[发明专利]基于视觉的快速多目标识别方法及系统有效

专利信息
申请号: 201910620506.5 申请日: 2019-07-10
公开(公告)号: CN110415256B 公开(公告)日: 2022-10-11
发明(设计)人: 吴峰华;杨哲海;张玉萍;王昊 申请(专利权)人: 沈阳城市学院
主分类号: G06T7/11 分类号: G06T7/11;G06T7/136;G06T7/90;G06T5/00;G06N3/08;G06N3/04;G06V10/25;G06V10/82
代理公司: 北京科龙寰宇知识产权代理有限责任公司 11139 代理人: 孙皓晨
地址: 110112 辽*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 视觉 快速 多目标 识别 方法 系统
【说明书】:

发明提供了基于视觉的快速多目标识别方法及系统,该方法包括:采集原始YUV格式图像;根据设定好的Y、U、V通道的阈值,分别形成白色二值图像和绿色二值图像;继而形成白色积分图和绿色积分图;针对目标物,分别构造形态学类Haar特征滤波器,对白色积分图和绿色积分图进行滤波,得到目标物的候选得分热图;并根据候选区数量设置,选择候选得分热图分数最高的几个点并计算对应位置的目标物尺寸,得到“感兴趣”区域位置和尺寸,再从机器人采集的原始YUV图像相应位置提取相应尺寸的图块作为“感兴趣”区域;基于感兴趣区域进行目标物识别。本发明能够实现准确、快速地识别目标物。

技术领域

本发明属于机器人视觉识别领域,特别涉及仿人足球机器人快速准确识别球场目标物的方法及其系统。

背景技术

仿人足球机器人是仿照人类身体结构和功能设计的足球运动机器人。该机器人的用途是与人组成球队完成足球比赛、帮助足球爱好者或专业足球运动员实现人员不足情况下的比赛或训练。仿人机器人快速准确识别足球场上的目标物,是其执行足球比赛的先决条件。

常规的基于视觉的目标物识别方法有两大类:一是采用传统的图像处理方法,利用目标物与球场主体颜色差别作为边缘检测依据,勾画出目标物的边界,并认为边界包围区域是目标物。这种方法受光线影响严重,边界常常不准确,导致机器人不能正确识别目标物;二是采用近年流行的基于卷积神经网络的深度学习方法,构建卷积神经网络模型、采集大量带有目标物的图像作为样本,并人工在这些样本上框选和标记出目标物。将原始样本集和对应的人工标记目标物的样本集分别作为卷积神经网络的输入和输出信息,令神经网络进行自学习训练,调整卷积神经网络内部参数。达到一定的训练精度后,再采用另一批样本进行测试。测试精度合格,即可保存卷积神经网络的结构和参数,加载到在线识别系统,用于系统在线识别目标物。这种方法识别目标物的准确率较高,受光线变化影响较小。但缺点是卷积计算量大导致的计算耗时较长、在线识别速度慢,无法适应机器人和目标物位置变化频繁的足球运动;处理样本的过程中,由于样本数量巨大造成人工框选和标记工作量巨大,且极容易产生不确定偏差,影响仿人机器人对目标物的位置判断。

发明内容

本发明的目的在于克服现有技术的不足,提出一种用于仿人足球机器人的快速多目标识别方法及相关系统,避免了传统的图像处理方法识别目标物不准确和受光线变化影响较大的问题,以及深度学习方法计算量过大导致目标识别速度慢、人工标记样本上的目标物的巨大工作量和标记偏差问题。具体而言,本发明提供了以下的技术方案:

一方面,本发明提供了一种基于视觉的快速多目标识别方法,所述方法包括:

S1、采集原始YUV格式图像;

S2、依据预设Y、U、V通道的阈值,形成白色二值图像与绿色二值图像;

S3、基于所述白色二值图像、绿色二值图像,分别获得白色积分图、绿色积分图;

S4、针对不同目标物,分别构造形态学类Haar特征滤波器,对所述白色积分图、绿色基本图进行滤波,得到目标物的候选得分热图;选择的粉土分数最高的若干个点,并计算对应位置的目标物尺寸,得到“感兴趣”区域位置和尺寸,再基于所述原始YUV格式图像,提取所述“感兴趣”区域位置和尺寸的图块,作为“感兴趣”区域Rois;

S5、基于所述“感兴趣”区域Rois,识别目标物。

优选地,当所述目标物为球形时,所述S4进一步包括:设所述原始YUV格式图像中某一点为球心O点,其对应的候选区域,即附图2的ABCD为与O点同心、为边长为2R的正方形,求得球心O点的候选得分SO

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳城市学院,未经沈阳城市学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910620506.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top