一种矿井场景图像分类方法、系统及存储介质技术方案

本发明专利技术属于图像分类技术领域，具体涉及一种矿井场景图像分类方法、系统及存储介质，方法包括：将多个矿井场景图像随机划分到若干个矿井场景图像组中，针对不同的矿井场景图像组中的各个矿井场景图像，分别将各个矿井场景图像划分为多个部分图像，并且分别计算各个矿井场景图像的每个部分图像的特征值；从不同的矿井场景图像组中的各个矿井场景图像的多个部分图像中，选择若干个部分图像作为代表部分图像，并且根据矿井场景图像是否存在代表部分图像的检测结果针对多个矿井场景图像进行自动分类。本发明专利技术解决了需要依靠人工获取训练样本才能对矿井场景图像进行分类的问题。才能对矿井场景图像进行分类的问题。才能对矿井场景图像进行分类的问题。

【技术实现步骤摘要】
一种矿井场景图像分类方法、系统及存储介质


[0001]本专利技术属于图像分类
，具体涉及一种矿井场景图像分类方法、系统及存储介质。

技术介绍

[0002]由于矿井作业环境的特殊性，要求必须对矿井作业环境进行严格的安全检查，传统的依靠人工检查矿井作业环境的方式不仅人工成本高，而且检查效率也低，因而现有技术中诞生了获取矿井场景图像，通过对矿井场景图像进行分类，进而实现对矿井作业环境进行安全检查的方法，公开号为CN110674702B的中国专利技术专利提供一种矿井图像场景分类方法、装置及设备、系统，方法包括获取矿井场景图像训练样本；利用矿井场景图像训练样本训练分类算法模型，得到矿井场景分类模型；利用矿井场景分类模型对待分类矿井场景图像进行分类，得到分类结果，然而，上述专利技术专利需要提前获取大量的矿井场景图像训练样本，矿井场景图像训练样本通常需要通过人工对矿井场景图像进行标注来得到，也就是说在矿井场景图像训练样本的生成过程中需要人工区分矿井场景图像的类别，仍然需要花费大量的人工和时间成本，由此，本专利技术提供一种矿井场景图像分类方法、系统及存储介质来解决该技术问题。

技术实现思路

[0003]本专利技术获取多个矿井场景图像，把每个矿井场景图像分割成不同的部分图像，并且从多个矿井场景图像的全部部分图像中挑选出代表部分图像，进而根据各个矿井场景图像是否存在代表部分图像的检测结果针对多个矿井场景图像进行自动分类，旨在提供一种无需依靠人工事先准备的大量训练样本也能实现对于多个矿井场景图像的自动分类的方法。r/>[0004]为了达到上述的专利技术目的，本专利技术给出如下所述的一种矿井场景图像分类方法，主要包括以下的步骤：获取多个矿井场景图像，并且将多个所述矿井场景图像随机划分到若干个矿井场景图像组中，针对不同的所述矿井场景图像组中的各个所述矿井场景图像，分别又将各个所述矿井场景图像划分为多个部分图像，所述部分图像包括多个像素点，并且分别计算各个所述矿井场景图像的每个所述部分图像的特征值；从不同的所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像中，选择若干个所述部分图像作为代表部分图像，并且分别检测所述矿井场景图像是否存在所述代表部分图像，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类。
[0005]作为本专利技术的一种优选技术方案，从不同的所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像中，选择若干个所述部分图像作为代表部分图像，包括如下的步骤：
基于任意一个所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像，通过多个所述部分图像的所述特征值将多个所述部分图像分为不同的类别；按照不同类别的所述部分图像分别包含的所述部分图像的个数从大到小的顺序，对于不同类别的所述部分图像进行排序；根据不同类别的所述部分图像的排序结果，删除排序最靠后的预先设定数量的类别的所述部分图像；对于留下的不同类别的所述部分图像，分别为每个类别的所述部分图像训练一个第一机器学习模型，所述第一机器学习模型输出将全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像识别为所述类别时的第一得分；针对全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像分别使用不同的所述第一机器学习模型，按照不同的所述第一机器学习模型输出的所述第一得分，将所述部分图像归类为与最高的所述第一得分相对应的所述第一机器学习模型的所述类别；判断是否满足生成所述代表部分图像的条件，若满足生成所述代表部分图像的条件，则针对此时的每个类别的所述部分图像，从中选择对应的所述第一得分最高的所述部分图像作为所述代表部分图像，若不满足生成所述代表部分图像的条件，则跳转根据不同类别的所述部分图像的排序结果，删除排序最靠后的预先设定数量的类别的所述部分图像的步骤继续执行。
[0006]作为本专利技术的一种优选技术方案，生成所述代表部分图像的条件指的是，执行预先设定次数的针对全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像分别使用不同的所述第一机器学习模型，按照不同的所述第一机器学习模型输出的所述第一得分，将所述部分图像归类为与最高的所述第一得分相对应的所述第一机器学习模型的所述类别，每次得到的不同类别中的与最高的所述第一得分相对应的所述部分图像未发生变化。
[0007]作为本专利技术的一种优选技术方案，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类之前，还包括删除那些在超过预先设定的数量的所述矿井场景图像中出现过的所述代表部分图像。
[0008]作为本专利技术的一种优选技术方案，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类的过程为，将存在相同的若干个所述代表部分图像的多个所述矿井场景图像自动划分为一个类别。
[0009]作为本专利技术的一种优选技术方案，将各个所述矿井场景图像划分为多个部分图像，包括如下的步骤：将所述矿井场景图像中的所述部分图像的总个数的初始值设为0；获取所述矿井场景图像中的当前要处理的一个像素点的色彩值，并且判断所述矿井场景图像中的所述部分图像的总个数是否为0，若所述部分图像的总个数为0，则跳转使用这个像素点形成一个新的所述部分图像，并且更新所述矿井场景图像中的所述部分图像的总个数的步骤，若所述部分图像的总个数不为0，继续下个步骤；基于所述矿井场景图像中的当前要处理的一个像素点的色彩值，在所述矿井场景图像的多个所述部分图像中查找与这个像素点的色彩值最相似的像素点，同时记录这个像素点的色彩值与最相似的像素点的色彩值之间的相似度，并且判断所述相似度是否大于等
于预先设定的相似度阈值，若所述相似度大于等于所述相似度阈值，则将这个像素点划分到最相似的像素点所在的所述部分图像，若所述相似度小于所述相似度阈值，继续下个步骤；使用这个像素点形成一个新的所述部分图像，并且更新所述矿井场景图像中的所述部分图像的总个数；判断已经处理过的所述矿井场景图像中的像素点的总个数是否大于等于预先设定的总个数阈值，若像素点的总个数大于等于总个数阈值，则针对所述矿井场景图像中的所述部分图像进行二次处理，并且继续下个步骤，若像素点的总个数小于总个数阈值，直接继续下个步骤；判断是否对于所述矿井场景图像中的全部像素点都已经进行过处理，若是的话，结束全部步骤，若不是的话，确定所述矿井场景图像中的下一个要处理的像素点，跳转将所述矿井场景图像中的所述部分图像的总个数的初始值设为0的下一个步骤。
[0010]作为本专利技术的一种优选技术方案，针对所述矿井场景图像中的所述部分图像进行二次处理，包括如下的步骤：对于所述矿井场景图像中的一个所述部分图像，判断所述部分图像中的像素点的总个数是否小于等于总个数阈值，在像素点的总个数大于总个数阈值的情况下，继续下个步骤，在像素点的总个数小于等于总个数阈值的情况下，计算这个所述部分图像中的全部像素点的色彩值的平均值，以及分别计算其他所述部分图像中的全部像素点的色彩值的平均值，还查找与这个所述部分图像的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿井场景图像分类方法，其特征在于，包括如下的步骤：获取多个矿井场景图像，并且将多个所述矿井场景图像随机划分到若干个矿井场景图像组中，针对不同的所述矿井场景图像组中的各个所述矿井场景图像，分别又将各个所述矿井场景图像划分为多个部分图像，所述部分图像包括多个像素点，并且分别计算各个所述矿井场景图像的每个所述部分图像的特征值；从不同的所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像中，选择若干个所述部分图像作为代表部分图像，并且分别检测所述矿井场景图像是否存在所述代表部分图像，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类。2.根据权利要求1所述的一种矿井场景图像分类方法，其特征在于，从不同的所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像中，选择若干个所述部分图像作为代表部分图像，包括如下的步骤：基于任意一个所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像，通过多个所述部分图像的所述特征值将多个所述部分图像分为不同的类别；按照不同类别的所述部分图像分别包含的所述部分图像的个数从大到小的顺序，对于不同类别的所述部分图像进行排序；根据不同类别的所述部分图像的排序结果，删除排序最靠后的预先设定数量的类别的所述部分图像；对于留下的不同类别的所述部分图像，分别为每个类别的所述部分图像训练一个第一机器学习模型，所述第一机器学习模型输出将全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像识别为所述类别时的第一得分；针对全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像分别使用不同的所述第一机器学习模型，按照不同的所述第一机器学习模型输出的所述第一得分，将所述部分图像归类为与最高的所述第一得分相对应的所述第一机器学习模型的所述类别；判断是否满足生成所述代表部分图像的条件，若满足生成所述代表部分图像的条件，则针对此时的每个类别的所述部分图像，从中选择对应的所述第一得分最高的所述部分图像作为所述代表部分图像，若不满足生成所述代表部分图像的条件，则跳转根据不同类别的所述部分图像的排序结果，删除排序最靠后的预先设定数量的类别的所述部分图像的步骤继续执行。3.根据权利要求2所述的一种矿井场景图像分类方法，其特征在于，生成所述代表部分图像的条件指的是，执行预先设定次数的针对全部所述矿井场景图像组中的各个所述矿井场景图像的多个所述部分图像分别使用不同的所述第一机器学习模型，按照不同的所述第一机器学习模型输出的所述第一得分，将所述部分图像归类为与最高的所述第一得分相对应的所述第一机器学习模型的所述类别，每次得到的不同类别中的与最高的所述第一得分相对应的所述部分图像未发生变化。4.根据权利要求1所述的一种矿井场景图像分类方法，其特征在于，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类之前，还包括删除那些在超过预先设定的数量的所述矿井场景图像中出现过的所述代表部分图像。
5.根据权利要求4所述的一种矿井场景图像分类方法，其特征在于，根据所述矿井场景图像是否存在所述代表部分图像的检测结果针对多个所述矿井场景图像进行自动分类的过程为，将存在相同的若干个所述代表部分图像的多个所述矿井场景图像自动划分为一个类别。6.根据权利要求1所述的一种矿井场景图像分类方法，其特征在于，将各个所述矿井场景图像划分为多个部分图...

【专利技术属性】
技术研发人员：应永华，俞明明，张宏权，黄顺权，
申请(专利权)人：宁波长壁流体动力科技有限公司，
类型：发明
国别省市：