用

有效

• 申請號: 202010517984.6
• 申請日: 2020-06-09
• 公開（公告）號: CN111814554B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 朱昌明;苗奪謙
• 申請（專利權）人: 同濟大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V10/764;G06V10/74;G06N3/04;G06Q10/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 丁云

本發明涉及一種基于粒度及關聯信息的物體類別識別模型構建方法及應用，識別模型構建包括步驟：S1、獲取訓練樣本圖像中物體的特征信息和類別信息；S2、提取粗粒度特征和細粒度特征，構建粗類別矩陣和細類別矩陣；S3、分別構建不同粒度下的關聯函數：類別?類別關聯函數、特征?特征關聯函數、類別?特征關聯函數，基于關聯函數建立不同粒度下的關聯約束函數；S4、基于關聯函數和關聯約束函數構建關聯衡量模型的目標函數；S5、求解目標函數確定關聯函數并得到各關聯度最優解；S6、根據最優解確定粗粒度、細粒度下的類別識別函數。應用時，通過類別識別函數識別物體類別。與現有技術相比，本發明大大提高了識別的準確度。

技術領域

本發明涉及模式識別技術領域，尤其是涉及一種基于粒度及關聯信息的物體 類別識別模型構建方法及應用。

背景技術

為了建設“智慧城市”，人們針對需要處理的物體或對應的數據集，設計了一 系列的識別算法并嵌入應用系統加以處理，取得了良好的效果。但分析發現，數據 集具有特征(如箱型、箱重、箱高)、類別(如空箱、重箱)等多種樣本信息。這 些信息可以分為粗粒度信息(含粗粒度特征和粗粒度類別)和細粒度信息(含細粒 度特征和細粒度類別)。前者多用于整體描述和粗略識別，后者多用于細節描述和 精細識別。這些樣本信息中普遍存在多種關聯信息，如類別-類別關聯(不同類別 之間的關聯信息)，類別-特征關聯(類別和特征之間的關聯信息)，特征-特征關聯 (不同特征之間的關聯信息)等。若兩個類別或兩個特征之間差異小、相關度高， 則它們之間應存在強類別-類別關聯或強特征-特征關聯；若一個類別的判定只與部 分特征有關，則相關的類別-特征關聯應更強，其余不相關的類別-特征關聯應減弱。 由于傳統的識別算法沒有考慮到這些粒度特征或多種關聯信息，所以相應的應用系 統的性能時常出現降低的現象。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于粒度及 關聯信息的物體類別識別模型構建方法及應用。

本發明的目的可以通過以下技術方案來實現：

一種基于粒度及關聯信息的物體類別識別模型構建方法，該方法包括如下步 驟：

S1、獲取訓練樣本圖像中物體的特征信息和類別信息，構成訓練數據集；

S2、基于特征信息分別提取訓練樣本圖像的粗粒度特征和細粒度特征構成粗 粒度特征矩陣X_C和細粒度特征矩陣X_D，同時根據訓練樣本圖像類別信息構建粗類 別矩陣Y_C和細類別矩陣Y_D；

S3、分別構建不同粒度下的關聯函數，包括，

粗粒度和細粒度下的類別-類別關聯函數f_SC、f_SD：S_C＝f_SC(Y_C)、S_D＝f_SD(Y_D)，其 中，S_C、S_D分別為粗粒度和細粒度下的類別-類別關聯度，

粗粒度和細粒度下的特征-特征關聯函數f_VC、f_VD：V_C＝f_VC(X_C)、V_D＝f_VD(X_D)，其 中，V_C、V_D分別為粗粒度和細粒度下的特征-特征關聯度，