基于眾包主動學習用于檢測異常圖片的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機大數(shù)據(jù)圖片處理領(lǐng)域，尤其涉及一種基于眾包主動學習用于檢 測異常圖片的方法。
【背景技術(shù)】
[0002] 當今社會，通過視頻采集模塊獲取海量視頻信息已經(jīng)應用在社會生活的很多領(lǐng) 域，例如：高速公路視頻抓拍，公安系統(tǒng)安全監(jiān)控，醫(yī)學領(lǐng)域內(nèi)窺膠囊，智能樓宇視頻監(jiān)控等 領(lǐng)域，但是對于海量的視頻圖像數(shù)據(jù)來說，能夠提取出用戶所需的顯著信息，例如，安全監(jiān) 控中人體姿態(tài)識別、以及內(nèi)窺膠囊醫(yī)療圖像處理等；
[0003] 首先，在高速公路視頻抓拍，公安系統(tǒng)安全監(jiān)控，智能樓宇視頻監(jiān)控領(lǐng)域，視頻抓 拍的圖像時間跨度很長，而且移動物體和靜止物體交錯出現(xiàn)，這就給判別特定特征圖像帶 來極大的困難，雖然現(xiàn)有技術(shù)中有一些常規(guī)的判別特定特征圖像的方法，但是判別速度慢， 而且判別準確率低，需要后期進行人工篩選和剔除，耗費了人力物力；
[0004] 另外，膠囊內(nèi)窺鏡（WirelessCapsuleEndoscope，WCE)取代了傳統(tǒng)插入式內(nèi)窺 鏡。膠囊內(nèi)窺鏡只有普通膠囊的大小，但是其內(nèi)部集成了微型控制單元、照明裝置、無線通 信系統(tǒng)和微型成像裝置。現(xiàn)在生產(chǎn)的膠囊內(nèi)窺鏡都至少以2f/s(幀每秒）的速率傳輸所拍 攝到的消化道內(nèi)壁圖像，在人體內(nèi)大約停留8小時，大概產(chǎn)生67600幅圖像。隨著膠囊內(nèi)窺 鏡技術(shù)的不斷發(fā)展，拍攝的速率將會更快，每次檢查獲得更多的圖片。臨床醫(yī)生要在這樣龐 大數(shù)量的圖像中找到出血圖片或其他病變特征的圖片需要花費2~3小時的時間以及大量 的精力，這將對醫(yī)生在心理和生理上產(chǎn)生很大的壓力，易出現(xiàn)漏判、誤判的情況。在巨大的 數(shù)據(jù)量下，如何更好的管理與組織這些數(shù)據(jù)成為擺在人類面前的難題。這就亟需本領(lǐng)域技 術(shù)人員解決相應的技術(shù)問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種基于眾 包主動學習用于檢測異常圖片的方法。
[0006] 為了實現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種基于眾包主動學習用于檢測異常 圖片的方法，其包括如下步驟：
[0007]S1，獲取圖像特征，從圖像特征中提取二進制向量，選取色調(diào)和飽和度作為圖像特 征，合并色調(diào)和飽和度圖像特征來形成一個二維色調(diào)飽和度直方圖；
[0008]S2,計算每個圖像特征周圍的已標記樣本密度，對已標記樣本密度低于閾值的樣 本，計算信息熵，選擇信息熵最大的樣本放到眾包平臺，由用戶進行標記；
[0009]S3,根據(jù)眾包平臺用戶的標記和結(jié)果可信度計算方法，確定樣本的標簽，并臨時放 入訓練集，根據(jù)可信分類迭代算法，確定該標記樣本最終是否采用，并更新眾包平臺用戶的 信用度，并經(jīng)由眾包平臺返回給用戶，輸出初始分類器，當初始分類器達到一定閾值后執(zhí)行 S4 ；
[0010] S4,當S1-S3步驟執(zhí)行完畢后，輸出標記訓練集，輸出最終分類器。
[0011] 所述的基于眾包主動學習用于檢測異常圖片的方法，優(yōu)選的，所述S1包括：
[0012] 取一個二進制向量表示W(wǎng)CE圖像特征，顏色空間選擇HSI顏色空間，選取色調(diào)和飽 和度信息作為特征；
[0013] 合并色調(diào)和飽和度圖像特征來形成一個二維色調(diào)飽和度直方圖。
[0014] 所述的基于眾包主動學習用于檢測異常圖片的方法，優(yōu)選的，所述S2標記樣本密 度步驟包括：
[0015] 圖像特征集合為H= {Hi，H2，…，Hk}，其中樣本集H1= {Hu，Hl2，…，^ ，… ，Hu}，對于樣本化，在嘸中H^E至Hlj+E范圍內(nèi)查看已被標記的樣本數(shù)量AN，并根據(jù)如下 公式，計算其周圍被標記樣本的密度，DO^) =AN/2e，e為樣本圖像特征數(shù)量。
[0016] 所述的基于眾包主動學習用于檢測異常圖片的方法，優(yōu)選的，所述S2進行信息熵 計算步驟包括：
[0017] 基于時序密度表示為：
[0018]
[0019] 其中，p(yi|Xj)表示在給定樣本X/倩況下其標簽屬于yi的可能性，T(x」S)表示樣 本在集合S中的時序密度，S表示x在已標記樣本集中的領(lǐng)域集合；
[0020] 對于樣本集合X= {Xl,x2，…，xn}，中的樣本xn，通過計算X中所有樣本之間的距 離并求其平均得到avg_distance，
[0021]
，其中n為正 整數(shù)，d(Xl，Xj)指代樣本之間距離度量，Xl，Xj為樣本，下標i、j為正整數(shù)，i<j;
[0022] 定義1 :樣本集合X={xux2,…，xn}，中樣本乂;的鄰域樣本集合表示為：
[0023] N(Xj|X) = {xj|xjGX(x1;x2, ???,x; 1;xi+1, ???,xn)} ,d(xi,Xj) ^avg_distance(4)
[0024] 其中d(Xl，X])為樣本之間距離度量，選取歐式距離；
[0025] 定義2:標記函數(shù)I
[0026]
(：5 )：
[0027] 計算樣本X;在已標記樣本集合S中的領(lǐng)域集合為N(x|S) ={xux2,…，xn}，其對 應標簽為Y= {y,,y9，…，yj，則
[0028]
(6)
[0029] 計算樣本Xi在已標記樣本集合S中的領(lǐng)域集合為N(x|S) ={xux2, ???，xn}，其中 n(x|s)中和樣本Xi屬于同一圖像特征的集合為，統(tǒng)計XI在圖像 特征中位于樣本Xi前后e范圍內(nèi)的樣本數(shù)量SN，則H '
[0030]樣本Xl在集合S中的時序密度T(xi|S) =SN/2e;
[0031] 密度熵計算
[0032] 計算未標記樣本xn在未標記集合C中的近鄰樣本集合N(Xi|UN) ={xdx2，…，xn};
[0033] 則其未標記樣本xn的近鄰密度表示為：
[0034]
3N(Xl)為樣本Xl的鄰域樣本集合，小廣 示N(Xi)的某個元素，N表示N(Xi)中樣本的總數(shù)；
[0035] 對信息熵計算，樣本包含的信息量表示為時序密度、近鄰熵與近鄰密度的乘積：
[0036]Information(x)=H(x)*p(x;)* (1-D(私)）；
[0037] 在未標記樣本集合UN中選擇信息熵最大的樣本xn進行標記，
[0038]L(xj=argmaxInformation(UN)〇
[0039] 所述的基于眾包主動學習用于檢測異常圖片的方法，優(yōu)選的，所述S3包括：
[0040] 結(jié)果可信度計算
[0041] 標記樣本Xl的用戶集合為u={ui，u2，…，Ul}，用戶Ul的可信度為， 回答函數(shù)ANS(Ul)，
[0042] 最終結(jié)果為yes的可信度，
，其 中I(ANS(i〇 = 'yes'）中I為標記函數(shù)，
[0043] 最終結(jié)果為no的可信度為
[0044]標記樣本Xi
[0045]
[0046] 最終樣本Xl標記結(jié)果可信度計算公式如下：
[0047]
[0048]用戶信用度更新
[0049] 根據(jù)采樣樣本的權(quán)重平均值AW以及閾值A，更新用戶信用度；
[0050] 對于標記正確的用戶群Utnjf；={uu2，…，uj，用戶化的信用度的更新公式為：
[0051]
，t代表迭代次 數(shù)，t+1代表下一次迭代；
[0052] 對于標記錯誤的用戶群Ufalse={udu2，…，uj，用戶化的信用度的更新公式為：
[0053]
[0054] 所述的基于眾包主動學習用于檢測異常圖片的方法，優(yōu)選的，所述S3可信分類迭 代算法包括：
[0055] 輸入：算法迭代次數(shù)T;
[0056] 輸出：分類器C ;
[0057]t代表第t次迭代
[0058]S