基于质心轮廓距离的目标识别方法与系统技术方案

本发明专利技术涉及机器视觉技术领域，具体涉及一种基于质心轮廓距离的目标识别方法与系统。该方法通过获取待识别对象的最小外接圆和最小外接矩形，以得到待识别对象的圆形度和矩形度；根据质心轮廓距离得到待识别对象的形状特征序列，将圆形度和矩形度添加在形状特征序列得到新形状特征序列，计算新形状特征序列和形状模板库中对应形状特征序列之间的曼哈顿距离以得到两者之间的相似度，根据相似度得到待识别对象的形状识别结果。通过增加待识别对象的圆形度和矩形度这两个特征，能够很好的区分质心轮廓距离相似的待识别对象，同时在保证了匹配速度不降低的情况下，提高了匹配精度。

【技术实现步骤摘要】
基于质心轮廓距离的目标识别方法与系统
本专利技术涉及机器视觉
，具体涉及一种基于质心轮廓距离的目标识别方法与系统。
技术介绍
形状描述子是物体识别的重要研究方向，已广泛应用于图像分析，机器视觉和目标识别等应用中。当目标在整个图像中占据的位置太少或目标的纹理特征模糊时，形状描述子可以通过形状特征成功识别目标。虽然深度学习可以在大量训练数据集之前完美地检测和识别目标，但是一些图像数据集很难获得。在这种情况下，形状描述子就能很好的利用。形状描述子用于提取对象的形状特征，被提出的形状描述子有很多，它可以大致分为：全局描述子，局部描述子，多尺度描述子等。傅里叶描述子(FD)，质心轮廓距离(CCD)，基于质心轮廓距离的傅里叶描述子(FD-CCD)，最远点距离描述子(FPD)，小波描述子(WD)都是经典的描述子。基于多尺度质心距离的傅立叶描述子(FMSCCD)和角度尺度描述符与质心距离(ASD&CCD)都是进行了改进的描述子。CCD描述子的原理简单易懂，它被许多研究人员引用和改进。ASD是一个角度比例尺描述子，可以在多个不同的比本文档来自技高网...

【技术保护点】
1.一种基于质心轮廓距离的目标识别方法，其特征在于，该方法包括：/n获取待识别对象的最小外接圆，以得到所述待识别对象的圆形度；所述最小外接圆是通过最小外接圆算法得到的；/n获取所述待识别对象的最小外接矩形，以得到所述待识别对象的矩形度；所述最小外接矩形是指最小面积外接矩形；/n基于质心轮廓距离的算法得到所述待识别对象的形状特征序列，在所述形状特征序列中添加所述圆形度和所述矩形度以得到所述新形状特征序列，进而计算所述新形状特征序列与形状模板库中对应形状特征序列之间的曼哈顿距离，利用所述曼哈顿距离表示所述新形状特征序列和所述对应形状特征序列之间的相似度，进而根据所述相似度得到所述待识别对象的形状识...

【技术特征摘要】
1.一种基于质心轮廓距离的目标识别方法，其特征在于，该方法包括：
获取待识别对象的最小外接圆，以得到所述待识别对象的圆形度；所述最小外接圆是通过最小外接圆算法得到的；
获取所述待识别对象的最小外接矩形，以得到所述待识别对象的矩形度；所述最小外接矩形是指最小面积外接矩形；
基于质心轮廓距离的算法得到所述待识别对象的形状特征序列，在所述形状特征序列中添加所述圆形度和所述矩形度以得到所述新形状特征序列，进而计算所述新形状特征序列与形状模板库中对应形状特征序列之间的曼哈顿距离，利用所述曼哈顿距离表示所述新形状特征序列和所述对应形状特征序列之间的相似度，进而根据所述相似度得到所述待识别对象的形状识别结果。


2.如权利要求1所述的方法，其特征在于，所述圆形度为所述最小外接圆的第一面积和所述待识别对象的第二面积的比值。


3.如权利要求1所述的方法，其特征在于，所述圆形度为所述第一面积中像素点的数量和所述第二面积中所述像素点的数量的比值。


4.如权利要求1～3任意一项所述的方法，其特征在于，所述矩形度为所述最小外接矩形的第三面积和所述待识别对象的所述第二面积的比值。


5.如权利要求1～3任意一项所述的方法，其特征在于，所述矩形度为所述第三面积中所述像素点的数量和所述第二面积中所述像素点的数量的比值。


6.一种基于质心轮廓距离的目标识别系统，其特征在于，该系统...

【专利技术属性】
技术研发人员：郭宝龙，廖楠楠，任霞，李诚，张超彦，蒋元淑，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61