[發明專利]一種物體分類方法、計算機設備及存儲介質

在審

• 申請號: 202011105733.3
• 申請日: 2020-10-15
• 公開（公告）號: CN112464977A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 易正琨;吳新宇;劉翔;郭師峰;周貞寧
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

本申請公開了一種物體分類方法、計算機設備及存儲介質，該方法包括：獲取目標物體的特征集；對特征集進行第一選擇，以得到第一子特征集，以及對特征集進行第二選擇，以得到第二子特征集，第一選擇和第二選擇的選擇方式不同；對第一子特征集進行分類預測得到第一分類預測結果，以及對第二子特征集進行分類預測得到第二分類預測結果；將第一分類預測結果和第二分類預測結果進行決策級融合，得到最終分類結果。通過這樣的方式，能夠提高物體的分類準確率。

技術領域

本申請涉及分類技術領域，特別涉及一種物體分類方法、計算機設備及存儲介質。

背景技術

在傳統機器學習進行物體分類的過程中，運用物體突出的模態特征來進行物體分類是非常重要的方式，尤其是運用人類的感官特征，例如通常需要視覺或觸覺的感知來對物體對象進行特征分析，從而進一步對物體對象進行分類，可以知道的是，常規手段中利用視覺特征對目標物體進行識別分類已經具有一定的準確率，然而針對于特征相似物體或者是肉眼難以識別的物體，僅從單一模態來看，無法辨識其物體類別，分類準確率就會有很大的偏差。

發明內容

為了解決上述問題，本申請提供一種物體分類方法、計算機設備及存儲介質，能夠提高物體的分類準確率。

為解決上述技術問題，本申請采用的一個技術方案是提供一種物體分類方法，該方法包括：獲取目標物體的特征集；對特征集進行第一選擇，以得到第一子特征集，以及對特征集進行第二選擇，以得到第二子特征集，第一選擇和第二選擇的選擇方式不同；對第一子特征集進行分類預測得到第一分類預測結果，以及對第二子特征集進行分類預測得到第二分類預測結果；將第一分類預測結果和第二分類預測結果進行決策級融合，得到最終分類結果。

其中，獲取目標物體的特征集，包括：采集目標物體多種模態下的數據信息；對數據信息進行預處理；對預處理后的數據信息進行特征提取，以生成目標物體的特征集。

其中，多種模態下的數據信息包括視覺信息、觸覺信息和聽覺信息；對預處理后的數據信息進行特征提取，以生成目標物體的特征集，包括：對預處理后的視覺信息進行圖像統計特征提取，以得到第一統計特征集；對預處理后的觸覺信息和聽覺信息進行信號統計特征提取，以得到第二統計特征集；將第一統計特征集和第二統計特征集進行特征級融合，以生成目標物體的特征集。

其中，圖像統計特征包括灰度共生矩陣中的能量、熵、相關性、逆差矩、對比度，灰度游程矩陣中的短期重點特征、長期重點特征和灰度不均勻性、方向梯度直方圖、Tamura紋理特征中的粗糙度、對比度和方向性中至少一種；信號統計特征包括最大值、最小值、均值、峰值、絕對平均值、均方根值、方差、標準差、方根幅值、峭度、偏度、波形因子、峰值因子、脈沖因子和裕度因子中至少一種。

其中，對第一子特征集進行分類預測得到第一分類預測結果，以及對第二子特征集進行分類預測得到第二分類預測結果，包括：使用設定數量個第一分類器對第一子特征集進行分類預測，以得到目標物體的第一分類預測結果；其中，第一分類預測結果包括多組第一預測分類標簽以及對應的第一預測精度；使用設定數量個第二分類器對第二子特征集進行分類預測，以得到目標物體的第二分類預測結果；其中，第二分類預測結果包括多組第二預測分類標簽以及對應的第二預測精度。

其中，將第一分類預測結果和第二分類預測結果進行決策級融合，得到最終分類結果，包括：將多組第一預測分類標簽及其對應的第一預測精度，以及第一分類器所占的權重，與多組第二預測分類標簽及其對應的第二預測精度，以及第二分類器所占的權重進行決策級融合，以得到最終分類結果。

其中，將第一分類預測結果和第二分類預測結果進行決策級融合，得到最終分類結果，包括：采用以下公式計算：其中，n是分類標簽的數量，m是分類器的數量，ω_m是分類器m所占的權重，P_mn是分類器m計算出目標物體屬于分類標簽n的預測精度。