用于基于图像的目标识别的稳健特征识别制造技术

本发明专利技术提供包括识别训练图像内的稳健特征的技术。通过将特征检测算法应用到所述训练图像来生成训练特征，每个训练特征在所述训练图像内具有训练特征位置。根据预定义图像变换将所述训练图像中的至少一部分变换成变换图像。通过将所述特征检测算法应用到所述变换图像来生成变换特征，每个变换特征在所述变换图像内具有变换特征位置。根据所述预定义图像变换将所述训练特征的所述训练特征位置映射到所述变换图像中对应的训练特征变换位置，且稳健特征集是通过选择稳健特征编译而成的，其中每个稳健特征表示具有训练特征变换位置的训练特征，所述训练特征变换位置靠近于一个所述变换特征中的变换特征位置。

【技术实现步骤摘要】
【国外来华专利技术】用于基于图像的目标识别的稳健特征识别相关申请的交叉引用本申请要求于2014年4月24日递交的编号为61/983,971的美国临时申请的优先权益。该申请的全部内容以引用的形式并入于此。
本专利技术涉及基于图像的目标识别，且尤其涉及用于基于图像的目标识别的特征识别技术。
技术介绍
用于基于图像的目标识别的特征检测算法多种多样。在最基本的层面上，特征检测算法生成描述符，所述描述符为基于图像的目标识别、搜索和检索提供一种表征、归纳和索引图像(例如，形状、物体等等)区别特征的途径。用于基于图像的目标识别的特征检测算法的一个例子是尺度不变特征变换(SIFT)特征检测算法，如Lowe在US.PatentNo.6,711,293中所描述的。例如，所述SIFT特征检测算法可应用于图像以生成用于所述图像内各种特征的描述符。基于机器的目标识别一般包括两个不同的步骤。第一，使用特征检测算法(例如，SIFT特征检测算法)对已知物体的训练图像进行分析，从而生成关联于所述图像数据中的特征的描述符。为了在识别设备(例如，智能手机)上运用，可将关联于许多不同物体的描述符打包成识别库或数据库。第二，所述识别设备拍摄物体本文档来自技高网...

【技术保护点】
一种在特征检测设备上识别训练图像内的稳健特征的方法，所述方法包括：由所述特征检测设备，通过将特征检测算法应用到所述训练图像来生成训练特征，每个训练特征在所述训练图像内具有训练特征位置；由所述特征检测设备，根据预定义图像变换来将所述训练图像中的至少一部分变换成变换图像；由所述特征检测设备，通过将所述特征检测算法应用到所述变换图像来生成变换特征，每个变换特征在所述变换图像内具有变换特征位置；由所述特征检测设备，根据所述预定义图像变换将所述训练特征的所述训练特征位置映射到所述变换图像内的对应训练特征变换位置；以及由所述特征检测设备，通过选择稳健特征来编译稳健特征集，其中每个稳健特征表示具有训练特征变...

【技术特征摘要】
【国外来华专利技术】2014.04.24 US 61/983,9711.一种在特征检测设备上识别训练图像内的稳健特征的方法，所述方法包括：由所述特征检测设备，通过将特征检测算法应用到所述训练图像来生成训练特征，每个训练特征在所述训练图像内具有训练特征位置；由所述特征检测设备，根据预定义图像变换来将所述训练图像中的至少一部分变换成变换图像；由所述特征检测设备，通过将所述特征检测算法应用到所述变换图像来生成变换特征，每个变换特征在所述变换图像内具有变换特征位置；由所述特征检测设备，根据所述预定义图像变换将所述训练特征的所述训练特征位置映射到所述变换图像内的对应训练特征变换位置；以及由所述特征检测设备，通过选择稳健特征来编译稳健特征集，其中每个稳健特征表示具有训练特征变换位置的训练特征，所述训练特征变换位置靠近于一个所述变换特征的变换特征位置。2.如权利要求1所述的方法，其中，每个所述训练特征位置中包括像素坐标。3.如权利要求1所述的方法，其中，每个所述变换特征位置中包括变换像素坐标。4.如权利要求1所述的方法，其中，获得所述训练图像包括通过图像拍摄设备拍摄视频流的视频帧。5.如权利要求1所述的方法，其中，所述特征检测算法包括尺度不变特征变换SIFT、快速视网膜关键点FREAK、梯度方向直方图HOG、加速稳健特征SURF、DAISY、二进制稳健不变尺度特征关键点BRISK、基于加速分割的检测特征FAST、二进制稳健独立基元特征BRIEF、哈里斯角点、Edges、梯度位置方向直方图GLOH、影像梯度能量EOG或者变换不变低秩纹理TILT特征检测算法中的至少一个。6.如权利要求1所述的方法，其中所述预定义图像变换包括几何变换。7.如权利要求6所述的方法，其中对所述训练图像中的至少一部分的变换包括以尺度系数为比例尺度缩放所述训练图像以形成所述变换图像。8.如权利要求7所述的方法，其中所述尺度系数以图像识别搜索的一个或多个主题特性为基础。9.如权利要求8所述的方法，其中将所述图像识别搜索的所述至少一个或多个主题特性确定为查询图像的标示，所述查询图像主要为近序图像、远序图像、倾斜图像、富纹理图像、中等纹理图像或乏纹理图像中的至少一个。10.如权利要求7所述的方法，其中所述尺度系数包括介于所述训练图像原始大小的50％和90％之间的线性尺度系数。11.如权利要求7所述的方法，其中所述尺度系数包括介于所述训练图像原始大小的75％和80％之间的线性尺度系数。12.如权利要求6所述的方法，其中对所述训练图像的至少一部分进行变换包括通过一个角度对所述训练图像进行倾斜、剪切、旋转和数字变换中的一项以形成所述变换图像。13.如权利要求12所述的方法，其中所述角度介于20度和45度之间。14.如权利要求1所述的方法，其中所述预定义图像变换包括图像处理变换。15.如权利要求14所述的方法，其中所述图像处理变换包括高斯滤波、颜色变换和有损压缩中的至少一个。16.如权利要求1所述的方法，其中对所述训练图像的至少一部分进行变换包括将复合变换作为所述预定义图像变换使用以形成所述变换图像，所述复合变换包括多个几何变换或图像处理变换。17.如权利要求16所述的方法，其中以基于图像的目标识别搜索的一个或多个主题特性为基础确定所述复合变换。18....

【专利技术属性】
技术研发人员：宋斌，林立文，穆斯塔法·贾比尔，
申请(专利权)人：河谷控股IP有限责任公司，
类型：发明
国别省市：美国,US