[發(fā)明專利]一種無標記平面物體識別的優(yōu)化算法

有效

• 申請?zhí)枺?/td>: 201410151036.X
• 申請日: 2014-04-15
• 公開（公告）號: CN103903013A
• 公開（公告）日: 2014-07-02
• 發(fā)明（設計）人: 金城;賈瓊;馮瑞;薛向陽
• 申請（專利權(quán)）人: 復旦大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術(shù)領(lǐng)域

本發(fā)明屬于統(tǒng)計模式識別與圖像處理技術(shù)領(lǐng)域，具體涉及一種無標記平面物體識別的優(yōu)化算法，該技術(shù)為增強現(xiàn)實提供了技術(shù)基礎(chǔ)。

背景技術(shù)

增強現(xiàn)實是通過計算機系統(tǒng)提供的信息增加用戶對現(xiàn)實世界感知的技術(shù)，將計算機生成的虛擬物體、場景或系統(tǒng)提示信息疊加到真實場景中，從而實現(xiàn)對現(xiàn)實的增強。本發(fā)明使用一種基于計算機視覺的目標識別技術(shù)，為增強現(xiàn)實提供技術(shù)基礎(chǔ)。增強現(xiàn)實技術(shù)引導的新型交互方式，有著廣闊的應用前景。

增強現(xiàn)實的關(guān)鍵問題為目標的識別與定位，是指在復雜的圖像序列中，檢查目標物體是否存在，并計算出目標在圖像中所處位置的一種技術(shù)，要解決的主要問題有處于復雜光照、復雜背景、多尺度、多視角、遮擋等條件下目標識別定位。

目標識別方法一般可分全局方法和局部方法兩類。全局方法一般使用統(tǒng)計學分類技術(shù)，來比較輸入圖像與目標物體訓練圖集的相似程度。這類方法一般對于目標識別的重要問題例如復雜的遮擋關(guān)系、光照和背景等，沒有進行針對性解決。

局部方法是使用簡單的局部特征例如關(guān)鍵點集或邊集來描述目標物體。從待識別圖像的特征集到目標物體模型圖像的特征集的映射，稱為匹配。正確的匹配稱為內(nèi)點，錯誤的匹配稱為外點。即使丟失一部分特征，如能找到足夠的內(nèi)點，仍可識別定位目標物體。可疑的匹配能通過簡單的幾何約束篩選。這要求特征描述子對視角和光線變化不敏感。SIFT作為最負盛名的描述子，有效地解決尺度、旋轉(zhuǎn)、遮擋等問題，因此被廣泛應用和發(fā)展。但是使用SIFT描述子代價高昂，并且匹配階段只能使用KNN，運算量無法降低，不能滿足實時性要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種無標記平面物體識別的優(yōu)化算法，應用于實時增強現(xiàn)實系統(tǒng)，以滿足系統(tǒng)實時性和準確性的要求。

本發(fā)明提出的應用于實時增強現(xiàn)實系統(tǒng)的無標記平面物體識別優(yōu)化算法，主要是在離線訓練階段中，首先自動合成大量的訓練樣本，在此基礎(chǔ)上提取關(guān)鍵點；然后使用隨機分類器對所有關(guān)鍵點進行離線學習；然后使用跟蹤算法對后續(xù)幀進行跟蹤識別；最后使用圖形工具將虛擬物體融合到實時場景中。

本發(fā)明提出的無標記平面物體識別優(yōu)化算法，依次分為3個階段：離線訓練階段，在線識別階段，增強現(xiàn)實階段。

在離線訓練階段，提取模型關(guān)鍵點過程中，通過加權(quán)的方法對模型候選關(guān)鍵點進行篩選，使用于匹配的模型關(guān)鍵點集合具有魯棒的特點；在線識別階段，對實時場景提取出的關(guān)鍵點進行評分，獲得相似度最高的關(guān)鍵點集合作為擬合階段的初始候選集合，改進后的ARANSAC算法通過實驗證明，比同類方法準確率、召回率、時間性能各方面都有極大的提升。正是本發(fā)明基于計算機視覺的算法從各個方面性能都大幅提升，使得增強現(xiàn)實系統(tǒng)具有實時魯棒等諸多優(yōu)點，給用戶帶來流暢的視覺體驗。主框架如圖1所示。

一、離線訓練階段，具體步驟為：

（1）自動合成訓練樣本直接以目標平面物體的一張無遮擋圖像作為素材，采用自動合成的方法生成訓練集。具體采用仿射變換的方法從目標物體的初始視圖生成新的隨機視圖，并加入白噪聲。這里合成訓練集大小為S(S可取10000)。使用隨機方法合成的視圖，將作為分類器的訓練樣本。

（2）篩選穩(wěn)定的關(guān)鍵點集

具體步驟如下：

第一步：將關(guān)鍵點提取問題轉(zhuǎn)化為關(guān)鍵點類和非關(guān)鍵點類的二分類問題，對圖像上所有像素點進行快速分類。

具體做法如圖2所示：選取待測像素點m，其以R為半徑的圓周上像素點，隨機挑選圓周上過直徑的兩個像素點，對其灰度值進行以下計算：