[发明专利]目标分类方法及装置

权利要求书

1.一种目标分类方法，其特征在于，所述方法包括：

对待分类的图像进行目标检测，得到所述图像的二值前景图像，以及目标在所述图像和所述二值前景图像中的位置信息；

根据所述目标的位置信息，从所述图像中提取出所述目标对应的第一局部图像，从所述二值前景图像中提取出所述目标对应的第二局部图像；

根据所述目标对应的所述第一局部图像、所述第二局部图像以及分类模型，获取所述目标的类别，所述分类模型基于样本图像中各个目标对应的两个局部图像以及对应的标签训练得到，所述标签用于标识所述各个目标的类别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对应的所述第一局部图像、所述第二局部图像以及分类模型，获取所述目标的类别，包括：

将所述目标对应的所述第一局部图像和所述第二局部图像输入到所述分类模型，得到所述目标的类别，所述分类模型基于样本图像中各个目标对应的第一局部图像和第二局部图像以及对应的标签训练得到。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标对应的所述第一局部图像、所述第二局部图像以及分类模型，获取所述目标的类别，包括：

对所述目标对应的所述第一局部图像和所述第二局部图像进行乘积运算，得到所述目标对应的第三局部图像；

将所述目标对应的所述第一局部图像和所述第三局部图像输入到所述分类模型，得到所述目标的类别，所述分类模型基于样本图像中各个目标对应的第一局部图像和第三局部图像以及对应的标签训练得到。

4.根据权利要求1所述的方法，其特征在于，所述分类模型的获取过程包括：

对所述样本图像执行获取二值前景图像和位置信息，以及提取第一局部图像和第二局部图像的步骤；

根据所述样本图像中每个目标对应的第一局部图像和第二局部图像，以及对应的标签，获取所述分类模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本图像中每个目标对应的第一局部图像和第二局部图像，以及对应的标签，获取所述分类模型，包括：

将所述每个目标对应的第一局部图像和第二局部图像，以及对应的标签输入到卷积神经网络中进行训练，得到所述分类模型。

6.根据权利要求4所述的方法，其特征在于，所述根据所述样本图像中每个目标对应的第一局部图像和第二局部图像，以及对应的标签，获取所述分类模型，包括：

对所述每个目标对应的第一局部图像和第二局部图像进行乘积运算，得到所述每个目标对应的第三局部图像；

将所述每个目标对应的第一局部图像和第三局部图像，以及对应的标签输入到卷积神经网络中进行训练，得到所述分类模型。

7.一种目标分类装置，其特征在于，所述装置包括：

检测模块，用于对待分类的图像进行目标检测，得到所述图像的二值前景图像，以及目标在所述图像和所述二值前景图像中的位置信息；

提取模块，用于根据所述目标的位置信息，从所述图像中提取出所述目标对应的第一局部图像，从所述二值前景图像中提取出所述目标对应的第二局部图像；

获取模块，用于根据所述目标对应的所述第一局部图像、所述第二局部图像以及分类模型，获取所述目标的类别，所述分类模型基于样本图像中各个目标对应的两个局部图像以及对应的标签训练得到，所述标签用于标识所述各个目标的类别。

8.根据权利要求7所述的装置，其特征在于，所述获取模块用于将所述目标对应的所述第一局部图像和所述第二局部图像输入到所述分类模型，得到所述目标的类别，所述分类模型基于样本图像中各个目标对应的第一局部图像和第二局部图像以及对应的标签训练得到。