[發明專利]一種基于商標密度的個性化商標匹配識別方法

在審

• 申請號: 201410370305.1
• 申請日: 2014-07-30
• 公開（公告）號: CN104156413A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 張樹武;張淵;梁偉
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明涉及目標檢測與識別技術領域，尤其涉及一種基于商標密度的個性化商標匹配識別方法，可以用于快速商標識別及商標檢索。

背景技術

特定目標識別是計算機視覺中具有挑戰性的工作之一，同時，隨著目標種類的爆炸式增長，對于大規模類別下實時目標識別的需求越來越高，尤其是在移動應用和推薦系統中的特定區域識別。商標可以看做是一種平坦表面的目標，他們在現代市場，廣告和商標注冊中具有很大的價值。特別的，商標庫可以達到上萬的種類，這種規模在普通的目標檢測和識別領域很少出現。我們的主要目標就是給定一個自然場景下的查詢區域或者一張未知圖片，以及一個大規模的商標庫，識別出其中的商標(如圖1所示)。

早期研究主要集中于文本文檔中的商標識別和分類，但是這些場景中的商標都是非彩色，正面視角的并且背景簡單，這些方法不適用于實際場景中的商標識別。基于內容的商標檢索中，形狀是分辨商標很重要的信息，因此很多研究采用形狀描述子來進行識別，比如形狀上下文(shape?context，SC)，以及后來對其改進的廣義形狀上下文(generalized?shape?contexts，GSCs)。同時還有一些將顏色和形狀結合的全局特征用于檢測實際場景中的商標。局部特征對于實際場景中的商標也有很好的檢測和識別效果，比如SIFT和SURF。最近很多研究將關鍵信息中融入了一些空間信息，利用視覺單詞進行識別。

盡管這些基于全局和局部描述子的商標識別系統有很好的效果，但是他們都對所有的商標采用相同的識別框架，并沒有考慮商標的多樣性和差異性。因此，隨著商標庫規模的增大，這些通用的方法沒有辦法將每一個商標都很好的識別出。對于采用基于形狀特征的方法來說，當商標的形狀有很多瑣碎的小區域構成，如圖1中的星巴克和聯合利華，這些特征無法獲得準確的形狀特征。因此當商標復雜并且邊界信息很難獲得時，這些基于邊界的描述子就不合適了。對于采用局部特征的系統，當商標由一些平滑的區域構成或者商標非常簡單時，如圖1中的百度和德士古，局部特征無法獲得足夠多的關鍵點。因此對于簡單商標來說，局部特征會導致較低的召回率和準確率。因此，在識別匹配時要考慮商標的多樣性，對不同的商標采用不同的匹配方案，將形狀和局部特征自適應地結合，利用各自的優點來彌補對方的缺點，達到綜合的準確識別。

發明內容

為了達到快速準確識別的目的，本發明區別于以上的現有技術，從商標本身的特點出發，提出了一種基于商標密度的個性化匹配識別方法。

本發明提出的一種基于商標密度的個性化商標匹配識別方法，包括以下步驟：

建立商標圖片樣本庫；

對商標圖片樣本庫中的商標圖片提取SIFT特征，計算所有商標圖片的商標密度ρ_L；

根據得到的所述商標密度，設定待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的個性化匹配策略；

對所述商標圖片樣本庫中的商標圖片提取SIFT及GSC特征，并利用這些特征建立SIFT詞袋模型和GSC詞袋模型；

對所述待識別的圖像區域提取SIFT及GSC特征，并利用得到的商標圖片的所述SIFT詞袋模型和GSC詞袋模型，計算所述待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的SIFT相似度列表及GSC相似度列表；

利用得到的基于商標密度的個性化匹配策略，將所述待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的SIFT相似度列表及GSC相似度列表融合，得到所述待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的最終相似度列表；

基于所述最終相似度列表中相似度最大且滿足相似度閾值的商標，得到所述待識別的圖像區域的識別結果。

其中，所述的商標密度ρ_L表示單位面積中的平均關鍵點數目，如下所示：

ρ_L＝ＫN/UAN

UAN＝Area/UA

其中，KN是對所述商標圖像提取SIFT特征后得到的SIFT關鍵點數目，UAN是所述商標中單位面積的數目，UA設為100，Area是所述商標圖像長寬的乘積。

其中，所述的設定待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的個性化匹配策略的步驟進一步包括：

根據所述待識別的圖像區域與所述商標圖片樣本庫中的商標圖片的商標密度，得到匹配密度計算公式如下：