立体影像的物体捕捉方法技术

本发明专利技术提出的立体影像的物体捕捉方法，涉及一种影像识别方法，具体步骤如下：步骤1、以取得数字影像资料；步骤2、再将数字影像的可辨识特征提取；步骤3、计算出X轴或Y轴长条统计图；步骤4、取求出X轴或Y轴长条统计图的最小特征点及最大特征点；步骤5、求出的最小特征点及最大特征点定义出物体形状；步骤6、计算出拍摄物体的大小尺寸；步骤7、判断出物体的正确位置。本发明专利技术即可快速并简易判断物体形状、大小及位置，同事可获得不同的可辨识影像特征。

【技术实现步骤摘要】
立体影像的物体捕捉方法
本专利技术涉及一种影像识别方法，尤其是一种立体影像的物体捕捉方法。
技术介绍
现有的物体识别系统，包含获取影像用的照相机，并包含切割输入影像、从切割的影像中获取物体，表示输入的影像物体，以及将带辨识获取物体分类。经过获取输入影像一般由数字格式的色彩或灰阶像素资料组成，并排列成X与Y方向的二维阵列，其中包含成千上万个独立像素。不过现有的计算方法，需要一连串的复杂计算，需要大量的简历模型长条统计图，比较输入影像长条统计图与模型长条统计图的处理时间，相当消耗计算成本。
技术实现思路
本专利技术提供的一种立体影像的物体捕捉方法，可快速并简易判断物体形状、大小及位置，同事可获得不同的可辨识影像特征。本专利技术具体采用如下技术方案实现：本专利技术提供一种立体影像的物体捕捉方法，具体步骤如下：步骤1、通过数字影像获取装置对物体进行数字影像的拍摄，以取得数字影像资料；步骤2、再将数字影像的可辨识特征提取；步骤3、将影像可辨识特征获取后，即可同时计算出获取影像的X轴方向(水平)或Y轴方向(垂直)长条统计图；步骤4、取得X轴或Y轴长条统计图后，再求出X轴或Y轴长条统计图的最小特征点及最大特征点，最小特征点及最大特征点为可辨识特征影像中的零点像素及最大值点像素；步骤5、再通过多项式回归分析方式，根据求出的最小特征点及最大特征点定义出物体形状；步骤6、再跟进影像的X轴或Y轴长条统计图显示资料与最小特征点及最大特征点的位置，即可取得影像在X轴或Y轴的像素值，通过像素值即可准确计算出拍摄物体的大小尺寸；步骤7、再跟进影像的X轴或Y轴长条统计图资料与最小特征点的位置判断出物体的正确位置；步骤8、再获取上述数字影像资料中的不同辨识特征的影像资料(如其他不同色彩或光谱频率的特征)，并重复步骤2-步骤7的处理过程，如此，将同一影像中不同的辨识特征做多次个别的辨识处理，以达到更准确及更快速识别物体形状、大小及位置的目的。作为优选，所述步骤1中，所述数字影像资料通过模拟影像获取装置取得，再将模拟信号转换为数字信号。作为优选，所述步骤2中可辨识特征未RGB的色彩特征或单一光谱的影像辨识特征。作为优选，所述步骤3中取得X轴或Y轴长条统计图的方式，为计算影像可辨识特征的每一行或每一列上的像素。作为优选，所述步骤4中最小及最大特征点的寻找方式为通过线性搜寻模式在X轴或Y轴长条统计图中求出。本专利技术提供的立体影像的物体捕捉方法，其有益效果在于：通过X轴或Y轴长条统计图上取得最小特征点及最大特征点，配合多项式回归分析，即可快速并简易判断物体形状、大小及位置，同事可获得不同的可辨识影像特征，例如RGB色彩特征或灰阶影像特征或视频影像特征，并迅速准确的对获取影像进行形状、大小及位置的识别，使其可应用在视频处理等多种领域。附图说明图1为立体影像的物体捕捉方法的流程图。具体实施方式为进一步说明各实施例，可配合附图及说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。现具体实施方式对本专利技术进一步说明。如图1所示，本专利技术一种立体影像的物体捕捉方法，主要包括以下流程：步骤1、通过数字影像获取装置对物体进行数字影像的拍摄，以取得数字影像资料；另外，数字影像资料亦可通过模拟影像获取装置取得，再将模拟信号转换为数字信号，数字影像资料即为待辨识物体；数字影像获取装置或模拟影像获取装置为照相机或摄影机或其他获取影像的装置；步骤2、再将数字影像的可辨识特征提取；例如，影像为彩色影像时，即可根据RGB的色彩特征，获取某一颜色的可辨识影像特征；或者，当影像为灰阶影像时，即可获取该影像可辨识的灰阶特征；或者，可获取数字影像资料为可见光谱频率范围时，通过可获取单一光谱的影像辨识特征；步骤3、将影像可辨识特征获取后，即可同时计算出获取影像的X轴方向(水平)或Y轴方向(垂直)长条统计图；而取得X轴或Y轴长条统计图的方式，为计算影像可辨识特征的每一行或每一列上的像素，即可获得X轴或Y轴长条统计图；步骤4、取得X轴或Y轴长条统计图后，再求出X轴或Y轴长条统计图的最小特征点及最大特征点，最小特征点及最大特征点为可辨识特征影像中的零点像素及最大值点像素；另外，最小及最大特征点的寻找方式为通过线性搜寻模式在X轴或Y轴长条统计图中求出，并同时记录最小特征点击最大特征点的位置；步骤5、再通过多项式回归分析方式，根据求出的最小特征点及最大特征点定义出物体形状；例如，若最小特征点至最大特征点间呈线性走向，即可判定待辨识物体为三角形；如果最小特征点到最大特征点间呈直线走向，即可判定待辨识物体应为四方形或矩形；若最小特征点至最大特征点间符合二次方程，即可判定该待便是无为圆形或椭圆形；步骤6、再跟进影像的X轴或Y轴长条统计图显示资料与最小特征点及最大特征点的位置，即可取得影像在X轴或Y轴的像素值，通过像素值即可准确计算出拍摄物体的大小尺寸；步骤7、再跟进影像的X轴或Y轴长条统计图资料与最小特征点的位置判断出物体的正确位置；步骤8、再获取上述数字影像资料中的不同辨识特征的影像资料(如其他不同色彩或光谱频率的特征)，并重复步骤2-步骤7的处理过程，如此，将同一影像中不同的辨识特征做多次个别的辨识处理，以达到更准确及更快速识别物体形状、大小及位置的目的。本申请的方法提供一种通过X轴或Y轴长条统计图上取得最小特征点及最大特征点，配合多项式回归分析，即可快速并简易判断物体形状、大小及位置，同事可获得不同的可辨识影像特征，例如RGB色彩特征或灰阶影像特征或视频影像特征，并迅速准确的对获取影像进行形状、大小及位置的识别，使其可应用在视频处理等多种领域。尽管结合优选实施方案具体展示和介绍了本专利技术，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本专利技术的精神和范围内，在形式上和细节上可以对本专利技术做出各种变化，均为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种立体影像的物体捕捉方法，其特征在于，具体步骤如下：步骤1、通过数字影像获取装置对物体进行数字影像的拍摄，以取得数字影像资料；步骤2、再将数字影像的可辨识特征提取；步骤3、将影像可辨识特征获取后，即可同时计算出获取影像的X轴方向(水平)或Y轴方向(垂直)长条统计图；步骤4、取得X轴或Y轴长条统计图后，再求出X轴或Y轴长条统计图的最小特征点及最大特征点，最小特征点及最大特征点为可辨识特征影像中的零点像素及最大值点像素；步骤5、再通过多项式回归分析方式，根据求出的最小特征点及最大特征点定义出物体形状；步骤6、再跟进影像的X轴或Y轴长条统计图显示资料与最小特征点及最大特征点的位置，即可取得影像在X轴或Y轴的像素值，通过像素值即可准确计算出拍摄物体的大小尺寸；步骤7、再跟进影像的X轴或Y轴长条统计图资料与最小特征点的位置判断出物体的正确位置；步骤8、再获取上述数字影像资料中的不同辨识特征的影像资料(如其他不同色彩或光谱频率的特征)，并重复步骤2‑步骤7的处理过程，如此，将同一影像中不同的辨识特征做多次个别的辨识处理，以达到更准确及更快速识别物体形状、大小及位置的目的。

【技术特征摘要】
1.一种立体影像的物体捕捉方法，其特征在于，具体步骤如下：步骤1、通过数字影像获取装置对物体进行数字影像的拍摄，以取得数字影像资料；步骤2、再将数字影像的可辨识特征提取；步骤3、将影像可辨识特征获取后，即可同时计算出获取影像的X轴方向(水平)或Y轴方向(垂直)长条统计图；步骤4、取得X轴或Y轴长条统计图后，再求出X轴或Y轴长条统计图的最小特征点及最大特征点，最小特征点及最大特征点为可辨识特征影像中的零点像素及最大值点像素；步骤5、再通过多项式回归分析方式，根据求出的最小特征点及最大特征点定义出物体形状；步骤6、再跟进影像的X轴或Y轴长条统计图显示资料与最小特征点及最大特征点的位置，即可取得影像在X轴或Y轴的像素值，通过像素值即可准确计算出拍摄物体的大小尺寸；步骤7、再跟进影像的X轴或Y轴长条统计图资料与最小特征点的位置判断出物体的正确位置；步骤8、再获取上述数字影像资料...

【专利技术属性】
技术研发人员：柯朋，
申请(专利权)人：深圳盟云全息文化有限公司，
类型：发明
国别省市：广东,44