一种物体分类方法、计算机设备及存储介质技术

本申请公开了一种物体分类方法、计算机设备及存储介质，该方法包括：获取目标物体的特征集；对特征集进行第一选择，以得到第一子特征集，以及对特征集进行第二选择，以得到第二子特征集，第一选择和第二选择的选择方式不同；对第一子特征集进行分类预测得到第一分类预测结果，以及对第二子特征集进行分类预测得到第二分类预测结果；将第一分类预测结果和第二分类预测结果进行决策级融合，得到最终分类结果。通过这样的方式，能够提高物体的分类准确率。确率。确率。

【技术实现步骤摘要】
一种物体分类方法、计算机设备及存储介质


[0001]本申请涉及分类
，特别涉及一种物体分类方法、计算机设备及存储介质。

技术介绍

[0002]在传统机器学习进行物体分类的过程中，运用物体突出的模态特征来进行物体分类是非常重要的方式，尤其是运用人类的感官特征，例如通常需要视觉或触觉的感知来对物体对象进行特征分析，从而进一步对物体对象进行分类，可以知道的是，常规手段中利用视觉特征对目标物体进行识别分类已经具有一定的准确率，然而针对于特征相似物体或者是肉眼难以识别的物体，仅从单一模态来看，无法辨识其物体类别，分类准确率就会有很大的偏差。

技术实现思路

[0003]为了解决上述问题，本申请提供一种物体分类方法、计算机设备及存储介质，能够提高物体的分类准确率。
[0004]为解决上述技术问题，本申请采用的一个技术方案是提供一种物体分类方法，该方法包括：获取目标物体的特征集；对特征集进行第一选择，以得到第一子特征集，以及对特征集进行第二选择，以得到第二子特征集，第一选择和第二选择的选择方式不同；对第一子特征集进行分类预测得到第一分类预测结果，以及对第二子特征集进行分类预测得到第二分类预测结果；将第一分类预测结果和第二分类预测结果进行决策级融合，得到最终分类结果。
[0005]其中，获取目标物体的特征集，包括：采集目标物体多种模态下的数据信息；对数据信息进行预处理；对预处理后的数据信息进行特征提取，以生成目标物体的特征集。
[0006]其中，多种模态下的数据信息包括视觉信息、触觉信息和听觉信息；对预处理后的数据信息进行特征提取，以生成目标物体的特征集，包括：对预处理后的视觉信息进行图像统计特征提取，以得到第一统计特征集；对预处理后的触觉信息和听觉信息进行信号统计特征提取，以得到第二统计特征集；将第一统计特征集和第二统计特征集进行特征级融合，以生成目标物体的特征集。
[0007]其中，图像统计特征包括灰度共生矩阵中的能量、熵、相关性、逆差矩、对比度，灰度游程矩阵中的短期重点特征、长期重点特征和灰度不均匀性、方向梯度直方图、Tamura纹理特征中的粗糙度、对比度和方向性中至少一种；信号统计特征包括最大值、最小值、均值、峰值、绝对平均值、均方根值、方差、标准差、方根幅值、峭度、偏度、波形因子、峰值因子、脉冲因子和裕度因子中至少一种。
[0008]其中，对第一子特征集进行分类预测得到第一分类预测结果，以及对第二子特征集进行分类预测得到第二分类预测结果，包括：使用设定数量个第一分类器对第一子特征集进行分类预测，以得到目标物体的第一分类预测结果；其中，第一分类预测结果包括多组第一预测分类标签以及对应的第一预测精度；使用设定数量个第二分类器对第二子特征集
进行分类预测，以得到目标物体的第二分类预测结果；其中，第二分类预测结果包括多组第二预测分类标签以及对应的第二预测精度。
[0009]其中，将第一分类预测结果和第二分类预测结果进行决策级融合，得到最终分类结果，包括：将多组第一预测分类标签及其对应的第一预测精度，以及第一分类器所占的权重，与多组第二预测分类标签及其对应的第二预测精度，以及第二分类器所占的权重进行决策级融合，以得到最终分类结果。
[0010]其中，将第一分类预测结果和第二分类预测结果进行决策级融合，得到最终分类结果，包括：采用以下公式计算：其中，n是分类标签的数量，m是分类器的数量，ω
m
是分类器m所占的权重，P
mn
是分类器m计算出目标物体属于分类标签n的预测精度。
[0011]其中，对特征集进行第一选择，以得到第一子特征集，以及对特征集进行第二选择，以得到第二子特征集，包括：对特征集进行拉普拉斯特征选择，以得到第一子特征集；以及对特征集进行多聚类特征选择，以得到第二子特征集。
[0012]其中，对特征集进行拉普拉斯特征选择，以得到第一子特征集，包括：根据拉普拉斯特征选择算法计算特征集中所有特征参数的拉普拉斯得分；对所有特征参数的拉普拉斯得分进行排序；将得分排序中得分较小的设定数量个特征参数进行集合，以得到第一子特征集。
[0013]其中，对特征集进行多聚类特征选择，以得到第二子特征集，包括：根据多聚类特征选择算法计算特征集中所有特征参数的多聚类得分；对所有特征参数的多聚类得分进行排序；将得分排序中得分较大的设定数量个特征参数进行集合，以得到第二子特征集。
[0014]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述的物体分类方法。
[0015]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，用于存储计算机程序，计算机程序再被处理器执行时，用于实现上述的物体分类方法。
[0016]本申请实施例的有益效果是：区别于现有技术，本申请提供了一种物体分类方法，通过对目标物体的特征集进行第一选择和第二选择，以得到两种特征选择下的第一子特征集和第二子特征集，进一步分别对两个子特征集进行分类预测得到第一分类预测结果和第二分类预测结果，最后将第一分类预测结果和第二分类预测结果进行决策级的融合计算，以输出得到最终的分类结果。通过这样的方式，将两种特征选择方法下的分类结果进行融合，能够提高物体的分类准确率。
附图说明
[0017]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。其中：
[0018]图1是本申请提供的物体分类方法一实施例的流程示意图；
[0019]图2是本申请提供的物体分类方法另一实施例的流程示意图；
[0020]图3是图2中步骤23的具体流程示意图；
[0021]图4是图2中步骤24的具体流程示意图；
[0022]图5是图2中步骤25的具体流程示意图；
[0023]图6是本申请提供的物体分类方法又一实施例的流程示意图；
[0024]图7是本申请提供的计算机设备一实施例的结构示意图；
[0025]图8是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体分类方法，其特征在于，所述方法包括：获取目标物体的特征集；对所述特征集进行第一选择，以得到第一子特征集，以及对所述特征集进行第二选择，以得到第二子特征集，所述第一选择和所述第二选择的选择方式不同；对所述第一子特征集进行分类预测得到第一分类预测结果，以及对所述第二子特征集进行分类预测得到第二分类预测结果；将所述第一分类预测结果和所述第二分类预测结果进行决策级融合，得到最终分类结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标物体的特征集，包括：采集目标物体多种模态下的数据信息；对所述数据信息进行预处理；对预处理后的所述数据信息进行特征提取，以生成所述目标物体的特征集。3.根据权利要求2所述的方法，其特征在于，所述多种模态下的数据信息包括视觉信息、触觉信息和听觉信息；所述对预处理后的所述数据信息进行特征提取，以生成所述目标物体的特征集，包括：对预处理后的所述视觉信息进行图像统计特征提取，以得到第一统计特征集；对预处理后的所述触觉信息和听觉信息进行信号统计特征提取，以得到第二统计特征集；将所述第一统计特征集和所述第二统计特征集进行特征级融合，以生成所述目标物体的特征集。4.根据权利要求3所述的方法，其特征在于，所述图像统计特征包括灰度共生矩阵中的能量、熵、相关性、逆差矩、对比度，灰度游程矩阵中的短期重点特征、长期重点特征和灰度不均匀性、方向梯度直方图、Tamura纹理特征中的粗糙度、对比度和方向性中至少一种；所述信号统计特征包括最大值、最小值、均值、峰值、绝对平均值、均方根值、方差、标准差、方根幅值、峭度、偏度、波形因子、峰值因子、脉冲因子和裕度因子中至少一种。5.根据权利要求1所述的方法，其特征在于，所述对所述第一子特征集进行分类预测得到第一分类预测结果，以及对所述第二子特征集进行分类预测得到第二分类预测结果，包括：使用设定数量个第一分类器对所述第一子特征集进行分类预测，以得到所述目标物体的第一分类预测结果；其中，所述第一分类预测结果包括多组第一预测分类标签以及对应的第一预测精度；使用设定数量个第二分类器对所述第二子特征集进行分类预测，以得到所述目标物体的第二分类预测结果；其中，所述第二分类预测结果包括多组第二预测分...

【专利技术属性】
技术研发人员：易正琨，吴新宇，刘翔，郭师峰，周贞宁，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：