一种面向服务机器人的室内场景图像分类方法

摘要

本发明公开了一种面向服务机器人的室内场景图像分类方法，属于场景分类技术领域。本发明所述的室内场景图像分类方法包括以下步骤：步骤一：从先验场景图像库中选取训练样本；步骤二：对训练样本进行预处理；步骤三：训练基于最大可分性(MSD)的稀疏自编码(SAE)模型；步骤四：对训练样本进行提取特征得到特征向量；步骤五：利用均值池化对特征向量降维；步骤六：结合遗传免疫粒子群算法(GA-PSO)训练支持向量机(SVM)得到其参数；步骤七：利用训练好的SAE模型和SVM对新采集到的场景图像完成分类。采用本发明所述的室内场景分类方法能够实现复杂室内环境中的场景分类，从而服务机器人可以根据采集到的场景图像提供更多更准确的服务。

主权项

一种面向服务机器人的室内场景图像分类方法，分为离线训练和在线分类两步来进行，具体步骤如下：1.1离线训练：1)在先验场景图像库中随机选择每类场景的100幅图像；2)将取到的图像转换成一定大小和数量的图像块，并对其进行白化等预处理；3)将预处理后的数据输入到基于最大可分性(MSD)约束的稀疏自编码(SAE)模型中，训练该模型，得到相应参数；4)将训练图像和测试图像输入到训练好的SAE中，并结合卷积的思想，对输入逐层特征提取，得到原图像的特征向量；5)上述步骤4)提取到的特征具有较高维数，不利于后面的分类，因此采用均值池化的方法对其进行降维处理，得到较低维数的训练图像的特征向量；6)将特征向量输入到“一对一”的SVM分类器中，并结合GA‑PSO算法，确定SVM的各参数值；1.2在线分类：a.当采集模块采集到新的场景图像时，可利用训练好的SAE模型对新的样本重复上述步骤2)到步骤4)，得到新样本的一组一定维数的特征向量；b.将新的特征向量输入到步骤5)中训练好的SVM模型中，可直接对新的图像样本进行分类。