維度索引，對(duì)該總維度數(shù)目進(jìn)行取余運(yùn)算，得到該分裂維度索引對(duì)應(yīng)的偏置位置索引。
[0170]在另一實(shí)施例中，該根據(jù)該區(qū)域位置索引，對(duì)該樣本圖像中與該區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域進(jìn)行特征提取，得到特征向量，包括:
[0171]確定該樣本圖像中與該區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域；
[0172]采用預(yù)設(shè)特征提取算法，對(duì)該提取區(qū)域進(jìn)行特征提取，得到特征向量。
[0173]在另一實(shí)施例中，該確定該樣本圖像中與該區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域，包括:
[0174]根據(jù)預(yù)設(shè)對(duì)應(yīng)關(guān)系，確定該樣本圖像中與該區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域，該預(yù)設(shè)對(duì)應(yīng)關(guān)系包括每個(gè)提取區(qū)域?qū)?yīng)的區(qū)域位置索引。
[0175]在另一實(shí)施例中，該預(yù)設(shè)特征提取算法為方向梯度直方圖HOG特征提取算法。
[0176]圖7是根據(jù)一示例性實(shí)施例示出的一種基于隨機(jī)森林分類器的分類裝置700的框圖。例如，裝置700可以被提供為一服務(wù)器。參照?qǐng)D7，裝置700包括處理組件722，其進(jìn)一步包括一個(gè)或多個(gè)處理器，以及由存儲(chǔ)器732所代表的存儲(chǔ)器資源，用于存儲(chǔ)可由處理組件722的執(zhí)行的指令，例如應(yīng)用程序。存儲(chǔ)器732中存儲(chǔ)的應(yīng)用程序可以包括一個(gè)或一個(gè)以上的每一個(gè)對(duì)應(yīng)于一組指令的模塊。此外，處理組件722被配置為執(zhí)行指令，以執(zhí)行上述基于隨機(jī)森林分類器的分類方法。
[0177]裝置700還可以包括一個(gè)電源組件726被配置為執(zhí)行裝置700的電源管理，一個(gè)有線或無(wú)線網(wǎng)絡(luò)接口 750被配置為將裝置700連接到網(wǎng)絡(luò)，和一個(gè)輸入輸出(I/O)接口 758。裝置700可以操作基于存儲(chǔ)在存儲(chǔ)器732的操作系統(tǒng)，例如Windows Server?,Mac OS X?，Unix?，LinuxTM，F(xiàn)reeBSD? 或類似。
[0178]本領(lǐng)域技術(shù)人員在考慮說(shuō)明書及實(shí)踐這里公開的發(fā)明后，將容易想到本公開的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本公開的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本公開的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書和實(shí)施例僅被視為示例性的，本公開的真正范圍和精神由下面的權(quán)利要求指出。
[0179]應(yīng)當(dāng)理解的是，本公開并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本公開的范圍僅由所附的權(quán)利要求來(lái)限制。
【主權(quán)項(xiàng)】
1.一種基于隨機(jī)森林分類器的分類方法，其特征在于，所述方法包括: 獲取已訓(xùn)練的隨機(jī)森林分類器中的多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件，所述分裂維度索引用于唯一確定分裂維度，所述分裂維度和所述分裂條件用于從對(duì)應(yīng)節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的下一節(jié)點(diǎn)； 根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，對(duì)待測(cè)試的樣本圖像進(jìn)行特征提取，得到所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值； 根據(jù)所述第一節(jié)點(diǎn)的分裂條件對(duì)所述特征值進(jìn)行判斷，根據(jù)判斷結(jié)果從所述第一節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的第二節(jié)點(diǎn)； 根據(jù)當(dāng)前所確定節(jié)點(diǎn)的分裂維度索引和分裂條件，繼續(xù)提取所述樣本圖像的特征值并確定待遍歷的下一節(jié)點(diǎn)，直至獲取到所述樣本圖像的分類結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取已訓(xùn)練的隨機(jī)森林分類器中的多個(gè)決策樹以及每個(gè)決策樹中節(jié)點(diǎn)的分裂維度索引和分裂條件，包括: 獲取已訓(xùn)練的隨機(jī)森林分類器的模型文件，所述模型文件中至少包括所述多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，對(duì)待測(cè)試的樣本圖像進(jìn)行特征提取，得到所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值，包括: 根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，確定所述分裂維度索引對(duì)應(yīng)的區(qū)域位置索引和偏置位置索引，所述區(qū)域位置索引用于確定所述第一節(jié)點(diǎn)的分裂維度對(duì)應(yīng)的提取區(qū)域的位置，所述偏置位置索引用于確定所述分裂維度對(duì)應(yīng)的細(xì)胞單元在所述提取區(qū)域中的位置，每個(gè)提取區(qū)域包括多個(gè)細(xì)胞單元； 根據(jù)所述區(qū)域位置索引，對(duì)所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域進(jìn)行特征提取，得到特征向量，并從所述特征向量中提取所述偏置位置索引對(duì)應(yīng)的特征值，作為所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，確定所述分裂維度索引對(duì)應(yīng)的區(qū)域位置索引和偏置位置索引，包括: 對(duì)所述分裂維度索引與提取區(qū)域的總維度數(shù)目之間的商值進(jìn)行取整運(yùn)算，得到整數(shù)商值，將所述整數(shù)商值加I后得到的數(shù)值作為所述分裂維度索引對(duì)應(yīng)的區(qū)域位置索引； 根據(jù)所述分裂維度索引，對(duì)所述總維度數(shù)目進(jìn)行取余運(yùn)算，得到所述分裂維度索引對(duì)應(yīng)的偏置位置索引。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述區(qū)域位置索引，對(duì)所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域進(jìn)行特征提取，得到特征向量，包括: 確定所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域； 采用預(yù)設(shè)特征提取算法，對(duì)所述提取區(qū)域進(jìn)行特征提取，得到特征向量。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域，包括: 根據(jù)預(yù)設(shè)對(duì)應(yīng)關(guān)系，確定所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域，所述預(yù)設(shè)對(duì)應(yīng)關(guān)系包括每個(gè)提取區(qū)域?qū)?yīng)的區(qū)域位置索引。7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)設(shè)特征提取算法為方向梯度直方圖HOG特征提取算法。8.一種基于隨機(jī)森林分類器的分類裝置，其特征在于，所述裝置包括: 獲取模塊，用于獲取已訓(xùn)練的隨機(jī)森林分類器中的多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件，所述分裂維度索引用于唯一確定分裂維度，所述分裂維度和所述分裂條件用于從對(duì)應(yīng)節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的下一節(jié)點(diǎn)； 特征提取模塊，用于根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，對(duì)待測(cè)試的樣本圖像進(jìn)行特征提取，得到所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值； 分裂模塊，用于根據(jù)所述第一節(jié)點(diǎn)的分裂條件對(duì)所述特征值進(jìn)行判斷，根據(jù)判斷結(jié)果從所述第一節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的第二節(jié)點(diǎn)； 循環(huán)模塊，用于根據(jù)當(dāng)前所確定節(jié)點(diǎn)的分裂維度索引和分裂條件，繼續(xù)提取所述樣本圖像的特征值并確定待遍歷的下一節(jié)點(diǎn)，直至獲取到所述樣本圖像的分類結(jié)果。9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述獲取模塊還用于獲取已訓(xùn)練的隨機(jī)森林分類器的模型文件，所述模型文件中至少包括所述多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件。10.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述特征提取模塊包括: 確定單元，用于根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，確定所述分裂維度索引對(duì)應(yīng)的區(qū)域位置索引和偏置位置索引，所述區(qū)域位置索引用于確定所述第一節(jié)點(diǎn)的分裂維度對(duì)應(yīng)的提取區(qū)域的位置，所述偏置位置索引用于確定所述分裂維度對(duì)應(yīng)的細(xì)胞單元在所述提取區(qū)域中的位置，每個(gè)提取區(qū)域包括多個(gè)細(xì)胞單元； 提取單元，用于根據(jù)所述區(qū)域位置索引，對(duì)所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域進(jìn)行特征提取，得到特征向量，并從所述特征向量中提取所述偏置位置索引對(duì)應(yīng)的特征值，作為所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值。11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述確定單元還用于對(duì)所述分裂維度索引與提取區(qū)域的總維度數(shù)目之間的商值進(jìn)行取整運(yùn)算，得到整數(shù)商值，將所述整數(shù)商值加I后得到的數(shù)值作為所述分裂維度索引對(duì)應(yīng)的區(qū)域位置索引；根據(jù)所述分裂維度索引，對(duì)所述總維度數(shù)目進(jìn)行取余運(yùn)算，得到所述分裂維度索引對(duì)應(yīng)的偏置位置索引。12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述提取單元還用于確定所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域;采用預(yù)設(shè)特征提取算法，對(duì)所述提取區(qū)域進(jìn)行特征提取，得到特征向量。13.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述提取單元還用于根據(jù)預(yù)設(shè)對(duì)應(yīng)關(guān)系，確定所述樣本圖像中與所述區(qū)域位置索引對(duì)應(yīng)的提取區(qū)域，所述預(yù)設(shè)對(duì)應(yīng)關(guān)系包括每個(gè)提取區(qū)域?qū)?yīng)的區(qū)域位置索引。14.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述預(yù)設(shè)特征提取算法為方向梯度直方圖HOG特征提取算法。15.一種基于隨機(jī)森林分類器的分類裝置，其特征在于，包括: 處理器； 用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器； 其中，所述處理器被配置為: 獲取已訓(xùn)練的隨機(jī)森林分類器中的多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件，所述分裂維度索引用于唯一確定分裂維度，所述分裂維度和所述分裂條件用于從對(duì)應(yīng)節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的下一節(jié)點(diǎn)； 根據(jù)所述隨機(jī)森林分類器中第一節(jié)點(diǎn)的分裂維度索引，對(duì)待測(cè)試的樣本圖像進(jìn)行特征提取，得到所述樣本圖像在所述第一節(jié)點(diǎn)的分裂維度上的特征值； 根據(jù)所述第一節(jié)點(diǎn)的分裂條件對(duì)所述特征值進(jìn)行判斷，根據(jù)判斷結(jié)果從所述第一節(jié)點(diǎn)的分支節(jié)點(diǎn)中確定待遍歷的第二節(jié)點(diǎn)； 根據(jù)當(dāng)前所確定節(jié)點(diǎn)的分裂維度索引和分裂條件，繼續(xù)提取所述樣本圖像的特征值并確定待遍歷的下一節(jié)點(diǎn)，直至獲取到所述樣本圖像的分類結(jié)果。
【專利摘要】本公開是關(guān)于一種基于隨機(jī)森林分類器的分類方法及裝置，屬于分類領(lǐng)域。該方法包括：獲取已訓(xùn)練的隨機(jī)森林分類器中的多個(gè)決策樹以及每個(gè)決策樹中至少一層節(jié)點(diǎn)的分裂維度索引和分裂條件；根據(jù)第一節(jié)點(diǎn)的分裂維度索引，對(duì)待測(cè)試的樣本圖像進(jìn)行特征提取，得到該樣本圖像在該第一節(jié)點(diǎn)的分裂維度上的特征值；根據(jù)該第一節(jié)點(diǎn)的分裂條件對(duì)該特征值進(jìn)行判斷，確定待遍歷的第二節(jié)點(diǎn)；根據(jù)當(dāng)前所確定節(jié)點(diǎn)的分裂維度索引和分裂條件，繼續(xù)提取該樣本圖像的特征值并確定待遍歷的下一節(jié)點(diǎn)，直至獲取到該樣本圖像的分類結(jié)果。本公開無(wú)需預(yù)先計(jì)算出樣本圖像在所有維度上的特征值，避免了進(jìn)行不必要的計(jì)算，大大減小了計(jì)算量，提高了測(cè)試速度。
【IPC分類】G06K9/62
【公開號(hào)】CN105608476
【申請(qǐng)?zhí)枴緾N201610086598
【發(fā)明人】龍飛, 陳志軍, 張濤
【申請(qǐng)人】北京小米移動(dòng)軟件有限公司
【公開日】2016年5月25日
【申請(qǐng)日】2016年2月16日