[发明专利]静态图片中葡萄酒瓶的检测方法

说明书

技术领域

本发明属于图像识别领域，涉及一种静态图片中葡萄酒瓶的检测方法。

背景技术

随着电子成像技术和互联网的发展，人们创造图片、分享图片和获得图片的途径越来越方便且多样，从而出现在互联网上的图片也日益增多，除了文字对这些图片的描述，计算机并不知道图片的内容，比如某张图片中是否有葡萄酒瓶，有的话其中葡萄酒是什么品牌的呢？这些都不得而知，除非该图片有类似的人为的描述，所以，传统的以关键词的形式并不能很好地匹配到对应的图片，而让计算机直接去识别图片的技术便应运而生，这样可以使得，即便是事先没有描述的互联网图片，也可以通过识别技术去获知其中的内容，其中就包括对葡萄酒瓶的检测和识别。随着电子商务的发展，越来越多的商品是在网络上直接面对消费者，其中也包括葡萄酒。如果能让计算机知道互联网中的某张图片中是否存在葡萄酒瓶，并知道葡萄酒的品牌，那么将更有利于葡萄酒瓶销售商对葡萄酒的推广，所以在静态图片中检测和识别葡萄酒瓶的技术有广阔的应用前景。

发明内容

为解决上述技术问题，本发明提供了一种能提高检测准确性的基于于AdaBoost框架的静态图片中葡萄酒瓶的检测方法。

为实现上述发明目的，本发明采用的技术方案是：

一种静态图片中葡萄酒瓶的检测方法，包括训练及检测两部分，

其中，训练阶段的步骤如下：

(1)制作葡萄酒瓶样本；

(2)样本特征计算；

(3)训练联级分类器；

检测阶段的步骤如下：

(1)加载待测图片；

(2)加载葡萄酒瓶分类器；

(3)联级葡萄酒瓶检测。

进一步具体地，训练阶段的步骤如下：

(1)制作葡萄酒瓶样本：从网络上采集包含葡萄酒瓶的图片，并标定葡萄酒瓶所在位置，根据位置信息提取葡萄酒瓶图像，根据葡萄酒瓶的固有长宽比进行缩放，并通过直方图均衡化消除光照影响，作为该类葡萄酒瓶的正样本，采用正样本图片其他不含葡萄酒瓶的部位作为负样本；

(2)样本特征计算：构造5种不同的矩形特征，每一种矩形特征对应一种Haar特征，该Haar特征定义为对应的矩形区域像素值的和的带权值之和，通过积分图像的方式计算Haar特征；

(3)训练联级分类器：将每个强分类器及其对应的多个弱分类器串联起来，形成最终的联级分类器；

进一步具体地，检测阶段的步骤如下：

(1)加载待测图片：转为灰度图并进行直方图均衡化；

(2)加载葡萄酒瓶分类器：训练所得分类器数据保存在相应txt文件中，训练所得分类器数据保存在相应txt文件中，其中数据结构描述为：N个强分类器，第i个强分类器包括强分类器的阈值th_i和n_i个弱分类器；其中，第n_i个弱分类器包括弱分类器的阈值θ_j、方向控制器p_j、系数α_j;以及该弱分类器所选特征对应的矩形特征信息：矩形的个数num_j(2or3)，矩形特征所属类型type_j(0，…，4)，每个子矩形的位置信息和权重

rectjo={x,y,w,h,weight}(jo=1,...,numj);]]>

(3)联级葡萄酒瓶检测：检测图像通过所述训练阶段步骤(3)中的强分类器的检测。

与现有技术相比，本发明的有益效果：本发明通过对在量的葡萄酒瓶样本，在提取Haar特征的基础上，用AdaBoost方法训练得出一个联级分类器去检测待测图片中的葡萄酒瓶，这种方法能直接定位图片中葡萄酒瓶所在，并不受环境的影响。