[发明专利]基于置信度图的增强现实场景虚拟对象判别和检测方法

说明书

技术领域

本发明涉及图像处理、计算机视觉和增强现实领域，具体地说是一种基于置信度图的增强现实场景虚拟对象判别和检测方法。

背景技术

增强现实是虚拟现实的进一步拓展，它借助必要的设备使计算机生成的虚拟对象与客观存在的真实环境共存于同一个增强现实系统中，从感官和体验效果上给用户呈现出虚拟对象与真实环境融为一体的增强现实环境。随着增强现实技术的发展，具有较高的图像真实感的增强现实场景的出现，急需度量和评价增强现实场景可信度的标准和依据。如何判定一个场景是否增强现实场景，并且进一步地将增强现实场景中的虚拟对象检测出来，作为增强现实场景图像可信度评价的一个途径，有重要的研究意义和应用需求。

2011年，意大利特伦多大学的研究人员提出一种图像伪造鉴别方法，该方法能将融入真实场景中的计算机生成成分检测出来。该工作是已知的现有工作中唯一一个以增强现实场景为处理对象的。但是该工作所进行的检测不是以对象为单位，而是只检测增强现实场景中的虚拟成分，即检测结果可能是一个区域，也可能是零散分布的点。

2005年美国达特茅斯大学的研究人员提出了基于小波分解的自然图像统计模型并采用支持向量机和线性鉴别分析来分类虚拟图像和真实图像的方法。该首先提取彩色图像小波分解后各个子带和方向上分解系数的四阶统计特征(均值、方差、偏度、峰度)；同时考虑小波分解后相邻分解系数之间的四阶线性预测误差特征，然后利用支持向量机和线性判别分析法训练出分类器，再将测试集输入训练好的分类器得到分类结果。该方法的虚实分类是针对整张图像进行的，且分类准确率随着虚实分类特征的提取区域大小不同而有较大波动。

2007年，美国纽约科技大学的研究人员提出了利用颜色滤波阵列插值检测特点以及图像中色差一致性来区分虚拟图像和真实图像的方法。该方法首先从训练集正负样本中提取基于颜色滤波阵列插值检测特点以及图像中色差一致性的特征，然后将提取的特征输入支持向量机中训练出分类器，再将测试集输入训练好的分类器得到分类结果。

2009年加拿大艾伯塔大学的研究人员提出了利用图像块重采样参数的一致性来分类虚拟图像和真实图像的方法。该方法的原理是基于虚拟图像生成中对模型表面纹理映射的过程可能会用到对纹理图像的旋转、缩放等操作，造成虚拟图像中各图像块重采样的参数不一致。这样就可以通过检测图像块重采样的参数是否一致来区别虚拟图像和真实图像。该方法的图像块重采样的参数估计是针对整张图像进行。

2004年，美国康柏电脑公司剑桥研究实验室的研究人员提出了利用基于哈尔滤波器并采用AdaBoost分类算法来进行人脸检测的方法。该方法首先从训练集中提取分类特征，再训练出基于人脸和非人脸统计特征的分类器，然后将提取的待检测图像的分类特征输入分类器并通过级联分类器来减少需计算的检测窗口的数目以提高效率，最终得到检测结果。该方法的特征提取是基于哈尔滤波器，描述的是人脸固有结构带来的区域对比度。

2005年，法国国立计算机及自动化研究院的研究人员提出了利用方向梯度直方图和线性支持向量机进行人物检测的方法。该方法分首先对输入图片进行颜色归一化，然后计算图片中的梯度，统计落在不同方向和方位区间的像素点，并对重叠的空间块进行对比归一化，再生成每个检测窗的方向梯度直方图，最后用线性支持向量机分类器分类出人物/非人物区域，得到检测结果。该方法相比于其他检测方法有更高的检测效果，但要求图片中的人物要大致保持竖直站立的状态。该方法特征提取采用的是图像梯度直方图，描述的是人体轮廓的固有特点。

上述区分虚拟图像和真实图像的方法，共同点是它们所提取的虚实分类特征都不适用于针对图像中任意给定区域的虚实分类。此外，现有的对象检测的工作中，一般处理的对象都有较强的易于描述的外观特点作为先验信息。相对而言，增强现实场景中的虚拟对象检测，其检测目标(即虚拟对象)不具有外观上显式的易于描述的先验信息，如颜色、形状、大小等，因此判别和检测难度较大。

发明内容

本发明的技术解决方案：克服现有技术的不足，提供一种基于置信度图的增强现实场景虚拟对象判别和检测方法，该方法不需要预先知道虚拟对象的任何外观信息，如颜色、形状、大小，也不需要知道虚拟对象在增强现实场景中所处的位置，而是利用区分虚拟对象与真实图像的物理成像差异，进行虚实分类特征提取，分别计算训练集正负样本的区域自身特征与区域对比特征，并构造出像素级虚实分类器与区域级虚实分类器；在此基础上，通过基于虚拟置信度图的虚拟对象判别与检测进行虚拟对象初步定形定位和精确检测。