CN112711671A - 一种快速识别物体的方法 - Google Patents
一种快速识别物体的方法 Download PDFInfo
- Publication number
- CN112711671A CN112711671A CN202011593746.XA CN202011593746A CN112711671A CN 112711671 A CN112711671 A CN 112711671A CN 202011593746 A CN202011593746 A CN 202011593746A CN 112711671 A CN112711671 A CN 112711671A
- Authority
- CN
- China
- Prior art keywords
- identification
- objects
- identifying
- identified
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种快速识别物体的方法,包括以下步骤:建立与已知建模对象相关联的识别模型的对象模型数据库;基于从建模对象的关键帧派生的识别特征在对象模型数据库中为对象标识符建立索引;识别引擎基于构造识别策略。本发明所述的一种快速识别物体的方法,本发明建立所有需要识别和区分物体的识别模型和对象模型数据库,并且将识别模型的关键帧派生的识别特征汇总成关键帧集合,根据关键帧集合识别需要识别和区分物体,能够同时识别多种物体,识别速度快,使用比较方便,能够降低快速识别物体的方法对于硬件的要求,成本比较低,而且减少快速识别物体的方法使用时对数据的处理量,从而加快数据的处理速度。
Description
技术领域
本发明涉及物体识别领域,特别涉及一种快速识别物体的方法。
背景技术
物体识别是计算机视觉领域中的一项基础研究,它的任务是识别出图像中有什么物体,并报告出这个物体在图像表示的场景中的位置和方向,随着社会的快速发展,人们生活水平不断的提高,对于机器智能化的要求也越来越高,为了便于快速识别物体,研发了一些快速识别物体的方法;
现有的快速识别物体的方法在使用时存在一定的弊端,现有的快速识别物体的方法使用时处理的数据量大,而且通常单个物品单个物品的识别和区分,无法同时识别和区分多个物体,使用不方便,不满足人们的使用要求,为此,我们提出一种快速识别物体的方法。
发明内容
本发明的主要目的在于提供一种快速识别物体的方法,可以有效解决背景技术中的问题。
为实现上述目的,本发明采取的技术方案为:
一种快速识别物体的方法,包括以下步骤:
(1)、建立与已知建模对象相关联的识别模型的对象模型数据库;
(2)、基于从建模对象的关键帧派生的识别特征在对象模型数据库中为对象标识符建立索引;
(3)、识别引擎基于构造识别策略;
(4)、识别引擎跟踪对象或向内容数据库查询内容信息,快速识别物体。
优选的,步骤(1)中的已知建模对象为需要识别和区分的物体,对象模型数据库中储存所有需要识别和区分的物体的识别模型。
优选的,步骤(1)中对象模型数据库的建立步骤为:
①、对所有需要识别和区分进行扫描,对所有需要识别和区分的物体单独进行建模,创建物体三维模型;
②、删除物体三维模型内部的特征,保留三维模型表面特征,构成识别模型;
③、将所有的识别模型进行汇总,构成对象模型数据库。
优选的,步骤(2)中关键帧派生的识别特征为所有需要识别和区分物体识别模型的区别点。
优选的,步骤(3)中的识别策略采用可以在具体场景中应用的一种或多种物体识别算法。
优选的,步骤(4)中识别引擎使用前需要进行识别检测,识别检测时从对象模型数据库中识别对象,识别时识别引擎读取关键帧派生的识别特征,识别相关的关键帧集合,判断识别的结果是否准确。
优选的,识别检测过程中识别的结果不准确时重新根据建模对象的关键帧派生识别特征。
优选的,步骤(4)中内容数据库为总数据库,其包含有需要识别和区分物体的模型以及其他物体模型。
与现有技术相比,本发明一种快速识别物体的方法具有如下有益效果:
1、本发明建立所有需要识别和区分物体的识别模型和对象模型数据库,并且将识别模型的关键帧派生的识别特征汇总成关键帧集合,根据关键帧集合识别需要识别和区分物体,能够同时识别多种物体,识别速度快,使用比较方便;
2、识别模型建立过程中删除掉三维模型中的内部的特征,减少模型数据,从而降低快速识别物体的方法对于硬件的要求,成本比较低,而且减少快速识别物体的方法使用时对数据的处理量,从而加快数据的处理速度,效率更高,而且整个快速识别物体的方法流程比较简单,使用效果更好。
附图说明
图1为本发明一种快速识别物体的方法流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
一种快速识别物体的方法,包括以下步骤:
(1)、建立与已知建模对象相关联的识别模型的对象模型数据库;
已知建模对象为需要识别和区分的物体,对象模型数据库中储存所有需要识别和区分的物体的识别模型;
对象模型数据库的建立步骤为:
①、对所有需要识别和区分的物体进行扫描并单独进行建模,创建物体三维模型;
②、删除物体三维模型内部的特征,保留三维模型表面特征,构成识别模型;
③、将所有的识别模型进行汇总,构成对象模型数据库。
(2)、基于从建模对象的关键帧派生的识别特征在对象模型数据库中为建模对象标识符建立索引;
关键帧派生的识别特征为所有需要识别和区分物体识别模型的区别点。
(3)、识别引擎(现有的图像识别引擎)基于构造识别策略;
识别策略采用可以在具体场景中应用的一种或多种物体识别算法(现有的识别算法);
(4)、识别引擎跟踪对象或向内容数据库查询内容信息,快速识别物体;
识别引擎使用前需要进行识别检测,识别检测时从对象模型数据库中识别对象,识别时识别引擎读取关键帧派生的识别特征,识别相关的关键帧集合,判断识别的结果是否准确;关键帧集合为已知建模对象有关的信息包,其中每个集合可以包括关键帧、以及其他关键帧前后相关信息或元数据,例如,关键帧集合可以包括对象模型的小型缩略图关键帧图像(如16×16像素图像,32×32像素图像等)或者特定的视点或特定视图。识别引擎可以根据算法处理缩略图图像,计一步提取可以通过其跟踪对象的对象识别特征。关键帧集合中的信息还可以包括内容链接、关键帧的法线向量、增强现实(AR)内容,前后相关属性或其他类型的数据等。在一些实施例中,关键帧集合的内容链接可以引用位于内容数据库中的内容信息。
识别检测过程中识别的结果不准确时重新根据建模对象的关键帧派生识别特征;更进一步的,可以通过将识别结果不准确的多张关键帧图像,由人工进行特征校正,并将人工校正结果作为***后续识别参考,例如可以提供多张关键帧,其中仅部分关键帧包含识别特征或包含部分的识别特征,由人工选择出包含识别特征或包还部分识别特征的关键帧,并将结果反馈至***,再与***自动识别结果进行比对,反覆进行多次以对自动识别结果进行修正。
内容数据库为总数据库,其包含有需要识别和区分物体的模型以及其他物体模型。
在本发明中,关键帧可以被认为是对象模型的单个图像,一般来说关键帧是从对象模型的特定视点或特定姿势捕获;例如,一个玩具或玩偶可能有六个关键帧,根据对象的对称性,关键帧的数量可以最小化;玩具的六个关键帧可以分别对应于顶视图,底视图,前视图,后视图,左视图和右视图,其中,在较好的状态下所有关键帧都在距对象相同的距离处获取,当关键帧中的距离不同时,可先经过图像处理,将所有关键帧内的对象模型比例调整至相同,此外,对象模型可以具有从许多不同的视角获取或从其他变化的环境获取的图像。更进一步,关键帧可以由建模代理(例如CAD,Unity 3D,游戏***等)渲染,而不是直接由摄像头相机获取,关键帧的主要目的用于构建或重建对象模型的识别模型,关键帧还可以与从其特定角度可见的关联模型特征连接。
本发明可以应用于文件或者图片的快速识别和区分,文件、图片的快速识别时无需建立模型,直接进行文件或者图片关键帧派生的识别特征在对象模型数据库(储存需要识别和区分文件或者图片)中为对象标识符建立索引,然后识别引擎基于构造识别策略,进行识别检测,最后进行,识别引擎跟踪对象或向内容数据库查询内容信息,快速识别物体;
综上所述,本发明一种快速识别物体的方法,本发明建立所有需要识别和区分物体的识别模型和对象模型数据库,并且将识别模型的关键帧派生的识别特征汇总成关键帧集合,根据关键帧集合识别需要识别和区分物体,能够同时识别多种物体,识别速度快,使用比较方便;
识别模型建立过程中删除掉三维模型中的内部的特征,减少模型数据,从而降低快速识别物体的方法对于硬件的要求,成本比较低,而且减少快速识别物体的方法使用时对数据的处理量,从而加快数据的处理速度,效率更高,而且整个快速识别物体的方法流程比较简单,使用效果更好。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种快速识别物体的方法,其特征在于:包括以下步骤:
(1)、建立与已知建模对象相关联的识别模型的对象模型数据库;
(2)、基于从建模对象的关键帧派生的识别特征在对象模型数据库中为对象标识符建立索引;
(3)、识别引擎基于构造识别策略;
(4)、识别引擎跟踪对象或向内容数据库查询内容信息,快速识别物体。
2.根据权利要求1所述的一种快速识别物体的方法,其特征在于:步骤(1)中的已知建模对象为需要识别和区分的物体,对象模型数据库中储存所有需要识别和区分的物体的识别模型。
3.根据权利要求1所述的一种快速识别物体的方法,其特征在于:步骤(1)中对象模型数据库的建立步骤为:
①、对所有需要识别和区分进行扫描,对所有需要识别和区分的物体单独进行建模,创建物体三维模型;
②、删除物体三维模型内部的特征,保留三维模型表面特征,构成识别模型;
③、将所有的识别模型进行汇总,构成对象模型数据库。
4.根据权利要求1所述的一种快速识别物体的方法,其特征在于:步骤(2)中关键帧派生的识别特征为所有需要识别和区分物体识别模型的区别点。
5.根据权利要求4所述的一种快速识别物体的方法,其特征在于:步骤(3)中的识别策略采用可以在具体场景中应用的一种或多种物体识别算法。
6.根据权利要求1所述的一种快速识别物体的方法,其特征在于:步骤(4)中识别引擎使用前需要进行识别检测,识别检测时从对象模型数据库中识别对象,识别时识别引擎读取关键帧派生的识别特征,识别相关的关键帧集合,判断识别的结果是否准确。
7.根据权利要求6所述的一种快速识别物体的方法,其特征在于:识别检测过程中识别的结果不准确时重新根据建模对象的关键帧派生识别特征。
8.根据权利要求1所述的一种快速识别物体的方法,其特征在于:步骤(4)中内容数据库为总数据库,其包含有需要识别和区分物体的模型以及其他物体模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593746.XA CN112711671A (zh) | 2020-12-29 | 2020-12-29 | 一种快速识别物体的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593746.XA CN112711671A (zh) | 2020-12-29 | 2020-12-29 | 一种快速识别物体的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112711671A true CN112711671A (zh) | 2021-04-27 |
Family
ID=75546181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011593746.XA Pending CN112711671A (zh) | 2020-12-29 | 2020-12-29 | 一种快速识别物体的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711671A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150023602A1 (en) * | 2013-07-19 | 2015-01-22 | Kamil Wnuk | Fast recognition algorithm processing, systems and methods |
CN106462774A (zh) * | 2014-02-14 | 2017-02-22 | 河谷控股Ip有限责任公司 | 通过规范形状的对象摄取、***和方法 |
CN106575365A (zh) * | 2014-02-28 | 2017-04-19 | 河谷控股Ip有限责任公司 | 对象识别特点分析***和方法 |
-
2020
- 2020-12-29 CN CN202011593746.XA patent/CN112711671A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150023602A1 (en) * | 2013-07-19 | 2015-01-22 | Kamil Wnuk | Fast recognition algorithm processing, systems and methods |
CN106462774A (zh) * | 2014-02-14 | 2017-02-22 | 河谷控股Ip有限责任公司 | 通过规范形状的对象摄取、***和方法 |
CN106575365A (zh) * | 2014-02-28 | 2017-04-19 | 河谷控股Ip有限责任公司 | 对象识别特点分析***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346677B2 (en) | Classification and organization of consumer digital images using workflow, and face detection and recognition | |
JP4632627B2 (ja) | 画像中のオブジェクトを表現および探索する方法および装置 | |
US6691126B1 (en) | Method and apparatus for locating multi-region objects in an image or video database | |
Raguram et al. | Modeling and recognition of landmark image collections using iconic scene graphs | |
WO2019017985A1 (en) | ROBUST MESH FOLLOWING AND FUSION USING KEY FRAMES BASED ON PARTS AND A PRIORI MODEL | |
CN110503076B (zh) | 基于人工智能的视频分类方法、装置、设备和介质 | |
CN110019914B (zh) | 一种支持三维场景交互的三维模型数据库检索方法 | |
CN111160264B (zh) | 一种基于生成对抗网络的漫画人物身份识别方法 | |
CN106570491A (zh) | 一种机器人智能互动的方法及智能机器人 | |
JP2018526736A (ja) | シーン再構成方法、装置、端末機器及び記憶媒体 | |
CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
WO2021082692A1 (zh) | 一种行人图片标注方法、装置、存储介质和智能设备 | |
CN111652974A (zh) | 三维人脸模型的构建方法、装置、设备及存储介质 | |
CN111597894B (zh) | 一种基于人脸检测技术的人脸库更新方法 | |
CN107704471A (zh) | 一种信息处理方法和装置及文件调用方法和装置 | |
CN109299702B (zh) | 一种基于深度时空图的人体行为识别方法及*** | |
CN117115917A (zh) | 基于多模态特征融合的教师行为识别方法、设备以及介质 | |
CN110070626B (zh) | 一种基于多视角分类的三维物体检索方法 | |
CN112711671A (zh) | 一种快速识别物体的方法 | |
CN116091570A (zh) | 三维模型的处理方法、装置、电子设备、及存储介质 | |
CN116797830A (zh) | 一种基于YOLOv7的图像风险分类方法及装置 | |
Voulodimos et al. | Kinematics-based extraction of salient 3D human motion data for summarization of choreographic sequences | |
CN114155273B (zh) | 一种结合历史轨迹信息的视频图像单目标跟踪方法 | |
Xu et al. | Object segmentation and labeling by learning from examples | |
US11461956B2 (en) | 3D representation reconstruction from images using volumic probability data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |