[发明专利]一种基于形状片段的物体识别方法及系统

说明书

技术领域

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

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

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。

为了实现上述目的，现提出的方案如下：

一种基于形状片段的物体识别方法，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。

优选地，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。

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。

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。

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；

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。

优选地，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。

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：

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1；

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。

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：

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。

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。

一种基于形状片段的物体识别系统，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；