[发明专利]特征提取方法、程序和系统

说明书

技术领域

本发明涉及从图像中提取特征量来进行位置估计的技术。

背景技术

近年来，为了分析诸如购物中心和公共设施处的顾客流动路线，以及为了进行在库控制，对于室内位置估计技术的要求越来越大。

对于室内位置进行精确估计是比较困难的，因为诸如WiFi或RFID设备的无线设备在室内使用时会产生许多噪声。GPS提供相对精确的位置估计，但是不能在室内使用。因此，技术上已经注意到，在移动对象上附加摄像头来拍摄图像，并且所拍摄的图像被分析以用来预测位置。

与此有关的现有技术包括在WO2008/087974中所披露的技术。WO2008/087974涉及用于计算多个摄像头之间的位置关系的技术，以及用于基于所计算出的位置关系生成用户界面的技术，其披露了基于所拍摄的图像在不使用GPS的情况下计算多个摄像头的位置。

在″Gradient-Based Feature Extraction：SIFT and HOG″，Information Processing Society of Japan Technical Report，CVIM[Computer Vision and Image Media]，2007，(87)，211-224，2007-09-03这篇文章中，藤吉弘亘(Hironobu Fujiyoshi)提供了关于SIFT算法的概述，并且描述了在DoG图像的极值检测以及HOG。

JP2011-53181A披露了使用SIFT(Scale-Invariant Feature Transform)特征值进行朝向估计，从而提供了一种可靠的信息终端设备，该设备能够在不需要引入地磁传感器的情况下估计用户的朝向，并且基于所述估计的结果在显示器上控制显示信息。

SIFT是图像特征提取技术的一种，其涉及特征点的检测和围绕特征点计算特征向量的方法。除此以外，已经知道运动结构(SfM，Structure from Motion)，这是一种从图像来重构奇点间和摄像头位置之间的的三维位置关系的技术。在诸如JP10-40385A，JP2009-237845A和JP2009-237847A中描述了SfM。

SfM是这样一种技术，诸如角落的特征点从图像中被抽取，然后，特征点周围的8×8像素的色饱和度被布置为简单地生成64比特的特征向量，或者以其他的方式从特征点周围的像素计算出特征向量，然后在多个像素之间进行匹配。这样，特征点的三维位置和摄像头的位置就可以同时被重构。

为了稳定地获得SfM，需要一种特征量计算方法，这种方法要对噪声鲁棒，即对于图像中的起伏鲁棒，并且对图像的旋转和缩放鲁棒。然而，传统的方法具有高计算开销的问题。为了获得SfM，通常需要与像素数目成比例的计算量，因此对于计算开销的考虑是关键的。

引证清单

专利文献

[专利文献1]WO2008/087974

[专利文献2]JP2011-53181A

[专利文献3]JP10-40385A

[专利文献4]JP2009-237845A

[专利文献5]JP2009-237847A

非专利文献

[非专利文件1]藤吉弘亘，″Gradient-Based Feature Extraction：SIFT and HOG″，Information Processing Society of Japan Technical Report，CVIM[Computer Vision and Image Media]，2007，(87)，211-224，2007-09-03

发明内容

技术问题

因此，本发明的一个目标是提供快速而鲁棒地获得SfM的技术。

对该问题的解决方案

本发明通过利用以下事实解决了上述问题：SfM中使用的许多特征是与重力方向平行的线条，并且诸如智能电话的移动设备包括加速度传感器或陀螺仪。

根据本发明，作为服务器的计算机系统通过通信功能从智能电话接收图像和加速度传感器的测量结果。

该计算机系统首先从图像中仅仅提取竖直边缘。为此，计算机系统使用加速度传感器来获得摄像头坐标系中的重力向量。该系统然后在屏幕坐标系中，使用该重力向量来获得竖直方向上的消失点(u′，v′)。