[發明專利]一種基于圖像識別的擴增實境實現方法

在審

• 申請號: 201710073111.9
• 申請日: 2017-02-10
• 公開（公告）號: CN106874865A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 施茂燊
• 申請（專利權）人: 深圳前海大造科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 成都行之專利代理事務所(普通合伙)51220
• 代理人: 田甜

1.一種基于圖像識別的擴增實境實現方法，其特征在于，包括以下步驟，

1)、初始化擴增實境系統；

2)、獲取真實場景圖像；

3)、檢測并匹配目標標志物，提取目標標志物的ORB特征點，并對每一個ORB特征點生成相應的描述子以生成用于上傳到云端圖像數據庫的該目標標志物的ORB描述子序列，接收云端圖像數據庫識別后返回的圖像編號；獲取目標標志物的初始位姿矩陣；

4)、渲染3D引擎動畫特效；

5)、開啟追蹤執行線程，確定目標標志物新的位姿矩陣；

6)、根據新的位姿矩陣更新擴增實境動畫特效；

7)、重復4)至6)直至目標標志物在屏幕中消失、重新獲取真實場景圖像或擴增實境系統停止運作。

2.根據權利要求1所述的一種基于圖像識別的擴增實境實現方法，其特征在于，在追蹤執行線程時采用模板匹配、矢量運動模型預測、卡爾曼濾波算法的方法。

3.根據權利要求2所述的一種基于圖像識別的擴增實境實現方法，其特征在于，所述模板匹配的方法為：擴增實境系統根據上一幀的位姿矩陣將跟蹤組的點投影至屏幕上，在點附近的一定范圍內做模板匹配，判斷模板是否匹配的分數由模板所有像素值的歸一化互相關系數決定。

4.根據權利要求2所述的一種基于圖像識別的擴增實境實現方法，其特征在于，采用矢量運動模型預測的方法為：當讀入的影像大于兩幀，利用前兩幀位姿矩陣計算一個預測矩陣，預先將跟蹤組的點從上一幀的位置投影到預測矩陣的位置范圍，再在預測矩陣的位置范圍內搜索模板。

5.根據權利要求2所述的一種基于圖像識別的擴增實境實現方法，其特征在于，采用卡爾曼濾波算法的方法為：對之前的數幀位姿矩陣進行加權，之后對當前幀求得的新的位姿矩陣做最優化估計處理。

6.根據權利要求1所述的一種基于圖像識別的擴增實境實現方法，其特征在于，所述云端圖像數據庫得生成方法包括：

描述子生成步驟：收集圖像，提取每張圖像的ORB特征點，并對每個ORB特征點生成相應的描述子以得到描述子樣本；

樹狀模型生成步驟：根據描述子樣本生成圖像數據庫的樹狀模型；

數據庫生成步驟：向樹狀模型中添加圖像，建立樹狀結構的圖像數據庫。

7.根據權利要求6所述的一種基于圖像識別的擴增實境實現方法，其特征在于，所述描述子生成步驟具體為：收集圖像，分別對每張圖像進行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應的描述子。

8.根據權利要求6所述的一種基于圖像識別的擴增實境實現方法，其特征在于，所述樹狀模型生成步驟具體為：

A1、定義一個樹狀結構，其最大層數為L，每層最大子節點數為K；

A2、對描述子樣本用K-means算法做聚合分類，得到子節點分類結果，將每個子節點內所有描述子的平均描述子作為該子節點的描述子；

A3、若該子節點內描述子樣本的數量大于K的兩倍，則對該子節點內的描述子樣本作進一步的K-means分類，重復該步驟，直至樹狀結構的最大層數小于等于L或者沒有子節點的描述子樣本數量大于K的兩倍；

A4、對所有的子節點依次排序標號，生成圖像數據庫的樹狀模型。

9.根據權利要求6所述的一種基于圖像識別的擴增實境實現方法，其特征在于，所述數據庫生成步驟為：

B1、給圖像一個唯一的編號；

B2、對該圖像進行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應的描述子；

B3、將該圖像的所有描述子利用樹狀模型進行分類，并將每個描述子的分類結果關聯其分配到的子節點上；

B3、對每一張圖像做B1至B3的步驟，得到具有樹狀結構的圖像數據庫。

10.根據權利要求6所述的一種基于圖像識別的擴增實境實現方法，其特征在于，云端圖像數據庫識別的方法包括以下步驟，

云端圖像數據庫利用檢索詞匯樹的檢索算法對圖像進行匹配并返回編號結果。