專利名稱：一種識別部分遮擋曲面物體的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種識別曲面物體的方法，尤其涉及一種識別部分遮擋曲面物體的方法。
背景技術(shù)：
在物體識別的許多應(yīng)用中，都是匹配物體的圖像與模型庫識別物體。如果輪廓包 含足夠的信息，那么識別的問題就轉(zhuǎn)化為平面曲線的匹配問題。傳統(tǒng)的識別方法大都是提 取待識別目標(biāo)和模型曲線的關(guān)鍵特征點，通過特征點的匹配達(dá)到對目標(biāo)的識別。但在實際 情況中，特征點的提取不可能完全準(zhǔn)確，噪聲和遮擋也不可避免地存在，因此采用傳統(tǒng)的點 點對應(yīng)的匹配算法不能奏效。主要用于測量兩個點集之間匹配程度的Hausdorff距離(簡 稱HD)不需要建立兩個點集之間點與點的對應(yīng)，將模板與被遮擋的目標(biāo)圖像匹配時也能產(chǎn) 生較好的效果。在通常的Hausdorff距離計算中，由于是對物體邊緣象素點逐個計算，當(dāng)直 接比較2個大尺寸物體邊緣圖像的相似程度時，其計算量非常大。用關(guān)鍵特征點(角點，切 點，拐點)代替邊緣點來計算Hausdorff距離，大大降低了 Hausdorff距離的計算復(fù)雜度。 Nirwan等和N. Ayache等直接用關(guān)鍵特征點進(jìn)行匹配，認(rèn)為特征點匹配，這兩條曲線就相互 匹配。實際上輪廓曲線用特征點表示不具有唯一性，兩個特征點之間可以連成光滑的任意 曲線。在機器人裝配線中，由于多個物體堆積或重疊在一起，物體的圖像產(chǎn)生相互遮擋；在 遙感圖像識別方面，物體可能被樹、房屋和車輛的影子遮擋，因此有必要開展部分遮擋物體 的識別研究。目前，對于部分遮擋物體的識別學(xué)者們已進(jìn)行了一些研究。Krolu卯er提出 用圓弧逼進(jìn)物體的邊界，是對物體的局部描述，且對遮擋是魯棒的。但該方法假設(shè)物體的邊 界是一條封閉曲線，物體只經(jīng)過平移、旋轉(zhuǎn)和比例變化。Shan提出了將模型物體表示為直 方圖的集合，然后將待識別物體的直方圖與模型直方圖匹配?？山鉀Q部分遮擋物體的匹配。 Park提出用特征間的二值向量關(guān)系描述物體，物體的標(biāo)記僅僅受特征間的二值關(guān)系值的影 響，該方法是基于局部特征的描述方法。Cho根據(jù)很多物體都具有對稱性的特點，首先根據(jù) 對稱性恢復(fù)物體被遮擋部分的形狀，而后再進(jìn)行匹配，該方法能識別剛體變換下的三維物 體，但該方法只適合于識別有對稱結(jié)構(gòu)和截面為橢圓或近似圓的部分遮擋物體。Dinesh提 出了基于完美哈希法(perfect hash)識別部分遮擋的物體。Gorman用動態(tài)規(guī)劃識別被遮 掩形狀，他們首先提出了基于Fourier描繪子的線段表示方法，每個形狀被分成幾個線段， 每個線段由一個長度為2的Fourier描繪子表示，然后計算模型與待識別目標(biāo)之間的動態(tài) 匹配表，最后根據(jù)匹配的線段數(shù)來判斷是否匹配。Schwartz直接匹配兩條曲線，將兩條曲線 進(jìn)行等間距的分割，由此產(chǎn)生了兩個曲線的點集，然后用最小二乘法計算兩條曲線點集間 的距離。計算出的距離小于給定的閾值則認(rèn)為這兩條曲線是匹配的。這種方法只適合于模 型曲線完全包含了場景曲線，并且這種直接匹配的方法在復(fù)雜的變換下是失效的。Rajpal 提出了用神經(jīng)網(wǎng)絡(luò)來解決遮掩問題，使用了多層感知網(wǎng)和索引的方法來匹配部分遮擋的形 狀，在一定程度上解決了部分遮掩問題。上述的別方法均只適用于剛體或相似變換，在仿射 變換或透視變換下會失效。張等提出了平面多邊形狀目標(biāo)存在遮擋的識別方法，且能適合 于仿射變換。但在工程上，有些物體不一定能用平面多邊形近似。Orrite提出用雙切點描述物體的局部邊界，并用優(yōu)化的Hausdorff距離(簡稱PHD)度量模型和目標(biāo)的匹配程度， 但該度量的可區(qū)分性小，會導(dǎo)致誤判，且在存在較大幾何變換的情況下，模型和圖像的一一 對應(yīng)關(guān)系不能獲得。 上述大部分的方法都只適合于簡單的剛體變換和相似變換，而攝像機成像模型不 是簡單的剛體和相似變換。0rrite的識別方法雖然適合于透視變換，但它的方法用優(yōu)化的 Hausdorff距離(簡稱PHD)度量模型和目標(biāo)的匹配程度，該度量的可區(qū)分性小，會導(dǎo)致誤 判，且在存在較大幾何變換的情況下，模型和圖像的一一對應(yīng)關(guān)系不能獲得。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)中存在的缺陷和不足，提供了一種識別部分遮擋曲面物體 的方法，基于改進(jìn)的Hausdorff距離和匹配子曲線識別部分遮擋的曲面物體的方法。本 發(fā)明提出首先提取模型和待識別目標(biāo)的輪廓曲線上的關(guān)鍵特征點，基于這些關(guān)鍵特征點 將輪廓曲線分段，通過對每段子曲線的識別實現(xiàn)對整條曲線的識別；提出一種新且穩(wěn)定的 Hausdorff距離(簡稱RHD)，基于RHD測量目標(biāo)和模型特征點集的匹配程度，估計最佳仿射 或透視變換矩陣；基于最佳仿射或透視變換矩陣搜尋目標(biāo)和模型所有子曲線的匹配段對， 計算匹配率，匹配仿射或透視變換下部分遮擋的曲線。該算法匹配目標(biāo)和模型輪廓曲線上 的每段子曲線，解決了用特征點表示曲線的不唯一性問題；新的RHD綜合考慮了出格點和 遮擋的影響，能夠勝任有遮擋和噪聲的曲線的匹配。理論分析和實例結(jié)果表明該發(fā)明提出 的方法適合于仿射變換或透視變換，抗噪聲能力強，在有比較大的遮擋時仍有效。
本發(fā)明是這樣來實現(xiàn)的，其特征是識別方法為 (1)首先提取模型輪廓和待識別目標(biāo)輪廓的關(guān)鍵特征點，用關(guān)鍵特征點初步描述
輪廓曲線，這些關(guān)鍵特征點將目標(biāo)輪廓和模型輪廓曲線分成許多子曲線； (2)提出一種穩(wěn)定的Hausdorff距離，基于穩(wěn)定的Hausdorff距離測量模型和待識
別目標(biāo)輪廓曲線上關(guān)鍵特征點集的匹配程度，并確定最佳仿射或透視變換矩陣； (3)在關(guān)鍵特征點匹配的前提下，再匹配目標(biāo)和模型輪廓曲線上的每段子曲線，設(shè)
計了一種新的算法匹配目標(biāo)和模型輪廓曲線上的每段子曲線； (4)最后基于得到的最佳仿射變換陣搜尋目標(biāo)和模型所有子曲線的匹配段對，計
算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。 本發(fā)明所述的關(guān)鍵特征點優(yōu)選角點、切點和拐點。 本發(fā)明的優(yōu)點是1、攝像機成像模型不是簡單的剛體和相似變換，本發(fā)明將部分 遮擋曲面物體的識別擴展到仿射變換或透視變換；2、能夠勝任有遮擋和噪聲的曲面物體的 識別；3、用關(guān)鍵特征點代替邊緣象素點計算Hausdorff距離，可大大降低Hausdorff距離的 計算復(fù)雜度；在估計仿射變換或透視變換矩陣時，采取了同類點匹配的原則，大大減少了搜 索空間，提高了估計仿射變換或透視變換矩陣的效率；4、建立了模型與待識別目標(biāo)特征間 的一一對應(yīng)關(guān)系，解決了通常的基于Hausdorff距離的匹配方法不能處理特征之間對應(yīng)關(guān) 系的問題；5、解決了用多邊形或圓錐曲線近似曲線的低精度性問題。


圖1為本發(fā)明曲線的模型輪廓細(xì)分圖.
4
圖2為本發(fā)明的模型成仿射對應(yīng)的目標(biāo)輪廓。
圖3、圖4為本發(fā)明的噪聲與識別率的關(guān)系圖。
圖5為本發(fā)明的遮擋率與識別率的關(guān)系圖。
具體實施例方式
1、改進(jìn)的Hausdorff距離 首先，本發(fā)明綜合考慮出格點、遮擋等因素，構(gòu)造出一種穩(wěn)定的Hausdorff距離
(簡稱RHD)度量關(guān)鍵特征點集A和B之間的相似度，其中點集A是模型輪廓經(jīng)過投影變換
后的關(guān)鍵特征點的集合，點集B是目標(biāo)輪廓關(guān)鍵特征點的集合，在該度量函數(shù)中同時考慮
遮擋和出格點的影響。 RHD具體定義如下
(w應(yīng)(^)/w畫W))" .maxmin || a-6 ||),其它
、乾…若w謂(v4)S3
其中num(A)表示特征點集A中特征點的個數(shù)，點集A'是滿足{min || a_b II < S } 的集合，S是用來消除出格點的閾值，M是一個具有很大值的常數(shù)。當(dāng)集合A'中的元素個 數(shù)不大于3時，hKm置為M ;反之hKHD的值由兩項決定，前一項主要考慮遮擋的因素，后一項 主要考慮出格點的影響，其值取集合A'中de(a')的最大值。(1)式中的閾值取3是因為
在假設(shè)中計算仿射變換矩陣時至少用到三對對應(yīng)點，所以無論模型與目標(biāo)是否具有對應(yīng)關(guān) 系，至少都有三對點會滿足{min II a-b || < S }的條件。
Hkh。(A，B)按下式求得 H咖(A， B) = max (h咖(A， B) ， h咖(B， A)) (2) 通過恰當(dāng)?shù)剡x取參數(shù)S ，出格點能被很好地克服。類似地，通過恰當(dāng)?shù)剡x取參數(shù) P，遮擋問題能得到很好的解決.因此H,(A，B)對出格點及物體遮擋均不敏感。
本文提出的方法與Orrite (Carlos Orrite and J. Elias Herrro. Sh鄰e matchingof partially occluded curves invariant under projective transformation[J]. ComputerVision and Image Understanding,2004，93(2) :pp34_64) 方法的主要區(qū)別有以下三點l、0rrit的Hausdorff距離是對物體邊緣象素點逐個計算，當(dāng) 直接比較兩個大尺寸物體邊緣圖像的相似度時，其計算量非常大，本文用關(guān)鍵特征點(角 點，切點，拐點)代替邊緣象素點計算Hausdorff距離，可大大降低Hausdorff距離的計算 復(fù)雜度；2、 Orrite只考慮了出格點的影響，在錯誤圖像和存在較大遮擋的圖像匹配中，PHD 的值仍比較大，該度量的可區(qū)分性小，會導(dǎo)致誤判，本文綜合考慮了出格點和遮擋的影響， 能夠勝任有遮擋和噪聲的曲線匹配；3、0rrite認(rèn)為PHD取得全局最小值所對應(yīng)的模型即是 與目標(biāo)匹配的模型，實際上由于物體遮擋和圖像噪聲的存在，使得PHD取得全局最小值所 對應(yīng)的模型并不一定是與目標(biāo)匹配的模型，本文在滿足RHD < p(p是給定的閾值)的候選 模型中，通過進(jìn)一步匹配子曲線和計算匹配率，確定與目標(biāo)匹配的模型。2、匹配模型和待識別輪廓曲線上的關(guān)鍵特征點 本發(fā)明提出的RHD作為測度匹配模型曲線和待識別曲線上的關(guān)鍵特征點，并將點 的匹配限制在同一類型上進(jìn)行，即角點、切點、拐點分別只能與角點、切點、拐點對應(yīng)。這樣 可大大減少搜索空間，提高匹配效率。 用關(guān)鍵特征點代替象素點計算RHD，并遵循同類點匹配原則，但關(guān)鍵特征點的匹配
方案仍然有多種，本發(fā)明通過求取RHD的最小值估計姿態(tài)變換陣，求得的最小RHD是一個局
部最小值，即模型中的某一條曲線與目標(biāo)輪廓匹配時，在特征點的各種匹配方案中，RHD取
最小值。對于模型庫中的每條曲線都對應(yīng)著一個局部最小的RHD。滿足RHD〈p(p是給定
的閾值)的仿射變換矩陣都認(rèn)為是可能的最佳仿射或透視變換矩陣。因為物體遮擋和圖像
噪聲的存在，使得這些局部最小值中的全局最小值對應(yīng)的模型不一定是所求的模型，故需
進(jìn)一步用匹配率驗證。 匹配關(guān)鍵特征點的方法如下 St印l :提取待識別目標(biāo)輪廓上的關(guān)鍵特征點； St印2:根據(jù)同類點匹配的原則，與模型輪廓Mi(i = 1，2...，n，n為模型庫中模型 的個數(shù))上的同類點進(jìn)行匹配； St印3:估計模型曲線與待識別曲線的仿射或透視變換矩陣T，計算模型曲線經(jīng)過 上述仿射或透視變換后的曲線與待識別曲線關(guān)鍵特征點間的RHD ; St印4 :與用其它匹配方案計算出的RHD進(jìn)行比較，得到RHD的一個局部最小值；
St印5 :目標(biāo)與模型庫中的每條曲線進(jìn)行匹配，都可以得到一個局部最小的RHD， 滿足RHD〈p(p是給定的閾值)的仿射變換矩陣都是可能的最佳仿射或透視變換矩陣(若 有m個)； St印6:仿射或透視變換矩陣求出的同時，模型和待識別曲線的關(guān)鍵特征點的對應(yīng) 關(guān)系也即確定了。 3、匹配模型和待識別目標(biāo)輪廓曲線的子曲線 兩條曲線的關(guān)鍵特征點匹配，不一定表示這兩條曲線匹配。由于在兩個不變點之 間，曲線的形狀不唯一，即用關(guān)鍵特征點表示曲線不具有唯一性。為了解決這個問題，我們 將曲線上兩個關(guān)鍵特征點間的每段子曲線根據(jù)精度要求進(jìn)行細(xì)分[1°]。判斷兩條曲線上對 應(yīng)的細(xì)分點是否滿足同樣的仿射對應(yīng)關(guān)系。 如圖1、圖2所示，根據(jù)精度要求將弧12細(xì)分，細(xì)分點為a， b， . . . i，過這些細(xì)分點 分別作定方向的(與連接兩個特征點的直線平行)掃描線。
匹配子曲線的算法如下 (1)根據(jù)精度要求細(xì)分相鄰兩特征點間的子曲線，如圖1中的12 ; (2)過模型曲線上的這些細(xì)分點作一系列定方向的掃描線，這些掃描線與模型輪
廓曲線上過某兩個特征點的連線平行； (3)將這些掃描線根據(jù)仿射變換矩陣T映射到目標(biāo)平面上，映射后的掃描線與目 標(biāo)輪廓曲線上的對應(yīng)曲線段l' 2'有一系列的交點，如圖2所示； (4)驗證模型與待識別曲線對應(yīng)子曲線上的細(xì)分點是否對應(yīng)，以及對應(yīng)的細(xì)分點 之間的關(guān)系是否滿足前面計算出的仿射變換關(guān)系T ; (5)若(4)中條件滿足，則模型和待識別曲線的該段子曲線匹配。
4、部分遮擋曲面物體的識別算法 假設(shè)模型庫中滿足RHD < p的模型有m個，其輪廓用Mt表示，i = 1 ， 2. . . ，m，待識
別目標(biāo)的輪廓用I表示。 具體的識別算法如下 St印l :提取目標(biāo)輪廓曲線上的關(guān)鍵特征點，根據(jù)關(guān)鍵特征點將待識別物體的輪廓 曲線分段； St印2:根據(jù)同類點匹配原則初步匹配目標(biāo)和模型曲線上的關(guān)鍵特征點，再根據(jù)第 2節(jié)的方法確定關(guān)鍵特征點的對應(yīng)關(guān)系； St印3:匹配模型輪廓與待識別目標(biāo)輪廓的每段子曲線，記錄相互匹配的段數(shù)ki， 若目標(biāo)輪廓和第i個模型的輪廓相互匹配的曲線段數(shù)目最多，即b最大，則把目標(biāo)歸為模 型i中，識別完畢。 假設(shè)從第j個特征點開始連續(xù)(如果不連續(xù)，可循環(huán)移位使之變成連續(xù)的)有kj 小段模型曲線與待識別曲線相互匹配，則匹配率的定義為f = k/Ki，待識別的目標(biāo)輪廓與 庫中某個模型比較，即取該模型的總段數(shù)Ki為分母。0<f < l，f越接近于l，說明這兩條
曲線越相似。上式所決定的匹配率不僅是分類的依據(jù)，而且還反映了圖形的完整程度。 以識別工作臺上的工具及機器零件為目的，攝像機在工作臺上方，攝像機到工作 臺的距離與工具或機器零件的最大高度之比大于10。工作臺上的工具或機器零件都可以近 似簡化為二維曲面物體。多組實驗結(jié)果均表明本發(fā)明提出的方法是切實可行的，效果較好。
為了驗證本發(fā)明提出的識別方法的穩(wěn)定性，通過對合成圖像和真實圖像提取出的 關(guān)鍵特征點的端點坐標(biāo)增加高斯噪聲，驗證識別率和噪聲的關(guān)系。 分別對圖象中提取出的關(guān)鍵特征點的端點加o 2為0. 5， 1， 1. 5， 2. 5， 3的高斯噪 聲，重復(fù)進(jìn)行實驗，得到識別率與噪聲的關(guān)系圖，如圖3、圖4所示。圖中帶有"o"標(biāo)志的曲 線為文獻(xiàn)Carlos Orrite and J. Elias Herrro. Sh即e matching ofpartially occluded curves invariant under projective transformation[J]. ComputerVision and Image Understanding, 2004， 93 (2) :pp34_64中基于PHD的方法得到的識別率與噪聲的關(guān)系圖，帶 有"*"標(biāo)志的曲線為基于本文提出RHD的方法得到的識別率與噪聲的關(guān)系圖。實驗結(jié)果表 明本文提出的基于RHD的方法具有更好的魯棒性。 為了驗證識別率和遮擋率的關(guān)系，輸入圖像的被遮擋部分的比率慢慢增加。對實 驗中的圖形分別遮擋10 % 、20 % ， 30 % ， 40 % ， 50 % ， 60%重復(fù)進(jìn)行實驗，得到識別率與遮擋 率的關(guān)系圖(其中o2 = 0.5)，如圖5所示。圖中帶有'+ '標(biāo)志和'*'標(biāo)志的曲線為圖5 的遮擋率與識別率的關(guān)系圖，這兩條曲線很接近，說明了本文提出的識別部分遮擋物體的 算法具有較好的處理遮擋能力，只要待識別物體輪廓曲線有40 %幸存，本文的算法就能識 別出物體。
權(quán)利要求
一種識別部分遮擋曲面物體的方法，其特征是識別方法為(1)首先提取模型輪廓和待識別目標(biāo)輪廓的關(guān)鍵特征點，用關(guān)鍵特征點初步描述輪廓曲線，這些關(guān)鍵特征點將目標(biāo)輪廓和模型輪廓曲線分成許多子曲線；(2)提出一種穩(wěn)定的Hausdorff距離，基于穩(wěn)定的Hausdorff距離測量模型和待識別目標(biāo)輪廓曲線上關(guān)鍵特征點集的匹配程度，并確定最佳仿射或透視變換矩陣；(3)在關(guān)鍵特征點匹配的前提下，再匹配目標(biāo)和模型輪廓曲線上的每段子曲線，設(shè)計了一種新的算法匹配目標(biāo)和模型輪廓曲線上的每段子曲線；(4)最后基于得到的最佳仿射變換陣搜尋目標(biāo)和模型所有子曲線的匹配段對，計算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。
全文摘要
一種識別部分遮擋曲面物體的方法，其特征是識別方法為(1)首先提取模型輪廓和待識別目標(biāo)輪廓的關(guān)鍵特征點；(2)提出一種新且穩(wěn)定的Hausdorff距離(簡稱RHD)，基于RHD測量模型和待識別目標(biāo)輪廓曲線上關(guān)鍵特征點集的匹配程度，確定最佳仿射或透視變換矩陣；(3)在關(guān)鍵特征點匹配的前提下，再匹配目標(biāo)和模型輪廓曲線上的每段子曲線；(4)計算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。本發(fā)明的優(yōu)點是1、將部分遮擋曲面物體的識別擴展到仿射變換或透視變換；2、能夠勝任有遮擋和噪聲的曲面物體的識別；3、大大減少了搜索空間，提高了估計仿射變換或透視變換矩陣的效率；4、建立了模型與待識別目標(biāo)特征間的一一對應(yīng)關(guān)系；5、解決了用多邊形或圓錐曲線近似曲線的低精度性問題。
文檔編號G06T7/40GK101794379SQ20101010588
公開日2010年8月4日 申請日期2010年2月4日 優(yōu)先權(quán)日2010年2月4日
發(fā)明者儲珺, 馮瑞娜, 張桂梅, 繆君 申請人:南昌航空大學(xué)