[發明專利]基于圖像識別的異常檢測方法

在審

• 申請號: 201710192706.6
• 申請日: 2017-03-28
• 公開（公告）號: CN106951899A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 李剛毅;于湄
• 申請（專利權）人: 李剛毅
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62
• 代理公司: 北京君恒知識產權代理事務所(普通合伙)11466
• 代理人: 林潮,黃啟行

1.基于圖像識別的異常檢測方法，其特征在于包括：

S1、對包含被檢測目標的圖片進行正規化處理，獲取灰度化圖像；

S2、利用訓練好的目標識別模型進行摳圖，從所述灰度化圖像中摳取被檢測目標圖像；

S3、利用訓練好的二元分類模型對所述被檢測目標圖像進行二元分類，確定所述被檢測目標圖像的可信度分值；若所述被檢測目標圖像的可信度分值不高于預設的異常閾值，判定所述被檢測目標圖像為異常目標。

2.如權利要求1所述的方法，其特征在于，按照如下步驟訓練目標識別模型：

獲取用于模型訓練的灰度化識別樣本圖片；

從均一化處理后的所述灰度化識別樣本圖片中摳取識別正樣本，并對摳取的識別正樣本和預設的識別負樣本的尺寸進行均一化處理；

基于預設的識別負樣本和摳取的識別正樣本，采用級聯分類訓練算法進行訓練，得到目標識別模型；

其中，識別正樣本是指以被檢測目標的標識部位為主體的局部圖片，識別正樣本不包含存在異常的樣本圖片；識別負樣本是指不包含被檢測目標的圖片；摳圖時，被檢測目標充滿90％以上被摳取圖像區域。

3.如權利要求2所述的方法，其特征在于，按照如下步驟從所述灰度化識別樣本圖片中摳取識別正樣本：

檢測識別正樣本在所述灰度化識別樣本圖片中的位置；

如果被檢測目標在所述灰度化識別樣本圖片中所處部位隨機，采用手工摳圖；如果被檢測目標在所述灰度化識別樣本圖片中所處部位固定，利用遮罩技術劃定特定的圖片或影像區域進行自動摳圖。

4.如權利要求3所述的方法，其特征在于，得到目標識別模型之后進一步包括：

利用所述目標識別模型從所述灰度化識別樣本圖片中摳取識別正樣本，并對摳取的識別正樣本和預設的識別負樣本的尺寸進行均一化處理；

利用預設的識別負樣本和摳取的識別正樣本訓練所述目標識別模型。

5.如權利要求1所述的方法，其特征在于，按照如下步驟訓練二元分類模型：

獲取用于模型訓練的灰度化分類樣本圖片，并對所述分類樣本圖片的尺寸進行均一化處理；

提取每個分類樣本圖片的樣本特征，采用主成分分析法對樣本特征進行分析，獲取特征向量和特征值；

對特征向量進行聚類，聚類完成后通過二元分類算法對分類樣本圖片進行分類，得到二元分類模型；

其中，所述分類樣本圖片包括：分類正樣本和分類負樣本；分類正樣本是指以被檢測目標的標識部位為主體的局部圖片，分類正樣本不包含存在異常的樣本圖片；分類負樣本是指不包含被檢測目標的圖片；聚類的數量小于特征向量的數量。

6.如權利要求5所述的方法，其特征在于，提取每個分類樣本圖片的樣本特征之后進一步包括：

對每個分類樣本圖片的樣本特征數量進行均一化處理，具體地：針對任意一個分類樣本圖片，

如果提取的樣本特征數量少于預定義的特征數量，則用零值或單位值向量填充，使該分類樣本圖片的樣本特征數量達到預定義的特征數量；

如果提取的樣本特征數量多于預定義的特征數量N，則選擇預定義的特征數量個樣本特征。

7.如權利要求6所述的方法，其特征在于，按照如下方法選擇預定義的特征數量個樣本特征：

對于分類負樣本，隨機選擇預定義的特征數量個樣本特征；

對于分類負樣本，或特征數量接近預定義的特征數量的分類正樣本，選擇最前或最后的預定義數量個樣本特征；

對于分類正樣本，通過主成分分析法將樣本特征按重要性降序排列，選擇最重要的預定義的特征數量個樣本特征。

8.如權利要求6或7所述的方法，其特征在于，采用主成分分析法對每個分類正樣本的樣本特征進行分析，選擇代表性超過80％的樣本特征數量的均值或最小值作為預定義的特征數量。

9.如權利要求5所述的方法，其特征在于，所述被檢測目標圖像的長寬像素尺寸與訓練二元分類模型所使用的分類正樣本的長寬像素尺寸相等。

10.如權利要求1所述的方法，其特征在于，步驟S1包括：

對包含被檢測目標的圖片或影像格式進行轉換，得到具有統一格式的彩色圖片；對于影像，將其轉換為圖片幀后再進行格式轉換；

對彩色圖片進行灰度化處理，得到灰度化圖像。