[发明专利]一种多特征联合的机器人足球识别方法

摘要

一种多特征联合足球位置识别的方法，以特征抽取和分类为基础，改进传统一次性检测的方法，采用远近距离多尺度二次检测策略。使用目标检测常见的HoG+SVM算法作为初步检测的模型，提取到一系列初步标定框以后(可能包含背景干扰)，二次检测使用RGB‑SIFT+词袋(Bag of Words)+SVM第二次筛选得到目标标定框，最终经过非极大值抑制得到的最终标定框。该方法类人机器人识别精度高，反应灵敏。

主权项

1.一种多特征联合的机器人足球识别方法，具有以下步骤：步骤1.预处理；利用类人机器人摄像头采集不同环境下的球场图片，手工进行标定，获取足球图片的正样本，包含64*64和32*32两类尺寸；并采集足够的非足球图片负样本，数量为正样本的3‑5倍，包含64*64和32*32两类尺寸；步骤2.训练；对上述64*64的正样本和负样本，抽取HoG特征以后训练64*64窗口SVM_HoG_64，抽取RGB‑SIFT特征并使用BoW得到统一的特征描述子以后训练64*64窗口SVM_RGBSIFT_64，尺寸分类器用来检测近距离球位置；对于32*32尺寸使用相同的方法训练32*32窗口SVM_HoG_32、32*32窗口SVM_RGBSIFT_32，该尺寸分类器用来检测远距离球位置；步骤3.初步检测；采用滑动窗口检测方法，检测64*64和32*32两类滑动窗口尺寸；对于滑动窗口提取HoG特征，通过64*64窗口SVM_HoG_64、32*32窗口SVM_HoG_32进行分类，挑选出两个尺寸分类器认为是足球的标定框bbox1_32和bbox1_64；步骤4.二次检测；对初步HoG检测产生的bbox1_32和bbox1_64标定框围成的子图进一步提取RGB‑SIFT特征并使用BoW得到统一形式的特征以后，通过64*64窗口SVM_RGBSIFT_64和32x32窗口SVM_RGBSIFT_32进行第二次筛选，得到标定框bbox2_32和bbox2_64，最后合并两类标定框并通过贪婪算法非极大值抑制NMS得到最终的标定框bbox_final；步骤5.信息反馈；利用步骤4检测到的足球标定框信息以确定足球实际位置，并反馈到类人机器人中参与运动决策。