[發明專利]一種利用多來源數據具有隱私保護功能的圖象分類方法

在審

• 申請號: 201610188948.3
• 申請日: 2016-03-29
• 公開（公告）號: CN107239787A
• 公開（公告）日: 2017-10-10
• 發明（設計）人: 詹德川;葉翰嘉;儲醉;姜遠;周志華
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 李玉平

技術領域

本發明涉及圖象特征抽取、應用技術，圖象分類技術，特別涉及一種基于從圖象抽取多組特征之間關系的圖象識別方法以及保護圖象具體特征提取方法的隱私保護技術。

背景技術

目前，隨著多媒體技術的發展和智能設備的普及，圖象信息的獲取日益便捷，同時，對于圖象的分類需求也日益提高，如使用只能手機拍照之后，需要對照片進行分類；機器人對物體進行識別時，也會用到圖像識別技術；在網絡搜索圖象時也有相關技術的需求。

目前圖象分類的流程主要是先針對圖象提取特征，之后使用某些分類器進行分類。對于圖象進行標記十分昂貴，需要花費大量的人力資源，而從互聯網上獲取圖象十分便捷，但是獲取到的都是沒有標記的圖象。對于一幅圖象，可以有多種不同類型的特征屬性集合：如可以使用不同圖象特征提取方法對圖象進行特征抽取，每一種方法抽取到的特征構成一個屬性集；網絡上一幅圖象往往配有文字、視頻等其它多媒體資源，從這些附帶的資源中也可以提取出特征；智能手機配備多個傳感器，使用手機拍一張照片，其它傳感器可以提供時間、溫度、光照強度等信息，這些信息也可以輔助圖象的分類。傳統的方法一方面需要獲取有標記的圖象進行分類器的訓練，一方面依賴于特定的特征，無法較好地利用未標記圖象和多組不同的圖象特征屬性集。

圖象分類往往也是多個公司、研究組織的共同需求。不同的公司或者研究組織會針對其獲取的數據使用他們自己的方法提取特征，之后根據他們提取的特征進行分類器的訓練。將多個公司(組織)的特征進行結合，無疑可以得到更好的特征，但是各組特征涉及多個公司(組織)的隱私信息，如提取特征的具體技術，這些往往不適合和他人共享，因此需要一種具有隱私保護的利用不同特征進行圖象分類的方法。

發明內容：

發明目的：目前關于圖象分類的算法往往依賴于有標記的圖象，或者只針對 圖象的某一類屬性集，同時已有的方法幾乎沒有考慮過在“競爭-合作”的場景下對每一個數據來源的特征進行隱私保護，針對上述問題，本發明提出一種利用多來源數據具有隱私保護功能的圖象分類方法，將圖像的多個特征集合看作多個視圖，通過利用視圖之間的相關性提升圖象分類的性能。

技術方案：一種利用多來源數據具有隱私保護功能的圖象分類方法，首先針對圖象收集(提取)不同類型的特征屬性，將每一組特征看作一個視圖，每一個視圖上訓練一個分類器，對圖象的結果進行預測，要求在有標記數據上預測的結果和真實的結果相同；在之后的訓練過程中，要求不同視圖的預測結果盡可能相近，使得預測性能強的視圖能夠輔助其它的視圖，從而提升每一個視圖以及綜合的分類結果；最后利用在迭代訓練過程中得到的分類器在每一個視圖上進行圖象分類。本發明方法可分為圖象分類模型訓練步驟和圖象分類模型分類步驟，具體如下：

所述圖象分類模型的訓練步驟具體為：

步驟100，從不同的K個數據源獲取圖象特征屬性集，將每一個屬性集看作一個視圖；

步驟101，在每一個視圖上利用本視圖的特征屬性訓練分類器，得到每一個視圖上對所有樣本的預測結果，訓練過程中要求在有標記樣本上每一個分類器的預測結果和真實標記相同；

步驟102，將每個視圖對所有圖象的預測結果收集，拼接成一個矩陣(APM)，優化該矩陣的秩，使每一個視圖的預測結果盡可能一致；

步驟103，判斷每一個視圖預測拼接構成的矩陣秩是否滿足要求，如果否，則轉入步驟101，繼續分類器的訓練；如果是，則通過該矩陣重構分類器，即每一個視圖最終的預測結果根據該視圖上的特征構造出針對該視圖的分類器W_k確定。

所述圖象分類模型的分類步驟具體為：

步驟200，從不同的K個數據源獲取圖象特征屬性集，將每一個屬性集看作一個視圖；

步驟201，利用訓練過程中在每一個視圖上得到的分類器W_k對每一個視圖上 的圖象進行分類；

步驟202，判斷是否需要綜合每一個視圖進行圖象分類，如果否，則獲得每一個視圖上的分類結果；如果是，則收集每一個視圖的分類結果，將其進行融合，得到綜合的分類結果。

所述步驟100從不同的K個數據源獲取圖象特征屬性集的方法包括使用不同的特征提取方法對圖象進行特征提取、使用網絡上的附帶信息作為其它數據源和從真實存在的多數據源(如多傳感器)提取特征等。