使用概率模型在视觉数据中检测对象的制作方法
【专利说明】使用概率模型在视觉数据中检测对象
【背景技术】
[0001 ] 对象识别能够被执行以在图像中检测特定对象的存在。对象检测能够基于将图像 中的特征与特定对象的表示的特征匹配，其中该表示能够是特定对象的模型。匹配程序可 以在图像与对象的表示之间的匹配特征数目超过固定阈值的情况下指示特定对象在图像 中。
【附图说明】
[0002] 一些实施例参考下面附图来描述： 图1是依据一些实施方式的包含对象检测系统的示例布置的方块图； 图2是依据一些实施方式的对象识别程序的流程图； 图3是依据进一步实施方式的对象识别程序的流程图； 图4是依据一些实施方式的针对给定对象建立概率模型的过程的流程图；以及 图5是依据一些实施方式的可用在图3的对象识别程序中的几何一致程序的流程图。
【具体实施方式】
[0003] 为了执行对象识别以在视觉数据(例如，图像、视频数据等）中检测对象的存在，对 象识别程序能够从视觉数据中提取特征用于与对象的给定表示(例如模型）的相应特征比 较。要在视觉数据中检测的对象的示例能够包含下面内容：照片、海报、产品包装(例如，盒 子、瓶子、罐头等)、广告牌、建筑物、纪念碑、车辆、景观等等。
[0004] 在视觉数据与对象的表示之间的匹配特征数目超过某一指定阈值的情况下，匹配 被认为已经发生(换言之，对象被认为存在于视觉数据中）。对象的不同类型能够包含特征 的不同数目，该特征可用于匹配到对象的相应表示。例如，对象的第一类型能够包含可用于 匹配到对象的第一类型的表示的特征的第一数目，而对象的第二类型能够包含可用于匹配 到对象的第二类型的表示的特征的第二、不同数目。
[0005] 如果对象的这样类型不含有可用特征的足够数目以能够满足固定数目阈值，则针 对匹配特征数目使用固定阈值来指示匹配特征数目是否指示成功匹配可以导致对象的一 些类型被不可靠地检测。另一方面，针对匹配特征数目的固定阈值的使用可以在针对对象 的其它类型执行对象识别时导致相对大的数目的误报（false positive)，对象的其它类型 可以包含用于匹配的更大数目的可用特征。
[0006] 虽然可以可能针对对象的对应不同类型人工地调谐阈值，但是这样的人工调谐过 程可能是劳力密集的并且可能易受人为误差的影响。
[0007] 依据一些实施方式，取代针对匹配特征数目使用固定阈值，概率模型能够被用在 对象识别程序中以确定对象是否存在于视觉数据中。在随后的讨论中，对在图像中确定对 象的存在进行参考。然而，在其它实施方式中，使用概率模型的对象识别程序能够被应用以 在其它类型的视觉数据(诸如视频数据等等）中确定对象的存在。
[0008] 概率模型使概率与匹配特征数目相关。该概率是对象存在于图像中的概率。通过 使用概率模型，取代针对匹配特征数目指定固定阈值，能够代替地指定概率阈值。概率阈值 能够针对对象不同的类型是相同的。
[0009] 通过使用概率模型，对象识别程序是否已经在图像中检测到对象的确定基于概率 阈值。多个概率模型能够被提供给对象的相应不同类型。
[0010] 在一些实施方式中，为了确定特定对象是否在图像中，对象识别程序能够使用概 率模型(对应于特定对象)将图像与对应对象之间的匹配数目转换为概率值。概率值能够与 概率阈值相比以确定指示特定对象在图像中的匹配是否存在。
[0011] 在替代实施方式中，对象识别程序能够使用概率模型将概率阈值转换为对应数目 阈值，其中数目阈值指示匹配特征数目，在该匹配特征数目以上对象被认为存在于图像中。 然后，图像与对应对象之间的匹配数目能够与数目阈值相比以确定匹配是否存在。
[0012] 在后面实施方式中，针对对象的每个类型，相应概率模型能够使概率阈值与对应 数目阈值相关。针对对象的不同类型，相应概率模型能够使概率阈值与不同数目阈值相关。 通过针对对象的不同类型基于概率模型提供不同数目阈值而不是相同固定数目阈值，能够 实现针对对象的不同类型的更可靠对象识别。
[0013] 在一些示例中，针对对象的不同类型的多个数目阈值能够被存储在查找表或其它 查找数据结构中。在尝试确定特定对象是否在图像中时，查找表或其它查找数据结构能够 被访问以检索要在对象识别程序中使用的对应数目阈值。
[0014] 虽然对针对对象的不同类型的多个概率模型的使用进行参考，但是注意的是，在 替代实施方式中，一个概率模型能够被用于对象的多个不同类型。这样的实施方式中的概 率模型的输入将会包含对象的类型的指示，并且概率模型然后能够使用该类型指示以执行 概率值与匹配特征数目之间的相应转换。
[0015] 在一些实施方式中，能够从图像中提取用于与对象的表示(例如模型）比较的特征 能够是点特征。点特征指代从给定图像补丁 (其能够具有预定义尺寸，诸如16x16栅格或其 它尺寸）中提取的元素(被称为"描述符")。在图像内，能够提取许多点特征，其能够与对象 的表示中的参考点特征相比。点特征的示例包含SIFT (尺度不变特征变换)特征、SURF (加 速稳健特征）等等。在其它示例中，取代使用点特征，能够使用特征的其它类型，诸如线特 征、块特征等等。
[0016] 在随后的讨论中，假定点特征被提取用于在图像中执行对象识别。标识在图像中 的点特征与对象的表示中的点特征之间的匹配被称为标识点对应。虽然在随后的讨论中对 匹配点特征进行参考，但是注意的是，类似的技术在其它实施方式中能够被应用到匹配特 征的其它类型。
[0017] 图1图解依据一些实施方式的对象识别系统100,其包含对象识别器102。对象识 别系统100能够包含计算机或计算机的分布式布置。对象识别器102能够被实行在一个或 多个处理器104上。对象识别器102能够访问被存储在存储介质（或多个存储介质）108中 的概率模型106用于执行对象识别程序以在图像110中检测对象的存在。
[0018] 图像110也能够被存储在存储介质（或多个存储介质）108中。在一些示例中，图 像110能够从远程资源被对象识别系统100接收。一个这样的远程资源能够是远程系统 112,其经过网络114被耦合到对象识别系统100。对象识别系统100能够通过对象识别系 统100中的网络接口 115经过网络114进行通信。远程系统112能够包含捕获图像110的 照相机。在替代实施方式中，照相机能够是对象识别系统100的部分。
[0019] 概率模型106能够由概率模型生成器103产生，该概率模型生成器103能够被实 行在对象识别系统100的（一个或多个）处理器104上。在其它示例中，概率模型生成器 103能够被实行在与对象识别器102不同的系统中。在这样的后面示例中，由概率模型生成 器103生成的概率模型106能够从在其中概率模型生成器103实行的系统被对象识别系统 100接收。
[0020] 对象描述符数据库116也能够被存储在对象识别系统的存储介质（多个存储介质） 108中。可替代地，对象描述符数据库116能够被存储在对象识别系统100外面的存储子系 统中。对象描述符数据库116含有各种不同对象的模型。每个对象模型含有对应对象的描 述符(其描述点特征或其它类型的特征)。
[0021] 对象识别器102能够从图像110中提取点特征，并且能够将提取的点特征与对象 描述符数据库116中的对象模型的对应点特征相比以确定特定对象(从由对象模型表示的 对象之中）是否存在于图像110中。
[0022] 图2是依据一些实施方式的能够被对象识别器102执行的过程。该过程(在202 处）提供概率模型106。提供概率模型106能够包含：（1)在对象识别系统100中通过概率 模型生成器103生成概率模型106,或者（2)从另一个系统通过对象识别系统100接收概率 模型106。
[0023] 图2的过程(在204处)进一步使用概率模型106来检测特定对象是否在图像110 中。对象识别器102能够确定图像110与对象描述符数据库116中的对象的相应模型之间 的点对应数目。如上面指出的，点对应指代图像110的点特征与如由对象模型表示的对象 的对应点特征之间的匹配。
[0024] 在一些实施方式中，对象识别器102能够使用相应概率模型106将点对应数目映 射到概率值，该概率值然后能够与概率阈值相比。在概率值超过预定概率阈值的情况下能 够指示匹配(指示在图像110中检测到对应对象)。
[0025] 在替代实施方式中，针对特定对象，相应概率模型能够被用来将预定概率阈值映 射到相应数目阈值。数目阈值指定点对应数目，在该点对应数目以上指示对象与图像110 的匹配。为了检测特定对象是否存在于图像110中，将图像110与特定对象的对象模型之 间的点对应数目与由概率模型映射的数目阈值相比，并且在点对应数目超过数目阈值的情 况下指