本发明涉及识别方法的技术领域，特别是动物种类的识别方法的技术领域。
背景技术：
随着物联网技术的发展，智能移动端的应用更为广泛，依赖于智能移动端上的软件平台，实现类别的识别，也变得可能。生活中，经常会遇到一些动物不认识，有的只知道大类，不知道小类。为此，需要一种能够通过抓取动物图像信息，最终给出一个或多个动物结果的软件，从而帮助人们认识动物种类。结合pech-pacheco等人于2000年模式识别国际会议论文：《diatomautofocusinginbrightfieldmicroscopy:acomparativestudy》中的拉普拉斯方差算法，可以对输入图像进行模糊检测的前处理，可以在图像模糊时自动提醒使用者重新上传图像。
技术实现要素：
本发明的目的就是解决现有技术中的问题，提出一种动物种类的识别方法，能根据动物图像获得相近的一个或多个动物结果。本发明可以结合app软件使用，通过软件上上传图像，通过对图像的边界识别后的特征识别，对比特征数据库给出相似度较高的一个或多个动物结果，从而实现照片抓取后的实时动物识别。
为实现上述目的，本发明提出了一种动物种类的识别方法，包括以下步骤：
步骤一：获取动物图像：获取待识别动物的图像为tp；
步骤二：模糊检测：若图像模糊，则重新获取动物图像；
步骤三：边界识别：识别图像中的物体的边界，将图像分为tp1、tp2、...、tpn；
步骤四：特征识别：识别图像中各个物体的特征，所述特征包括颜色特征、形状特征、纹理特征；
步骤五：动物判断：对比特征数据库，结合特征的相似度获得一个或多个动物结果。
作为优选，所述步骤二中的模糊检测的步骤为：
步骤21：卷积计算：将图像中的某一通道用拉普拉斯掩模做卷积运算，所述通道为灰度值，所述拉普拉斯掩模为
步骤22：计算方差；
步骤23：判断：如果图像的方差低于阈值，该图像是模糊的；如果图像的方差高于阈值，该图像不是模糊的。
作为优选，所述步骤四的颜色特征包括颜色矩、颜色直方图、颜色集、颜色相关矢量；所述颜色矩包括颜色均值
作为优选，所述步骤四中的形状特征通过内部空间域分析、区域内部变换分析、区域边界特征分析获得，区域边界特征包括区域边界周长、区域面积、对x轴的一阶矩、对x轴的二阶矩、形心位置；步骤四中的纹理特征包括灰度共生矩阵、熵值、惯性、能量，所述熵值为
作为优选，所述步骤五中的特征数据库通过实验训练获得，特征数据库建立的步骤为：
步骤51：将动物a的图像tpa进行边界识别后，人为选出动物a所在的区域进行特征识别；
步骤52：通过特征识别获得动物a的特征；
步骤53：更换动物a的图像，继续重复步骤51、步骤52；
步骤54：将重复识别获得的动物a的特征汇总入特征数据库；
步骤55：重复步骤51、步骤52、步骤53、步骤54对其他动物的特征进行识别，并汇总入特征数据库。
本发明的有益效果：本发明能根据动物图像获得相近的一个或多个动物结果。本发明可以结合app软件使用，通过软件上上传图像，通过对图像的边界识别后的特征识别，对比特征数据库给出相似度较高的一个或多个动物结果，从而实现照片抓取后的实时动物识别。
本发明的特征及优点将通过实施例进行详细说明。
【具体实施方式】
本发明，包括以下步骤：
步骤一：获取动物图像：获取待识别动物的图像为tp；
步骤二：模糊检测：若图像模糊，则重新获取动物图像；
步骤三：边界识别：识别图像中的物体的边界，将图像分为tp1、tp2、...、tpn；
步骤四：特征识别：识别图像中各个物体的特征，所述特征包括颜色特征、形状特征、纹理特征；
步骤五：动物判断：对比特征数据库，结合特征的相似度获得一个或多个动物结果。
具体的，所述步骤二中的模糊检测的步骤为：
步骤21：卷积计算：将图像中的某一通道用拉普拉斯掩模做卷积运算，所述通道为灰度值，所述拉普拉斯掩模为
步骤22：计算方差；
步骤23：判断：如果图像的方差低于阈值，该图像是模糊的；如果图像的方差高于阈值，该图像不是模糊的。
具体的，所述步骤四的颜色特征包括颜色矩、颜色直方图、颜色集、颜色相关矢量；所述颜色矩包括颜色均值
具体的，所述步骤四中的形状特征通过内部空间域分析、区域内部变换分析、区域边界特征分析获得，区域边界特征包括区域边界周长、区域面积、对x轴的一阶矩、对x轴的二阶矩、形心位置；步骤四中的纹理特征包括灰度共生矩阵、熵值、惯性、能量，所述熵值为
具体的，所述步骤五中的特征数据库通过实验训练获得，特征数据库建立的步骤为：
步骤51：将动物a的图像tpa进行边界识别后，人为选出动物a所在的区域进行特征识别；
步骤52：通过特征识别获得动物a的特征；
步骤53：更换动物a的图像，继续重复步骤51、步骤52；
步骤54：将重复识别获得的动物a的特征汇总入特征数据库；
步骤55：重复步骤51、步骤52、步骤53、步骤54对其他动物的特征进行识别，并汇总入特征数据库。
本发明工作过程：
本发明一种动物种类的识别方法在工作过程中，以下述实施例进行说明。
先将金毛狗的图像tpa进行边界识别后，人为选出金毛狗所在的区域进行特征识别；通过特征识别获得金毛狗的颜色特征、形状特征、纹理特征，由上述特征组成金毛狗的特征；更换金毛狗的图像，通过不断识别不同情况下的金毛狗的特征，建立完善的金毛狗特征数据；类似的，将其他品种狗的特征进行识别汇总，同样方法识别其他动物，从而形成完善的特征数据库。
特征选取需具有以下特点：可区别性、可靠性、独立性好、数量少。
上述特征数据库位于云端，通过移动端软件调用对比，移动端软件获取动物图像；对该图像进行模糊检测，当计算获得的方差为82，数值小于阈值100时，要求重新上传；同样方法，重新上传后的图像经过模糊检测，获得的方差值为325，数值大于阈值100时，可以使用；通过边界识别，将图像中出现的物体划分并标记；通过对各个物体的特征识别，获取特征；将特征与特征数据库内的数据对比，颜色特征、形状特征、纹理特征的相似度分别对比；如图像中除了金毛狗还有板凳，板凳在边界识别时也作为物体标记出来，但是板凳的特征没有相似度高的，因而不输出该结果，而金毛狗的特征与数据库中能对应，则输出结果为金毛狗，同时附上金毛狗的介绍，可以在软件中增加纠错等功能，增加与用户的交互性。
上述阈值为实验照片计算出方差后，人为判断设立，一般地，通过模糊检测后方差大于100，即可认定为清晰。
按相似度对比获得可能的动物，当相似度高的动物特征的相似度与其后的动物特征的相似度相似度差值小于5％时，即将其后的动物结果同样输出，依次类推。
本发明，能根据动物图像获得相近的一个或多个动物结果。本发明可以结合app软件使用，通过软件上上传图像，通过对图像的边界识别后的特征识别，对比特征数据库给出相似度较高的一个或多个动物结果，从而实现照片抓取后的实时动物识别。
上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。