[发明专利]一种基于伪脑网络模型下的涉恐场景识别方法

权利要求书

1.一种基于伪脑网络模型下的涉恐场景识别方法，其特征在于包括如下步骤：

步骤1、通过CNN图像分类器，得到涉恐场景图片概率值；

步骤2、通过伪脑网络图像分类器，得到涉恐场景图片概率值；

步骤3、将CNN图像分类器分类结果和伪脑网络图像分类器分类结果输入给神经网络融合模型，输出场景事件分类结果，涉恐场景＝1，非涉恐场景＝0；

所述的步骤2具体实现如下：

步骤2-1构建生成模型和判别模型；

①选择志愿者观看特定场景视频：

组织志愿者分别对涉恐场景图片、其它场景图片进行观看；

②通过fMRI设备测试人脑得到脑网络节点数据：

根据脑网络节点构建脑网络，将标准脑区定义成网络的一个节点，采用国际脑成像领域广泛使用的标准脑模板AAL，将全脑分割成90个标准的功能区域，脑区内全部体素信号共同表示该区域神经元活动情况；

③通过皮尔逊相关系数获取脑网络节点之间的相关性，并建立脑网络节点的相关性矩阵Ⅰ；

其中，体素i和体素j的时间序列分别用x_i和x_j表示，体素i和体素j的时间序列的均值分别用和表示；利用公式(1)得到脑区之间两两的相关性就是一个90×90的相关性矩阵Ⅰ，且矩阵元素取值范围[-1,1]；T取值90；

④通过遗传算法将相关性矩阵Ⅰ转化成只有0和1的矩阵Ⅱ，其中1表示两个脑网络节点相关，0表示两个脑网络节点不相关；

⑤构建基于DCGAN的生成模型和判别模型

参考深度卷积生成网络将卷积神经网络引入到生成模型和判别模型当中；通过对抗生成网络，优化得到伪脑网络生成器，即DCGAN的生成模型；

步骤2-2.通过伪脑网络生成器得到输入图片的对应伪脑网络，即为90*90的二值矩阵；应用kruskal算法得到脑网络最小生成树，再利用基于RBF核函数的SVM算法进行分类。

2.根据权利要求1所述的一种基于伪脑网络模型下的涉恐场景识别方法，其特征在于所述的步骤3中，神经网络混合模型为三层神经网络结构，包括2个神经元输入层、3个神经元隐藏层以及采用sigmoid分类器，输出层神经元个数为1.通过反向传播算法进行神经网络优化。