[發(fā)明專利]一種無標(biāo)記模式動(dòng)物個(gè)體的自動(dòng)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710544932.6
• 申請(qǐng)日: 2017-07-06
• 公開（公告）號(hào): CN107330472A
• 公開（公告）日: 2017-11-07
• 發(fā)明（設(shè)計(jì)）人: 孫明竹;趙新;白云翔;樊志
• 申請(qǐng)（專利權(quán)）人: 南開大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 天津耀達(dá)律師事務(wù)所12223
• 代理人: 張耀

1.一種無標(biāo)記模式動(dòng)物個(gè)體的自動(dòng)識(shí)別方法，其特征在于該方法包括：

1)采集模式動(dòng)物運(yùn)動(dòng)圖像序列，建立圖像序列背景模型；

2)在圖像序列中提取包含模式動(dòng)物的圖像感興趣區(qū)域，通過圖像處理形成圖像樣本；

3)針對(duì)多個(gè)模式動(dòng)物的圖像樣本建立視覺分類器；

4)利用視覺分類器對(duì)模式動(dòng)物進(jìn)行個(gè)體識(shí)別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：

步驟1)中，循環(huán)讀取采集到的模式動(dòng)物圖像序列，對(duì)一段時(shí)間序列圖像進(jìn)行靜態(tài)建模，選取統(tǒng)計(jì)均值作為背景；選擇適應(yīng)性背景閾值，解決光照不均勻?qū)е碌墓獍邌栴}。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：

步驟2)中，根據(jù)樣本拍攝情況制定目標(biāo)圖像灰度閾值和面積閾值，采用背景減除算法提取包含模式動(dòng)物的圖像感興趣區(qū)域，橢圓擬合獲取目標(biāo)相關(guān)信息；同時(shí)根據(jù)目標(biāo)軀體傾斜角度將其旋轉(zhuǎn)到正右方，并截取運(yùn)動(dòng)過程中不易發(fā)生變形的剛性軀體部分；用尺度縮放方法將系列圖像樣本縮放到指定的尺度大小，保證獲取到的HOG特征維數(shù)一致性。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：

步驟3)中，采用HOG算法處理目標(biāo)圖像樣本，遍歷輸出可標(biāo)識(shí)模式動(dòng)物的HOG特征，通過SVM算法對(duì)所得特征進(jìn)行處理參數(shù)尋優(yōu)，確定適用于該動(dòng)物個(gè)體識(shí)別的SVM分類器參數(shù)；在此參數(shù)基礎(chǔ)上，對(duì)目標(biāo)特征進(jìn)行訓(xùn)練，求取特征空間上間隔最大的線性分類器，即得到SVM分類器。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于：

步驟4)中，采集待識(shí)別的目標(biāo)運(yùn)動(dòng)圖像序列，獲得待識(shí)別目標(biāo)的HOG特征，輸入到已經(jīng)訓(xùn)練好的SVM分類器中，對(duì)其進(jìn)行分析處理，得到每個(gè)目標(biāo)分別被判別為每一類樣本的概率，選取其中最大分類概率確定為該目標(biāo)分類類別，由此達(dá)到個(gè)體識(shí)別的目的。