[发明专利]分类模型构建方法、分类模型及物体识别方法

权利要求书

1.一种分类模型构建方法，其特征在于，包括：

获取N个类别的已知图像中每个类别的特征向量；

根据所述特征向量将所述N个类别进行聚类形成多层分类层级树；

将所述多层分类层级树的内节点作为分类模型的节点，对每个节点训练得到所述分类模型；

所述根据所述特征向量将所述N个类别进行聚类形成多层分类层级树，具体包括：

判断是否存在已划分好的层级树；

若不存在所述已划分好的层级树，则根据所述特征向量对所述N个类别进行聚类层级划分形成所述多层分类层级树；

所述根据所述特征向量将所述N个类别进行聚类层级划分形成所述多层分类层级树，具体包括：

S11：从所述N个类别中选择一个类别；

S12：计算选择的所述类别与其他所有类别之间的距离；

S13：依据得到的所述距离求取距离阈值及聚类终止阈值；

S14：判断所述距离阈值是否小于所述聚类终止阈值；

S15：若所述距离阈值小于所述聚类终止阈值，则求取所述N个类别中所有类别两两之间的距离；

S16：将小于或等于所述距离阈值的类别合并为一新类；

S17：将所述新类与其他大于所述距离阈值的类别归为同一层级；

S18：从所述新类以及其他大于所述距离阈值的类别中选取一个类别；

S19：重新执行步骤S12至步骤S19，直至所述距离阈值大于所述聚类终止阈值；

所述步骤S13具体包括：

依据得到的所述距离绘制曲线，并利用多项式方程拟合所述曲线的拐点；

将所述曲线的拐点处的值作为所述距离阈值；

求取所述距离的平均值以及标准差；

依据所述平均值和所述标准差求取所述聚类终止阈值。

2.根据权利要求1所述的分类模型构建方法，其特征在于，在所述判断是否存在已划分好的层级树之后，还包括：

若存在所述已划分好的层级树，则根据所述特征向量将所述N个类别与所述已划分好的层级树进行整合得到所述多层分类层级树。

3.根据权利要求2所述的分类模型构建方法，其特征在于，所述根据所述特征向量将所述N个类别与所述已划分好的层级树进行整合得到所述多层分类层级树，具体包括：

S21：求取所述已划分好的层级树中每一层级两两类别之间的距离，并求取与所述每一层级对应的聚类阈值；

S22：计算所述N个类别中每一个类别与所述已划分好的层级树中最后一层级的各类别之间的距离；

S23：判断所述N个类别中是否存在至少一个距离小于最后一层级的所述聚类阈值的可聚类类别；

S24：若存在所述可聚类类别，则将所述可聚类类别并入所述已划分好的层级树中的最后一层级，将所述N个类别中除所述可聚类类别外其他类别与所述已划分好的层级树的其他层级依次进行合并；

S26：判断所述N个类别是否全部并入所述已划分好的层级树中；

S27：若所述N个类别未全部并入所述已划分好的层级树中，则对所述N个类别中未并入所述已划分好的层级树的类别以及所述已划分好的层级树，进行聚类层级划分形成所述多层分类层级树；

S28：若所述N个类别全部并入所述已划分好的层级树中，则将合并后的所述已划分好的层级树作为所述多层分类层级树；

S29：若不存在所述可聚类类别，则对所述N个类别以及所述已划分好的层级树，进行聚类层级划分形成所述多层分类层级树。

4.根据权利要求1所述的分类模型构建方法，其特征在于，所述将所述多层分类层级树的内节点作为分类模型的节点，对每个节点训练得到所述分类模型，具体包括：

获取包含每个所述节点的类别的训练样本图像和测试图像；

将所述训练样本图像输入所述多层分类层级树，对所述多层分类层级树的每个层级的内节点进行训练；

将所述测试图像输入训练后的所述多层分类层级树，得到测试精度值；

对所述多层分类层级树的每个层级的内节点进行训练直至所述测试精度值的变化幅度处于预设范围内；

将训练完成的所述多层分类层级树作为所述分类模型。

5.一种分类模型，其特征在于，所述分类模型利用如权利要求1至4中任一项所述的分类模型构建方法构建得到。