[发明专利]基于图像识别的异常检测方法

权利要求书

1.基于图像识别的异常检测方法，其特征在于包括：

S1、对包含被检测目标的图片进行正规化处理，获取灰度化图像；

S2、利用训练好的目标识别模型进行抠图，从所述灰度化图像中抠取被检测目标图像；

S3、利用训练好的二元分类模型对所述被检测目标图像进行二元分类，确定所述被检测目标图像的可信度分值；若所述被检测目标图像的可信度分值不高于预设的异常阈值，判定所述被检测目标图像为异常目标。

2.如权利要求1所述的方法，其特征在于，按照如下步骤训练目标识别模型：

获取用于模型训练的灰度化识别样本图片；

从均一化处理后的所述灰度化识别样本图片中抠取识别正样本，并对抠取的识别正样本和预设的识别负样本的尺寸进行均一化处理；

基于预设的识别负样本和抠取的识别正样本，采用级联分类训练算法进行训练，得到目标识别模型；

其中，识别正样本是指以被检测目标的标识部位为主体的局部图片，识别正样本不包含存在异常的样本图片；识别负样本是指不包含被检测目标的图片；抠图时，被检测目标充满90％以上被抠取图像区域。

3.如权利要求2所述的方法，其特征在于，按照如下步骤从所述灰度化识别样本图片中抠取识别正样本：

检测识别正样本在所述灰度化识别样本图片中的位置；

如果被检测目标在所述灰度化识别样本图片中所处部位随机，采用手工抠图；如果被检测目标在所述灰度化识别样本图片中所处部位固定，利用遮罩技术划定特定的图片或影像区域进行自动抠图。

4.如权利要求3所述的方法，其特征在于，得到目标识别模型之后进一步包括：

利用所述目标识别模型从所述灰度化识别样本图片中抠取识别正样本，并对抠取的识别正样本和预设的识别负样本的尺寸进行均一化处理；

利用预设的识别负样本和抠取的识别正样本训练所述目标识别模型。

5.如权利要求1所述的方法，其特征在于，按照如下步骤训练二元分类模型：

获取用于模型训练的灰度化分类样本图片，并对所述分类样本图片的尺寸进行均一化处理；

提取每个分类样本图片的样本特征，采用主成分分析法对样本特征进行分析，获取特征向量和特征值；

对特征向量进行聚类，聚类完成后通过二元分类算法对分类样本图片进行分类，得到二元分类模型；

其中，所述分类样本图片包括：分类正样本和分类负样本；分类正样本是指以被检测目标的标识部位为主体的局部图片，分类正样本不包含存在异常的样本图片；分类负样本是指不包含被检测目标的图片；聚类的数量小于特征向量的数量。

6.如权利要求5所述的方法，其特征在于，提取每个分类样本图片的样本特征之后进一步包括：

对每个分类样本图片的样本特征数量进行均一化处理，具体地：针对任意一个分类样本图片，

如果提取的样本特征数量少于预定义的特征数量，则用零值或单位值向量填充，使该分类样本图片的样本特征数量达到预定义的特征数量；

如果提取的样本特征数量多于预定义的特征数量N，则选择预定义的特征数量个样本特征。

7.如权利要求6所述的方法，其特征在于，按照如下方法选择预定义的特征数量个样本特征：

对于分类负样本，随机选择预定义的特征数量个样本特征；

对于分类负样本，或特征数量接近预定义的特征数量的分类正样本，选择最前或最后的预定义数量个样本特征；

对于分类正样本，通过主成分分析法将样本特征按重要性降序排列，选择最重要的预定义的特征数量个样本特征。

8.如权利要求6或7所述的方法，其特征在于，采用主成分分析法对每个分类正样本的样本特征进行分析，选择代表性超过80％的样本特征数量的均值或最小值作为预定义的特征数量。

9.如权利要求5所述的方法，其特征在于，所述被检测目标图像的长宽像素尺寸与训练二元分类模型所使用的分类正样本的长宽像素尺寸相等。

10.如权利要求1所述的方法，其特征在于，步骤S1包括：

对包含被检测目标的图片或影像格式进行转换，得到具有统一格式的彩色图片；对于影像，将其转换为图片帧后再进行格式转换；

对彩色图片进行灰度化处理，得到灰度化图像。