一种控制列表界面的方法及装置制造方法
【专利摘要】本发明适用于仪表定位领域，提供了一种仪表定位方法及装置，所述方法包括下述步骤：收集仪表的梯度方向直方图特征；通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练，获取识别仪表的模型；基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精确定位。本发明通过梯度方向直方图特征获取仪表特征点，继而根据仪表的特征获取仪表的识别模型，之后通过梯度方向直方图特征对仪表进行初步定位，再通过对特征点进行匹配精确定位出仪表。
【专利说明】一种控制列表界面的方法及装置
【技术领域】
[0001] 本发明属于仪表定位领域，尤其涉及一种仪表定位方法及装置。
【背景技术】
[0002] 梯度方向直方图HOG (Histogram of Oriented Gradient)特征是一种在计算机 视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯 度方向直方图来构成特征，主要用于提取人体的外形信息和运动信息，形成丰富的特征集。 HOG特征描述器最重要的思想是：在一副图像中，局部目标的表象和形状能够被梯度或者 边缘的方向密度分布很好地描述。HOG特征可以用于图像中的行人检测、常见动物检测、汽 车、公交车、自行车、摩托车等常见车辆检测，HOG用于行人检测时，只要行人大体上能够保 持直立的姿势，就容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响 检测效果，由于HOG特征描述器的这些特征使得HOG无法直接用于对较小的仪表进行精确 的识别。
【发明内容】
[0003] 本发明实施例的目的在于提供一种仪表定位方法及装置，旨在提供一种仪表定位 方法，通过梯度方向直方图特征获取仪表特征点，继而根据仪表的特征获取仪表的识别模 型，之后通过梯度方向直方图特征对仪表进行初步定位，再通过对特征点进行匹配精确定 位出仪表。
[0004] 本发明实施例是这样实现的，一种仪表定位方法，所述方法包括下述步骤：
[0005] 收集仪表的梯度方向直方图特征；通过线性支持向量机对收集到的仪表梯度方向 直方图特征进行训练，获取识别仪表的模型；
[0006] 基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精确定 位。
[0007] 进一步的，所述收集仪表的梯度方向直方图特征的步骤包括：
[0008] 收集仪表正负样本图像；
[0009] 对图像进行归一化处理，计算图像梯度，获取仪表的梯度方向直方图特征。
[0010] 进一步的，所述通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训 练，获取识别仪表的模型的步骤包括：
[0011] 通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练；
[0012] 根据训练结果获取识别仪表的模型。
[0013] 进一步的，所述基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对 仪表进行精确定位的步骤包括：
[0014] 基于识别仪表的模型对仪表进行初步定位；
[0015] 根据初步定位构建图像的尺度空间，精确定位特征点；
[0016] 根据特征点对构建的图像尺度空间进行识别匹配，精确定位出仪表。
[0017] 本发明实施例的另一目的在于提供一种仪表定位装置，所述装置包括：
[0018] 特征获取定位单元，用于收集仪表的梯度方向直方图特征；
[0019] 训练单元，用于通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训 练，获取识别仪表的模型；
[0020] 定位单元，用于基识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪 表进行精确定位。
[0021] 进一步的，所述特征获取单元包括：
[0022] 样本收集单元，用于收集仪表正负样本图像；
[0023] 特征获取单元，用于对图像进行归一化处理，计算图像梯度，获取仪表的梯度方向 直方图特征。
[0024] 进一步的,所述训练单元包括：
[0025] 模型建立单元，用于通过线性支持向量机对收集到的仪表梯度方向直方图特征的 正负样本进行训练，
[0026] 模型获取单元，用于根据训练结果获取识别仪表的模型。
[0027] 进一步的，所述定位单元包括：
[0028] 初步定位单元，用于基于识别仪表的模型对仪表进行初步定位；
[0029] 尺度空间构建单元，用于根据初步定位构建图像的尺度空间，精确定位特征点；
[0030] 精确定位单元，用于根据特征点对构建的图像尺度空间进行识别匹配，精确定位 出仪表。
[0031] 本发明实施例通过一种仪表定位方法及装置，收集仪表的梯度方向直方图特征； 通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练，获取识别仪表的模 型；基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精确定位，使 得可以实现对较小的仪表进行精确的定位，同时通过这种方式对仪表进行精确定位客服了 现有复杂场景中的仪表检测技术的不足，并且这种仪表定位方式能够适应复杂场景中不同 类型的仪表，同时通过梯度方向直方图特征进行初步定位以及特征点进行精确定位在计算 时能够提高计算速度，很好地平衡检测精度与检测速度。
【专利附图】
【附图说明】
[0032] 图1是本发明第一实施例提供的一种仪表定位方法的实现流程图；
[0033] 图2是本发明第二实施例提供的一种仪表定位方法的实现流程图；
[0034] 图3是本发明第二实施例提供的一种仪表定位方法的定位特征点主方向的示意 图；
[0035] 图4是本发明第二实施例提供的一种仪表定位方法的像素梯度幅值与梯度方向 示意图；
[0036] 图5是本发明第三实施例提供的一种仪表定位装置的结构图；以及
[0037] 图6是本发明第四实施例提供的一种仪表定位装置的结构图。
【具体实施方式】
[0038] 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例，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例仅仅用以解释本发明，并 不用于限定本发明。
[0039] 以下结合具体实施例对本发明的具体实现进行详细描述：
[0040] 实施例一:
[0041] 图1示出了本发明第一实施例提供的一种仪表定位方法的实现流程，详述如下：
[0042] S101，收集仪表的梯度方向直方图特征。
[0043] 根据获取到的正负样本图像，从图像中收集仪表的梯度方向直方图HOG特征，HOG 特征是在一副图像中，局部目标的表象和形状能够被梯度或者边缘的方向密度分布很好地 描述。与其他特征描述方法相比，HOG描述器有很多优点。首先，由于HOG计算是在图像的 局部胞元（cell)上操作，所以它对图像几何和光学的形变都能够保持很好的不变性，几何 和光学的形变只会出现在更大的空间领域上；实验证明，在粗的空域抽样、精细的方向抽样 以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，就容许行人 有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果。
[0044] S102,通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练，获取 识别仪表的模型。
[0045] 通过线性支持向量SVM对收集到的仪表梯度方向直方图特征进行训练，根据收集 到的仪表梯度方向直方图特征不断进行训练，使得重复训练后的识别仪表的模型能够快速 的对样本进行识别，并降低误报的概率，通过不断的重复训练提升识别仪表模型的效率和 正确率。
[0046] S103,基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行 精确定位。
[0047] 首先通过识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精 确定位，从图像中找出仪表的特征点并精确定位出仪表的位置，以实现可以清晰的读取仪 表的数据。使得可以在监控视频中从复杂的场景中检测出仪表，并通过监控视频的图像读 出仪表的数据。
[0048] 本发明实施例通过上述方式，一种仪表定位方法，通过收集仪表的梯度方向直方 图特征；通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练，获取识别仪 表的模型；基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精确 定位，客服了现有复杂场景中的仪表检测技术的不足，能够识别复杂场景中不同类型的仪 表，同时通过梯度方向直方图特征在计算时能够提高计算速度，很好地平衡检测精度与检 测速度，实现对仪表的快速定位。
[0049] 实施例二:
[0050] 图2示出了本发明第二实施例提供的一种控制列表界面的方法的实现流程，详述 如下：
[0051] S201，收集仪表正负样本图像。
[0052] 首先收集仪表的正负样本，正样本为含有仪表的图像，负样本为干扰图像，根据具 体识别仪表的场景的不同可以在样本中添加不同的正负样本，正负样本的数量和样本图像 的复杂度将直接决定所能获取得到的仪表的特征，同时正负样本的数量和背景的复杂程度 也对最终识别的模型有较大的影响，好的样本能够在算法不变的情况下，达到较好的泛化 效果。根据实际实验结果，正样本的选取中，尽量选择单一背景或者与检测场景无关的简单 背景，这样能够准确反应目标的外形。负样本的选取，除了选择和目标无关的样本外，还可 以适当添加一些检测场景中可能出现的背景。背景过于复杂的正样本，因为过于复杂的背 景，会降低SVM的泛化能力，达到同样的效果，需要更多次数的困难样本重复训练。
[0053] S202,对图像进行归一化处理，计算图像梯度，获取仪表的梯度方向直方图特征。
[0054] 首先为了减少光照因素的影响，首先需要将用于识别仪表的整个图像进行归一化 处理。在图像的纹理强度中，局部的表层曝光贡献的比重比较大，所以，这种压缩处理能够 有效地降低图像局部阴影和光照的变化；另外因为颜色信息的作用不大，通常在计算HOG 特征时，将图像转化成灰度图。
[0055] 归一化公式如下：
[0056] I (x, y) =I (x, y)gamma
[0057] 其中gamma通常取0· 5。
[0058] 计算图像梯度，计算图像水平方向和垂直方向的梯度，并据此计算每个像素为主 的梯度方向值；求导操作不仅能够捕获轮廓、人影和一些纹理信息，还能够进一步弱化光照 的影响。
[0059] 图像中像素点（x，y)的梯度为：
[0060] Gx(x，y)=H(x+l，y)-H(x_l，y)
[0061] Gy (x, y) =H (x, y+l)-H(x, y-1)
[0062] 上式中Gx(x, y), Gy(x, y), H(x, y)分别表示图像中点（x, y)处的水平方向和垂直方 向的梯度以及像素值，像素点（x，y)处的梯度幅值和梯度方向分别为：
【权利要求】
1. 一种仪表定位方法，其特征在于，所述方法包括下述步骤： 收集仪表的梯度方向直方图特征； 通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练，获取识别仪表的 模型； 基于识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进行精确定位。
2. 如权利要求1所述的方法，其特征在于，所述收集仪表的梯度方向直方图特征的步 骤包括： 收集仪表正负样本图像； 对图像进行归一化处理，计算图像梯度，获取仪表的梯度方向直方图特征。
3. 如权利要求1所述的方法，其特征在于，所述通过线性支持向量机对收集到的仪表 梯度方向直方图特征进行训练，获取识别仪表的模型的步骤包括： 通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练； 根据训练结果获取识别仪表的模型。
4. 如权利要求1所述的方法，其特征在于，所述基于识别仪表的模型对仪表进行初步 定位，再根据特征点匹配对仪表进行精确定位的步骤包括： 基于识别仪表的模型对仪表进行初步定位； 根据初步定位构建图像的尺度空间，精确定位特征点； 根据特征点对构建的图像尺度空间进行识别匹配，精确定位出仪表。
5. -种仪表定位装置，其特征在于，所述装置包括： 特征获取定位单元，用于收集仪表的梯度方向直方图特征； 训练单元，用于通过线性支持向量机对收集到的仪表梯度方向直方图特征进行训练， 获取识别仪表的模型； 定位单元，用于基识别仪表的模型对仪表进行初步定位，再根据特征点匹配对仪表进 行精确定位。
6. 如权利要求5所述的装置，其特征在于，所述特征获取单元包括： 样本收集单元，用于收集仪表正负样本图像； 特征获取单元，用于对图像进行归一化处理，计算图像梯度，获取仪表的梯度方向直方 图特征。
7. 如权利要求5所述的装置，其特征在于，所述训练单元包括： 模型建立单元，用于通过线性支持向量机对收集到的仪表梯度方向直方图特征的正负 样本进行训练， 模型获取单元，用于根据训练结果获取识别仪表的模型。
8. 如权利要求5所述的装置，其特征在于，所述定位单元包括： 初步定位单元，用于基于识别仪表的模型对仪表进行初步定位； 尺度空间构建单元，用于根据初步定位构建图像的尺度空间，精确定位特征点； 精确定位单元，用于根据特征点对构建的图像尺度空间进行识别匹配，精确定位出仪 表。
【文档编号】G06K9/66GK104463240SQ201310442513
【公开日】2015年3月25日 申请日期:2013年9月23日 优先权日:2013年9月23日
【发明者】王全明, 罗元泰 申请人:深圳市朗驰欣创科技有限公司