[發明專利]血腥圖像檢測分類器實現方法、血腥圖像檢測方法和系統

在審

• 申請號: 201610098457.X
• 申請日: 2016-02-22
• 公開（公告）號: CN105760885A
• 公開（公告）日: 2016-07-13
• 發明（設計）人: 胡衛明;高巖;吳偶
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京博維知識產權代理事務所(特殊普通合伙) 11486
• 代理人: 方振昌

1.一種血腥圖像檢測分類器實現方法，其特征在于，所述方法至少包括：

獲取訓練樣本集，其中，所述訓練樣本為血腥圖像；

提取所述血腥圖像的顏色特征、紋理特征和形狀特征；

對所述顏色特征、所述紋理特征和所述形狀特征進行聚類，得到聚類中心為視覺的單詞，并構建視覺詞包模型；

基于所述顏色特征、所述紋理特征和所述形狀特征及視覺詞包模型，對所述顏色特征、所述紋理特征和所述形狀特征分配權重，訓練最優血腥圖像檢測分類器。

2.根據權利要求1所述的方法，其中，所述訓練樣本集包括正、負樣本血腥圖像；其特征在于，所述提取所述血腥圖像的顏色特征、紋理特征和形狀特征，具體包括：

標記出所述正、負樣本血腥圖像的血色區域；其中，將所述血色區域作為敏感區域；

利用滑動框掃描所述正、負樣本血腥圖像，并采用支持向量機SVM算法，訓練滑動框，得到滑動框模型；

利用所述滑動框模型掃描所述敏感區域，獲取血色像素區域，并提取所述血色像素區域的顏色特征和紋理特征；

使用canny算子以及霍夫變換方法進行邊緣檢測，提取所述血色像素區域的形狀特征。

3.根據權利要求2所述的方法，其特征在于，所述利用滑動框掃描所述正、負樣本血腥圖像，并采用支持向量機SVM算法，訓練滑動框，得到滑動框模型，具體包括：

利用所述滑動框掃描所述正、負樣本血腥圖像，提取所述敏感區域的顏色和紋理特征向量值，并對所述顏色和紋理特征向量值設定標簽；

基于所述敏感區域的顏色和紋理特征向量值及其標簽，采用所述SVM算法，確定所述滑動框模型。

4.根據權利要求2所述的方法，其特征在于，所述對所述顏色特征、所述紋理特征和所述形狀特征進行聚類，得到聚類中心為視覺的單詞，并構建視覺詞包模型，具體包括：

利用K-means方法，對所述顏色特征、所述紋理特征和所述形狀特征進行聚類，生成視覺特征詞包；

利用局部約束線性編碼方法，將所述顏色特征、所述紋理特征和所述形狀特征映射到所述視覺特征詞包上；

基于映射到所述視覺特征詞包上的所述顏色特征、所述紋理特征和所述形狀特征，對所述敏感區域進行分塊表示；

將不同層次上的所述分塊表示都串聯起來，生成所述血腥圖像中血腥區域的整體表示，從而構建視覺詞包模型。

5.根據權利要求4所述的方法，其特征在于，所述利用局部約束線性編碼方法，將所述顏色特征、所述紋理特征和所述形狀特征映射到所述視覺特征詞包上，具體包括：

將所述顏色特征、所述紋理特征和所述形狀特征映射至距其距離最近的M個單詞；其中，M取正整數；

通過對所述M個單詞進行線性組合，以對所述顏色特征、所述紋理特征和所述形狀特征進行重構，并達到最小化重構誤差，從而將所述顏色特征、所述紋理特征和所述形狀特征映射至所述視覺特征詞包上。

6.根據權利要求4所述的方法，其特征在于，所述基于映射到所述視覺特征詞包上的所述顏色特征、所述紋理特征和所述形狀特征，對所述敏感區域進行分塊表示，具體包括：

利用圖像金字塔方法，對所述血腥圖像進行弱分割，得到兩層圖像，其中，第一層圖像為所述敏感區域圖像，第二層圖像是對所述第一層圖像進行分塊處理的圖像；

將映射到所述視覺特征詞包上的所述顏色特征、所述紋理特征和所述形狀特征，按照分塊原則進行特征的聚集，從而生成所述敏感區域的分塊表示。

7.根據權利要求4所述的方法，其特征在于，所述基于所述顏色特征、所述紋理特征和所述形狀特征及視覺詞包模型，對所述顏色特征、所述紋理特征和所述形狀特征分配權重，訓練最優血腥圖像檢測分類器，具體包括：

基于所述顏色特征、所述紋理特征和所述形狀特征及所述視覺詞包模型，結合所述血腥圖像視覺上的特點，調整整體表示和局部特征的比例參數；其中，所述局部特征表示所述顏色特征、所述紋理特征和所述形狀特征；

對所述比例參數進行迭代計算，并根據迭代計算結果，對所述顏色特征、所述紋理特征和所述形狀特征分配權重，從而訓練最優血腥圖像檢測分類器。

8.根據權利要求3所述的方法，其特征在于，在所述標記出正、負樣本血腥圖像的血色區域步驟之后還包括：

對所述血色區域進行濾波；

對濾波后的結果進行歸一化處理。