[发明专利]一种密集恐惧图片判别方法、系统、设备及其存储介质

说明书

本发明涉及网络信息技术领域，具体涉及一种密集恐惧图片判别方法、系统、设备及其存储介质，本发明的方法包括：对正、负样本图片分别进行选定，对被选定的图片的旋转不变特征值进行计算；将其旋转不变特征值分别进行深度学习，得到鉴别模型；选定待判别的图片，对被选定的图片的旋转不变特征值进行计算；并将其旋转不变特征值导入所述鉴别模型中，获取待判别的图片的类型；本发明能对绝大部分图片进行判别，其通用性强，且准确率高，满足自动判别的要求，极大地提高了图片判别的工作效率。

技术领域

本发明涉及网络信息技术领域，具体涉及一种密集恐惧图片判别方法以及一种密集恐惧图片判别方法的系统。

背景技术

随着网络技术的快速发展，网络已经成为人们获取资讯的一个重要途径；而在现今网络上其存在着各种各样的图像资料，而其中部分图像资料中由于存在着密集排列的相对较小的物体，其容易引起人们的密集物体恐惧症，造成人们的不适。

为此，现今的网站都会对引起密集物体恐惧症的密集恐惧图片进行判别与筛选，但现有的判别方式主要是以人工判别为主，其工作效率较为低下，不足以应付网络上海量的图像资料。

发明内容

为克服上述缺陷，本发明的目的即在于提供一种基于机器深度学习技术对密集恐惧图片进行判别的方法及其系统。

本发明的目的是通过以下技术方案来实现的：

本发明是一种密集恐惧图片判别方法，包括：

建立含有正样本图片和负样本图片的样本图片库；

对所述样本图片库中的正、负样本图片分别进行选定，对被选定的图片的旋转不变特征值进行计算；

将所述正、负样本图片中的旋转不变特征值分别进行深度学习，得到鉴别模型，所述鉴别模型中含有正模板和负模板；

选定待判别的图片，对被选定的图片的旋转不变特征值进行计算；

将所述待判别的图片中的旋转不变特征值导入所述鉴别模型中，获取待判别的图片的类型。

在本发明中，所述对被选定的图片的旋转不变特征值进行计算之前包括：

判断被选定的图片是否为预定的格式，若不为预定的格式，则将图片调整为预定的格式。

在本发明中，所述判断图片是否为预定的格式，若不为预定的格式，则将图片调整为预定的格式包括：

判断所述正、负样本图片是否为灰度图，若不为灰度图，则将其调整为灰度图。

在本发明中，所述判断图片是否为预定的格式，若不为预定的格式，则将图片调整为预定的格式还包括：

判断所述正、负样本图片的尺寸值是否为预定尺寸，若其尺寸值不为预定尺寸，则将其调整为预定尺寸。

在本发明中，所述选定待判别的图片包括：

将待判别的图片导入待判别图片库中，并从所述待判别图片库中对所述待判别的图片进行选定。

在本发明中，所述对被选定的图片的旋转不变特征值进行计算包括：

从所述被选定的图片中选取一个像素点为中心像素，并且获取与其相邻的像素点，所有与中心像素相邻的像素点组成该中心像素的邻域；

将所述中心像素的灰度值与所述邻域内的所有相邻的像素点的灰度值进行比较并计数，得到该中心像素的原始特征值；

以所述中心像素为中心，对所述邻域内的相邻的像素点进行旋转移动，再次进行计算，得到该中心像素新的原始特征值；

将所有的原始特征值进行大小比较，并以数值最小的原始特征值作为旋转不变特征值。