[发明专利]一种对证件图像进行分类的方法

权利要求书

1.一种对证件图像进行分类的方法，其特征在于，包括以下步骤：

S1.对证件图像进行预处理，得到证件图像的灰度图；

S2.对步骤S1处理得到的灰度图进行多种特征向量提取，组合得到证件图像的组合特征向量；

S3.基于SVM训练得到模型；

S4.使用SVM加载步骤S3中的模型，基于步骤S2得到的证件图像的组合特征向量对证件图像进行分类预测。

2.根据权利要求1所述的一种对证件图像进行分类的方法，其特征在于，在所述步骤S1中，通过如下步骤对证件图像进行预处理：

S11.使用双线性插值对证件图像进行缩放，使证件图像的尺寸归一化；

S12.将RGB三通道的证件图像转化为单通道的灰度图，按下式对RGB三分量进行加权平均得到灰度图像：

Y＝0.299*R+0.587G+0.114*B

其中，Y为灰度图像素值，R为证件图像RGB中R通道的像素值，G为证件图像RGB中G通道的像素值，B为证件图像RGB中B通道的像素值。

3.根据权利要求1所述的一种对证件图像进行分类的方法，其特征在于，在所述步骤S2中，通过如下步骤对灰度图进行多种特征向量提取：

S21.对灰度图提取HOG特征，得到特征向量；

S22.对灰度图提取LBP特征，得到特征向量；

S23.对灰度图计算HU不变矩，得到特征向量；

S24.线性组合步骤S22、S23、S24中得到的特征向量，得到最后的特征向量。

4.根据权利要求3所述的一种对证件图像进行分类的方法，其特征在于，在所述步骤S21中，通过如下步骤对灰度图进行HOG特征提取：

S211.对灰度图进行Gamma校正使其在颜色空间归一化，调节图像对比度，降低局部阴影、光照不均匀以及噪音的干扰；

S212.将步骤S211处理后的图像划分为多个小单元格，并由下式计算每个像素横纵坐标的梯度：

其中，G_x(x_G,y_G)、G_y(x_G,y_G)、H(x_G,y_G)分别表示图像中点(x_G,y_G)处的水平方向梯度、垂直方向梯度和像素值；

然后用下式计算梯度幅度G(x_G,y_G)和梯度方向α(x_G,y_G)：

然后将每个单元格分成设定的方向块，根据梯度方向进行投影，以梯度幅度作为权值得到每个单元格的梯度直方图作为其特征向量；

S213.遍历各单元格，将以各单元格为中心且具有设定高度和宽度的矩形内的单元格组合成块，单元格允许被不同的块同时包含，即块与块之间允许重叠，然后将该块内单元格特征向量线性组合形成该块的特征向量；

S214.将全部的块的特征向量线性组合后进行PCA降维，作为灰度图的HOG特征向量。

5.根据权利要求3所述的一种对证件图像进行分类的方法，其特征在于，在所述步骤S22中，通过如下步骤对灰度图进行LBP特征提取：

S221.将检测窗口划分为n×n的小区域，对于小区域的每一个像素，将3×3内邻域的8个周围像素值与中心像素值进行比较，若周围像素值大于中心像素值，则该周围像素值对应的像素点的位置被标记为1，否则为0，最后得到8位二进制数，将其作为中心像素点的LBP值；

S222.统计每个小区域中每个像素点LBP值出现的频率，得到该小区域的直方图，然后等比例放大到0-255区间归一化；

S223.将全部小区域归一化后的统计直方图结果连接成为一个向量，即为灰度图的LBP特征向量。