專利名稱：一種基于放射形標識符號的目標識別方法
技術領域：
本發(fā)明涉及計算機視覺技術領域，特別是一種基于放射形標識符號的目標識別方法。
背景技術：
目標識別應用廣泛，受到研究人員的關注，其中基于視覺的目標識別已經成為研究的重點之一。按照視覺傳感器是否固定，基于視覺的目標識別方法可分為視覺傳感器位置固定的目標識別和視覺傳感器可移動的目標識別，前者利用視頻流處理方法，包括圖像差分(背景差分、幀間差分)及各種改進算法；后者又可分為基于標識塊的目標識別和無標識的目標識別，其中，基于標識塊的目標識別使用較廣。用標識塊標識目標，目標識別轉化為相應標識塊的識別。目前，標識塊的識別大多是通過提取顏色特征、紋理特征、形狀特征以及綜合多種特征的方式進行的。如何通過設計高效的標識塊和相應的識別算法進一步提高識別系統(tǒng)的適應性、穩(wěn)定性、實時性需要更深入的研究。

發(fā)明內容
本發(fā)明的目的是提供一種基于放射形標識符號的目標識別方法，使得視覺系統(tǒng)可以實現(xiàn)目標識別，達到令人滿意的效果。為實現(xiàn)上述目的，本發(fā)明提出一種基于放射形標識符號的目標識別方法，包括步驟步驟1，制作符號標識塊并放置于目標上；步驟2，使用視覺傳感器采集以符號標識塊為對象的彩色圖像；步驟3，將采集到的彩色圖像處理成灰度圖像；步驟4，基于灰度閾值和對稱性、Haar、形態(tài)學、拓撲特征，分別構建分類器，對灰度圖像中的像素點進行層層篩選，最終得到表征標識符號中心位置的結果點集Ωρ5 ；步驟5，基于結果點集Ωρ5所表征的標識符號，以及目標所唯一對應的符號標識塊上的符號排列組合順序，完成對目標的識別。本發(fā)明方法無圖像預處理，通過多級分類器逐層篩選的方式確定標識符號中心位置的點集，計算量較小，實時性好，環(huán)境適用性較強，為在目標跟蹤等領域的應用提供技術支持。


圖1是兩種代表性的標識符號。圖2是與圖1相對應的標識符號中心區(qū)域的圖像模板。圖3是本發(fā)明的標識符號識別算法流程圖。圖4是第二級分類器的Haar模板。圖5是Haar模板明暗變化圖。
圖6是三種用于目標識別的符號標識塊及其相應的識別結果。
具體實施例方式為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下結合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。本發(fā)明提供了一種基于放射形標識符號的目標識別方法，在目標上放置有預先設定的唯一的符號標識塊，其中，符號標識塊包含一個或多個具有相同或不同放射輻條數(shù)的標識符號，且每個標識符號的放射輻條靠近中心部分由四周向中心逐漸變細，這樣的標識符號當其離視覺傳感器的距離發(fā)生變化時其圖像骨架具有不變性特征，且標識符號中心區(qū)域的圖像具有較好的不變性特征。圖1(a)、圖1(b)給出了兩種代表性的標識符號，放射輻條數(shù)分別為8、6。圖2(a)和圖2(b)給出了與圖1(a)、圖1(b)相對應的標識符號中心區(qū)域的圖像模板(以11像素X 11像素為例)。目標與預先設定的符號標識塊上的符號排列組合存在一一對應關系，因此，可通過對符號標識塊上標識符號的識別進而完成對目標的識別。本發(fā)明提出的一種基于放射形標識符號的目標識別方法，具體包括如下步驟步驟1，制作符號標識塊并放置于目標上。步驟2，使用視覺傳感器采集以符號標識塊為對象的彩色圖像。步驟3，將采集到的彩色圖像處理成灰度圖像。步驟4，基于灰度閾值和對稱性、Haar、形態(tài)學、拓撲特征，分別構建分類器，對灰度圖像中的像素點進行層層篩選，最終得到表征標識符號中心位置的結果點集ωρ5。圖3給出了標識符號的識別算法。下面以圖1 (a)所示標識符號為代表對標識符號的識別算法進行具體介紹，其它標識符號的識別可采用類似的過程進行處理。步驟4具體包括以下幾個步驟步驟41，基于灰度閾值和對稱性特征構建初級分類器，對灰度圖像中的像素點進行篩選獲得候選點集Ωρ1?；叶乳撝堤卣骺紤]到標識符號中心點在灰度圖像中的灰度值較小，因此，通過設置灰度閾值T1對灰度圖像進行篩選，去除灰度值大于閾值T1的那些像素點。對稱性特征本發(fā)明所設計的符號標識塊具有明顯的中心對稱性，而且這個性質不會隨視角的變化而變化。因此在標識符號中心點附近，關于中心點對稱的圖像區(qū)域的像素值不會有很大的差值，對于候選點(u，ν)，若不滿足
權利要求
1.一種基于放射形標識符號的目標識別方法，包括步驟步驟1，制作符號標識塊并放置于目標上；步驟2，使用視覺傳感器采集以符號標識塊為對象的彩色圖像；步驟3，將采集到的彩色圖像處理成灰度圖像；步驟4，基于灰度閾值和對稱性、Haar、形態(tài)學、拓撲特征，分別構建分類器，對灰度圖像中的像素點進行層層篩選，最終得到表征標識符號中心位置的結果點集Ωρ5 ；步驟5，基于結果點集Ωρ5所表征的標識符號，以及目標所唯一對應的符號標識塊上的符號排列組合順序，完成對目標的識別。
2.如權利要求1所述的方法，其特征在于，所述步驟4進一步包括步驟41，基于灰度閾值和對稱性特征構建初級分類器，對灰度圖像中的像素點進行篩選得到候選點集Ωρ1 ；步驟42，基于候選點集Ωρ1中各候選點所對應圖像區(qū)域的Haar特征構建第二級分類器，進行篩選得到候選點集Ωρ2 ；步驟43，對候選點集Ωρ2進行聚集處理，得到候選點集Ωρ3;步驟44，基于形態(tài)學特征構建第三級分類器，對候選點集Ω ρ3進行篩選得到候選點集 Ωρ4；步驟45，對候選點集Ωρ4中的每個候選點，將以其為中心的17像素Χ17像素的灰度圖像區(qū)域做局部二值化處理，再經過圖像膨脹、骨架化后，得到相應的二值數(shù)組，這些二值數(shù)組構成二值數(shù)組集Ψ ；步驟46，對于候選點集Ωρ4中的各候選點，在集合Ψ里面所對應的二值數(shù)組中，運行廣度優(yōu)先搜索算法，得到二值數(shù)組對應圖像區(qū)域的拓撲特征，基于圖像拓撲特征構建第四級分類器，對候選點集Ωρ4進行篩選得到結果點集Ωρ5。
3.如權利要求1所述的方法，其特征在于，所述符號標識塊包含一個或多個具有相同或不同放射輻條數(shù)的標識符號。
4.如權利要求3所述的方法，其特征在于，所述標識符號為中心對稱的放射形圖形，其輻條靠近中心部分由四周向中心逐漸變細。
5.如權利要求2所述的方法，其特征在于，所述步驟41中基于灰度閾值對灰度圖像中的像素點進行篩選，具體為灰度值大于閾值Tl的像素點被去除。
6.如權利要求2所述的方法，其特征在于，所述步驟41中利用對稱性特征對灰度圖像中的像素點進行篩選，具體為關于候選點對稱的圖像區(qū)域的像素值的差值較大的像素點被去除。
7.如權利要求2所述的方法，其特征在于，所述步驟42中基于第二級分類器對候選點集的篩選是在候選點集Ωρ1中的每個點周圍上下左右四塊矩形圖像區(qū)域內，通過判斷每個矩形圖像區(qū)域與相應的Haar模板在設定方向上的明暗變化次數(shù)是否一致的方式進行的。
8.如權利要求2所述的方法，其特征在于，所述步驟43具體為如果候選點集Ωρ2中有多個點集中在一小塊圖像區(qū)域中，則用該圖像區(qū)域內各候選點坐標的平均值所對應的點來替代該圖像區(qū)域內的所有候選點。
9.如權利要求2所述的方法，其特征在于，所述步驟44中基于形態(tài)學特征對候選點集的篩選，是通過以候選點為圓心在圖像上構造一組半徑不同的同心圓及180°同心圓弧，以圓在圖像上所經過的像素點發(fā)生明暗變化的次數(shù)和180°圓弧在圖像上所經過的像素點發(fā)生明暗變化的次數(shù)是否同時為各自指定數(shù)值的方式進行的。
10.如權利要求2所述的方法，其特征在于，所述步驟46中，所述候選點相應的二值數(shù)組所對應圖像區(qū)域的拓撲特征取值為在相應的二值數(shù)組中，從候選點出發(fā)，沿白色像素點搜索8步所得到的白色線條數(shù)。
全文摘要
本發(fā)明公開了一種基于放射形標識符號的目標識別方法，涉及計算機視覺技術。在目標上置有符號標識塊，通過對符號標識塊上標識符號的識別進而完成對目標的識別，在將視覺傳感器獲取的彩色圖像處理成灰度圖像后，基于灰度閾值和對稱性、Haar、形態(tài)學、拓撲特征，分別構建分類器，對灰度圖像中的像素點進行層層篩選，最終得到表征標識符號中心位置的點集，進而完成對目標的識別。本發(fā)明實時性好，環(huán)境適用性較強，為在目標跟蹤等領域的應用提供技術支持。
文檔編號G06K9/00GK102360426SQ20111032373
公開日2012年2月22日 申請日期2011年10月21日 優(yōu)先權日2011年10月21日
發(fā)明者劉希龍, 周超, 曹志強, 焦繼樂, 譚民 申請人:中國科學院自動化研究所