[发明专利]分类识别方法、装置、识别设备及存储介质

说明书

本发明实施例涉及一种分类识别方法、装置、识别设备及存储介质，所述方法包括：获取图像样本库，所述图像样本库中存储多个图像样本；将待识别的目标图像与所述图像样本库中的全部所述图像样本进行匹配，确定匹配概率；根据所述匹配概率，确定所述目标图像的分类识别结果。由此，可以实现针对对像行为的识别结果的分类处理，提高对象行为的分类识别的准确率的技术效果。

技术领域

本发明实施例涉及人工智能和计算机视觉技术领域，尤其涉及一种分类识别方法、装置、识别设备及存储介质。

背景技术

近年来，人工智能和计算机视觉技术高速发展，加速了信息时代的教育变革，学校越来越重视课堂行为识别的信息化和智能化。课堂教学活动效果直接体现在学生的课堂行为，有助于教师及时改进教学方式，进一步提升教师的教学水平。因此观察学生课堂行为对提高教学质量有重要意义。

传统的课堂行为分析主要依靠人工观察记录教师和学生上课的视频，进而分析教学中的问题。这种方式费时费力，效率低下。面对课堂教学视频中目标众多、遮挡严重等问题，一类是基于目标检测和图像分类的算法，只是对目标进行简单的分类，当检测目标和训练数据集的场景差异比较大时，其识别准确率会有较大的下降；另一类是通过人体关键点识别，然后对关键点进行SVM分类或CNN分类，是通过深度学习自动提取分类所需的特征，相比传统的机器学习模型不透明，可解释性差，准确率难以保证。

为此，如何解决提高对象行为的分类识别准确率成为目前亟待解决的问题。

发明内容

鉴于此，为解决上述对象行为的分类识别准确率的技术问题，本发明实施例提供一种分类识别方法、装置、识别设备及存储介质。

第一方面，本发明实施例提供一种分类识别方法，包括：

获取图像样本库，所述图像样本库中存储多个图像样本；

将待识别的目标图像与所述图像样本库中的全部所述图像样本进行匹配，确定匹配概率；

根据所述匹配概率，确定所述目标图像的分类识别结果。

在一个可能的实施方式中，所述获取图像样本库，包括：

获取多个初始图像样本，并对所述初始图像样本进行分类；

生成所述初始图像样本对应的类别标签；

对所述初始图像样本进行预处理，得到对应的图像样本；

将全部所述图像样本和对应的类别标签存储至指定数据库，生成所述图像样本库。

在一个可能的实施方式中，所述对所述初始图像样本进行预处理，得到对应的图像样本，包括：

将所述初始图像样本输入至Openpose姿态识别网络中进行姿态特征提取，得到第一提取结果；

对所述第一提取结果进行归一化处理，得到第一姿态特征数据对应的图像样本。

在一个可能的实施方式中，所述将待识别的目标图像与所述图像样本库中的全部所述图像样本进行匹配，确定匹配概率，包括：

将待识别的目标图像输入至Openpose姿态识别网络中进行姿态特征提取，得到第二提取结果；

将所述第二提取结果与全部所述图像样本进行匹配，确定匹配概率。

在一个可能的实施方式中，所述将所述第二提取结果与全部所述图像样本进行匹配，确定匹配概率，包括：

对所述第二提取结果进行归一化处理，得到第二姿态特征数据对应的目标图像；

获取所述第二姿态特征数据对应的目标图像与所述第一姿态特征数据对应的全部所述图像样本的曼哈顿距离；