一种360度全景图片的识别方法和装置制造方法及图纸

技术编号:15618352 阅读:130 留言:0更新日期:2017-06-14 03:58
本发明专利技术公开了一种360度全景图片的识别方法和装置。该方法包括:收集若干个360度全景图片和非360度全景图片作为样本图片;获取每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据;采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量;判断所述待识别图片的特征向量是否符合支持向量数据中的360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片,否则为非360度全景图片。可见,本发明专利技术实现待识别图片的自动识别,判断准确性高,进而根据识别结果选择对应的图片播放工具,提升用户体验。

【技术实现步骤摘要】
一种360度全景图片的识别方法和装置
本专利技术涉及图片识别
,特别涉及一种360度全景图片的识别方法和装置。
技术介绍
随着虚拟现实技术(VirtualReality,VR)的日趋成熟,应用在VR模式下的资源不断涌现,特别是适于VR模式下观看的各种类型的图片,例如2D图片、全景图片等。当通过VR模式观看各种类型的图片时,图片的类型不同,图片查看工具也不相同。为了实现自动选择图片查看工具,代替用户手动选择,就需要对图片的类型进行自动识别,特别是对360度全景图片的识别。普通的全景图是通过拼接多幅图像达到广角的效果,来展现更多的场景,360度全景图片是通过图片的左右侧拼合,在VR模式下达到360度环视的效果,从而给用户带来三维立体的空间体验。这就要求,360度全景图片的的左右两边在拼合后,其颜色的过渡是平滑的,不存在明显的拼接痕迹,即拼接处的像素点的颜色值接近或者相同。其图1为360度全景图片的示意图;其中,图1(a)为360度全景图片的原图;图1(b)为360度全景图片原图的右半部分平移到左侧拼接后的效果示意图。如图1所示,该360度全景图片原图的右半部分平移到左侧并进行拼接后,该图片没有明显的拼接痕迹,整张图片看起来还是完整的。基于360度全景图片左右两边在拼合后,拼接处的像素点的颜色值接近或者相同,在现有技术中,识别360度全景图,一般有两种方式:一种是选择图像的宽高比例来识别,若宽高比大于一个阈值,就认为是360度全景图片;但是,普通的全景图的宽高比也较大,不能实现360度环视的效果,不能被视为是360度全景图片。所以,这种方法的误差性较大,会导致宽高较大的普通全景图的误判,准确性低;另一种是比较图像左右两侧对应位置的像素颜色值差,如果小于一个阈值,则认为是360度全景图。但是,这种方法对阈值的选择要求苛刻,通常情况下,很难找到一个阈值能准确识别所有360度全景图,准确性低。
技术实现思路
鉴于现有技术中识别360度全景图片的准确性低的问题,提出了本专利技术的一种360度全景图片的识别方法和装置,以便解决或至少部分地解决上述问题。根据本专利技术的一个方面,提供了一种360度全景图片的识别方法,其特征在于,所述方法包括:收集若干个360度全景图片和非360度全景图片作为样本图片;获取每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据;采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量;判断所述待识别图片的特征向量是否符合所述支持向量数据中的360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片,否则为非360度全景图片。根据本专利技术的另一个方面,提供了一种360度全景图片的识别装置,其特征在于,所述装置包括:样本图片收集单元,用于收集若干个360度全景图片和非360度全景图片作为样本图片;特征向量获取单元,用于获取每个样本图片的特征向量;以及采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量;支持向量获取单元,用于根据获取的每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据;判断单元,用于判断所述待识别图片的特征向量是否符合所述支持向量数据中的360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片,否则为非360度全景图片。综上所述,本专利技术首先收集若干个360度全景图片和非360度全景图片作为样本图片,获取每个样本图片的特征向量,通过样本训练以得到区分360度全景图片特征和非360度全景图片特征的支持向量数据,然后采用与获取每个样本图片的特征向量相同的方式获取待识别图片的特征向量,再根据该支持向量数据判断待识别图片的特征向量是否符合360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片。可见,本专利技术是综合若干个图片类型已知的图片特征获得支持向量数据后,再进一步判断待识别图片的特征向量是否符合360度全景图片特征,实现待识别图片的自动识别,并非简单的比较待识别图片自身的像素点的颜色值,判断准确性高,进而根据识别结果选择对应的图片播放工具,提升用户体验。附图说明图1为360度全景图片的示意图;其中,图1(a)为360度全景图片的原图;图1(b)为360度全景图片原图的右半部分平移到左侧拼接后的效果示意图;图2为本专利技术一个实施例提供的一种360度全景图片的识别方法的流程图;图3为本专利技术一个实施例提供的一种360度全景图片的识别装置的示意图。具体实施方式本专利技术的设计思路是:鉴于现有技术中识别360度全景图片的准确性低的问题,本专利技术首先通过样本训练学习若干个图片类型已知的图片特征获得区分360度全景图片特征和非360度全景图片特征的支持向量数据后,然后再根据该支持向量数据判断待识别图片是否符合360度全景图片特征,实现待识别图片的自动识别,并非简单的比较待识别图片自身的像素点的颜色值,判断准确性高,进而根据识别结果选择对应的图片播放工具,提升用户体验。为使本专利技术的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术实施方式作进一步地详细描述。图2为本专利技术一个实施例提供的一种360度全景图片的识别方法的流程图。如图2所示,该方法包括:步骤S110,收集若干个360度全景图片和非360度全景图片作为样本图片。将收集到的若干个360度全景图片和非360度全景图片分别放入不同的文件夹下以进行区分,例如:在E://data//images//0//路径下放非360度全景图片数据;在E://data//images//1//路径下放360度全景图片数据。步骤S120,获取每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据。在获取每个样本图片的特征向量之前,首先需要将若干个360度全景图片数据和非360度全景图片数据分别加载到不同的容器中,以便特征向量获取开始时,加载到相应程序的内存中。例如,读取E://data//images//0//中的数据,将所有360度全景图样本数据加载到vector<Mat>posImages;读取E://data//images//1//中的数据,将所有非360度全景图样本数据加载到vector<Mat>negImages。获取特征向量的时候,是通过每个样本图片左右两侧的若干列的像素点的颜色值,计算色差值,并从所有色差值中等间距地选取出预定数量N个色差值,将所述N个色差值构成色差向量,作为每个样本图片的特征向量,有有多少个样本图片,就可以获得多少个特征向量。然后再通过样本训练,根据样本数据的特征向量和每个特征向量所对应的图片类型(360度全景图片或者非360度全景图片),获取区分360度全景图片特征和非360度全景图片特征的支持向量数据,该支持向量数据是通过若干个已经图片类型的样本图片获得的,可以更加准确的区分360度全景图片和非360度全景图片。步骤S130,采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量。为了利用样本训练得到的支持向量数据进行待识别图片的识别,需要采用与获取每个样本图片的特征向量相同的方式本文档来自技高网
...
一种360度全景图片的识别方法和装置

【技术保护点】
一种360度全景图片的识别方法,其特征在于,所述方法包括:收集若干个360度全景图片和非360度全景图片作为样本图片;获取每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据;采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量;判断所述待识别图片的特征向量是否符合所述支持向量数据中的360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片,否则为非360度全景图片。

【技术特征摘要】
1.一种360度全景图片的识别方法,其特征在于,所述方法包括:收集若干个360度全景图片和非360度全景图片作为样本图片;获取每个样本图片的特征向量,通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据;采用与获取每个样本图片的特征向量相同的方式获取所述待识别图片的特征向量;判断所述待识别图片的特征向量是否符合所述支持向量数据中的360度全景图片特征;若判断为是,则确定待识别图片为360度全景图片,否则为非360度全景图片。2.如权利要求1所述的方法,其特征在于,所述通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据包括:定义特征矩阵,所述特征矩阵的行数为所有样本图片的个数,列数为样本图片的特征向量的维数;将所有所述样本图片的特征向量依次放入所述特征矩阵;定义分类标号矩阵,所述分类标号矩阵的行数为所有样本图片的个数,列数为1,其值取1或-1,其中1表示360度全景图片,-1表示非360度全景图片;对放入所述特征矩阵中的每个样本图片,在所述分类标号矩阵中依次标识所述样本图片所属图片类型的值;根据所述特征矩阵和所述分类标号矩阵,利用机器学习的方法获取区分360度全景图片特征和非360度全景图片特征的支持向量数据。3.如权利要求2所述的方法,其特征在于,所述获取每个样本图片的特征向量包括:对每个样本图片,分别获取左侧C列与右侧C列的每个像素点的颜色值,其中C取值为大于等于1的自然数;对相对图片中间线对称的每对像素点分别计算色差值;从所有色差值中等间距地选取出预定数量N个色差值,将所述N个色差值构成色差向量;根据所述色差向量得到每个样本图片的特征向量,所述特征向量的维数为N。4.如权利要求3所述的方法,其特征在于,将C取值等于1;所述对每个样本图片,分别获取左侧C列与右侧C列的每个像素点的颜色值包括:分别获取每个样本图片的第一列和最后一列的每个像素点的颜色值,得到每个样本图片的第一列像素点的颜色值为:A={{RA1,GA1,BA1},{RA2,GA2,BA2},{RA3,GA3,BA3}...{RAn,GAn,BAn}};每个样本图片的最后一列像素点的颜色值为:B={{RB1,GB1,BB1},{RB2,GB2,BB2},{RB3,GB3,BB3}...{RBn,GBn,BBn}};其中n代表所述样本图片的行数,An代表第一列第n行的像素点,Bn代表最后一列第n行的像素点;所述对相对图片中间线对称的每对像素点分别计算色差值包括:根据公式计算相对图片中间线对称的每对像素点的色差值;所述根据所述色差向量得到每个样本图片的特征向量包括:根据N个色差值构成的色差向量C={C1,C2,C3,...,CN}得到每个样本图片的特征向量。5.如权利要求2所述的方法,其特征在于,所述机器学习的方法包括支持向量机算法SVM。6.一种360度全景图片的识别装置,其特征在于,所述装置包括...

【专利技术属性】
技术研发人员:孟亚州王铁存
申请(专利权)人:歌尔科技有限公司
类型:发明
国别省市:山东,37

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1