[发明专利]一种移动终端“敏感”信息识别方法

权利要求书

1.一种移动终端“敏感”信息识别方法，分为画面扫描和特征提取及匹配两个阶段，其特征在于，包括以下步骤：

1)画面扫描阶段是将移动终端动态画面到静态图片的转换：

画面扫描以16×16为单位，30s/次扫描当前画面，初步提取画面特征，当画面出现两个或两个以上符合敏感信息特征时，截图至终端内存，通过存放在内存里，实现动态画面到静态图片的转换；

2)特征提取及匹配阶段是对图片进行分析并得出是否为“敏感”信息，特征提取及匹配阶段由倒双三角双重判别算法、PCA面部识别、Sobel边缘检测算法及KNN算法组成，详细步骤如下：

①将步骤1)处理的图片通过倒双三角双重判别算法以肤色可分性作为依据，在确定的颜色空间内，定义出肤色的边界，进而把肤色划分在一个确定的区域内部，以下式所定义：

$\begin{array}{c}(R,G,B)isclassifiedasskinif:\\ R\>95andG\>40andB\>20and\\ \max \{R,G,B\}-\min \{R,G,B\}\>15and\\ |R-G|\>15andR\>GandR\>B\end{array};$

②在YC_bC_r颜色空间，经试验发现验C_bC_r平面上一个像素的颜色如果落入下公式所表示的矩形区域内，则被认为属于肤色像素；

133≤C_r≤177；

29≤C_b≤127；

③由RGB与YC_bC_r的转换公式可知，我们可以在RGB空间中构造一个和YC_bC_r空间具有相同分类性能的皮肤检测器,以下式所示，

$\begin{array}{c}133\≤0.439R-0.368G-0.071B+128\≤177\\ 77\≤-0.148R-0.291G+0.439B+128\≤127\end{array};$

④将肤色在YUV和YIQ的色度空间上的分布进行了分析，通过YUV空间的相位角和YIQ空间的I分量联合的方法来确定肤色在色度信息上的分布范围，在YUV空间中，U和V是平面上两个相互正交的矢量，称为色度信号矢量，每一种颜色对应一个色度信号矢量，它的饱和度由模值Ch表示，色调由相位角θ表示；

$\begin{array}{c}Ch\sqrt{|V{|}^2+|U{|}^2}\\ \mathrm{\θ}={\tan }^{-1}\left(\right|V|/|U\left|\right)\end{array};$

⑤接下来判定符合人体肤色特征C_r分量所在区域，进而分割人脸，通过人面部各个特征部位识别眉毛、下巴、鼻尖等之间的坐标，计算瞳孔与鼻尖θ，瞳孔与嘴唇I；满足下式范围条件的几何图形初步认为是人脸；

$\begin{array}{c}100\≤\mathrm{\θ}\≤150\\ 20\≤I\≤90\end{array};$

⑥PCA面部识别将所定位脸部特征高维图像空间经PCA变换后得到一组新的正交基，对这些正交基做一定的取舍，保留其中的一部分生成低维的人脸空间，也即是人脸的特征子空间,利用PCA变换的生成矩阵Q,首先计算训练集的协方差矩阵X，其中x₁,x₂,...,x_n为第i副图像的描述,即x₁为一个列向量；

$X=\left[\begin{array}{cccc}{x}_1-\stackrel{\‾}{x}& x_2-\stackrel{\‾}{x}& \mathrm{...}& x_n-\stackrel{\‾}{x}\end{array}\right];$

$\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left[\begin{array}{c}{x}_1\\ x_2\\ .\\ .\\ .\\ x_n\end{array}\right];$

$Q={\mathrm{XX}}^T=\left[\begin{array}{cccc}{x}_1-\stackrel{\‾}{x}& x_2-\stackrel{\‾}{x}& \mathrm{...}& x_n-\stackrel{\‾}{x}\end{array}\right]\left[\begin{array}{c}{(x_1-\stackrel{\‾}{x})}^T\\ {(x_2-\stackrel{\‾}{x})}^T\\ .\\ .\\ .\\ {(x_n-\stackrel{\‾}{x})}^T\end{array}\right];$

式中，e是矩阵P的特征值λ对应的特征向量，则有：

$\begin{array}{c}Pe=\mathrm{\λ}l\\ x^{T}Xl=\mathrm{\λ}l\\ Q\left(Xe\right)=\mathrm{\λ}\left(Xe\right)\end{array};$

⑦计算生成矩阵P的特征值和特征向量，并挑选合适的特征值和特征向量，构造特征子空间变化矩阵，把训练图像和测试图像投影到特征空间中，每一幅人脸图像投影到子空间以后，就对应于子空间的一个点，同样，子空间中的任一点也对应于一副图像。将重构的脸称为特征脸Eigenface，接下来，分别让样本集和测试集的图像投影到该子空间中，即：eigenvector'*X等等，然后得到一组坐标系数，把投影到特征子空间中的测试图像和样本集进行比较，判断人脸特征及所在位置；

⑧Sobel边缘检测算法通过人脸部定位服装所在坐标方位，利用Sobel边缘检测算法及KNN算法判断服装涉及敏感信息，并报警提示。