[发明专利]一种藏獒幼犬纯度的自动化识别系统有效
申请号: | 201410591352.9 | 申请日: | 2014-10-28 |
公开(公告)号: | CN104318267B | 公开(公告)日: | 2018-01-12 |
发明(设计)人: | 倪彤光;顾晓清;王洪元;刘锁兰 | 申请(专利权)人: | 常州大学 |
主分类号: | G06K9/66 | 分类号: | G06K9/66;G06K9/46 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 213164 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种藏獒幼犬纯度的自动化识别系统,该系统包括用于采集藏獒幼犬图像的摄像头、用于藏獒幼犬纯度识别的处理器、用于输出识别结果的输出装置,所述处理器包括视频采集模块,用于获取所述摄像头捕获的藏獒幼犬的视频,图像处理模块,用于对获取的图像进行处理,纯度识别模块,用于对待检测藏獒幼犬的纯度进行识别;所述图像处理模块,包括预处理模块,用于对获取的藏獒幼犬视频进行平滑处理,特征提取模块,用于使用Tracking‑Learning‑Detection算法对藏獒幼犬进行定位,并使用Gabor算法进行特征提取;所述的纯度识别模块,包括一组基于类内类间散度的模糊支持向量机分类器。本发明克服传统方法主观性强、可重复性差的缺点,具有可靠性高、适用性强的特点。 | ||
搜索关键词: | 一种 幼犬 纯度 自动化 识别 系统 | ||
【主权项】:
一种藏獒幼犬纯度的自动化识别系统,其特征在于,包括用于采集藏獒幼犬图像的摄像头和用于进行藏獒幼犬纯度识别的处理器;进行藏獒幼犬纯度识别的处理器包括:视频采集模块,用于获取所述摄像头捕获的藏獒幼犬的视频;图像处理模块,用于对获取的图像进行处理;纯度识别模块,用于对待检测藏獒幼犬纯度的识别;识别结果输出装置,用于输出识别结果;所述图像处理模块包括:预处理模块,用于对获取的视频进行平滑处理;特征提取模块,首先使用TLD(Tracking‑Learning‑Detection)跟踪算法对藏獒幼犬的眼睛、鼻子、嘴巴、胸口、头部、躯干、尾巴部位定位并进行图像的截取,再使用Gabor算法对截取的图像进行特征提取;所述纯度识别模块由10个基于类内类间散度模糊支持向量机分类器构成,系统将藏獒幼犬的种类分为纯度80%以上、纯度50%‑80%、纯度30%‑50%、纯度10%‑30%、纯度低于10%共5类;并将上述的五个种类进行两两组合,组合成10组:纯度80%以上和纯度50%‑80%,纯度80%以上和纯度30%‑50%,纯度80%以上和纯度10%‑30%,纯度80%以上和纯度低于10%,纯度50%‑80%和纯度30%‑50%,纯度50%‑80%和纯度10%‑30%,纯度50%‑80%和纯度低于10%,纯度30%‑50%和纯度10%‑30%,纯度30%‑50%和纯度低于10%,纯度10%‑30%和纯度低于10%,因此系统共构建10个基于类内类间散度模糊支持向量机分类器;其中,构建基于类内类间散度模糊支持向量机分类器的步骤如下:步骤1对训练藏獒幼犬样本使用TLD跟踪算法定位并截取图像,再使用Gabor算法对截取的图像进行特征提取,并根据上述10种组合构建相应的藏獒幼犬训练样本集;步骤2在每个组合中构建两类训练样本的类内K‑近邻加权邻接图的权矩阵和类间K‑近邻加权邻接图的权矩阵其中,(k)表示数据集的类别编号,xi表示训练样本集中每个训练样本的特征值,步骤3生成两类训练样本的类内散度矩阵和类间散度矩阵;类内散度矩阵Sw:其中T表示矩阵的转置,xi∈N(xj)表示xi在xj的K‑近邻内,是映射函数,类间散度矩阵Sb:其中步骤4将两类训练样本输入到基于类内散度和类间散度模糊支持向量机中进行训练,基于类内类间散度模糊支持向量机的形式如下:minw,b,ξ12wTw+C+Σi=1N1mi+ξi+C-Σj=1N2mj-ξj+η12wTSww+η22wTSbw]]>其中w表示系数矩阵,C+和C‑分别为正负类的惩罚参数,ξi和ξj为松弛变量,yi∈{+1,‑1}通过将原先样本标签变形得到,和分别为正负类的模糊因子,N1和N2分别是两类训练样本的个数,η1和η2是两个正常数;上式转换成如下的二次规划形式:minβ12βTQβ]]>s.t.Σi=1N1+N2βiyi=0]]>0≤βi≤C+mi+,i=1,...,N1]]>0≤βj≤C-mj-,j=1,...,N2---(6)]]>其中,Q为(N1+N2)×(N1+N2)的半正定矩阵,Q=KT([K+η1K1(I(1)-Ww(1))T(I(1)-Ww(1))K1T+η1K2(I(2)-Ww(2))T(I(2)-Ww(2))K2T+η2K1(I‾(1)-Wb(1))T(I‾(1)-Wb(1))K1T+η2K2(I‾(2)-Wb(2))T(I‾(2)-Wb(2))K2T]-1K,]]>是核函数,矩阵K=[K1,K2],矩阵K1是矩阵K的前N1列,矩阵K2是矩阵K的前N2列,β=[β1,...,βN]T为拉格朗日系数向量;步骤5构建基于类内类间散度模糊支持向量机分类器,分类器的形式为:f(x)=sgn(Σi=1Nβi*K(x,xi)-1N2Σxi∈sv1Σj=1Nβj*yjK(xi,xj)+1N1Σxi∈sv2Σj=1Nβj*yjK(xi,xj))---(7)]]>其中是公式(6)的最优解;将所述图像处理模块提取的待检测藏獒幼犬特征输入到所述10个基于类内类间散度模糊支持向量机分类器中,采用投票机制统计10个分类器的判别结果,以10个结果中占得最多的类别作为待检测藏獒幼犬的类别。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于常州大学,未经常州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410591352.9/,转载请声明来源钻瓜专利网。