[发明专利]基于Fisher判别字典学习的仓库货品识别方法

摘要

本发明涉及了一种基于Fisher判别字典学习的仓库货品识别方法。首先将不同条件下采集到的仓库货品图像分为两部分训练样本集和测试样本集。对这两种样本集分别进行预处理，然后重排像素值并经过PCA降维。训练样本集通过Fisher准则方法学习得到一个判别的字典，使用判别字典的线性加权表示一个测试样本。采用最小二乘法求解L2范数最小化问题，得到测试样本在该判别字典下的稀疏表示矩阵。最后由各类别的重构误差和稀疏编码系数构成的ei来实现对仓库货品的识别。本发明解决了传统识别方法受选取的特征影响大，识别过程比较复杂以及一般字典在构造过程中丢失大量分类信息的问题。本发明能够实现不同货品的准确快速识别，为智能化仓库的实现的奠定了基础。

主权项

一种基于Fisher判别字典学习的仓库货品识别方法。其特征在于：Fisher判别字典的学习综合考虑了两方面因素，一是字典原子和类别标签相对应，使同类的重构误差最小；另一方面使得稀疏编码系数的类内误差最小、类间误差最大。在分类时，重构误差和稀疏编码系数判别信息共同用于分类识别。同时，所用字典的维度和字典原子个数可以较少，数据量减少、更简单快速。并且该方法获得了更高的准确率，同时提高了识别速度，对抗噪声干扰有较好的鲁棒性。