CN112053282A - 识别分辨率的设置方法、系统、设备及存储介质 - Google Patents
识别分辨率的设置方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112053282A CN112053282A CN201910492476.4A CN201910492476A CN112053282A CN 112053282 A CN112053282 A CN 112053282A CN 201910492476 A CN201910492476 A CN 201910492476A CN 112053282 A CN112053282 A CN 112053282A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- sub
- current image
- level
- 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 43
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013519 translation Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4092—Image resolution transcoding, e.g. by using client-server architectures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种识别分辨率的设置方法、系统、设备及存储介质,所述设置方法包括:获取待识别对象的当前图像;获取原始图像;原始图像与待识别对象相对应;基于原始图像构建多级子图像,子图像的物理尺寸与原始图像的物理尺寸相同,每级子图像的分辨率均不相同;分别计算每级子图像与当前图像的重投影误差;将与最小重投影误差对应的目标子图像的分辨率作为当前图像的识别分辨率;识别分辨率用于对当前图像进行跟踪识别。基于原始图像构建多级子图像,通过计算子图像与当前图像的重投影误差找到与当前图像最接近的目标子图像,并将目标子图像的分辨率设置为当前图像的识别分辨率,更精准的识别分辨率设置能够确保更高的图像识别的效率和精准度。
Description
技术领域
本发明属于图片识别领域,特别涉及一种识别分辨率的设置方法、系统、设备及存储介质。
背景技术
基于2D(二维)图片的跟踪识别在电商营销场景下应用非常广泛,这种最新出现的营销方式需要用户使用手机扫描相关的自然图片(logo,图书彩页等),然后相关的APP(应用程序)会启动相关的服务来响应用户的扫描内容,响应的内容通常具有很好的吸引力。目前2D图片的识别和跟踪主要基于传统局部特征的方法,使用特征点检测的相关技术来提取图片中的特征点,把特征点与数据库中相关图片的特征点进行比对,从而实现识别和跟踪效果。但是,基于传统局部特征的方法需要识别跟踪服务提供者(B端)根据用户(C端)的使用场景来进行相关分辨率的设置,即B端用户需要提前在服务端设置响应分辨率的特征。当在C端用户的场景中图片距离手机比较远的时候,对应图片区域的分辨率比较低,B端的服务提供者需要提供低分辨率的设置,反之,需要高分辨率的设置。
发明内容
本发明要解决的技术问题是为了克服现有技术中2D图片识别存在分辨率需要手动设置调整的缺陷,提供一种识别分辨率的设置方法、系统、设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
一种图片识别跟踪场景下识别分辨率的设置方法,所述设置方法包括:
获取待识别对象的当前图像;
获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
基于所述原始图像构建多级子图像,所述子图像的物理尺寸与所述原始图像的物理尺寸相同,每级子图像的分辨率均不相同;
分别计算每级子图像与所述当前图像的重投影误差;
将与最小重投影误差对应的目标子图像的分辨率作为所述当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
较佳地,所述分别计算每级子图像与所述当前图像的重投影误差的步骤具体包括:
分别对所述每级子图像与所述当前图像进行特征点提取,并生成与各自的特征点对应的描述子;
基于近似邻近算法计算所述每级子图像的描述子与所述当前图像的描述子的相似度,并将相似度高于预设阈值的描述子对对应的特征点对作为匹配特征点;所述匹配特征点包括一一对应的所述每级子图像中的第一匹配特征点和所述当前图像中的第二匹配特征点;
基于PNP算法(Perspective-n-Point算法,一种求解相机外参的算法)根据所述第一匹配特征点在所述每级子图像中的第一位置数据和所述第二匹配特征点在所述当前图像中的第二位置数据得到当前图像坐标系相对于每级子图像坐标系的旋转平移参数;
根据所述旋转平移参数得到所有第一匹配特征点转换到所述当前图像坐标系中的第三位置数据;
根据所述第二位置数据和所述第三位置数据计算得到所述重投影误差。
较佳地,所述设置方法中根据以下公式求解所述重投影误差,具体包括:
其中,Lossi为第i级子图像的重投影误差,Si为第i级子图像,C为当前图像,为第i级子图像中第k个第一匹配特征点的第三位置数据,为当前图像中第k个第二匹配特征点的第二位置数据,Ki为第i级子图像与当前图像的匹配特征点的个数。
较佳地,所述将与最小重投影误差对应的子图像的分辨率作为所述当前图像的识别分辨率的步骤具体包括:
根据所述目标子图像的旋转平移参数获取所述目标子图像转换到所述当前图像坐标系中的投影区域;
获取所述当前图像和所述投影区域的相交区域;
根据所述相交区域的物理面积和所述相交区域的像素点的个数得到所述当前图像的识别分辨率。
较佳地,所述根据所述相交区域的物理尺寸和所述相交区域的像素点的个数得到所述当前图像的识别分辨率的步骤中,根据以下公式求解所述识别分辨率:
R{C}=w{C}*h{C}
其中,R{C}为当前图像的识别分辨率,w{C}为当前图像的识别分辨率的宽,h{C}为当前图像的识别分辨率的高,QS为原始图像的物理面积,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,QJ为相交区域的物理面积,T为相交区域的像素点的个数。
较佳地,所述基于所述原始图像构建多级子图像的步骤具体包括:
获取所述原始图像的分辨率;
通过公式得到每级子图像的分辨率,其中,为第i级子图像的分辨率,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,wi为第i级子图像的分辨率的宽,hi为第i级子图像的分辨率的高,wi>m,hi>n,i为正整数,m、n为预设常数。
较佳地,所述获取待识别对象的当前图像的步骤之后,所述设置方法还包括:
获取拍摄所述当前图像的拍摄设备的设备参数;
根据所述设备参数对所述当前图像进行去畸变处理;
所述分别计算每级子图像与所述当前图像的重投影误差的步骤中,对去畸变后的当前图像进行计算。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的图片识别跟踪场景下识别分辨率的设置方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的图片识别跟踪场景下识别分辨率的设置方法的步骤。
一种图片识别跟踪场景下识别分辨率的设置系统,所述设置系统包括当前图像获取模块、原始图像获取模块、子图像构建模块、计算模块、识别分辨率获取模块和跟踪识别模块;
所述当前图像获取模块用于获取待识别对象的当前图像;
所述原始图像获取模块用于获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
所述子图像构建模块用于基于所述原始图像构建多级子图像,所述子图像的物理尺寸与所述原始图像的物理尺寸相同,每级子图像的分辨率均不相同;
所述计算模块用于分别计算每级子图像与所述当前图像的重投影误差;
所述识别分辨率获取模块用于将与最小重投影误差对应的目标子图像的分辨率作为所述当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
较佳地,所述计算模块包括描述子生成单元、匹配特征点获取单元、旋转平移参数计算单元和第一转换单元;
所述描述子生成单元用于分别对所述每级子图像与所述当前图像进行特征点提取,并生成与各自的特征点对应的描述子;
所述匹配特征点获取单元用于基于近似邻近算法计算所述每级子图像的描述子与所述当前图像的描述子的相似度,并将相似度高于预设阈值的描述子对对应的特征点对作为匹配特征点;所述匹配特征点包括一一对应的所述每级子图像中的第一匹配特征点和所述当前图像中的第二匹配特征点;
所述旋转平移参数计算单元用于基于PNP算法根据所述第一匹配特征点在所述每级子图像中的第一位置数据和所述第二匹配特征点在所述当前图像中的第二位置数据得到当前图像坐标系相对于每级子图像坐标系的旋转平移参数;
所述第一转换单元用于根据所述旋转平移参数得到所有第一匹配特征点转换到所述当前图像坐标系中的第三位置数据;
所述计算模块用于根据所述第二位置数据和所述第三位置数据计算得到所述重投影误差。
较佳地,所述设置系统中根据以下公式求解所述重投影误差,具体包括:
其中,Lossi为第i级子图像的重投影误差,Si为第i级子图像,C为当前图像,为第i级子图像中第k个第一匹配特征点的第三位置数据,为当前图像中第k个第二匹配特征点的第二位置数据,Ki为第i级子图像与当前图像的匹配特征点的个数。
较佳地,所述识别分辨率获取模块包括第二转换单元和相交区域获取单元;
所述第二转换单元用于根据所述目标子图像的旋转平移参数获取所述目标子图像转换到所述当前图像坐标系中的投影区域;
所述相交区域获取单元用于获取所述当前图像和所述投影区域的相交区域;
所述识别分辨率获取模块用于根据所述相交区域的物理面积和所述相交区域的像素点的个数得到所述当前图像的识别分辨率。
较佳地,所述识别分辨率获取模块用于根据以下公式求解所述识别分辨率:
R{C}=w{C}*h{C}
其中,R{C}为当前图像的识别分辨率,w{C}为当前图像的识别分辨率的宽,h{C}为当前图像的识别分辨率的高,QS为原始图像的物理面积,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,QJ为相交区域的物理面积,T为相交区域的像素点的个数。
较佳地,所述子图像构建模块包括原始图像分辨率获取单元和子图像分辨率计算单元;
所述原始图像分辨率获取单元用于获取所述原始图像的分辨率;
所述子图像分辨率计算单元用于通过公式 得到每级子图像的分辨率,其中,为第i级子图像的分辨率,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,wi为第i级子图像的分辨率的宽,hi为第i级子图像的分辨率的高,wi>m,hi>n,i为正整数,m、n为预设常数。
较佳地,所述设置系统还包括设备参数获取模块和去畸变模块;
所述设备参数获取模块用于获取拍摄所述当前图像的拍摄设备的设备参数;
所述去畸变模块用于根据所述设备参数对所述当前图像进行去畸变处理;
所述计算模块用于对去畸变后的当前图像进行计算。
本发明的积极进步效果在于:基于原始图像构建多级子图像,通过计算子图像与当前图像的重投影误差,找到与当前图像最接近的目标子图像,然后将目标子图像的分辨率设置为当前图像的识别分辨率,在图片识别跟踪场景下,更精准的识别分辨率设置能够确保更高的图像识别的效率和精准度。
附图说明
图1为本发明实施例1的图片识别跟踪场景下识别分辨率的设置方法的流程图。
图2为本发明实施例1的图片识别跟踪场景下识别分辨率的设置方法中步骤30的流程图。
图3为本发明实施例2的图片识别跟踪场景下识别分辨率的设置方法中步骤40的流程图。
图4为本发明实施例3的图片识别跟踪场景下识别分辨率的设置方法中步骤50的流程图。
图5为本发明实施例4的电子设备的结构示意图。
图6为本发明实施例6的图片识别跟踪场景下识别分辨率的设置系统的模块示意图。
图7为本发明实施例6的图片识别跟踪场景下识别分辨率的设置系统中子图像构建模块的模块示意图。
图8为本发明实施例7的图片识别跟踪场景下识别分辨率的设置系统中计算模块的模块示意图。
图9为本发明实施例8的图片识别跟踪场景下识别分辨率的设置系统中识别分辨率获取模块的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种图片识别跟踪场景下识别分辨率的设置方法,如图1所示,所述设置方法包括:
步骤10、获取待识别对象的当前图像;
步骤20、获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
步骤30、基于原始图像构建多级子图像;子图像的物理尺寸与原始图像的物理尺寸相同,每级子图像的分辨率均不相同;需要说明的是,构建的子图像与原始图像的显示内容是相同的;
步骤40、分别计算每级子图像与当前图像的重投影误差;
步骤50、将与最小重投影误差对应的目标子图像的分辨率作为当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
其中,如图2所示,步骤30具体包括:
步骤301、获取原始图像的分辨率;
步骤302、通过公式(1)得到每级子图像的分辨率;
需要说明的是,此处只是示例性的给出了子图像的分辨率设置方式,具体实施时,还可以按照其他递进方式或其他函数计算的方式进行设置,只要能够实现对不同子图像的分辨率差异性设置即可。
本实施例中,在后续图像处理前,通过拍摄设备的参数标定,对获取的图像进行去畸变处理,之后所有步骤中都是对去畸变处理后的图像进行处理,步骤10之后,参见图1,所述设置方法还包括:
步骤11、获取拍摄当前图像的拍摄设备的设备参数;
步骤12、根据设备参数对当前图像进行去畸变处理;
进一步的,步骤40中,对去畸变后的当前图像进行计算。
本实施例中,基于原始图像构建多级子图像,通过计算子图像与当前图像的重投影误差,找到与当前图像最接近的目标子图像,然后将目标子图像的分辨率设置为当前图像的识别分辨率,在图片识别跟踪场景下,更精准的识别分辨率设置能够确保更高的图像识别的效率和精准度。
实施例2
本实施例的图片识别跟踪场景下识别分辨率的设置方法是在实施例1的基础上进一步改进,如图3所示,步骤40具体包括:
步骤401、分别对每级子图像与当前图像进行特征点提取,并生成与各自的特征点对应的描述子;
步骤402、基于近似邻近算法计算每级子图像的描述子与当前图像的描述子的相似度,并将相似度高于预设阈值的描述子对对应的特征点对作为匹配特征点;匹配特征点包括一一对应的每级子图像中的第一匹配特征点和当前图像中的第二匹配特征点;其中,描述子的相似度计算可以使用汉明距离来进行计算,当描述子较多的时候,可以使用FLANN(高维数据的快速最邻近算法)等近似的方法来进行匹配计算。
步骤403、基于PNP算法根据第一匹配特征点在每级子图像中的第一位置数据和第二匹配特征点在当前图像中的第二位置数据得到当前图像坐标系相对于每级子图像坐标系的旋转平移参数;
步骤404、根据旋转平移参数得到所有第一匹配特征点转换到当前图像坐标系中的第三位置数据;
步骤405、根据第二位置数据和第三位置数据计算得到重投影误差。
本实施例中,根据以下公式(2)求解所述重投影误差,具体包括:
其中,Lossi为第i级子图像的重投影误差,Si为第i级子图像,C为当前图像,为第i级子图像中第k个第一匹配特征点的第三位置数据,为当前图像中第k个第二匹配特征点的第二位置数据,Ki为第i级子图像与当前图像的匹配特征点的个数。
本实施例中,计算描述子的匹配情况之后,我们此时就得到了两张图片的匹配结果(包含多个匹配特征点)。通过计算得到的旋转平移参数,把子图像中的匹配特征点映射到当前图像坐标系中(即相机坐标系中),然后取所有对应特征点的平均误差作为我们的误差项,针对不同的子图像,可以获得不同的误差,选择误差最小的目标子图像作为与当前图像最邻近的图像,进而在当前图像的识别分辨率设置时,可以将目标子图像的分辨率设置为识别分辨率。
实施例3
本实施例的图片识别跟踪场景下识别分辨率的设置方法是在实施例2的基础上进一步改进,若子图像的不同层级的间距过大,通过上述算法得到目标子图像后,仍然需要精确计算识别当前图像的更接近的识别分辨率,如图4所示,步骤50具体包括:
步骤501、根据目标子图像的旋转平移参数获取目标子图像转换到当前图像坐标系中的投影区域;
步骤502、获取当前图像和投影区域的相交区域;
步骤503、根据相交区域的物理面积和相交区域的像素点的个数得到当前图像的识别分辨率。
需要说明的是,在获取目标子图像转换到当前图像坐标系的投影区域后,要计算投影区域在当前图像中占据了多少个像素,注意这里计算的是有效像素,即当前图像所有像素中属于投影区域的像素。具体的,根据透视投影的性质,目标子图像这个四边形当前图像的平面中仍然是一个四边形。此时这个四边形与当前图像平面的交所占据的多边形中的像素就是我们需要计算的感兴趣的像素。其次,我们需要计算当前感兴趣的相交局域实际的物理面积是多少,我们把相交区域重投影回目标子图像平面内,使用相同的方法判断多边形的交进而得到实际的物理面积。通过以上两步计算,我们就得到了相交区域的实际物理面积和像素点的数目,此处只对计算方式做简单说明,具体的原理及计算公式等参考现有的射影几何学算法等。
其中,获取相交区域的物理面积和相交区域的像素点的个数后,根据以下公式(3)求解所述识别分辨率:
其中,R{C}为当前图像的识别分辨率,w{C}为当前图像的识别分辨率的宽,h{C}为当前图像的识别分辨率的高,QS为原始图像的物理面积,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,QJ为相交区域的物理面积,T为相交区域的像素点的个数。
本实施例中,获取目标子图像后,基于射影几何学得到相交区域的物理面积和相交区域的像素点的个数后,即可进一步得到更精准的识别分辨率。
实施例4
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1-3中任意一个实施例所述的图片识别跟踪场景下识别分辨率的设置方法。
图5为本实施例提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备90的框图。图5显示的电子设备90仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备90可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备90的组件可以包括但不限于:至少一个处理器91、至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备90的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备90使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例5
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1-3中任意一个实施例所述的图片识别跟踪场景下识别分辨率的设置方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1-3中任意一个实施例所述的图片识别跟踪场景下识别分辨率的设置方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例6
一种图片识别跟踪场景下识别分辨率的设置系统,如图6所示,所述设置系统包括当前图像获取模块1、原始图像获取模块2、子图像构建模块3、计算模块4和识别分辨率获取模块5;
所述当前图像获取模块1用于获取待识别对象的当前图像;
所述原始图像获取模块2用于获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
所述子图像构建模块3用于基于所述原始图像构建多级子图像,所述子图像的物理尺寸与所述原始图像的物理尺寸相同,每级子图像的分辨率均不相同;需要说明的是,构建的子图像与原始图像的显示内容是相同的;
所述计算模块4用于分别计算每级子图像与所述当前图像的重投影误差;
所述识别分辨率获取模块5用于将与最小重投影误差对应的目标子图像的分辨率作为所述当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
其中,如图7所示,所述子图像构建模块3包括原始图像分辨率获取单元31和子图像分辨率计算单元32;
所述原始图像分辨率获取单元31用于获取所述原始图像的分辨率;
所述子图像分辨率计算单元32用于通过公式 得到每级子图像的分辨率,其中,为第i级子图像的分辨率,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,wi为第i级子图像的分辨率的宽,hi为第i级子图像的分辨率的高,wi>m,hi>n,i为正整数,m、n为预设常数。
需要说明的是,此处只是示例性的给出了子图像的分辨率设置方式,具体实施时,还可以按照其他递进方式或其他函数计算的方式进行设置,只要能够实现对不同子图像的分辨率差异性设置即可。
本实施例中,在后续图像处理前,通过拍摄设备的参数标定,对获取的图像进行去畸变处理,之后所有步骤中都是对去畸变处理后的图像进行处理,参见图6,所述设置系统还包括设备参数获取模块6和去畸变模块7;
所述设备参数获取模块6用于获取拍摄所述当前图像的拍摄设备的设备参数;
所述去畸变模块7用于根据所述设备参数对所述当前图像进行去畸变处理;
进一步的,所述计算模块4用于对去畸变后的当前图像进行计算。
本实施例中,基于原始图像构建多级子图像,通过计算子图像与当前图像的重投影误差,找到与当前图像最接近的目标子图像,然后将目标子图像的分辨率设置为当前图像的识别分辨率,在图片识别跟踪场景下,更精准的识别分辨率设置能够确保更高的图像识别的效率和精准度。
实施例7
本实施例的图片识别跟踪场景下识别分辨率的设置系统是在实施例6的基础上进一步改进,如图8所示,所述计算模块4包括描述子生成单元41、匹配特征点获取单元42、旋转平移参数计算单元43和第一转换单元44;
所述描述子生成单元41用于分别对所述每级子图像与所述当前图像进行特征点提取,并生成与各自的特征点对应的描述子;
所述匹配特征点获取单元42用于基于近似邻近算法计算所述每级子图像的描述子与所述当前图像的描述子的相似度,并将相似度高于预设阈值的描述子对对应的特征点对作为匹配特征点;所述匹配特征点包括一一对应的所述每级子图像中的第一匹配特征点和所述当前图像中的第二匹配特征点;其中,描述子的相似度计算可以使用汉明距离来进行计算,当描述子较多的时候,可以使用FLANN(高维数据的快速最邻近算法)等近似的方法来进行匹配计算。
所述旋转平移参数计算单元43用于基于PNP算法根据所述第一匹配特征点在所述每级子图像中的第一位置数据和所述第二匹配特征点在所述当前图像中的第二位置数据得到当前图像坐标系相对于每级子图像坐标系的旋转平移参数;
所述第一转换单元44用于根据所述旋转平移参数得到所有第一匹配特征点转换到所述当前图像坐标系中的第三位置数据;
所述计算模块4用于根据所述第二位置数据和所述第三位置数据计算得到所述重投影误差。
本实施例中,所述设置系统中根据以下公式求解所述重投影误差,具体包括:
其中,Lossi为第i级子图像的重投影误差,Si为第i级子图像,C为当前图像,为第i级子图像中第k个第一匹配特征点的第三位置数据,为当前图像中第k个第二匹配特征点的第二位置数据,Ki为第i级子图像与当前图像的匹配特征点的个数。
本实施例中,计算描述子的匹配情况之后,我们此时就得到了两张图片的匹配结果(包含多个匹配特征点)。通过计算得到的旋转平移参数,把子图像中的匹配特征点映射到当前图像坐标系中(即相机坐标系中),然后取所有对应特征点的平均误差作为我们的误差项,针对不同的子图像,可以获得不同的误差,选择误差最小的目标子图像作为与当前图像最邻近的图像,进而在当前图像的识别分辨率设置时,可以将目标子图像的分辨率设置为识别分辨率。
实施例8
本实施例的图片识别跟踪场景下识别分辨率的设置方法是在实施例2的基础上进一步改进,若子图像的不同层级的间距过大,通过上述系统得到目标子图像后,仍然需要精确计算识别当前图像的更接近的识别分辨率,如图9所示,所述识别分辨率获取模块5包括第二转换单元51和相交区域获取单元52;
所述第二转换单元51用于根据所述目标子图像的旋转平移参数获取所述目标子图像转换到所述当前图像坐标系中的投影区域;
所述相交区域获取单元52用于获取所述当前图像和所述投影区域的相交区域;
所述识别分辨率获取模块5用于根据所述相交区域的物理面积和所述相交区域的像素点的个数得到所述当前图像的识别分辨率。
需要说明的是,在获取目标子图像转换到当前图像坐标系的投影区域后,要计算投影区域在当前图像中占据了多少个像素,注意这里计算的是有效像素,即当前图像所有像素中属于投影区域的像素。具体的,根据透视投影的性质,目标子图像这个四边形当前图像的平面中仍然是一个四边形。此时这个四边形与当前图像平面的交所占据的多边形中的像素就是我们需要计算的感兴趣的像素。其次,我们需要计算当前感兴趣的相交局域实际的物理面积是多少,我们把相交区域重投影回目标子图像平面内,使用相同的方法判断多边形的交进而得到实际的物理面积。通过以上两步计算,我们就得到了相交区域的实际物理面积和像素点的数目,此处只对计算方式做简单说明,具体的原理及计算公式等参考现有的射影几何学算法等。
其中,获取相交区域的物理面积和相交区域的像素点的个数后,所述识别分辨率获取模块5用于根据以下公式求解所述识别分辨率:
R{C}=w{C}*h{C}
其中,R{C}为当前图像的识别分辨率,w{C}为当前图像的识别分辨率的宽,h{C}为当前图像的识别分辨率的高,QS为原始图像的物理面积,w为原始图像的分辨率的宽,h为原始图像的分辨率的高,QJ为相交区域的物理面积,T为相交区域的像素点的个数。
本实施例中,获取目标子图像后,基于射影几何学得到相交区域的物理面积和相交区域的像素点的个数后,即可进一步得到更精准的识别分辨率。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种图片识别跟踪场景下识别分辨率的设置方法,其特征在于,所述设置方法包括:
获取待识别对象的当前图像;
获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
基于所述原始图像构建多级子图像,所述子图像的物理尺寸与所述原始图像的物理尺寸相同,每级子图像的分辨率均不相同;
分别计算每级子图像与所述当前图像的重投影误差;
将与最小重投影误差对应的目标子图像的分辨率作为所述当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
2.如权利要求1所述的图片识别跟踪场景下识别分辨率的设置方法,其特征在于,所述分别计算每级子图像与所述当前图像的重投影误差的步骤具体包括:
分别对所述每级子图像与所述当前图像进行特征点提取,并生成与各自的特征点对应的描述子;
基于近似邻近算法计算所述每级子图像的描述子与所述当前图像的描述子的相似度,并将相似度高于预设阈值的描述子对对应的特征点对作为匹配特征点;所述匹配特征点包括一一对应的所述每级子图像中的第一匹配特征点和所述当前图像中的第二匹配特征点;
基于PNP算法根据所述第一匹配特征点在所述每级子图像中的第一位置数据和所述第二匹配特征点在所述当前图像中的第二位置数据得到当前图像坐标系相对于每级子图像坐标系的旋转平移参数;
根据所述旋转平移参数得到所有第一匹配特征点转换到所述当前图像坐标系中的第三位置数据;
根据所述第二位置数据和所述第三位置数据计算得到所述重投影误差。
4.如权利要求2所述的图片识别跟踪场景下识别分辨率的设置方法,其特征在于,所述将与最小重投影误差对应的子图像的分辨率作为所述当前图像的识别分辨率的步骤具体包括:
根据所述目标子图像的旋转平移参数获取所述目标子图像转换到所述当前图像坐标系中的投影区域;
获取所述当前图像和所述投影区域的相交区域;
根据所述相交区域的物理面积和所述相交区域的像素点的个数得到所述当前图像的识别分辨率。
7.如权利要求1所述的图片识别跟踪场景下识别分辨率的设置方法,其特征在于,所述获取待识别对象的当前图像的步骤之后,所述设置方法还包括:
获取拍摄所述当前图像的拍摄设备的设备参数;
根据所述设备参数对所述当前图像进行去畸变处理;
所述分别计算每级子图像与所述当前图像的重投影误差的步骤中,对去畸变后的当前图像进行计算。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图片识别跟踪场景下识别分辨率的设置方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7任一项所述的图片识别跟踪场景下识别分辨率的设置方法的步骤。
10.一种图片识别跟踪场景下识别分辨率的设置系统,其特征在于,所述设置系统包括当前图像获取模块、原始图像获取模块、子图像构建模块、计算模块、识别分辨率获取模块和跟踪识别模块;
所述当前图像获取模块用于获取待识别对象的当前图像;
所述原始图像获取模块用于获取原始图像;所述原始图像与获取的当前图像中待识别对象相对应;
所述子图像构建模块用于基于所述原始图像构建多级子图像,所述子图像的物理尺寸与所述原始图像的物理尺寸相同,每级子图像的分辨率均不相同;
所述计算模块用于分别计算每级子图像与所述当前图像的重投影误差;
所述识别分辨率获取模块用于将与最小重投影误差对应的目标子图像的分辨率作为所述当前图像的识别分辨率;所述识别分辨率用于对所述当前图像进行跟踪识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492476.4A CN112053282A (zh) | 2019-06-06 | 2019-06-06 | 识别分辨率的设置方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492476.4A CN112053282A (zh) | 2019-06-06 | 2019-06-06 | 识别分辨率的设置方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112053282A true CN112053282A (zh) | 2020-12-08 |
Family
ID=73608638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910492476.4A Pending CN112053282A (zh) | 2019-06-06 | 2019-06-06 | 识别分辨率的设置方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053282A (zh) |
-
2019
- 2019-06-06 CN CN201910492476.4A patent/CN112053282A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310326B (zh) | 一种视觉定位数据处理方法、装置、终端及计算机可读存储介质 | |
US8644551B2 (en) | Systems and methods for tracking natural planar shapes for augmented reality applications | |
US8971641B2 (en) | Spatial image index and associated updating functionality | |
JP6766332B2 (ja) | テキスト抽出方法、システム及びプログラム | |
JP5261501B2 (ja) | 不変の視覚場面及び物体の認識 | |
US8897598B1 (en) | Mosaicing documents for translation using video streams | |
CN102782708A (zh) | 用于图像辨识的描述符小块的快速子空间投影 | |
EP2764325A1 (en) | Using videogrammetry to fabricate parts | |
CN110414502B (zh) | 图像处理方法及装置、电子设备和计算机可读介质 | |
CN113793370B (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
CN111784776A (zh) | 视觉定位方法及装置、计算机可读介质和电子设备 | |
CN110111364B (zh) | 运动检测方法、装置、电子设备及存储介质 | |
CN112509058B (zh) | 外参的计算方法、装置、电子设备和存储介质 | |
CN112102404B (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
CN114511865A (zh) | 一种结构化信息的生成方法、装置和计算机可读存储介质 | |
CN113516697A (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
CN110660091A (zh) | 一种图像配准处理方法、装置和拍照批改作业系统 | |
CN112053282A (zh) | 识别分辨率的设置方法、系统、设备及存储介质 | |
JP2016218849A (ja) | 平面変換パラメータ推定装置、方法、及びプログラム | |
CN115205634A (zh) | 模型训练方法、装置、设备及可读存储介质 | |
Clark et al. | Perspective correction for improved visual registration using natural features. | |
CN116452655B (zh) | 一种应用于mpis工控主板的贴合定位方法、装置、设备及介质 | |
CN117274558B (zh) | 一种视觉定位的ar导航方法、装置、设备及存储介质 | |
CN112991179B (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
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 |