CN103984942A - 一种物象识别的方法及移动终端 - Google Patents

Abstract

本发明提供一种物象识别的方法，包括以下步骤：移动终端获取摄像头捕获的图像；对所述捕获图像的全部像素进行遍历，确定出所述图像中物象的轮廓；提取所述物象，并将所述物象与预先保存的物象类型进行匹配；根据匹配结果，识别所述物象。相应地，本发明还提供一种物象识别的移动终端，达到了利用移动终端的摄像头取景和识别物象的目的。

Description

一种物象识别的方法及移动终端

技术领域

本发明属于信息技术领域，尤其涉及一种物象识别的方法及移动终端。

背景技术

移动终端作为必备的产品的时间并不长，但其发展却是日新月异，现有的移动终端一般都具备拍摄功能，但是却不能对拍摄到的图片或图像中的某些被拍的人或物进行识别，更不能根据识别搜取与该人或物相关的信息资料。

现有技术中，现实增强技术的应用趋于广泛，该技术可以将现实景物进行地理信息的匹配，可实现依赖于特定地理位置的辨别。但是该技术目前只能实现该功能，应用较为单一。

发明内容

有鉴于此，本发明提供一种物象识别的方法，以解决在现有技术中不能对拍摄到的图片或图像中的某些被拍的物象进行识别的问题。

为解决上述技术问题，本发明采用的技术方案如下：

根据本发明的一个方面，提供的一种物象识别的方法，包括以下步骤：

移动终端获取摄像头捕获的图像；

对捕获图像的全部像素进行遍历，确定出图像中物象的轮廓；

提取物象，并将物象与预先保存的物象类型进行匹配；

根据匹配结果，识别物象。

进一步地，对捕获图像的全部像素进行遍历，包括：

获取图像的全部像素，将相邻像素的RGB值进行差运算，获取相邻像素的差值；

将差值与预设值的突变阈值进行比较；

若差值大于突变阈值，则确定该相邻像素为物象轮廓的像素。

进一步地，提取物象之前，还包括：

对物象进行一个以上角度的图像补充采集，获取将不同角度的物象图像。

进一步地，将物象与预先保存的物象类型进行匹配，包括：

将不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，匹配度最高的物象即为待识别的物象。

进一步地，将物象与预先保存的物象类型进行匹配，包括：

将不同角度的物象图像分别上传至服务器，以使服务器对物象图像进行分析，识别出物象的信息，并发送物象信息至移动终端。

进一步地，移动终端通过手势和/或体感和/或语音和/或应用来触发其获取摄像头的图像。

根据本发明的另一个方面，本发明还提供一种物象识别的移动终端，包括：

物象采集单元，用于获取摄像头捕获的图像；

轮廓确定单元，用于对捕获图像的全部像素进行遍历，确定出图像中物象的轮廓；

物象匹配单元，用于提取物象，并将物象与预先保存的物象类型进行匹配；

物象识别单元，用于根据匹配结果，识别物象。

进一步地，轮廓确定单元对捕获图像的全部像素进行遍历，包括：

获取图像的全部像素，将相邻像素的RGB值进行差运算，获取相邻像素的差值；

将差值与预设值的突变阈值进行比较；

若差值大于突变阈值，则确定该相邻像素为物象轮廓的像素。

进一步地，移动终端还包括补充采集单元，用于对物象进行一个以上角度的图像补充采集，获取将不同角度的物象图像。

进一步地，物象匹配单元将物象与预先保存的物象类型进行匹配，包括：

将不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，匹配度最高的物象即为待识别的物象，或，

将不同角度的物象图像分别上传至服务器，以使服务器对物象图像进行分析，识别出物象的信息，并发送物象信息至移动终端。

在本发明提供的物象识别的方法及移动终端中，由于将物象从轮廓与背景分离和补充多角度采集物象，达到了利用移动终端的摄像头取景和识别物象的目的。

附图说明

图1是本发明提供的物象识别的方法的流程示意图。

图2是本发明提供的移动终端的示意图。

图3是本发明的移动终端是透明屏幕时的第一状态示意图。

图4是本发明的移动终端是透明屏幕时的第二状态示意图。

图5是本发明的移动终端是透明屏幕时的第三状态示意图。

图6是本发明的移动终端是透明屏幕时的第四状态示意图。

图7是本发明的移动终端是透明屏幕时的第五状态示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施方式对本发明的实现进行详细的描述。

如图1所示，是本发明提供的物象识别的方法的流程示意图，本发明实施例应用于移动终端，该移动终端包括摄像头，该流程开始于：

步骤101；获取摄像头捕获的图像；

在此步骤中，通过摄像头的光学镜头将影像采集，经模数转换后送到处理器，然后再由处理器输出并在显示屏上显示出来；现有的摄像头中的图像传感器又主要分CCD(Charged Coupled Device电荷耦合器件)和CMOS(Complementary Metal-Oxide Semiconductor，金属氧化物半导体元件)两种；CCD的解析度较高，而CMOS较为省电。本发明实施例中，对CCD与CMOS两种材质的摄像头并无限制。

需要说明的是，移动终端通过手势和/或体感和/或语音和/或应用来触发其获取摄像头的图像。

步骤102：对捕获图像的全部像素进行遍历，确定出图像中物象的轮廓；

在此步骤102中，图像已经在显示屏上显示出来，这时对捕获图像的全部像素进行遍历，并确定出图像中物象的轮廓；即，获取图像的全部像素，并预设一突变阈值，将相邻像素的RGB做差值运算，当相邻像素的RGB差值大于该突变阈值，则确定该相邻像素为物象轮廓的像素。可选地，可以将该物象以轮廓为边界从背景中分离出来。

步骤103：提取物象，并将物象与预先保存的物象类型进行匹配；

可选地，在提取物象之前，通过对物象进行多角度的采集，经过这样的修正才能得到更为精确的实体模型，特别对于多曲面物体这一步特别重要；当然对于表面组成较为简单的物象，也可以只采集一个角度的图像，例如对平面标示性的标识，这可以根据实际情况灵活决定；显然多角度的补充采集对于修正模型会起很大作用。

步骤103中，将物象与预先保存的物象类型进行匹配，具体为：

将不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，匹配度最高的物象即为待识别的物象，或，将不同角度的物象图像分别上传至服务器，以使服务器对物象图像进行分析，识别出物象的信息，并发送物象信息至移动终端。

二者的区别在于一个是本地保存，其优点是方便，快捷，但是存储类型较少，适用于对简单物体的识别，另一个是通过服务器进行匹配，优点是处理能力强，种类丰富，但是速率不能保证。本发明实施例对于此二种均可。

匹配具体的过程利用到了图像匹配技术。图像匹配技术是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标的方法。本发明实施例中，优先选择取向匹配技术中的特征匹配。特征匹配是指通过分别提取两个或多个图像的特征(点、线、面等特征)，对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。

此外，特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，通常使用的特征基元有点特征、边缘特征和区域特征。特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。

具体地，基于内容特征的匹配首先提取反映图像重要信息的特征，而后以这些特征为模型进行匹配。局部特征有点、边缘、线条和小的区域，全局特征包括多边形和称为结构的复杂的图像内容描述。特征提取的结果是一个含有特征的表和对图像的描述，每一个特征由一组属性表示，对属性的进一步描述包括边缘的定向和弧度，边与线的长度和曲率，区域的大小等。除了局部特征的属性外，还用这些局部特征之间的关系描述全局特征，这些关系可以是几何关系，例如两个相邻的三角形之间的边，或两个边之间的距离可以是辐射度量关系，例如灰度值差别，或两个相邻区域之间的灰度值方差或拓扑关系，例如一个特征受限于另一个特征。基于特征的匹配绝大多数都是指基于点、线和边缘的局部特征匹配，而具有全局特征的匹配实质上是我们上面提到的关系结构匹配方法。特征是图像内容最抽象的描述，与基于灰度的匹配方法比，特相对于几何图像和辐射影响来说更不易变化，但特征提取方法的计算代价通常较，并且需要一些自由参数和事先按照经验选取的闭值，因而不便于实时应用同时，在纹理较少的图像区域提取的特征的密度通常比较稀少，使局部特征的提取比较困难。另外，基于特征的匹配方法的相似性度量也比较复杂，往往要以特征属性、启发式方法及闭方法的结合来确定度量方法。基于图像特征的匹配方法可以克服利用图像灰度信息进行匹配的缺点，由于图像的特征点比象素点要少很多，因而可以大大减少匹配过程的计算量同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。由于具体的特征匹配过程较为现有，这里就不再一一阐述。

步骤104：根据匹配结果，识别物象。

图3-图7是本发明实施例的一个完整的示例过程。如图3至图7所示，移动终端是透明屏幕的移动终端；采用透明屏幕取景，可以保持取景的直观性，当然最终还是要通过焦距的调整，以达到显示的像与实际拍摄对象比例的协调；图3是该移动终端作一般应用时的状态；图4是移动终端捕获外部图像的状态；图5是物象(一辆自行车)与背景分离的状态；图6是识别、搜寻该物象信息的状态，如图，当用户点击“获取物象信息”，触发移动终端自动识别该物象信息；图7是获取物象信息的状态，如图，识别出这是一辆自行车。

获取摄像头的图像信号的步骤是通过手势和/或体感和/或语音和/或应用触发的；可以通过手势指定手机进入拍摄状态；也可以通过体感例如手机连续摇晃三次，来使手机进入拍摄状态；也可以通过语音来指定手机进入拍摄状态；也可以在打开某些应用程序(例如图形编辑程序等)时，使手机进入拍摄状态；也可以通过手势与体感、手势与语音、手势与应用程序、体感与语音、体感与应用程序、语音与应用程序或其他组合来使手机进入拍摄状态，这个凸显手机的使用个性，这些可以根据实际情况灵活而定。

物象轮廓是通过手势和/或语音和/或视线聚焦选择的；物象的轮廓一般是通过像素的突变来定，但有时会有误差，这时用手势、语音、视线聚焦等信号或它们的组合来修正物象的轮廓选择误差，比如，用手势指定轮廓向左移动或向上移动，这样物象从背景分离就更加可靠，识别就不会混乱。

如图3所示，本发明还提供一种移动终端，包括摄像头201，还包括：物象采集单元202、轮廓确定单元203、物象匹配单元204和物象识别单元205，其中，

物象采集单元202，用于获取摄像头201捕获的图像；

通过摄像头的光学镜头将影像采集，经模数转换后送到处理器，然后再由处理器输出并在显示屏上显示出来；现有的摄像头中的图像传感器又主要分CCD和CMOS两种；CCD的解析度较高，而CMOS较为省电。本发明实施例中，对两种材料均适用。

轮廓确定单元203，用于对捕获图像的全部像素进行遍历，确定出图像中物象的轮廓；

具体为：轮廓确定单元203获取图像的全部像素，并预设一突变阈值，将相邻像素的RGB做差值运算，当相邻像素的RGB差值大于该突变阈值，则确定该相邻像素为物象轮廓的像素。可选地，可以将该物象以轮廓为边界从背景中分离出来。

物象匹配单元204，用于提取物象，并将物象与预先保存的物象类型进行匹配；

可选地，在物象匹配单元204提取物象之前，移动终端可通过补充采集单元对物象进行多角度的采集，经过这样的修正才能得到更为精确的实体模型，特别对于多曲面物体这一步特别重要；当然对于表面组成较为简单的物象，也可以只采集一个角度的图像，例如对平面标示性的标识，这可以根据实际情况灵活决定；显然多角度的补充采集对于修正模型会起很大作用。

将物象与预先保存的物象类型进行匹配，具体为：

将不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，匹配度最高的物象即为待识别的物象，或，将不同角度的物象图像分别上传至服务器，以使服务器对物象图像进行分析，识别出物象的信息，并发送物象信息至移动终端。

本领域普通技术人员可以理解实现上述实施方式中的全部或部分步骤是可以通过程序来控制相关的硬件完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种物象识别的方法，其特征在于，包括以下步骤：

移动终端获取摄像头捕获的图像；

对所述捕获图像的全部像素进行遍历，确定出所述图像中物象的轮廓；

提取所述物象，并将所述物象与预先保存的物象类型进行匹配；

根据匹配结果，识别所述物象。

2.如权利要求1所述的物象识别的方法，其特征在于，所述对所述捕获图像的全部像素进行遍历，包括：

获取所述图像的全部像素，将相邻像素的RGB值进行差运算，获取相邻像素的差值；

将所述差值与预设值的突变阈值进行比较；

若所述差值大于所述突变阈值，则确定该相邻像素为物象轮廓的像素。

3.如权利要求1或2所述的物象识别的方法，其特征在于，所述提取所述物象之前，还包括：

对所述物象进行一个以上角度的图像补充采集，获取将不同角度的物象图像。

4.如权利要求3所述的物象识别的方法，其特征在于，所述将所述物象与预先保存的物象类型进行匹配，包括：

将所述不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，所述匹配度最高的物象即为所述待识别的物象。

5.如权利要求3所述的物象识别的方法，其特征在于，所述将所述物象与预先保存的物象类型进行匹配，包括：

将所述不同角度的物象图像分别上传至服务器，以使所述服务器对所述物象图像进行分析，识别出所述物象的信息，并发送所述物象信息至所述移动终端。

6.如权利要求1所述的物象识别的方法，其特征在于：所述移动终端通过手势和/或体感和/或语音和/或应用来触发其获取摄像头的图像。

7.一种物象识别的移动终端，其特征在于，包括：

物象采集单元，用于获取摄像头捕获的图像；

轮廓确定单元，用于对所述捕获图像的全部像素进行遍历，确定出所述图像中物象的轮廓；

物象匹配单元，用于提取所述物象，并将所述物象与预先保存的物象类型进行匹配；

物象识别单元，用于根据匹配结果，识别所述物象。

8.如权利要求7所述的移动终端，其特征在于，所述轮廓确定单元对所述捕获图像的全部像素进行遍历，包括：

获取所述图像的全部像素，将相邻像素的RGB值进行差运算，获取相邻像素的差值；

将所述差值与预设值的突变阈值进行比较；

若所述差值大于所述突变阈值，则确定该相邻像素为物象轮廓的像素。

9.如权利要求7或8所述的移动终端，其特征在于，所述移动终端还包括补充采集单元，用于对所述物象进行一个以上角度的图像补充采集，获取将不同角度的物象图像。

10.如权利要求9所述的移动终端，其特征在于，所述物象匹配单元将所述物象与预先保存的物象类型进行匹配，包括：

将所述不同角度的物象图像分别与本地保存的物象类型进行图像匹配，确定匹配度最高的物象，所述匹配度最高的物象即为所述待识别的物象，或，

将所述不同角度的物象图像分别上传至服务器，以使所述服务器对所述物象图像进行分析，识别出所述物象的信息，并发送所述物象信息至所述移动终端。