一种用于可穿戴设备的3D家具智能识别方法技术

本发明专利技术公开了一种用于可穿戴设备的3D家具智能识别方法，包括以下具体操作步骤：利用可穿戴设备的摄像头，从正面，以及四个侧面角度采集板材的图片；通过图片质量评估IQA算法，选择步骤一中效果最好的六张图片；用手指关节敲击板材，采集板材的敲击声音，并转化为数字信号；分析步骤二中所选择的图片，提取出板材的颜色、纹理、年轮、像素等特征；将步骤四中提取出的图片特征送入神经网络模型进行预测；将步骤二的声音信号和步骤五的预测结果一起送入滤波器进行分析，得出较为精确的板材种类。本发明专利技术的优点：可使用户直接穿戴上，较为便捷且易于携带，其可根据科学的方法来判断出所拍照板材的好坏，方便快捷。方便快捷。方便快捷。

【技术实现步骤摘要】
一种用于可穿戴设备的3D家具智能识别方法


[0001]本专利技术涉及3D识别
，具体是指一种用于可穿戴设备的3D家具智能识别方法。

技术介绍

[0002]板材(sheet material)是做成标准大小的扁平矩形建筑材料板，应用于建筑行业，用来作墙壁、天花板或地板的构件。也多指锻造、轧制或铸造而成的金属板。
[0003]在家庭装修和家具制作过程中，选家具板材非常关键。一不小心就可能选到劣质的板材，对人体造成很大的伤害。
[0004]目前，人们进行选板材时，基本都是根据经验凭肉眼进行观察，并敲击通过自己的耳朵来听声音。来判断板材的好坏，对于没有家具专业知识的人，很难识别出板材的好坏。

技术实现思路

[0005]本专利技术为了解决上述的各种问题，提供了一种用于可穿戴设备的3D家具智能识别方法，其可使用户直接穿戴上，较为便捷且易于携带，其可通过穿戴设备的识别系统和方法来将板材拍照录入系统，从而可根据科学的方法来判断出所拍照板材的好坏，方便快捷。
[0006]为解决上述技术问题，本专利技术提供的技术方案为：一种用于可穿戴设备的3D家具智能识别方法，包括以下具体操作步骤：
[0007]步骤一：利用可穿戴设备的摄像头，从正面，以及四个侧面角度采集板材的图片；
[0008]步骤二：通过图片质量评估IQA算法，选择步骤一中效果最好的六张图片；
[0009]步骤三：用手指关节敲击板材，采集板材的敲击声音，并转化为数字信号；
[0010]步骤四：分析步骤二中所选择的图片，提取出板材的颜色、纹理、年轮、像素等特征；
[0011]步骤五：将步骤四中提取出的图片特征送入神经网络模型进行预测；
[0012]步骤六：将步骤二的声音信号和步骤五的预测结果一起送入滤波器进行分析，得出较为精确的板材种类。
[0013]优选的，步骤一中，可穿戴设备为可穿戴头套或可穿戴眼镜，可穿戴设备为可穿戴头套或可穿戴眼镜上固定安装有摄像头。
[0014]优选的，步骤三中，声音信号转化为数字信号的具体步骤为：
[0015]A)采样：模拟信号首先被等间隔地取样，这时信号在时间上就不再连续了，但在幅度上还是连续的；经过采样处理之后，模拟信号变成了离散时间信号；
[0016]B)量化：每个信号采样的幅度以某个最小数量单位
△
的整数倍来度量；这时信号不仅在时间上不再连续，在幅度上也不连续了；经过量化处理之后，离散时间信号变成了数字信号；
[0017]C)编码：将数字信号编码成B位长度的二进制字；虽然在量化之后信号已经变成了数字信号，但二进制字的表示方法有很多；ADC还要根据精度、动态范围及实现成本等多个
角度选择所需的二进制编码方式。
[0018]优选的，数据传输率＝采样频率
×
精度
×
声道数；
[0019]单声道一次可以产生一组声音波形数据，双声道一次可以产生两组波形数据；
[0020]有了数据传输率，就可以计算声音信号的数据量：
[0021]数据量＝数据传输率
×
持续时间/8。
[0022]在图片上提取特征的具体步骤为：
[0023]A)构建DOG尺度空间：模拟图像数据的多尺度特征，大尺度抓住概貌特征，小尺度注重细节特征。
[0024]B)关键点搜索和定位：确定是否为关键点，需要将该点与同尺度空间不同σ值的图像中的相邻点比较；
[0025]C)方向赋值：为了实现旋转不变性，需要根据检测到的关键点的局部图像结构为特征点赋值，具体做法是用梯度方向直方图；
[0026]D)关键点描述子的生成：关键点描述子不但包括关键点，还包括关键点周围对其有贡献的像素点。
[0027]本专利技术与现有技术相比的优点在于：本专利技术在使用时，在传统的神经网络模型预测的基础上，加入了声音信号作为滤波器，使得识别结果更加准确。并且整个识别过程都是在可穿戴设备上完成的，意味着该方法很容易普及。
[0028]因此，与传统的根据经验来判断板材的方法相比，该专利技术的创新点在于，在可穿戴设备上现场采集数据，并结合声音信号，来实现3D家具材料的智能识别。
附图说明
[0029]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0030]图1是本专利技术的步骤方法框图。
[0031]图2是本专利技术的声音转化为数字信号系统框图。
具体实施方式
[0032]下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
[0033]结合附图1，一种用于可穿戴设备的3D家具智能识别方法，包括以下具体操作步骤：
[0034]步骤一：利用可穿戴设备的摄像头，从正面，以及四个侧面角度采集板材的图片；
[0035]步骤二：通过图片质量评估IQA算法，选择步骤一中效果最好的六张图片；
[0036]步骤三：用手指关节敲击板材，采集板材的敲击声音，并转化为数字信号；
[0037]步骤四：分析步骤二中所选择的图片，提取出板材的颜色、纹理、年轮、像素等特征；
[0038]步骤五：将步骤四中提取出的图片特征送入神经网络模型进行预测；
[0039]步骤六：将步骤二的声音信号和步骤五的预测结果一起送入滤波器进行分析，得
出较为精确的板材种类。
[0040]步骤一中，可穿戴设备为可穿戴头套或可穿戴眼镜，可穿戴设备为可穿戴头套或可穿戴眼镜上固定安装有摄像头。
[0041]参照附图2，步骤三中，声音信号转化为数字信号的具体步骤为：
[0042]A)采样：模拟信号首先被等间隔地取样，这时信号在时间上就不再连续了，但在幅度上还是连续的；经过采样处理之后，模拟信号变成了离散时间信号；
[0043]B)量化：每个信号采样的幅度以某个最小数量单位
△
的整数倍来度量；这时信号不仅在时间上不再连续，在幅度上也不连续了；经过量化处理之后，离散时间信号变成了数字信号；
[0044]C)编码：将数字信号编码成B位长度的二进制字；虽然在量化之后信号已经变成了数字信号，但二进制字的表示方法有很多；ADC还要根据精度、动态范围及实现成本等多个角度选择所需的二进制编码方式。
[0045]数据传输率＝采样频率
×
精度
×
声道数；
[0046]单声道一次可以产生一组声音波形数据，双声道一次可以产生两组波形数据；
[0047]有了数据传输率，就可以计算声音信号的数据量：
[0048]数据量＝数据传输率
×
持续时间/8。
[0049]步骤四中，在图片上提取特征的具体步骤为：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于可穿戴设备的3D家具智能识别方法，其特征在于:包括以下具体操作步骤：步骤一：利用可穿戴设备的摄像头，从正面，以及四个侧面角度采集板材的图片；步骤二：通过图片质量评估IQA算法，选择步骤一中效果最好的六张图片；步骤三：用手指关节敲击板材，采集板材的敲击声音，并转化为数字信号；步骤四：分析步骤二中所选择的图片，提取出板材的颜色、纹理、年轮、像素等特征；步骤五：将步骤四中提取出的图片特征送入神经网络模型进行预测；步骤六：将步骤二的声音信号和步骤五的预测结果一起送入滤波器进行分析，得出较为精确的板材种类。2.根据权利要求1所述的一种用于可穿戴设备的3D家具智能识别方法，其特征在于：所述步骤一中，可穿戴设备为可穿戴头套或可穿戴眼镜，可穿戴设备为可穿戴头套或可穿戴眼镜上固定安装有摄像头。3.根据权利要求1所述的一种用于可穿戴设备的3D家具智能识别方法，其特征在于：所述步骤三中，声音信号转化为数字信号的具体步骤为：A)采样：模拟信号首先...

【专利技术属性】
技术研发人员：利林，
申请(专利权)人：浙江赟燊商业信息系统科技有限公司，
类型：发明
国别省市：