[發明專利]特征模型生成方法和特征模型生成裝置有效
| 申請號: | 201410471391.5 | 申請日: | 2014-09-16 |
| 公開(公告)號: | CN105404886B | 公開(公告)日: | 2019-01-18 |
| 發明(設計)人: | 胡平;李靜雯;師忠超;魯耀杰 | 申請(專利權)人: | 株式會社理光 |
| 主分類號: | G06K9/46 | 分類號: | G06K9/46;G06K9/62 |
| 代理公司: | 北京市柳沈律師事務所 11105 | 代理人: | 王懷章 |
| 地址: | 日本*** | 國省代碼: | 日本;JP |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 詞條 視覺 特征模型 特征點 匹配 描述信息 目標圖像 視覺詞典 空間信息 映射目標 方法和裝置 特征點匹配 空間關系 生成裝置 特征權重 關聯性 特征權 映射 查找 | ||
1.一種特征模型生成方法,其特征在于,所述方法包括:
在目標圖像中獲得至少一個特征點并且獲得各特征點的位置信息和描述信息;
針對各特征點,
基于所述特征點的描述信息來在視覺詞典模型中查找與所述特征點匹配的至少一個匹配視覺詞條,其中,所述視覺詞典模型包括第一類視覺詞條和第二類視覺詞條,在所述第一類視覺詞條中,一個視覺詞條與至少一個其他視覺詞條在空間關系中具有關聯性;
針對與所述特征點匹配的各匹配視覺詞條,根據所述匹配視覺詞條的類別來確定至少一個映射目標視覺詞條,并且至少基于所述特征點的描述信息和所述匹配視覺詞條的描述信息來計算所述特征點映射到各映射目標視覺詞條上的特征權重;以及
基于所述視覺詞典模型中的各視覺詞條上所映射的特征權重來生成具有空間信息的所述目標圖像的特征模型;
其中,根據所述匹配視覺詞條的類別來確定至少一個映射目標視覺詞條包括:
判斷所述匹配視覺詞條是所述第一類視覺詞條還是所述第二類視覺詞條;
當所述匹配視覺詞條是所述第一類視覺詞條時,在所述視覺詞典模型中查找與所述匹配視覺詞條在空間關系中具有關聯性的至少一個其他視覺詞條;并且將所述匹配視覺詞條本身和所述至少一個其他視覺詞條確定為所述映射目標視覺詞條;以及
當所述匹配視覺詞條是所述第二類視覺詞條時,僅僅將所述匹配視覺詞條本身確定為所述映射目標視覺詞條。
2.根據權利要求1的方法,其特征在于,所述目標圖像包括已知其類別的至少一個樣本圖像,或者所述目標圖像是未知其類別的至少一個待檢測圖像,并且
當所述目標圖像是所述樣本圖像時,所述方法還包括:
在所述樣本圖像中獲取預先標記出的目標物體的至少一個結構部件的位置信息;以及
根據各特征點的位置信息和各結構部件的位置信息來確定所述特征點的最近部件信息,所述最近部件信息表示與所述特征點距離最近的所述目標物體的結構部件。
3.根據權利要求2的方法,其特征在于,所述方法還包括:
基于所述樣本圖像中的各特征點的位置信息、描述信息和最近部件信息來生成所述視覺詞典模型。
4.根據權利要求3的方法,其特征在于,基于所述樣本圖像中的各特征點的位置信息、描述信息和最近部件信息來生成所述視覺詞典模型包括:
根據描述信息來對所述樣本圖像中的所有特征點進行聚類,以生成包括多個視覺詞條的所述視覺詞典模型;
基于各視覺詞條中的特征點的位置信息和最近部件信息來將所述視覺詞條劃分為所述第一類視覺詞條和所述第二類視覺詞條,其中,所述第一類視覺詞條中的特征點的位置和最近結構部件的分布符合預定分布;以及
在所述第一類視覺詞條中,基于視覺詞條之間的內在度量來建立一個視覺詞條與至少一個其他視覺詞條在空間關系中的關聯性。
5.根據權利要求4的方法,其特征在于,基于視覺詞條之間的內在度量來建立一個視覺詞條與至少一個其他視覺詞條在空間關系中的關聯性包括:
基于與第一視覺詞條對應的最近結構部件和與第二視覺詞條對應的最近結構部件在所述目標物體中的內在結構距離來計算所述第一視覺詞條與所述第二視覺詞條在空間關系中的關聯性。
6.根據權利要求1的方法,其特征在于,基于所述特征點的描述信息來在視覺詞典模型中查找與所述特征點匹配的至少一個匹配視覺詞條包括:
根據所述特征點的描述信息和視覺詞典模型中各視覺詞條的描述信息來計算所述特征點與所述視覺詞條之間的相似性;以及
將其相似性大于或等于預定閾值的視覺詞條確定為所述匹配視覺詞條。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于株式會社理光,未經株式會社理光許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410471391.5/1.html,轉載請聲明來源鉆瓜專利網。





