[发明专利]基于角点检测与匹配的药品识别系统及其识别方法

说明书

技术领域

本发明属于计算机视觉和机器学习技术领域，具体涉及一种基于角点检测与匹配的药品识别系统和一种基于角点检测与匹配的药品识别方法。

背景技术

据不完全统计，在全球范围内大约有三亿四千二百余万人受视力障碍的困扰。视力障碍是指因衰老、眼疾和眼部受创等先天和后天原因引起的视力受损、残疾或者缺陷，表现为视觉器官(包括眼球、眼神经)及大脑视觉神经中枢的构成或者功能发生部分或者全部障碍，以致患者双眼不同程度地视力受损或者视野变小，不能对外界事物进行正确辨识。依据相关规定，视觉障碍患者的视力在0.3以下或者视野不超过20°。

视觉障碍主要分为盲人和弱视患者两类。根据弱视患者的缺陷和使用的视觉辅助器具，弱视患者一般表现为以下几类：一是对立体不敏感，不能正常识别三维物体；二是缺乏对光线的辨识，对光线变化不敏感；三是对颜色不敏感，不能辨识正常的色彩，即为色盲；四是患者视野范围太小，不能像正常人一样感受周围事物。由于视觉系统不同程度的受损、残疾或者缺陷，弱视患者能够使用视觉从事一定的工作、学习和生活，但是在不同方面，视觉系统都有一定的障碍，需要借助一定的视觉辅助设备来完成正常的学习、工作和生活。

全盲患者则完全不能使用视觉系统进行正常的工作和学习，他们只能通过人体的其他感官如触觉和听觉来代替视觉进行日常生活。目前相比于全盲人群，我国视觉障碍的人群较多，他们大多都可以通过一定信息无障碍技术和视觉辅助设备来进行正常的学习和生活，但是由于大多视觉辅助设备功能单一并且价格偏高，没有普及到城市和农村的视觉障碍人群，服务率较低。如何开发出高效廉价的视觉辅助设备，提高视障人群辅助器具服务率和生活质量是科研工作者的一个重要研究方向，也是社会和国家急需解决的问题。

角点检测和提取是图像分析和图像识别的前提，是图像局部特征的表征和描述，它往往对应图像中线条交叉的部分和图像中明暗变化剧烈的部分，代表图像中线条交叉的部分和曲率较大的拐点。角点由于其较好的抗干扰能力和较高的鲁棒性，并且受环境影响较小。近年来，角点的检测方法在近年来也取得了不少重大的成果。自适应通用加速分割检测(Adaptive and Generic Accelerated Segment Test，AGAST)算法是比较好的角点检测算法之一。该算法使用高效的二叉决策树来优化FAST算法中使用的贪心搜索算法ID3决策树，通过合并两个决策树，根据当前图像信息自适应地采用最高效地决策树，极大地提高了算法的稳定性和检测速率。FAST和AGAST算法都可以快速地检测和提取图像局部角点特征，满足视频帧的实时处理，但是由于只对灰度进行处理，角点不具有旋转不变性和尺度不变性。快速视网膜关键点(Fast Retina KeyPoint，FREAK)算法是针对移动设备的特征点描述算法，在系统的内存和处理器资源相对较少的情况下还需要改进。

发明内容

本发明针对现有技术的状况，提供一种针对视觉障碍人群在平时生活中不能很好地识别药品而设计的一种基于角点检测与匹配的药品识别系统和一种基于角点检测与匹配的药品识别方法。

本发明采用以下技术方案，所述基于角点检测与匹配的药品识别方法包括：

步骤一：根据自适应阈值的多尺度AGAST算法检测药品图像的角点特征，得到若干个角点；

步骤二：根据改进的FREAK描述算子，使用二值化特征描述字符串对上述药品图像的角点进行描述；

步骤三：循环进行步骤一和步骤二，以对药品图像进行训练，建立特征描述子和药品信息相对应的药品库；

步骤四：根据训练图像和目标图像的特征描述子，计算两幅图像的汉明距离来完成匹配两幅图像，从而识别出对应的药品。

根据上述技术方案，所述步骤一中使用摄像头采集图像，并且对图像的灰度图进行标记，使用AGAST算法来检测得到角点，根据图像的对比度设有自适应的灰度阈值。

根据上述技术方案，所述步骤一中进一步包括以下步骤：

步骤1.1：根据图像的对比度计算角点标记与检测的自适应灰度阈值；

步骤1.2：根据图像的自适应灰度阈值对图像进行明暗标记，将灰度图像标记为明暗不同的区域，图像中明暗变化剧烈的点作为角点候选点，通过角点候选点建立二叉决策树来检测其他角点；

步骤1.3：构建图像的多尺度空间，在多尺度描述序列上检测图像的角点。

根据上述技术方案，记所述自适应灰度阈值为t，其计算方式为：