专利名称：基于神经网络的彩色多目标融合识别技术及其系统的制作方法
技术领域：
本发明属于基于神经网络识别技术及其系统，特别涉及一种基于人工神经网络的彩色多目标融合识别技术及其系统应用领域目前目标自动识别研究的目的都是用机器代替人工完成识别工作。国内外在目标识别的研究中，对于简单的单色目标识别已取得很大进展，如中文和英文字符的识别已达到商品化程度。而对具有不同色彩及形状细节特征不同的多物体识别，即彩色目标的识别研究，正处在发展阶段。目前，以彩色图像处理为基础的对彩色目标的识别技术，目前还处在使用人工方法进行手动操作的阶段。如大恒公司的细胞识别系统就是使用手动调节颜色阈值来进行细胞数目统计的。
本发明的目的是提供一种基于神经网络的彩色多目标融合识别技术及其系统，克服现有技术的缺点和不足。本技术首次研制出应用人工神经网络彩色多目标识别技术的自动识别系统。本系统采用多级背传神经网络技术，按待测目标的特征色将一般的三基色通道压缩为单色彩通道对数据进行处理，可大大压缩信息量，对具有对在取向、尺度及色彩等方面的单项或多项综合畸变的多目标具有畸变不变的识别能力。
本发明的目的是这样实现的1系统结构本彩色多目标识别系统硬件结构如
图1所示。系统硬件由以下几部分组成①彩色CCD，用以摄取景物并输出标准的动态视频信号。②图像采集接口卡，实时地将CCD提供的视频信号转换为计算机所能处理的数字彩色图像数据并存储到计算机中。③计算机系统，此部分可以接受数字彩色图像数据、进行运算并输出识别结果。④目标承载台，此台用于测试系统性能时，改变目标的取向和相对于观测点的位置。彩色目标识别系统的主体是计算机系统及其外围设备。相应识别软件是一套在Windows操作系统下，用Microsoft公司开发的Visual C++编写的Windows应用程序，此程序操作简单，可快速地处理接受到的彩色图象数据，将识别结果输出到计算机屏幕上，并以声音形式提示操作者已完成识别工作。识别结果包括目标数目、种类、色彩、位置及识别时间。
2工作原理图2给出了本系统工作的原理图。识别系统中的彩色CCD摄像机将外部包含了待识别目标及其复杂背景的视场信息转换为标准PAL制式的视频图像信号并输出。该视频图像信号输入到与计算机总线接口的图像采集卡中，图像采集卡将视频图像信号转换为计算机所能处理的数字图像信号并存储在计算机中。
计算机在获得彩色图像数据后，使用目标的特征色进行色彩滤波，将三通道彩色信息压缩到一个二值通道内。使用形态学方法对该二值通道的图形进行滤波，对目标进行定位。然后对原始图像进行局域分割，使用多层BP神经网络对彩色图像进行照明不变性分色，得到目标的完整轮廓。使用几何变换法，将任意取向目标的特征轴旋转到一个特定的取向，实现取向归一以后，通过对特征区域的面积积分实现目标识别。
技术细节1应用彩色目标的特征色进行通道压缩设目标特征颜色的颜色向量为S，图像上任何一点的颜色为X(其中S和X都是三维矢量)。应用公式(1)得到一单通道图像。 其中C、A、α为常数，其大小依彩色图象的数据格式及颜色提取精度决定。根据彩色目标的特征色进行色彩滤波，实现通道压缩，从而可以在单通道中进行形态学面积滤波方法确定目标位置。这种应用特征色滤波进行通道压缩的方法，可以大大减少目标定位的运算量，提高运算速度。2应用多级神经网络实现图像分割彩色目标的整体形态轮廓信息是分布在不同色彩通道内的。为在单通道中恢复目标的完整特征，应用多层神经网络方法实现目标的局部色彩分类。选用三层BP神经网络，其输入层除图像的颜色值RGB外，还有一个偏置输入，共四个神经元。其中间层是八个神经元，而输出层有两个神经元。结构如图3所示。该方法可以在目标色彩存在畸变的条件下，实现畸变不变识别。3应用几何变换方法实现旋转不变识别目标旋转应用如下公式I＝i*cosθ+j*sinθj＝-i*sinθ+j*cosθ(2)式中i、j为未旋转时像素的坐标，i’j’为旋转后的位置，θ为旋转的角度。应用几何变换中的旋转方法可将目标的取向进行归一，即将目标的特征长轴确定在统一的坐标轴上。此取向归一处理方法可大大减少的判断过程需要的样本数目和时间。有利于同时识别多目标。
应用多级人工神经网络技术，采用特征色彩及形态学滤波方法实现通道压缩、目标定位和图像分割。在彩色目标存在尺度、面内取向、面外、角度及色彩等方面的综合畸变的条件下，可实现对多个彩色目标的快速实时识别。基于神经网络的彩色多目标融合识别技术及其系统。
本发明的特点及优点是1识别目标种类具有不同彩色及形态的多个待测目标，2待测场景条件彩色背景3目标畸变类型及容许范围位置(直径800mm视野内任意点)，取向(0°-360°)，及倾斜度(25°)，尺度(±10％)，照度及色彩方面的单项或多项变化，4正确识别率＞98％，5多目标识别时间＜1秒。
优点1、系统直接对多个彩色目标所在场景进行实时识别，而不是对由计算机产生的或事先拍摄的图片进行事后识别。
2、采用特征色方法进行色彩通道压缩，将传统的三基色通道压缩为单彩色通道，大大压缩了信息量，缩短了预处理和识别时间。
3、通过归一方法实现旋转不变识别，可大大减少训练样本数量及训练时间。
4、采用多级BP神经网络技术对彩色多目标进行图像分割，可实现尺度，形态及色彩的综合畸变不变识别。
5、全部处理过程实现自动化，无需人工辅助寻找造目标。
图1是基于神经网络的彩色多目标融合识别技术系统结构示意2是基于神经网络的彩色多目标融合识别技术系统工作原理3是BP神经网络结构图此系统可应用于自动实时识别多个具有不同颜色和形状特征的目标，在交通监察、特定车辆的侦缉、违章车辆自动记录及细胞检测等方面具有广阔的应用前景。
权利要求
1.一种基于神经网络的彩色多目标融合识别系统，其特征为1系统结构本彩色多目标识别系统硬件结构由以下几部分组成①彩色CCD，用以摄取景物并输出标准的动态视频信号，②图像采集接口卡，实时地将CCD提供的视频信号转换为计算机所能处理的数字彩色图像数据并存储到计算机中，③计算机系统，此部分可以接受数字彩色图像数据、进行运算并输出识别结果，④目标承载台，此台用于测试系统性能时，改变目标的取向和相对于观测点的位置，彩色目标识别系统的主体是计算机系统及其外围设备，相应识别软件是一套在Windows操作系统下，用Microsoft公司开发的Visual C++编写的Windows应用程序，此程序操作简单，可快速地处理接受到的彩色图象数据，将识别结果输出到计算机屏幕上，并以声音形式提示操作者已完成识别工作，识别结果包括目标数目、种类、色彩、位置及识别时间。
2.根据权利要求1所述的基于神经网络的彩色多目标融合识别技术，其特征为在识别系统中的彩色CCD摄像机将外部包含了待识别目标及其复杂背景的视场信息转换为标准PAL制式的视频图像信号并输出，该视频图像信号输入到与计算机总线接口的图像采集卡中，图像采集卡将视频图像信号转换为计算机所能处理的数字图像信号并存储在计算机中；计算机在获得彩色图像数据后，使用目标的特征色进行色彩滤波，将三通道彩色信息压缩到一个二值通道内；使用形态学方法对该二值通道的图形进行滤波，对目标进行定位；然后对原始图像进行局域分割，使用多层BP神经网络对彩色图像进行照明不变性分色，得到目标的完整轮廓。使用几何变换法，将任意取向目标的特征轴旋转到一个特定的取向，实现取向归一以后，通过对特征区域的面积积分实现目标识别。
3.根据权利要求2所述的基于神经网络的彩色多目标融合识别技术，其特征为应用彩色目标的特征色进行通道压缩设目标特征颜色的颜色向量为S，图像上任何一点的颜色为X，其中S和X都是三维矢量。应用以下公式得到一单通道图像。 其中C、A、α为常数，其大小依彩色图象的数据格式及颜色提取精度决定；根据彩色目标的特征色进行色彩滤波，实现通道压缩，从而可以在单通道中进行形态学面积滤波方法确定目标位置。这种应用特征色滤波进行通道压缩的方法，可以大大减少目标定位的运算量，提高运算速度。
4.根据权利要求2所述的基于神经网络的彩色多目标融合识别技术，其特征为应用多级神经网络实现图像分割；彩色目标的整体形态轮廓信息是分布在不同色彩通道内的；为在单通道中恢复目标的完整特征，应用多层神经网络方法实现目标的局部色彩分类。选用三层BP神经网络，其输入层除图像的颜色值RGB外，还有一个偏置输入，共四个神经元，其中间层是八个神经元，而输出层有两个神经元，该方法可以在目标色彩存在畸变的条件下，实现畸变不变识别；
5.根据权利要求2所述的基于神经网络的彩色多目标融合识别技术，其特征为应用几何变换方法实现旋转不变识别i＝i*cosθ+j*sinθj＝-i*sinθ+j*cosθ(2)目标旋转应用如下公式式中i、j为未旋转时像素的坐标，i’、j’为旋转后的位置，θ为旋转的角度；应用几何变换中的旋转方法可将目标的取向进行归一，即将目标的特征长轴确定在统一的坐标轴上。
全文摘要
基于神经网络的彩色多目标融合识别技术及其系统是应用多级人工神经网络技术,采用特征色彩及形态学滤波方法实现通道压缩、目标定位和图像分割。在彩色目标存在尺度、面内取向、面外、角度及色彩等方面的综合畸变的条件下,可实现对多个彩色目标的快速实时识别。系统直接对多个彩色目标场景进行实时识别,大大压缩了信息量,缩短了预处理和识别时间。训练样本数量少及训练时间短。可实现尺度,形态及色彩的综合畸变不变识别。
文档编号G06F3/00GK1361503SQ0013666
公开日2002年7月31日 申请日期2000年12月29日 优先权日2000年12月29日
发明者翟宏琛, 孙杰, 唐安亮, 张延 , 母国光 申请人:南开大学