一种基于Kinect深度信息获取技术的害虫图像自动识别方法
【专利摘要】本发明涉及一种基于Kinect深度信息获取技术的害虫图像自动识别方法，与现有技术相比解决了害虫图像识别方法识别率低、鲁棒性差的缺陷。本发明包括以下步骤：像素位置转换；图像分割；方向校正；特征提取；特征训练及害虫识别。本发明能够自动识别害虫种类，提高了害虫的识别率与鲁棒性。
【专利说明】-种基于Kinect深度信息获取技术的害虫图像自动识别 方法
【技术领域】
[0001] 本发明涉及图像识别【技术领域】，具体来说是一种基于Kinect深度信息获取技术 的害虫图像自动识别方法。
【背景技术】
[0002] 害虫是农作物生长中的大敌，在农作物整个生长期内都有发生，可造成农作物大 量减产。现行的害虫分类、识别工作主要是依靠少数植保专家和农技人员来完成的，但害虫 种类繁多，而每一位植保专家穷其所能也只能识别部分害虫。越来越多的迹象表明，对害虫 识别需求的增多与害虫识别专家相对较少的矛盾已日益加剧，自动害虫图像的识别方法及 系统的工作具有非常重要的意义。然而现有的自动害虫图像识别方法及系统识别率不高， 鲁棒性较差。
[0003] 通过Kinect深度信息获取技术可以很好的得到害虫图像的深度信息，利用深度 信息可以更好地将害虫图像从背景图片中分割出来。如何开发出一种利用Kinect深度信 息获取技术而进行害虫识别的方法已经成为急需解决的技术问题。
【发明内容】
[0004] 本发明的目的是为了解决现有技术中害虫图像识别方法识别率低、鲁棒性差的缺 陷，提供一种基于Kinect深度信息获取技术的害虫图像自动识别方法来解决上述问题。
[0005] 为了实现上述目的，本发明的技术方案如下：
[0006] -种基于Kinect深度信息获取技术的害虫图像自动识别方法，包括以下步骤：
[0007] 像素位置转换，将以像素为单位的数据转换成以实际距离为单位的数据；
[0008] 图像分割，对基于实际距离为单位的图像进行分割；
[0009] 方向校正，对提取的害虫点云进行方向校正，以保证害虫图像的平面与X-Y平面 平行；
[0010] 特征提取，对点云使用归一化的点云数量作为特征值，进行统计分析和特征提 取；
[0011] 特征训练及害虫识别，使用SVM分类器进行训练且通过SVM分类器分类得到害虫 种类。
[0012] 所述的像素位置转换包括以下步骤：
[0013] 设Kinect拍摄的深度图X-Y平面尺寸为wXh，平面的中心位置为摄像头位置； [0014] 计算出Kinect返回的深度值相对应的实际距离深度，计算公式如下：
[0015] d = Ktan (draw/2842. 5+1. 1863)-0
[0016] 其中，draw 为某点的深度值，K = 0· 1236m，0 = 0· 037m ;
[0017] 根据实际距离深度值求出像素位置（i，j，d)的点所对应的实际位置（x，y，z)，其 转换公式如下 ：
[0018]
[0019] 其中，s = 0.0021。
[0020] 所述的图像分割包括以下步骤：
[0021] 过滤点云，针对深度图数据转化后的点云个数进行基于距离的深度过滤，去除的 深度距离大于拍摄时虫子与摄像头之间的距离；
[0022] 对深度过滤后的点进行遍历，比较深度过滤后的点与原点之间的距离，得到与原 点距离最近点的集合，
[0023] 若最近点集合的内容大于1，则表示有多个最近点，
[0024] 计算最近点集合中两点之间的距离差，若存在点A-点B>T，T为阈值，表示点A不 属于点B周围，则判定提取时发生错误；
[0025] 使用最近邻法则进行害虫图像提取，确定最近点所对应附近的点集属于同一个分 类，以最近点为球心做半径8cm的球，将此球形范围内所有点作为害虫雏形；
[0026] 针对球形范围，再次进行点云判断聚类，去除背景信息得到分割后的害虫图像。
[0027] 所述的方向校正包括以下步骤：
[0028] 使用最小二乘法进行平面拟合，得到平面的法向量为（a，b，c);
[0029] 对害虫图像点云进行坐标旋转变换，使其拟合平面旋转至X-Y平面平行，
[0030] 设拟合平面旋转至与Χ-Υ平面平行时需要绕Υ轴逆时针的夹角为
【权利要求】
1. 一种基于Kinect深度信息获取技术的害虫图像自动识别方法，其特征在于，包括以 下步骤： 11) 像素位置转换，将以像素为单位的数据转换成以实际距离为单位的数据； 12) 图像分割，对基于实际距离为单位的图像进行分割； 13) 方向校正，对提取的害虫点云进行方向校正，以保证害虫图像的平面与X-Y平面平 行； 14) 特征提取，对点云使用归一化的点云数量作为特征值，进行统计分析和特征提取； 15) 特征训练及害虫识别，使用SVM分类器进行训练且通过SVM分类器分类得到害虫种 类。
2. 根据权利要求1所述的一种基于Kinect深度信息获取技术的害虫图像自动识别方 法，其特征在于，所述的像素位置转换包括以下步骤： 21) 设Kinect拍摄的深度图X-Y平面尺寸为wXh，平面的中心位置为摄像头位置； 22) 计算出Kinect返回的深度值相对应的实际距离深度，计算公式如下： d = Ktan (draw/2842. 5+1. 1863)-0 其中，draw为某点的深度值，K = 0· 1236m，0 = 0· 037m ; 23) 根据实际距离深度值求出像素位置（i，j，d)的点所对应的实际位置（x，y，z)，其转 换公式如下：
其中，s = 0. 0021。
3. 根据权利要求1所述的一种基于Kinect深度信息获取技术的害虫图像自动识别方 法，其特征在于，所述的图像分割包括以下步骤： 31) 过滤点云，针对深度图数据转化后的点云个数进行基于距离的深度过滤，去除的深 度距离大于拍摄时虫子与摄像头之间的距离； 32) 对深度过滤后的点进行遍历，比较深度过滤后的点与原点之间的距离，得到与原点 距离最近点的集合， 若最近点集合的内容大于1，则表示有多个最近点， 计算最近点集合中两点之间的距离差，若存在点A-点B>T，T为阈值，表示点A不属于 点B周围，则判定提取时发生错误； 33) 使用最近邻法则进行害虫图像提取，确定最近点所对应附近的点集属于同一个分 类，以最近点为球心做半径8cm的球，将此球形范围内所有点作为害虫雏形； 34) 针对球形范围，再次进行点云判断聚类，去除背景信息得到分割后的害虫图像。
4. 根据权利要求1所述的一种基于Kinect深度信息获取技术的害虫图像自动识别方 法，其特征在于，所述的方向校正包括以下步骤： 41) 使用最小二乘法进行平面拟合，得到平面的法向量为（a，b，c); 42) 对害虫图像点云进行坐标旋转变换，使其拟合平面旋转至X-Y平面平行， 设拟合平面旋转至与X-Y平面平行时需要绕Y轴逆时针的夹角为的，绕X轴逆时针旋 转的夹角朽，则：
设害虫图像点云中一点为：
则转换后的点
为：
5. 根据权利要求1所述的一种基于Kinect深度信息获取技术的害虫图像自动识别方 法，其特征在于，所述的特征提取包括以下步骤： 51) 设置总区间数、单独区间量； 52) 获取每个区间内点云的数量，作为其害虫的深度区间的分布特征； 53) 进行特征归一化，将每个区间点云的数量除以总的点云数； 54) 组合特征矩阵，进行点云分布特征提取，将总区间数作为每幅图像的训练集特征 量。
6. 根据权利要求1所述的一种基于Kinect深度信息获取技术的害虫图像自动识别方 法，其特征在于，所述的特征训练及害虫识别包括以下步骤： 61) 使用支持向量机SVM进行特征训练， 将提取到的特征矩阵看做五维空间的一点，作为害虫识别时该空间中的最优分类面； 通过核函数K(u，v)将非线性变换转为线性变换，使用的核函数为RBF径向基核函数： K (u, v) = exp (- y I I u-v | |2)； 62) 使用支持向量机SVM进行特征识别，判断出害虫种类。
【文档编号】G06K9/62GK104091175SQ201410337605
【公开日】2014年10月8日 申请日期:2014年7月15日 优先权日:2014年7月15日
【发明者】王儒敬, 李 瑞, 谢成军, 张洁, 洪沛霖, 宋良图, 董伟, 周林立, 郭书普, 张立平, 黄河, 聂余满 申请人:中国科学院合肥物质科学研究院, 安徽省农业科学院农业经济与信息研究所