基于演化支持向量机的口罩图像识别方法技术

本发明专利技术公开了一种基于演化支持向量机的口罩图像识别方法。本发明专利技术利用改进的差分演化算法来演化基于多项式核函数的支持向量机的训练参数，然后利用演化得到的基于多项式核函数的支持向量机来识别人脸图像是否是佩戴口罩图像。在改进的差分演化算法中，先计算出变异策略的选择概率，然后将种群划分成为引导子种群和排斥子种群，并同时利用引导个体和排斥个体的方向信息来提高算法的搜索性能，从而提升口罩图像的识别精度。升口罩图像的识别精度。升口罩图像的识别精度。

【技术实现步骤摘要】
基于演化支持向量机的口罩图像识别方法


[0001]本专利技术涉及数字图像处理领域，尤其是涉及一种基于演化支持向量机的口罩图像识别方法。

技术介绍

[0002]佩戴口罩是预防疾病的有效手段。为了有效地防止疾病的传播，人们有时需要佩戴口罩才允许进入医院和实验室等特定场所。在人流量比较大的特定场所，往往需要在入口处安排许多工作人员检查进入场所的每一个人是否佩戴口罩，从而防止没有佩戴口罩的人员进入到这些特定场所。为了减轻工作人员的工作压力，许多特定场所利用门禁系统来加快人流通过的速度。门禁系统可以自动地在指定区域处采集需要进入场所的每一个人的人脸图像，然后识别出是否是佩戴口罩图像，如果不是佩戴口罩图像，门禁系统则不开启入口的通道。因此，如何精确地识别口罩图像是这种门禁系统中的关键技术。
[0003]为了精确地识别口罩图像，许多技术人员尝试了利用基于多项式核函数的支持向量机来识别口罩图像。然而，传统基于多项式核函数的支持向量机有许多训练参数需要设置，如多项式核函数中的degree参数，gamma参数和coef0参数。这些训练参数的设置会在很大程度上影响口罩图像的识别精度。针对这个问题，技术人员利用演化算法来演化基于多项式核函数的支持向量机的训练参数。差分演化算法是当前演化算法研究中的热点，许多工程技术人员使用差分演化算法来解决各种工程优化问题。然而，传统差分演化算法在口罩图像的识别中容易出现识别精度不够的缺点。

技术实现思路

[0004]本专利技术提供一种基于演化支持向量机的口罩图像识别方法。它在一定程度上克服了传统差分演化算法在口罩图像的识别中容易出现识别精度不够的缺点，本专利技术能够提高口罩图像的识别精度。
[0005]本专利技术的技术方案：一种基于演化支持向量机的口罩图像识别方法，包括以下步骤：
[0006]步骤1，利用图像传感器采集戴口罩的人脸图像和未戴口罩的人脸图像，构成图像样本集合；
[0007]步骤2，利用方向梯度直方图算法对图像样本集合进行特征提取，得到口罩图像数据集；
[0008]步骤3，将口罩图像数据集划分为训练数据集和验证数据集；
[0009]步骤4，输入种群大小PS，最大迭代次数MaxIter，杂交概率CR，子群大小LPS；
[0010]步骤5，设置当前迭代次数Iter＝1；
[0011]步骤6，随机生成包含PS个个体的种群Pop＝{X1,X2,...,X
qi
,...,X
PS
}，其中，种群Pop中的第qi个个体X
qi
＝{X
qi,1
,X
qi,2
,...,X
qi,dj
,...,X
qi,Dm
}；种群Pop中的每个个体都存储了用于口罩图像识别的基于多项式核函数的支持向量机的Dm个训练参数；Dm表示用于口罩
图像识别的基于多项式核函数的支持向量机的训练参数的数量；X
qi,dj
表示种群Pop中的第qi个个体中所存储的第dj个训练参数；个体下标qi＝1,2,...,PS；维度下标dj＝1,2,...,Dm；
[0012]步骤7，计算种群Pop中每个个体的适应值；
[0013]步骤8，获取种群Pop中适应值最小的个体，记为最优个体BX；
[0014]步骤9，如果当前迭代次数Iter小于MaxIter，则转到步骤10，否则转到步骤22；
[0015]步骤10，根据公式(1)计算振幅数值AF；
[0016][0017]步骤11，计算变异策略的选择概率MP；
[0018]步骤12，按照适应值从小到大的顺序，对种群Pop中所有个体进行排序，得到排序后的序列种群SP；
[0019]步骤13，设置引导种群PBX为空，并设置排斥种群PWX为空；
[0020]步骤14，将序列种群SP中排在前面的LPS个个体添加到引导种群PBX中；
[0021]步骤15，将序列种群SP中排在后面的LPS个个体添加到排斥种群PWX中；
[0022]步骤16，根据公式(2)生成变异个体V；
[0023][0024]其中，rand1和rand2都是在[0，1]之间的随机实数；V
dj
是变异个体V中所存储的第dj个训练参数；ri是在[1,PS]之间的一个随机整数，X
ri,dj
是种群Pop中的第ri个个体中所存储的第dj个训练参数；rb是在[1,LPS]之间的一个随机整数，PBX
rb,dj
是引导种群PBX中的第rb个个体中所存储的第dj个训练参数；rw是在[1,LPS]之间的一个随机整数，PWX
rw，dj
是排斥种群PWX中的第rw个个体中所存储的第dj个训练参数；
[0025]步骤17，根据公式(3)生成新个体U；
[0026][0027]其中，U
dj
是新个体U中所存储的第dj个训练参数；rand3和rand4都是在[0，1]之间的随机实数，XL
dj
是第dj个训练参数的下界，XU
dj
是第dj个训练参数的上界；
[0028]步骤18，计算出新个体U的适应值；
[0029]步骤19，获取种群Pop中适应值最大的个体，记为最差个体WX；
[0030]步骤20，如果新个体U的适应值小于最差个体WX的适应值，则使用新个体U替换最差个体WX，否则丢弃新个体U；
[0031]步骤21，设置当前迭代次数Iter＝Iter+1，转到步骤8；
[0032]步骤22，从最优个体BX中提取出Dm个训练参数，利用得到的Dm个训练参数在训练数据集上训练出用于口罩图像识别的基于多项式核函数的支持向量机，即实现口罩图像的识别；
[0033]进一步，所述的适应值的计算过程为：
[0034]对于个体X
qi
，首先从个体X
qi
中提取出Dm个训练参数，利用得到的Dm个训练参数在训练数据集上训练出用于口罩图像识别的基于多项式核函数的支持向量机REM
qi
；计算基于多项式核函数的支持向量机REM
qi
在验证数据集上的交叉熵CE
qi
，然后设置个体X
qi
的适应值Fit
qi
＝CE
qi
；
[0035]进一步，所述的变异策略的选择概率MP的值是根据公式(4)进行计算获得：
[0036]MP＝0.95+0.1
×
log(AF)
×
[sin(0.5
×
π
×
Iter)
×
(AF
‑
1)+1]ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0037]其中，log表示以自然常数e为底的对数，π是圆周率，sin是正弦函数。
[0038]本专利技术利用改进的差分演化算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于演化支持向量机的口罩图像识别方法，其特征在于，包括以下步骤：步骤1，利用图像传感器采集戴口罩的人脸图像和未戴口罩的人脸图像，构成图像样本集合；步骤2，利用方向梯度直方图算法对图像样本集合进行特征提取，得到口罩图像数据集；步骤3，将口罩图像数据集划分为训练数据集和验证数据集；步骤4，输入种群大小PS，最大迭代次数MaxIter，杂交概率CR，子群大小LPS；步骤5，设置当前迭代次数Iter＝1；步骤6，随机生成包含PS个个体的种群Pop＝{X1,X2,...,X
qi
,...,X
PS
}，其中，种群Pop中的第qi个个体X
qi
＝{X
qi,1
,X
qi,2
,...,X
qi,dj
,...,X
qi,Dm
}；种群Pop中的每个个体都存储了用于口罩图像识别的基于多项式核函数的支持向量机的Dm个训练参数；Dm表示用于口罩图像识别的基于多项式核函数的支持向量机的训练参数的数量；X
qi,dj
表示种群Pop中的第qi个个体中所存储的第dj个训练参数；个体下标qi＝1,2,...,PS；维度下标dj＝1,2,...,Dm；步骤7，计算种群Pop中每个个体的适应值；步骤8，获取种群Pop中适应值最小的个体，记为最优个体BX；步骤9，如果当前迭代次数Iter小于MaxIter，则转到步骤10，否则转到步骤22；步骤10，根据公式(1)计算振幅数值AF；步骤11，计算变异策略的选择概率MP；步骤12，按照适应值从小到大的顺序，对种群Pop中所有个体进行排序，得到排序后的序列种群SP；步骤13，设置引导种群PBX为空，并设置排斥种群PWX为空；步骤14，将序列种群SP中排在前面的LPS个个体添加到引导种群PBX中；步骤15，将序列种群SP中排在后面的LPS个个体添加到排斥种群PWX中；步骤16，根据公式(2)生成变异个体V；其中，rand1和rand2都是在[0，1]之间的随机实数；V
dj
是变异个体V中所存储的第dj个训练参数；ri是在[1,PS]之间的一个随机整数，X
ri,dj
是种群Pop中的第ri个个体中所存储的第dj个训练参数；rb是在[1,LPS]之间的一个随机整数，PBX
rb,dj...

【专利技术属性】
技术研发人员：郭肇禄，赵瑞壮，杨火根，刘超飞，张文生，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：