确定多光谱组合的方法及装置、物体识别方法及装置与流程

1.本发明涉及多光谱成像技术领域，尤其涉及一种确定多光谱组合的方法及装置、物体识别方法及装置。


背景技术：

2.多光谱成像是一种透过特定波长撷取出来的图像。可以通过设计过滤器分离波长，或者通过设定特定波长的仪器来获取，这些特定波长包括可见光、红外光或者紫外光。多光谱成像因其波长通道的广泛性，可以提取人眼无法通过肉眼观测到的现象。
3.目前，采用多光谱检测物体与类似物体(如肤色与类肤色、绿色植物与类绿色植物等)的方法多为观察法，即透过观察分光反射率比对物体与类似物体在分光反射率上对应波长的差异，找到两者分光反射率差异大的地方，进而做出在这些差异大的特定波长上能够检测或是分辨两者为不同物体的结论，或是利用多光谱影像，依据特定波长相互差分的方式求取所占的比例，依据比例图上不同范围的区域，将物体和类似物体区分出来。这两种方式虽然实现了在特定波长下对特定物体的区分，但是对于整体可见光波段以及其邻近波段(紫外光和红外光)上，缺乏一个整体性的评判，这样当外部环境如光源或者硬件模组发生改变时，容易出现无法区分或错判的情形。


技术实现要素：

4.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种确定多光谱组合的方法，通过该方法所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和类似物体的有效区分。
5.本发明的第二个目的在于提出一种确定多光谱组合的装置。
6.本发明的第三个目的在于提出一种物体识别方法。
7.本发明的第四个目的在于提出一种物体识别装置。
8.本发明的第五个目的在于提出一种电子设备。
9.本发明的第六个目的在于提出一种计算机可读存储介质。
10.为达到上述目的，本发明第一方面实施例提出了一种多光谱组合的获取方法，包括：根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长；根据特征波长，获取用于识别物体的多光谱组合。
11.根据本发明实施例的多光谱组合的获取方法，通过物体的分光反射率和光源的光谱分布，可以获取物体在光源下的特征波长；并根据特征波长获取用于识别物体的多光谱组合，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
12.根据本发明的一个实施例，分光反射率为物体在全波段或部分波段范围内的分光反射率。
13.根据本发明的一个实施例，根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长，包括：根据物体的分光反射率和光源的光谱分布，获取物体的分光反射强度；根据分光反射强度，获取物体在光源下的特征波长。
14.根据本发明的一个实施例，根据物体的分光反射率和光源的光谱分布，获取物体的分光反射强度，包括：对分光反射率和光谱分布进行卷积处理，获得分光反射强度。
15.根据本发明的一个实施例，根据分光反射强度，获取物体在光源下的特征波长，包括：对分光反射强度进行非负矩阵分解，获得分光反射强度的多个基底函数；获取每个基底函数的能量最大值和能量最大值对应的波长；分别获取每个基底函数的能量最大值与所有基底函数中的能量最大值的比值；根据比值，从能量最大值对应的波长中获取特征波长。
16.根据本发明的一个实施例，根据比值，从能量最大值对应的波长中获取特征波长，包括：对比值从大到小进行排序，获取排序在前的第一个数的比值对应的波长得到特征波长；或者，获取比值大于等于第一比值对应的波长得到特征波长。
17.根据本发明的一个实施例，根据分光反射强度，获取物体在光源下的特征波长，还包括：获取每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长，并将该波长作为特征波长。
18.根据本发明的一个实施例根据特征波长，获取用于识别物体的多光谱组合，包括：对每个特征波长进行曲线拟合，获得每个特征波长对应的谱段；根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长；将颜色差异达到最大的波长进行组合，以获得多光谱组合。
19.根据本发明的一个实施例，对每个特征波长进行曲线拟合，获得每个特征波长对应的谱段，包括：对每个特征波长进行正态分布曲线拟合或者方波曲线拟合，获得每个特征波长对应的谱段。
20.根据本发明的一个实施例，根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长，包括：根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，利用递归法、穷举法和暴力破解法中的一种，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长。
21.为达到上述目的，本发明第二方面实施例提出了一种确定多光谱组合的装置，包括：波长计算单元，用于根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长；多光谱计算单元，用于根据特征波长获取用于识别物体的多光谱组合。
22.根据本发明实施例的确定多光谱组合的装置，通过上述的确定多光谱组合的方法所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
23.为达到上述目的，本发明第三方面实施例提出了一种物体识别方法，包括：获取目标物体对应的多光谱组合，多光谱组合是基于目标物体在预设光谱分布下的特征波长得到的；根据多光谱组合识别目标物体。
24.根据本发明实施例的物体识别方法，通过上述的确定多光谱组合的方法所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下目标物体和对照物体的有效区分。
25.根据本发明的一个实施例，特征波长是基于对物体在预设光谱分布下的分光反射强度进行非负矩阵分解获得的多个基底函数中每个基底函数的能量以及能量对应的波长得到的，特征波长包括单个基底函数的能量最大值与所有基底函数中能量最大值的比值大于等于第一比值对应的波长、对比值按照从大到小排序且排序在前的第一个数的比值对应的波长、以及每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长。
26.根据本发明的一个实施例，分光反射强度是基于目标物体的分光反射率和预设光谱分布得到的。
27.根据本发明的一个实施例，多光谱组合是基于目标物体的分光反射率、对照物体的分光反射率以及预设光源分布，从对特征波长进行曲线拟合获得的相应的谱段上获得的使得目标物体与对照物体之间的颜色差异达到最大的波长得到的。
28.为达到上述目的，本发明第四方面实施例提出了一种物体识别装置，包括：获取单元，用于获取目标物体对应的多光谱组合；识别单元，用于根据多光谱组合识别目标物体，其中，多光谱组合是基于目标物体在预设光谱分布下的特征波长得到的。
29.根据本发明实施例的物体识别装置，通过上述的确定多光谱组合的方法所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下目标物体和对照物体的有效区分。
30.为达到上述目的，本发明第五方面实施例提出了一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一实施例中的确定多光谱组合的方法的步骤，或者，实现如第三实施例中的物体识别方法的步骤。
31.根据本发明实施例的电子设备，通过上述的确定多光谱组合的方法或者物体识别方法，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
32.为达到上述目的，本发明第六方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一实施例中的确定多光谱组合的方法的步骤，或者，实现如第三实施例中的物体识别方法的步骤。
33.根据本发明实施例的计算机可读存储介质，通过上述的确定多光谱组合的方法或者物体识别方法，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
34.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
35.图1为根据本发明一个实施例的确定多光谱组合的方法的流程图；
36.图2为根据本发明一个实施例的获取物体在光源下特征波长的流程图；
37.图3为根据本发明一个实施例的根据分光反射强度获取物体在光源下的特征波长的流程图；
38.图4为根据本发明一个实施例的肤色分光反射率在各种光源下所表征的基底函数；
39.图5为根据本发明一个实施例获取用于识别物体的多光谱组合的示意图；
40.图6为根据本发明一个实施例的最能区分肤色和类肤色的多光谱组合；
41.图7为根据本发明一个实施例的确定多光谱组合的装置的结构示意图；
42.图8为根据本发明一个实施例的物体识别方法的流程图；
43.图9为根据本发明一个实施例的物体识别装置的结构示意图。
具体实施方式
44.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
45.需要说明的是，通常透过各种媒介所感知的颜色c可以采用下述公式(1)进行表示：
46.c＝∑r(λ)
×
s(λ)
×mn
(λ)
ꢀꢀꢀ
(1)
47.其中，r为物体的分光反射率，s为光源的光谱分布，m为某个媒介的光谱响应曲线，λ为对应的波长，这里的媒介可以为人眼、相机、或者多光谱等拥有自己根据某个波长产生响应频谱的器件，n为光谱响应曲线的个数，依照器件的种类有所不同，例如人眼的光谱响应曲线的个数为3个(红、绿、蓝)，相机的光谱响应曲线的个数依传感器特性可为3-4个，多光谱的光谱响应曲线的个数可为6-10个，依需求可以更多。
48.目前采用多光谱检测物体与类似物体的方法多为观察法，具体是利用观察法在分光反射率下进行分析，而一般所谓感知的颜色则是根据上述公式(1)计算获得，其与光源以及光谱响应曲线的特性和个数有关，容易出现同一个颜色在不同的光源下产生不同的感知结果或是同色异谱(同色异谱是指在给定的光源下，两种不同的光谱反射对于给定的观察者来说是不可区分的，也就是一样的)的情况发生。因此传统的观察法无法因应一些突如其来的变化，如光源的改变或是硬件模组(如相机传感器、多光谱等器件)的变迁，从而产生无法区分或是错判的情形。基于此，本技术提供了一种确定多光谱组合的方法所确定多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。下面结合附图来进行详细说明。
49.图1为根据本发明一个实施例的确定多光谱组合的方法的流程图。如图1所示，该确定多光谱组合的方法包括以下步骤：
50.步骤s101，根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长。
51.具体的，在获取物体的分光反射率和光源的光谱分布后，可以根据一定的算法获取物体在光源下的特征波长。
52.在一些实施例中，分光反射率为物体在全波段或部分波段范围内的分光反射率。也就是说，可以根据需求获取物体在全波段或者部分波段范围内的分光反射率，其中全波段包括紫外光(波长小于380nm)、可见光(波长380nm-780nm)以及红外光(波长大于780nm)。在具体实施时，可通过量测法和/或从分光反射率资料库中获取物体在全波段或部分波段范围内的分光反射率，如获取物体在紫外光、可见光、红外光或者三者之间的相互组合下的分光反射率。
53.需要说明的是，光源包括室外光源以及室内光源，光源的光谱分布可以预先存储在设备中，在此之前，需要对光源的光谱分布进行资料搜集，以使获得的多光谱组合能够因应于不同的光源。举例来说，当物体和类似物体仅处于室外场景时，光源为室外光源，此时获取室外光源的光谱分布；当物体和类似物体仅处于室内场景时，光源为室内光源，此时获取室内光源的光谱分布；当物体和类似物体处于室外场景和室内场景时，光源为室外光源和室内光源，此时获取室外光源和室内光源的光谱分布集合。
54.对于室外光源，由于室外光源主要为昼光，因此其光谱分布可通过实际昼光光谱的主成分以及每个主成分所对应的权重计算获得，具体可通过下述公式(2)计算获得：
55.s(λ)＝s0(λ)+m1s1(λ)+m2s2(λ)
ꢀꢀꢀ
(2)
56.其中，s为室外光源的光谱分布，s0、s1和s2分别为实际昼光光谱的主成分，具体可以是利用主成分分析法(principal component analysis，pca)对实际昼光光谱分析所得的前三个特征值，λ为对应的波长，m1和m2可视为主成分s1和s2的权重，也可视为对应波长的权重，具体可以是通过普朗克曲线所对应在cie(x,y)色度图上的x和y坐标推导获得。
57.对于室内光源，可以是在灯箱或者商场、办公室等经常使用的室内场景中，通过量测法量测获得其光谱分布，具体可通过分光辐射计或者照度计量测获得。
58.步骤s102，根据特征波长，获取用于识别物体的多光谱组合。
59.需要说明的是，特征波长为最能有效区分各种光源条件下物体和对照物体的特定波长，其最常见的获取方式为根据光源光谱分布中各基底函数能量最大值对应的波长而进行挑选，将挑选的所有最能有效区分物体和对照物体的特征波长按照一定的方式进行曲线拟合(正态分布曲线拟合或者方波曲线拟合)，从而获得用于识别物体的多光谱组合。
60.根据本发明实施例的多光谱组合的获取方法，通过物体的分光反射率和光源的光谱分布，可以获取物体在光源下的特征波长；并根据特征波长获取用于识别物体的多光谱组合，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
61.如前所述，可以根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长。在一些实施例中，如图2所示，根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长，包括：
62.步骤s201，根据物体的分光反射率和光源的光谱分布，获取物体的分光反射强度。
63.在一些实施例中，根据物体的分光反射率和光源的光谱分布，获取物体的分光反射强度，包括：对分光反射率和光谱分布进行卷积处理，获得分光反射强度。
64.具体地，在获得物体的分光反射率和光源的光谱分布后，可将分光反射率与光谱分布做卷积，所得到的数值称为物体的分光反射强度i，具体如下述公式(3)所示：
65.i＝∑r(λ)
×
s(λ)
ꢀꢀꢀ
(3)
66.其中，r为物体的分光反射率，s为光源的光谱分布，λ为对应的波长。
67.步骤s202，根据分光反射强度，获取物体在光源下的特征波长。
68.具体地，在获得上述包物体的分光反射强度后，可利用一定的算法来计算该物体在光源下的特征波长。
69.在一些实施例中，如图3所示，根据分光反射强度，获取物体在光源下的特征波长，包括：
70.步骤s301，对分光反射强度进行非负矩阵分解，获得分光反射强度的多个基底函数。
71.具体地，在获得分光反射强度后，可以运用nmf(non-negative matrix factorization)法来获取物体在各种光源下的特征波长。nmf法又称为非负矩阵分解，是一种在矩阵中所有元素均为非负数约束条件下的矩阵分解方法，其基本思想为给定一个非负矩阵v，nmf能够找到一个非负矩阵w和一个非负矩阵h，使得矩阵w和h的乘积近似等于矩阵v中的值，其中，w也可称为基础图像矩阵，相当于从原矩阵v中抽取出来的特征，h可称为系数矩阵或权重矩阵。
72.进一步地，根据nmf法将分光反射强度i按照下式(4)进行非负矩阵分解：
[0073][0074]
其中，i为物体的分光反射强度，w为组成分光反射强度i的基底函数，h为对应基底函数的权重，基底函数w的个数可以依照需求自行定义，通过定义的基底函数w的个数以及权重h的组合，可以准确的再现各种情况下的分光反射强度i。举例来说，图4为肤色的分光反射率在各种光源下所表征的基底函数，每个曲线表示一个基底函数，其横坐标表示波长，纵坐标表示能量，图4中基底函数1为肤色的分光反射率在第一种光源下所表征的基底函数，基底函数2为肤色的分光反射率在第二种光源下所表征的基底函数，因此，肤色的分光反射率可以通过各种光源下的基底函数所表征。
[0075]
需要说明的是，也可以采用主成分分析法等替代nmf法，但是nmf法相较于主成分分析法，所获得的基底函数均为正向，从而省去了需要从解释变异计算占比的步骤。
[0076]
步骤s302，获取每个基底函数的能量最大值和能量最大值对应的波长。
[0077]
具体地，在获得基底函数后，分别获取每个基底函数的能量最大值、以及能量最大值对应的波长。举例来说，如图4所示，每个曲线表示一个基底函数，其横坐标表示波长，纵坐标表示能量，从图中可以明显的看出每个基底函数的能量最大值(在具体实施时，可自动计算获得能量最大值)，例如基底函数1的能量最大值为41.2，对应波长为610，基底函数2的能量最大值43.5，对应波长为770。
[0078]
步骤s303，分别获取每个基底函数的能量最大值与所有基底函数中的能量最大值的比值。
[0079]
具体地，在获得每个基底函数的能量最大值后，可对这些能量最大值进行比较判断，以确定这些能量最大值的最大值，并将其作为所有基底函数中的能量最大值，而后，计算每个基底函数的能量最大值与所有基底函数中的能量最大值的比值，具体可以通过下述公式(5)进行表达：
[0080][0081]
其中，e为某个基底函数的能量最大值，n为其能量最大值对应的波长，p为其能量最大值对应的波长的重要程度，max(e)为所有基底函数中的能量最大值。举例来说，参考图4所示，所有基底函数中的能量最大值max(e)为基底函数2的能量最大值，即43.5，那么将基底函数2的能量最大值对应值作为分母，并将基底函数1的能量最大值与基底函数2的能量最大值进行比值，以此类推，可以计算出每个基底函数的能量最大值与基底函数2的能量最
大值的比值。
[0082]
步骤s304，根据比值，从能量最大值对应的波长中获取特征波长。
[0083]
在一些实施例中，根据比值，从能量最大值对应的波长中获取特征波长，包括：对比值从大到小进行排序，获取排序在前的第一个数的比值对应的波长得到特征波长；或者，获取比值大于等于第一比值对应的波长得到特征波长。也就是说，在获得每个基底函数的能量最大值与所有基底函数中的能量最大值的比值后，作为一种示例，可对获得的比值进行排序，然后将排序在前的第一个数(如5个)的波长作为物体在各个光源下的特征波长；作为另一种示例，可将获得的波长的比值与第一比值(如60％)进行比较，然后将大于等于第一比值的波长作为物体在各个光源下的特征波长。
[0084]
需要说明的是，在一些实施例中，根据分光反射强度，获取物体在光源下的特征波长，还包括：获取每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长，并将该波长作为特征波长。也就是说，如果基底函数中有能量分布呈现不连续且该能量与其它基底函数中对应位置处的能量相差过大，代表此物体的分光反射率在该波长有独特性，也将其记录下来并将该波长作为物体在光源下的特征波长。
[0085]
如前所述，可以根据特征波长，获取用于识别物体的多光谱组合。具体地，在获得物体在各种光源下的特征波长后，可对这些特征波长进行多光谱评估，根据评估结果获得最终的用于识别物体的多光谱组合。
[0086]
在一些实施例中，如图4所示，根据特征波长，获取用于识别物体的多光谱组合，包括：
[0087]
步骤s401，对每个特征波长进行曲线拟合，获得每个特征波长对应的谱段。
[0088]
在一些实施例中，对每个特征波长进行曲线拟合，获得每个特征波长对应的谱段，包括：对每个特征波长进行正态分布曲线拟合或者方波曲线拟合，获得每个特征波长对应的谱段。也就是说，将所有的多光谱的谱段均视为理想的高斯分布或者方波分布，其中，将所有的多光谱的谱段均视为理想的高斯分布时，对应的拟合公式如公式(6)所示：
[0089][0090]
其中，μ为特征波长，σ为对应多光谱谱段的半波宽，x为波长的随机变量。
[0091]
步骤s402，根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长。
[0092]
在一些实施例中，根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长，包括：根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，利用递归法、穷举法和暴力破解法中的一种，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长。
[0093]
具体地，在获得每个特征波长对应的谱段后，基于这些谱段进行物体与对照物体的区分，举例来说，可以使用递归方法，通过物体和对照物体的分光反射率以及上述公式(1)，在已知的谱段(即波长分布)上，推估出能够区分物体和对照物体的最有效的多光谱组合，整体表达式如下述公式(7)所示：
[0094][0095]
其中，r为物体的分光反射率，r'为对照物体的分光反射率，s为光源的光谱分布，μ为特征波长，σ为对应多光谱谱段的半波宽，m为波长的微调项，k为半波宽的微调项。通过该公式可以整体找寻出物体和对照物体存在颜色差异最大的波长部分。
[0096]
需要说明的是，对于利用其它方法如穷举法、暴力破解法等，在谱段上获取使得物体与对照物体颜色差异达到最大的波长的方案这里就不再一一展开说明。
[0097]
步骤s403，将颜色差异达到最大的波长进行组合，以获得多光谱组合。
[0098]
也就是说，将最能有效区分物体和对照物体的波长进行组合，从而形成多光谱组合。具体来说，通过上述公式(7)进行递归计算后，可获得每个特征波长的微调项m，以及相应多光谱谱段的半波宽的微调项k，然后基于微调项m可确定出最终的多光谱组合的波长，具体为特征波长μ减去微调项m，同时基于微调项k可确定出最终的多光谱谱段的半波宽，具体为半波宽σ加上微调项k，最终可形成图6所示的多光谱组合。图6为所获得的多光谱组合中各个特征波长经正态分布拟合后得到的正态分布曲线，其中最终确定的特征波长μ为减去微调项m的特征波长，半波宽σ为加上微调项k的半波宽。
[0099]
为使本领域技术人员能够更清楚的了解本技术，下面结合一个具体示例来进行说明。
[0100]
假设需要对室内外的肤色和类肤色进行识别，那么可以对肤色和类肤色的分光反射率以及光源的光谱分布进行卷积处理，得到包含室内外肤色和类肤色的分光反射强度。接着，对分光反射强度进行非负矩阵分解，得到分光反射强度的基底函数，如图4所示，并获取每个基底函数的能量最大值，以及能量最大值对应的波长，在获得每个基底函数的能量最大值后，可对这些能量最大值进行比较判断，以确定这些能量最大值的最大值，并将其作为所有基底函数中的能量最大值，而后，计算每个基底函数的能量最大值与所有基底函数中的能量最大值的比值，在获得每个基底函数的能量最大值与所有基底函数中的能量最大值的比值后，可对获得的比值进行排序，根据比值排序从能量最大值对应的波长中选择肤色和类肤色在各种光源下的特征波长。接着，针对每个特征波长，确定相应的半波宽，并利用递归法确定出每个特征波长的微调项以及相应半波宽的微调项，最后基于每个特征波长的微调项确定最终的波长，并基于半波宽的微调项确定最终的半波宽，根据最终的波长和半波宽即可确定最终的多光谱组合，如图6所示。通过该多光谱组合，可以有效区分出肤色和类肤色。
[0101]
综上所述，根据本发明实施例的多光谱组合的获取方法，通过物体的分光反射率和光源的光谱分布，可以获取物体在光源下的特征波长；并根据特征波长获取用于识别物体的多光谱组合，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
[0102]
图7为根据本发明一个实施例的确定多光谱组合的装置的结构示意图。如图7所示，该多光谱组合的获取装置100包括：波长计算单元110和多光谱计算单元120，其中，波长
计算单元110具体用于根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长；多光谱计算单元120用于根据特征波长获取用于识别物体的多光谱组合。
[0103]
在一些实施例中，分光反射率为物体在全波段或部分波段范围内的分光反射率。
[0104]
在一些实施例中，波长计算单元110具体用于：根据物体的分光反射率和光源的光谱分布，获取物体的分光反射强度；根据分光反射强度，获取物体在光源下的特征波长。
[0105]
在一些实施例中，波长计算单元110具体用于：对分光反射率和光谱分布进行卷积处理，获得分光反射强度。
[0106]
在一些实施例中，波长计算单元110具体用于：对分光反射强度进行非负矩阵分解，获得分光反射强度的多个基底函数；获取每个基底函数的能量最大值和能量最大值对应的波长；分别获取每个基底函数的能量最大值与所有基底函数中的能量最大值的比值；根据比值，从能量最大值对应的波长中获取特征波长。
[0107]
在一些实施例中，波长计算单元110具体用于：对比值从大到小进行排序，获取排序在前的第一个数的比值对应的波长得到特征波长；或者，获取比值大于等于第一比值对应的波长得到特征波长。
[0108]
在一些实施例中，波长计算单元110具体用于：获取每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长，并将该波长作为特征波长。
[0109]
在一些实施例中，多光谱计算单元120具体用于：对每个特征波长进行曲线拟合，获得每个特征波长对应的谱段；根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长；将颜色差异达到最大的波长进行组合，以获得多光谱组合。
[0110]
在一些实施例中，多光谱计算单元120具体用于：对每个特征波长进行正态分布曲线拟合或者方波曲线拟合，获得每个特征波长对应的谱段。
[0111]
在一些实施例中，多光谱计算单元120具体用于：根据物体的分光反射率、对照物体的分光反射率以及光源的光谱分布，利用递归法、穷举法和暴力破解法中的一种，从谱段上获取使得物体与对照物体之间的颜色差异达到最大的波长。
[0112]
需要说明的是，本技术中关于确定多光谱组合的装置的描述，请参考本技术中关于确定多光谱组合的方法的描述，具体这里不再赘述。
[0113]
根据本发明实施例的确定多光谱组合的装置，通过波长计算单元根据物体的分光反射率和光源的光谱分布，获取物体在光源下的特征波长；以及通过多光谱计算单元根据特征波长获取用于识别物体的多光谱组合，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
[0114]
图8为根据本发明一个实施例的物体识别方法的流程图。如图8所示，该物体识别方法包括以下步骤：
[0115]
步骤s501，获取目标物体对应的多光谱组合，多光谱组合是基于目标物体在预设光谱分布下的特征波长得到的。
[0116]
在一些实施例中，特征波长是基于对物体在预设光谱分布下的分光反射强度进行非负矩阵分解获得的多个基底函数中每个基底函数的能量以及能量对应的波长得到的，特征波长包括单个基底函数的能量最大值与所有基底函数中能量最大值的比值大于等于第
一比值对应的波长、对比值按照从大到小排序且排序在前的第一个数的比值对应的波长、以及每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长。
[0117]
具体地，在获取物体在预设光谱分布下的分光反射强度后，可以运用nmf法来获取获得的多个基底函数中每个基底函数，在获得基底函数后，分别获取每个基底函数的能量最大值、以及能量最大值对应的波长，在获得每个基底函数的能量最大值后，可对这些能量最大值进行比较判断，以确定这些能量最大值的最大值，并将其作为所有基底函数中的能量最大值，而后，计算每个基底函数的能量最大值与所有基底函数中的能量最大值的比值，在获得每个基底函数的能量最大值与所有基底函数中的能量最大值的比值后，作为一种示例，可对获得的比值进行排序，然后将排序在前的第一个数(如5个)的波长作为物体在各个光源下的特征波长；作为另一种示例，可将获得的波长的比值与第一比值(如60％)进行比较，然后将大于等于第一比值的波长作为物体在各个光源下的特征波长；作为又一种示例，如果基底函数中有能量分布呈现不连续且该能量与其它基底函数中对应位置处的能量相差过大，代表此物体的分光反射率在该波长有独特性，也将其记录下来并将该波长作为物体在光源下的特征波长。
[0118]
需要说明的是，分光反射强度是基于目标物体的分光反射率和预设光谱分布得到的。也就是说，通过对目标物体的分光反射率以及预设光谱分布的卷积处理，可以获得目标物体在预设光谱分布下的分光反射强度，获得公式如上述公式(3)所示，此处不再赘述。
[0119]
进一步地，多光谱组合是基于目标物体的分光反射率、对照物体的分光反射率以及预设光源分布，从对特征波长进行曲线拟合获得的相应的谱段上获得的使得目标物体与对照物体之间的颜色差异达到最大的波长得到的。
[0120]
具体地，对每个特征波长进行正态分布曲线拟合或者方波曲线拟合，获得每个特征波长对应的谱段，在获得每个特征波长对应的谱段后，基于这些谱段进行目标物体与对照物体的区分，可以使用递归方法，通过上述公式(7)整体找寻出目标物体与对照物体之间的颜色差异达到最大的波长部分，将最能有效区分目标物体与对照物体的波长进行组合，从而形成多光谱组合。
[0121]
步骤s502，根据多光谱组合识别目标物体。
[0122]
具体地，当需要进行目标物体识别时，用户输入需要目标物体的分光反射率，此时多光谱传感器获取在预设光谱分布下相应的多光谱组合，随后对目标物体进行识别。
[0123]
根据本发明实施例的物体识别方法，根据上述的确定多光谱组合的方法获取目标物体对应的多光谱组合，并根据多光谱组合识别目标物体，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下目标物体和对照物体的有效区分。
[0124]
图9为根据本发明一个实施例的物体识别装置的结构示意图。如图9所示，该物体识别装置200包括：获取单元210和识别单元220，其中，获取单元210用于获取目标物体对应的多光谱组合；识别单元220用于根据多光谱组合识别目标物体，其中，多光谱组合是基于目标物体在预设光谱分布下的特征波长得到的。
[0125]
在一些实施例中，特征波长是基于对物体在预设光谱分布下的分光反射强度进行非负矩阵分解获得的多个基底函数中每个基底函数的能量以及能量对应的波长得到的，特征波长包括单个基底函数的能量最大值与所有基底函数中能量最大值的比值大于等于第
一比值对应的波长、对比值按照从大到小排序且排序在前的第一个数的比值对应的波长、以及每个基底函数中能量不连续且该能量与其它基底函数中对应的能量相差超过第一阈值的能量对应的波长。
[0126]
在一些实施例中，分光反射强度是基于目标物体的分光反射率和预设光谱分布得到的。
[0127]
在一些实施例中，多光谱组合是基于目标物体的分光反射率、对照物体的分光反射率以及预设光源分布，从对特征波长进行曲线拟合获得的相应的谱段上获得的使得目标物体与对照物体之间的颜色差异达到最大的波长得到的。
[0128]
需要说明的是，本技术中关于物体识别装置的描述，请参考本技术中关于物体识别方法的描述，具体这里不再赘述。
[0129]
根据本发明实施例的物体识别装置，通过控制单元获取目标物体对应的多光谱组合，并根据多光谱组合识别目标物体，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下目标物体和对照物体的有效区分。
[0130]
本发明的实施例还提供一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述的确定多光谱组合的方法的步骤，或者，实现如上述的物体识别方法的步骤。
[0131]
根据本发明实施例的电子设备，通过上述的确定多光谱组合的方法或者物体识别方法，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
[0132]
本发明的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的确定多光谱组合的方法的步骤，或者，实现如上述的物体识别方法的步骤。
[0133]
根据本发明实施例的计算机可读存储介质，通过上述的确定多光谱组合的方法或者物体识别方法，所确定的多光谱组合，能够因应外部环境如光源或者硬件模组的改变，实现不同外部环境下物体和对照物体的有效区分。
[0134]
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0135]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述
实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0136]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0137]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0138]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0139]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。