[發明專利]一種仿生模式識別方法及其裝置

有效

• 申請號: 201811119602.3
• 申請日: 2018-09-25
• 公開（公告）號: CN109325536B
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 楊國為;萬鳴華;楊章靜;張凡龍;詹天明;楊鵬
• 申請（專利權）人: 南京審計大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 郭燕;彭愿潔

1.一種仿生模式識別方法，其特征在于，包括以下步驟：

獲取待檢測樣本，所述待檢測樣本為待檢測實物的圖像信息；

根據一分類器對所述待檢測樣本進行種類識別，所述分類器包括至少一個樣本種類的識別區域和分類器的拒識區域，根據樣本種類的識別區域和分類器的拒識區域對所述待檢測樣本的種類進行識別；

輸出所述待檢測樣本的識別結果，所述識別結果包括待檢測樣本具體屬于哪一個樣本種類，或者待檢測樣本屬于拒識樣本或待識樣本；

所述分類器的每個樣本種類的識別區域和分類器的拒識區域的獲取過程包括：構造同類特征集合的緊密包裹集，其包括優化致密性參數，以及構造所述緊密包裹集；求解同類特征區域緊密包裹曲面，其包括求解分類決策函數和分類決策曲面；設置所述分類器的拒識機制，其包括求出每個樣本種類對應的判別函數和分類決策緊密包裹曲面，將每個樣本種類對應的分類決策緊密包裹曲面之內的區域設置為該樣本種類的識別區域，將每個樣本種類對應的分類決策緊密包裹曲面之外的區域設置為該樣本種類的拒識區域，將所述各分類決策緊密包裹曲面之外的公共區域設置為所述分類器的拒識區域，所述分類器的拒識區域是各個樣本種類的拒識區域的交集區域；

從同類特征區域采集同類特征點集合C,C有M個點，用X₁,X₂,…,X_M表示，則所述致密性參數的優化方法包括：

計算X_j的第一近鄰X_j1：

計算X_j的第二近鄰X_j2：

......

計算X_j的第N+1近鄰X_jN+1：

計算X_j與近鄰的最大距離：

計算ε的次優估計：其中，ε為致密性參數，N為特征空間維度；

所述緊密包裹集的構造步驟為：

構造M個點的超球鄰域判別函數：1≤j≤M；

由每一個X_j＝(x_j1,…,x_ji,…,x_jN),1≤j≤M派生出2N個點(x_j1,…,x_ji±ε,…,x_jN),1≤i≤N；

檢測所有派生點(x_j1,…,x_ji±ε,…,x_jN),1≤i≤N，1≤j≤M是否在Π(X_j)，1≤j≤M中，把不在任何一個超球鄰域Π(X_j)，1≤j≤M內的所述派生點集合起來就得緊密包裹集I(C)；

同類特征區域緊密包裹曲面的求解過程包括：把特征空間變換至更高的維度并建立優化模型；引入拉格朗日函數對優化模型進行求解；用二次優化問題求解方法求解對偶問題；求解分類決策函數和分類決策曲面。

2.如權利要求1所述的仿生模式識別方法，其特征在于，所述根據樣本種類的識別區域和分類器的拒識區域對所述待檢測樣本的種類進行識別，包括：

若所述分類器中樣本種類的數量為一時，則按照該樣本種類的識別區域對所述待檢測樣本進行識別；

若所述分類器中樣本種類的數量多于一時，則將各個樣本種類按照預設的優先級進行排序，按照排序后的各個樣本種類的識別區域依次對所述待檢測樣本的種類進行識別；

對于每個樣本種類，將檢測所述待檢測樣本是否屬于該樣本種類的識別區域，當所述待檢測樣本檢測為在該樣本種類的識別區域內時，則確定所述待檢測樣本屬于該樣本種類。

3.如權利要求1或2所述的仿生模式識別方法，其特征在于，所述根據樣本種類的識別區域和分類器的拒識區域對所述待檢測樣本的種類進行識別，還包括：

按照所述分類器的拒識區域對所述待檢測樣本的種類進行識別，當所述待檢測樣本檢測為在所述分類器的拒識區域內時，則確定所述待檢測樣本屬于所述分類器的拒識樣本或待識樣本。