[发明专利]一种生物检测方法、装置及生物检测器

权利要求书

1.一种生物检测方法，其特征在于，包括：

提取待识别图像中未知生物的颜色特征数据及形状特征数据；

计算所述颜色特征数据与所述形状特征数据的高斯混合概率；

判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。

2.根据权利要求1所述的方法，其特征在于，所述颜色特征数据包括与所述待识别图像中未知生物相对应的一维特征矢量值；

所述提取待识别图像中未知生物的颜色特征数据包括：

提取待识别图像中未知生物的图像数据；

获取所述未知生物的图像数据的颜色空间矢量；

其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量；

将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维；

依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值。

3.根据权利要求1所述的方法，其特征在于，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。

4.根据权利要求1所述的方法，其特征在于，所述提取待识别图像中未知生物的形状特征数据包括：

提取待识别图像中未知生物的图像数据；

将所述未知生物的图像数据转换为灰度图像数据；

提取所述灰度图像数据中每个像素点的灰度值；

依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。

5.根据权利要求1所述的方法，其特征在于，所述计算所述颜色特征数据与所述形状特征数据的高斯混合概率包括：

获取预设的生物颜色特征及形状特征的高斯混合模型，所述高斯混合模型包括三个参数值，所述三个参数值分别为：混合加权值、均值向量值和协方差矩阵；

将所述颜色特征数据与所述形状特征数据置入所述高斯混合模型，生成高斯混合概率值。

6.根据权利要求1所述的方法，其特征在于，所述判断所述高斯混合概率在预设的概率范围适应规则中所属概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别包括：

预先设置概率范围适应规则，所述概率范围适应规则包括生物的颜色特征与形状特征数据的高斯混合概率所属的概率范围值；

判断所述未知生物的高斯混合概率在所述概率范围适应规则中所属的概率范围值；

依据预设的概率类别对应规则，确定与所述未知生物的高斯混合概率所属的概率范围值相对应的生物类别；

将确定的生物类别作为所述未知生物隶属的类别。

7.一种生物检测装置，其特征在于，包括：

特征数据提取单元，用于提取待识别图像中未知生物的颜色特征数据及形状特征数据；

混合概率计算单元，用于计算所述颜色特征数据与所述形状特征数据的高斯混合概率；

生物类别判断单元，用于判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。

8.根据权利要求7所述的装置，其特征在于，所述颜色特征数据包括与所述待识别图形中未知生物相对应的一维特征矢量值；

所述特征数据提取单元包括：

第一特征提取子单元，用于提取待识别图像中未知生物的图像数据，获取所述未知生物的图像数据的颜色空间矢量，将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维，并依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值；

其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量。

9.根据权利要求7所述的装置，其特征在于，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。

10.根据权利要求7所述的装置，其特征在于，所述特征数据提取单元包括：

第二特征提取子单元，用于提取待识别图像中未知生物的图像数据，将所述未知生物的图像数据转换为灰度图像数据，提取所述灰度图像数据中每个像素点的灰度值，并依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。