[發(fā)明專利]一種圖像類別檢測(cè)方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010961502.6
• 申請(qǐng)日: 2020-09-14
• 公開(kāi)（公告）號(hào): CN112085112A
• 公開(kāi)（公告）日: 2020-12-15
• 發(fā)明（設(shè)計(jì)）人: 張莉;張正齊;王邦軍;屈蘊(yùn)倩
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G07D7/20
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 郄晨芳

1.一種圖像類別檢測(cè)方法，其特征在于，包括：

獲取訓(xùn)練圖像集，并根據(jù)所述訓(xùn)練圖像集中每一訓(xùn)練圖像的圖像特征構(gòu)建訓(xùn)練樣本；

利用所述訓(xùn)練樣本對(duì)分類模型進(jìn)行訓(xùn)練；其中，所述分類模型為稀疏Fisher支持向量機(jī)分類算法構(gòu)建的模型，所述稀疏Fisher支持向量機(jī)為基于L1范數(shù)的Fisher支持向量機(jī)；

將待檢測(cè)圖像輸入訓(xùn)練后的分類模型，得到所述待檢測(cè)圖像的圖像類型。

2.根據(jù)權(quán)利要求1所述圖像類別檢測(cè)方法，其特征在于，所述訓(xùn)練圖像集中的訓(xùn)練圖像包括正例圖像和負(fù)例圖像；

相應(yīng)的，根據(jù)所述訓(xùn)練圖像集中每一訓(xùn)練圖像的圖像特征構(gòu)建訓(xùn)練樣本包括：

根據(jù)所述訓(xùn)練圖像集中的正例圖像的圖像特征構(gòu)建所述訓(xùn)練樣本中的正例樣本；

根據(jù)所述訓(xùn)練圖像集中的負(fù)例圖像的圖像特征構(gòu)建所述訓(xùn)練樣本中的負(fù)例樣本。

3.根據(jù)權(quán)利要求2所述圖像類別檢測(cè)方法，其特征在于，所述獲取訓(xùn)練圖像集包括：

在固定位置拍攝真鈔圖像和偽鈔圖像；

將所述真鈔圖像作為所述訓(xùn)練圖像集中的正例圖像，并將所述偽鈔圖像作為所述訓(xùn)練圖像集中的負(fù)例圖像。

4.根據(jù)權(quán)利要求1所述圖像類別檢測(cè)方法，其特征在于，根據(jù)所述訓(xùn)練圖像集中每一訓(xùn)練圖像的圖像特征構(gòu)建訓(xùn)練樣本，包括：

通過(guò)子波變換提取的方式提取所述訓(xùn)練圖像集中每一所述訓(xùn)練圖像的圖像特征；

根據(jù)每一所述訓(xùn)練圖像的圖像特征和圖像類別構(gòu)建所述訓(xùn)練樣本。

5.根據(jù)權(quán)利要求4所述圖像類別檢測(cè)方法，其特征在于，所述根據(jù)每一所述訓(xùn)練圖像的圖像特征和圖像類別構(gòu)建所述訓(xùn)練樣本，包括：

對(duì)每一所述訓(xùn)練圖像的圖像特征映射至目標(biāo)區(qū)間；

根據(jù)映射至所述目標(biāo)區(qū)間的圖像特征和對(duì)應(yīng)的圖像類別構(gòu)建所述訓(xùn)練樣本。

6.根據(jù)權(quán)利要求4所述圖像類別檢測(cè)方法，其特征在于，所述圖像特征包括圖像經(jīng)小波變換后的方差、偏態(tài)、峰度和圖像的熵。

7.根據(jù)權(quán)利要求1所述圖像類別檢測(cè)方法，其特征在于，在利用所述訓(xùn)練樣本對(duì)分類模型進(jìn)行訓(xùn)練之前，還包括：

在預(yù)設(shè)約束條件下通過(guò)求解目標(biāo)優(yōu)化問(wèn)題確定所述分類模型的模型系數(shù)和偏置；

其中，所述預(yù)設(shè)模型為為訓(xùn)練后的分類模型，α_i為所述分類模型的系數(shù)，k為核函數(shù)，b為所述分類模型的偏置，l為所述訓(xùn)練樣本的總數(shù)，x_i為第i個(gè)訓(xùn)練樣本，x為代入所述分類模型的訓(xùn)練樣本；

所述目標(biāo)優(yōu)化問(wèn)題為所述預(yù)設(shè)約束條件為D_y[K(α⁺-α^-)+(b⁺-b^-)1]≥1-ξ和ξ≥0；γ_K和γ_F為非負(fù)正則化參數(shù)，K為核矩陣，N＝I-G，I為單位矩陣，G為預(yù)設(shè)矩陣，D_y為對(duì)角矩陣，ξ為松弛變量，α＝α⁺-α^-，b＝b⁺-b^-，α⁺和α^-為輔助系數(shù)，b⁺和b^-為輔助偏置。

8.一種圖像類別檢測(cè)系統(tǒng)，其特征在于，包括：

樣本構(gòu)建模塊，用于獲取訓(xùn)練圖像集，并根據(jù)所述訓(xùn)練圖像集中每一訓(xùn)練圖像的圖像特征構(gòu)建訓(xùn)練樣本；

模型訓(xùn)練模塊，用于利用所述訓(xùn)練樣本對(duì)分類模型進(jìn)行訓(xùn)練；其中，所述分類模型為稀疏Fisher支持向量機(jī)分類算法構(gòu)建的模型，所述稀疏Fisher支持向量機(jī)為基于L1范數(shù)的Fisher支持向量機(jī)；

分類模塊，用于將待檢測(cè)圖像輸入訓(xùn)練后的分類模型，得到所述待檢測(cè)圖像的圖像類型。

9.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器調(diào)用所述存儲(chǔ)器中的計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述圖像類別檢測(cè)方法的步驟。

10.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令被處理器加載并執(zhí)行時(shí)，實(shí)現(xiàn)如上權(quán)利要求1至7任一項(xiàng)所述圖像類別檢測(cè)方法的步驟。