一种数据训练方法及装置与流程

本发明涉及图像处理领域，特别涉及一种数据训练方法及装置。

背景技术：

目前，在利用图像的方向梯度直方图(histogramoforientedgradient，hog)特征对图像进行分类时，要先通过检测窗口对图像的梯度图像进行检测，以获得梯度图像的梯度积分图，再根据训练得到的特征数据和梯度积分图对图像进行分类。

目前在训练特征数据时，一般特征数据的大小都是固定的，那么就要求梯度积分图的大小也是固定的，如果梯度积分图的大小有变化，则特征数据就无法根据梯度积分图对图像进行分类。

技术实现要素：

本发明实施例提供一种数据训练方法及装置，用于使得特征数据可以符合梯度积分图的要求。

第一方面，提供一种数据训练方法，包括：

对待训练的数据进行训练；

得到最终训练结果，所述最终训练结果用于表征图像的一个类别的特征；其中，所述最终训练结果包括至少一个结果数据，所述至少一个结果数据中的第一部分结果数据中的每个结果数据包括m行*n列，所述第一部分结果数据为所述至少一个结果数据中的全部结果数据或部分结果数据，m和n均为预设数值的倍数，所述预设数值为正整数。

可选的，在对待训练的数据进行训练之前，还包括：

预先设定得到的结果数据的行数和列数均为所述预设数值的倍数。

可选的，

在得到最终训练结果之前，还包括：

得到初始训练结果；其中，所述初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数不是所述预设数值的倍数；

得到最终训练结果，包括：

对所述初始训练结果进行插值处理，得到第一部分结果数据中包括的结果数据的行数和列数均为所述预设数值的倍数的所述最终训练结果。

可选的，所述预设数值为采用所述最终训练结果对图像进行分类时，检测窗口在所述图像的梯度图像中移动的步长。

第二方面，提供一种数据训练装置，包括：

训练模块，用于对待训练的数据进行训练；

获取模块，用于得到最终训练结果，所述最终训练结果用于表征图像的一个类别的特征；其中，所述最终训练结果包括至少一个结果数据，所述至少一个结果数据中的第一部分结果数据中的每个结果数据包括m行*n列，所述第一部分结果数据为所述至少一个结果数据中的全部结果数据或部分结果数据，m和n均为预设数值的倍数，所述预设数值为正整数。

可选的，所述装置还包括设置模块，用于在所述训练模块对待训练的数据进行训练之前，预先设定得到的结果数据的行数和列数均为所述预设数值的倍数。

可选的，所述获取模块还用于：

在得到最终训练结果之前，得到初始训练结果；其中，所述初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数不是所述预设数值的倍数；

对所述初始训练结果进行插值处理，得到第一部分结果数据中包括的结果数据的行数和列数均为所述预设数值的倍数的所述最终训练结果。

可选的，所述预设数值为采用所述最终训练结果对图像进行分类时，检 测窗口在所述图像的梯度图像中移动的步长。

本发明实施例中，可以获得特定尺寸的训练结果，这种尺寸的训练结果可以适应比较特殊的方向梯度积分图的需求，从而可以较为准确地根据方向梯度积分图对图像进行分类，以保证分类过程的顺利进行。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本发明的一些实施例，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。

图1为本发明实施例提供的数据训练方法的一种可能的流程图；

图2为本发明实施例提供的数据训练装置的一种可能的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。

以下，对本发明实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

1)积分图，积分图上的任意一点(x，y)的值是指从灰度图像的左上角与当前的点所围成的矩形区域内所有像素点的灰度值之和。

2)梯度图像，对于一幅原图像来说，对该图像中的每个点求梯度，由得到的所有点的梯度构成的图像即为原图像的梯度图像。

梯度图像的某个方向上的方向梯度积分图，也可以称为梯度图像的方向梯度积分图，或者梯度图像的方向梯度直方图，可以用于快速计算该方向上特定区域的梯度值。

3)本发明实施例中，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合附图介绍本发明实施例提供的方法。

请参见图1，提供一种数据训练方法，该方法的流程描述如下：

步骤101：对待训练的数据进行训练；

步骤102：得到最终训练结果，最终训练结果用于表征图像的一个类别的特征；其中，最终训练结果包括至少一个结果数据，至少一个结果数据中的第一部分结果数据中的每个结果数据包括m行*n列，第一部分结果数据为至少一个结果数据中的全部结果数据或部分结果数据，m和n均为预设数值的倍数，预设数值为正整数。

可选的，结果数据也可以认为是细胞(cell)单元，即最终训练结果可能包含多个结果数据，每个结果数据都可以对应有长和宽，即每个结果数据都可以为x行y列的数据，其中，可能每个结果数据的行数x都等于m，列数y都等于n，或者也可能只有部分结果数据的行数x等于m，列数y等于n。

可选的，可以使得第一部分结果数据尽量包括最终训练结果的全部结果数据，即，可以尽量使得最终训练结果包括的每个结果数据的行数x都等于m，列数y都等于n。

可选的，待训练的数据可以是样本库中的数据，通过对这些数据进行训练，可以得到用于表征不同的类别的特征数据，其中训练结果即为得到的特征数据。

可选的，通过这种方法训练得到的特征数据可能需要对原始图像窗口进行分类，这样才便于根据特征数据来按照方向梯度积分图对图像中相应的窗口进行分类。例如，预设数值可以是采用最终训练结果对图像中相应的窗口进行分类时，检测窗口在该图像的梯度图像中移动的步长，其中，检测窗口 在该图像的梯度图像中检测，就可以得到梯度图像的方向梯度积分图，之后可以根据训练结果数据按照方向梯度积分图对图像中相应的窗口进行分类。例如，一种可能的预设数值为4。

可选的，要使得结果数据的m和n均为预设数值的倍数，可以有不同的方式，下面分别介绍。

第一种方式：可以预先设定。即，在对待训练的数据进行训练之前，可以预先设定得到的结果数据的行数和列数均为预设数值的倍数，这样在训练过程中就可以根据这种设置进行训练，从而尽量保证得到的最终训练结果包括的结果数据的行数和列数均为该预设数值的倍数。

这种处理方式，因为是预先设定，系统是按照设置的方式执行，因此可能误差较小，得到的训练结果的大小较为准确。且直接根据设定的方式进行训练，可能无需对后续的训练结果再进行处理，步骤较为简单。

第二种方式：可以在得到训练结果(例如称为初始训练结果)后对初始训练结果进行处理，以得到第一部分结果数据中包括的结果数据的行数和列数均为预设数值的倍数的最终训练结果。

例如，在对待训练的数据进行训练后，即在得到最终训练结果之前，可以先得到初始训练结果，如果初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数是预设数值的倍数，那么就可以直接将初始训练结果作为预设训练结果，无需再进行处理，此时，初始训练结果的第一部分结果数据例如可以包括初始训练结果的全部结果数据，而如果初始训练结果中包括的第一部分结果数据中的部分结果数据或全部结果数据的行数和/或列数不是预设数值的倍数，那么可以对初始训练结果进行处理，例如可以对初始训练结果进行插值处理，即，将初始训练结果包括的结果数据的行数和/或列数均插值成为预设数值的倍数，以得到最终训练结果。

这种训练方式下可以无需预先对系统进行设置，即无需更改系统之前的设置，可以继续按照原来的方式进行训练，对系统的影响较小，实施较为方 便。

以上两种方式可以单独使用，或者也可以结合使用，例如，通过第一种方式训练后，如果得到的某些初始训练结果不符合要求，那么可以继续按照第二种方式对这些不符合要求的初始训练结果进行插值，以得到行数和列数均为预设数值的倍数的最终训练结果。

下面结合附图介绍本发明实施例提供的装置。

请参见图2，基于同一发明构思，提供一种数据训练装置，该装置可以包括训练模块201和获取模块202。可选的，该装置还可以包括设置模块203，在图2中一并示出，但设置模块203只是可选的模块，不是该装置必须包括的模块。

该数据训练装置可以用于执行上述图1所述的方法，因此，对于该数据训练装置中的各功能模块所实现的功能等，可参考如前的描述，不多赘述。

本发明实施例中，可以获得特定尺寸的训练结果，这种尺寸的训练结果可以适应比较特殊的方向梯度积分图的需求，从而可以较为准确地根据方向梯度积分图对图像进行分类，以保证分类过程的顺利进行。

在本发明中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例。

在本发明实施例中的各功能单元可以集成在一个处理单元中，或者各个单元也可以均是独立的物理模块。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：通用串行总线闪存盘(universalserialbusflashdrive)、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(random-accessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以对本发明的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明实施例的方法，不应理解为对本发明实施例的限制。本技术领域的技术人员可轻易想到的变化或替换，都应涵盖在本发明实施例的保护范围之内。