[发明专利]一种基于Kinect深度信息获取技术的害虫图像自动识别方法

说明书

技术领域

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

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。

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

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。

为了实现上述目的，本发明的技术方案如下：

一种基于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：

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；

图像分割，对基于实际距离为单位的图像进行分割；

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；

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；

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。

所述的像素位置转换包括以下步骤：

设Kinect拍摄的深度图X-Y平面尺寸为w×h，平面的中心位置为摄像头位置；

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(d_raw/2842.5+1.1863)-O

其中，d_raw为某点的深度值，K＝0.1236m,O＝0.037m；

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：

x=(i-w2)×(d-10)×s×why=(j-h2)×(d-10)×sz=d]]>

其中，s＝0.0021。

所述的图像分割包括以下步骤：

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；

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；