[发明专利]主动光源式物体材质识别系统及方法

说明书

本发明公开了主动光源式物体材质识别系统及方法，通过依次发出多种不同频谱特征光线照射待识别物体；采集待识别物体反射多种不同频谱特征光线产生的多组反射强度数据，所述待识别物体多组反射强度数据和多种不同频谱特征光线一一对应；将待识别物体的多组反射强度数据与事先测量的不同材质的多组反射强度数据进行比对，并根据所述比对结果判断待识别物体的材质。相比现有“光照条件简单，信号测量复杂”的材质识别方案而言，能降低材质识别的操作难度，降低材质识别的测量成本。

技术领域

本发明涉及智能材质识别领域，尤其涉及主动光源式物体材质识别系统及方法。

背景技术

材质识别技术是一项热门的计算机应用研究技术，它属于计算机视觉的研究热点之一，尤其是近几年随着深度学习的蓬勃发展，深度学习在目标检测和识别中取得了巨大的成功。使用深度学习的方法，通过图像的CNN特征来区分图像中材质的类别也是近几年来研究的热点难点问题。而且对材质的识别是人类感知周围环境的重要方面，同时也在我们的生活中扮演着非常重要的角色，不同的材质带给人类的感知是不一样的，例如皮革制品和纺织品带给人类的感觉就很不同。同时材质识别也在自动驾驶、家庭垃圾自动分类等方面中有着广泛应用。材质识别主要包含几个部分：特征提取、分类器训练等等。目前针对每一部分都有较为成熟的算法，但是对于分类器的组合需要不同的策略研究对比得到更高的识别精度。现有技术中的材质识别方案主要包括如下的几种：

a)基于双向特征直方图的3D文理识别：双向纹理函数(BTF)是将观察图像纹理作为观察方向和照明方向的一个函数。构造一个基于BTF的表面模型，用来捕捉局部结构的相关统计分布，作为观察和光照条件的改变，称为3D纹理双向直方图表示。并在此基础上设计了一个3D纹理识别方法。使用BTF作为表面模型，然后对一个单一的纹理图像在未知成像参数下进行分类。同时设计了一个方法评价使用BFT对纹理图像相关重要性。

b)单一的图像多估计材质分类：针对物体表面材料的多样性，单一图像的反射和光照就变得具有很大的挑战性，主要困难是从稀疏的角样本中恢复反射率。可以通过提取和充分利用先验反射率来解决在这个问题。主要思想就是通过强约束可能的结果，使得复原后的反射率与实际材质是一致的。通过模拟方向统计BRDF模型的参数空间和提取真实材质跨度的子空间的解析分布来实现。

上述材质识别方案都需要采集测量复杂的反射频谱，再利用材料反射频谱数据库确定材料的类型，在实际过程中，操作复杂，不易上手，且需要较高的测量成本。

因此，如何解决现有的材质识别方案操作复杂，不易上手，且需要较高的测量成本已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明提供了主动光源式物体材质识别系统及方法，用以解决现有的材质识别方案操作复杂，不易上手，且需要较高的测量成本的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种主动光源式物体材质识别系统，包括：采集组件以及与所述采集组件连接的识别组件，所述采集组件：用于依次发出多种不同频谱特征光线照射待识别物体，并采集待识别物体反射多种不同频谱特征光线产生的多组反射强度数据，所述待识别物体的多组反射强度数据和多种不同频谱特征光线一一对应；

所述识别组件：用于将待识别物体的多组反射强度数据与事先测量的不同材质的多组反射强度数据进行比对，并根据所述比对结果判断待识别物体的材质。

优选的，所述反射强度数据为待识别物体的特征图像上各个像素点的亮度通道，所述采集组件包括：

光源：用于依次发出多种不同频谱特征光线照射待识别物体；

相机：用于依次拍摄处于多种不同频谱特征光线照射下的待识别物体的多种特征图像；

提取模块：用于从多种特征图像上提取待识别物体反射多种不同频谱特征光线产生的多组反射强度数据。