载物识别图像的分类方法技术

本发明专利技术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，本发明专利技术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。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别是涉及一种对购物车下层载 物识别图像的分类方法。
技术介绍
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本专利技术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，本专利技术提供 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。根据本专利技术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。 附图说明图l是本专利技术实施例的流程图； 图2是本专利技术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，对本专利技术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专利技术，但不用来限制本专利技术的范围。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。本专利技术实施例的流程图如图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s本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】

【专利技术属性】
技术研发人员：段青玲，杨仁刚，华松青，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：11[中国|北京]