[发明专利]基于统计学习模型的图像隐含信息挖掘方法及装置

权利要求书

1.基于统计学习模型的图像隐含信息挖掘方法，其特征在于，包括如下步骤：

步骤1、通过预处理获取符合要求的待处理图像；

步骤2、将所述待处理图像通过常规的图像检测和识别模型进行检测和识别，得到图像检测和识别所能检测到的直观结果；

步骤3、将所述检测到的直观结果通过训练完备的统计学习模型进行推断，推断出图像中的隐含信息，所述训练完备的统计学习模型是根据已有的大规模样本生成的。

2.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法，其特征在于，步骤1中，所述预处理包括：图像分帧、图像几何变换、图像平滑和图像增强。

3.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法，其特征在于，步骤2中，所述直观结果包括：关键点坐标、边界点坐标、目标标签和人物骨架。

4.根据权利要求1所述的于统计学习模型的图像隐含信息挖掘方法，其特征在于，步骤3中，根据所述训练完备的统计学习模型进行推断之后，还包括：

若所述统计学习模型无法推断出所述隐含信息，则直接输出所述直观结果；

若所述统计学习模型推断出了所述隐含信息，则输出所述直观结果以及隐含信息。

5.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法，其特征在于，步骤3中，还包括：

所述统计学习模型根据接收到的具有不同特征的待处理图像，分别进行针对不同特征的不同统计学习模型的隐含信息挖掘。

6.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法，其特征在于，步骤3中，所述统计学习模型包括：贝叶斯网络、隐马尔可夫模型、支持向量机、Boosting、决策树、梯度提升决策树、多层感知机和神经网络。

7.基于统计学习模型的图像隐含信息挖掘装置，应用于权利要求1-6任意一项所述的基于统计学习模型的图像隐含信息挖掘方法，其特征在于，包括：

预处理模块，用于对输入图像进行预处理操作；

图像检测和识别模块，用于对预处理模块处理得到的图像数据进行检测和识别；

推理模块，用于根据所述统计学习模型进行图像隐含信息的挖掘和推断，得到图像中的隐含信息。