[發(fā)明專利]目標(biāo)對象的分類方法以及裝置

在審

• 申請?zhí)枺?/td>: 202211726319.3
• 申請日: 2022-12-30
• 公開（公告）號: CN116229145A
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計）人: 陳賀昌;于博;周泓任;叢樂樂;叢憲玲
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06V10/77;G06V10/82;G06V10/778;G06V10/75
• 代理公司: 北京恒博知識產(chǎn)權(quán)代理有限公司 11528
• 代理人: 王海洋

1.一種目標(biāo)對象的分類方法，其特征在于，所述方法包括：

獲取目標(biāo)對象的第一拉曼圖像、第二拉曼圖像和統(tǒng)計概率矩陣，所述統(tǒng)計概率矩陣用于反映所述目標(biāo)對象處于多種候選狀態(tài)的可能性，所述統(tǒng)計概率矩陣是基于所述目標(biāo)對象的歷史生理數(shù)據(jù)確定的，所述歷史生理數(shù)據(jù)用于記錄所述目標(biāo)對象曾經(jīng)處于的預(yù)設(shè)狀態(tài)，所述第一拉曼圖像和所述第二拉曼圖像具有不同的分辨率；

對所述第一拉曼圖像和所述第二拉曼圖像進(jìn)行多尺度特征提取，得到多尺度拉曼特征；

基于所述多尺度拉曼特征進(jìn)行分類，得到所述目標(biāo)對象的第一分類結(jié)果；

基于所述第一分類結(jié)果和所述統(tǒng)計概率矩陣，確定所述目標(biāo)對象的第二分類結(jié)果，所述第二分類結(jié)果為所述目標(biāo)對象處于的目標(biāo)狀態(tài)，所述目標(biāo)狀態(tài)屬于所述多種候選狀態(tài)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標(biāo)對象的第一拉曼圖像、第二拉曼圖像和統(tǒng)計概率矩陣包括：

獲取所述目標(biāo)對象的拉曼數(shù)據(jù)，所述拉曼數(shù)據(jù)包括多個時間點(diǎn)對應(yīng)的拉曼信號值；對所述拉曼數(shù)據(jù)進(jìn)行升維，得到所述第一拉曼圖像和所述第二拉曼圖像；

獲取所述目標(biāo)對象的歷史生理數(shù)據(jù)；基于所述歷史生理數(shù)據(jù)，確定所述目標(biāo)對象曾經(jīng)處于的預(yù)設(shè)狀態(tài)；確定所述預(yù)設(shè)狀態(tài)對應(yīng)的所述統(tǒng)計概率矩陣。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述拉曼數(shù)據(jù)進(jìn)行升維，得到所述第一拉曼圖像和所述第二拉曼圖像包括：

采用第一采樣率和第二采樣率對所述拉曼數(shù)據(jù)進(jìn)行降采樣，得到所述第一采樣率對應(yīng)的第一降采樣拉曼數(shù)據(jù)和所述第二采樣率對應(yīng)的第二降采樣拉曼數(shù)據(jù)，所述第一采樣率和所述第二采樣率不同；

將所述第一降采樣拉曼數(shù)據(jù)和所述第二降采樣拉曼數(shù)據(jù)轉(zhuǎn)化到極坐標(biāo)系，得到所述第一降采樣拉曼數(shù)據(jù)和所述第二降采樣拉曼數(shù)據(jù)中每個數(shù)據(jù)點(diǎn)在極坐標(biāo)系下的半徑和角度；

基于所述第一降采樣拉曼數(shù)據(jù)和所述第二降采樣拉曼數(shù)據(jù)中每個數(shù)據(jù)點(diǎn)在極坐標(biāo)系下的半徑和角度，確定所述第一降采樣拉曼數(shù)據(jù)和所述第二降采樣拉曼數(shù)據(jù)中每兩個數(shù)據(jù)點(diǎn)之間的相關(guān)性；

基于所述第一降采樣拉曼數(shù)據(jù)和所述第二降采樣拉曼數(shù)據(jù)中每兩個數(shù)據(jù)點(diǎn)之間的相關(guān)性，生成所述第一拉曼圖像和所述第二拉曼圖像。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述預(yù)設(shè)狀態(tài)對應(yīng)的所述統(tǒng)計概率矩陣包括：

獲取狀態(tài)統(tǒng)計信息，所述狀態(tài)統(tǒng)計信息包括在曾經(jīng)處于不同預(yù)設(shè)狀態(tài)的情況下，處于所述多種候選狀態(tài)的可能性；

從所述狀態(tài)統(tǒng)計信息中獲取所述預(yù)設(shè)狀態(tài)對應(yīng)的所述統(tǒng)計概率矩陣。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述第一拉曼圖像和所述第二拉曼圖像進(jìn)行多尺度特征提取，得到多尺度拉曼特征包括：

采用第一卷積核對所述第一拉曼圖像進(jìn)行卷積處理，得到第一拉曼圖像特征；

采用第二卷積核對所述第二拉曼圖像進(jìn)行卷積處理，得到第二拉曼圖像特征，所述第一卷積核和所述第二卷積核具有不同的尺寸；

將所述第一拉曼圖像特征和所述第二拉曼圖像特征進(jìn)行融合，得到所述多尺度拉曼特征。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述多尺度拉曼特征進(jìn)行分類，得到所述目標(biāo)對象的第一分類結(jié)果包括：

對所述多尺度拉曼特征進(jìn)行全連接，得到所述目標(biāo)對象的第一分類結(jié)果，所述第一分類結(jié)果包括所述目標(biāo)對象處于多種候選狀態(tài)的可能性。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一分類結(jié)果和所述統(tǒng)計概率矩陣，確定所述目標(biāo)對象的第二分類結(jié)果包括：

將所述第一分類結(jié)果和所述統(tǒng)計概率矩陣進(jìn)行拼接，得到多模態(tài)矩陣；

將所述多模態(tài)矩陣與權(quán)重矩陣相乘，得到預(yù)測矩陣，所述多模態(tài)矩陣與所述權(quán)重矩陣的尺寸相同；

基于所述預(yù)測矩陣，確定所述目標(biāo)對象的第二分類結(jié)果。