[发明专利]一种基于SVM的食物分类识别方法

权利要求书

1.一种基于SVM的食物分类识别方法，其组成包括：摄像头，装载识别和分析算法的DSP芯片，无线传输模块，USB接口设备组成，设计实现了一种基于SVM的食物分类识别方法。

2.根据权利要求1所述 ，一种基于SVM的食物分类识别方法，通过使用四种特征的框架，包括颜色、纹理、尺寸和形状；对于颜色特征，使用了边缘检测和颜色K-均值聚类；对于纹理特征，使用伽柏滤波器；为了尺寸和形状特征，使用了的边缘检测技术和图像的感兴趣区域像素计算技术；下一步骤是对提取出的特征进行分类，以便于识别每种食物；一个分类任务通常包括训练数据和测试数据，数据由一些实例组成；SVM的目标是构架一个模型，该模型能够仅通过测试数据中数据实例的属性预测出该实例的目标值。

3.根据权利要求1和2所述，为了提高准确性，在SVM模块已确定每种食物类型后，该装置与用户进行交互来验证食物种类；装置可以对用户显示出食物的图像并注解出装置认为的食物类型，如鸡肉、肉、蔬菜等；然后，用户可以确认或改变食物的类型；虽然这种改变使装置从自动化变为半自动化，然而它会增加装置的准确度。

4.根据权利要求1和2、3所述，本模型中使用RBF核，它以非线形方式在更高维度空间映射样本；与线性核不同，RBF核非常适合于类标记和属性是非线性的情况；RBF核有                                                两个参数；这一步的目标是找到的最佳值，以使分类器能够准确预测未知的数据（即测试数据）；分类器的一个常见的策略是将数据集分成两部分，其中一部分被认为是未知的；从未知组获得的预测精度能够更精确的反映出分类器对一个独立的数据集进行分类的性能；此过程的一个改进版本被称为交叉验证；使用交叉验证的优点在于防止过拟合问题；一个找到的很好的方式是使用“网格搜索”；在本发明中，SVM的特征向量包含五个纹理特征、十个颜色特征、三个形状特征和六个大小特征；在分割阶段提取出各种食物的特征向量，然后成为SVM的训练向量。