专利名称：载物识别图像的分类方法
技术领域：
本发明涉及图像处理技术领域，特别是涉及一种对购物车下层载 物识别图像的分类方法。
背景技术：
在超巿中购物经常会使用到购物车，而购物车通常又分为上下两 层，上层为购物筐，下层为一个开放的支架，可以放置较大的物品， 比如成箱可乐或者成箱牛奶等，当顾客推购物车到收银台付款时,收 款员可以清楚地看到上层购物筐中的物品，但却看不到下层支架上的 物品，顾客也容易忽视放在下层的物品，导致经常发生顾客有意或无 意地将未付款商品带出超巿，给超巿带来不必要的损失。解决的办法 之一是利用监视系统自动拍摄购物车下层图像，然后对此图像进行分 类，识别出是否为载物图像，从而判断购物车的下层是否载有商品。
图像分类是根据图像中的目标在图像信息中所反映的不同特征， 把不同类别的目标区分开来的图像处理方法。图像分类利用计算机对 图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个 类别中的某一种，以代替人的视觉判读。常见的图像分类方法有以下
两种 一是图像空间的分类方法，利用图像的灰度、颜色、紋理、形 状、位置等底层特征对图像进行分类，图像空间的分类方法的共同缺 点是数据量大，计算复杂性高，但分类精度一般比较理想；二是特征 空间的分类方法，首先将原始图像经过某种变换(如K-L变换、小波 变换等)变换到特征空间，然后在特征空间提取图像的高层特征以实 现图像的分类，这类分类方法尤以紋理图像分类和遥感图像分类最 多，特征空间的分类方法可降低数据维数，降低计算复杂性，但问题 相关性较强，与特征提取的方法和效果有很大关系。
5本发明要解决的技术问题在于提供 一种载物识别图像的分类方 法，存储数据量少，计算复杂性低，能够在硬件性能不高的条件下实 现快速准确地对图像进行分类。
为解决上述技术问题，本发明提供 一种载物识别图像的分类方
法，所述方法包括以下步骤
步骤0，建立载物识别图像的样本图像库，取样本图像中载物区 域的N (N为正整数)条线段作为样本线段；
步骤l，对彩色载物识别采集图像进行图像灰度化处理，得到初 级灰度釆集图像；
步骤2，对所述初级灰度采集图像进行图像增强处理，得到增强 釆集图像；
步骤3，对所述增强釆集图像进行灰度转换，得到灰度级小于初 级灰度釆集图像的低级灰度釆集图像；
步骤4，提取所述低级灰度釆集图像的比较区域；
步骤5，选择所述低级灰度釆集图像的比较区域中与所述样本线
段位置对应的N条线段作为比较线段，把所述比较线段和所述样本 线段位置对应的线段作为比较线段对，N为正整数；
步骤6，比较每个比较线段对，若比较线段对的各灰度级的相似 度大于或等于第一阈值，则此比较线段对相同，当相同的比较线段对 的数量大于或等于第二阈值时，则具有所述比较线段的彩色载物识别 釆集图像和具有所述样本线段的样本图像属于同类图像。
其中，步骤O中所述样本线段的条数N采用下述方式确定
按照所述分类方法对所述样本图像进行分类，根据所述样本图像 的分类数据，采用曲线拟合计算得出所述样本线段的条数N和所述 样本图像分类的准确率之间的关系曲线，然后根据指定的准确率来确 定所述样本线段的条数N。
其中，步骤l中所述图像灰度化处理，具体包括以下步骤对所述彩色载物识别釆集图像的R、 G、 B三个分量分别赋予不 同的权值，彩色载物识别釆集图像各像素的灰度值为对应像素的R、
G、 B三个分量的加权和。R、 G、 B三个分量的权值可为R分量的 权值WfO.ll， G分量的权值Wf0.59， B分量的权值WB=0.3。
其中，步骤2中所述图像增强处理，具体为
对所述灰度釆集图像进行直方图均衡化处理，使所述灰度采集图 像的直方图为均勻分布。'
其中，步骤3中所述灰度转换，具体为
对所述增强釆集图像的灰度级范围进行等量化分，得到两个以上 范围相等的子范围，给每个子范围赋予一个灰度级，得到灰度级小于 初级灰度釆集图像的低级灰度采集图像。所述初级灰度釆集图像的灰 度级可为256级，所述低级灰度采集图像可为4级灰度图像。
其中，步骤4中所述提取低级灰度图像的比较区域，具体包括以 下步骤
根据样本图像中载物区域的边界像素坐标，在所述低级灰度釆集 图像的上边界直线上、下边界直线上和右边界直线上分别确定一个 点，由上边界直线上的点和下边界直线上的点连成的直线、右边界直 线上的点所在的水平直线、右边界直线和下边界直线围成的区域为比 较区域，将比较区域从低级灰度釆集图像中分割提取出来。
其中，所述比较线段可相互平行。
其中，步骤6中所述比较线段对的各灰度级的相似度，具体为
<formula>formula see original document page 7</formula>
其中，i为灰度级;Ai为样本线段i灰度级的像素数量；Xi为比较 线段i灰度级的像素数量；yi为i灰度级的相似度。
其中，如果对所述彩色载物识别采集图像分类错误，则将分类错 误的彩色载物识别采集图像作为样本图像放入样本图像库中。
根据本发明的技术方案进行图像分类，提取方法简单，处理速度快，大大减少了数据的存储量和比较量；还可以具有自学习功能。
图l是本发明实施例的载物识别图像的分类方法流程图； 图2是本发明实施例的提取比较区域的示意图。
具体实施例方式
下面结合附图和实施例，对本发明的具体实施方式
作进一步详细 说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
为了及时发现超巿购物车下层载有的商品，我们开发了 一种超巿 购物车载物识别在线监测系统，系统利用安装在收银台下部的摄像头 自动拍摄购物车下层图像，来自动监视每辆经过的购物车的下层，并 对图像进行快速分析处理，识别出该购物车的下层是否载有商品，如 果购物车下层载有商品，则将商品图片显示在监视器上并产生告警。 但是收银台下部摄像头的安装位置是固定的，购物车从收银台前的通 道通过时，进入的角度、推行的速度都会有所不同，而且背景画面及 环境亮度变化均较大，导致对图像样本数据的识别比较困难。此外， 在一个中大型超巿中，通常会有几十个收银台，监视设备的安装数量 很大，而且监视设备的工作环境比较恶劣，温度、湿度和清洁度均不 能保证，由于超市工作的特殊性，在这种环境下，系统必须具备每天 至少连续工作10小时以上的能力，所以必须考虑设备运行的可靠性和 稳定性，以保证系统能够长时间不间断工作。为了保证系统稳定，实 际系统的主板釆用工业级标准，为了确保工作的稳定，釆用无风扇设 计，靠自然冷却降低温度，避免了因为环境恶劣导致风扇停转从而系 统不稳定的故障产生，为了达到这一目的，我们釆用了低功耗的工业 控制级CPU,但带来的问题是低功耗产品为了避免发热往往主频都不 是很高，也就是说，CPU的性能会比较低；因此，摆在设计人员面前 的一道难题就是，必须要在运算速度不是很高的CPU下完成大数据量 的复杂的图像识别处理，并且其实时性和准确率还必须符合要求。这就需要一种载物识别图像的快速分类方法，在机器性能不高的硬件环 境下，方法简单，存储数据量少，计算复杂性低，利用该方法，能够 快速准确对图像进行分类，从而判断购物车下层是否载物。
本发明实施例的载物识别图像的分类方法流程图如图l所示，该 方法包括以下步骤
步骤s100,建立载物识别图像的样本图像库。样本图像为非载物 图像，即表明下层没有载物的图像样本。对样本图像按照步骤s101 至s103进行处理，得到低级灰度样本图像，计算低级灰度样本图像
中载物区域的边界像素坐标统计值，取低级灰度样本图像中载物区域
的N(N为正整数)条线段作为样本线段，存储样本线段的各级灰度 像素数量的累加值，其中，样本线段的条数N的计算方法为采用 曲线拟合计算得出所述样本线段的条数N和所述样本图像分类的准 确率之间的关系曲线，然后根据给定的准确率来确定所述样本线段的 条数N。
步骤sl01，对彩色载物识别釆集图像进行图像灰度化处理。对彩 色载物识别采集图像的R、 G、 B三个分量分别赋予不同的权值R 分量的权值WfO.ll，G分量的权值Wo=0.59，B分量的权值WB=0.3, 釆集图像各像素的灰度值Gray为对应像素的R、 G、 B三个分量的加 权和Gray二W,R + W—G + WsxB,得到初级(例如256级)灰度采 集图像。
步骤sl02，对初级灰度釆集图像进行图像增强。对初级灰度釆集 图像进行直方图均衡化处理，使所述初级灰度釆集图像的直方图为均 勾分布，得到增强采集图像。
步骤sl03，对增强采集图像进行低级灰度转换。例如，对所述增 强釆集图像的灰度级范围4等分，得到4个范围相等的子范围(0-63 ), (64-127),(128-191), (192-255)，给每个子范围赋予一个灰度级 (0-63 )为0级，(64-127 )为1级，(128-191 )为2级，(192-255 )为3级，得到4级的低级灰度采集图像。
步骤sl04，提取低级灰度采集图像的比较区域。如图2所示的本
实施例的提取比较区域，根据低级灰度样本图像中载物区域的边界像 素坐标统计值，在所述低级灰度釆集图像的上边界直线上确定一点
A,下边界直线上确定一点B,右边界直线上确定一点C，上边界直 线上和下边界直线上的两点A、 B连成直线L1，直线L2是过右边界 直线上的点C的水平直线，直线L1、 L2的交点为D,则由点B、 C、 D及图像右下角组成的区域即为比较区域，将比较区域从低级灰度釆 集图像中分割提取出来。
步骤sl05，在比较区域中选择N条平行的比较线段。选择所述
低级灰度釆集图像的比较区域中与所述样本线段对应位置的线段作 为比较线段，把所述比较线段和所述样本线段对应位置的线段作为比 较线段对。
步骤sl06，计算每条比较线段的各灰度级的像素数量。
步骤sl07,从样本图像库中取一幅样本图像，得到此幅样本图像 的样本线段各灰度级的像素数量。
步骤s108,比较采集图像是否与样本图像相同。根据 y^l-IAi-Xil/Ai计算每个比较线段对的各灰度级的相似度，其中，i为 灰度级，Ai为样本线段i灰度级的像素数量，Xi为比较线段i灰度级 的像素数量，yi为i灰度级的相似度。比如，若各灰度级的相似度都 大于或等于第一阈值0.8，则认为此比较线段对相同，如果对分类精 度要求较高，第一阔值可以设为l,此时，比较线段对的各灰度级的 像素数量分别相同(y严l)才认为此比较线段对相同。若相同的比较 线段对的数量大于或等于指定阈值，则彩色载物识别釆集图像与样本 图像相同，彩色载物识别釆集图像为无载物图像，若彩色载物识别采 集图像与样本图像不同，则转步骤sl09。
步骤sl09，判断样本库中的样本是否比较完毕。若比较完毕，则
10彩色载物识别采集图像为载物图像;若没有比较完毕，则转步骤S107。 此外，如果对所述彩色载物识别釆集图像分类错误，在没有载物 的情况下识别成载物图像，则将分类错误的彩色载物识别釆集图像作 为非载物的样本图像放入样本图像库中。
与现有技术相比，本发明的技术方案具有如下优点图像灰度化 处理既保留了原来的图像信息又缩短了图像处理时间；图像灰度转换 得到低级灰度图像，处理速度快；比较区域的提取方法简单，处理速 度快；只存储和比较低级灰度图像中载物区域部分线段的各级灰度像 素数量，大大减少了数据的存储量和比较量；能对分类错误的载物识 别图像进行处理，具有自学习功能；另外，为适应新环境的需要，可 重新采样，建立样本图像库。因而，依照本发明的分类方法，可以在 硬件性能不高的条件下实现快速准确地对图像进行分类。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领 域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以 做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
权利要求
1、一种载物识别图像的分类方法，其包括以下步骤步骤0，建立所述载物识别图像的样本图像库，取样本图像中载物区域的N条线段作为样本线段，N为正整数；步骤1，对彩色载物识别采集图像进行图像灰度化处理，得到初级灰度采集图像；步骤2，对所述初级灰度采集图像进行图像增强处理，得到增强采集图像；步骤3，对所述增强采集图像进行灰度转换，得到灰度级小于初级灰度采集图像的低级灰度采集图像；步骤4，提取所述低级灰度采集图像的比较区域；步骤5，选择所述低级灰度采集图像的比较区域中与所述样本线段位置对应的N条线段作为比较线段，把所述比较线段和所述样本线段位置对应的线段作为比较线段对；步骤6，比较每个比较线段对，若比较线段对的各灰度级的相似度大于或等于第一阈值，则此比较线段对相同，当相同的比较线段对的数量大于或等于第二阈值时，则具有所述比较线段的彩色载物识别采集图像和具有所述样本线段的样本图像属于同类图像。
2、 如权利要求l所述的载物识别图像的分类方法，其特征在于， 釆用下述方式确定步骤0中所述样本线段的条数N:按照所述分类方法对所述样本图像进行分类，根据所述样本图像 的分类数据，采用曲线拟合计算得出所述样本线段的条数N和所述 样本图像分类的准确率之间的关系曲线，然后根据指定的准确率来确 定所述样本线段的条数N。
3、 如权利要求l所述的载物识别图像的分类方法，其特征在于， 步骤l中所述图像灰度化处理，具体包括以下步骤对所述彩色载物识别釆集图像的R、 G、 B三个分量分别赋予不同的权值，所述彩色载物识别釆集图像各像素的灰度值为对应像素的R、 G、 B三个分量的加权和。
4、 如权利要求3所述的载物识别图像的分类方法，其特征在于， 对所述彩色载物识别釆集图像的R、 G、 B三个分量分别赋予不同的 权值，具体为R分量的权值WR=0.11, G分量的权值Wf0.59， B分量的权值 WB=0.3。
5、 如权利要求l所述的载物识别图像的分类方法，其特征在于， 步骤2中所述图像增强处理，具体为对所述灰度釆集图像进行直方图均衡化处理，使所述灰度釆集图 像的直方图为均匀分布。
6、 如权利要求l所述的载物识别图像的分类方法，其特征在于， 步骤3中所述灰度转换，具体为对所述增强釆集图像的灰度级范围进行等量划分，得到两个以上 范围相等的子范围，给每个子范围赋予一个灰度级，得到灰度级小于 初级灰度采集图像的低级灰度釆集图像。
7、 如权利要求6所述的载物识别图像的分类方法，其特征在于，所述初级灰度釆集图像的灰度级为256级。
8、 如权利要求l所述的载物识别图像的分类方法，其特征在于， 步骤4中所述提取低级灰度釆集图像的比较区域，具体包括以下步 骤根据样本图像中载物区域的边界像素坐标，在所述低级灰度釆集 图像的上边界直线上、下边界直线上和右边界直线上分别确定一个 点，由上边界直线上的点和下边界直线上的点连成的直线、右边界直 线上的点所在的水平直线、右边界直线和下边界直线围成的区域为所 述比较区域，将所述比较区域从所述低级灰度釆集图像中分割提取出 来。
9、如权利要求l所述的载物识别图像的分类方法，其特征在于, 所述比较线段对的各灰度级的相似度，具体为-.其中，i为灰度级;Ai为样本线段i灰度级的像素数量；Xi为比较 线段i灰度级的像素数量；yi为i灰度级的相似度。
10、 如权利要求1至9任一项所述的载物识别图像的分类方法， 其特征在于，所述低级灰度釆集图像为4级灰度图像。
11、 如权利要求1至9任一项所述的载物识别图像的分类方法， 其特征在于，所述比较线段相互平行。
12、 如权利要求1至9任一项所述的载物识别图像的分类方法， 其特征在于，如果对所述彩色载物识别釆集图像分类错误，则将分类 错误的彩色载物识别釆集图像作为样本图像放入样本图像库中。
全文摘要
本发明公开了一种载物识别图像的分类方法，其包括以下步骤建立载物识别图像的样本图像库；对彩色载物识别采集图像进行图像灰度化处理；对灰度采集图像进行图像增强；对增强采集图像进行灰度转换得到低级灰度采集图像；提取低级灰度采集图像的比较区域；在比较区域中选择N条平行的比较线段；计算每条比较线段的各灰度级的像素数量；比较采集图像是否与样本图像相同等。与现有技术相比，本发明的技术方案具有如下优点大大减少了数据的存储量和计算量，方法简单，处理速度快，且具有自学习功能。
文档编号G06K9/00GK101625722SQ200910090448
公开日2010年1月13日 申请日期2009年8月11日 优先权日2009年8月11日
发明者华松青, 杨仁刚, 段青玲 申请人:中国农业大学