基于图像识别的异常检测方法技术

公开了基于图像识别的异常检测方法，包括：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；利用训练好的目标识别模型进行抠图，从灰度化图像中抠取被检测目标图像；利用训练好的二元分类模型对被检测目标图像进行二元分类，确定被检测目标图像的可信度分值；若被检测目标图像的可信度分值不高于预设的异常阈值，判定被检测目标图像为异常目标。通过将包含被检测目标的图片转化成灰度化图像，可以在不减少图片特征信息的基础上有效降低图片包含的特征维度；通过将被检测目标图像从灰度化图像中抠取出来，能够有效减少非检测目标图像信息带来的干扰。本发明专利技术基于形状进行异常检测，能够自动识别异常目标，异常检测的效率和准确性高。

【技术实现步骤摘要】
基于图像识别的异常检测方法
本专利技术涉及图像识别
，尤其涉及基于图像识别的异常检测方法。
技术介绍
以下对本专利技术的相关技术背景进行说明，但这些说明并不一定构成本专利技术的现有技术。随着照相和视频监控系统在工业中的广泛应用，对于所采集的图片和影像进行高效和准且的分类处理，并在图片和影像中发现异常因素的需求越来越大。长期以来普遍利用人工对所采集的图片和影像进行异常识别，这样做成本高，识别效果受人为因素(例如经验、疲劳程度等)的影响大。因此，需要一种有效的自动处理手段对图片和影像中的异常因素进行识别。
技术实现思路
本专利技术的目的在于提出一种基于图像识别的异常检测方法，能够自动实现对任意被检测目标的异常检测。本专利技术基于图像识别的异常检测方法，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。优选地，本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
2017.02.24 CN 20171010452911.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...

【专利技术属性】
技术研发人员：李刚毅，于湄，
申请(专利权)人：李刚毅，
类型：发明
国别省市：北京,11