[发明专利]一种基于图像的物体分类方法、系统及电子设备

说明书

本发明提供一种基于图像的物体分类方法，该方法通过获取具有至少一个待分类物体及背景的待测图像，将所述待测图像中的待分类物体与背景进行分离，在多尺度下提取所述待分类物体的至少一特征，将所述至少一特征进行通道叠加，以获得至少两张通道叠加图像，将至少两张通道叠加图像通过矩阵外积运算进行组合，获得所述至少一个待分类物体的特征强化图，对所述至少一个待分类物体的特征强化图进行分类，获得分类结果，使得所述待分类物体与背景分离，提高了后续步骤对待分类物体的分类效率，提高识别分类的准确度，同时，提高了对密集排列、可区分特征较小的物体的识别分类准确度和分类效率，减少了分类神经网络的训练量。

【技术领域】

本发明涉及图像识别领域，特别涉及一种基于图像的物体分类方法、系统及电子设备。

【背景技术】

在图像识别领域，通常使用神经网络对图像内的物体进行识别分类。

但在现有的基于图像的物体分类方法中，对于图像内密集排布的物体，例如超市货柜中密集排列的商品，具有密集排列、不同细分类下商品可区分特征较小的特点，同时还存在对较小的商品识别困难的问题，现有的基于图像的物体分类方法很难识别上述物体，且识别分类的准确度较低。

【发明内容】

为了克服目前现有基于图像的物体分类准确度较低问题，本发明提供一种基于图像的物体分类方法。

本发明为解决上述技术问题，提供一技术方案如下：一种基于图像的物体分类方法，包括如下步骤:步骤S1：获取具有至少一个待分类物体及背景的待测图像；步骤S2：将所述待测图像中的待分类物体与背景进行分离；步骤S3：在多尺度下提取所述待分类物体的至少一特征；步骤S4：将所述至少一特征进行通道叠加，以获得至少两张通道叠加图像；步骤S5：将至少两张通道叠加图像通过矩阵外积运算进行组合，获得所述至少一个待分类物体的特征强化图；及步骤S6：对所述至少一个待分类物体的特征强化图进行分类，获得分类结果。

优选地，步骤S2具体包括如下步骤：步骤S21：定位待分类物体所在的矩形框；步骤S22：定位所述矩形框内待分类物体的准确边界；及步骤S23：根据所述边界将待分类物体分离出待测图像。

优选地，在步骤S2之前还包括：步骤S20：改变所述至少一个待分类物体的尺寸并分别输入到至少两个特征提取器。

优选地，上述步骤S20具体包括如下步骤：步骤S201：将多个待分类物体缩放至预设大小；步骤S202：将缩放完成后的至少一个待分类物体组合形成一个批数据；及步骤S203：将所述批数据分别输入到至少两个特征提取器。

优选地，步骤S4具体包括步骤S41～S42：步骤S41：将提取到的多个特征进行上采样处理，使多个特征具有相同的分辨率；及步骤S42：将具有相同分辨率的多个特征进行通道叠加，以获得至少两张通道叠加图像。

优选地，步骤S6具体包括如下步骤：步骤S61：对所述特征强化图内的至少一个待分类物体的特征进行降维处理；及步骤S62：将降维后的至少一个待分类物体的特征输入至预设的分类模型，获得分类结果。

本发明还提供一种基于图像的物体分类系统，包括：图像获取单元，用于获取具有至少一个待分类物体及背景的待测图像；背景分离单元，用于将所述待测图像中的待分类物体与背景进行分离；特征提取单元，用于将至少两个特征提取器在多尺度下提取所述待分类物体的至少一特征；特征叠加单元，用于将每一所述特征提取器将所述至少一特征进行通道叠加，获得至少两张通道叠加图像；特征强化单元，用于将至少两张通道叠加图像通过矩阵外积运算进行组合，获得所述至少一个待分类物体的特征强化图；及分类单元，用于对所述至少一个待分类物体的特征强化图进行分类，获得分类结果。

优选地，还包括：图形缩放单元，用于改变所述至少一个待分类物体的尺寸并分别输入至至少两个特征提取器。