多类别对象分类方法及系统的制作方法
【技术领域】
[0001] 本发明是一种分类技术，且特别是有关于一种多类别对象分类方法及系统。
【背景技术】
[0002] 已知的人工智能或计算机视觉在图形识别的应用领域中，欲进行多类别对象 (Multi-class object)分类常采用直接进行多类别分类，或者利用二元分类法，将多类别 分类拆解成数个二分类问题W进行解决。直接进行多类别分类例如提升度OOSting)演算 法，透过分析所有的输入影像的代表点，W多阶段投票的方式逐步进行目标对象的分类，所 设及的计算复杂度较高、花费时间较长，而且准确率亦较低，并非良好的解决方法；然而，二 元分类法则是时常面临到的问题则是待处理的影像特征点过多，W及当影像当中的不同对 象之间距离较为接近时，对于多类别分类的计算时间过长，尚有改进空间。另外，传统二元 分类法在最佳情况下透过单次分类过程仅可区分出一个单一类别；如果类别数量庞大，分 类过程的次数也必须增加 W区分出每个不同类别，导致较低的分类效率。
【发明内容】
[0003] 为了提升二元分类法对于多类别对象的分类效率，本发明的一方面是提供一种多 类别对象分类方法，其包含W下步骤：(a)接收并储存多个类别、多个第一训练影像与多个 第二训练影像，并从所述多个第一训练影像中揃取多个第一特征影像；利用所述多个第一 特征影像，透过一线性映射分类方法，产生对应所述多个类别的多个分类器，其中所述多个 第一训练影像与所述多个第二训练影像分别对应所述多个类别；化）从所述多个第二训练 影像中揃取多个第二特征影像，并从所述多个分类器中选取一分类器；（C)利用该分类器 与所述多个第二特征影像，决定对应所述多个类别的多个参数范围与对应该分类器的一口 槛值；（d)当所述多个参数范围当中的二参数范围重叠时，记录除了该二参数范围W外的 余留参数范围，并且由所述多个分类器当中选取除了已选取过的该分类器W外的另一分类 器后，重复执行步骤（C)直到所述多个参数范围彼此无重叠；(e)当所述多个参数范围彼此 无重叠时，记录所述多个参数范围；（f)接收并储存一待决影像，并从该待决影像中揃取一 待决特征影像；利用一分类器与该待决特征影像，决定一待决参数；（g)当该待决参数大于 对应该分类器的该口槛值时，将该待决影像分类至对应该分类器的该类别；化）当该待决 参数位于所述多个参数范围之内时，将该待决影像分类至对应所述多个参数范围的所述多 个类别。
[0004] 本发明的一实施例中，其中步骤（a)包含：将所述多个第一特征影像分割为多个 特征区块，并计算所述多个特征区块的多个变异数；依递减顺序，由所述多个变异数的最大 值开始选取多个特征变异数与对应于所述多个特征变异数的多个特征区块；利用所述多个 特征区块，透过该线性映射分类方法，产生对应所述多个类别的多个分类器。 阳0化]本发明的一实施例中，其中该线性映射分类方法为支持向量机（Suppcxrt Vector Machine, SVM)演算法，所述多个参数范围与该口槛值均介于-1至1之间。 W06] 本发明的一实施例中，其中步骤（a)、化）、讯包含：透过方向梯度直方图 (^Histogram of Oriented Gradients, HOG)从所述多个第一训练影像中揃取所述多个第一 特征影像；透过方向梯度直方图从所述多个第二训练影像中揃取所述多个第二特征影像； 透过方向梯度直方图从该待决影像中揃取该待决特征影像。
[0007] 本发明的一实施例中，其中步骤（d)包含：当该二参数范围重叠时，记录除了该二 参数范围W外的该余留参数范围，并且自对应该二参数范围的二分类器中选取一者作为该 另一分类器后，重复执行步骤（C)直到所述多个参数范围彼此无重叠。
[0008] 本发明的一实施例中，所述多个第一训练影像包含多个正样本影像与多个负样本 影像；所述多个正样本影像当中具有分别对应所述多个类别的一对象，所述多个负样本影 像当中缺少分别对应所述多个类别的该对象。
[0009] 本发明的另一方面是提供一种多类别对象分类系统，其包含输入装置、数据库与 处理器，其中该数据库禪接该输入单元，而且该处理器禪接该数据库。输入单元接收多个类 另IJ、多个第一训练影像、多个第二训练影像与一待决影像，其中所述多个第一训练影像与所 述多个第二训练影像分别对应所述多个类别。数据库储存所述多个类别、所述多个第一训 练影像、所述多个第二训练影像与该待决影像。处理器执行下列步骤：(a)从所述多个第一 训练影像中揃取多个第一特征影像；利用所述多个第一特征影像，透过一线性映射分类方 法，产生对应所述多个类别的多个分类器；化）从所述多个第二训练影像中揃取多个第二 特征影像，并从所述多个分类器中选取一分类器；（C)利用该分类器与所述多个第二特征 影像，决定对应所述多个类别的多个参数范围与对应该分类器的一口槛值；（d)当所述多 个参数范围当中的二参数范围重叠时，记录除了该二参数范围W外的余留参数范围，并且 由所述多个分类器当中选取除了已选取过的该分类器W外的另一分类器后，重复执行步骤 (C)直到所述多个参数范围彼此无重叠；（e)当所述多个参数范围彼此无重叠时，记录所述 多个参数范围；(f)从该待决影像中揃取一待决特征影像；利用一分类器与该待决特征影 像，决定一待决参数；（g)当该待决参数大于对应该分类器的该口槛值时，将该待决影像分 类至对应该分类器的该类别；W及化）当该待决参数位于所述多个参数范围之内时，将该 待决影像分类至对应所述多个参数范围的所述多个类别。
[0010] 本发明的一实施例中，其中该处理器将所述多个第一特征影像分割为多个特征区 块，并计算所述多个特征区块的多个变异数；依递减顺序，由所述多个变异数的最大值开始 选取多个特征变异数与对应于所述多个特征变异数的多个特征区块；利用所述多个特征区 块，透过该线性映射分类方法，产生对应所述多个类别的多个分类器。
[0011] 本发明的一实施例中，其中该线性映射分类方法为支持向量机演算法，所述多个 参数范围与该口槛值均介于-1至1之间。
[0012] 本发明的一实施例中，其中该处理器透过方向梯度直方图从所述多个第一训练影 像中揃取所述多个第一特征影像；透过方向梯度直方图从所述多个第二训练影像中揃取所 述多个第二特征影像；透过方向梯度直方图从该待决影像中揃取该待决特征影像。
[0013] 本发明的一实施例中，其中该处理器当该二参数范围重叠时，记录除了该二参数 范围W外的该余留参数范围，并且自对应该二参数范围的二分类器中选取一者作为该另一 分类器后，重复执行步骤（C)直到所述多个参数范围彼此无重叠。
[0014] 本发明的一实施例中，其中所述多个第一训练影像包含多个正样本影像与多个负 样本影像；所述多个正样本影像当中具有分别对应所述多个类别的一对象，所述多个负样 本影像当中缺少分别对应所述多个类别的该对象。
[0015] 综上所述，本发明是W提升二元分类法对于多类别对象分类的效率为出发点，利 用记录不同类别的训练影像与其中一类别的分类器透过线性映射方法所产生的参数范围， 得W较少的分类步骤达到多类别对象的分类效果；此外，利用划分特征影像为影像区块并 选取变异数较大的影像区块作为代表，透过线性映射分类方法W产生分类器可大幅降低待 处理的样本数量，节省运算时间，明显提升多类别对象分类的效率。
[0016] W下将W实施方式对上述的说明作详细的描述，并对本发明的技术方案提供更进 一步的解释。
【附图说明】
[0017] 为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说 明如下：
[0018] 图IA~IB是说明本发明第一实施例的多类别对象分类方法流程图；
[0019] 图2是说明分别对应类别A~D的第二训练影像与分类器