[發明專利]一種基于CS特征值的全景機器視覺目標識別方法

在審

• 申請號: 201710324081.4
• 申請日: 2017-05-09
• 公開（公告）號: CN107194406A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 李軍;高楊建;許陽;陳劍斌;沈廣田
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及機器視覺領域，特別涉及一種基于顏色與形狀(Colorand Shape)特征值的全景視覺目標識別方法。

背景技術

1997年Baker與Nayar等人構建了一種全景鏡頭的模型并通過微分方程組求解，此后國內外的全景機器視覺研究成為了熱門領域。機器視覺就是用機器代替人眼來做測量和判斷，對于機器來說，視覺系統就如同人類的眼睛，是機器感知外部環境的主要“感覺器官”。機器要想正常的完成各項工作，視覺系統就必須具有較高的準確性和實效性。與一般的聲納和激光等傳感器不同，視覺傳感器的優點在于能獲取大量豐富的信息、成本低、特征量多且易于提取、探測角度廣等優點。因此利用機器視覺系統可以更加準確地獲取環境中目標物體的大小、顏色、高度以及位置等大量信息，而這往往是聲納、紅外等傳感器無法實現的。

全景視覺系統指成像大于半球視場(360°×180°)的球面成像系統。全景視覺系統與傳統的視覺系統相比，擁有更大的視場，而且得到的全景圖像自身帶有角度信息，可以讓機器獲取更多環境信息，更有利于優化決策。同時，全景視覺系統利用折反射系統成像單元一次成像，獲取整個場景的目標信息，不再需要為光電跟蹤系統附加一套隨動系統，因此有著十分重要的應用前景。

現有的全景機器視覺目標識別方法雖然不少，但是大多都是通過圖像中的特征點匹配進行識別的，如SIFT算法(尺度不變特征轉換算法)、SURF算法(加速魯棒特征算法)等，這些算法計算量大，計算時間長，很難實現實時在線的目標識別。此外，絕大多數的全景機器視覺目標識別方法還存在著一個重要的問題：基于單一特征量進行識別，對識別環境的適應性差，識別準確度有待提高。因此急需一種計算量小、基于多個特征量的全景機器視覺目標識別方法，從而實現實時在線的目標識別，且保證該目標識別系統的適應性與準確性。

發明內容

有鑒于此，本發明提出了一種基于顏色與形狀特征值的全景視覺目標識別方法。該方法通過圖像的分割提取、顏色與形狀特征值的計算，并與目標的特征信息進行對比判斷，實現了基于顏色與形狀兩種特征量的全景機器視覺目標識別，減少了目標識別的計算量，縮短了計算時間，增加了識別系統的適應性與準確性。

本發明的目的是提出一種基于顏色與形狀特征值的全景視覺目標識別方法。

為實現以上目的，通過以下技術方案來實現的：

本發明提供的一種基于顏色與形狀特征值的全景視覺目標識別方法，包括以下步驟：

S1：輸入場景的全景圖像信息及目標的特征信息；

S2：通過圖像預處理系統分割、標記并提取出該場景中可能存在目標的區域；

S3：通過顏色特征值系統獲取各標記區域的“顏色特征值”；

S4：通過形狀特征值系統獲取各標記區域的“形狀特征值”；

S5：通過目標識別系統將各標記區域的“顏色-形狀特征值”與目標的特征信息進行對比，判斷該標記區域內物體是否為目標；

S6：輸出識別結果。

進一步，所述步驟S1中場景的全景圖像信息為像素信息，目標的特征信息包含目標的顏色特征信息與形狀特征信息；

進一步，所述步驟S2中圖像預處理系統采用Otsu法(最大類間方差法)分割場景圖像并將各分割區域標記提取，輸出為“標記區域”；

進一步，所述步驟S3中顏色特征值系統采用基于HSV顏色空間(色調-飽和度-明度顏色空間)的標記區域顏色直方圖特征提取，輸出為“顏色特征值”；

進一步，所述步驟S4中形狀特征值系統采用aHash算法(平均哈希算法)計算標記區域的形狀特征值，輸出為“形狀特征值”；

進一步，所述步驟S5中目標識別系統將各標記區域的顏色特征值與目標的顏色特征信息通過顏色直方圖匹配法進行對比，將各標記區域的形狀特征值與目標的形狀特征信息通過Hash距離(哈希距離)進行對比，通過對比結果加權判斷該標記區域內物體是否為目標，輸入為“顏色-形狀特征值”，輸出為目標識別結果。

本發明的特點在于：本發明利用圖像預處理系統分割了場景圖像并標記提取了各區域，減少了識別過程中的計算量；利用顏色特征值系統獲取了標記區域的顏色特征值，利用形狀特征值系統獲取了標記區域的形狀特征值，并通過顏色-形狀特征值與目標特征信息的對比，實現了標記區域內物體是否為目標的判斷，最終實現了目標識別，增加了識別系統的適應性與準確性。