[发明专利]一种教育玩具套件及利用颜色和轮廓识别编程模块的方法

摘要

本发明涉及计算机视觉检测处理技术领域，提供了一种教育玩具套件及利用颜色和轮廓识别编程模块的方法，包括：支架、头盔探测器和编程模块，头盔探测器安装于支架上，编程模块放置于平面上；支架底部具有凸起，顶部具有第一凹槽和第二凹槽，第一凹槽用于放置平板电脑；头盔探测器安装于第二凹槽内；头盔探测器还包括本体、第三凹槽、2个扇形块和凸面镜，并且第三凹槽位于本体内。本发明是基于编程模块上图标的颜色和轮廓信息来识别编程模块的类型，提供给上层软件做后续判断处理；增强游戏的趣味性、儿童动手能力以及互动性，良好的培养了孩子对于编程的认识和兴趣。

主权项

1.一种教育玩具套件中利用颜色和轮廓信息进行编程模块识别的方法，其特征在于，包括如下步骤：步骤一，在平板电脑中安装游戏程序，编程模块放置于平面上，平板电脑的底端安装于第一凹槽内，通过第二凹槽将头盔探测器安装于平板电脑的顶端；步骤二，固定安装好后，通过平板电脑的前置摄像头实时采集彩色图像；步骤三，从所述步骤二的彩色图像中检测编程模块的类型；所述步骤二中前置摄像头采集的彩色图像为，，其中，表示彩色图像像素点的位置坐标，表示图像在像素点坐标位置处的像素值，表示图像像素点在红色通道的色彩值，表示图像像素点在绿色通道的色彩值，表示图像像素点在蓝色通道的色彩值；所述步骤三中检测编程模块类型的具体步骤为：1）采用透视变换原理，将彩色图像转换成由上而下俯视的正视角图像；2）根据先验知识，在正视角图像中提取出感兴趣区域图像，即上层软件给出的编程模块指定放置区域；3）因为怪兽和跳跃模块在颜色上均属于红色系，与其他模块的色系区分度较大，因此，先用颜色将这两个模块与其他模块区分开；也即编程模块的颜色在RGB颜色空间内不利于分割开来，对光照变化也比较敏感，所以，将提取出来的感兴趣区域图像由RGB颜色空间转换到侧重于色彩表示的HSV颜色空间，具体转换公式为：其中，H表示色调值，S表示饱和度值，V表示亮度值， 表示在原始图像中一个像素点在红、绿、蓝三个通道的像素最大值，表示在原始图像中一个像素点在红、绿、蓝三个通道的像素最小值，并且H的取值范围位于0‑360之间；4）在HSV颜色空间内，根据红色系的怪兽编程模块与跳跃编程模块在HSV空间内的先验阈值，将彩色图像进行二值化处理，具体公式如下：通过公式获得对应的二进制图像；其中， 表示图像像素点（x，y）的二进制像素值，、、分别表示图像像素点（x，y）在HSV颜色空间内的色调值、饱和度值、亮度值；、、分别表示图像像素点（x，y）是否分别在指定的H、S、V区域内，如果是，则取值为1，否则，取值为0；、分别表示红色系怪兽编程模块和跳跃编程模块在HSV颜色空间内的色调的先验最小和最大值；、分别表示红色系怪兽编程模块和跳跃编程模块在HSV颜色空间内的饱和度的先验最小和最大值；、分别表示红色系怪兽编程模块和跳跃编程模块在HSV颜色空间内的亮度的先验 最小和最大值；5）采用先腐蚀后膨胀的方法去除所述步骤4）中二值化图像的噪音干扰，并且平滑物体边界；6）扫描二值化图像，找出所有边缘轮廓；二值化图像可以看作是只有两个值的灰度图像，图像的边缘是指灰度图像中灰度变化比较剧烈的部分，灰度值的变化程度采用相邻像素间的梯度变化来定量表示，梯度是一阶二维导数的二维等效式，具体计算过程为：首先，计算相邻像素的差分，具体公式为：其中，表示相邻像素在x方向上的差分，表示相邻像素在y方向上的差分，表示图像在第行第列的像素值，表示图像在第行第列的像素值；表示图像在第行第列的像素值；进一步地，计算相邻像素间的梯度，具体公式为：其中，表示表示图像的在点上梯度值， 表示像素值在x方向上求导，表示像素值在y方向上求导；进一步地，计算边缘点的梯度幅值，所有边缘点的梯度幅值集合即为提取的边缘轮廓；进一步地，根据怪兽模快、跳跃模块边缘轮廓的大小和离心率的先验知识，滤掉不合理的边缘轮廓，再对剩余的轮廓进行判定，进而得出该编程模块是否为怪兽模快或者跳跃模块，如果是则完成编程模块判定，如果不是则继续执行步骤7）；其中，怪兽模快的判定原则为：利用边缘轮廓的形状、大小、离心率和怪兽模块独有的3个小三角形的位置及大小关系的先验知识，来判定编程模块是否为怪兽模块；跳跃模块的判定原则为：将边缘轮廓的最小外包矩形分割成四等份，利用左上、右上、左下和右下的轮廓间的形状、4个轮廓的大小比例关系、4个轮廓占整个边缘轮廓的比例的先验知识以及整个边缘轮廓的大小和离心率的先验知识，来判定编程模块是否为跳跃模块；所述7）将步骤2）中的感兴趣区域图像转换为灰度图像：其中，表示灰度图像；8）采用边缘检测算法检测图像中的强边缘；图像的边缘是指灰度图像中灰度变化比较剧烈的部分，灰度值的变化程度采用相邻像素间的梯度变化来定量表示，梯度是一阶二维导数的二维等效式，具体计算过程为：首先，计算相邻像素的差分，具体公式为：其中，表示相邻像素在x方向上的差分，表示相邻像素在y方向上的差分，表示图像在第行第列的像素值，表示图像在第行第列的像素值；表示图像在第行第列的像素值；进一步地，计算相邻像素间的梯度，具体公式为：其中，表示图像在点上梯度值， 表示像素值在x方向上求导，表示像素值在y方向上求导；进一步地，计算边缘点的梯度幅值，所有边缘点的梯度幅值集合即为提取的边缘轮廓；由于待检测的编程模块目标，在转换为灰度图后，编程模块上的标识与编程模块上的白色区域存在较大的反差，因此，可以利用边缘检测的方法提取出编程模块上标识的边缘轮廓；边缘提取算法包括Sobel算子、Roberts 算子、Prewitt算子和Canny算子，具体公式为：其中，表示边缘点的梯度幅值；9）对所述步骤8）中得出的编程模块边缘轮廓进行膨胀处理；10）扫描所述步骤9）中的二值化图像，由于当前编程模块属于非红色系的，因此，判断编程模块属于除了怪兽模块、跳跃模块之外的哪种类型；首先，对所述步骤9）中得到的二值化图像进行扫描，得到相应的边缘轮廓，通过边缘轮廓的大小和离心率的先验知识，滤掉不合理的轮廓；进一步地，将过滤后剩余的边缘轮廓的最小外接矩形分割成4等份，利用左上、右上、左下和右下的轮廓间的形状、4个轮廓的大小比例关系、4个轮廓占整个边缘轮廓的比例的先验知识以及整个边缘轮廓的大小和离心率的先验知识，来判定编程模块的类型。