一种物体识别中选择最优图像匹配算法的方法技术

本发明专利技术公开了一种物体识别中选择最优图像匹配算法的方法，首先建立图像匹配算法的评价框架，利用该框架根据具体的应用场景中光照、物体发生旋转变化、模糊变化、仿射变化、尺度变化、视角变化等不同情况，选择出最适合该应用场景的图像匹配算法。通过上述方式，本发明专利技术能够根据不同应用场景选择恰当的图像识别算法。

【技术实现步骤摘要】
一种物体识别中选择最优图像匹配算法的方法
本专利技术涉及物体识别
，特别是涉及新零售项目中应用于自助售货机的一种物体识别中选择最优图像匹配算法的方法。
技术介绍
新零售已成为当今热门话题，早已存在的自动货柜、已有试点的无人超市、智能货柜等都是新零售的具体实现形式，销售自然伴随支付、取货、拿货等步骤，各大公司也纷纷投资能改善零售价值链的新技术。物体识别是一个可以提高新零售客户体验和效率的关键技术，取货阶段可以通过对物体进行识别，识别出顾客所取货物是什么，然后根据所取货物进行结算。摄像头进行物体识别包括采集图像，图像处理、轮廓检测、图像特征匹配等多种技术，其中图像匹配是物体检测识别中的关键技术之一。图像匹配技术发展较早，现有的算法也比较多，因为图像匹配的应用中会面临多种不同的现场环境，不同的算法侧重解决的角度也不一样。可影响图像匹配结果的因素可归纳为图像视角变化、图像变焦变化、图像旋转变化、图像光照变化、图像模糊变化。可评价图像匹配算法适用性的指标也是多种多样，算法的执行速度、检测出特征点的总数量、特征点的匹配率、特征点的正确匹配率等。现有的对图像匹配算法进行比较的方法，评价指标主要集中在算法检测特征点、匹配特征点等步骤的时间和图像发生变化(如光照变化、模糊变化等)前后特征点的重复率、匹配特征点的数量变化、正确匹配率、错误匹配率等，这两个方面可评价图像匹配算法的速度和稳定性。但并不存在一个比较角度全面、考虑的图像变化同样全面的比较方法。
技术实现思路
本专利技术主要解决的技术问题是：对不同的图像匹配算法进行比较；对图像匹配算法的稳定性进行量化处理；根据物体识别的应用场景选择最优的图像匹配算法。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种物体识别中选择最优图像匹配算法的方法，包括：设计图像匹配算法比较框架以及利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法；所述设计图像匹配算法比较框架包括以下步骤：第一，数据集选择，采用的Mikolajczyk和Schmid提供的数据集；第二，进行单项实验，得到各算法单个指标；Mikolajczyk和Schmid提供的数据集中的bark图集的旋转变化图集由原始图像和原始图像经过不同角度的旋转后的图像组成；将每一旋转角度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；Mikolajczyk和Schmid提供的数据集中的bikes图集由原始图像和对原始图像用不同的高斯核进行模糊处理的图像组成；将不同程度模糊处理的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；Mikolajczyk和Schmid提供的数据集中的leuven图集由原始图像和对原始图像的亮度进行不同程度降低的图像组成；将每一亮度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；Mikolajczyk和Schmid提供的数据集中的bark图集中的尺度变化图集由原始图像和对原始图像进行尺度大小的改变的图像；将每一不同尺度变化的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；Mikolajczyk和Schmid提供的数据集中的graf图集由原始图像和对原始图像所拍场景转换一定角度进行拍摄的图像组成；将每一视角的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；选择Mikolajczyk和Schmid提供的数据集中的ubc图集进行算法时间效率的实验；ubc图集包括图a、图b、图c、图d、图e、图f六张图，图b、图c、图d、图e、图f为图a在不同压缩比率处理后的结果，可作为比较图像匹配算法时间效率的数据集，在相同的硬件条件下将ubc图集中的图b、图c、图d、图e、图f分别与图a进行匹配，得到算法五次匹配花费的平均时间；第三，算法单项指标设定；分别将旋转实验、模糊实验、光照实验、尺度实验、视角实验中各直线斜率做归一化处理，可将各个待比较的算法中表现最好的算法的旋转单项指标设置为100，其他算法依次为标准进行设定，得到所有待比较算法的旋转单项指标、模糊单项指标、光照单项指标、尺度单项指标、视角单项指标；将时间效率实验中平均时间最少的算法时间效率单项指标设置为100，其他算法依次为标准进行设定，得到所有待比较算法的旋转单线指标；根据以上方法得到各算法在各种变化中的单项指标；所述利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法包括以下步骤：步骤1、采集需要进行图像匹配的数据；步骤2、对可选择的图像匹配算法利用该方法的图像匹配算法比较框架得到各算法的单项指标；步骤3、分析待匹配图像发生的主要变化，得到各单项指标的权值；步骤4、计算各算法的综合得分，选取最优图像匹配算法。本专利技术的有益效果是：1、本专利技术设计了一种图像匹配算法比较框架，该图像匹配算法比较框架从多个角度比较图像匹配算法在图像发生多种变化的情况下的稳定性；2、本专利技术设计了一种根据不同应用场景选择图像匹配算法的方案，该方案根据不同的应用场景中图像发生的具体变化，利用算法比较框架以及对图像匹配算法的不同稳定性进行加权赋值，计算的得到最优图像匹配算法；本专利技术能够根据不同应用场景选择恰当的图像识别算法。附图说明图1是本专利技术中利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法流程图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。请参阅图1，本专利技术实施例包括：一种物体识别中选择最优图像匹配算法的方法，包括：设计图像匹配算法比较框架以及利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法；首先可以建立一个图像匹配算法的评价框架，利用该框架根据具体的应用场景中光照、物体发生旋转变化、模糊变化、仿射变化、尺度变化、视角变化等不同情况，选择出最适合该应用场景的图像匹配算法。设计图像匹配算法比较框架包括以下步骤：第一，数据集选择；由于需要对算法在图像发生多种变化时表现出的鲁棒性进行比较，因此需要找到多个发生单个变化的一系列图集，本方法采用的数据集为Mikolajczyk和Schmid提供的数据集，该数据集中的每组图像是经过不同程度的变化的图像组成，例如bark图集是第一幅图像经过不同角度的旋转变化得到的五幅图像；第二，进行单项实验，得到各算法单个指标；Mikolajczyk和Schmid提供的数据集中的bark图集的旋转变化图集由原始图像和原始图像经过本文档来自技高网...

【技术保护点】
1.一种物体识别中选择最优图像匹配算法的方法，其特征在于，包括：设计图像匹配算法比较框架以及利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法；/n所述设计图像匹配算法比较框架包括以下步骤：/n第一，数据集选择，采用的Mikolajczyk和Schmid提供的数据集；/n第二，进行单项实验，得到各算法单个指标；/nMikolajczyk和Schmid提供的数据集中的bark图集的旋转变化图集由原始图像和原始图像经过不同角度的旋转后的图像组成；将每一旋转角度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；/nMikolajczyk和Schmid提供的数据集中的bikes图集由原始图像和对原始图像用不同的高斯核进行模糊处理的图像组成；将不同程度模糊处理的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；/nMikolajczyk和Schmid提供的数据集中的leuven图集由原始图像和对原始图像的亮度进行不同程度降低的图像组成；将每一亮度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；/nMikolajczyk和Schmid提供的数据集中的bark图集中的尺度变化图集由原始图像和对原始图像进行尺度大小的改变的图像；将每一不同尺度变化的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；/nMikolajczyk和Schmid提供的数据集中的graf图集由原始图像和对原始图像所拍场景转换一定角度进行拍摄的图像组成；将每一视角的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；/n选择Mikolajczyk和Schmid提供的数据集中的ubc图集进行算法时间效率的实验；ubc图集包括图a、图b、图c、图d、图e、图f六张图，图b、图c、图d、图e、图f为图a在不同压缩比率处理后的结果，可作为比较图像匹配算法时间效率的数据集，在相同的硬件条件下将ubc图集中的图b、图c、图d、图e、图f分别与图a进行匹配，得到算法五次匹配花费的平均时间；/n第三，算法单项指标设定；/n分别将旋转实验、模糊实验、光照实验、尺度实验、视角实验中各直线斜率做归一化处理，可将各个待比较的算法中表现最好的算法的旋转单项指标设置为100，其他算法依次为标准进行设定，得到所有待比较算法的旋转单项指标、模糊单项指标、光照单项指标、尺度单项指标、视角单项指标；将时间效率实验中平均时间最少的算法时间效率单项指标设置为100，其他算法依次为标准进行设定，得到所有待比较算法的旋转单线指标；根据以上方法得到各算法在各种变化中的单项指标；/n所述利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法包括以下步骤：/n步骤1、采集需要进行图像匹配的数据；/n步骤2、对可选择的图像匹配算法利用该方法的图像匹配算法比较框架得到各算法的单项指标；/n步骤3、分析待匹配图像发生的主要变化，得到各单项指标的权值；/n步骤4、计算各算法的综合得分，选取最优图像匹配算法。/n...

【技术特征摘要】
1.一种物体识别中选择最优图像匹配算法的方法，其特征在于，包括：设计图像匹配算法比较框架以及利用图像匹配算法比较框架的量化结果选择适用于具体应用场景的图像匹配算法的方法；
所述设计图像匹配算法比较框架包括以下步骤：
第一，数据集选择，采用的Mikolajczyk和Schmid提供的数据集；
第二，进行单项实验，得到各算法单个指标；
Mikolajczyk和Schmid提供的数据集中的bark图集的旋转变化图集由原始图像和原始图像经过不同角度的旋转后的图像组成；将每一旋转角度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；
Mikolajczyk和Schmid提供的数据集中的bikes图集由原始图像和对原始图像用不同的高斯核进行模糊处理的图像组成；将不同程度模糊处理的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；
Mikolajczyk和Schmid提供的数据集中的leuven图集由原始图像和对原始图像的亮度进行不同程度降低的图像组成；将每一亮度的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；
Mikolajczyk和Schmid提供的数据集中的bark图集中的尺度变化图集由原始图像和对原始图像进行尺度大小的改变的图像；将每一不同尺度变化的图像与原始图像分别进行比较，得到算法的五个特征点匹配的正确率，然后拟合出五个点的直线，计算得到拟合直线斜率；
Mikolajczyk和Sc...

【专利技术属性】
技术研发人员：胡焱，索春宝，付宪瑞，
申请(专利权)人：浪潮金融信息技术有限公司，
类型：发明
国别省市：江苏;32