[发明专利]一种多光谱成像的智能识别方法及系统

说明书

本申请公开一种多光谱成像的智能识别方法及系统，该方法包括：在成像设备中预置大于或等于两个不同波长的成像响应光谱，启用成像设备对目标成像区域进行拍摄，从而获取目标成像区域的多个光谱区间的谱段图像；结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用人工智能或机器学习算法对多个光谱区间的谱段图像进行处理，实现对多个光谱区间谱段图像的特征增强及特征融合，通过预设的判别策略从融合图像中选取与判别策略中信息一致的图像作为识别图像。本发明利用多光谱图像获取得到更多信息，从而提高了目标识别的效率和准确性。

技术领域

本发明涉及智能识别的技术领域，更具体地，涉及一种多光谱成像的智能识别方法及系统。

背景技术

随着社会经济的飞速发展，人们的生活水平和安全意识不断增强，对安防监控及智能化生活方式的需求也与日俱增，在多种交互场景，识别特定场合的人体目标，准确统计特定时间段内的人流量，实现对个人或者人群行为的智能化管理和分析十分必要。因此，能够自动识别目标(尤其是人体目标)的智能视觉系统，具有广泛的应用前景和实用价值，成为具有挑战性的研究热点。智能视觉系统旨在根据特定场合和特定时间段的成像记录，识别并判断目标行为，有效统计目标的流量，甄别出单独个体的异常行为，从而提供高效、及时的监控信息。然而，全天候布放的智能识别系统将面临不同的光照条件和场所背景，故系统的成像质量是影响智能视觉系统识别功能的关键因素。

普通数码成像技术的成像结果分为全色和彩色两种，全色图像是单通道的，其中全色是指全部可见光波段0.38～0.76um，全色图像为这一波段范围的混合黑白图像，彩色即为我们日常见到的RGB图像。二者对可见光波段的图像信息分别做了不同处理，但均将三维的图像信息投影成二维图像，没有保留各个光谱段原始的图像信息，丢失了一部分图像信息。此外，二者成像的光谱区间仅涵盖了可见光区间，忽视了不可见光区间，同样造成了图像信息的缺失。在不同光线条件下进行目标检测时，对于不同的识别任务，不同的光谱段的图像信息所蕴涵的信息量也各不相同，例如在黑暗的夜晚中，红外区间的图像信息就对准确判断人体位置和行为十分关键。全色或者彩色图像成像的光谱区间为可见光区间，且没有根据不同的识别任务对多个光谱段的图像进行针对性处理，使得图像中所含的信息量不够，无法满足多种交互场景的智能识别任务。

因此，提供一种高效、准确且清晰的智能识别方法及系统是本领域亟待解决的技术问题。

发明内容

有鉴于此，本发明提供了一种多光谱成像的智能识别方法及系统，解决了现有技术中智能识别过程中，目标物体与背景融合，难以区分；发生物体遮挡时，目标物体信息缺失，使真实边界无法获取；多物体出现时，无法区分目标物体与其他物体，造成识别困难的技术问题。

为了解决上述技术问题，本发明提出一种多光谱成像的智能识别方法，包括：

在大于或等于一个的成像设备中预置大于或等于两个的成像光谱及环境条件与实时成像光谱的对照表，在启用所述成像设备时，根据所述成像设备实时监测的环境条件从所述对照表中选取对应的实时成像光谱，分别调取所述实时成像光谱；

启用所述成像设备对目标成像区域拍摄时，从而获取目标成像区域的多个光谱区间的谱段图像；

结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对多个光谱区间谱段图像进行处理，实现对所述多个光谱区间谱段图像的特征增强及特征融合；

通过预设的判别策略从所述融合图像中选取与所述判别策略中信息一致的图像作为识别图像。

可选地，其中，结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对多个光谱区间谱段图像进行处理，实现对所述多个光谱区间谱段图像的特征增强及特征融合，为：