[发明专利]一种中级视觉毒品图像识别方法

说明书

本发明公开了一种中级视觉毒品图像识别方法，获取毒品的图像与非毒品图像，获得有效的方形训练图像；从训练集中选取图像，将每一张图像分割成不同的部分，将中级视觉图进行自主学习，经过多次迭代，最后分配给每个中级视觉图不同的权重值即概率；将中层视觉图及其概率，放入到贝叶斯中分类器中进行分类，经过多次迭代最后得到模型；将得到的模型在测试集上进行测试，输出结果判断是哪一种毒品。本发明把中层视觉和概率很好的结合在一起，为后面训练优化的模型做了铺垫，构建中层视觉和概率结合的框架，最后可以很好地训练出一个模型；中层视觉概率框架和训练紧密的链接在一起，提高了模型识别的准确性。

技术领域

本发明涉及一种图像识别技术，尤其涉及的是一种中级视觉毒品图像识别方法。

背景技术

随着毒品的泛滥，毒品对人们的危害越来越大，轻者身体受到伤害，重者家破人亡。现在去识别毒品的方法主要靠以下几种方法：1.靠缉毒犬2.人工缉毒(嗅闻和手捻)3.昆虫探测毒品(蜜蜂)4.毒品检测器等。这些方法很好，但也有很多不足。如果贩卖毒品人员把毒品图片放在网上销售毒品并以其它名字命名，那么以上几种方法就行不通。还有一种情况就是，比如警察扫黄打黑中不能每次都带缉毒犬，缉毒人员，和缉毒工具，这样现场可能就存在毒品，那么就会有毒品没识别出来，让它流失到市场危害人群。如果利用计算机视觉识别就会方便很多，只需要把一些现场的图片拿来测试就可知道其试不试毒品，只是需要采集大量的毒品图片去训练模型。

计算机视觉识别的方法有很多种：

1、基于局部特征的方法是一种自底向上的识别方法。这种方法首先在整个图像中提取一组毒品图像的局部纹理、形状等特征，然后把这些特征送入SVM、贝叶斯或单层神经网络等分类器中训练这些分类器。在识别阶段用和训练阶段同样的方法提取特征送入已训练好的分类器判断结果。

基于局部特征的识别方法采用何种低级视觉特征、如何选择分类器都是根据经验的，很难保证最佳识别效果，识别计算比较耗时，效率不高。

2、基于视觉词袋的高级语义模型的毒品图像识别方法，在训练阶段提取SIFT或者Dense-SIFT、Hue-SIFT等特征通过聚类的方法构建视觉词袋，每一幅训练图像都利用构建的视觉词袋表示为一个高维特征向量，使用这些特征向量训练一个SVM分类器。对待检测的图像用同样方法提取特征送入已训练好的分类器即可获得结果。

这种方法采用何种特征构建视觉词袋是困难的，视觉词袋的大小没有对应的评价标准。

3、基于深度学习的毒品图像识别方法，采集大量的毒品图片并做好训练的标签，训练分两种情况：如果训练数据比较少，首先通过大数据集ImageNet训练，用经典的网络结构(比如vgg和Alexnet等)，甚至可以用多达152层的残基网络以提取图像的低级、中级和高级语义特征；然后使用采取的数据在此基础上进一步提高其特征的有效性：如果训练数据量很大，在经典的网络上训练，提取图片的低级、中级和高级语义特征。最后通过这些特征用分类器去分类。

这种方法的缺点是：神经网络易陷入局部极小值和过拟合等现象；计算量大，耗时比较长；对数据依赖很强。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种中级视觉毒品图像识别方法，能够利用计算机识别毒品。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

(1)通过人工标定的方法获取毒品的图像与非毒品图像，对这些图像进行预处理与增强获得有效的方形训练图像；

(2)随机从训练集中选图像，将每一张图像分割成m个不同的部分，这m个部分即为中级视觉图，将中级视觉图放入下面公式(1)，(2)中进行自主学习，经过多次迭代，最后分配给每个中级视觉图不同的权重值即概率；

(3)将m个中层视觉图及其概率，放入到贝叶斯中分类器中进行分类，经过多次迭代最后得到模型；