靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法
【專利摘要】本發(fā)明公開了一種靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，包括訓(xùn)練及檢測(cè)兩部分，訓(xùn)練階段的步驟包括：制作葡萄酒瓶樣本；樣本特征計(jì)算以及訓(xùn)練聯(lián)級(jí)分類器；檢測(cè)階段的步驟包括加載待測(cè)圖片；加載葡萄酒瓶分類器以及聯(lián)級(jí)葡萄酒瓶檢測(cè)。本發(fā)明通過對(duì)大量的葡萄酒瓶樣本，在提取Haar特征的基礎(chǔ)上，用AdaBoost方法訓(xùn)練得出一個(gè)聯(lián)級(jí)分類器去檢測(cè)待測(cè)圖片中的葡萄酒瓶，這種方法能直接定位圖片中葡萄酒瓶所在，并不受環(huán)境的影響。
【專利說明】靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像識(shí)別領(lǐng)域，涉及一種靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法。
【背景技術(shù)】
[0002]隨著電子成像技術(shù)和互聯(lián)網(wǎng)的發(fā)展，人們創(chuàng)造圖片、分享圖片和獲得圖片的途徑越來越方便且多樣，從而出現(xiàn)在互聯(lián)網(wǎng)上的圖片也日益增多，除了文字對(duì)這些圖片的描述，計(jì)算機(jī)并不知道圖片的內(nèi)容，比如某張圖片中是否有葡萄酒瓶，有的話其中葡萄酒是什么品牌的呢？這些都不得而知，除非該圖片有類似的人為的描述，所以，傳統(tǒng)的以關(guān)鍵詞的形式并不能很好地匹配到對(duì)應(yīng)的圖片，而讓計(jì)算機(jī)直接去識(shí)別圖片的技術(shù)便應(yīng)運(yùn)而生，這樣可以使得，即便是事先沒有描述的互聯(lián)網(wǎng)圖片，也可以通過識(shí)別技術(shù)去獲知其中的內(nèi)容，其中就包括對(duì)葡萄酒瓶的檢測(cè)和識(shí)別。隨著電子商務(wù)的發(fā)展，越來越多的商品是在網(wǎng)絡(luò)上直接面對(duì)消費(fèi)者，其中也包括葡萄酒。如果能讓計(jì)算機(jī)知道互聯(lián)網(wǎng)中的某張圖片中是否存在葡萄酒瓶，并知道葡萄酒的品牌，那么將更有利于葡萄酒瓶銷售商對(duì)葡萄酒的推廣，所以在靜態(tài)圖片中檢測(cè)和識(shí)別葡萄酒瓶的技術(shù)有廣闊的應(yīng)用前景。

【發(fā)明內(nèi)容】

[0003]為解決上述技術(shù)問題，本發(fā)明提供了一種能提高檢測(cè)準(zhǔn)確性的基于于AdaBoost框架的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法。
[0004]為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是:
[0005]一種靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，包括訓(xùn)練及檢測(cè)兩部分，
[0006]其中，訓(xùn)練階段的步驟如下:
[0007](I)制作葡萄酒瓶樣本；
[0008](2)樣本特征計(jì)算；
[0009](3)訓(xùn)練聯(lián)級(jí)分類器；
[0010]檢測(cè)階段的步驟如下:
[0011](I)加載待測(cè)圖片；
[0012](2)加載葡萄酒瓶分類器；
[0013](3)聯(lián)級(jí)葡萄酒瓶檢測(cè)。
[0014]進(jìn)一步具體地，訓(xùn)練階段的步驟如下:
[0015](I)制作葡萄酒瓶樣本:從網(wǎng)絡(luò)上采集包含葡萄酒瓶的圖片，并標(biāo)定葡萄酒瓶所在位置，根據(jù)位置信息提取葡萄酒瓶圖像，根據(jù)葡萄酒瓶的固有長寬比進(jìn)行縮放，并通過直方圖均衡化消除光照影響，作為該類葡萄酒瓶的正樣本，采用正樣本圖片其他不含葡萄酒瓶的部位作為負(fù)樣本；
[0016](2)樣本特征計(jì)算:構(gòu)造5種不同的矩形特征，每一種矩形特征對(duì)應(yīng)一種Haar特征，該Haar特征定義為對(duì)應(yīng)的矩形區(qū)域像素值的和的帶權(quán)值之和，通過積分圖像的方式計(jì)算Haar特征；[0017](3)訓(xùn)練聯(lián)級(jí)分類器:將每個(gè)強(qiáng)分類器及其對(duì)應(yīng)的多個(gè)弱分類器串聯(lián)起來，形成最終的聯(lián)級(jí)分類器；
[0018]進(jìn)一步具體地，檢測(cè)階段的步驟如下:
[0019] (I)加載待測(cè)圖片:轉(zhuǎn)為灰度圖并進(jìn)行直方圖均衡化；
[0020](2)加載葡萄酒瓶分類器:訓(xùn)練所得分類器數(shù)據(jù)保存在相應(yīng)txt文件中，訓(xùn)練所得分類器數(shù)據(jù)保存在相應(yīng)txt文件中，其中數(shù)據(jù)結(jié)構(gòu)描述為:N個(gè)強(qiáng)分類器，第i個(gè)強(qiáng)分類器包括強(qiáng)分類器的閾值thi和Iii個(gè)弱分類器；其中，第Iii個(gè)弱分類器包括弱分類器的閾值Θ」、方向控制器Pj、系數(shù)a」；以及該弱分類器所選特征對(duì)應(yīng)的矩形特征信息:矩形的個(gè)數(shù)MimjOorf)，矩形特征所屬類型typejO，…，4)，每個(gè)子矩形的位置信息和權(quán)重
[0021]recth = {x,w,h,weight}(jc = I,...,Humj);
[0022](3)聯(lián)級(jí)葡萄酒瓶檢測(cè):檢測(cè)圖像通過所述訓(xùn)練階段步驟(3)中的強(qiáng)分類器的檢測(cè)。
[0023]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果:本發(fā)明通過對(duì)在量的葡萄酒瓶樣本，在提取Haar特征的基礎(chǔ)上，用AdaBoost方法訓(xùn)練得出一個(gè)聯(lián)級(jí)分類器去檢測(cè)待測(cè)圖片中的葡萄酒瓶，這種方法能直接定位圖片中葡萄酒瓶所在，并不受環(huán)境的影響。
【專利附圖】

【附圖說明】
[0024]圖1為本發(fā)明訓(xùn)練階段和檢測(cè)階段的流程圖；
[0025]圖2為本發(fā)明一種Haar特征圖；
[0026]圖3為本發(fā)明聯(lián)級(jí)葡萄酒瓶檢測(cè)過程的算法圖。
【具體實(shí)施方式】
[0027]如圖1所示，一種靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，包括訓(xùn)練及檢測(cè)兩部分。
[0028]訓(xùn)練階段步驟如下:
[0029](I)制作葡萄酒瓶樣本:從網(wǎng)絡(luò)上采集包含葡萄酒瓶的圖片，并標(biāo)定葡萄酒瓶所在位置，根據(jù)位置信息提取葡萄酒瓶圖像，根據(jù)葡萄酒瓶的固有長寬比進(jìn)行縮放，并通過直方圖均衡化消除光照影響，作為該類葡萄酒瓶的正樣本，采用正樣本圖片其他不含葡萄酒瓶的部位作為負(fù)樣本；
[0030](2)樣本特征計(jì)算:構(gòu)造5種不同的矩形特征，每一種矩形特征對(duì)應(yīng)一種Haar特征(如圖2所示)，該Haar特征定義為對(duì)應(yīng)的矩形區(qū)域像素值的和的帶權(quán)值之和，通過積分圖像的方式計(jì)算Haar特征；
[0031]積分圖像定義為,Σ 1^x ’ SAT (x, y)表示原圖像中像素點(diǎn)(X，
y)左上方所有像素值之和，Kx1，Y1 )即表示(X，y)左上方區(qū)域的某個(gè)像素值；
[0032]積分圖像SAT(X, y)采用增量方式計(jì)算:
[0033]SAT (x, y) = SAT (x, y-1) +SAT (χ-1, y) +I (x, y) -SAT (χ-l, y-1)
[0034]規(guī)定:SAT(_1, y) = SAT(x, -1) = SAT(-1, -1) = 0,那么只需要按行或按列遍歷整張圖像一次，即可計(jì)算得對(duì)應(yīng)的積分圖像。而計(jì)算原圖中的某個(gè)矩形區(qū)域的像素值之和，只要通過矩形的四個(gè)頂點(diǎn)位置在積分圖像中查詢得四個(gè)值，這四個(gè)值的某種加減運(yùn)算即可等價(jià)該矩形區(qū)域的像素值之和；
[0035]Haar特征計(jì)算:
[0036]第一種特征:feature{0}= Sum θ -Suma = SumABCD_2.SumEBCF,其中 Sum 白為白色矩形區(qū)域像素值之和，SumsS黑色矩形區(qū)域像素值之和。
[0037]Suhiabcd = SAT (A) +SAT (C) -SAT (B) -SAT (D)
[0038]Suhiebcf = SAT (E) +SAT (C) -SAT (B) -SAT (F)
[0039]第二種特征:feature{l}= SumABCD_2.SumFECD
[0040]SUhifecd = SAT (F) +SAT (C) -SAT (E) -SAT (D)
[0041]第三種特征:feature{2}= SumABCD-3.SumEFGH
[0042]SumLFGH = SAT (E) +SAT (G) -SAT (F) -SAT (H)
[0043]第四種特征:feature{3} = SumABCD-3.SumHEFG
[0044]SumHEFG = SAT (H) +SAT (F) -SAT (E) -SAT (G)
[0045]第五種特征:feature{4} = 311111刪-5111]1麗-5111]1畫
[0046]Suhiebfk = SAT (E) +SAT (F) -SAT (B) -SAT (K)
[0047]Sumffii⑶=SAT (H) +SAT (G) -SAT (K) -SAT (D)
[0048]對(duì)輸入的n個(gè)樣本計(jì)算特征,其中包括m個(gè)正樣本和n-mn_m個(gè)負(fù)樣本,每個(gè)樣本有兩個(gè)屬性(x，y)，其中X代表該樣本的Haar特征向量f (x)，y代表該樣本的類別，為正樣本是取為1，負(fù)樣本時(shí)取為-1。
[0049](3)訓(xùn)練聯(lián)級(jí)分類器:
[0050]輸入由上個(gè)步驟獲得的η個(gè)訓(xùn)練樣本:{(X1, Y1),..., (xm, ym),…(xn, yn)}
[0051]定義弱分類器:
【權(quán)利要求】
1.靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于:所述檢測(cè)方法基于AdaBoost框架，其包括訓(xùn)練階段和檢測(cè)階段。
2.如權(quán)利要求1所述的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于所述訓(xùn)練階段包括: 制作葡萄酒瓶樣本，從網(wǎng)絡(luò)上采集包含葡萄酒瓶的圖片，并標(biāo)定葡萄酒瓶所在位置，根據(jù)位置信息提取葡萄酒瓶圖像； 樣本特征計(jì)算，構(gòu)造矩形特征，每一種矩形特征對(duì)應(yīng)一利Haar特征； 訓(xùn)練聯(lián)級(jí)分類器，輸入由上個(gè)步驟獲得的訓(xùn)練樣本并進(jìn)行訓(xùn)練，最終將訓(xùn)練得到的強(qiáng)分類及其對(duì)應(yīng)的多個(gè)弱分類器串聯(lián)起來。
3.如權(quán)利要求1所述的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于所述檢測(cè)階段包括: 加載待測(cè)圖片，轉(zhuǎn)為灰度圖并進(jìn)行直方圖均衡化； 加載葡萄酒瓶分類器，包括強(qiáng)、弱分類器的閾值和所選特征對(duì)應(yīng)的矩形特征信息； 聯(lián)級(jí)葡萄酒瓶檢測(cè)，檢測(cè)圖像首先通過前面的強(qiáng)分類器的檢測(cè)，如果不是葡萄酒瓶圖像，那么會(huì)在前端被排除，只有葡萄酒瓶圖像才能最終通過各級(jí)強(qiáng)分類器的檢測(cè)。
4.如權(quán)利要求1所述的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于所述制作葡萄酒瓶樣本步驟為:根據(jù)位置信息提取葡萄酒瓶圖像，根據(jù)葡萄酒瓶的固有長寬比進(jìn)行縮放，并通過直方圖均衡化消除光照影響，作為該類葡萄酒瓶的正樣本，采用正樣本圖片其他不含葡萄酒瓶的部位作為負(fù)樣本。
5.如權(quán)利要求2所述的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于:所述Haar特征定義為對(duì)應(yīng)的矩形區(qū)域像素值的和的帶權(quán)值之和，通過積分圖像的方式計(jì)算Haar特征；積分圖像SAT(x，y)表示原圖像中像素點(diǎn)(x，y)左上方所有像素值之和，采用增量方式計(jì)算，那么只需要按行或按列遍歷整張圖像一次，即可計(jì)算得對(duì)應(yīng)的積分圖像；而計(jì)算原圖中的某個(gè)矩形區(qū)域的像素值之和，只要通過矩形的四個(gè)頂點(diǎn)位置在積分圖像中查詢得四個(gè)值，這四個(gè)值的某種加減運(yùn)算即可等價(jià)該矩形區(qū)域的像素值之和。
6.如權(quán)利要求3所述的靜態(tài)圖片中葡萄酒瓶的檢測(cè)方法，其特征在于:在設(shè)定的訓(xùn)練次數(shù)T下，每次訓(xùn)練會(huì)產(chǎn)生一個(gè)強(qiáng)分類器，而這過程中同時(shí)有多個(gè)弱分類器被選擇，最終然后將每個(gè)強(qiáng)分類及其對(duì)應(yīng)的多個(gè)弱分類器串聯(lián)起來，形成最終的聯(lián)級(jí)分類器。
【文檔編號(hào)】G06K9/62GK103971118SQ201310043266
【公開日】2014年8月6日 申請(qǐng)日期:2013年1月25日 優(yōu)先權(quán)日:2013年1月25日
【發(fā)明者】胡楠, 鄒國平 申請(qǐng)人:北京明日時(shí)尚信息技術(shù)有限公司