基于模式匹配的圖像識別終端及其識別方法
【專利摘要】本發(fā)明涉及圖像識別技術(shù)，特別涉及基于模式匹配的圖像識別及顯示方法，是為了解決目前增強現(xiàn)實領(lǐng)域中圖像識別在識別對象角度和距離發(fā)生改變時所產(chǎn)生的跟蹤丟失率較大，且識別容錯率較低，不能于有較大識別距離和較大空間要求的場景的問題。本發(fā)明提供一種基于模式匹配的圖像識別的終端，包括：圖像采集模塊，用于采集獲取視頻數(shù)據(jù)，將采集的視頻數(shù)據(jù)進行模數(shù)轉(zhuǎn)換得到離散圖像；圖像預(yù)處理模塊，將所述離散圖像進行平滑處理；圖像分割模塊，將平湖處理后的圖像進行分割，得到背景圖像及被識別圖像；模式匹配模塊，將被識別圖像與預(yù)設(shè)的模式匹配圖像進行模式匹配，根據(jù)匹配結(jié)果確定被識別圖像是否為目標(biāo)對象的圖像。本發(fā)明適用于圖像識別。
【專利說明】基于模式匹配的圖像識別終端及其識別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像識別技術(shù)，特別涉及基于模式匹配的圖像識別及顯示方法。

【背景技術(shù)】
[0002]模式匹配算法在目前的計算機領(lǐng)域中運用很廣，從網(wǎng)絡(luò)安全到增強現(xiàn)實都有涉及，其算法也多種多樣，我們這里討論一種基于模式匹配的圖形圖像識別算法，以及在增強現(xiàn)實領(lǐng)域應(yīng)用的優(yōu)化方法。
[0003]圖像識別問題的數(shù)學(xué)本質(zhì)屬于模式空間到類別空間的映射問題。目前，在圖像識別的發(fā)展中，主要有三種識別方法:統(tǒng)計模式識別、結(jié)構(gòu)模式識別、模糊模式識別。在增強現(xiàn)實【技術(shù)領(lǐng)域】，主要使用的是統(tǒng)計模式識別、結(jié)構(gòu)模式識別這兩種，例如法國Totalimmers1n公司所發(fā)布的增強現(xiàn)實SDK中就使用的這兩種算法。但是在實際使用中，該SDK在識別對象角度和距離發(fā)生改變時，所產(chǎn)生的跟蹤丟失率較大，且識別容錯率較低，不能于有較大識別距離和較大空間要求的場景。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是為了解決目前增強現(xiàn)實領(lǐng)域中圖像識別在識別對象角度和距離發(fā)生改變時所產(chǎn)生的跟蹤丟失率較大，且識別容錯率較低，不能于有較大識別距離和較大空間要求的場景的問題。
[0005]為達(dá)到上述目的，本發(fā)明提供一種基于模式匹配的圖像識別方法，其特征在于，包括如下步驟:
[0006]A.將需要識別的目標(biāo)對象的圖像特征點矩陣作為模式匹配圖像存儲在系統(tǒng)中；
[0007]B.系統(tǒng)采集圖像，將采集到的連續(xù)圖像信號按照固定的采集頻率變成離散圖像信號;
[0008]C.對離散圖像信號進行平滑處理并對平滑處理后的圖像進行分割，得到背景圖像及被識別圖像；
[0009]D.將被識別圖像與模式匹配圖像進行模式匹配，若匹配，說明被識別圖像即為目標(biāo)對象的圖像，程序結(jié)束，否則，跳轉(zhuǎn)到步驟B。
[0010]進一步地，步驟D中，若被識別圖像與模式匹配圖像相匹配，則進一步包括步驟:
[0011]E.對被識別圖像進行輪廓跟蹤，判斷識別被識別圖像的位置、角度及遠(yuǎn)近變化；
[0012]F.三維處理引擎根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中，最后進行顯示。
[0013]具體地，步驟C中采用消噪聲掩模法對圖像進行平滑處理，具體操作為:設(shè)定一個模板算子，將模板嵌入到每一幀圖像的每一個像素，將該像素的灰度值與其相關(guān)鄰域的各像素灰度值求和并求其平均值，用平均值代替該像素的灰度值。
[0014]具體地，步驟C中，采用全局閥值法對圖像進行分割，其具體操作為:設(shè)定一個灰度值的閥值，灰度值大于閥值的部分為背景圖像，小于閥值的部分為被識別圖像。
[0015]具體地，步驟C中，對背景圖像進行二值化處理全部為1，表示亮，對被識別圖像進行二值化處理全部為0，表示暗。圖像二值化的具體操作為:f(x，y)大于或等于T時，g(x，y)取值為1，f(x, y)小于T時，g(x，y)取值為0，其中f(x，y)表示圖像分割前圖像中的坐標(biāo)(X，y)像素的灰度值，g(x，y)表示圖像分割后圖像中的坐標(biāo)(X，y)像素的灰度值，T為規(guī)定的全局閥值。二值化處理的目的是明確的從復(fù)雜的背景中標(biāo)識出被識別圖像，避免識別干擾，因為背景是什么內(nèi)容算法并不關(guān)心。
[0016]具體地，步驟B中，系統(tǒng)采集的圖像為8位灰度值圖像，所述采集頻率為每秒24幀。
[0017]針對上述方法，本發(fā)明還提供一種基于模式匹配的圖像識別的終端，包括:
[0018]圖像采集模塊，用于采集獲取視頻數(shù)據(jù)，將采集的視頻數(shù)據(jù)進行模數(shù)轉(zhuǎn)換得到離散圖像；
[0019]圖像預(yù)處理模塊，將所述離散圖像進行平滑處理，實現(xiàn)衰減高頻分量、增強低頻分量的目的；
[0020]圖像分割模塊，將平湖處理后的圖像進行分割，得到背景圖像及被識別圖像；
[0021]模式匹配模塊，將被識別圖像與預(yù)設(shè)的模式匹配圖像進行模式匹配，根據(jù)匹配結(jié)果確定被識別圖像是否為目標(biāo)對象的圖像。
[0022]進一步地，為更好地對目標(biāo)對象的圖像進行顯示，還包括:
[0023]輪廓跟蹤模塊，用于對目標(biāo)對象進行輪廓跟蹤，判斷識別目標(biāo)圖像的位置、角度及遠(yuǎn)近變化；
[0024]三維處理引擎，用于根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中，最后將圖像在顯示模塊上進行顯示。
[0025]本發(fā)明的有益效果是:本發(fā)明的方法在圖像采集過程中采取多組件協(xié)同采集，并對采集到的圖像進行平滑處理，提高采集效率的同時也為后期圖像分割提高了效率。識別過程首先消噪，提高了識別距離和準(zhǔn)確度，輪廓跟蹤提高了容錯性，集成三維引擎提高了增強現(xiàn)實效果。

【專利附圖】

【附圖說明】
[0026]圖1為本發(fā)明的基于模式匹配的圖像識別的終端的原理框圖。

【具體實施方式】
[0027]下面結(jié)合附圖及實施例對本發(fā)明的技術(shù)方案進行詳細(xì)描述，實施例僅僅是為了幫助讀者更好地理解本發(fā)明方案的核心內(nèi)容，并不用以限制本發(fā)明的保護范圍。
[0028]本發(fā)明針對目前增強現(xiàn)實領(lǐng)域中圖像識別在識別對象角度和距離發(fā)生改變時所產(chǎn)生的跟蹤丟失率較大，且識別容錯率較低，不能于有較大識別距離和較大空間要求的場景的問題，提供一種基于模式匹配的圖像識別方法，具體步驟如下:首先將需要識別的目標(biāo)對象的圖像作為模式匹配圖像存儲在系統(tǒng)中，使用過程中系統(tǒng)通過攝像頭實時采集圖像，并將采集到的連續(xù)圖像信號按照固定的采集頻率變成離散圖像信號。其次，系統(tǒng)對離散圖像信號進行平滑處理并對平滑處理后的圖像進行分割，得到背景圖像及被識別圖像。然后，將被識別圖像與模式匹配圖像進行模式匹配，若匹配，說明被識別圖像即為目標(biāo)對象的圖像，程序結(jié)束，否則繼續(xù)采集圖像后進行平滑處理及圖像分割后進行模式匹配。
[0029]如圖1所示，本發(fā)明提供的基于模式匹配的圖像識別的終端，包括:圖像采集模塊、圖像預(yù)處理模塊、圖像分割模塊及模式匹配模塊，各個模塊的功能如下:
[0030]圖像采集模塊，用于采集獲取視頻數(shù)據(jù)，將采集的視頻數(shù)據(jù)進行模數(shù)轉(zhuǎn)換得到離散圖像；
[0031]圖像預(yù)處理模塊，將所述離散圖像進行平滑處理，實現(xiàn)衰減高頻分量、增強低頻分量的目的；
[0032]圖像分割模塊，將平湖處理后的圖像進行分割，得到背景圖像及被識別圖像；
[0033]模式匹配模塊，將被識別圖像與預(yù)設(shè)的模式匹配圖像進行模式匹配，根據(jù)匹配結(jié)果確定被識別圖像是否為目標(biāo)對象的圖像。
[0034]在圖像識別完成之后還需要進行顯示，為提高增強現(xiàn)實的效果，本發(fā)明進一步對被識別圖像進行輪廓跟蹤，判斷識別被識別圖像的位置、角度及遠(yuǎn)近變化。之后使用三維處理引擎根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中，最后進行顯示。相應(yīng)地，本發(fā)明提供的基于模式匹配的圖像識別的終端還包括顯示模塊、輪廓跟蹤模塊及三維處理引擎，三維處理引擎為現(xiàn)有的處理技術(shù)，本領(lǐng)域普通技術(shù)人員根據(jù)其所要實現(xiàn)的功能即能予以實現(xiàn)。
[0035]輪廓跟蹤模塊及三維處理引擎的功能如下:
[0036]輪廓跟蹤模塊，用于對目標(biāo)對象進行輪廓跟蹤，判斷識別目標(biāo)圖像的位置、角度及遠(yuǎn)近變化；
[0037]三維處理引擎，用于根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中。
[0038]實施例
[0039]下面舉一實例對本發(fā)明的基于模式匹配的圖像識別的終端的圖像識別方法進行進一步描述。
[0040]基于本發(fā)明的方法的口袋家居系統(tǒng)，終端為采用移動智能設(shè)備為硬件載體，使用大于500萬像素的攝像頭實時采集圖像，識別特定的二維碼圖像，最大識別距離為6米，最大識別角度為145度。在最大識別距離和最大識別角度內(nèi)，目標(biāo)對象移動丟失率為3%，能在最大40平米的房間布置8款虛擬的三維家具模型。
[0041]將需要識別的目標(biāo)對象的圖像作為模式匹配圖像存儲在系統(tǒng)中之后進行如下的操作。
[0042]圖像采集:通過移動終端設(shè)備的攝像頭獲取視頻數(shù)據(jù)，將連續(xù)的圖像信息按照固定的采集頻率變成離散圖像，此處頻率為每秒24幀。我們采用VC++中的MCIAV1、DRAWDIB、AVIFILE、AVICAP等組件協(xié)同工作完成對實時圖像數(shù)據(jù)的采集。
[0043]圖像預(yù)處理:圖像采集后進行平滑處理，主要采取的方法是消噪聲掩模法，設(shè)定一個模板算子，如3x3，將模板嵌入到每一幀圖像的每一個像素，將該像素的灰度值與其八鄰域的各像素灰度值求和，再取平均值代替該像素的灰度值，實現(xiàn)衰減高頻分量，增強低頻分量的目的。
[0044]圖像分割，圖像分割是圖像處理中的關(guān)鍵步驟，因為它去除了圖像中大量無用的信息，為后續(xù)圖像處理減少了負(fù)擔(dān)。我們采用的方法是全局閥值法，閥值法是用于區(qū)分不同目標(biāo)的灰度，即將整幅圖像用統(tǒng)一的閥值劃分標(biāo)準(zhǔn)，由于本系統(tǒng)采集進來的圖像是8位灰度值圖像，通過閥值分割，得到大于域值的部分被認(rèn)為是背景，二值化處理全部為1，表示亮；得到小于域值的部分被認(rèn)為是被識別圖形或物體，二值化處理全部分O，表示暗。圖像二值化的具體操作為:f (X，y)大于或等于T時,g(x, y)取值為I, f (X，y)小于T時,g(x, y)取值為O,其中f(x，y)表示圖像分割前圖像中的坐標(biāo)(X，y)像素的灰度值，g(x，y)表示圖像分割后圖像中的坐標(biāo)(x，y)像素的灰度值，T為規(guī)定的全局閥值。二值化處理的目的是明確的從復(fù)雜的背景中標(biāo)識出被識別圖像，避免識別干擾，因為背景是什么內(nèi)容算法并不關(guān)心。
[0045]圖像分割的目的是為了將背景圖像及被識別圖像進行分割，圖像分割之后，將被識別圖像與模式匹配圖像進行模式匹配，若匹配，說明被識別圖像即為目標(biāo)對象的圖像，程序結(jié)束，否則繼續(xù)采集圖像后進行平滑處理及圖像分割后進行模式匹配。
[0046]在識別出圖像之后進行輪廓跟蹤，判斷識別被識別圖像的位置、角度及遠(yuǎn)近變化。輪廓跟蹤的具體操作為:從圖像的一個點作為起點，按照四鄰域或八鄰域關(guān)系逐像素點跟蹤輪廓。同時在找到一個邊緣點后，記錄此時移動的方向，直到不能移動結(jié)束本次跟蹤過程。三維處理引擎根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中，最后進行顯示。
【權(quán)利要求】
1.基于模式匹配的圖像識別方法，其特征在于，包括如下步驟: A.將需要識別的目標(biāo)對象的圖像特征點矩陣作為模式匹配圖像存儲在系統(tǒng)中； B.系統(tǒng)采集圖像，將采集到的連續(xù)圖像信號按照固定的采集頻率變成離散圖像信號； C.對離散圖像信號進行平滑處理并對平滑處理后的圖像進行分割，得到背景圖像及被識別圖像； D.將被識別圖像與模式匹配圖像進行模式匹配，若匹配，說明被識別圖像即為目標(biāo)對象的圖像，程序結(jié)束，否則，跳轉(zhuǎn)到步驟B。
2.如權(quán)利要求1所述的基于模式匹配的圖像識別方法，其特征在于，步驟D中，若被識別圖像與模式匹配圖像相匹配，則進一步包括步驟: E.對被識別圖像進行輪廓跟蹤，判斷識別被識別圖像的位置、角度及遠(yuǎn)近變化； F.三維處理引擎根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中，最后進行顯示。
3.如權(quán)利要求1所述的基于模式匹配的圖像識別方法，其特征在于，步驟C中采用消噪聲掩模法對圖像進行平滑處理，具體操作為:設(shè)定一個模板算子，將模板嵌入到每一幀圖像的每一個像素，將該像素的灰度值與其相關(guān)鄰域的各像素灰度值求和并求其平均值，用平均值代替該像素的灰度值。
4.如權(quán)利要求1所述的基于模式匹配的圖像識別方法，其特征在于，步驟C中，采用全局閥值法對圖像進行分割，其具體操作為:設(shè)定一個灰度值的閥值，灰度值大于閥值的部分為背景圖像，小于閥值的部分為被識別圖像。
5.如權(quán)利要求4所述的基于模式匹配的圖像識別方法，其特征在于，步驟C中，對背景圖像進行二值化處理全部為I，表示亮，對被識別圖像進行二值化處理全部為O，表示暗。
6.如權(quán)利要求1至5任意一項所述的基于模式匹配的圖像識別方法，其特征在于，步驟B中,系統(tǒng)采集的圖像為8位灰度值圖像，所述采集頻率為每秒24幀。
7.基于模式匹配的圖像識別的終端，其特征在于，包括: 圖像采集模塊，用于采集獲取視頻數(shù)據(jù)，將采集的視頻數(shù)據(jù)進行模數(shù)轉(zhuǎn)換得到離散圖像； 圖像預(yù)處理模塊，將所述離散圖像進行平滑處理，實現(xiàn)衰減高頻分量、增強低頻分量的目的； 圖像分割模塊，將平湖處理后的圖像進行分割，得到背景圖像及被識別圖像； 模式匹配模塊，將被識別圖像與預(yù)設(shè)的模式匹配圖像進行模式匹配，根據(jù)匹配結(jié)果確定被識別圖像是否為目標(biāo)對象的圖像。
8.如權(quán)利要求7所述的基于模式匹配的圖像識別的終端，其特征在于，還包括: 輪廓跟蹤模塊，用于對目標(biāo)對象進行輪廓跟蹤，判斷識別目標(biāo)圖像的位置、角度及遠(yuǎn)近變化； 三維處理引擎，用于根據(jù)被識別圖像的位置、角度及遠(yuǎn)近變化信息計算出二維或三維影像放置的位置，并疊加到幀圖像中。
9.如權(quán)利要求7或8所述的基于模式匹配的圖像識別的終端，其特征在于，還包括顯示模塊，用于顯示目標(biāo)對象的圖像信息。
【文檔編號】G06K9/00GK104268519SQ201410484636
【公開日】2015年1月7日 申請日期:2014年9月19日 優(yōu)先權(quán)日:2014年9月19日
【發(fā)明者】袁榮輝, 馮睿, 李冀 申請人:袁榮輝, 馮睿, 李冀