目标感应区域内的物体分类方法和装置与流程

本技术属于计算机，尤其涉及一种目标感应区域内的物体分类方法和装置。

背景技术：

1、近年来轨道交通行业发展迅猛，大部分城市的轨道交通都会使用安检门对通过安检门的物体进行识别。相关技术中存在通过传统金属探测门识别出金属物品的方法，但该方法无法对金属物品进行进一步的分类，且识别的准确度较低。

技术实现思路

1、本技术旨在至少解决相关技术中存在的技术问题之一。为此，本技术提出一种目标感应区域内的物体分类方法和装置，能够有效分别出不同金属物体，实用性和鲁棒性较强，且分类识别的准确度较高。

2、第一方面，本技术提供了一种目标感应区域内的物体分类方法，所述目标感应区域内设置有信号采集装置，该方法包括：

3、获取所述目标感应区域内所述信号采集装置采集的磁场信号数据；所述目标感应区域用于供所述物体穿过；

4、将所述磁场信号数据输入至目标分类模型，获取所述目标分类模型输出的穿过所述目标感应区域的目标物体对应的类别信息；所述目标分类模型以样本信号数据集为样本，以输出与所述样本信号数据集对应的目标物体的类别信息为目标训练得到，所述样本信号数据集包括多个类别的子数据集，各所述类别的子数据集中各信号数据对应的特征值所处的区间不同。

5、根据本技术实施例提供的目标感应区域内的物体分类方法，通过获取包含多种类别的信号数据的样本信号数据集，并以样本信号数据集为样本，以输出目标物体的类别信息为目标训练得到目标分类模型，将采集得到的磁场信号数据输入至训练好的目标分类模型，可以获取目标分类模型输出的目标物体的类别，能够有效分别出不同金属物体，实用性和鲁棒性较强，且分类识别的准确度较高。

6、本技术一个实施例的目标感应区域内的物体分类方法，所述目标分类模型以样本信号数据集为样本，以输出与所述样本信号数据集对应的目标物体的类别信息为目标训练得到，包括：

7、获取所述多个类别中目标类别的子数据集和所述多个类别中除所述目标类别外的其他类别的子数据集；所述目标类别的子数据集中各信号数据对应的特征值处于目标区间，所述其他类别的子数据集中各信号数据对应的特征值不处于所述目标区间；

8、基于所述目标类别的子数据集和所述其他类别的子数据集构建所述样本信号数据集；

9、将所述目标类别的子数据集和所述其他类别的子数据集输入至所述目标分类模型，以输出与所述样本信号数据集对应的目标物体的类别信息为目标训练所述目标分类模型。

10、本技术一个实施例的目标感应区域内的物体分类方法，所述目标分类模型基于如下步骤训练得到：

11、构建上一个分类模型；

12、将所述样本信号数据集输入至所述上一个分类模型，获取所述上一个分类模型输出的各样本信号数据对应的第一预测结果；

13、基于多个所述第一预测结果和所述样本信号数据集训练所述上一个分类模型对应的下一个分类模型；

14、将所述下一个分类模型更新为上一个分类模型，并重复“将所述样本信号数据集输入至所述上一个分类模型，获取所述上一个分类模型输出的各样本信号数据对应的第一预测结果；基于多个所述第一预测结果和所述样本信号数据集训练所述上一个分类模型对应的下一个分类模型”的步骤，直至满足目标迭代条件，基于迭代过程对应的多个分类模型训练所述目标分类模型。

15、本技术一个实施例的目标感应区域内的物体分类方法，所述基于多个所述第一预测结果和所述样本信号数据集训练所述上一个分类模型对应的下一个分类模型，包括：

16、基于各所述样本信号数据对应的第一预测结果和样本类别标签之间的差异度，构建目标损失函数；

17、基于所述目标损失函数训练所述下一个分类模块。

18、本技术一个实施例的目标感应区域内的物体分类方法，所述基于所述目标损失函数训练所述下一个分类模块，包括：

19、基于所述目标损失函数，采用贪心算法，从各所述样本信号数据对应的多个候选划分节点中确定目标划分节点；

20、基于所述目标划分节点，训练所述下一个分类模型。

21、本技术一个实施例的目标感应区域内的物体分类方法，所述基于迭代过程对应的多个分类模型训练所述目标分类模型，包括：

22、基于各所述分类模型对应的目标损失函数，确定各所述分类模型对应的权重；

23、基于各所述分类模型对应的权重，将多个所述分类模型加权组合为所述目标分类模型。

24、本技术一个实施例的目标感应区域内的物体分类方法，所述获取所述目标分类模型输出的穿过所述目标感应区域的目标物体对应的类别信息，包括：

25、在所述物体穿过所述目标感应区域前后的目标时段内所述磁场信号数据的幅值差大于目标阈值的情况下，确定存在目标物体穿过所述目标感应区域，并将所述磁场信号数据输入至所述目标分类模型，获取所述目标分类模型输出的所述目标物体对应的类别信息。

26、第二方面，本技术提供了一种目标感应区域内的物体分类装置，所述目标感应区域内设置有信号采集装置，所述装置包括：

27、第一处理模块，用于获取所述目标感应区域内所述信号采集装置采集的磁场信号数据；所述目标感应区域用于供所述物体穿过；

28、第二处理模块，用于将所述磁场信号数据输入至目标分类模型，获取所述目标分类模型输出的穿过所述目标感应区域的目标物体对应的类别信息；所述目标分类模型以样本信号数据集为样本，以输出与所述样本信号数据集对应的目标物体的类别信息为目标训练得到，所述样本信号数据集包括多个类别的子数据集，各所述类别的子数据集中各信号数据对应的特征值所处的区间不同。

29、根据本技术实施例提供的目标感应区域内的物体分类装置，通过获取包含多种类别的信号数据的样本信号数据集，并以样本信号数据集为样本，以输出目标物体的类别信息为目标训练得到目标分类模型，将采集得到的磁场信号数据输入至训练好的目标分类模型，可以获取目标分类模型输出的目标物体的类别，能够有效分别出不同金属物体，实用性和鲁棒性较强，且分类识别的准确度较高。

30、第三方面，本技术提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的目标感应区域内的物体分类方法。

31、第四方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的目标感应区域内的物体分类方法。

32、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的目标感应区域内的物体分类方法。

33、本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

34、通过获取包含多种类别的信号数据的样本信号数据集，并以样本信号数据集为样本，以输出目标物体的类别信息为目标训练得到目标分类模型，将采集得到的磁场信号数据输入至训练好的目标分类模型，可以获取目标分类模型输出的目标物体的类别，能够有效分别出不同金属物体，实用性和鲁棒性较强，且分类识别的准确度较高。

35、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。