[发明专利]一种低分辨率红外图像睡眠异常情况判断方法

摘要

本发明公开了一种低分辨率红外图像睡眠异常情况判断方法，属于人工智能技术领域。本发明采用人工智能对睡眠图像在低分辨率被动远红外中的异常情况的表现进行判断，首先将已经标记类别的低分辨率被动远红外图像进行针对性的预处理和特征生成，对分类系统进行训练，得到合适的特征选择与提取方法、分类器方法；然后对待智能判决的低分辨率被动远红外图像进行针对性的预处理和特征生成，使用选择好的特征选择与提取方法和训练好的分类系统进行分类，得到待智能判决的低分辨率被动远红外图像的异常情况输出。本发明所提出的低分辨率被动远红外图像的睡眠异常情况判断方法，具有在保证虚警率的情况下，对不同睡眠个体的低分辨率被动远红外图像的睡眠异常情况判断鲁棒性较高，计算复杂度较低的特点。

主权项

一种低分辨率红外图像睡眠异常情况判断方法，其特征在于，包括训练过程和检测过程：训练过程：步骤1：人工对N个分辨率为m×n的睡眠被动远红外图像进行类别标记，将已标记好类别的N个睡眠被动远红外图像输入图像库，并对输入图像库的N个图像进行预处理；步骤2：对步骤1中预处理后的所有N个图像中的每个图像进行区域划分，对划分区域后的每个图像进行特征统计，每个图像的特征为M个。步骤3：对步骤2中的所有N个图像的M个特征进行特征选择和提取，每个图像变换后得到P个特征；将步骤1中输入图像库中已经标记好类别的图像分成两部分，其中用来训练的图像N1个，N1个图像中包括有步骤1中标记的所有类别的图像；用来评估分类器性能的图像N2个，N2个图像中包括有步骤1中标记的所有类别的图像。步骤4：对N1个图像中每个图像变换后的P个特征，使用分类器方法进行正常和异常情况的分类器训练，得到分类器参数C1..Cj；步骤5：使用N2个图像对步骤4训练好的分类器进行分类器评估，得到分类器的虚警率和准确率参数；步骤6：修改步骤3中的特征变换方法、用来训练的图像个数N1、用来评估分类器性能的图像个数N2和步骤4的分类器方法，重复步骤3、步骤4、步骤5；选择最优虚警率和最优准确率参数对应的特征变换方法和分类器方法以及分类器参数，固化为指定的特征变换方法f、指定的分类器方法g和分类器参数C1..Cj；检测过程：步骤1：输入分辨率为m×n的待检测睡眠被动远红外图像Id，对图像Id进行预处理；步骤2：对预处理过的待检测图像Id进行区域划分，对图像Id划分后的区域进行特征统计，图像Id的特征为M个；步骤3：使用检测过程中指定的特征变换方法f、指定的分类器方法g和分类器参数C1..Cj，进行图像Id的判决，得到图像Id是正常还是异常情况的判决输出。