具有包裹類型預檢的識別方法技術

本發(fā)明專利技術公開了具有包裹類型預檢的識別方法，涉及包裹圖像識別，包括包裹類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自包裹檢測采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經(jīng)網(wǎng)絡進行模式識別，將包裹類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現(xiàn)待識別圖像的識別。本發(fā)明專利技術能夠有效提取包裹的外部邊緣，作為理想的特征；能夠依據(jù)空間域和變換域雙重檢測，提高檢測精度。

Identification method of pre inspection with package type

The invention discloses a recognition method with package type pre inspection, which relates to package image recognition, including package type sample and image to be recognized, and also includes the following steps: S1, obtain the image to be recognized from the package detection acquisition point, transform the decomposition domain in the spatial domain, and decompose the image information into multiple scale spaces; S2, use the spatial domain gradient operator to carry out the recognition Edge detection of other images; S3, edge detection of the image to be recognized by wavelet in the image transform domain; S4, feature vectors of the image to be recognized obtained by edge detection in the space domain and transform domain; S5, pattern recognition by artificial neural network, off-line training of package category samples, determination of weight, and operation with the feature vectors obtained by S4, real Recognition of the image to be recognized. The invention can effectively extract the outer edge of the package as an ideal feature, and can double detect according to the space domain and the transformation domain to improve the detection accuracy.

【技術實現(xiàn)步驟摘要】
具有包裹類型預檢的識別方法
本專利技術涉及包裹圖像識別，具體涉及具有包裹類型預檢的識別方法。
技術介紹
快遞企業(yè)在收取快件時應當場驗視內件，但快遞檢測驗視手段傳統(tǒng)單一，因此，利用圖像識別技術進行包裹檢測能夠有效提高危險物品被檢測到的概率。目前包裹類別難以判斷，難以做到及時預警。
技術實現(xiàn)思路
本專利技術所要解決的技術問題是目前包裹類別難以判斷，難以做到及時預警，目的在于提供具有包裹類型預檢的識別方法，解決上述問題。本專利技術通過下述技術方案實現(xiàn)：具有包裹類型預檢的識別方法，包括包裹類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自包裹檢測采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經(jīng)網(wǎng)絡進行模式識別，將包裹類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現(xiàn)待識別圖像的識別。進一步地，所述S1中的分解域變換采用小波多尺度分解域變換。進一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。進一步地，所述S3中的邊緣檢測結果采用鏈表進行記錄。進一步地，所述S4中的特征向量采用統(tǒng)計特征。本專利技術與現(xiàn)有技術相比，具有如下的優(yōu)點和有益效果：1、本專利技術具有包裹類型預檢的識別方法，能夠有效提取包裹的外部邊緣，作為理想的特征；2、本專利技術具有包裹類型預檢的識別方法，能夠依據(jù)空間域和變換域雙重檢測，提高檢測精度。具體實施方式為使本專利技術的目的、技術方案和優(yōu)點更加清楚明白，下面結合實施例，對本專利技術作進一步的詳細說明，本專利技術的示意性實施方式及其說明僅用于解釋本專利技術，并不作為對本專利技術的限定。實施例本專利技術具有包裹類型預檢的識別方法，包括包裹類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自包裹檢測采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經(jīng)網(wǎng)絡進行模式識別，將包裹類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現(xiàn)待識別圖像的識別。所述S1中的分解域變換采用小波多尺度分解域變換。所述S2中的梯度算子采用高斯拉普拉斯算子。所述S3中的邊緣檢測結果采用鏈表進行記錄。所述S4中的特征向量采用統(tǒng)計特征。以上所述的具體實施方式，對本專利技術的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本專利技術的具體實施方式而已，并不用于限定本專利技術的保護范圍，凡在本專利技術的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本專利技術的保護范圍之內。本文檔來自技高網(wǎng)...

【技術保護點】
1.具有包裹類型預檢的識別方法，包括包裹類別樣本、待識別圖像，其特征在于，還包括以下步驟：/nS1，獲取來自包裹檢測采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；/nS2，利用空間域梯度算子進行待識別圖像的邊緣檢測；/nS3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；/nS4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；/nS5，利用人工神經(jīng)網(wǎng)絡進行模式識別，將包裹類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現(xiàn)待識別圖像的識別。/n

【技術特征摘要】
1.具有包裹類型預檢的識別方法，包括包裹類別樣本、待識別圖像，其特征在于，還包括以下步驟：
S1，獲取來自包裹檢測采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；
S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；
S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；
S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；
S5，利用人工神經(jīng)網(wǎng)絡進行模式識別，將包裹類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現(xiàn)待識別圖像的識...

【專利技術屬性】
技術研發(fā)人員：朱姝，
申請(專利權)人：朱姝，
類型：發(fā)明
國別省市：四川;51