CN109086812A - 全景相机防水壳自动识别方法、装置及便携式终端 - Google Patents

全景相机防水壳自动识别方法、装置及便携式终端 Download PDF

Info

Publication number
CN109086812A
CN109086812A CN201810803533.1A CN201810803533A CN109086812A CN 109086812 A CN109086812 A CN 109086812A CN 201810803533 A CN201810803533 A CN 201810803533A CN 109086812 A CN109086812 A CN 109086812A
Authority
CN
China
Prior art keywords
waterproof cover
eye images
fish eye
shooting
panorama camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810803533.1A
Other languages
English (en)
Other versions
CN109086812B (zh
Inventor
高瑞东
尹成龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Arashi Vision Co Ltd
Original Assignee
Arashi Vision Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Arashi Vision Co Ltd filed Critical Arashi Vision Co Ltd
Priority to CN201810803533.1A priority Critical patent/CN109086812B/zh
Publication of CN109086812A publication Critical patent/CN109086812A/zh
Application granted granted Critical
Publication of CN109086812B publication Critical patent/CN109086812B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种全景相机防水壳自动识别方法、装置及便携式终端。所述方法包括：获取全景相机未佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；分别提取所述数据集中每幅鱼眼图像的特征；将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将未佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。本发明在采集大量统计数据的基础上，根据鱼眼圆半径大小的差异，利用支持向量机对图像进行分类，能够准确的识别出相机拍摄时是否佩戴防水壳。

Description

全景相机防水壳自动识别方法、装置及便携式终端
技术领域
本发明属于图像处理领域，尤其涉及一种全景相机防水壳自动识别方法、装置及便携式终端。
背景技术
全景相机应用广泛，当在水下使用全景相机时，为了达到防水的效果，往往会佩戴防水壳使用。而防水壳的使用在一定程度上会对图像拼接产生影响，因此在使用传统的拼接算法时，首先需要判断图像是否是由佩戴防水壳的全景相机拍摄而来，因此能够识别防水壳十分重要。
双鱼眼全景相机拍摄得到的原图为一幅双鱼眼图像，在使用防水壳和不使用防水壳时，鱼眼图像中的鱼眼圆大小通常会有细微的差异，而如果进行简单的阈值化分类往往不能得到最优的分类效果。因此本技术在采集大量统计数据的基础上，根据鱼眼圆半径大小的差异，利用支持向量机对图像进行分类，能够准确的识别出相机拍摄时是否佩戴防水壳。
发明内容
本发明提出一种全景相机防水壳自动识别方法、装置及便携式终端，旨在能够快速且准确的判断一幅图像是否是由带防水壳的相机拍摄而成。
第一方面，本发明提供了一种全景相机防水壳自动识别方法，所述方法包括：
获取全景相机不佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
分别提取所述数据集中每幅鱼眼图像的特征；
将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将不佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；
利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
第二方面，本发明提供了一种全景相机防水壳自动识别装置，所述装置包括：
获取模块，用于获取全景相机不佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
特征提取模块，用于分别提取数据集中每幅鱼眼图像的特征；
样本标记模块，用于将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将不佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
训练模块，用于将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；
分类模块，用于利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
第三方面，本发明提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现如上述的全景相机防水壳自动识别方法的步骤。
第四方面，本发明提供了一种便携式终端，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如上述的全景相机防水壳自动识别方法的步骤。
本发明在采集大量统计数据的基础上，根据鱼眼圆半径大小的差异，利用支持向量机对图像进行分类，实现了较好的全景相机防水壳自动识别效果。
附图说明
图1是本发明实施例一提供的全景相机防水壳自动识别方法流程图。
图2是本发明实施例二提供的全景相机防水壳自动识别模块示意图。
图3是本发明实施例三提供的便携式终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
请参阅图1，本发明实施例一提供的全景相机防水壳自动识别方法包括以下步骤：
S101.获取全景相机不佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
所述的全景相机为双鱼眼全景相机，可以为各种不同的品牌和型号的全景相机，且防水壳可以为适配于相应相机的各种不同材质的防水壳；
需要说明的是，数据集为采集的若干不同相机和相应的不同材质防水壳组合使用情况下的双鱼眼图像，数据集中若干图像包括上千多张，这些图像的尺寸一致，且数量越多最终识别的效果越好。
分别提取所述数据集中每幅鱼眼图像的特征；
具体的，计算每幅图像双鱼眼图中两个鱼眼圆的半径R1和R2，将两个半径作为提取的分类特征构成一个特征向量[R1, R2]，将该特征向量作为每幅图像的特征。
将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将不佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
具体的，将佩戴防水壳拍摄的鱼眼图像中的特征向量标记为正样本，未佩戴防水壳拍摄的鱼眼图像的特征向量标记为负样本。
将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型;
还需要说明的是，支持向量机(support vector machine，简称SVM)理论是Vapnik等人1995年首先提出来的一种前馈神经网络，是在统计学习理论基础上发展而来的一种新的模式识别方法，是一个分类模型，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。
利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
具体的，测试图像为全景相机拍摄的双鱼眼图像，可以包括佩戴防水壳拍摄的图像，也可为不佩戴防水壳拍摄的图像。输入一幅双鱼眼图，从图像中提取两个鱼眼圆的半径构成特征向量。从文件中读取分类模型，将特征向量和分类模型载入到支持向量机中进行分类判断。如果分类输出结果为1，则表示拍摄该图像时佩戴了防水壳，若分类输出结果为-1，则表示拍摄该图像时未佩戴防水壳。从而实现防水壳的自动识别。
实施例二：
请参阅图2，本发明实施例二提供的全景相机防水壳自动识别装置包括：
获取模块11，用于获取全景相机不佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
特征提取模块12，用于分别提取数据集中每幅鱼眼图像的特征；
样本标记模块13，用于将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将不佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
训练模块14，用于将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；
分类模块15，用于利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
进一步的，所述的特征提取模块具体为：计算每幅双鱼眼图像中两个鱼眼圆的半径R1和R2，将两个半径作为提取的分类特征构成一个特征向量[R1, R2]，将该特征向量作为每幅鱼眼图像的特征；
进一步的，所述的样本标记模块具体用于：将佩戴防水壳拍摄的鱼眼图像中所述的特征向量标记为正样本，未佩戴防水壳拍摄的鱼眼图像中所述的特征向量标记为负样本。
本发明实施例二提供的一种全景相机防水壳自动识别的装置与本发明实施例一提供的全景相机防水壳自动识别方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
实施例三：
本发明实施例三提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现如本发明实施例一提供的全景相机防水壳自动识别方法的步骤。
实施例四：
图3示出了本发明实施例四提供的便携式终端的具体结构框图，一种便携式终端100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明实施例一提供的一种全景相机防水壳自动识别方法的步骤。
在本发明实施例中，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
本发明在采集大量统计数据的基础上，根据鱼眼圆半径大小的差异，利用支持向量机对图像进行分类，实现了较好的全景相机防水壳自动识别效果。

Claims (7)

1.一种全景相机防水壳自动识别方法，其特征在于，包括以下步骤：
获取全景相机未佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
分别提取所述数据集中每幅鱼眼图像的特征；
将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将未佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；
利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
2.如权利要求1所述的方法，其特征在于：所述的全景相机具体为双鱼眼全景相机，该相机可以为各种不同的品牌和型号的全景相机，且防水壳可以为适配于相应相机的各种不同材质的防水壳。
3.如权利要求1所述的方法，其特征在于：所述的特征具体包括：
获取每幅双鱼眼图像中两个鱼眼圆的半径R1和R2，将两个半径作为提取的分类特征构成一个特征向量[R1, R2]，将该特征向量作为每幅鱼眼图像的特征。
4.一种全景相机防水壳自动识别装置，其特征在于，包括：
获取模块，用于获取全景相机未佩戴防水壳拍摄的若干鱼眼图像和佩戴防水壳拍摄的若干鱼眼图像，作为数据集；
特征提取模块，用于分别提取数据集中每幅鱼眼图像的特征；
样本标记模块，用于将佩戴防水壳拍摄的鱼眼图像所述的特征标记为正样本，将未佩戴防水壳拍摄的鱼眼图像所述的特征标记为负样本；
训练模块，用于将所述的正样本和负样本输入到SVM支持向量机进行训练，得到分类模型；
分类模块，用于利用所述的分类模型，对待分类的鱼眼图像进行分类，从而识别出全景相机拍摄时是否佩戴防水壳。
5.如权利要求4所述的装置，其特征在于，
所述的特征提取模块具体用于：获取每幅双鱼眼图像中两个鱼眼圆的半径R1和R2，将两个半径作为提取的分类特征构成一个特征向量[R1, R2]，将该特征向量作为每幅鱼眼图像的特征；
所述的样本标记模块具体用于：将佩戴防水壳拍摄的鱼眼图像中所述的特征向量标记为正样本，未佩戴防水壳拍摄的鱼眼图像中所述的特征向量标记为负样本。
6.一种计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的全景相机防水壳自动识别方法的步骤。
7.一种便携式终端，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的全景相机防水壳自动识别方法的步骤。
CN201810803533.1A 2018-07-20 2018-07-20 全景相机防水壳自动识别方法、装置及便携式终端 Active CN109086812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810803533.1A CN109086812B (zh) 2018-07-20 2018-07-20 全景相机防水壳自动识别方法、装置及便携式终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810803533.1A CN109086812B (zh) 2018-07-20 2018-07-20 全景相机防水壳自动识别方法、装置及便携式终端

Publications (2)

Publication Number Publication Date
CN109086812A true CN109086812A (zh) 2018-12-25
CN109086812B CN109086812B (zh) 2022-01-07

Family

ID=64838333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810803533.1A Active CN109086812B (zh) 2018-07-20 2018-07-20 全景相机防水壳自动识别方法、装置及便携式终端

Country Status (1)

Country Link
CN (1) CN109086812B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112124604A (zh) * 2020-09-24 2020-12-25 苏州臻迪智能科技有限公司 无人机的自检方法及无人机

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509098A (zh) * 2011-10-08 2012-06-20 天津大学 一种鱼眼图像车辆识别方法
US20140180449A1 (en) * 2012-12-21 2014-06-26 Hsiu-Ying Sung Self-learning system for water sport users
CN105488529A (zh) * 2015-11-26 2016-04-13 国网北京市电力公司 图片的源相机型号的识别方法和装置
CN205792927U (zh) * 2016-06-01 2016-12-07 广州敏视数码科技有限公司 一种具有鱼眼镜头的车载摄像头
CN107038724A (zh) * 2015-10-28 2017-08-11 舆图行动股份有限公司 全景鱼眼相机影像校正、合成与景深重建方法与系统
CN107426605A (zh) * 2017-04-21 2017-12-01 北京疯景科技有限公司 数据处理方法及装置
CN207051633U (zh) * 2017-05-24 2018-02-27 联想(北京)有限公司 全景相机及防水壳

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509098A (zh) * 2011-10-08 2012-06-20 天津大学 一种鱼眼图像车辆识别方法
US20140180449A1 (en) * 2012-12-21 2014-06-26 Hsiu-Ying Sung Self-learning system for water sport users
CN107038724A (zh) * 2015-10-28 2017-08-11 舆图行动股份有限公司 全景鱼眼相机影像校正、合成与景深重建方法与系统
CN105488529A (zh) * 2015-11-26 2016-04-13 国网北京市电力公司 图片的源相机型号的识别方法和装置
CN205792927U (zh) * 2016-06-01 2016-12-07 广州敏视数码科技有限公司 一种具有鱼眼镜头的车载摄像头
CN107426605A (zh) * 2017-04-21 2017-12-01 北京疯景科技有限公司 数据处理方法及装置
CN207051633U (zh) * 2017-05-24 2018-02-27 联想(北京)有限公司 全景相机及防水壳

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LIQUN LIU等: "Omnidirection Image Restoration Using a Support Vector Machine", 《PROCEEDINGS OF THE 2008 IEEE INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION》 *
王博实: "基于可见外壳的三维物体重建与识别方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王迅: "基于鱼眼相机的立体图像校正和图像拼接", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112124604A (zh) * 2020-09-24 2020-12-25 苏州臻迪智能科技有限公司 无人机的自检方法及无人机

Also Published As

Publication number Publication date
CN109086812B (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
Pinheiro Unsupervised domain adaptation with similarity learning
Huynh et al. A shared multi-attention framework for multi-label zero-shot learning
Chowdhury et al. One-to-many face recognition with bilinear cnns
Sultani et al. Human action recognition across datasets by foreground-weighted histogram decomposition
Wu et al. Harvesting discriminative meta objects with deep CNN features for scene classification
Aukkapinyo et al. Localization and classification of rice-grain images using region proposals-based convolutional neural network
CN103927387B (zh) 图像检索系统及其相关方法和装置
Chen et al. Learning deep features for image emotion classification
CN110751069A (zh) 一种人脸活体检测方法及装置
Spampinato et al. Fine-grained object recognition in underwater visual data
CN103544504A (zh) 一种基于多尺度图匹配核的场景字符识别方法
Modasshir et al. Mdnet: Multi-patch dense network for coral classification
Yoo et al. Unsupervised domain adaptation for one-stage object detector using offsets to bounding box
Li et al. Fast recognition of pig faces based on improved Yolov3
Hand et al. Predicting facial attributes in video using temporal coherence and motion-attention
CN116206334A (zh) 一种野生动物识别方法和装置
Wulandari et al. A comparison of deep learning approach for underwater object detection
CN109086812A (zh) 全景相机防水壳自动识别方法、装置及便携式终端
Moller et al. Active learning for the classification of species in underwater images from a fixed observatory
CN111242114B (zh) 文字识别方法及装置
CN104008095A (zh) 一种基于语义特征提取与匹配的物体识别方法
Bustreo et al. Enhancing visual embeddings through weakly supervised captioning for zero-shot learning
Paczolay et al. Wlab of university of szeged at lifeclef 2014 plant identification task
Maity Improvised salient object detection and manipulation
CN109325521B (zh) 用于虚拟人物的检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518101 Block 706, Longguang Century Building, Haixiu Road, Baoan District, Shenzhen City, Guangdong Province

Applicant after: Yingshi Innovation Technology Co., Ltd

Address before: 518101 Block 706, Longguang Century Building, Haixiu Road, Baoan District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN ARASHI VISION Co.,Ltd.

GR01 Patent grant
GR01 Patent grant