一种基于多视角图模型的餐具检测和识别方法技术

本发明专利技术公开了一种基于多视角图模型的餐具检测和识别方法，利用多视角图模型的学习框架将餐具检测和识别结合成统一的框架，首先利用多视角图模型检测图像中的餐具，然后利用多视角特征融合学习新特征进行餐具的识别。采用多视角图模型进行图像的餐具检测，利用超像素点在多个视角下的特征构建图模型，然后再学习每个超像素点是餐具所在位置的置信度，从而更准确的检测出餐具。采用多视角融合算法进行特征融合，构建更强区分性的特征，有利于提高识别率。在多视角图模型构建中，利用指数型权值参数，避免出现多视角的权值系数为零，使得各个视角特征能够相互补充。

A method of tableware detection and recognition based on multi view model

The invention discloses a multi view model of tableware detection and recognition method based on multi view learning framework using graph model to detect and identify tableware combined into a unified framework, firstly by using multi view image detection model of the tableware, and then using multi feature fusion recognition from the perspective of learning new features of tableware. The multi view graph model for image feature detection of tableware, using super pixels in multiple perspective construction graph model, and then study each super pixel is confidence tableware location, so as to more accurately detect tableware. Multi view fusion algorithm is used for feature fusion, and more discriminative features are constructed to improve the recognition rate. In the construction of multi view graph model, the exponential weight parameter is used to avoid the multi view weight coefficients to be zero, so that each view feature can complement each other.

【技术实现步骤摘要】
一种基于多视角图模型的餐具检测和识别方法
本专利技术涉及一种机器视觉的餐具检测和识别方法，尤其涉及一种基于多视角图模型的检测和识别方法。
技术介绍
随着服务机器人硬件成本的下降和相关理论技术的不断成熟以及人们的需求，餐厅服务机器人已经开始应用于餐厅帮助人们回收餐具。餐厅服务机器人需要应用计算机视觉技术，实时检测并识别出餐桌中不同的餐具类别。并根据餐具中的内容(如有无食物)，进行后续处理(如收拾餐具)任务。餐具检测和识别主要根据采集图像中餐具、食物的位置和轮廓，对餐具、食物进行分割，并识别出其具体类别。目前，基于计算机视觉的餐具、食物检测和识别方法主要为单视角检测和识别，存在检测不准确和识别率低等问题，因此，本专利技术提出基于多视角图模型的餐具检测和识别方法，用来提高检测效果和识别率。
技术实现思路
本专利技术提供了一种基于多视角图模型的餐具检测和识别方法，利用多视角图模型的学习框架将餐具检测和识别结合成统一的框架，首先利用多视角图模型检测图像中的餐具，然后利用多视角特征融合学习新特征进行餐具的识别。采用多视角图模型进行图像的餐具检测，利用超像素点在多个视角下的特征构建图模型，然后再学习每本文档来自技高网...

【技术保护点】
一种基于多视角图模型的餐具检测和识别方法，其特征在于包括如下步骤：S1、使用简单线性迭代聚类算法SLIC对选定的图像进行算法超像素分割，得到N个超像素点；S2、分析超像素点的颜色直方图特征和所述超像素点间的颜色矩信息；以所述图像中所有的超像素点为节点，以所述超像素点间的位置关系确定连接边，以高斯核函数计算得出边权值，进而构建出超像素点的多视角图模型；S3、设定图像一个边界的超像素点为背景超像素点，使用多视角排序算法，计算所述图像中剩余其它超像素点的相似性值/相似性特征向量f，完成第一阶段检测；S4、根据所述的相似性值/相似性特征向量f，分别设定表示餐具的阈值t1和表示背景的阈值t2，计算图像中...

【技术特征摘要】
1.一种基于多视角图模型的餐具检测和识别方法，其特征在于包括如下步骤：S1、使用简单线性迭代聚类算法SLIC对选定的图像进行算法超像素分割，得到N个超像素点；S2、分析超像素点的颜色直方图特征和所述超像素点间的颜色矩信息；以所述图像中所有的超像素点为节点，以所述超像素点间的位置关系确定连接边，以高斯核函数计算得出边权值，进而构建出超像素点的多视角图模型；S3、设定图像一个边界的超像素点为背景超像素点，使用多视角排序算法，计算所述图像中剩余其它超像素点的相似性值/相似性特征向量f，完成第一阶段检测；S4、根据所述的相似性值/相似性特征向量f，分别设定表示餐具的阈值t1和表示背景的阈值t2，计算图像中超像素点之间的相似性值以该相似性确定餐具检测图像，完成第二阶段检测；S5、在所述图像中对餐具检测图像进行分割；S6、建立以所述图像样本为节点，样本特征向量之间的距离为图模型的边的多视角图模型，得到特征融合后的图像样本的图形特征Y；S7、将步骤S6得到所述的图形特征Y，输入到训练好的SVM模型，对待检测图像进行分析，得出待检测图像中的餐具种类，完成识别。2.根据权利要求1所述的基于多视角图模型的餐具检测和识别方法，其特征还在于所述的SLIC对选定的图像进行算法超像素分割的过程如下：S11、将所述的图像平均分割成k个部分，每部分为等面积的S×S的小区域，其中，N为图像像素的个数；S12、初始化每个小区域的中心为Ck＝[lk,ak,bk,xk,yk]T,其中(xk,yk)为该小区域中梯度最小的点即f(x+1,y)+f(x,y+1)-2f(x,y)最小的点；S13、根据式计算每个像素点到步骤S12中Ck的距离，选取距离最小的中心点为该像素的中心，重新划分超像素区域，根据步骤S12在新划分的区域上重新确定新的小区域中心Ck，计算新的小区域中心Ck和旧的小区域中心Ck间的位置距离，其中，m＝15，ds为位置距离，dc为Lab距离；S14、当新的中心Ck与旧的中心Ck的位置距离小于一个很小的阈值时输出超像素分割的结果，否则重复步骤S12～S13。3.根据权利要求1所述的基于多视角图模型的餐具检测和识别方法，其特征还在于所述构建的超像素点的多视角图模型如下。4.根据权利要求1所述的基于多视角图模型的餐具检测和识别方法，其特征还在于：所述的第一阶段检测具体过程如下：S31、假设图像边缘的超像素点是背景信息，所以在该阶段的相似性学习过程中，设定初始的相似性值y＝[y1,y2,…,yN]T；S32、设定图像上边界的超像素节点对应的初始相似性值为1；其它所有的超像素节点设置为0，通过假设多视角图模型学习得到的相似性值为f，将多视角排序算法的目标优化函数表示成：将式(2)转换为矩阵形式为其中，α(t)是每个视角下近邻矩阵的权重系数，参数μ>0是平衡目标函数中平滑约束项和拟合约束项，||·||2表示向量的2范数，Tr(...

【专利技术属性】
技术研发人员：陈喆，殷福亮，甄佳林，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21