视觉识别系统及视觉识别方法技术方案

本发明专利技术提供一种视觉识别系统及视觉识别方法，采用局部特征提取和模板特征训练，通过提取出的待识别图像中局部特征点匹配模板特征训练中的局部特征点来确定候选类，在通过全局空间结构信息进行候选类的验证，以确定所述待识别图像中的要是别的目标物体，本发明专利技术基于局部特征和全局空间结构信息来识别一待识别图像中一个物体，召回率比较高，误识别率比较低，识别速度较快，实现了比较好的物体识别效果。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种。
技术介绍
任何物体都是有一定的特征来进行表述的，人类认知原理基本是从物体的局部信息和全局信息进行整合认知的。局部特征从总体上说是图像或在视觉领域中一些有别于其周围的地方。局部特征通常是描述一块区域，使其能具有高可区分度。局部特征的好坏直接会决定着后面分类、识别是否会得到一个好的结果。全局空间主要是从图像的局部特征的相互之间的方位和满足一定的仿射变换原理的来进行进一步的验证，在模板匹配过程中，如果把不满足的全局结构信息和仿射变换的局部特征去除，如果没有达到一个匹配点个数，就认为不是所述类物体。目前，在网络游戏当中，为了提高玩家的体验，也为了商家的广告利益，常常需要进行真实和虚拟世界的互动游戏，在此类游戏中，经常会遇到通过拍照作为桥梁把真实的物体转换成虚拟的玩家道具，来进行互动体验。因此，对于真实物体的图像里面的内容进行识别变得尤其关键，只有识别好了里面的目标图像才能产生对应的虚拟道具。
技术实现思路
本专利技术的目的在于提供一种，基于局部特征和全局空间结构信息来识别一待识别图像中一个物体，来实现达到比较好的物体识别效果。为解决上述问题，本专利技术提供一种视觉识别系统，包括模板训练模块，用于准备所有类的模板并提取所有模板的局部特征；局部特征提取模块，用于提取一待识别图像的局部特征，所述局部特征包括空间结构信息；类识别模块，用于将所述待识别图像的局部特征与所有模板的局部特征进行匹配，找到所述模板训练模块中局部特征匹配最多的类作为候选类；类验证模块，用于根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，当剩余匹配的局部特征的数目达到一定阈值时确认所述候选类为所述待识别图像中要识别的目标物体。进一步的，所述模板训练模块的模板训练方法包括准备所有类的模板；提取所有模板的局部特征；对所有局部特征建立局部特征索引。进一步的，所述模板训练模块还为每个模板建立了 K-D树索引结构，所述类识别模块使用所述K-D树索引结构找到所述模板训练模块中局部特征匹配最多的类作为候选类。进一步的，所述局部特征提取模块提取一待识别图像的局部特征的步骤包括生成所述待识别图像的特征尺度空间；在所述特征尺度空间中寻找极值点，所述极值点为局部特征点；提取出所述局部特征点的空间结构信息并生成所述局部特征点的特征描述子。进一步的，所述局部特征提取模块提取的局部特征的空间结构信息包括位置、尺度和旋转不变量。进一步的，所述类验证模块根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，包括使用所有匹配的局部特征的空间结构信息形成特征空间匹配矩阵；对特征空间匹配矩阵进行异或计算，去掉错误位置的匹配的局部特征；使用基于随机采样算法的单应矩阵估算匹配的局部特征的错误信息，去掉有错误信息的匹配的局部特征；计算剩余匹配的局部特征的数目，当所述数目达到一定阈值时确认所述候选类为所述待识别图像中要识别的目标物体。相应的，本专利技术还提供一种视觉识别方法，包括准备所有类的模板并提取所有模板的局部特征；提取一待识别图像的局部特征，所述局部特征包括空间结构信息；将所述待识别图像的局部特征与所有模板的局部特征进行匹配，找到局部特征匹配最多的类作为候选类；根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，当剩余匹配的局部特征的数目达到一定阈值时确认所述候选类为所述待识别图像中要识别的目标物体。与现有技术相比，本专利技术提供的，采用局部特征提取和模板特征训练，通过提取出的待识别图像中局部特征点匹配模板特征训练中的局部特征点来确定候选类，再通过全局空间结构信息进行候选类的验证，以确定所述待识别图像中的要识别的目标物体，本专利技术基于局部特征和全局空间结构信息来识别一待识别图像中一个物体，召回率比较高，误识别率比较低，识别速度较快，实现了较好的物体识别效果。附图说明图1是本专利技术实施例一的视觉识别系统的架构示意图；图2是本专利技术实施例一的模式训练方法流程图；图3是本专利技术实施例一的提取局部特征的方法流程图；图4是本专利技术实施例一的验证匹配的局部特征的方法流程5是本专利技术实施例二的视觉识别方法流程图。具体实施例方式以下结合附图和具体实施例对本专利技术提出的作进一步详细说明。实施例一如图1所示，本实施例提供一种视觉识别系统，包括模板训练模块11，用于准备所有类的模板并提取所有模板的局部特征；局部特征提取模块12，用于提取一待识别图像的局部特征，所述局部特征包括空间结构信息；类识别模块13，用于将所述待识别图像的局部特征与所有模板的局部特征进行匹配，找到所述模板训练模块11中局部特征匹配最多的类作为候选类；类验证模块14，用于根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，当剩余匹配的局部特征的数目达到一定阈值时确认所述候选类为所述待识别图像中要识别的目标物体。如图2所示，本实施中，所述模板训练模块11的模板训练方法包括步骤S21，准备所有类的模板；步骤S22，提取所有模板的局部特征；步骤S23，对所有局部特征建立局部特征索引。本实施例中，所述模板训练模块11还为每个模板建立了 K-D树索引结构，所述类识别模块13使用所述K-D树索引结构找到所述模板训练模块11中局部特征匹配最多的类作为候选类。如图3所示，本实施例中，所述局部特征提取模块12提取一待识别图像的局部特征的步骤包括步骤S31，生成所述待识别图像的特征尺度空间；步骤S32，在所述特征尺度空间中寻找极值点，所述极值点为局部特征点；步骤S33，提取出所述局部特征点的空间结构信息并生成所述局部特征点的特征描述子，所述局部特征提取模块12提取的局部特征的空间结构信息包括位置、尺度和旋转不变量。本实施例中，可使用类似SIFT算子的算法进行局部性特征提取，它在特征尺度空间中寻找极值点作为局部特征点，并提取出其位置、尺度、旋转不变量，可以局部特征点为中心取16*16像素的邻域作为采样窗口，将采样点与局部特征点的相对方向通过高斯加权后归入包含8个区间的方向直方图，以获得所述局部特征点的4*4*8的1 维的特征描述子。本实施提取的局部特征所具备以下特性1.重复性；2.可区分性；3.准确性；4.数量以及效率；5.不变性。需要说明的是，所述模板训练模块11和局部特征提取模块12的局部特征提取方法相同，对所有的模板进行局部特征点的提取后为所有的局部特征点建立索引结构。所述模板训练模块11进一步为每个模板建立了 K-D树索引结构，以便后期类识别模块13快速识别候选类需要。K-D树索引结构中，K表示空间的维数，它的每一层通过检测不同的属性 (关键字)值以决定选择分枝的方向，例如在二维空间中(也就是2-D树)，在根和偶数层比较X坐标值(假设根的深度为0)，在奇数层比较Y坐标值，也就是说每一层所比较的是不同的属性。如图4所示，所述类验证模块14根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，包括步骤S41，使用所有匹配的局部特征的空间结构信息形成特征空间匹配矩阵；步骤S42，对特征空间匹配矩阵进行异或计算，去掉错误位置的匹配的局部特征；步骤S43，使用基于随机采样算法的单应矩阵估算匹配的局部特征的错误信息，去掉有错误信息的匹配的局部特征；步骤S44，计算剩余匹配的局部特征的数目，当所述数目达本文档来自技高网...

【技术保护点】
１．一种视觉识别系统，其特征在于，包括：模板训练模块，用于准备所有类的模板并提取所有模板的局部特征；局部特征提取模块，用于提取一待识别图像的局部特征，所述局部特征包括空间结构信息；类识别模块，用于将所述待识别图像的局部特征与所有模板的局部特征进行匹配，找到所述模板训练模块中局部特征匹配最多的类作为候选类；类验证模块，用于根据所有匹配的局部特征的空间结构信息去除错误匹配的局部特征，当剩余匹配的局部特征的数目达到一定阈值时确认所述候选类为所述待识别图像中要识别的目标物体。

【技术特征摘要】

【专利技术属性】
技术研发人员：马永壮，胡金辉，
申请(专利权)人：盛乐信息技术上海有限公司，
类型：发明
国别省市：31