一种基于形状片段的物体识别方法及系统的制作方法
【专利摘要】本申请公开了一种基于形状片段的物体识别方法，包括：分别提取训练图像的边缘形状片段和测试图像的边缘形状片段；使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；根据所述待测物体参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。有效地解决了传统方法对柔性物体以及外观特征不稳定物体难以识别的问题。
【专利说明】一种基于形状片段的物体识别方法及系统
【技术领域】
[0001]本申请涉及计算机视觉【技术领域】，更具体地说，涉及一种基于形状片段的物体识别方法及系统。
【背景技术】
[0002]物体检测及姿态估计是计算机视觉领域中较为活跃的研究课题。现有的物体检测方法一般都是基于物体局部特征或全局特征来识别物体，但是这种方法一般都是应用在无背景噪声的情况下，很少应用于自然环境中物体的识别过程。针对柔性物体、外观特征不稳定物体(如物体外表观表征对光照敏感、物体外观受干扰如人经常换衣服等)，现有的基于物体局部特征或全局特征的检测方法很难精确识别。因此，需要一种新的物体识别方法来有效地实现对自然形状物体的识别。
【发明内容】
[0003]有鉴于此，本申请提供了一种基于形状片段的物体识别方法及系统，用于解决传统方法对柔性物体以及外观特性不稳定物体难以识别的问题。
[0004]为了实现上述目的，现提出的方案如下:
[0005]一种基于形状片段的物体识别方法，包括:
[0006]利用相同的提取方法，分别提取训练图像的边缘形状片段和测试图像的边缘形状片段；
[0007]使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；
[0008]从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；
[0009]利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；
[0010]根据所述待测物体的参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。
[0011]优选地，所述提取训练图像的边缘形状片段具体为:
[0012]对所述训练图像进行边缘处理；
[0013]将所有边缘点间距小于第二阈值的边缘点连接，将连接在一起的边缘点划分为一个边缘组；
[0014]判断所述边缘组是否为边缘形状片段基元；
[0015]如果否，则剔除该边缘组，如果是，则将相连的多个所述边缘形状片段基元组合为边缘形状片段。
[0016]优选地，所述构建物体边缘形状片段模型的过程具体为:采用码表表征的物体建模方法，利用监督方式训练得到物体边缘形状片段模型。
[0017]优选地，所述构建物体边缘形状片段模型的过程中采用了多尺度处理方式。[0018]优选地，所述码表表征的物体建模方法具体为:将训练图像的边缘形状片段描述作为码表中所述训练图像的边缘形状片段的属性；
[0019]将所述训练图像的边缘形状片段上的边缘点相对于所述待测物体的参考点位置的位移矢量作为所述码表的每一个通道的属性。
[0020]优选地，所述相似度的计算过程为:
[0021]分别对所述测试图像的边缘形状片段和所述物体边缘形状片段模型中的边缘形状片段进行边缘形状片段描述，所述边缘形状片段描述为边缘形状片段的起点、末端点和曲率最大点分别到达所述边缘形状片段的质心的位移矢量，以及所述起点至所述曲率最大点之间的边缘点的梯度的平均值、所述末端点至所述曲率最大点之间的边缘点的梯度的平均值；
[0022]计算两个不同的边缘形状片段的描述的相似度，并与所述第一阈值比较。
[0023]优选地，所述利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置的具体过程为:
[0024]由所述训练图像的边缘形状片段得出所述待测物体的形状特性，根据所述待测物体的形状特性建立Hough空间；
[0025]由所述测试图像的边缘形状片段得出所述测试图像的形状特性，根据所述测试图像的形状特性计算出相对于各个边缘点的所有可能参考点位置；
[0026]在所述Hough空间中对每一个可能的所述参考点位置进行投票，所述投票为当有一个边缘点对应的参考点位置位于所述Hough空间某一个点时，即对该点累加值加I ;
[0027]当所述投票结束后,确定所述Hough空间累加值最大的点,通过反Hough变换,将所述Hough空间累加值最大的点对应的所述待测物体上的点确定为所述待测物体的参考点位置。
[0028]优选地，所述根据所述待测物体参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段的过程具体为:
[0029]根据所述反Hough变换和所述待测物体参考点位置，验证所述候选边缘形状片段，剔除不符合条件的候选边缘形状片段，得到实际物体轮廓片段。
[0030]优选地，所述对所述训练图像进行边缘处理具体为:采用Canny算子对所述训练图像进行边缘处理。
[0031]一种基于形状片段的物体识别系统，包括:
[0032]第一边缘形状片段提取单元，用于提取训练图像的边缘形状片段；
[0033]第二边缘形状片段提取单元，用于提取测试图像的边缘形状片段；
[0034]模型构建单元，用于使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；
[0035]片段选取单元，用于从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；
[0036]参考点位置确定单元，用于利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；
[0037]片段筛选单元，用于根据所述待测物体的参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。
[0038]从上述的技术方案可以看出，本申请公开的物体识别方法，通过提取训练图像和测试图像中的边缘形状片段，由训练图像的边缘形状片段构成物体边缘形状片段模型，然后对比测试图像的边缘形状片段与模型中的边缘形状片段，选出相似度大于第一阈值的作为候选边缘形状片段，再通过Hough变换确定待测物体的参考点位置，根据参考点位置对候选边缘形状片段进行筛选，得到实际物体轮廓片段。有效地解决了传统方法对柔性物体以及外观特征不稳定物体难以识别的问题，通过本申请的识别方法，可以精确定位物体边缘，识别效果良好。
【专利附图】
【附图说明】
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0040]图1为本申请实施例公开的一种基于形状片段的物体识别方法流程图；
[0041]图2为本申请实施例公开的一种边缘形状片段提取方法流程图；
[0042]图3为本申请实施例公开的利用Hough变换确定待测物体参考点位置的方法流程图；
[0043]图4为本申请实施例公开的一种基于形状片段的物体识别系统结构图。
【具体实施方式】
[0044]下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0045]实施例一
[0046]参见图1，图1为本申请实施例公开的一种基于形状片段的物体识别方法流程图。
[0047]如图1所示，该方法包括:
[0048]步骤101:利用相同的提取方法，分别提取训练图像的边缘形状片段和测试图像的边缘形状片段；
[0049]具体地，我们采用相同的提取方法，对训练图像和测试图像分别提取边缘形状片段。
[0050]步骤102:使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；
[0051]步骤103:从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；
[0052]具体地，根据形状片段间的相似度，对比测试图像的边缘形状片段与物体边缘形状片段模型中的训练图像的边缘形状片段，从测试图像的边缘形状片段中选取相似度大于第一阈值的边缘形状片段，作为候选边缘形状片段。具体地，第一阈值的大小是人为设定的，该值的大小可以根据多次实验获得。
[0053]步骤104:利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；
[0054]具体地，将物体检测问题转换为Hough空间概率问题，求出Hough空间的概率最大值对应的点，对应的该点也就是待测物体的参考点位置在Hough空间的映射。其中，待测物体的参考点位置是我们人为指定的，举例来说，我们检测一匹马的轮廓，可以指定马的心脏处为参考点位置，或指定马的眼睛为参考点位置等等，一旦参考点的位置确定了，那么整匹马的边缘各点相对于参考点的距离及方向等信息也就确定了。
[0055]步骤105:根据所述待测物体的参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。
[0056]本实施例公开的物体识别方法，通过提取训练图像和测试图像中的边缘形状片段，由训练图像的边缘形状片段构成物体边缘形状片段模型，然后对比测试图像的边缘形状片段与模型中的边缘形状片段，选出相似度大于第一阈值的作为候选边缘形状片段，再通过Hough变换确定待测物体的参考点位置，根据参考点位置对候选边缘形状片段进行筛选，得到实际物体轮廓片段。有效地解决了传统方法对柔性物体以及外观特征不稳定物体难以识别的问题，通过本申请的识别方法，可以精确定位物体边缘，识别效果良好。
[0057]实施例二
[0058]对训练图像和测试图像的边缘形状片段的提取我们采用相同的方法，只是针对的对象不同而已。下面以对训练图像的边缘形状片段提取为例，具体的提取方法如下:
[0059]参见图2，图2为本申请实施例公开的一种边缘形状片段提取方法流程图。
[0060]如图2所示，该方法包括:
[0061]步骤201:对所述训练图像进行边缘处理，得到边缘图像；
[0062]具体地，我们可以采用Canny算子来对训练图像进行边缘处理。
[0063]步骤202:采用链码的方法，将所有边缘点间距小于第二阈值的边缘点连接起来，将连接在一起的边缘点划分为一个边缘组；
[0064]具体地，第二阈值的大小根据人为设定，可以根据图片像素的大小，选择一个适应的值。
[0065]步骤203:判断每个边缘组是否为边缘形状片段基元；
[0066]具体地，划分后会存在多个边缘组，但是并不是所有的边缘组都是边缘形状片段基元，我们要对每个边缘组进行判断。我们可以记S为边缘组C的起点，E为边缘组C的末端点，Cvi为边缘组C的边缘点。那么我们可以采用下式来判断:
[0067]
【权利要求】
1.一种基于形状片段的物体识别方法，其特征在于，包括:利用相同的提取方法，分别提取训练图像的边缘形状片段和测试图像的边缘形状片段；使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；根据所述待测物体的参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。
2.根据权利要求1所述的方法，其特征在于，所述提取训练图像的边缘形状片段具体为:对所述训练图像进行边缘处理；将所有边缘点间距小于第二阈值的边缘点连接，将连接在一起的边缘点划分为一个边缘组；判断所述边缘组是否为边缘形状片段基元；如果否，则剔除该边缘组，如果是，则将相连的多个所述边缘形状片段基元组合为边缘形状片段。`
3.根据权利要求1所述的方法，其特征在于，所述构建物体边缘形状片段模型的过程具体为:采用码表表征的物体建模方法，利用监督方式训练得到物体边缘形状片段模型。
4.根据权利要求1所述的方法，其特征在于，所述构建物体边缘形状片段模型的过程中采用了多尺度处理方式。
5.根据权利要求3所述的方法,其特征在于,所述码表表征的物体建模方法具体为:将训练图像的边缘形状片段描述作为码表中所述训练图像的边缘形状片段的属性；将所述训练图像的边缘形状片段上的边缘点相对于所述待测物体的参考点位置的位移矢量作为所述码表的每一个通道的属性。
6.根据权利要求1所述的方法，其特征在于，所述相似度的计算过程为:分别对所述测试图像的边缘形状片段和所述物体边缘形状片段模型中的边缘形状片段进行边缘形状片段描述，所述边缘形状片段描述为边缘形状片段的起点、末端点和曲率最大点分别到达所述边缘形状片段的质心的位移矢量，以及所述起点至所述曲率最大点之间的边缘点的梯度的平均值、所述末端点至所述曲率最大点之间的边缘点的梯度的平均值；计算两个不同的边缘形状片段的描述的相似度，并与所述第一阈值比较。
7.根据权利要求1所述的方法，其特征在于，所述利用Hough变换,求出Hough空间的概率最大值点，确定待测物体的参考点位置的具体过程为:由所述训练图像的边缘形状片段得出所述待测物体的形状特性，根据所述待测物体的形状特性建立Hough空间；由所述测试图像的边缘形状片段得出所述测试图像的形状特性，根据所述测试图像的形状特性计算出相对于各个边缘点的所有可能参考点位置；在所述Hough空间中对每一个可能的所述参考点位置进行投票，所述投票为当有一个边缘点对应的参考点位置位于所述Hough空间某一个点时，即对该点累加值加I ;当所述投票结束后，确定所述Hough空间累加值最大的点,通过反Hough变换,将所述Hough空间累加值最大的点对应的所述待测物体上的点确定为所述待测物体的参考点位置。
8.根据权利要求7所述的方法，其特征在于，所述根据所述待测物体参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段的过程具体为:根据所述反Hough变换和所述待测物体参考点位置，验证所述候选边缘形状片段，剔除不符合条件的候选边缘形状片段，得到实际物体轮廓片段。
9.根据权利要求2所述的方法，其特征在于，所述对所述训练图像进行边缘处理具体为:采用Canny算子对所述训练图像进行边缘处理。
10.一种基于形状片段的物体识别系统，其特征在于，包括:第一边缘形状片段提取单元，用于提取训练图像的边缘形状片段；第二边缘形状片段提取单元 ，用于提取测试图像的边缘形状片段；模型构建单元，用于使用所述训练图像的边缘形状片段，构建物体边缘形状片段模型；片段选取单元，用于从所述测试图像的边缘形状片段中选取出特定的边缘形状片段作为候选边缘形状片段，所述特定的边缘形状片段与所述物体边缘形状片段模型中的边缘形状片段的相似度必须大于第一阈值；参考点位置确定单元，用于利用Hough变换，求出Hough空间的概率最大值点，确定待测物体的参考点位置；片段筛选单元，用于根据所述待测物体的参考点位置，对所述候选边缘形状片段进行筛选，得到实际物体轮廓片段。
【文档编号】G06K9/46GK103605979SQ201310641637
【公开日】2014年2月26日 申请日期:2013年12月3日 优先权日:2013年12月3日
【发明者】陈国栋, 王振华, 孙立宁, 孙荣川, 任子武, 林睿 申请人:苏州大学张家港工业技术研究院