CN112750162A - 一种目标识别定位方法和装置 - Google Patents
一种目标识别定位方法和装置 Download PDFInfo
- Publication number
- CN112750162A CN112750162A CN202011594237.9A CN202011594237A CN112750162A CN 112750162 A CN112750162 A CN 112750162A CN 202011594237 A CN202011594237 A CN 202011594237A CN 112750162 A CN112750162 A CN 112750162A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- outline
- information
- contour
- 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 32
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000000877 morphologic effect Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本方案公开了一种目标识别定位方法和装置,其中,该方法的步骤包括:基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;对第一图像进行二值化处理,获得第一黑白图像;对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;根据第一图像的轮廓信息,确定目标的位置和姿态信息。本申请所述技术方案对图像中的预定颜色(例如红色)目标物体进行定位,并通过图像的二值化,边缘检测,轮廓提取等手段锁定目标的位置和姿态,为后续无人机穿越目标提供精确的控制量。
Description
技术领域
本发明涉及图像处理领域。更具体地,涉及一种目标识别定位方法和装置。
背景技术
目标识别与定位是机器人控制领域需要解决的关键性问题,计算机视觉领域中识别目标对象可以基于其在图像中的三个不同的属性,即目标颜色特征,目标纹理分布,目标形状表征。
颜色是图像识别中最常用的视觉检索特征,其中主要包括以下两种常见的色彩空间标准:
1、RGB色彩空间
RGB色彩空间是实际中应用最多的一种色彩空间,它是一种与人的视觉系统结构密切相关的颜色模型。根据人眼结构,所有的颜色都可以看成三个基本颜色——红色(Red)、绿色(Green)和蓝色(Blue)的不同组合,大部分显示器都采用这种颜色模型。但是RGB色彩空间不够直观,很难从RGB值中看出所表示的颜色的认知属性。其次,两个色点之间的距离不等于两个颜色之间的视觉差异,颜色分布不均匀。
2、HSV色彩空间
HSV(Hue,Saturation,Value)色彩空间是从人的心理感知角度建立的模型,利用色调、饱和度和明度直观地描述颜色。在Hue一定的情况下,饱和度减小,就是往光谱色中添加白色,光谱色所占的比例也在减小,饱和度减为0,表示光谱色所占的比例为零,导致整个颜色呈现白色。明度减小,就是往光谱色中添加黑色,光谱色所占的比例也在减小,明度减为0,表示光谱色所占的比例为零,导致整个颜色呈现黑色。
发明内容
本发明的一个目的在于提供一种目标识别定位方法和装置。
为达到上述目的,本方案采用下述技术方案:
第一方面,本方案提供一种目标识别定位方法,其特征在于,该方法的步骤包括:
基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;
对第一图像进行二值化处理,获得第一黑白图像;
对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;
根据第一图像的轮廓信息,确定目标的位置和姿态信息。
在一种优选地实施例中,所述基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像步骤的前一步包括:
对图像进行高斯滤波处理。
在一种优选地实施例中,所述色彩空间模型HSV模型。
在一种优选地实施例中,所述根据图像的轮廓信息,确定目标的位置和姿态信息的步骤包括:
判断是否提取第一图像轮廓信息;
若是,则计算第一图像轮廓信息的轮廓面积及外接矩形长宽比;
根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态。
在一种优选地实施例中,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
在轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内的情况下,输出目标位置及姿态。
在一种优选地实施例中,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤还包括:
在轮廓面积非大于预设阈值和/或轮廓长宽比不在阈值范围内的情况下,重新计算第一图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;
直至输出目标位置及姿态,或,达到循环次数为止。
在一种优选地实施例中,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
若否,则在背光情况下,对图像中目标进行颜色特征提取,获得预定颜色对应的第二图像;
对所述第二图像进行二值化处理,获得第二黑白图像;
对所述第二黑白图像进行图像形态学处理,获得第二图像轮廓信息;
判断是否提取第二图像轮廓信息;
若是,则计算第二图像轮廓信息的轮廓面积及外接矩形长宽比;
根据第二图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态。
在一种优选地实施例中,所述根据第二图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
在轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内的情况下,输出目标位置及姿态。
在一种优选地实施例中,所述根据轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤还包括:
在轮廓面积非大于预设阈值和/或轮廓长宽比不在阈值范围内的情况下,重新计算第二图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;
直至输出目标位置及姿态,或,达到循环次数为止。
第二方面,本方案提供一种目标识别定位装置,该装置包括:
提取模块,基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;
第一处理模块,对第一图像进行二值化处理,获得第一黑白图像;
第二处理模块,对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;
识别模块,根据第一图像的轮廓信息,确定目标的位置和姿态信息。
第三方面,本方案提供一种设备,包括:存储器,一个或多个处理器;存储器与处理器通过通信总线相连;处理器被配置为执行存储器中的指令;所述存储介质中存储有用于执行如上所述数据采集方法中各个步骤的指令。
第四方面,本方案提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述数据采集方法的步骤。
本发明的有益效果如下:
本申请所述技术方案对图像中的预定颜色(例如红色)目标物体进行定位,并通过图像的二值化,边缘检测,轮廓提取等手段锁定目标的位置和姿态,为后续无人机穿越目标提供精确的控制量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本方案所述目标识别定位方法的示意图。
图2示出本方案所述目标识别定位装置的示意图。
图3示出本方案所述电子设备的示意图。
图4示出本方案所述目标识别定位方法的一个实例的示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
经过对现有技术的分析和研究,HSV模型是一种比较直观的颜色模型,可以通过HSV轻松地得到单一颜色,即指定颜色角H,并让V=S=1,然后通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变,同样增加白色可以减小S而V不改变。
因此,本方案旨在已同意中目标识别定位方法,根据图像的颜色属性,对图像中的红色目标物体进行提取,并通过图像的二值化,边缘检测等手段定位目标的位置和姿态,为后续无人机穿越目标提供精确的控制量。
以下,结合图1对本方案提出的一种数据采集方法进行详细描述。该方法可以包括如下步骤:
步骤S1、基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;
步骤S2、对第一图像进行二值化处理,获得第一黑白图像;
步骤S3、对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;
步骤S4、根据第一图像的轮廓信息,确定目标的位置和姿态信息。
本方案中,为了后续图像轮廓提取更加精准,可以先对待识别的原始图像进行高斯滤波,去掉图像噪声,从而便于后面的图像处理。
在本方案步骤S1中,可以利用彩色空间模型,对彩色图像进行分割,从而识别目标。对于彩色空间模型可以选择RGB模型、HSV模型等等。本方案中,考虑到HSV 模型可以在一定程度上避免RGB模型的高分散性和高相关性所带来的阈值划分问题。因此,选用HSV模型进行图像目标的颜色特征提取。在一种实施例中,采用HSV色彩空间模型进行目标识别,需要将RGB转换至HSV模型上,具体地,
在HSV色彩空间中各种颜色的分布范围如下:
其中红色的区间范围为H(0,10)&(156,180);S(43,255);V(46,255),在具体的现实场景中需要在此标准范围的基础上进行调整。
本方案步骤S2中,对第一图像进行二值化处理。利用图像二值化处理可以让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色),在灰度图像中超过阈值的灰度值置为255,低于阈值的灰度值置为0,使整个图像呈现只有黑和白的效果。
本方案步骤S3中,进一步对第一黑白图像进行图像形态学处理。通过图像形态学处理可以改变图像中物体的形状,其中两个最基本形态学运算为膨胀与腐蚀。图像的形态学处理可以消除噪声、在相连的元素中分割出独立的图像元素、寻找图像中的明显的极大值区域或者极小值区域、求出图像的梯度,从而获得图像的轮廓信息。
本方案步骤S4中,利用第一图像轮廓信息,来确定目标的位置和姿态信息,即进行图像轮廓的检测和判断。此步骤中,是利用图像的轮廓检测和计算图像中感兴趣区域,通过轮廓面积,轮廓外接矩形长宽比轮廓从属关系等条件的判断,得到目标物体的位置及姿态信息。具体来说,需要先判断是否可以提取第一图像轮廓信息;若是,则计算第一图像轮廓信息的轮廓面积及外接矩形长宽比;再根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态。其中,若是轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内,则可以确定输出目标位置及姿态;若否,则需要重新计算第一图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;直到能够输出目标位置及姿态信息,或者,达到循环次数为止。
如果不可以提取第一图像轮廓信息,则需要在背光情况下,对图像中目标进行颜色特征提取,获得预定颜色对应的第二图像;然后,对第二图像进行二值化处理和图像形态学处理,得到第二图像轮廓信息。随后,再判断是否可以提取第二图像轮廓信息,若可以,则计算第二图像轮廓信息的轮廓面积及外接矩形长宽比;根据第二图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态。其中,在轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内的情况下,输出目标位置及姿态。其中,第二图像轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内,则可以输出目标位置及姿态;若第二图像轮廓面积非大于预设阈值和/或轮廓长宽比不在阈值范围内,则需要重新计算第二图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;直至输出目标位置及姿态,或,达到循环次数为止。判断是否提取第二图像轮廓信息时,若不可以提取,则直接确定无目标输出。
如图2所示,本方案进一步提供了配合上述目标识别定位方法实施的目标定位识别装置101,该装置包括:提取模块102、第一处理模块103、第二处理模块104和识别模块105。
目标定位识别装置101工作时,利用提取模块102基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像。第一处理模块103对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息。第二处理模块104根据第一图像的轮廓信息,确定目标的位置和姿态信息。最后,识别模块105 根据第一图像的轮廓信息,确定目标的位置和姿态信息。
在上述数据采集方法实施方式的基础上,本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
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方案操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在上述数据采集方法实施方式的基础上,本方案进一步提供一种电子设备。图3所示电子设备仅仅是一个示例,不应对本方案实施例的功能和使用范围带来任何限制。
如图3所示,电子设备201以通用计算设备的形式表现。电子设备201的组件可以包括但不限于:至少一个存储单元202、至少一个处理单元203、显示单元204和用于连接不同系统组件的总线205。
其中,所述存储单元202存储有程序代码,所述程序代码可以被所述处理单元203执行,使得所述处理单元203执行上述数据采集方法中描述的各种示例性实施方式的步骤。例如,所述处理单元203可以执行如图1中所示的步骤。
存储单元202可以包括易失性存储单元,例如随机存取存储单元(RAM)和/或高速缓存存储单元,还可以进一步包括只读存储单元(ROM)。
存储单元202还可以包括具有程序模块的程序/实用工具,这样的程序模块包括但不限于: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。
总线205可以包括数据总线、地址总线和控制总线。
电子设备201也可以与一个或多个外部设备207(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口206进行。应当明白,尽管图中未示出,可以结合电子设备201使用其它硬件和/或软件模块,包括但不限于:伪代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
下面结合一个应用实例对本方案作进一步描述。
本实例以对红颜色目标进行特征提取为例,对本方案做进一步描述。由于现实环境下的光线变化复杂,背光情况对目标的检测影响严重。在背光环境下红色呈现出黑色趋势,所以对红色目标的检测需要考虑正常光线照射下和背光下两种情况。
如图4所示,将原始图像进行高斯滤波。之后,在正常光线下,对图像中的红色区域进行提取,得到对应的第一图像;对第一图像进行图像二值化处理,获得第一黑白图像;之后,对第一黑白图像进行图像形态学腐蚀与膨胀处理,获得第一图像轮廓信息。接下来,根据第一图像的轮廓信息进行轮廓检测。首先,判断是否提取第一图像的轮廓信息,若可以提取第一图像轮廓信息,则计算第一轮廓的轮廓面积以及外接矩形长宽比,随后,将第一轮廓信息的轮廓面积以及外接矩形长宽比与预设阈值和阈值范围进行比较。如果第一轮廓信息的轮廓面积大于阈值,且轮廓长宽比在阈值范围内,则可以输出位置及姿态;如果轮廓面积小于或等于阈值,和/或,轮廓长宽比不在阈值范围内,则重新计算第一轮廓面积和外接矩形长宽比,继续进行阈值和阈值范围的比较,直至能够输出目标位置及姿态,或者,到达循环计算和比较的次数为止。
若不可以提取第一轮廓图像信息,则需要在背光情况下的红色区域进行提取,获得红色对应的第二图像;之后,对第二图像依次进行图像二值化和图像形态学腐蚀与膨胀处理,得到第二图像轮廓信息。之后,再对第二轮廓信息进行检测。还是先判断是否可以提取第二轮廓信息,若否,直接确定无目标;若是,则计算第二轮廓信息的轮廓面积及外接矩形长宽比,随后,将第二轮廓信息的轮廓面积以及外接矩形长宽比与预设阈值和阈值范围进行比较。如果第二轮廓信息的轮廓面积大于阈值,且轮廓长宽比在阈值范围内,则可以输出位置及姿态;如果第二轮廓信息的轮廓面积小于或等于阈值,和/或,轮廓长宽比不在阈值范围内,则重新计算第二轮廓面积和外接矩形长宽比,继续进行阈值和阈值范围的比较,直至能够输出目标位置及姿态,或者,到达循环计算和比较的次数为止。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等) 上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/ 或方框图一个方框或多个方框中指定的功能的步骤。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种目标识别定位方法,其特征在于,该方法的步骤包括:
基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;
对第一图像进行二值化处理,获得第一黑白图像;
对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;
根据第一图像的轮廓信息,确定目标的位置和姿态信息。
2.根据权利要求1所述的方法,其特征在于,所述基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像步骤的前一步包括:
对图像进行高斯滤波处理。
3.根据权利要求1所述的方法,其特征在于,所述色彩空间模型HSV模型。
4.根据权利要求3所述的方法,其特征在于,所述根据图像中目标的轮廓信息,确定目标的位置和姿态信息的步骤包括:
判断是否提取第一图像轮廓信息;
若是,则计算第一图像轮廓信息的轮廓面积及外接矩形长宽比;
根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态。
5.根据权利要求4所述的方法,其特征在于,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
在轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内的情况下,输出目标位置及姿态。
6.根据权利要求5所述的方法,其特征在于,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤还包括:
在轮廓面积非大于预设阈值和/或轮廓长宽比不在阈值范围内的情况下,重新计算第一图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;
直至输出目标位置及姿态,或,达到循环次数为止。
7.根据权利要求4所述的方法,其特征在于,所述根据第一图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
若否,则在背光情况下,对图像中目标进行颜色特征提取,获得与预定颜色对应的第二图像;
对所述第二图像进行二值化处理,获得第二黑白图像;
对所述第二黑白图像进行图像形态学处理,获得第二图像轮廓信息;
判断是否提取第二图像轮廓信息;
若是,则计算第二图像轮廓信息的轮廓面积及外接矩形长宽比;
根据第二图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态;
若否,则无目标输出。
8.根据权利要求7所述的方法,其特征在于,所述根据第二图像轮廓信息的轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤包括:
在轮廓面积大于预设阈值,且轮廓长宽比在阈值范围内的情况下,输出目标位置及姿态。
9.根据权利要求7所述的方法,其特征在于,所述根据轮廓面积和外接矩形长宽比,确定目标位置及姿态的步骤还包括:
在轮廓面积非大于预设阈值和/或轮廓长宽比不在阈值范围内的情况下,重新计算第二图像轮廓信息的轮廓面积和外接矩形长宽比,并继续与预设阈值和阈值范围比较;
直至输出目标位置及姿态,或,达到循环次数为止。
10.一种目标识别定位装置,其特征在于,该装置包括:
提取模块,基于色彩空间模型,在正常光线下,对图像中目标进行颜色特征提取,获得预定颜色对应的第一图像;
第一处理模块,对第一图像进行二值化处理,获得第一黑白图像;
第二处理模块,对所述第一黑白图像进行图像形态学处理,获得第一图像轮廓信息;
识别模块,根据第一图像的轮廓信息,确定目标的位置和姿态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594237.9A CN112750162A (zh) | 2020-12-29 | 2020-12-29 | 一种目标识别定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594237.9A CN112750162A (zh) | 2020-12-29 | 2020-12-29 | 一种目标识别定位方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112750162A true CN112750162A (zh) | 2021-05-04 |
Family
ID=75646880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594237.9A Pending CN112750162A (zh) | 2020-12-29 | 2020-12-29 | 一种目标识别定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112750162A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240695A (zh) * | 2021-06-02 | 2021-08-10 | 四川轻化工大学 | 基于姿态感知的电力作业人员穿戴识别方法 |
CN113505258A (zh) * | 2021-06-23 | 2021-10-15 | 广东瑞芯智能科技有限公司 | 智能手表表盘界面数据的预存方法、系统、装置及介质 |
CN115619775A (zh) * | 2022-12-02 | 2023-01-17 | 杭州深度视觉科技有限公司 | 基于图像识别的物料计数方法及装置 |
CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563977A (zh) * | 2017-08-28 | 2018-01-09 | 维沃移动通信有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
CN110097046A (zh) * | 2019-03-11 | 2019-08-06 | 上海肇观电子科技有限公司 | 一种文字检测方法及装置、设备和计算机可读存储介质 |
CN110245691A (zh) * | 2019-05-27 | 2019-09-17 | 上海眼控科技股份有限公司 | 一种车辆外观颜色变色改装的智能识别方法 |
CN111368854A (zh) * | 2020-03-03 | 2020-07-03 | 东南数字经济发展研究院 | 一种批量提取航拍图像中颜色单一的同类目标轮廓的方法 |
CN111415372A (zh) * | 2020-03-20 | 2020-07-14 | 桂林电子科技大学 | 一种基于hsi颜色空间和上下文信息的运动目标归并方法 |
CN112101108A (zh) * | 2020-08-11 | 2020-12-18 | 东南大学 | 一种基于图形极点位置特征的左右转交通标志识别方法 |
-
2020
- 2020-12-29 CN CN202011594237.9A patent/CN112750162A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563977A (zh) * | 2017-08-28 | 2018-01-09 | 维沃移动通信有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
CN110097046A (zh) * | 2019-03-11 | 2019-08-06 | 上海肇观电子科技有限公司 | 一种文字检测方法及装置、设备和计算机可读存储介质 |
CN110245691A (zh) * | 2019-05-27 | 2019-09-17 | 上海眼控科技股份有限公司 | 一种车辆外观颜色变色改装的智能识别方法 |
CN111368854A (zh) * | 2020-03-03 | 2020-07-03 | 东南数字经济发展研究院 | 一种批量提取航拍图像中颜色单一的同类目标轮廓的方法 |
CN111415372A (zh) * | 2020-03-20 | 2020-07-14 | 桂林电子科技大学 | 一种基于hsi颜色空间和上下文信息的运动目标归并方法 |
CN112101108A (zh) * | 2020-08-11 | 2020-12-18 | 东南大学 | 一种基于图形极点位置特征的左右转交通标志识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240695A (zh) * | 2021-06-02 | 2021-08-10 | 四川轻化工大学 | 基于姿态感知的电力作业人员穿戴识别方法 |
CN113505258A (zh) * | 2021-06-23 | 2021-10-15 | 广东瑞芯智能科技有限公司 | 智能手表表盘界面数据的预存方法、系统、装置及介质 |
CN115619775A (zh) * | 2022-12-02 | 2023-01-17 | 杭州深度视觉科技有限公司 | 基于图像识别的物料计数方法及装置 |
CN115619775B (zh) * | 2022-12-02 | 2023-04-07 | 杭州深度视觉科技有限公司 | 基于图像识别的物料计数方法及装置 |
CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
CN116612043B (zh) * | 2023-06-02 | 2024-04-02 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN112750162A (zh) | 一种目标识别定位方法和装置 | |
US9740967B2 (en) | Method and apparatus of determining air quality | |
EP3734496A1 (en) | Image analysis method and apparatus, and electronic device and readable storage medium | |
CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
US11720745B2 (en) | Detecting occlusion of digital ink | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN112861885A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN112686122B (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
CN113901998A (zh) | 模型的训练方法、装置、设备、存储介质以及检测方法 | |
CN106960188B (zh) | 天气图像分类方法及装置 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN109523564B (zh) | 用于处理图像的方法和装置 | |
CN115841641A (zh) | 车辆内部视频的脱敏方法、系统、电子设备及存储介质 | |
CN112132000B (zh) | 一种活体检测方法、装置、计算机可读介质及电子设备 | |
CN113298753A (zh) | 敏感肌的检测方法、图像处理方法、装置及设备 | |
CN113869367A (zh) | 模型能力检测方法、装置、电子设备和计算机可读介质 | |
CN112906652A (zh) | 一种人脸图像的识别方法、装置、电子设备及存储介质 | |
CN113378790B (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 | |
CN113820012B (zh) | 一种多光谱图像处理方法及装置 | |
CN115482576A (zh) | 一种人脸检测系统、方法、设备及存储介质 |
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 |