一种基于放射形标识符号的目标识别方法技术

本发明专利技术公开了一种基于放射形标识符号的目标识别方法，涉及计算机视觉技术。在目标上置有符号标识块，通过对符号标识块上标识符号的识别进而完成对目标的识别，在将视觉传感器获取的彩色图像处理成灰度图像后，基于灰度阈值和对称性、Haar、形态学、拓扑特征，分别构建分类器，对灰度图像中的像素点进行层层筛选，最终得到表征标识符号中心位置的点集，进而完成对目标的识别。本发明专利技术实时性好，环境适用性较强，为在目标跟踪等领域的应用提供技术支持。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，特别是。
技术介绍
目标识别应用广泛，受到研究人员的关注，其中基于视觉的目标识别已经成为研究的重点之一。按照视觉传感器是否固定，基于视觉的目标识别方法可分为视觉传感器位置固定的目标识别和视觉传感器可移动的目标识别，前者利用视频流处理方法，包括图像差分(背景差分、帧间差分)及各种改进算法；后者又可分为基于标识块的目标识别和无标识的目标识别，其中，基于标识块的目标识别使用较广。用标识块标识目标，目标识别转化为相应标识块的识别。目前，标识块的识别大多是通过提取颜色特征、纹理特征、形状特征以及综合多种特征的方式进行的。如何通过设计高效的标识块和相应的识别算法进一步提高识别系统的适应性、稳定性、实时性需要更深入的研究。
技术实现思路
本专利技术的目的是提供，使得视觉系统可以实现目标识别，达到令人满意的效果。为实现上述目的，本专利技术提出，包括步骤步骤1，制作符号标识块并放置于目标上；步骤2，使用视觉传感器采集以符号标识块为对象的彩色图像；步骤3，将采集到的彩色图像处理成灰度图像；步骤4，基于灰度阈值和对称性、Haar、形态学、拓扑特征，分别构建分类器，对灰度图像中的像素点进行层层筛选，最终得到表征标识符号中心位置的结果点集Ωρ5 ；步骤5，基于结果点集Ωρ5所表征的标识符号，以及目标所唯一对应的符号标识块上的符号排列组合顺序，完成对目标的识别。本专利技术方法无图像预处理，通过多级分类器逐层筛选的方式确定标识符号中心位置的点集，计算量较小，实时性好，环境适用性较强，为在目标跟踪等领域的应用提供技术支持。附图说明图1是两种代表性的标识符号。图2是与图1相对应的标识符号中心区域的图像模板。图3是本专利技术的标识符号识别算法流程图。图4是第二级分类器的Haar模板。图5是Haar模板明暗变化图。图6是三种用于目标识别的符号标识块及其相应的识别结果。 具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。本专利技术提供了，在目标上放置有预先设定的唯一的符号标识块，其中，符号标识块包含一个或多个具有相同或不同放射辐条数的标识符号，且每个标识符号的放射辐条靠近中心部分由四周向中心逐渐变细，这样的标识符号当其离视觉传感器的距离发生变化时其图像骨架具有不变性特征，且标识符号中心区域的图像具有较好的不变性特征。图1(a)、图1(b)给出了两种代表性的标识符号，放射辐条数分别为8、6。图2(a)和图2(b)给出了与图1(a)、图1(b)相对应的标识符号中心区域的图像模板(以11像素X 11像素为例)。目标与预先设定的符号标识块上的符号排列组合存在一一对应关系，因此，可通过对符号标识块上标识符号的识别进而完成对目标的识别。本专利技术提出的，具体包括如下步骤步骤1，制作符号标识块并放置于目标上。步骤2，使用视觉传感器采集以符号标识块为对象的彩色图像。步骤3，将采集到的彩色图像处理成灰度图像。步骤4，基于灰度阈值和对称性、Haar、形态学、拓扑特征，分别构建分类器，对灰度图像中的像素点进行层层筛选，最终得到表征标识符号中心位置的结果点集ωρ5。图3给出了标识符号的识别算法。下面以图1 (a)所示标识符号为代表对标识符号的识别算法进行具体介绍，其它标识符号的识别可采用类似的过程进行处理。步骤4具体包括以下几个步骤步骤41，基于灰度阈值和对称性特征构建初级分类器，对灰度图像中的像素点进行筛选获得候选点集Ωρ1。灰度阈值特征考虑到标识符号中心点在灰度图像中的灰度值较小，因此，通过设置灰度阈值T1对灰度图像进行筛选，去除灰度值大于阈值T1的那些像素点。对称性特征本专利技术所设计的符号标识块具有明显的中心对称性，而且这个性质不会随视角的变化而变化。因此在标识符号中心点附近，关于中心点对称的图像区域的像素值不会有很大的差值，对于候选点(u，ν)，若不满足权利要求1.，包括步骤步骤1，制作符号标识块并放置于目标上；步骤2，使用视觉传感器采集以符号标识块为对象的彩色图像；步骤3，将采集到的彩色图像处理成灰度图像；步骤4，基于灰度阈值和对称性、Haar、形态学、拓扑特征，分别构建分类器，对灰度图像中的像素点进行层层筛选，最终得到表征标识符号中心位置的结果点集Ωρ5 ；步骤5，基于结果点集Ωρ5所表征的标识符号，以及目标所唯一对应的符号标识块上的符号排列组合顺序，完成对目标的识别。2.如权利要求1所述的方法，其特征在于，所述步骤4进一步包括步骤41，基于灰度阈值和对称性特征构建初级分类器，对灰度图像中的像素点进行筛选得到候选点集Ωρ1 ；步骤42，基于候选点集Ωρ1中各候选点所对应图像区域的Haar特征构建第二级分类器，进行筛选得到候选点集Ωρ2 ；步骤43，对候选点集Ωρ2进行聚集处理，得到候选点集Ωρ3;步骤44，基于形态学特征构建第三级分类器，对候选点集Ω ρ3进行筛选得到候选点集 Ωρ4；步骤45，对候选点集Ωρ4中的每个候选点，将以其为中心的17像素Χ17像素的灰度图像区域做局部二值化处理，再经过图像膨胀、骨架化后，得到相应的二值数组，这些二值数组构成二值数组集Ψ ；步骤46，对于候选点集Ωρ4中的各候选点，在集合Ψ里面所对应的二值数组中，运行广度优先搜索算法，得到二值数组对应图像区域的拓扑特征，基于图像拓扑特征构建第四级分类器，对候选点集Ωρ4进行筛选得到结果点集Ωρ5。3.如权利要求1所述的方法，其特征在于，所述符号标识块包含一个或多个具有相同或不同放射辐条数的标识符号。4.如权利要求3所述的方法，其特征在于，所述标识符号为中心对称的放射形图形，其辐条靠近中心部分由四周向中心逐渐变细。5.如权利要求2所述的方法，其特征在于，所述步骤41中基于灰度阈值对灰度图像中的像素点进行筛选，具体为灰度值大于阈值Tl的像素点被去除。6.如权利要求2所述的方法，其特征在于，所述步骤41中利用对称性特征对灰度图像中的像素点进行筛选，具体为关于候选点对称的图像区域的像素值的差值较大的像素点被去除。7.如权利要求2所述的方法，其特征在于，所述步骤42中基于第二级分类器对候选点集的筛选是在候选点集Ωρ1中的每个点周围上下左右四块矩形图像区域内，通过判断每个矩形图像区域与相应的Haar模板在设定方向上的明暗变化次数是否一致的方式进行的。8.如权利要求2所述的方法，其特征在于，所述步骤43具体为如果候选点集Ωρ2中有多个点集中在一小块图像区域中，则用该图像区域内各候选点坐标的平均值所对应的点来替代该图像区域内的所有候选点。9.如权利要求2所述的方法，其特征在于，所述步骤44中基于形态学特征对候选点集的筛选，是通过以候选点为圆心在图像上构造一组半径不同的同心圆及180°同心圆弧，以圆在图像上所经过的像素点发生明暗变化的次数和180°圆弧在图像上所经过的像素点发生明暗变化的次数是否同时为各自指定数值的方式进行的。10.如权利要求2所述的方法，其特征在于，所述步骤46中，所述候选点相应的二值数组所对应图像区域的拓扑特征取值为在相应的二值数组中，从候选点出发，沿白色像素点搜索8步所得到的白色线条数。全文摘要本专利技术公开了，涉及计算机视觉技术。在目标上置有符号标识块，通过对符号标识块上标识符号的识别进而完成对本文档来自技高网...

【技术保护点】
１．一种基于放射形标识符号的目标识别方法，包括步骤：步骤１，制作符号标识块并放置于目标上；步骤２，使用视觉传感器采集以符号标识块为对象的彩色图像；步骤３，将采集到的彩色图像处理成灰度图像；步骤４，基于灰度阈值和对称性、Ｈａａｒ、形态学、拓扑特征，分别构建分类器，对灰度图像中的像素点进行层层筛选，最终得到表征标识符号中心位置的结果点集Ωｐ５；步骤５，基于结果点集Ωｐ５所表征的标识符号，以及目标所唯一对应的符号标识块上的符号排列组合顺序，完成对目标的识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘希龙，谭民，曹志强，周超，焦继乐，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11