[发明专利]视频段中单只猪侧视图帧属性识别方法

权利要求书

1.一种视频段中单只猪侧视图帧属性识别方法，其特征在于根据猪单只猪轮廓图确定侧视图帧属性值，具体方法如下：

设猪只的轮廓可表示为一个坐标序列：{x(n)，y(n)：n＝0，1，...，N-1}，其离散傅里叶变换(DFT)见式(1)及(2)。

Z(n)=Σk=0N-1Z(k)exp[j2πknN],]]>0≤n≤N-1(1)

Z(k)=1NΣn=0N-1Z(n)exp[j2πknN],]]>0≤n≤N-1(2)

重新定义猪只轮廓的傅里叶描述子，见式(3)。对傅里叶系数作规范化处理，对应于猪只轮廓形状特征向量中的值。

Fd(k)=0,k=0|Z(k)||Z(1)|,k=-1,...,-M2-1|Z(k)||Z(1)|,k=1,...,M2---(4)]]>

构造猪只轮廓形状特征向量X，即，向量中每个元素都是标量，其中，x₁为猪只轮廓外接矩形的归一化高长比，1为一组的归一化傅里叶描述子系数。设G为M^*+1维猪只轮廓形状特征向量总体，它的分布均值向量和协方差矩阵计算见式(4)。

μ=μ1μ2...μM*+1,]]>Σ=σ11σ12...σ1M*+1σ21σ22...σ2M*+1.........σ1M*+1σ2M*+1...σ[M*+1[M*+1]]---(4)]]>

设为取自总体G的一个样本，定义X到总体G的平方马氏距离，见式(5)，假设∑＞0(∑为正定矩阵)。

d²(X，G)＝(X-μ)′∑^-1(X-μ)            (5)

设定训练集，将猪只正侧视图附近的帧样本先验地设为理想侧视图总体G₁，其他的则设为非理想侧视图总体G₂，分布的均值向量分别为μ₁、μ₂，协方差矩阵分别为∑₁＞0，∑₂＞0。需进行估计：

μ^1=X‾1,μ^2=X‾2,Σ^1=S1,Σ^2=S2---(6)]]>

现有一未知类别的样本X^*，其马氏距离的估计见式(7)，为二次判别函数，见式(8)。

i＝1，2            (7)

J^(X*)=d^2(X*,G1)-d^2(X*,G2)---(8)]]>

判断X^*归属，修正判别规则为：

属于G₁的样本帧属性值为1，表示该帧中猪只为理想侧视图；其他样本的帧属性值为0，则表示该帧中猪只为非理想侧视图。