[发明专利]目标分类方法及装置

说明书

本发明公开了一种目标分类方法及装置，属于图像处理领域。方法包括：对待分类的图像进行目标检测，得到图像的二值前景图像以及目标在图像和二值前景图像中的位置信息；根据目标的位置信息，从图像中提取出目标对应的第一局部图像，从二值前景图像中提取出目标对应的第二局部图像；根据目标对应的第一局部图像、第二局部图像以及分类模型，获取目标的类别。本发明在训练分类模型时，不仅用到了第一局部图像，还用到了第二局部图像，使得分类模型准确性和可靠性更高。且在训练分类模型时所用的标签所标识的目标不仅包括人、车，还包括非人非车类，当这类目标基于该分类模型进行分类时，可以被正确分类成非人非车类，提高了分类的准确性。

技术领域

本发明涉及图像处理领域，尤其涉及一种目标分类方法及装置。

背景技术

基于卷积神经网络的分类技术是利用卷积神经网络对输入图像进行特征提取、分类以及目标定位等措施，实现对目标进行分类的方法。

目前，相关技术进行目标分类的过程如下：采用三帧差分法和背景消减法，对输入图像进行运动目标检测，得到运动目标图像区域；对运动目标图像区域进行灰度化处理后，利用二值阈值分割方法，将运动目标图像区域分割成目标和背景，对运动目标图像区域中与目标对应的局部图像做归一化，得到归一化局部图像；将归一化局部图像及其标签输入到深度学习神经网络中进行训练，得到人车分类模型；将待识别图像输入到训练好的人车分类模型中，完成对人车的识别和分类。

上述技术仅将运动目标分类为人和车，然而除了人和车在运动中会被检测出来，非人非车的目标也会发生运动，当这类目标通过人车分类模型分类时，必然会被分类成人或车，但这类目标其实并不是人或车，分类的准确性差。

发明内容

本发明实施例提供了一种目标分类方法及装置，可以解决相关技术分类的准确性差的问题。所述技术方案如下：

一方面，提供了一种目标分类方法，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。

在一种可能实现方式中，所述类别包括人、车和非人非车类，所述非人非车类是指除了人和车以外的运动目标。

在一种可能实现方式中，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。

在一种可能实现方式中，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。

在一种可能实现方式中，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；