[发明专利]一种数据训练方法及装置

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种数据训练方法及装置。

背景技术

目前，在利用图像的方向梯度直方图(Histogram of Oriented Gradient，HOG)特征对图像进行分类时，要先通过检测窗口对图像的梯度图像进行检测，以获得梯度图像的梯度积分图，再根据训练得到的特征数据和梯度积分图对图像进行分类。

目前在训练特征数据时，一般特征数据的大小都是固定的，那么就要求梯度积分图的大小也是固定的，如果梯度积分图的大小有变化，则特征数据就无法根据梯度积分图对图像进行分类。

发明内容

本发明实施例提供一种数据训练方法及装置，用于使得特征数据可以符合梯度积分图的要求。

第一方面，提供一种数据训练方法，包括：

对待训练的数据进行训练；

得到最终训练结果，所述最终训练结果用于表征图像的一个类别的特征；其中，所述最终训练结果包括至少一个结果数据，所述至少一个结果数据中的第一部分结果数据中的每个结果数据包括m行*n列，所述第一部分结果数据为所述至少一个结果数据中的全部结果数据或部分结果数据，m和n均为预设数值的倍数，所述预设数值为正整数。

可选的，在对待训练的数据进行训练之前，还包括：

预先设定得到的结果数据的行数和列数均为所述预设数值的倍数。

可选的，

在得到最终训练结果之前，还包括：

得到初始训练结果；其中，所述初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数不是所述预设数值的倍数；

得到最终训练结果，包括：

对所述初始训练结果进行插值处理，得到第一部分结果数据中包括的结果数据的行数和列数均为所述预设数值的倍数的所述最终训练结果。

可选的，所述预设数值为采用所述最终训练结果对图像进行分类时，检测窗口在所述图像的梯度图像中移动的步长。

第二方面，提供一种数据训练装置，包括：

训练模块，用于对待训练的数据进行训练；

获取模块，用于得到最终训练结果，所述最终训练结果用于表征图像的一个类别的特征；其中，所述最终训练结果包括至少一个结果数据，所述至少一个结果数据中的第一部分结果数据中的每个结果数据包括m行*n列，所述第一部分结果数据为所述至少一个结果数据中的全部结果数据或部分结果数据，m和n均为预设数值的倍数，所述预设数值为正整数。

可选的，所述装置还包括设置模块，用于在所述训练模块对待训练的数据进行训练之前，预先设定得到的结果数据的行数和列数均为所述预设数值的倍数。

可选的，所述获取模块还用于：

在得到最终训练结果之前，得到初始训练结果；其中，所述初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数不是所述预设数值的倍数；

对所述初始训练结果进行插值处理，得到第一部分结果数据中包括的结果数据的行数和列数均为所述预设数值的倍数的所述最终训练结果。

可选的，所述预设数值为采用所述最终训练结果对图像进行分类时，检 测窗口在所述图像的梯度图像中移动的步长。

本发明实施例中，可以获得特定尺寸的训练结果，这种尺寸的训练结果可以适应比较特殊的方向梯度积分图的需求，从而可以较为准确地根据方向梯度积分图对图像进行分类，以保证分类过程的顺利进行。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的数据训练方法的一种可能的流程图；

图2为本发明实施例提供的数据训练装置的一种可能的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。

以下，对本发明实施例中的部分用语进行解释说明，以便于本领域技术人员理解。