[发明专利]一种基于可见光检测的虚拟文字识别方法无效

专利信息
申请号: 200810029420.7 申请日: 2008-07-11
公开(公告)号: CN101320291A 公开(公告)日: 2008-12-10
发明(设计)人: 金连文;丁凯;严汉羽 申请(专利权)人: 华南理工大学
主分类号: G06F3/01 分类号: G06F3/01;G06K11/06
代理公司: 广州粤高专利代理有限公司 代理人: 何淑珍
地址: 510640广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 可见光 检测 虚拟 文字 识别 方法
【权利要求书】:

1.一种基于可见光检测的虚拟文字识别方法,其特征在于首先利用可见光发射设备在空中书写字符,然后通过摄像装置将可见光的运动轨迹记录下来,所述摄像装置设置有红光滤镜,使得摄像装置记录仅包含红光的运动轨迹图像,接着利用图像处理及识别装置对摄像装置摄取的信息进行处理和识别,最终获得用户输入的文字信息,所述图像处理及识别装置所进行的处理和识别包括背景建模、轨迹跟踪、字符重构及识别,所述背景建模是对由摄像装置捕捉到的可见光的运动轨迹图像进行处理,建立背景模型,从而更准确有效地检测和跟踪到可见光的运动轨迹,建立背景模型的具体操作为当用户结束输入上一个字符的时候,将摄像装置捕捉到的图像作为初始背景模型,而开始输入当前字符时摄像装置捕捉到的图像作为背景更新模型,将这两个背景模型合并得到最终的背景模型,所述轨迹跟踪是从摄像装置捕捉到的不规则的运动轨迹图像中,搜索到一个有效的轨迹点作为当前时刻可见光的确切轨迹,并进行跟踪,具体分为以下几个步骤:

(21)、利用背景消除算法消除背景干扰;

(22)、轨迹检测和跟踪;

(23)、噪声消除;

所述字符重构及识别是将轨迹跟踪所跟踪到的可见光运动轨迹连接起来构成虚拟字符,然后对虚拟字符进行特征提取和分类得到识别结果。

2.根据权利要求1所述的基于可见光检测的虚拟文字识别方法,其特征在于所述步骤(21)的背景消除算法是将可见光的运动轨迹图像中可见光运动轨迹及噪声所对应的白色区域的像素值设置为1,而剩余区域中的像素值设置为0,然后对当前时刻捕捉到的一帧可见光运动轨迹图像A进行遍历,一旦搜索到值为1的像素点,则运用公式进行计算,得出除背景后的可见光运动轨迹图像C,其中图像B是背景模型,C[i][j]表示图像C中位于第i行第j列的像素点,A[i][j]代表可见光图像A中位于第i行第j列的像素点,而B[i][j]代表背景模型图像B中位于第i行第j列的像素点。

3.根据权利要求1所述的基于可见光检测的虚拟文字识别方法,其特征在于所述步骤(22)轨迹检测和跟踪,首先定义如下距离度量公式:

其中SCD是所定义的距离度量公式,而M,N是两个向量,“||||”是求模符号,k为M,N两个向量之间的距离值,具体轨迹检测和跟踪如下:

粗定位:如果当前需要确定的轨迹点是字符的第一个点,则以图像的左上角第一个像素为起始点A,否则,以上一个轨迹点为起始点A,然后首先搜索具有较小的SCD(A,P)的点P,再按照步骤(21)的背景消除算法判断该点是否属于轨迹区域内的点,直到搜索到轨迹区域内的一个随机点B作为轨迹点的一个粗定位点;

精确定位轨迹点:根据粗定位点B,画出一条垂直的线和一条水平的线,然后找到这两条线与轨迹区域的4个交叉点C、D、E、F,然后分别以C、D、E、F四个点为搜索起始点,分别向左、下、右、上四个方向搜索,直到搜索到轨迹区域的左下右上四个边界点为止,然后根据这四个边界点构造出轨迹区域的外接矩形,设定这个外接矩形的中心为确切的轨迹点;

检测,如果轨迹区域的外接矩形的长宽值或者它们的比值超出一个预定的合理范围,则拒绝检测到的轨迹点,并重新进行搜索,如果在整幅图像中均无法搜索到轨迹点,则将上一个轨迹点定义为当前的轨迹点。

4.根据权利要求1所述的基于可见光检测的虚拟文字识别方法,其特征在于所述字符重构及识别包括如下字符重构算法:

(31)平滑滤波,假设数组P记录了所有的经过归一化后的轨迹点的坐标,则对于数组P内的每一个轨迹点,运用如下公式对每个轨迹点的坐标进行修改:

其中t≤i≤N-t,N是轨迹点的总数,t是经验参数,表示滤波器的半宽度;

(32)连接邻近点,运用数字差分分析算法将邻近的轨迹点用直线连接起来;

(33)重采样,将经过步骤(32)处理过的可见光轨迹点按照等距离间隔的规则进行重采样,得到重采样后的轨迹点;

(34)再次连接邻近点,运用数字差分分析算法将重采样后的轨迹点用直线依次连接起来,将原始的可见光轨迹转换成二维空间中的虚拟字符。

5.根据权利要求1所述的基于可见光检测的虚拟文字识别方法,其特征在于所述字符重构及识别包括如下特征提取和分类算法:

首先对虚拟字符提8方向128维的取梯度特征,然后用线性判决分析算法将原始维数降低到40维,最后用最小距离分类器进行分类,得到最终的识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200810029420.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top