本发明涉及一种基于半监督增量学习的图片分类系统及分类方法，所述分类系统包括以下步骤：初始模型获取模块，用于获取已在大型通用数据集上训练完成的图片分类器作为初始模型；图像分类模块，对待分类图片进行分类；类增量学习模块，获取新类别数据并对当前的最新模型进行模型类增量学习，更新模型；无监督学习模块，用于周期性采样待分类图片，并在采样图片的数量达到设定值后，形成一更新数据集，更新模型；模型存储模块，用于存储当前的最新模型；模型监测模块，用于实时监测当前的最新模型是否发生崩溃。与现有技术相比，本发明能够解决现有分类系统在训练后的实际应用场景下保持静态、无法适应新的动态环境以及无法添加新的类别的缺陷。