一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法
【專利摘要】本發(fā)明公開(kāi)了一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法。該方法包括：利用雙目攝像頭采集圖像樣本，對(duì)所述圖像樣本進(jìn)行內(nèi)容識(shí)別，根據(jù)圖像分解規(guī)則對(duì)識(shí)別后的圖像進(jìn)行圖像分解，獲取圖像碎片；將所述圖像碎片以列表形式發(fā)送給檢索用戶，檢索用戶對(duì)所述圖像碎片進(jìn)行標(biāo)注；根據(jù)支持向量機(jī)模型，對(duì)標(biāo)注后的圖像碎片進(jìn)行分類，找到圖像碎片集合邊界，依據(jù)索引規(guī)則對(duì)邊界附近的圖像碎片進(jìn)行剔除，將剔除后剩余的圖像碎片進(jìn)行相似度檢索，獲得相似度匹配最高的圖像素材。本發(fā)明中，利用雙目測(cè)距獲得空間目標(biāo)的距離特征，提高了圖像分解的準(zhǔn)確性和客觀性，通過(guò)建立圖像分解規(guī)則和索引規(guī)則，提高了圖像碎片相似度檢索的效率和準(zhǔn)確度。
【專利說(shuō)明】-種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像識(shí)別領(lǐng)域，尤其設(shè)及一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法。

【背景技術(shù)】
[0002] 機(jī)器人視覺(jué)平臺(tái)，簡(jiǎn)稱Robo巧ye，是一款機(jī)器人視覺(jué)檢索系統(tǒng)，采集機(jī)器人或智能 設(shè)備采集視覺(jué)數(shù)據(jù)并反饋給機(jī)器人或智能設(shè)備有價(jià)值的知識(shí)信息。當(dāng)前的圖像識(shí)別方法， 如憑借關(guān)鍵字捜索、對(duì)比圖形特征參數(shù)等等。其中利用關(guān)鍵字進(jìn)行捜索W及人眼的識(shí)別都 具有主觀性，無(wú)法準(zhǔn)確地反映圖片信息。對(duì)比圖形特征參數(shù)的方法又存在計(jì)算量過(guò)大，參 數(shù)過(guò)多，實(shí)現(xiàn)起來(lái)較為繁瑣等問(wèn)題。而單一的對(duì)比圖形的某個(gè)特征又無(wú)法全部具體地描述 圖像信息。通?，F(xiàn)有的圖像檢索方法中，不具有強(qiáng)大的對(duì)圖像內(nèi)容分解的能力，智能的知識(shí) 關(guān)聯(lián)能力，W及敏捷的自我學(xué)習(xí)能力，且在對(duì)圖像采集時(shí)，使用普通攝像頭獲取單帖圖像樣 本，對(duì)連續(xù)圖像W及多個(gè)視差圖片的捕捉能力不強(qiáng)，大大降低了對(duì)目標(biāo)的測(cè)量精度。綜上所 述，目前的圖像識(shí)別方法都無(wú)法很好的解決對(duì)圖像準(zhǔn)確、簡(jiǎn)潔、分解、關(guān)聯(lián)、自我學(xué)習(xí)的檢索 問(wèn)題。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法，提高了圖像分解的準(zhǔn)確 性和客觀性，提高了圖像碎片相似度檢索的效率和準(zhǔn)確度。
[0004] 本發(fā)明的目的是通過(guò)W下技術(shù)方案實(shí)現(xiàn)的：
[0005] 一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法，其特征在于，該方法包括：
[0006] 利用雙目攝像頭采集圖像樣本，對(duì)所述圖像樣本進(jìn)行內(nèi)容識(shí)別，根據(jù)圖像分解規(guī) 則對(duì)識(shí)別后的圖像進(jìn)行圖像分解，獲取圖像碎片；
[0007] 將所述圖像碎片W列表形式發(fā)送給檢索用戶，檢索用戶對(duì)所述圖像碎片進(jìn)行標(biāo) 注；
[000引根據(jù)支持向量機(jī)模型，對(duì)標(biāo)注后的圖像碎片進(jìn)行分類，找到圖像碎片集合邊界，依 據(jù)索引規(guī)則對(duì)邊界附近的圖像碎片進(jìn)行剔除，將剔除后剩余的圖像碎片進(jìn)行相似度檢索， 獲得相似度匹配最高的圖像素材。
[0009] 所述內(nèi)容識(shí)別包括；顏色特征識(shí)別、紋理特征識(shí)別和輪廓特征識(shí)別，其中
[0010] 所述顏色特征識(shí)別，包括利用顏色直方圖特征匹配法對(duì)顏色特征進(jìn)行提取識(shí)別， 具體的，利用直方圖相交法、直方圖距離法、直方圖中屯、距法、參考顏色表法和累加顏色直 方圖法對(duì)顏色特征進(jìn)行綜合打分；
[0011] 所述紋理特征識(shí)別，包括利用灰度共生矩陣對(duì)紋理特征進(jìn)行提取識(shí)別，并利用馬 爾可夫隨機(jī)場(chǎng)MRF模型對(duì)紋理特征進(jìn)行綜合打分；
[0012] 所述輪廓特征識(shí)別，包括利用顏色和邊緣的方向性描述符方法，通過(guò)綜合比較顏 色與紋理的邊界對(duì)輪廓特征進(jìn)行提取識(shí)別。
[0013] 所述圖像分解包括；提取所述圖像的輪廓特征，將圖像點(diǎn)陣數(shù)據(jù)轉(zhuǎn)換為矩陣，根據(jù) 所述輪廓特征識(shí)別提取出的輪廓邊界矩陣，結(jié)合Snake模型，對(duì)所述圖像的輪廓進(jìn)行提取 分解。
[0014] 所述支持向量機(jī)模型為

【權(quán)利要求】
1. 一種基于機(jī)器人視覺(jué)平臺(tái)的圖像檢索方法，其特征在于，該方法包括： 利用雙目攝像頭采集圖像樣本，對(duì)所述圖像樣本進(jìn)行內(nèi)容識(shí)別，根據(jù)圖像分解規(guī)則對(duì) 識(shí)別后的圖像進(jìn)行圖像分解，獲取圖像碎片； 將所述圖像碎片以列表形式發(fā)送給檢索用戶，檢索用戶對(duì)所述圖像碎片進(jìn)行標(biāo)注； 根據(jù)支持向量機(jī)模型，對(duì)標(biāo)注后的圖像碎片進(jìn)行分類，找到圖像碎片集合邊界，依據(jù)索 引規(guī)則對(duì)邊界附近的圖像碎片進(jìn)行剔除，將剔除后剩余的圖像碎片進(jìn)行相似度檢索，獲得 相似度匹配最高的圖像素材。
2. 如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述內(nèi)容識(shí)別包括：顏色特征識(shí) 另Ij、紋理特征識(shí)別和輪廓特征識(shí)別，其中 所述顏色特征識(shí)別，包括利用顏色直方圖特征匹配法對(duì)顏色特征進(jìn)行提取識(shí)別，具體 的，利用直方圖相交法、直方圖距離法、直方圖中心距法、參考顏色表法和累加顏色直方圖 法對(duì)顏色特征進(jìn)行綜合打分； 所述紋理特征識(shí)別，包括利用灰度共生矩陣對(duì)紋理特征進(jìn)行提取識(shí)別，并利用馬爾可 夫隨機(jī)場(chǎng)MRF模型對(duì)紋理特征進(jìn)行綜合打分； 所述輪廓特征識(shí)別，包括利用顏色和邊緣的方向性描述符方法，通過(guò)綜合比較顏色與 紋理的邊界對(duì)輪廓特征進(jìn)行提取識(shí)別。
3. 如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述圖像分解包括：提取所述圖像 的輪廓特征，將圖像點(diǎn)陣數(shù)據(jù)轉(zhuǎn)換為矩陣，根據(jù)所述輪廓特征識(shí)別提取出的輪廓邊界矩陣， 結(jié)合Snake模型，對(duì)所述圖像的輪廓進(jìn)行提取分解。
4. 如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述支持向量機(jī)模型為
其中11表示輸入向量，X表示輸出向量，Idci表示 ) 常數(shù)項(xiàng)。
5. 如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述圖像分解規(guī)則為：?jiǎn)握{(diào)的圖像 不進(jìn)行分解，無(wú)意義的圖像不進(jìn)行分解，重復(fù)的圖像不進(jìn)行分解，空間距離不連續(xù)的圖像碎 片不進(jìn)行分解； 所述索引規(guī)則為：重復(fù)的圖像碎片不進(jìn)行索引，無(wú)意義的圖像碎片不進(jìn)行索引，過(guò)于復(fù) 雜的圖像碎片不進(jìn)行索引。
6. 如權(quán)利要求1所述的圖像檢索方法，其特征在于，在所述獲得相似度匹配最高的圖 像素材之后還包括：提取與所述圖像素材相關(guān)聯(lián)的知識(shí)元，將所述知識(shí)元發(fā)送給檢索用戶。
【文檔編號(hào)】G06F17/30GK104504161SQ201510028263
【公開(kāi)日】2015年4月8日 申請(qǐng)日期:2015年1月21日 優(yōu)先權(quán)日:2015年1月21日
【發(fā)明者】邵可佳 申請(qǐng)人:北京智富者機(jī)器人科技有限公司