[发明专利]图像分类方法、装置、存储介质及电子设备

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

将图像集输入预先设置的第一图像分类模型，得到所述图像集中目标帧对应的类别；

确定所述图像集中是否包含预设目标物体，所述预设目标物体用于表征车辆的行驶工况；

在确定所述图像集包含所述预设目标物体的情况下，确定所述图像集中包含的所述预设目标物体的物体信息；

根据所述目标帧对应的类别和所述预设目标物体的物体信息，确定所述图像集对应的类别。

2.根据权利要求1所述的方法，其特征在于，所述目标帧包括按照预设间隔从所述图像集中抽取的图像帧，所述根据所述目标帧对应的类别和所述预设目标物体的物体信息，确定所述图像集对应的类别包括：

将所述目标帧对应的类别和所述预设目标物体的物体信息输入预先设置的第二图像分类模型，得到所述图像集对应的类别。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标帧对应的类别和所述预设目标物体的物体信息输入预先设置的第二图像分类模型包括：

按照所述目标帧在所述图像集中的先后顺序，将所述目标帧对应的类别和所述物体信息输入所述第二图像分类模型。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在确定所述图像集对应的类别后，通过所述车辆的全球定位系统GPS信息确定所述车辆的位置信息；

根据所述位置信息确定所述图像集对应的类别是否正确；

在确定所述图像集对应的类别不正确的情况下，根据所述图像集和所述图像集对应的类别调整所述第一图像分类模型和所述第二图像分类模型。

5.根据权利要求1所述的方法，其特征在于，所述第一图像分类模型通过以下方式训练得到：

获取多个样本图像集；

针对每个所述样本图像集，获取所述样本图像集对应的样本帧，并按照预设分辨率调整所述样本帧，得到调整样本帧，对所述调整样本帧进行随机透视变换，得到所述调整样本帧对应的多个随机样本帧；

根据所述调整样本帧和所述随机样本帧对目标神经网络模型进行训练，得到所述第一图像分类模型。

6.根据权利要求5所述的方法，其特征在于，所述获取所述样本图像集对应的样本帧包括：

按照预设间隔从所述样本图像集中抽取图像帧作为所述样本帧；或者，

将所述样本图像集的每一帧图像作为所述样本帧。

7.根据权利要求5所述的方法，其特征在于，在所述根据所述调整样本帧和所述随机样本帧对目标神经网络模型进行训练，得到所述第一图像分类模型前，所述方法还包括：

按照预设比例，将所述调整样本帧和所述随机样本帧划分为训练集、验证集以及测试集；

所述根据所述调整样本帧和所述随机样本帧对目标神经网络模型进行训练，得到所述第一图像分类模型包括：

根据所述训练集和所述验证集的所述调整样本帧和所述随机样本帧对所述目标神经网络模型进行训练，得到所述第一图像分类模型。

8.根据权利要求5所述的方法，其特征在于，所述透视变换包括：水平镜像变换、旋转变换、亮度变换、对比度变换、饱和度变换、色彩度变换、灰度变换中的一个或多个。

9.根据权利要求5所述的方法，其特征在于，所述目标神经网络模型为多任务学习网络模型。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定所述图像集不包含所述预设目标物体的情况下，根据所述目标帧对应的类别，确定所述图像集对应的类别。

11.根据权利要求10所述的方法，其特征在于，所述根据所述目标帧对应的类别，确定所述图像集对应的类别包括：

确定所述目标帧对应的类别为每个预设类别的概率；

将概率最高的所述预设类别作为所述图像集对应的类别。