技术特征：
1.一种图像分类方法，其特征在于，包括：获取待分类人脸图像；提取待分类人脸图像中的目标区域特征，其中，目标区域特征至少包括眉毛区域特征和眼睛区域特征；将目标区域特征输入预训练的图像分类模型，得到图像分类模型输出的图像分类结果，其中，图像分类模型用于对目标区域特征进行主成分分析，并基于分析结果确定待分类人脸图像的图像类型，图像类型包括以下之一：颈椎正常的人脸图像，颈椎异常的人脸图像。2.根据权利要求1的方法，其特征在于，图像分类模型为二分类模型，图像分类模型包括：预设数量的主成分分析子模型和目标分类器，目标分类器为基于径向基函数的支持向量机。3.根据权利要求2的方法，其特征在于，图像分类模型的训练过程包括：获取第一样本图像集合，其中，第一样本图像集合包括第一样本图像子集和第二样本图像子集，第一样本图像子集中的图像均为颈椎正常的人脸图像，第二样本图像子集中的图像均为颈椎异常的人脸图像；对第一样本图像集合中的每个图像进行预处理，得到第二样本图像集合，其中，预处理包括：截取每个图像中的目标区域，目标区域至少包括眉毛区域和眼睛区域；提取第二样本图像集合中的每个图像中的多个第一特征，其中，第一特征至少包括眉毛区域特征和眼睛区域特征；基于主成分分析子模型对多个第一特征进行主成分分析，得到多个第二特征；基于多个第二特征对目标分类器进行迭代训练，调整目标分类器的模型参数，得到图像分类模型。4.根据权利要求3的方法，其特征在于，获取第一样本图像集合，包括：获取多张人脸图像；对于每张人脸图像，获取针对人脸头像的人工投票结果，并在人工投票结果指示人脸图像为颈椎正常的人脸图像时，将人脸图像划分至第一样本图像子集，在人工投票结果指示人脸图像为颈椎异常的人脸图像时，将人脸图像划分至第二样本图像子集。5.根据权利要求3的方法，其特征在于，提取第二样本图像集合中的每个图像中的多个第一特征，包括：对于第二样本图像集合中的每个图像，基于预设的三原色权重将图像转换为灰度图像；基于预设的单元尺寸对灰度图像进行局部二值模式算法处理，提取灰度图像中的多个第一特征，其中，多个第一特征包括：第一数量的眉毛区域特征和第二数量的眼睛区域特征。6.根据权利要求3的方法，其特征在于，在基于主成分分析子模型对多个第一特征进行主成分分析，得到多个第二特征之后，方法还包括：基于第一样本图像子集中的图像的第二特征和第二样本图像子集中的图像的第二特征进行t检验，得到每个第二特征的p值；在任一第二特征的p值大于预设阈值时，删除第二特征。
7.根据权利要求3的方法，其特征在于，基于多个第二特征对目标分类器进行迭代训练，调整目标分类器的模型参数，包括：利用交叉验证方法，将多个第二特征依次输入目标分类器，得到多个预测结果；分别从灵敏性、特异性、精度和马修斯相关系数四个维度对多个预测结果进行计算，根据计算结果调整目标分类器的gamma值和c值。8.一种图像分类装置，其特征在于，包括：获取模块，用于获取待分类人脸图像；提取模块，用于提取待分类人脸图像中的目标区域特征，其中，目标区域特征至少包括眉毛区域特征和眼睛区域特征；分类模块，用于将目标区域特征输入预训练的图像分类模型，得到图像分类模型输出的图像分类结果，其中，图像分类模型用于对目标区域特征进行主成分分析，并基于分析结果确定待分类人脸图像的图像类型，图像类型包括以下之一：颈椎正常的人脸图像，颈椎异常的人脸图像。9.一种非易失性存储介质，其特征在于，非易失性存储介质包括存储的程序，其中，非易失性存储介质所在设备通过运行程序执行权利要求1至7中任意一项的图像分类方法。10.一种电子设备，其特征在于，包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行权利要求1至7中任意一项的图像分类方法。
技术总结
本申请公开了一种图像分类方法及装置。该方法包括：获取待分类人脸图像；提取待分类人脸图像中的目标区域特征，其中，目标区域特征至少包括眉毛区域特征和眼睛区域特征；将目标区域特征输入预训练的图像分类模型，得到图像分类模型输出的图像分类结果，其中，图像分类模型用于对目标区域特征进行主成分分析，并基于分析结果确定待分类人脸图像的图像类型，图像类型包括以下之一：颈椎正常的人脸图像，颈椎异常的人脸图像。本申请解决了相关技术中无法高效且准确地识别颈椎异常的人脸图像的技术问题。术问题。术问题。
技术研发人员：袁勇 李斌
受保护的技术使用者：中国电信股份有限公司
技术研发日：2022.11.30
技术公布日：2023/2/23