[发明专利]室外场景分类方法及系统在审
| 申请号： | 201710515692.7 | 申请日： | 2017-06-29 |
| 公开（公告）号： | CN109214235A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 曲道奎;王宏玉;邹风山;姜楠;刘世昌;宋吉来 | 申请（专利权）人： | 沈阳新松机器人自动化股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 沈阳科苑专利商标代理有限公司 21002 | 代理人： | 许宗富 |
| 地址： | 110168 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 室外场景 小区域 分割小区域 计算机视觉 边界处理 表述区域 场景分类 特征提取 特征向量 图像分割 语义分类 规整 分类 算法 跟踪 | ||
1.一种室外场景分类方法，其特征在于，包括以下步骤：
步骤S1，采用SLIC算法进行图像分割，形成紧密规整的小区域；
步骤S2，对小区域进行特征提取，提取出用于表述区域的特征向量；
步骤S3，使用bag-of-word方法对分割小区域进行语义分类。
2.如权利要求1所述的室外场景分类方法，其特征在于，所述步骤S2中，采用HSV颜色特征和灰度共生矩阵来进行区域的特征表述。
3.如权利要求2所述的室外场景分类方法，其特征在于，所述步骤S2中，HSV颜色特征采用H分量和V分量表示，将区域内的H分量进行直方图化，形成9维的向量；V分量进行直方图化，形成8维的特征向量。
4.如权利要求2所述的室外场景分类方法，其特征在于，所述步骤S2中，在获得距离与方向上的灰度共生矩阵后，计算反差、熵和相关性特征量；灰度共生矩阵中元素间距离为d，夹角为θ，θ取水平方向、垂直方向、45度方向和135度方向四种，形成12维的特征。
5.如权利要求1所述的室外场景分类方法，其特征在于，所述步骤S3中，对不同类别的样本，提取特征后学习得到每类的视觉字典，在进行视觉字典提取时，采用K-Means算法进行特征聚类，最后聚集得到的K个聚类中心则为此类的视觉字典。
6.一种室外场景分类系统，其特征在于，包括以下模块：
图像分割模块，用于采用SLIC算法进行图像分割，形成紧密规整的小区域；
特征提取模块，用于对小区域进行特征提取，提取出用于表述区域的特征向量；
语义分类模块，用于使用bag-of-word方法对分割小区域进行语义分类。
7.如权利要求6所述的室外场景分类系统，其特征在于，所述特征提取模块采用HSV颜色特征和灰度共生矩阵来进行区域的特征表述。
8.如权利要求7所述的室外场景分类系统，其特征在于，所述特征提取模块中，HSV颜色特征采用H分量和V分量表示，将区域内的H分量进行直方图化，形成9维的向量；V分量进行直方图化，形成8维的特征向量。
9.如权利要求7所述的室外场景分类系统，其特征在于，所述特征提取模块在获得距离与方向上的灰度共生矩阵后，计算反差、熵和相关性特征量；灰度共生矩阵中元素间距离为d，夹角为θ，θ取水平方向、垂直方向、45度方向和135度方向四种，形成12维的特征。
10.如权利要求6所述的室外场景分类系统，其特征在于，语义分类模块对不同类别的样本，提取特征后学习得到每类的视觉字典，在进行视觉字典提取时，采用K-Means算法进行特征聚类，最后聚集得到的K个聚类中心则为此类的视觉字典。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳新松机器人自动化股份有限公司，未经沈阳新松机器人自动化股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710515692.7/1.html，转载请声明来源钻瓜专利网。
