基于Zernike矩及支持向量機(jī)的豬的姿態(tài)識(shí)別研究.pdf

1、為監(jiān)控豬的行為，本文分析了視頻幀圖像中目標(biāo)豬與周圍背景特征的差異，從中提取出豬的二值輪廓圖。對(duì)豬的正常行走、低頭行走、抬頭行走、躺臥這四種姿態(tài)提取Zernike矩特征，采用支持向量機(jī)方法對(duì)豬的四種姿態(tài)進(jìn)行識(shí)別。
　　針對(duì)豬場(chǎng)中惡劣的環(huán)境，為了更好的識(shí)別，必須對(duì)視頻幀進(jìn)行預(yù)處理。提取豬的輪廓是預(yù)處理的關(guān)鍵，采用小波模極大值邊緣檢測(cè)法進(jìn)行圖像邊緣檢測(cè)，這種方法可以檢測(cè)到圖像邊緣的細(xì)節(jié)，但是得到圖像的邊緣點(diǎn)不能完全連續(xù)而且很難把圖像的很

2、多零碎邊緣點(diǎn)的高細(xì)節(jié)區(qū)域提取出來。針對(duì)圖像邊緣不封閉的問題，選用邊緣生長法使圖片中不連續(xù)邊緣點(diǎn)連接問題和通過找出其中高細(xì)節(jié)區(qū)的周圍的區(qū)域，從而間接地把圖像中高細(xì)節(jié)區(qū)圍成一個(gè)區(qū)域，使邊緣點(diǎn)形成封閉的邊緣。此時(shí)的圖像仍存在噪聲的干擾，為了除去噪聲，采用用二值形態(tài)學(xué)處理去噪，從而提取出原始圖像中豬的二值輪廓圖像。
　　目標(biāo)豬的四種姿態(tài)差異較小，為了防止由于圖像信息提取不足引起誤識(shí)別，采用Zernike矩的提取特征，利用其正交性和矩不變量

3、，并且在特征提取時(shí)保證了信息量，克服了不變矩提取的圖像特征信息有限的缺陷的問題。針對(duì)視頻中目標(biāo)豬的大小和位置的的不斷變化的問題，而Zernike矩只有旋轉(zhuǎn)不變性，所以采用標(biāo)準(zhǔn)矩的方法，對(duì)豬的二值輪廓圖進(jìn)行平移和尺度的歸一化，提取歸一化后的圖像的Zernike矩特征。
　　為了識(shí)別多類豬的問題，本文采用支持向量機(jī)分類方法，而支持向量機(jī)屬二元分類器，所以采用一對(duì)一的投票策略將支持向量機(jī)應(yīng)用到多類模式識(shí)別問題。針對(duì)特征空間維數(shù)較多，防止