弯曲姿态蛾类幼虫的自动识别方法研究

【目的】为害态幼虫现场识别时,幼虫常出现姿态弯曲情况,使提取的特征向量失真,影响幼虫的匹配识别结果。本文提出了一种基于扇形变换的姿态不变胡氏矩特征向量提取方法,提取的病害幼虫特征向量具有平移、比例、旋转和姿态不变性,可以实现粗短弯曲姿态幼虫的自动识别。【方法】首先在幼虫图像细化的基础上采用最优一致逼近法确定了幼虫的弯曲区域和非弯曲区域。然后,幼虫的弯曲区域采用扇形变换实现校正变直,非弯曲区域经旋转和平移与扇形变换后的区域拼接组成完整虫体;采用八邻域均值法填充变换后虫体区域中的空白点,实现幼虫像的弯曲自动校正;在此基础上提取胡氏不变矩具有姿态不变性,采用最小距离分类器实现了多姿态幼虫的自动识别。最后,以多种弯曲姿态的斜纹夜蛾Prodenia litura、棉铃虫Heliocoverpa armigera、甜菜夜蛾Spodoptera exigua、玉米螟Ostrinia nubilalis等病害蛾类幼虫为识别对象进行了识别验证。【结果】对于24种不同姿态的幼虫图像,在80%的识别阈值条件下,基于经典胡氏不变矩的幼虫识别率为25%,基于姿态不变胡氏矩的识别率为100%。【结论】实验结果表明该方法对多种弯曲姿态的粗短幼虫具有较高的识别率。

利用动态部位变化的步态识别

为了解决人的衣着变化和携带物品对步态识别的影响,提出了一种基于动态部位变化的步态识别方法。首先应用背景差分和阴影消除获得人体步态轮廓,并对获取的轮廓进行位置中心化和大小归一化;然后通过步态能量图和阈值分割的方法划分出每一帧的动态部位,并使用扇形区域距离变换的方法对动态部位进行特征提取;最后使用最大熵马尔可夫模型对各个人的步态进行建模,完成了基于概率图的识别。该方法在CASIA步态数据库上进行了实验,取得了较高的正确识别率,实验结果表明该方法对人的衣着变化和携带物品情况下的步态识别具有较强的鲁棒性。