【技术实现步骤摘要】
【国外来华专利技术】相关申请本申请要求根据美国法典35U.S.C. § 119(e)于2010年5月14日提交的名称为“使用超大型数据库进行对象识别的系统及方法(System and Method for Object Recognition with Very LargeDatabases)” 的美国临时申请序列号 No. 61/395，565 的权益，该申请的全部内容通过引用结合在此。
本公开内容的领域一般涉及用于对象识别的系统及方法，并且更具体但非排他性地涉及管理包含相对大量已知对象模型的数据库。
技术介绍
在过去的几年，视觉对象识别系统已经变得越来越流行并且它们的用途一直在扩展。典型的视觉对象识别系统依赖于使用从图像提取的多个特征，其中每个特征具有与其相关联的多维描述符向量，该向量是高度可区分的并且能够对特征进行区分。某些描述符的计算方式完全不管样本图像中对象的比例、定向或照度，对象的同一特征在所有样本图像中具有非常相似的描述符向量。这样的特征被认为是和比例、定向和/或照度的变化无关。在识别一个目标对象之前，建立一个数据库，该数据库包括从人们希望识别的多个已知对象提取的不变特...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】2010.05.14 US 61/395,5651.一种对存储在对象识别系统的数据库中的已知对象的识别模型集进行组织的方法，该方法包括 为所述已知对象中的每一个确定分类模型； 将所述已知对象的分类模型分组为多个分类模型组，这些分类模型组中的每一个分类模型组对所述数据库的对应部分进行鉴别，所述对应部分包含具有是该分类模型组的成员的分类模型的所述已知对象的识别模型；以及 为所述分类模型组计算代表性分类模型，其中分类模型组的代表性分类模型是从是该分类模型组的成员的分类模型中得到的，并且其中当识别目标对象时将所述代表性分类模型与该目标对象的分类模型进行比较从而能够选择这些已知对象的一个识别模型子集以便与该目标对象的识别模型进行比较。2.如权利要求1所述的方法，其中确定已知对象的分类模型包括根据该已知对象的图像对外观特性进行测量。3.如权利要求2所述的方法，其中该外观特性与颜色、纹理、空间频率、形状、照度不变的图像属性以及照度不变的图像梯度属性中的一个或更多个相对应。4.如权利要求2所述的方法，其中该已知对象的分类模型是通过以下方式确定的 对由图像捕获装置捕获的场景的图像进行分割从而产生该已知对象的一幅分离图像； 根据该已知对象的所述图像计算局部特征描述符向量，其中这些局部特征描述符向量是在特征描述符向量空间内； 将该特征描述符向量空间分为多个区域； 确定这些局部特征描述符向量属于哪些区域；以及 创建直方图，该直方图量化有多少局部特征描述符向量属于这些区域中的每一个区域，该直方图对应于所述分类模型。5.如权利要求4所述的方法，进一步包括 为所述区域中的每一个区域分配一个代表性描述符向量；以及将所述局部特征描述符向量与所述代表性描述符向量进行比较从而确定所述局部特征描述符向量属于哪个区域。6.如权利要求2所述的方法，其中该已知对象的分类模型是通过以下方式确定的 对由图像捕获装置捕获的场景的图像进行分割从而产生该已知对象的一幅分离图像； 对该已知对象的分割后图像应用几何变换从而获得该已知对象的标准化图像；以及为该已知对象的标准化图像生成单个特征描述符，所述分类模型包括该单个特征描述符的表示。7.如权利要求6所述的方法，其中该单个特征描述符是使用该已知对象的标准化图像的整个范围生成的。8.如权利要求2所述的方法，其中该已知对象的分类模型是通过以下方式确定的 对由图像捕获装置捕获的场景的图像进行分割从而产生该已知对象的一幅分离图像； 对该已知对象的分割后图像应用几何变换从而获得该已知对象的标准化图像；将该已知对象的标准化图像划分为多个预定的格栅部分；以及为已划分图像的每一个格栅部分生成一个特征描述符向量，所述分类模型包括所述格栅部分的特征描述符的表不。9.如权利要求2所述的方法，其中该已知对象的分类模型是通过以下方式确定的 对由图像捕获装置捕获的场景的图像进行分割从而产生该已知对象的一幅分离图像； 对该已知对象的分割后图像应用几何变换从而获得该已知对象的标准化图像，其中向量表示该标准化图像；以及 计算表示该标准化图像的向量的主元分析表示，所述分类模型包括该向量的主元分析表不的一种表不。10.如权利要求1所述的方法，其中确定已知对象的分类模型包括对该已知对象的物理属性进行测量。11.如权利要求10所述的方法，其中该物理属性是高度、宽度、长度、形状、质量、几何矩、体积、曲率、电磁特征以及温度中的一个或更多个。12.如权利要求10所述的方法，进一步包括根据该已知对象的图像测量外观特性，其中该已知对象的分类模型包括该已知对象的物理属性的表示以及该已知对象的外观特性的表示。13.如权利要求1所述的方法，其中所述分类模型组是通过对所述分类模型应用聚类算法而形成的。14.如权利要求13所述的方法，其中所述已知对象的分类模型是使用k-均值聚类算法聚类的。15.如权利要求13所述的方法，其中在聚类之前确定所述分类模型聚类到其中的分类模型组的数量。16.如权利要求13所述的方法，其中在聚类过程中确定所述分类模型聚类到其中的分类模型组的数量。17.如权利要求1所述的方法，其中所述聚类包括软聚类，其中已知对象的分类模型被聚类到所述分类模型组中的一个或更多个中，并且该已知对象的识别模型被包括在该数据库的所述部分中的一个或更多个中。18.如权利要求1所述的方法，其中分类模型组的代表性分类模型对应于是该分类模型组的成员的分类模型的均值。19.如权利要求1所述的方法，其中所述分类模型包括表示η维向量的分类签名。20.一种从包含已知对象集的识别模型的数据库中识别目标对象的方法，该数据库被分为多个部分，并且每个部分包含已知对象子集的识别模型，该方法包括 接收表示该目标对象的图像的图像数据； 为该目标对象确定分类模型； 为该目标对象生成从该目标对象的所述图像得出的识别模型； 将该目标对象的分类模型与同该数据库的所述部分相关联的代表性分类模型进行比较，该数据库的一个部分的代表性分类模型从已知对象子集的分类模型得出，所述已知对象子集的分类模型具有包含在该部分中的识别模型；选择该数据库的一个部分从而基于所述比较进行检索；以及 检索该数据库的选定部分从而鉴别与该目标对象的识别模型相匹配的已知对象的识别丰吴型。21.如权利要求20所述的方法，其中确定该目标对象的分类模型包括根据该目标对象的图像对外观特性进行测量。22.如权利要求21所述的方法，其中该外观特性与颜色、纹理、空间频率、形状、照度不变的图像属性以及照度不变...
【专利技术属性】
技术研发人员：L·贡考尔维斯，J·奥斯特洛夫斯基，R·伯曼，
申请(专利权)人：数据逻辑ADC公司，
类型：
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。