[發(fā)明專利]一種視覺模板自動提取方法、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201711193217.9
• 申請日: 2017-11-24
• 公開（公告）號: CN107977675A
• 公開（公告）日: 2018-05-01
• 發(fā)明（設計）人: 周建鋒;汪晨
• 申請（專利權）人: 清華大學;寧波星帆信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/34;G06K9/00
• 代理公司: 北京智信四方知識產(chǎn)權代理有限公司11519
• 代理人: 宋海龍

技術領域

本發(fā)明涉及圖像、視頻數(shù)據(jù)處理、機器視覺領域，特別涉及一種視覺模板自動提取方法。

背景技術

目標檢測是計算機視覺和機器視覺中的重要問題，其目的是檢測定位場景圖像中的目標物體。目標檢測在工業(yè)自動化、機器人、無人駕駛等領域應用廣泛，是計算機視覺和機器視覺，尤其是視覺檢測中的一個重要研究領域。

目標檢測能夠在復雜場景中有效提取目標信息，是實現(xiàn)機械智能化的前提條件。目標檢測是計算機視覺領域中一個基礎性的研究課題，主要包含兩類不同的檢測任務：目標實例檢測和目標類別檢測。根據(jù)物體實例表觀特征，傳統(tǒng)目標實例檢測又分為基于特征點匹配與基于模板匹配的兩種檢測方法。

基于特征點匹配的目標檢測應用于表面包含豐富紋理的物體檢測，原理是當目標表面紋理豐富時，能夠使用特征描述子，如SIFT、SURF，提取目標表面的特征點，并利用這些特征在待檢測圖像中搜索目標物體。就算法本身而言，該方法的準確率與特征描述子的優(yōu)劣直接相關。作為優(yōu)秀特征描述子的代表，SIFT算子在多尺度空間提取特征點，以特征點領域內(nèi)梯度分布作為特征信息，從而支持尺度、光照、旋轉(zhuǎn)不變性。

基于模板匹配的目標檢測則應用于外觀無紋理或少紋理的目標物體檢測中，通過Chamfer距離、Hausdorff距離、圖像梯度等度量模板圖像與目標圖像的差異，從而輸出目標的包圍圈或中心點以實現(xiàn)檢測的方法。此外，近年機器學習，特別是深度學習技術的突飛猛進，基于神經(jīng)網(wǎng)絡的目標檢測方法以其強大的特征提取能力和學習能力在各領域、各賽事中大放異彩。隨著計算機硬件性能與神經(jīng)網(wǎng)絡結構算法的提升，多層神經(jīng)網(wǎng)絡的訓練與應用成為了可能，準確率甚至趕超人眼。然而該技術的實現(xiàn)必須在前期使用大量的圖像樣本耗費大量時間來訓練神經(jīng)網(wǎng)絡。

基于特征點匹配、模板匹配、神經(jīng)網(wǎng)絡的目標實例檢測的共同點是都需要提供模板圖像，不同的是實現(xiàn)方法不同。目前市面上的視覺系統(tǒng)基本使用人工手動的方式采集模板圖像，主要存在兩個方面的缺陷。一、操作費時費力。目前市面上的視覺系統(tǒng)采集模板是由用戶通過GUI界面交互操作截取獲得。用戶第一次使用前需經(jīng)過簡單培訓或說明。同時應用于神經(jīng)網(wǎng)絡的大量樣本圖像，若由人工手動采集，勢必花費大量的人力物力與時間。此外，復雜的操作不利于工業(yè)自動化與智能化。二、模板圖像質(zhì)量不高。若直接保存相機拍攝的場景圖像，則圖像中不僅包含了目標物體，還包含了一定的場景無效信息，過多的無效信息會一定程度影響目標的檢測率。

發(fā)明內(nèi)容

(一)要解決的技術問題

為了克服現(xiàn)有技術的上述缺陷，本發(fā)明提供了一種視覺模板自動提取方法、系統(tǒng)及存儲介質(zhì)。

(二)技術方案

根據(jù)本發(fā)明的一個方面，提供一種視覺模板自動提取方法，包括步驟：步驟1，獲取不包含目標物體的場景圖像I₁；步驟2，將目標物體放置到所述場景中，獲取包含目標物體的場景圖像I₂；步驟3，根據(jù)所述場景圖像I₁和所述場景圖像I₂獲取所述目標物體的模板圖像；所述場景圖像I₁和所述場景圖像I₂是靜態(tài)場景的數(shù)字圖像。

根據(jù)本發(fā)明的另一方面，提供一種視覺模板自動提取系統(tǒng)，該系統(tǒng)包括：圖像獲取裝置，用于獲取不包含目標物體的場景圖像I₁以及包含有目標物體的場景圖像I₂；模板圖像獲取裝置，用于根據(jù)所述場景圖像I₁和所述場景圖像I₂獲取所述目標物體的模板圖像，所述場景圖像I₁和所述場景圖像I₂是靜態(tài)場景的數(shù)字圖像。

根據(jù)本發(fā)明的再一方面，提供一種存儲介質(zhì)，其上存儲有計算機程序，通過處理器執(zhí)行所述計算機程序以實現(xiàn)：步驟1，獲取不包含目標物體的場景圖像I₁；步驟2，將目標物體放置到所述場景中，獲取包含目標物體的場景圖像I₂；步驟3，根據(jù)所述場景圖像I₁和所述場景圖像I₂獲取所述目標物體的模板圖像；所述場景圖像I₁和所述場景圖像I₂是靜態(tài)場景的數(shù)字圖像。