一種物體識別系統技術方案

本發明專利技術涉及一種物體識別系統，包括輸入圖像、模型庫、特征檢測器、假設生成模塊、假設驗證模塊以及物體類別，特征檢測器對輸入圖像的特征進行檢測，檢測后的特征檢測器經過特征定位后傳輸給假設生成模塊，假設生成模塊一路與模型庫相連接，假設生成模塊另一路通過候選物體與假設驗證模塊相連接，假設驗證模塊通過物體類別輸出。本發明專利技術的一種物體識別系統，采用此種系統能夠快速識別出物體的尺度、色彩和形狀，可以大大減小物體識別的搜索空間。

【技術實現步驟摘要】

本專利技術涉及識別系統的領域，尤其是一種物體識別系統。
技術介紹
目前，物體識別的基本方法是建立物體模型，然后使用各種匹配算法從真實的圖像中識別出與物體模型最相似的物體。物體識別的正式定義如下給定一幅包含一個或多個物體的圖像和一組對應物體模型的標記,機器應將標記正確地分配給圖像中對應的區域或區域集合。物體識別和圖像分割是緊密相關的，因為沒有物體或物體局部識別，分割就無法進行，而沒有分割，物體識別也是不可能的
技術實現思路
本專利技術要解決的技術問題是為了克服上述中存在的問題，提供一種物體識別系統。本專利技術解決其技術問題所采用的技術方案是一種物體識別系統，包括輸入圖像、模型庫、特征檢測器、假設生成模塊、假設驗證模塊以及物體類別，特征檢測器對輸入圖像的特征進行檢測，檢測后的特征檢測器經過特征定位后傳輸給假設生成模塊，假設生成模塊使用圖像特征來給場景中的物體分配一個似然值，可以大大減小物體識別的搜索空間，假設生成模塊一路與模型庫相連接，假設生成模塊另一路通過候選物體與假設驗證模塊相連接，假設驗證模塊通過物體類別輸出。所述的輸入圖像為灰度圖像、彩色圖像或深度圖像，還可以是這些圖像的組合。本專利技術的有益效果是，本專利技術的一種物體識別系統，采用此種系統能夠快速識別出物體的尺度、色彩和形狀，可以大大減小物體識別的搜索空間。附圖說明下面結合附圖和實施例對本專利技術進一步說明。圖I是本專利技術的結構示意圖。圖中I.輸入圖像，2、模型庫，3、特征檢測器，4、假設生成模塊，5、假設驗證模塊，6、物體類別。具體實施例方式現在結合附圖對本專利技術作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本專利技術的基本結構，因此其僅顯示與本專利技術有關的構成。如圖I所示的一種物體識別系統，包括輸入圖像I、模型庫2、特征檢測器3、假設生成模塊4、假設驗證模塊5以及物體類別6，特征檢測器3對輸入圖像I的特征進行檢測，檢測后的特征檢測器3經過特征定位后傳輸給假設生成模塊4，假設生成模塊4 一路與模型庫2相連接，假設生成模塊4另一路通過候選物體與假設驗證模塊5相連接，假設驗證模塊5通過物體類別6輸出，物體特征的選取取決于待識別物體的類型和模型數2據庫數據結構，假設生成模塊4使用圖像特征來給場景中的物體分配一個似然值，這一步可以大大減小物體識別的搜索空間，模型庫2是一種索引圖，有利于從所有可能的物體集合中去除那些不可能的候選者，假設驗證模塊5使用物體模型來驗證假設，并進一步給出精確似然值，在所有的證據的基礎上，選用具有最大似然值的物體作為識別結果，選用具有最大似然值的物體作為識別結果。為了實現上述步驟，物體識別系統必須選擇合適的手段和方法。對于特定的應用，在選擇合適的方法時，必須考慮許多因素和問題。在設計物體識別系統時必須考慮的問題有(I)模型表示模型表示涉及到物體具有那些重要屬性或特征以及這些特征如何在模型庫中表示，對于大多數物體來說，幾何特征描述是可以很有效的；但對于另外一些物體，可能需要 更一般的特征或函數來表示。物體的表示應該包含所有相關信息，但沒用任何冗余信息，并且將這些信息以某種方式組織起來，使得物體識別系統的不同組元能夠容易訪問這些信肩、O(2)特征提取特征提取的算法有很多，根據應用對象，應選擇可靠的特征檢測方法和特征定位方法，許多特征可以在二維圖像中計算出來，但它們與物體的三維特征有關，由于圖像生成過程的特性，有些特征可以很容易地計算出來，而其它特征計算起來則非常困難。(3)特征模式匹配特征模式匹配是指圖像中的物體特征同模型庫中的模型相匹配，在許多物體識別任務中，待識別的物體的數量較多，每一個物體擁有的特征也有許多。顯然，窮舉匹配方法可以解決識別問題，但識別效率太低，不是很實用。因此，在建立匹配方法時，必須考慮特征的有效性和匹配算法的高效率。(4)假設生成為了有效地提高識別效率，可以根據物體特征首先建立可能的物體集合，并給每一可能的物體分配置概率值，“假設生成”過程基本上是一種啟發式過程，由此可以減小搜索空間，假設生成過程特別注重使用應用域知識，將某種置信概率值分配給該應用域中的不同物體。(5)物體驗證如何使用物體模型，從給定圖像中的可能物體集合中選擇最有可能的物體？每一個可能物體的存在可以用它們的模型來證明，我們必須測試每一個可能的假設來驗證一個物體的存在或忽略這個物體的存在，如果模型是幾何模型，則很容易用攝像機的位置和其它場景參數來驗證物體。按照問題的復雜性，一個或多個模塊可能變得不重要，這主要取決于問題的復雜度。舉例來說，基于模式識別的物體識別系統不使用任何基于特征的匹配或物體驗證；它們直接給物體指定概率并選擇具有最大概率的物體。物體識別的復雜度依賴于以下幾個因素(I)場景的不變性場景的復雜度取決于獲取圖像時的條件(照明、背景、攝像機參數和觀察點)是否同模型建立條件相似，場景的條件顯著地影響同一物體的圖像。在不同的場景條件下，不同特征檢測器的性能顯著不同。因此必須考慮背景、其它物體以及照明的特性，以決定哪種特征可以得到有效而可靠地檢測。(2)圖像模型空間在某些應用中，三維物體可以近似地認為是二維物體，此時的物體模型可以用二維特征來表示。如果模型是三維且不能忽略透視效應，那樣情況就變得很復雜。在這種情況下，特征是在二維圖像空間中檢測的，而物體的模型可能是在三維空間中表示的，這樣，同一個三維空間特征可能在三維圖像中表現為不同的特征。在動態圖像分析中，由于物體運動，這種情況也會發生。(3)模型庫中物體的數目如果物體的數目很少，則可以直接使用順序窮舉匹配方法，無需假設生成階段。如 果物體的數目很大，則假設生成階段是很重要的，用于物體識別的特征選擇計算量也隨著物體數量的增加而迅速地增加。(4)圖像中物體的數目和遮擋問題如果圖像中只有一個物體，它可能是完全可見的。隨著圖像中物體的數目增加，遮擋概率也隨之增加。在許多圖像分析中，遮擋是一個嚴重的問題。遮擋導致了原先特征點的消失，新特征點的產生，因此，在假設驗證階段就應該考慮遮擋問題。一般來說，識別任務的難度隨著圖像中物體數目的增加而增大。圖像中遮擋物體的存在也使圖像分割難度增大。根據物體識別任務所在的空間，常把物體識別分為二維識別和三維識別( I) 二維在許多應用中，圖像是從足夠遠的距離上獲取的，因此可以認為圖像是通過正交投影生成的，如果物體總是在場景中的一個穩定位置，那么也可以認為是二維情況，在這些應用中，可以使用二維模型數據庫。二維物體識別一般有兩種可能的情況物體沒有被遮擋，如遙感和許多工業應用場合；物體被其它物體遮擋或者只有部分可見，如識別堆放物體問題。(2)三維從不同的視角獲取同一物體的圖像可能是完全不同的，此時識別物體需要三維模型。在物體識別過程中，還要考慮投視投影以及獲取圖像的視角的影響。對于三維情況，有兩種用于物體識別任務的信息灰度圖像灰度圖像沒有明顯包含物體表面信息，用灰度圖像可以識別對應于物體三維結構的特征；2. 5維圖像在許多應用中，以觀察者為中心的坐標系中的物體表面可以直接通過測距成像傳感器獲取的距離圖像或通過立體灰度圖像對計算出來的深度圖來表示，這里的深度圖和距離圖像即為2. 5維圖像，物體的曲面信息可以有效地用于物體識別任務。以上述依據本專利技術的理想實施例為啟示，通過上述本文檔來自技高網...

【技術保護點】
一種物體識別系統，其特征是：包括輸入圖像（1）、模型庫（2）、特征檢測器（3）、假設生成模塊（4）、假設驗證模塊（5）以及物體類別（6），特征檢測器（3）對輸入圖像（1）的特征進行檢測，檢測后的特征檢測器（3）經過特征定位后傳輸給假設生成模塊（4），假設生成模塊（4）一路與模型庫（2）相連接，假設生成模塊（4）另一路通過候選物體與假設驗證模塊（5）相連接，假設驗證模塊（5）通過物體類別（6）輸出。

【技術特征摘要】

【專利技術屬性】
技術研發人員：吳軍，
申請(專利權)人：成都眾合云盛科技有限公司，
類型：發明
國別省市：