[发明专利]基于视频分析的储粮害虫检测识别方法及其系统

说明书

技术领域

本发明涉及检测技术领域，尤其涉及一种基于视频分析的储粮害虫检测与识别方法及其系统。

背景技术

我国是世界上最大的粮食储藏国家，每年由于粮虫危害造成的国库储粮损失高达10多亿元人民币。当前的储粮害虫(粮虫)检测方法主要有近红外光谱法、X射线法、图像处理和机器视觉法等。其中，近红外光谱法和X射线法通过对粮食逐粒扫描识别粮虫的种类，虽然识别效果较好，但是效率太低且设备的成本较高。

基于图像处理和机器视觉的储粮害虫检测和识别技术因其识别效率高且成本低等优势已成为近年来的研究热点。然而，现有的基于图像处理和机器视觉的检测识别方法普遍存在两个问题：首先，由于需要针对一幅静态图像进行处理，图像噪声将导致粮虫的误检和漏检；其次，现有方法无法判断粮虫存活与否。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何克服现有的基于图像处理和机器视觉的储粮害虫检测识别方法中普遍存在的误检、漏检缺陷，以及如何实现粮虫的存活和类型判定。

(二)技术方案

为解决上述技术问题，本发明的技术方案提供了一种基于视频分析的储粮害虫检测识别方法，包括以下步骤：

S1：获取处于运动状态的待测储粮样品的多帧连续图像；

S2：将每一帧图像分割为粮虫区域和背景区域；

S3：在每一帧分割后的图像内以所述粮虫区域为中心限定大小为M×M个所述粮虫区域的粮虫搜索区域；

S4：基于预置的匹配标准，在第N+1帧图像的粮虫搜索区域内搜索与第N帧图像的粮虫区域相匹配的区域块，并分别记录两者之间的匹配度值；

S5：将累计匹配度值超过预定阈值的粮虫区域识别为存在粮虫的区域。

进一步地，所述方法在步骤S5之后还包括：检测所述存在粮虫的区域在所述多帧连续图像中相对于其背景区域的分别的运动矢量值，并计算其平均运动矢量值，通过所述平均运动矢量值判断所述存在粮虫的区域内的粮虫是否为存活粮虫。

进一步地，所述方法在步骤S5之后还包括：提取所述存在粮虫的区域的图像特征，并通过SVM分类器获得分类结果和类型概率值；根据所述概率值的统计结果判断所述存在粮虫的区域内的粮虫的类型。

进一步地，所述存在粮虫的区域相对于其背景区域的运动矢量值通过以下步骤获得：

S401：根据待测储粮的运动状态构建六参数仿射模型，获得背景储粮的运动矢量值；

S402：获取所述存在粮虫的区域与与其相匹配的区域块之间的位移值，作为所述存在粮虫的区域的绝对运动矢量值；

S403：根据所述背景储粮的运动矢量值和所述存在粮虫的区域的绝对运动矢量值获得所述存在粮虫的区域相对于其背景区域的运动矢量值。

优选地，所述步骤S2通过自定义阈值法实现。

优选地，所述步骤S4通过三步搜索法实现。

优选地，所述步骤S4中，所述预置的匹配标准为：将第N+1帧图像的粮虫搜索区域中与第N帧图像的粮虫区域之间的灰度值差平方和最小的区域块识别为所述相匹配的区域块。

相应地，本发明的技术方案还提供了一种基于视频分析的储粮害虫检测识别系统，包括储粮视频采集装置和储粮害虫检测识别装置，其中，

储粮视频采集装置，获取处于运动状态的储量样品的视频，并将所述视频传送给储粮害虫检测识别装置；

储粮害虫检测识别装置，包括：

视频解析模块，将储粮视频采集装置传送的视频解析为多帧连续图像；

粮虫检测模块，对每一图像分别进行粮虫区域的分割和提取，并基于所述粮虫区域限定搜索区域；对于每一粮虫区域，在所述多帧图像的搜索区域内进行搜索匹配；根据搜索匹配结果识别和定位其中存在粮虫的区域。

进一步地，所述储粮害虫检测识别装置还包括：

活虫识别统计模块，检测所述存在粮虫的区域在所述多帧连续图像中相对于其背景区域的分别的运动矢量值，并计算其平均运动矢量值，通过所述平均运动矢量值判断所述存在粮虫的区域内的粮虫是否为存活粮虫。

进一步地，所述储粮害虫检测识别装置还包括：

粮虫类型识别模块，提取所述存在粮虫的区域的图像特征，并通过SVM支持向量机分类器获得分类结果和类型概率值；根据所述概率值的统计结果判断其内粮虫的类型。

(三)有益效果

与现有技术相比，根据本发明的基于视频分析的储粮害虫检测识别方法及其系统具有以下优势：

基于多帧图像验证进行储粮害虫检测，通过连续多帧的搜索和比较来提高粮虫检测的准确率，避免了粮虫的漏检和误检；