专利名称：一种生物检测方法、装置及生物检测器的制作方法
技术领域：
本申请涉及模式识别技术领域，更具体的说，是涉及一种生物检测方法、装置及生物检测器。
背景技术：
目前，国内外对于生物尤其是野生动物的识别检测主要以动物的斑纹为特征进行识别为主要识别方案，例如斑马、长颈鹿等 ，即对待识别图像中的生物的斑纹进行识别该待识别图像中的生物是否为斑马或长颈鹿等。但现有的上述方案无法广泛应用于其他动物的准确识别，尤其是对大熊猫为代表的没有明显纹路特征的生物。
发明内容
有鉴于此，本申请提供了一种生物检测方法、装置及生物检测器，用以解决现有的生物识别方案中无法广泛应用于除斑马或长颈鹿之外的生物的准确识别，尤其是大熊猫等生物的技术问题。为实现上述目的，本申请提供如下技术方案一种生物检测方法，包括提取待识别图像中未知生物的颜色特征数据及形状特征数据；计算所述颜色特征数据与所述形状特征数据的高斯混合概率；判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。上述方法，优选的，所述颜色特征数据包括与所述待识别图像中未知生物相对应的一维特征矢量值；所述提取待识别图像中未知生物的颜色特征数据包括提取待识别图像中未知生物的图像数据；获取所述未知生物的图像数据的颜色空间矢量；其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量；将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维；依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值。上述方法，优选的，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。上述方法，优选的，所述提取待识别图像中未知生物的形状特征数据包括提取待识别图像中未知生物的图像数据；将所述未知生物的图像数据转换为灰度图像数据；提取所述灰度图像数据中每个像素点的灰度值；依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。
上述方法，优选的，所述计算所述颜色特征数据与所述形状特征数据的高斯混合概率包括获取预设的生物颜色特征及形状特征的高斯混合模型，所述高斯混合模型包括三个参数值，所述三个参数值分别为混合加权值、均值向量值和协方差矩阵；将所述颜色特征数据与所述形状特征数据置入所述高斯混合模型，生成高斯混合概率值。上述方法，优选的，所述判断所述高斯混合概率在预设的概率范围适应规则中所属概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别包括预先设置概率范围适应规则，所述概率范围适应规则包括生物的颜色特征与形状特征数据的高斯混合概率所属的概率范围值；
判断所述未知生物的高斯混合概率在所述概率范围适应规则中所属的概率范围值；依据预设的概率类别对应规则，确定与所述未知生物的高斯混合概率所属的概率范围值相对应的生物类别；将确定的生物类别作为所述未知生物隶属的类别。本申请还提供了一种生物检测装置，包括特征数据提取单元，用于提取待识别图像中未知生物的颜色特征数据及形状特征数据；混合概率计算单元，用于计算所述颜色特征数据与所述形状特征数据的高斯混合概率；生物类别判断单元，用于判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。上述装置，优选的，所述颜色特征数据包括与所述待识别图形中未知生物相对应的一维特征矢量值；所述特征数据提取单元包括第一特征提取子单元，用于提取待识别图像中未知生物的图像数据，获取所述未知生物的图像数据的颜色空间矢量，将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维，并依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值；其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量。上述装置，优选的，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。上述装置，优选的，所述特征数据提取单元包括第二特征提取子单元，用于提取待识别图像中未知生物的图像数据，将所述未知生物的图像数据转换为灰度图像数据，提取所述灰度图像数据中每个像素点的灰度值，并依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。上述装置，优选的，所述混合概率计算单元包括
模型建立子单元，用于获取预设的生物颜色特征及形状特征的高斯混合模型，所述高斯混合模型包括三个参数值，所述三个参数值分别为混合加权值、均值向量值和协方差矩阵；数据计算子单元，用于将所述颜色特征数据与所述形状特征数据置入所述高斯混合模型，生成高斯混合概率值。上述装置，优选的，所述生物类别判定单元包括规则设定子单元，用于预先设置概率范围适应规则，所述概率范围适应规则包括生物的颜色特征与形状特征数据的高斯混合概率所属的概率范围值；范围确定子单元，用于判断所述未知生物的高斯混合概率在所述概率范围适应规则中所属的概率范围值；类别确定子单元，用于依据预设的概率类别对应规则，确定与所述未知生物的高斯混合概率所属的概率范围值相对应的生物类别，将确定的生物类别作为所述未知生物隶 属的类别。本申请还提供了一种生物检测器，包括如上述任意一项所述的生物检测装置。由上述方案可知，本申请提供的一种生物检测方法、装置及生物检测器，通过提取未知生物的颜色特征数据和形状特征数据，对该特征数据进行高斯混合概率计算，从而依据该未知生物的高斯混合概率值判定其在预设的概率范围适应规则中所属的概率范围值，由此确定与该概率范围值相对应的生物类别作为待识别的未知生物隶属的类别，相对于现有技术中只能依据生物的斑纹识别斑马或长颈鹿的方案，本申请能够广泛应用于多种生物的准确识别，尤其是对大熊猫等生物的准确识别。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图I为本申请实施例一提供的一种生物检测方法流程图；图2为本申请实施例二提供的一种生物检测方法的部分流程图；图3为本申请实施例二提供的一种生物检测方法获取的某一未知生物的颜色的一维特征矢量值；图4为本申请实施例三提供的一种生物检测方法的部分流程图；图5为本申请实施例四提供的一种生物检测方法的部分流程图；图6为本申请实施例五提供的一种生物检测方法的部分流程图；图7为本申请实施例六提供的一种生物检测装置的结构示意图；图8为本申请实施例七提供的一种生物检测装置的结构示意图；图9为本申请实施例八提供的一种生物检测装置的结构示意图；图10为本申请实施例八提供的一种生物检测装置的另一结构示意图；图11为本申请实施例九提供的一种生物检测装置的结构示意图；图12为本申请实施例九提供的一种生物检测装置的另一结构示意图13为本申请实施例十提供的一种生物检测装置的结构示意图；图14为本申请实施例十提供的一种生物检测装置的另一结构示意图；图15为本申请实施例十提供的一种生物检测装置的另一结构示意图；图16为本申请实施例十提供的一种生物检测装置的另一结构示意图；图17为应用本申请实施例十中提取的小熊猫的颜色直方图；图18为应用本申请实施例十中提取的北极熊的颜色直方图；图19为应用本申请实施例十中提取的大熊猫的颜色直方图；图20为应用本申请实施例十对多个未知生物的形状特征数据进行提取之后得到 多个未知生物各自的不变矩值。
具体实施例方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一参考图1，其示出了本申请实施例一提供的一种生物检测方法的流程图，所述方法包括步骤101 :提取待识别图像中未知生物的颜色特征数据及形状特征数据。其中，所述步骤101提取的颜色特征数据及形状特征数据是指在所述待识别图像中提取所述未知生物的图像，并在所述未知生物的图像中提取颜色特征数据及形状特征数据。步骤102 :计算所述颜色特征数据与所述形状特征数据的高斯混合概率。其中，所述步骤102是指计算所述颜色特征数据及所述形状特征数据两者的高斯混合概率。步骤103 :判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值。其中，所述概率范围适应规则为预先设置，其中包括多种生物的高斯概率范围值，在所述步骤102中计算得到所述未知生物的高斯混合概率之后，判断该高斯混合概率在所述多种生物的高斯概率范围值中进行匹配，得到所述高斯混合概率在所述概率范围适应规则中所述的概率范围值。步骤104 :确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。其中，所述步骤103中判断得到的概率范围值是与某一生物相对应的，由此，确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。由上述方案可知，本申请实施例一提供的一种生物检测方法，通过提取未知生物的颜色特征数据和形状特征数据，对该特征数据进行高斯混合概率计算，从而依据该未知生物的高斯混合概率值判定其在预设的概率范围适应规则中所属的概率范围值，由此确定与该概率范围值相对应的生物类别作为待识别的未知生物隶属的类别，相对于现有技术中只能依据生物的斑纹识别斑马或长颈鹿的方案，本申请能够广泛应用于多种生物的准确识别，尤其是对大熊猫等生物的准确识别。参考图2，其示出了本申请实施例二提供的一种生物检测方法的部分流程图，其中，所述步骤101中，提取待识别图形中未知生物的颜色特征数据的方法可以包括以下步骤步骤201 :提取待识别图像中未知生物的图像数据。优选的，所述颜色特征数据包括与所述待识别图像中未知生物相对应的一维特征矢量值。在获取所述未知生物的颜色空间矢量时，需要首先在所述待识别图像中，提取所述未知生物的图像数据，用于后期矢量获取。步骤202 :获取所述未知生物的图像数据的颜色空间矢量；其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量。需要说明的是，根据光学原理物体的颜色与光的波长和频率相关，不同的色光在真空中的波长和频率的范围不一样，一张彩色图像的色调空间矢量H由第O至第316个色调等级表示，饱和度空间矢量S由O至I的等级范围表示，亮度空间矢量由O至I的等级范围表示。步骤203 :将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维；其中，由于一张彩色图像的颜色信息非常丰富，得到的颜色特征数据的直方图矢量的维数非常大，而人眼对颜色的分辨力有限，所以需要将颜色空间矢量进行量化将颜色空间矢量划分成有限个子空间区域，将大致相近的颜色换分至同一个子空间区域，从而达到降维的目的。例如，在对大熊猫进行检测识别时进行降维的具体实现方式如下 I、按照人眼的视觉分辨能力，把所述色调空间矢量H划分为8份，把所述饱和度空间矢量S划分为3份，把所述亮度空间矢量V划分为3份。2、由上述可知，由光学原理物体的颜色与光的波长和频率相关，不同的色光在真空中的波长和频率的范围不一样，因此将上述色调空间矢量H、饱和度空间矢量S和亮度空间矢量V各自的分量进行不等间隔量化，如下述公式
0Λ G [316,20]
1He [21,40]
2Ag [41,75]
3Λ G [76，155]= ^
4/ e [156,190]
5Ae [191，270] O ve
0 ve0 0.2]
6/ e[217,295]5 = |l se
F = 11 ve
7/ e [296,315] [ 2 se
[ 2 ve
步骤204:依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值。例如按照上述步骤203的第2步中的量化过程的量化级，将上述3个空间矢量进行一维化G=HQsQv+SQv+V其中，G为所述未知生物相对应的一维特征矢量值，Qs为所述饱和度空间矢量S的量化级，Qv为所述亮度空间矢量V的量化级。取Qs及Qv分别为3，此时，上述公式为G=9H+3S+V由上述步骤203中所述色调空间矢量H、饱和度空间矢量S和亮度空间矢量V各自的不等间隔量化值可知，上述公式中的一维特征矢量值的数据值取值范围为
。所述未知生物的一维特征矢量值可以由72柄的一维直方图进行表示，例如，如图3，为某一未知生物的一维特征矢量值。需要说明的是，优选的，在获取到所述未知生物的颜色特征数据之后，所述方法还 包括将所述未知生物的颜色特征数据进行保存。由上述方案可知，本申请实施例二提供的一种生物检测方法，通过提取未知生物的颜色空间矢量，并对该颜色空间矢量进行量化进而得到该未知生物的颜色特征数据(一维特征矢量值)，同时获取该未知生物的形状特征数据，对该特征数据进行高斯混合概率计算，从而依据该未知生物的高斯混合概率值判定其在预设的概率范围适应规则中所属的概率范围值，由此确定与该概率范围值相对应的生物类别作为待识别的未知生物隶属的类另O，相对于现有技术中只能依据生物的斑纹识别斑马或长颈鹿的方案，本申请能够广泛应用于多种生物的准确识别，尤其是对大熊猫等生物的准确识别。其中，优选的，本申请实施例一的所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。参考图4，其示出了本申请实施例三提供的一种生物检验方法的部分流程图，其中，所述步骤101中，提取待识别图像中未知生物的形状特征数据的方法可以包括以下步骤步骤401 :提取待识别图像中未知生物的图像数据。其中，在获取所述未知生物的形状特征数据之前，首先在所述待识别图像中，提取所述未知生物的图像数据。优选的，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。步骤402 :将所述未知生物的图像数据转换为灰度图像数据。需要说明的是，在进行提取所述未知生物的形状特征数据时，为提高所述形状特征数据提取的效率及准确性，需要将未知生物的图像数据进行灰度处理，此时，由于原待识别图像或所述未知生物的图像数据只是在颜色特征上发生了变化，并不影响所述未知生物的形状特征。步骤403 :提取所述灰度图像数据中每个像素点的灰度值。步骤404 :依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。其中，由上述可知，所述形状特征数据包括图像的不变矩值，所述不变矩值所包含的7个矩阵具有RST不变形。此时，所述步骤403及所述404的具体实现可以包括以下步骤；I、设f(x，y)表示所述未知生物的图像数据中位于坐标(x，y)的像素点的灰度值，定义f(i，j)的P+q阶矩表示为
权利要求
1.一种生物检测方法，其特征在于，包括 提取待识别图像中未知生物的颜色特征数据及形状特征数据； 计算所述颜色特征数据与所述形状特征数据的高斯混合概率； 判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。
2.根据权利要求I所述的方法，其特征在于，所述颜色特征数据包括与所述待识别图像中未知生物相对应的一维特征矢量值； 所述提取待识别图像中未知生物的颜色特征数据包括 提取待识别图像中未知生物的图像数据； 获取所述未知生物的图像数据的颜色空间矢量； 其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量； 将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维； 依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值。
3.根据权利要求I所述的方法，其特征在于，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。
4.根据权利要求I所述的方法，其特征在于，所述提取待识别图像中未知生物的形状特征数据包括 提取待识别图像中未知生物的图像数据； 将所述未知生物的图像数据转换为灰度图像数据； 提取所述灰度图像数据中每个像素点的灰度值； 依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。
5.根据权利要求I所述的方法，其特征在于，所述计算所述颜色特征数据与所述形状特征数据的高斯混合概率包括 获取预设的生物颜色特征及形状特征的高斯混合模型，所述高斯混合模型包括三个参数值，所述三个参数值分别为混合加权值、均值向量值和协方差矩阵； 将所述颜色特征数据与所述形状特征数据置入所述高斯混合模型，生成高斯混合概率值。
6.根据权利要求I所述的方法，其特征在于，所述判断所述高斯混合概率在预设的概率范围适应规则中所属概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别包括 预先设置概率范围适应规则，所述概率范围适应规则包括生物的颜色特征与形状特征数据的高斯混合概率所属的概率范围值； 判断所述未知生物的高斯混合概率在所述概率范围适应规则中所属的概率范围值； 依据预设的概率类别对应规则，确定与所述未知生物的高斯混合概率所属的概率范围值相对应的生物类别； 将确定的生物类别作为所述未知生物隶属的类别。
7.一种生物检测装置，其特征在于，包括 特征数据提取单元，用于提取待识别图像中未知生物的颜色特征数据及形状特征数据；混合概率计算单元，用于计算所述颜色特征数据与所述形状特征数据的高斯混合概率；生物类别判断单元，用于判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。
8.根据权利要求7所述的装置，其特征在于，所述颜色特征数据包括与所述待识别图形中未知生物相对应的一维特征矢量值； 所述特征数据提取单元包括 第一特征提取子单元，用于提取待识别图像中未知生物的图像数据，获取所述未知生物的图像数据的颜色空间矢量，将所述色调空间矢量、饱和度空间矢量和亮度空间矢量进行降维，并依据降维的色调空间矢量、饱和度空间矢量和亮度空间矢量及各自的量化级值，生成与所述未知生物相对应的一维特征矢量值； 其中，所述颜色空间矢量包括色调空间矢量、饱和度空间矢量和亮度空间矢量。
9.根据权利要求7所述的装置，其特征在于，所述形状特征数据包括与所述待识别图像中未知生物相对应的不变矩值。
10.根据权利要求7所述的装置，其特征在于，所述特征数据提取单元包括 第二特征提取子单元，用于提取待识别图像中未知生物的图像数据，将所述未知生物的图像数据转换为灰度图像数据，提取所述灰度图像数据中每个像素点的灰度值，并依据所述每个像素点的灰度值确定所述待识别图像中未知生物的形状特征数据。
11.根据权利要求7所述的装置，其特征在于，所述混合概率计算单元包括 模型建立子单元，用于获取预设的生物颜色特征及形状特征的高斯混合模型，所述高斯混合模型包括三个参数值，所述三个参数值分别为混合加权值、均值向量值和协方差矩阵； 数据计算子单元，用于将所述颜色特征数据与所述形状特征数据置入所述高斯混合模型，生成高斯混合概率值。
12.根据权利要求7所述的装置，其特征在于，所述生物类别判定单元包括 规则设定子单元，用于预先设置概率范围适应规则，所述概率范围适应规则包括生物的颜色特征与形状特征数据的高斯混合概率所属的概率范围值； 范围确定子单元，用于判断所述未知生物的高斯混合概率在所述概率范围适应规则中所属的概率范围值； 类别确定子单元，用于依据预设的概率类别对应规则，确定与所述未知生物的高斯混合概率所属的概率范围值相对应的生物类别，将确定的生物类别作为所述未知生物隶属的类别。
13.一种生物检测器，其特征在于，包括如权利要求7至12任意一项所述的生物检测装置。
全文摘要
本申请提供了一种生物检测方法、装置及生物检测器，所述方法包括提取待识别图像中未知生物的颜色特征数据及形状特征数据；计算所述颜色特征数据与所述形状特征数据的高斯混合概率；判断所述高斯混合概率在预设的概率范围适应规则中所属的概率范围值，并确定与所述概率范围值相对应的生物类别作为所述未知生物隶属的类别。通过本申请实施例能够广泛应用于多种生物的准确识别，尤其是对大熊猫等生物的准确识别。
文档编号G06K9/62GK102867193SQ20121034175
公开日2013年1月9日 申请日期2012年9月14日 优先权日2012年9月14日
发明者陈鹏, 武德安, 吴磊, 刘杰, 冯江远, 吴华明 申请人:成都国科海博计算机系统有限公司