目标识别方法和装置制造方法及图纸

本发明专利技术公开了一种目标识别方法和装置，涉及计算机技术领域。其中，该方法包括：提取待识别目标的轮廓图；获取预先存储的对照物轮廓图的势能场分布；基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物。通过以上步骤，能够提高识别效率、提高识别准确率以及识别可靠性。

Target recognition method and device

【技术实现步骤摘要】
目标识别方法和装置
本专利技术涉及计算机
，尤其涉及一种目标识别方法和装置。
技术介绍
目前，在基于图像进行目标识别(比如识别交通标志)时，主要存在两种方案：模板匹配方案和轮廓特征匹配方案。模板匹配方案由于受光照、镜头光学畸变等因素的影响较大，在工程中的实用性不强，因此现在工程中大多采用轮廓特征匹配方案。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术中，在基于轮廓特征匹配方案进行目标识别时，存在计算效率低下、识别准确率低、可靠性差等问题。
技术实现思路
有鉴于此，本专利技术提供一种目标识别方法和装置，能够提高识别效率、提高识别准确率以及识别可靠性。为实现上述目的，根据本专利技术的一个方面，提供了一种目标识别方法。本专利技术目标识别方法包括：提取待识别目标的轮廓图；获取预先存储的对照物轮廓图的势能场分布；基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物。可选地，所述方法还包括：提取对照物的轮廓图，计算所述对照物的轮廓图上每个像素点的势能，以生成所述对照物轮廓图的势能场分布，并将所述对照物轮廓图的势能场分布进行存储。可选地，根据如下公式计算所述对照物的轮廓图上每个像素点的势能：其中，APF(a,b)表示对照物的轮廓图上像素点(a,b)处的势能，(xi,yi)表示对照物的轮廓图上每一个轮廓点的位置，m、n为设置的常系数。可选地，所述最优匹配操作为使匹配质量评估值最大的匹配操作，所述匹配操作为将所述对照物轮廓图的势能场分布经过几何变换后投放在所述待识别目标的轮廓图上；其中，所述几何变换操作包括以下一种或多种：平移、旋转、缩放；以及，所述方法还包括：根据如下公式计算匹配质量评估值：其中，Simi表示匹配质量评估值，K表示待识别目标的轮廓图上的轮廓点个数，APF(ai,bi)表示在匹配操作后所述待识别目标的轮廓图上的任一轮廓点对应的势能。可选地，所述待识别目标包括：交通标志。为实现上述目的，根据本专利技术的另一方面，提供了一种目标识别装置。本专利技术的目标识别装置包括：提取模块，用于提取待识别目标的轮廓图；获取模块，用于获取预先存储的对照物轮廓图的势能场分布；匹配模块，用于基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；识别模块，用于在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物。可选地，所述装置还包括：生成模块，用于提取对照物的轮廓图，计算所述对照物的轮廓图上每个像素点的势能，以生成所述对照物轮廓图的势能场分布，并将所述对照物轮廓图的势能场分布进行存储。可选地，所述生成模块根据如下公式计算所述对照物的轮廓图上每个像素点的势能：其中，APF(a,b)表示对照物的轮廓图上像素点(a,b)处的势能，(xi,yi)表示对照物的轮廓图上每一个轮廓点的位置，m、n为设置的常系数。为实现上述目的，根据本专利技术的再一个方面，提供了一种电子设备。本专利技术的电子设备，包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术的目标识别方法。为实现上述目的，根据本专利技术的又一个方面，提供了一种计算机可读介质。本专利技术的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术的目标识别方法。上述专利技术中的一个实施例具有如下优点或有益效果：通过提取待识别目标的轮廓图，基于元启发算法确定预先存储的对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物这些步骤，能够提高识别效率、提高识别准确率以及识别可靠性。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术第一个实施例的目标识别方法的主要流程示意图；图2是根据本专利技术第二个实施例的目标识别方法的主要流程示意图；图3是根据本专利技术第三个实施例的目标识别装置的主要模块的示意图；图4是根据本专利技术第四个实施例的目标识别装置的主要模块的示意图；图5是本专利技术实施例可以应用于其中的示例性系统架构图；图6是适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图。具体实施方式以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要指出的是，在不冲突的情况下，本专利技术中的实施例以及实施例中的特征可以相互组合。图1是根据本专利技术第一个实施例的目标识别方法的主要流程示意图。如图1所示，本专利技术实施例的目标识别方法包括：步骤S101、提取待识别目标的轮廓图。示例性地，所述待识别目标可以为交通标志(比如交通指示牌)的、车辆、或者无人机等各种目标。在该步骤中，可先对待识别目标所在图像进行二值化处理，然后对二值化处理后的图像进行轮廓检测，以得到待识别目标的轮廓图。具体实施时，可采用Canny算法、Sobel算法或者其他轮廓检测算法进行轮廓检测。步骤S102、获取预先存储的对照物轮廓图的势能场分布。示例性地，在待识别目标为某种交通标志时，所述对照物轮廓图可以为各种交通标志的轮廓图；在待识别目标为某种车辆时，所述对照物轮廓图可以为各种车辆的轮廓图。类比于电场中某点的电势等于空间各个带电粒子对该点产生的电势的矢量之和这一物理学模型，本专利技术实施例引入了轮廓图的势能场的概念。具体来说，可将对照物轮廓图中的轮廓点当做粒子，将整个轮廓图所在平面当成感兴趣范围，在这个感兴趣范围内的每一个像素点都会受到所有粒子的引力或者斥力影响，从而导致在这一点处具有一定的势能。但由于每一个像素点与各个粒子之间的距离不一，因此每个像素点的势能大小也有区别。对照物轮廓图上各个像素点的势能构成了对照物轮廓图的势能场分布。步骤S103、基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配。在本专利技术实施例中，对所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图进行匹配是指将所述对照物轮廓图的势能场分布经过几何变换后投放在所述待识别目标的轮廓图上。其中，所述几何变换操作包括以下一种或多种操作：平移操作、旋转操作、缩放操作。具体实施时，在对所述对照物轮廓图的势能场分布本文档来自技高网...

【技术保护点】
1.一种目标识别方法，其特征在于，所述方法包括：/n提取待识别目标的轮廓图；/n获取预先存储的对照物轮廓图的势能场分布；/n基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；/n在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物。/n

【技术特征摘要】
1.一种目标识别方法，其特征在于，所述方法包括：
提取待识别目标的轮廓图；
获取预先存储的对照物轮廓图的势能场分布；
基于元启发算法确定所述对照物轮廓图的势能场分布与所述待识别目标的轮廓图的最优匹配；
在所述最优匹配对应的匹配质量评估值落在预设的取值区间的情况下，将所述待识别目标识别为所述对照物。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
提取对照物的轮廓图，计算所述对照物的轮廓图上每个像素点的势能，以生成所述对照物轮廓图的势能场分布，并将所述对照物轮廓图的势能场分布进行存储。


3.根据权利要求2所述的方法，其特征在于，根据如下公式计算所述对照物的轮廓图上每个像素点的势能：



其中，APF(a,b)表示对照物的轮廓图上像素点(a,b)处的势能，(xi,yi)表示对照物的轮廓图上每一个轮廓点的位置，m、n为设置的常系数。


4.根据权利要求1所述的方法，其特征在于，所述最优匹配操作为使匹配质量评估值最大的匹配操作，所述匹配操作为将所述对照物轮廓图的势能场分布经过几何变换后投放在所述待识别目标的轮廓图上；其中，所述几何变换操作包括以下一种或多种：平移、旋转、缩放；以及，所述方法还包括：根据如下公式计算匹配质量评估值：



其中，Simi表示匹配质量评估值，K表示待识别目标的轮廓图上的轮廓点个数，APF(ai,bi)表示在匹配操作后所述待识别目标的轮廓图上的任一轮廓点对应的势能。


5.根据权利要求...

【专利技术属性】
技术研发人员：李柏，
申请(专利权)人：北京京邦达贸易有限公司，北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11