[发明专利]一种货架图像翻拍检测方法在审

专利信息
申请号: 201910680901.2 申请日: 2019-07-26
公开(公告)号: CN110569716A 公开(公告)日: 2019-12-13
发明(设计)人: 方路平;汪振杰;李心怡;潘清;陆飞 申请(专利权)人: 浙江工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 33241 杭州斯可睿专利事务所有限公司 代理人: 王利强
地址: 310014 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 翻拍 货架 特征向量 纹理描述 图谱 预处理 分类识别 类别标签 模型结合 有效解决 多尺度 摩尔纹 检测 向量 捕捉 帮助
【权利要求书】:

1.一种货架图像翻拍检测方法,其特征在于,所述方法包括以下步骤:

(1)获得待检测的货架图像;

(2)对步骤(1)中所述货架图像进行预处理;

(3)使用LBP计算方法处理步骤(2)中得到的图像,得到纹理描述图谱;

(4)提取步骤(3)中纹理描述图谱的LBP特征向量;

(5)将步骤(4)中得到的LBP特征向量向量输入XGBoost模型,得到图像所属的类别标签。

2.如权利要求1所述的一种货架图像翻拍检测方法,其特征在于,所述步骤(2)中,图像预处理包括以下步骤:

(2a)将原始的RGB三通道图像转化为单通道的灰度图像,转换公式为:

Gray=0.299R+0.587G+0.114B;

(2b)根据步骤(2a)得到的灰度图,将其均匀划分为8×8张子图。

3.如权利要求1或2所述的一种货架图像翻拍检测方法,其特征在于,所述步骤(3)中,所述提取纹理描述图谱过程包括以下步骤:

(3a)利用LBP算子计算步骤(2)输出的各个子图,对每张子图中的每一个像素,将邻域内相邻的8个像素点与中心点比较灰度值,若该点的像素值大于中心点的像素值,则对应该像素点的位置被标记为1,否则标记为0,每一个像素点邻域内的8个邻域点经比较可产生8位0、1值,将它们视为二进制数并按照固定的顺序排列,即可得到一个八位的二进制数来表示该领域;再将其转换为十进制就得到中心点的LBP值,计算公式为:

其中,(xc,yc)为中心点,gc为中心的像素值,gp为邻域点的像素值,s(x)为相应的LBP值,P为邻域点数量,R为邻域范围,计算完所有像素点后得到对应的LBP图谱;

(3b)采用尺度为5*5、7*7、9*9的LBP算子重复步骤(3a)的LBP计算,这时邻域点取(xc+Δxk,yc+Δyk),其中邻域点与中心点的相对坐标偏移Δxk,Δyk的计算公式为:

(3c)综合步骤(3a)和步骤(3b)得到的四种尺度下的LBP图谱,取平均值,得到纹理描述图谱;

(3d)对步骤(2)输出的每一张子图重复步骤(3a)、(3b)、(3c),得到8×8张子LBP图谱。

4.如权利要求1或2所述的一种货架图像翻拍检测方法,其特征在于,所述步骤(4)中,所述LBP特征向量提取过程包括以下步骤:

(4a)计算步骤(3)输出的各个图块的LBP图谱的直方图,再将直方图转为一维序列,即得到对应的子图LBP特征向量;

(4b)将步骤(4a)输出的8×8个LBP特征向量拼接为64倍长度的一维向量,得到原始图像的整体特征向量。

5.如权利要求1或2所述的一种货架图像翻拍检测方法,其特征在于,所述步骤(5)中,所述分类模型的目标选择二分类,控制模型复杂度的L2正则项参数lambda=2,控制是否后剪枝的参数gamma=0.3,构建决策树的深度参数max depth=6,控制随机采样训练样本的百分比subsample=0.8,生成决策树时的列采样参数colsample bytree=0.8。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910680901.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top