CN109829454A - 一种基于预训练标识的图像特征采集方法 - Google Patents
一种基于预训练标识的图像特征采集方法 Download PDFInfo
- Publication number
- CN109829454A CN109829454A CN201910043509.7A CN201910043509A CN109829454A CN 109829454 A CN109829454 A CN 109829454A CN 201910043509 A CN201910043509 A CN 201910043509A CN 109829454 A CN109829454 A CN 109829454A
- Authority
- CN
- China
- Prior art keywords
- mark
- image
- acquisition
- picture
- classifier
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 239000011800 void material Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于预训练标识的图像特征采集方法,包括步骤:S1.选取需要配合使用的标识;S2.使用图像采集装置,无需固定位置和角度,将标识放置于任意场景之中,采集一定数量的图片;S3.对上一步所有得到的图片进行标注,记录标识在图片中的位置和大小数据;S4.采用机器学习算法建立分类器,使用上一步得到的数据对分类器进行训练,将训练好的分类器保存下来;S5.利用所述分类器识别实际采集到的图片,如果在所述实际采集到的图片中存在所述标识,则计算所述出所述标识的位置和大小数据信息,并保存下来。本发明可以快速识别出图片中是否含有标志,并能快速计算出标志的特征信息,从而进一步识别计算出特征图像的信息。
Description
技术领域
本发明涉及图像处理领域,更具体的,涉及基于预训练标识的图像特征采集系统和方法。
背景技术
在许多应用场景中,需要对场景拍照后采集场景中某个特定位置的图像特征,通常我们会固定图像采集装置的位置,角度,同时控制背景、环境光等等因素之后,进行图像采集,使要采集的图像特征总是出现在图像的某个固定位置。
由于这种方法需要固定图像采集装置,如果要针对多个内容相同的场景进行采集并进行对比时,需要耗费巨大的人力物力来对保证多个内容相同的场景中图像采集装置的位置相同,既不经济也不灵活。
发明内容
为了解决现有技术中存在的问题,本发明由此提供了一种基于预训练标识的图像特征采集方法,其特征在于包括以下步骤:
S1.选取需要配合使用的标识;
S2.使用图像采集装置,无需固定位置和角度,将标识放置于任意场景之中,采集一定数量的图片;
S3.对上一步所有得到的图片进行标注,记录标识在图片中的位置和大小数据;
S4.采用机器学习算法建立分类器,使用上一步得到的数据对分类器进行训练,将训练好的分类器保存下来;
S5.利用所述分类器识别实际采集到的图片,如果在所述实际采集到的图片中存在所述标识,则计算所述出所述标识的位置和大小数据信息,并保存下来。
进一步的,在上述步骤S5中,所述实际采集到的图片中包括特定物理大小Da的标识,该标志是所述训练好的分类器相匹配的标志,并记下该图片中所有要采集特征的区域S1、S2…Sn的物理大小Ds和和相对于标识的距离R;
使用图像采集装置进行图像采集,保证采集好的图像包含所述标识和所有要采集特征区域即可,无需对图像采集装置的位置和角度进行固定;记图像中与所述标识的四个角点为A1、A2、A3,A4记图像中所有要采集区域为S1、S2…Sn;
通过训练好的分类器识别采集图像中所述标识,并计算得到图像中A1、A2、A3、A4在虚拟坐标系下的坐标。
进一步的,还包括以下步骤:
使用上一步计算出的A1、A2、A3、A4的坐标,以及所述标识的大小Da、所有要采集特征的区域S1、S2…Sn的物理大小Ds、相对于标识的物理距离R,计算出所有要采集区域S1、S2…Sn在同一坐标系下的图像坐标和区域大小。
进一步的,还包括以下步骤:
依照上一步计算的结果裁剪出S1…S2…Sn的对应图像区域,对区域像素大小和旋转方向进行归一化;
计算得出区域S1…S2…Sn归一化后的图像的RGB颜色直方图,作为该区域的特征;
保存计算的结果。
本发明的有益效果为:
本发明基于预训练的图片对实际图片进行识别,能够快速高效识别出图片中的特点标识,从而进一步识别出具有该标志的图片的其他特征区域的特征信息,采集高效快捷、而且不论采集场景如何变化,包括光线强度、拍摄角度如何变化,本发明的方法都能快速地获得相应采集区域的特征信息。
附图说明
当结合附图考虑时,参考下面的描述能够很好的理解本发明的结构、原理、工作特点和优点,但此处说明的附图用来对本发明的进一步解释,所附示意图只是为了更好的对本发明进行说明,并不对本发明构成不当限定,其中:
图1为本发明的场景图片采集示意图。
具体实施方式
下面结合实例和附图对本发明作进一步的描述,应当指出的是,以下实施例仅仅为示意性的,其并非意图限制本发明。
本发明基于预训练标识的图像特征采集方法,包括如下步骤:
S1.选取需要配合使用的标识,可以为任意的、带有一定纹理的、但是又不易与场景中其它元素相混淆的二维图案。
S2.使用图像采集装置,无需固定位置和角度,将标识放置于任意场景之中,采集一定数量的图片。
S3.对上一步所有得到的图片进行人工处理,标注出标识在图片中的位置和大小数据,并记录下来。
S4.采用合适的机器学习算法建立分类器,使用上一步得到的数据对分类器进行训练,将训练好的分类器保存下来。
S5.在需要采集图像特征的场景中,该场景例如可以是卡片,放置特定物理大小Da的标识,该标志是所述训练好的分类器相匹配的标志。并记下该场景中所有要采集特征的区域S1、S2…Sn的物理大小Ds和和相对于标识的距离R。
S6.使用图像采集装置对场景进行图像采集,保证采集好的图像包含所述标识和所有要采集特征区域即可,无需对图像采集装置的位置和角度进行固定。
S7.以采集好的任意一张图片为例,记图像中与所述标识的四个角点为A1、A2、A3,A4记图像中所有要采集区域为S1、S2…Sn.
S8.通过训练好的分类器识别采集图像中所述标识,并计算得到图像中A1、A2、A3、A4的坐标(XAi,YAi)。
S9.使用上一步计算出的A1、A2、A3、A4的坐标(XAi,YAi),以及步骤S7记下的标识的大小Da、以及步骤S5中记下的所有要采集特征的区域S1、S2…Sn的物理大小Ds、相对于标识的物理距离R,计算出所有要采集区域S1、S2…Sn的图像坐标和区域大小。
S10.依照上一步计算的结果裁剪出S1…S2…Sn的对应图像区域,对区域像素大小和旋转方向进行归一化。
S11.计算得出区域S1…S2…Sn归一化后的图像的RGB颜色直方图,作为该区域的特征。
保存计算的结果。
这样就获得了所要采集区域的特征信息,这些特征信息的采集高效快捷、而且不论采集场景如何变化,包括光线强度、拍摄角度如何变化,本发明的方法都能快速地获得相应采集区域的特征信息。
尽管已经结合实施例对本发明进行了详细地描述,但是本领域技术人员应当理解地是,本发明并非仅限于特定实施例,相反,在没有超出本申请精神和实质的各种修正,变形和替换都落入到本申请的保护范围之中。
Claims (4)
1.一种基于预训练标识的图像特征采集方法,其特征在于包括以下步骤:
S1.选取需要配合使用的标识;
S2.使用图像采集装置,无需固定位置和角度,将标识放置于任意场景之中,采集一定数量的图片;
S3.对上一步所有得到的图片进行标注,记录标识在图片中的位置和大小数据;
S4.采用机器学习算法建立分类器,使用上一步得到的数据对分类器进行训练,将训练好的分类器保存下来;
S5.利用所述分类器识别实际采集到的图片,如果在所述实际采集到的图片中存在所述标识,则计算所述出所述标识的位置和大小数据信息,并保存下来。
2.根据权利要求1所述的种基于预训练标识的图像特征采集方法,其特征在于,在上述步骤S5中,所述实际采集到的图片中包括特定物理大小Da的标识,该标志是所述训练好的分类器相匹配的标志,并记下该图片中所有要采集特征的区域S1、S2…Sn的物理大小Ds和和相对于标识的距离R;
使用图像采集装置进行图像采集,保证采集好的图像包含所述标识和所有要采集特征区域即可,无需对图像采集装置的位置和角度进行固定;记图像中与所述标识的四个角点为A1、A2、A3,A4记图像中所有要采集区域为S1、S2…Sn;
通过训练好的分类器识别采集图像中所述标识,并计算得到图像中A1、A2、A3、A4在虚拟坐标系下的坐标。
3.根据权利要求2所述的种基于预训练标识的图像特征采集方法,其特征在于,还包括以下步骤:
使用上一步计算出的A1、A2、A3、A4的坐标,以及所述标识的大小Da、所有要采集特征的区域S1、S2…Sn的物理大小Ds、相对于标识的物理距离R,计算出所有要采集区域S1、S2…Sn在同一坐标系下的图像坐标和区域大小。
4.根据权利要求3所述的种基于预训练标识的图像特征采集方法,其特征在于,还包括以下步骤:
依照上一步计算的结果裁剪出S1…S2…Sn的对应图像区域,对区域像素大小和旋转方向进行归一化;
计算得出区域S1…S2…Sn归一化后的图像的RGB颜色直方图,作为该区域的特征;
保存计算的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910043509.7A CN109829454A (zh) | 2019-01-17 | 2019-01-17 | 一种基于预训练标识的图像特征采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910043509.7A CN109829454A (zh) | 2019-01-17 | 2019-01-17 | 一种基于预训练标识的图像特征采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109829454A true CN109829454A (zh) | 2019-05-31 |
Family
ID=66860437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910043509.7A Pending CN109829454A (zh) | 2019-01-17 | 2019-01-17 | 一种基于预训练标识的图像特征采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829454A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609597A (zh) * | 2017-09-26 | 2018-01-19 | 嘉世达电梯有限公司 | 一种电梯轿厢人数检测系统及其检测方法 |
CN107766855A (zh) * | 2017-10-25 | 2018-03-06 | 南京阿凡达机器人科技有限公司 | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 |
CN107766782A (zh) * | 2016-08-23 | 2018-03-06 | 中兴通讯股份有限公司 | 一种年龄群体分类的方法及装置 |
CN108154063A (zh) * | 2018-01-11 | 2018-06-12 | 环旭电子股份有限公司 | 一种载板上产品标识信息的位置识别方法及系统、设备 |
CN108492343A (zh) * | 2018-03-28 | 2018-09-04 | 东北大学 | 一种扩充目标识别的训练数据的图像合成方法 |
-
2019
- 2019-01-17 CN CN201910043509.7A patent/CN109829454A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766782A (zh) * | 2016-08-23 | 2018-03-06 | 中兴通讯股份有限公司 | 一种年龄群体分类的方法及装置 |
CN107609597A (zh) * | 2017-09-26 | 2018-01-19 | 嘉世达电梯有限公司 | 一种电梯轿厢人数检测系统及其检测方法 |
CN107766855A (zh) * | 2017-10-25 | 2018-03-06 | 南京阿凡达机器人科技有限公司 | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 |
CN108154063A (zh) * | 2018-01-11 | 2018-06-12 | 环旭电子股份有限公司 | 一种载板上产品标识信息的位置识别方法及系统、设备 |
CN108492343A (zh) * | 2018-03-28 | 2018-09-04 | 东北大学 | 一种扩充目标识别的训练数据的图像合成方法 |
Non-Patent Citations (2)
Title |
---|
刘洪 等: "《开发基于移动互联网的普适家庭医疗系统——远程尿液检查数据采集和处理子系统原理和实现》", 《广西科技大学学报》 * |
郭凡 等: "《基于云台摄像的实时车速检测算法》", 《计算机辅助设计与图形学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6917701B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
CN108229519B (zh) | 图像分类的方法、装置及系统 | |
CN109388093B (zh) | 基于线特征识别的机器人姿态控制方法、系统及机器人 | |
JP5049798B2 (ja) | グラウンドトルース・データからの合成画像及びビデオの生成 | |
Neal et al. | Measuring shape | |
CN110381369A (zh) | 推荐信息植入位置的确定方法、装置、设备及存储介质 | |
JP5261501B2 (ja) | 不変の視覚場面及び物体の認識 | |
CN104240180B (zh) | 一种实现图像自动调整的方法及装置 | |
JP2010079452A (ja) | 位置姿勢計測装置及び方法 | |
JP5468824B2 (ja) | 3次元における形状の一致を判定する方法および装置 | |
JP4713572B2 (ja) | カラーデジタル画像におけるハンギングワイヤの検出 | |
CN107424182B (zh) | 一种热成像现场监控装置及方法 | |
CN111401266A (zh) | 绘本角点定位的方法、设备、计算机设备和可读存储介质 | |
JP5656768B2 (ja) | 画像特徴量抽出装置およびそのプログラム | |
CN108681389A (zh) | 一种通过阅读设备进行阅读的方法与设备 | |
CN108388898A (zh) | 基于连接体和模板的字符识别方法 | |
CN109829454A (zh) | 一种基于预训练标识的图像特征采集方法 | |
CN110070490A (zh) | 图像拼接方法和装置 | |
WO2022266878A1 (zh) | 景别确定方法、装置及计算机可读存储介质 | |
CN111028290B (zh) | 一种用于绘本阅读机器人的图形处理方法及装置 | |
WO2019080257A1 (zh) | 电子装置、车祸现场全景图像展示方法和存储介质 | |
CN109285166B (zh) | 基于全卷积网络的交叠、粘连染色体自动分割方法 | |
KR101878668B1 (ko) | 360도 파노라마 이미지 내의 미술저작물 인식 방법 | |
CN112668370B (zh) | 一种基于深度图像的生物特征活体识别检测方法、装置 | |
CN113516007B (zh) | 多组双目相机组网的水下标志物识别与拼接方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |