[发明专利]一种360度全景图片的识别方法和装置

权利要求书

1.一种360度全景图片的识别方法，其特征在于，所述方法包括：

收集若干个360度全景图片和非360度全景图片作为样本图片；

获取每个样本图片的特征向量，通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据；

采用与获取每个样本图片的特征向量相同的方式获取待识别图片的特征向量；

判断所述待识别图片的特征向量是否符合所述支持向量数据中的360度全景图片特征；若判断为是，则确定待识别图片为360度全景图片，否则为非360度全景图片；

其中，所述获取每个样本图片的特征向量包括：

对每个样本图片，分别获取左侧C列与右侧C列的每个像素点的颜色值，其中C取值为大于等于1的自然数；

对相对图片中间线对称的每对像素点分别计算色差值；

从所有色差值中等间距地选取出预定数量N个色差值，将所述N个色差值构成色差向量；

根据所述色差向量得到每个样本图片的特征向量，所述特征向量的维数为N；

所述通过样本训练获取区分360度全景图片特征和非360度全景图片特征的支持向量数据包括：

定义特征矩阵，所述特征矩阵的行数为所有样本图片的个数，列数为样本图片的特征向量的维数；将所有所述样本图片的特征向量依次放入所述特征矩阵；

定义分类标号矩阵，所述分类标号矩阵的行数为所有样本图片的个数，列数为1，其值取1或-1，其中1表示360度全景图片，-1表示非360度全景图片；对放入所述特征矩阵中的每个样本图片，在所述分类标号矩阵中依次标识所述样本图片所属图片类型的值；

根据所述特征矩阵和所述分类标号矩阵，利用机器学习的方法获取区分360度全景图片特征和非360度全景图片特征的支持向量数据。

2.如权利要求1所述的方法，其特征在于，将C取值等于1；

所述对每个样本图片，分别获取左侧C列与右侧C列的每个像素点的颜色值包括：

分别获取每个样本图片的第一列和最后一列的每个像素点的颜色值，

得到每个样本图片的第一列像素点的颜色值为：A＝{{R_A1，G_A1，B_A1}，{R_A2，G_A2，B_A2}，{R_A3，G_A3，B_A3}...{R_An，G_An，B_An}}；每个样本图片的最后一列像素点的颜色值为：B＝{{R_B1，G_B1，B_B1}，{R_B2，G_B2，B_B2}，{R_B3，G_B3，B_B3}...{R_Bn，G_Bn，B_Bn}}；其中n代表所述样本图片的行数，An代表第一列第n行的像素点，Bn代表最后一列第n行的像素点；

所述对相对图片中间线对称的每对像素点分别计算色差值包括：

根据公式计算相对图片中间线对称的每对像素点的色差值；

所述根据所述色差向量得到每个样本图片的特征向量包括：

根据N个色差值构成的色差向量C＝{C₁，C₂，C₃，...，C_N}得到每个样本图片的特征向量。

3.如权利要求1所述的方法，其特征在于，所述机器学习的方法包括支持向量机算法SVM。