一种基于云边端协同的Web AR图像识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743420A(43)申请公布日2021.12.03(21)申请号202110985743.9(22)申请日2021.08.26(71)申请人北京邮电大学地址100876北京市海淀区西土城路10号(72)发明人乔秀全李文蔚黄亚坤詹舒波陈俊亮(74)专利代理机构北京纽乐康知识产权代理事务所(普通合伙)11210代理人田磊(51)Int.Cl.G06K9/46(2006.01)G06K9/32(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于云边端协同的WebAR图像识别方法及系统(57)摘要本发明公开了一种基于云边端协同的WebAR图像识别方法及系统，该方法包括：接收用户端上传的查询图，并根据基于卷积神经网络的图像嵌入算法对查询图进行处理，生成特征向量；根据所述特征向量，在预先配置的大规模图像库，通过特征向量比对，确定出与查询图相似度最高的N张图像，确保目标图存在于N张图像之中；对所述查询图和确定的N张图像，使用图像匹配算法，提取特征点和描述符，并根据特征点和描述符进行匹配计算，得到每张图像的匹配点数量；根据匹配点数量的排序，确定最后与所述查询图对应的匹配图像结果。本发明能够从采集的图像中提取感兴趣区域，加快后续特征提取速度，提高图像识别速度，降低云端计算资源和带宽压力。CN113743420ACN113743420A权利要求书1/2页1.一种基于云边端协同的WebAR图像识别方法，其特征在于，包括：接收用户端上传的查询图，并根据基于卷积神经网络的图像嵌入算法对查询图进行处理，生成特征向量；根据所述特征向量，在预先配置的大规模图像库，通过特征向量比对，确定出与查询图相似度最高的N张图像，确保目标图存在于N张图像之中；对所述查询图和确定的N张图像，使用图像匹配算法，提取特征点和描述符，并根据特征点和描述符进行匹配计算，得到每张图像的匹配点数量；根据匹配点数量的排序，确定最后与所述查询图对应的匹配图像结果。2.根据权利要求1所述的基于云边端协同的WebAR图像识别方法，其特征在于，还包括：获取用户上传的图像，并根据预先配置的加载轻量化后的显著性检测模型，对该图像进行处理，得到二值化黑白显著图；根据区域生成算法对二值化黑白显著图的像素值进行分析，确定感兴趣区域分布位置，获得最终的裁剪区域坐标；根据裁剪区域坐标对图像进行裁剪处理，并将裁剪处理得到的图像作为查询图，并上传查询图。3.根据权利要求1所述的基于云边端协同的WebAR图像识别方法，其特征在于，还包括：对预先配置的大规模图像库中的图像数据按照地理位置进行分类；在边缘节点初始化时，将数据对象按照地理位置局里关系读入最近的边缘节点缓存，促使查询图匹配时，大规模图像库中的图像数据能够分配至与用户端最近的边缘节点缓存。4.根据权利要求3所述的基于云边端协同的WebAR图像识别方法，其特征在于，还包括：在大规模图像库有新的图像数据资源加入时，若边缘节点缓存空间达到上限，则根据匹配点数量的排序对现有边缘节点缓存空间的缓存图像进行替换。5.根据权利要求1所述的基于云边端协同的WebAR图像识别方法，其特征在于，对所述查询图和确定的N张图像，使用图像匹配算法，提取特征点和描述符，并根据特征点和描述符进行匹配计算，得到每张图像的匹配点数量包括：对所述查询图和确定的N张图像，使用基于手工局部特征的图像匹配算法，提取特征点和描述符；根据描述符距离对相似特征点进行匹配，求取初始匹配点集，并使用随机抽样一致算法过滤匹配错误的异常点，输出精确的匹配点集合。6.根据权利要求1所述的基于云边端协同的WebAR图像识别方法，其特征在于，所述N张图像为10张图像。7.一种基于云边端协同的WebAR图像识别系统，其特征在于，包括：特征向量生成模块，用于接收用户端上传的查询图，并根据基于卷积神经网络的图像嵌入算法对查询图进行处理，生成特征向量；图像查询模块，用于根据所述特征向量，在预先配置的大规模图像库，通过特征向量比2CN113743420A权利要求书2/2页对，确定出与查询图相似度最高的N张图像，确保目标图存在于N张图像之中；图像匹配模块，用于对所述查询图和确定的N张图像，使用图像匹配算法，提取特征点和描述符，并根据特征点和描述符进行匹配计算，得到每张图像的匹配点数量；图像确定模块，用于根据匹配点数量的排序，确定最后与所述查询图对应的匹配图像结果。8.根据权利要求7所述的基于云边端协同的WebAR图像识别系统，其特征在于，还包括：图像处理模块，用于获取用户上传的图像，并根据预先配置的加载轻量化后的显著性检测模型，对该图像进行处理，得到二值化黑