[发明专利]一种物体识别系统

说明书

技术领域

本发明涉及识别系统的领域，尤其是一种物体识别系统。

背景技术

目前，物体识别的基本方法是建立物体模型，然后使用各种匹配算法从真实的图像中识别出与物体模型最相似的物体。物体识别的正式定义如下：给定一幅包含一个或多个物体的图像和一组对应物体模型的标记，机器应将标记正确地分配给图像中对应的区域或区域集合。物体识别和图像分割是紧密相关的，因为没有物体或物体局部识别，分割就无法进行，而没有分割，物体识别也是不可能的。

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种物体识别系统。

本发明解决其技术问题所采用的技术方案是：一种物体识别系统，包括输入图像、模型库、特征检测器、假设生成模块、假设验证模块以及物体类别，特征检测器对输入图像的特征进行检测，检测后的特征检测器经过特征定位后传输给假设生成模块，假设生成模块使用图像特征来给场景中的物体分配一个似然值，可以大大减小物体识别的搜索空间，假设生成模块一路与模型库相连接，假设生成模块另一路通过候选物体与假设验证模块相连接，假设验证模块通过物体类别输出。

所述的输入图像为灰度图像、彩色图像或深度图像，还可以是这些图像的组合。

本发明的有益效果是，本发明的一种物体识别系统，采用此种系统能够快速识别出物体的尺度、色彩和形状，可以大大减小物体识别的搜索空间。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的结构示意图。

图中1.输入图像，2、模型库，3、特征检测器，4、假设生成模块，5、假设验证模块，6、物体类别。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示的一种物体识别系统，包括输入图像1、模型库2、特征检测器3、假设生成模块4、假设验证模块5以及物体类别6，特征检测器3对输入图像1的特征进行检测，检测后的特征检测器3经过特征定位后传输给假设生成模块4，假设生成模块4一路与模型库2相连接，假设生成模块4另一路通过候选物体与假设验证模块5相连接，假设验证模块5通过物体类别6输出，物体特征的选取取决于待识别物体的类型和模型数2据库数据结构，假设生成模块4使用图像特征来给场景中的物体分配一个似然值，这一步可以大大减小物体识别的搜索空间，模型库2是一种索引图，有利于从所有可能的物体集合中去除那些不可能的候选者，假设验证模块5使用物体模型来验证假设，并进一步给出精确似然值，在所有的证据的基础上，选用具有最大似然值的物体作为识别结果，选用具有最大似然值的物体作为识别结果。

为了实现上述步骤，物体识别系统必须选择合适的手段和方法。对于特定的应用，在选择合适的方法时，必须考虑许多因素和问题。在设计物体识别系统时必须考虑的问题有：

（1）模型表示

模型表示涉及到物体具有那些重要属性或特征以及这些特征如何在模型库中表示，对于大多数物体来说，几何特征描述是可以很有效的；但对于另外一些物体，可能需要更一般的特征或函数来表示。物体的表示应该包含所有相关信息，但没用任何冗余信息，并且将这些信息以某种方式组织起来，使得物体识别系统的不同组元能够容易访问这些信息。

（2）特征提取

特征提取的算法有很多，根据应用对象，应选择可靠的特征检测方法和特征定位方法，许多特征可以在二维图像中计算出来，但它们与物体的三维特征有关，由于图像生成过程的特性，有些特征可以很容易地计算出来，而其它特征计算起来则非常困难。

（3）特征模式匹配

特征模式匹配是指图像中的物体特征同模型库中的模型相匹配，在许多物体识别任务中，待识别的物体的数量较多，每一个物体拥有的特征也有许多。显然，穷举匹配方法可以解决识别问题，但识别效率太低，不是很实用。因此，在建立匹配方法时，必须考虑特征的有效性和匹配算法的高效率。

（4）假设生成

为了有效地提高识别效率，可以根据物体特征首先建立可能的物体集合，并给每一可能的物体分配置概率值，“假设生成”过程基本上是一种启发式过程，由此可以减小搜索空间，假设生成过程特别注重使用应用域知识，将某种置信概率值分配给该应用域中的不同物体。

（5）物体验证