[发明专利]一种基于二进制特征码的场景信息搜索方法

说明书

技术领域

本发明属于移动增强现实技术领域，具体涉及一种基于二进制特征码的场景信息搜索方法。

背景技术

图像搜索是基于内容的信息检索研究的热门话题,在遥感图像处理、医学图像处理和增强现实等领域有着广泛的应用。

目前，随着互联网的发展，人类正在步入一个信息化的社会，互联网已经成为人类发布、获取、交换信息的重要平台。互联网上信息量指数级地增长，使得如何让用户能够快速准确地在海量的数据中找到其所需信息成为了一个重要的课题。近些年来，照相机，智能手机，PAD，摄像机等电子产品的普及，我们可以随时随处，拍下我们喜欢的景色，动物，食品，等等各种各样的图片。截止到2010年一月，Facebook声称其网站上的图片数量已经超过250亿张。面对如此海量的图片资源，如何快速准确的找到我们感兴趣的图片是我们必须要解决的问题，是商业界和学术界的一个重要研究方向。然而，随着图片规模的极大增长，要保证图像搜索的实时性，相应的图像编码、图像检索技术和数据库索引技术也必须做相应的调整或加速。

同时计算机软、硬件技术的迅猛发展，为增强现实技术走出室内应用进而支持复杂的分析、决策和管理打下了坚实的基础。一些移动终端设备（像PDA、智能手机等）的功能也越来越丰富，并且拥有了嵌入式操作系统、触摸屏、GPS定位、视频摄像头等功能，同时也具备了较强的计算和处理能力。这些功能的集成为开发基于移动终端的增强现实系统奠定了基础。据有关资料，截止到2010年我国移动电话用户可达7.4亿，其中拥有智能手机的用户占了相当的比重，智能手机作为增强现实的应用平台将具有很大的应用潜力。3G网的逐步开通、运行，意味着移动增值业务全新时代的开始，增强现实技术和LBS相结合可以实现信息的实时交互、三维动态显示，可使人机界面更加友好和具有智能性。

基于上述分析，结合具有摄像头，GPS传感器和重力传感器的终端以及服务器端的图像识别和匹配技术，可以将场景之类的大规模物体的在线识别变为可能。

然而以前的许多图像识别的研究工作都是在样本规模不是非常大的情况下考虑图像检索问题，许多方法也不能推广到更大规模的图像识别问题，系统性能和能够处理的数据规模存在局限性。当城市级规模的数据，以百万为单位时，图像识别系统需要海量的存储空间和海量数据的快速计算能力。因为图像本身需要很大的空间存储，从图像提取的各种特征描述向量也需要大量的空间存储。同时，在图像识别和匹配过程中对描述符索引、匹配也需要强大计算能力。

发明内容

有鉴于此，本发明提供了一种基于二进制特征码的场景信息搜索方法，该方法能够实现在线海量图像的识别，同时减少了数据存储量，提高了图像识别率和检索的速度。

实现本发明的技术方案如下：

一种基于二进制特征码的场景信息搜索方法，适用该方法的样本图像库满足三个条件：①每一样本图像带有GPS信息，②每一样本图像采用二进制特征码表示，且存储成以GPS信息为聚类中心的链表，③样本图像库对应一确定的、用于映射二进制特征码的Hash函数；该方法的具体过程为：

步骤1：利用终端的拍摄设备采集当前场景的待识别图像，并获取当前场景的GPS信息和终端采集图像时的重力方向信息；

步骤2：采用局部特征检测算法对待识别图像进行特征点检测，利用特征描述符对所检测到的特征点进行描述，获得描述符特征向量；

步骤3：将所述GPS信息、重力方向信息以及描述符特征向量打包成一个描述符文件并发送给服务器；

步骤4：服务器从接收的描述符文件中提取重力方向信息和描述符特征向量，并计算描述符特征向量的主方向和重力方向之间的夹角；

步骤5：将待识别图像的描述符特征向量，采用与样本图像库对应的Hash函数进行Hash映射，得到待匹配Hash位串，再将待匹配Hash位串分成8组；

步骤6：根据所述GPS信息，从样本图像库中查找与该GPS信息距离最近的GPS信息所对应的链表；

步骤7：针对步骤5中得到的8组Hash位串中的每一组，在步骤6得到的链表中查找与其相差小于或等于汉明距离阈值的Hash表，并对所查找到的Hash表进行并运算得到Hash表集；

步骤8：对并操作得到的Hash表集，即二进制码集，根据步骤4得到的夹角对其进行过滤；

步骤9：在过滤得到Hash表集中，统计与待识别图像二进制码匹配数量最多的样本图像，然后将该样本图像对应的场景信息返回给移动终端。

进一步地，本发明在对待识别图像特征点检测之前，还包括对图像进行降采样处理。