[发明专利]一种基于级联分类器的害虫识别方法

摘要

本发明公开了一种基于级联分类器的害虫识别方法，包括以下步骤：(1)获取训练样本；(2)从训练样本中分别提取正负样本的Haar‑like特征进行训练；(3)利用AdaBoost算法训练强分类器和弱分类器；(4)基于决策数建立Haar检测体系；(5)利用帧差法对害虫进行定位；(6)使用训练好的级联分类器对害虫进行识别。所述方法通过级联分类器对训练样本进行迭代训练，获取一个最优分类器，提高了检测精度，并采用帧差算法对感兴趣区域进行框定，缩小了识别区域，提高了算法的效率，同时利用Haar检测体系对分类器进行过滤，降低了误识率。

主权项

一种基于级联分类器的害虫识别方法，其特征在于，所述方法包括以下步骤：(1)获取训练样本：将常见害虫图像作为目标样本训练得到预检测器，利用预检测器先对目标样本进行预检测得到基本特征值，按基本特征值将图像分为正样本与负样本；(2)从训练样本中分别提取正负样本的Haar‑like特征进行训练：本步骤中的Haar‑like特征包括边缘特征、线特征、中心环绕特征和对角线特征，对于正样本，分别利用白色区域的像素和减去黑色区域的像素和，得到害虫的各个特征值；对于负样本，分别利用白色区域的像素和减去黑色区域的像素和，得到非害虫的各个特征值；利用Haar‑like特征将害虫特征量化，以区分害虫和非害虫；(3)利用AdaBoost算法训练强分类器和弱分类器；(4)基于决策数建立Haar检测体系：以一张图片作为输入，对图片进行多区域、多尺度的检测，将图片划分多块，对每块进行检测，不断初始化搜索窗口的大小为训练时的图片大小，再扩大搜索窗口，进行搜索，计算每个子窗口的区域特征值，对子窗口图像由筛选式级联分类器进行过滤，将若干个强分类器由简单到复杂排列，通过训练使每个强分类器提高检测率，降低误识率；(5)利用帧差法对害虫进行定位：首先将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于设定的阈值时，认为此处为背景像素，如果图像区域的像素值变化大于设定的阈值时，认为这是由于图像中目标物体引起的，将这些区域标记为前景像素，利用标记的像素区域确定目标在图像中的位置；(6)使用训练好的级联分类器对害虫进行识别：首先加载级联分类器文件，对由上一步框定的感兴趣区域使用级联分类器进行检测。