[發(fā)明專利]一種智能終端上的花卉識別方法

有效

• 申請?zhí)枺?/td>: 201410582707.8
• 申請日: 2014-10-27
• 公開（公告）號: CN104361348B
• 公開（公告）日: 2017-10-20
• 發(fā)明（設計）人: 郭禮華;廖啟俊
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 陳文姬

技術領域

本發(fā)明涉及人工智能領域，特別涉及一種智能終端上的花卉識別方法。

背景技術

自動的圖像分類可以讓機器插上智能的翅膀，為我們的生活提供便利。目前在圖像分類領域，其已經(jīng)取得了長足的進步和發(fā)展。在自動圖像分類方面已提出了多項發(fā)明專利。如專利CN103577475A提出的圖像分類系統(tǒng)：接收待分類圖片；讀取特征庫內的特征類目；根據(jù)所述特征類目提取所述待分類圖片的特征數(shù)據(jù)；匹配提取的特征數(shù)據(jù)與所述特征類目對應的預設特征數(shù)據(jù)，將特征數(shù)據(jù)可匹配的待分類圖片歸并為一類。但這種方法較為復雜，無法運行在硬件配置較低的終端上。專利CN103488756A設計了能在特定終端上運行的圖像分類系統(tǒng)，但由于其使用了特別設計的終端，無法廣泛使用。現(xiàn)在智能終端廣泛普及，成為了用戶獲取數(shù)據(jù)的重要途徑，急需一種可以運行在普通智能終端上的圖片分類系統(tǒng)。在智能終端上的應用需要根據(jù)不同的應用目標，而進行特定特征的選取和算法的優(yōu)化。

發(fā)明內容

為了克服現(xiàn)有技術的上述缺點與不足，本發(fā)明的目的在于提供一種智能終端上的花卉識別方法，能夠在移動終端上能快速地完成花卉識別的任務。

本發(fā)明的目的通過以下技術方案實現(xiàn)：

一種智能終端上的花卉識別方法，包括以下步驟：

S1在計算機上進行訓練過程：

S1.1采集用于訓練的常見花卉圖片，得到訓練圖片；按照花卉的類別，分別給每個訓練圖片加上標簽；

S1.2對訓練圖片進行局部形狀特征提取；所述局部形狀特征為密集采樣得到的SIFT(Scale-invariant feature transform)描述符特征；

S1.3對S1.2得到的局部形狀特征進行聚類：

S1.3.1對每個類別的花卉的訓練圖片的局部形狀特征進行K-means聚類，

分別得到每個類別的中心向量；

S1.3.2對S1.3.1得到的中心向量再進行K-means聚類，得到K₂個類中心，K₂為正整數(shù)；

S1.4利用類中心對每個訓練圖片的局部形狀特征進行編碼，得到局部形狀特征編碼向量，具體為：

S1.4.1利用S1.3.2得到的所有類中心建立KD樹；

S1.4.2在所有類中心中，對訓練圖片的每一個局部形狀特征尋找最近鄰的I個類中心；把局部形狀特征距離每個最近鄰類中心的2范數(shù)距離，賦予直方圖相應的維，生成每個局部形狀特征的類中心直方圖描述符；I為正整數(shù)；

S1.4.3把訓練圖片等分成W個區(qū)域，對每個區(qū)域里面的局部形狀特征的類中心直方圖描述符的每一維進行最大值抽取，最終得到每個區(qū)域的類中心直方圖描述符；W為正整數(shù)；

S1.4.4把W個區(qū)域的類中心直方圖描述符按順序級聯(lián)起來得到訓練圖片的局部形狀特征編碼向量；

S1.5對訓練圖片進行全局形狀特征向量和全局顏色特征向量提?。凰鋈中螤钐卣飨蛄繛镠OG(Histogram of Gradient,梯度直方圖)特征向量；所述全局顏色特征向量為HSV(Hue,Saturation,Value)特征向量；

S1.6將步驟S1.4局部形狀特征編碼向量、步驟S1.5得到的全局形狀特征向量和全局顏色特征向量級聯(lián)，并進行2范數(shù)歸一化，得到歸一化的總特征向量；

S1.7使用支持向量機，基于一對多的方法，對S1.6得到的歸一化的總特征向量進行訓練，得到訓練后的支持向量機模型；

S1.8把S1.3.2得到的類中心和S1.6得到的支持向量機模型封裝成XML格式，并放入智能終端軟件的安裝包；

S1.9在每類花卉的訓練圖片中選取多個訓練圖片作為每類花卉的樣例圖片，提取每個樣例圖片的全局顏色特征向量，將樣例圖片和每個樣例圖片的全局顏色特征向量放入智能終端軟件的安裝包；

S2在智能終端上的自動分類過程：

S2.1智能終端拍攝待識別物體的圖片，得到待識別圖片；

S2.2提取待識別圖片的局部形狀特征編碼向量，全局形狀特征向量和全局顏色特征向量；

S2.2.1根據(jù)S1.3.2得到的類中心，使用S1.4.1得到的KD樹，對待識別圖片的每一個局部形狀特征，尋找最近鄰的I個類中心；把局部形狀特征距離每個最近鄰類中心的2范數(shù)距離，賦予直方圖相應的維，生成每個局部形狀特征的類中心直方圖描述符；