[发明专利]一种移动终端“敏感”信息识别方法

摘要

一种移动终端“敏感”信息识别方法，其以最大化识别“敏感”图片信息（如身着军装、警服等）为目标，基于机器学习算法，设计高效智能方法，包括画面扫描和特征提取及匹配两个主要步骤。画面扫描阶段是初步提取画面特征实现动态画面到静态图片的转换；特征提取及匹配阶段通过倒双三角双重判别算法、PCA面部识别、Sobel边缘检测算法以及KNN算法实现“敏感”图片识别。本发明能够快速高效的对涉及党、政、军的“敏感”画面进行识别，可用于对移动终端进行全面的防护，真正做到在信息链源头保障机密信息的安全。

主权项

一种移动终端“敏感”信息识别方法，分为画面扫描和特征提取及匹配两个阶段，其特征在于，包括以下步骤：1)画面扫描阶段是将移动终端动态画面到静态图片的转换：画面扫描以16×16为单位，30s/次扫描当前画面，初步提取画面特征，当画面出现两个或两个以上符合敏感信息特征时，截图至终端内存，通过存放在内存里，实现动态画面到静态图片的转换；2)特征提取及匹配阶段是对图片进行分析并得出是否为“敏感”信息，特征提取及匹配阶段由倒双三角双重判别算法、PCA面部识别、Sobel边缘检测算法及KNN算法组成，详细步骤如下：①将步骤1)处理的图片通过倒双三角双重判别算法以肤色可分性作为依据，在确定的颜色空间内，定义出肤色的边界，进而把肤色划分在一个确定的区域内部，以下式所定义：(R,G,B)isclassifiedasskinif:R>95andG>40andB>20andmax{R,G,B}-min{R,G,B}>15and|R-G|>15andR>GandR>B;]]>②在YCbCr颜色空间，经试验发现验CbCr平面上一个像素的颜色如果落入下公式所表示的矩形区域内，则被认为属于肤色像素；133≤Cr≤177；29≤Cb≤127；③由RGB与YCbCr的转换公式可知，我们可以在RGB空间中构造一个和YCbCr空间具有相同分类性能的皮肤检测器,以下式所示，133≤0.439R-0.368G-0.071B+128≤17777≤-0.148R-0.291G+0.439B+128≤127;]]>④将肤色在YUV和YIQ的色度空间上的分布进行了分析，通过YUV空间的相位角和YIQ空间的I分量联合的方法来确定肤色在色度信息上的分布范围，在YUV空间中，U和V是平面上两个相互正交的矢量，称为色度信号矢量，每一种颜色对应一个色度信号矢量，它的饱和度由模值Ch表示，色调由相位角θ表示；Ch|V|2+|U|2θ=tan-1(|V|/|U|);]]>⑤接下来判定符合人体肤色特征Cr分量所在区域，进而分割人脸，通过人面部各个特征部位识别眉毛、下巴、鼻尖等之间的坐标，计算瞳孔与鼻尖θ，瞳孔与嘴唇I；满足下式范围条件的几何图形初步认为是人脸；100≤θ≤15020≤I≤90;]]>⑥PCA面部识别将所定位脸部特征高维图像空间经PCA变换后得到一组新的正交基，对这些正交基做一定的取舍，保留其中的一部分生成低维的人脸空间，也即是人脸的特征子空间,利用PCA变换的生成矩阵Q,首先计算训练集的协方差矩阵X，其中x1,x2,...,xn为第i副图像的描述,即x1为一个列向量；X=x1-x‾x2-x‾...xn-x‾;]]>x‾=1nΣi=1nx1x2...xn;]]>Q=XXT=x1-x‾x2-x‾...xn-x‾(x1-x‾)T(x2-x‾)T...(xn-x‾)T;]]>式中，e是矩阵P的特征值λ对应的特征向量，则有：Pe=λlxTXl=λlQ(Xe)=λ(Xe);]]>⑦计算生成矩阵P的特征值和特征向量，并挑选合适的特征值和特征向量，构造特征子空间变化矩阵，把训练图像和测试图像投影到特征空间中，每一幅人脸图像投影到子空间以后，就对应于子空间的一个点，同样，子空间中的任一点也对应于一副图像。将重构的脸称为特征脸Eigenface，接下来，分别让样本集和测试集的图像投影到该子空间中，即：eigenvector'*X等等，然后得到一组坐标系数，把投影到特征子空间中的测试图像和样本集进行比较，判断人脸特征及所在位置；⑧Sobel边缘检测算法通过人脸部定位服装所在坐标方位，利用Sobel边缘检测算法及KNN算法判断服装涉及敏感信息，并报警提示。