CN104112124A - 一种基于图像识别的室内定位方法与装置 - Google Patents

Abstract

本发明公开了一种基于图像识别的室内定位方法，所述方法包括：获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；将所述预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。本发明同时还公开了一种基于图像识别的室内定位装置。采用本发明，能够实现对室内大部分地区的定位，具有工作量小、普及性强、实用价值高的特点。

Description

一种基于图像识别的室内定位方法与装置

技术领域

本发明涉及地理定位技术领域，尤其涉及一种基于图像识别的室内定位方法与装置。

背景技术

随着人民在生活日益多彩化，人们越来越多的使用大型室内公共场所进行各种活动，例如：去大型商场、超市购物，或者在大型商务酒店召开会议，以及在各种大型会场举办展览、参观各种主题博物馆等。由于各种室内场所的布局不同，加之空间较大，有时候想要确定自己当前所处的位置并不是特别容易。

以大型商场为例，想要在商场中确定自己所处的位置，传统的办法是通过查看商场所张贴的商场楼层平面示意图。在平面示意图中，给出了商场该楼层的店铺分布信息，有时亦会用小红点或小红星直接显示出该平面示意图所处的位置；在没有标注当前位置的小红点或小红星的情况下，顾客只能根据周围的商铺信息与平面示意图进行比对，从而判断出自身当前所处位置。

然而，传统的平面示意图亦存在着诸多不便之处，比如，在商场中能够张贴的楼层平面示意图数量有限，不能随时随地满足客户查询位置信息的需要；或者，楼层平面示意图可能会存在污损的情况，在没有对被污损的楼层平面示意图进行及时替换的情况下，该图所能提供的位置信息准确度就会降低。另外，一旦商场商铺有所变动，则原先的楼层平面示意图将失去作用，需要重新制作新的地图。

传统的室内定位方法由于诸多因素的限制，并不能很好的为顾客提供准确且便捷的服务。然而，目前的一些较为通用的定位技术，由于实际情况的限制，并不能很好的满足室内定位的需求。例如，作为应用范围最广的GPS定位技术，由于信号传播问题，无法运用于室内定位中；并且，GPS定位技术的精度限制，导致无法实现10米以内的精确定位；对于Wifi和iBeacon室内定位技术，虽然在实验条件下，Wifi和iBeacon室内定位都达到了不错的效果，但在实际应用中，由于存在各种环境干扰的因素会影响定位精度，且需要提前进行基础设施铺设，导致这两种室内定位技术尚处于实验阶段，距离实际应用尚存在一定的距离。

因此，目前的室内定位技术中，不能随时随地查询位置信息是目前室内定为技术中存在的最主要的问题。

发明内容

有鉴于此，本发明实施例期望提供一种基于图像识别的室内定位方法与装置，利用智能终端及终端中的摄像装置就能够实现对室内大部分地区的准确定位，且具有工作量小、普及性强、实用价值高的特点。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种基于图像识别的室内定位方法，所述方法包括：

获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

将预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

上述方案中，所述对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

上述方案中，所述方法还包括：对所述预处理后的标识图片进行尺度不变特征转换Sift特征向量提取。

上述方案中，所述标识信息库中以图片或Sift特征向量的方式存储所述标识信息。

上述方案中，所述将预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：

分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；

根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

上述方案中，所述标识信息库包括不同标识多种拍摄角度下的标识信息；

相应的，所述分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

上述方案中，所述分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：

获取用户输入的所拍摄的标识图片的角度；

根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；

按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中，每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

本发明实施例还提供了一种基于图像识别的室内定位装置，所述装置包括：图像预处理单元、图像匹配单元、位置确定单元；其中，

所述图像预处理单元，用于获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

所述图像匹配单元，用于将预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

所述位置确定单元，用于根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

上述方案中，所述图像预处理单元对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

上述方案中，所述装置还包括特征向量提取单元，用于对所述预处理后的标识图片进行尺度不变特征转换Sift特征向量提取。

上述方案中，所述图像匹配单元将预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：

所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；

根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

上述方案中，当标识信息库包括不同标识多种拍摄角度下的标识信息时，

所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

上述方案中，所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：

获取用户输入的所拍摄的标识图片的角度；

根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；

按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

本发明实施例所提供的基于图像识别的室内定位方法与装置，首先获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；然后将所述预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；最后根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。如此，利用用户终端获取的标识信息及电子地图确定用户自身所处位置，而不依赖于纸面上楼层地图，从而能够避免由于楼层平面示意图污损而导致客户无法辨识所处位置的情况；当室内布局发生变化时，只需更新各种标识在电子地图中的位置关系即可，大大减少了更替楼层平面示意图的劳动量，具有工作量小、普及性强、实用价值高的特点。

附图说明

图1为本发明实施例一基于图像识别的室内定位方法流程示意图；

图2为本发明实施例同一标识的多种拍摄角度拍下的标识信息；

图3为本发明实施例标识信息库设计结构示意图；

图4为本发明实施例二基于图像识别的室内定位方法流程示意图；

图5为本发明实施例基于图像识别的室内定位装置结构示意图。

具体实施方式

本发明实施例中，首先获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；然后将所述预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；最后根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

其中，当前地图系统是指用户当前所在场所的、电子化的完整地形图，如：用户当前所在场所为商场、超市、酒店、展馆、博物馆、图书馆时，当前地图系统分别包括商场、超市、酒店、展馆、博物馆、图书馆的完整地形图、以及各层的分层地形图。

这里，所述对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理；在对标识图片进行预处理之后，所述方法还包括：对所述预处理后的标识图片进行尺度不变特征转换(Sift，Scale-invariant feature transform)特征向量提取；相应地，所述标识信息库中以图片或Sift特征向量的方式存储所述标识信息。这里，所述标识信息即为预先存储的与标识图片识别相关的信息，可以为与标识图片识别相关的图片或者与标识图片识别相关的图片的Sift特征向量。例如，对于当所述基于图像识别的室内定位方法应用于商场中的定位时，所述用户拍摄的标识图片可以为用户拍摄的商铺logo，所述标识信息可以为预先存储的所述商铺的多个拍摄角度下拍摄的商铺logo图片，或者是将这些图片进行Sift特征向量提取后所得到的Sift特征向量。

具体的，所述将所述预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

当所述标识信息库包括不同标识多种拍摄角度下的标识信息时，所述分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

具体的，所述分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：获取用户输入的所拍摄的标识图片的角度；根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；按照先后顺序，分别计算所述标识图片的Sift特征向量与标识信息库中每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

下面结合附图及具体实施例，对本发明实施例的技术方案实现作进一步的详细描述。

图1为本发明实施例一基于图像识别的室内定位方法流程示意图，如图1所示，本发明实施例基于图像识别的室内定位方法包括以下步骤：

步骤101：获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

其中，所述对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

由于用户拍摄的图片中，除了当前位置标识外，还包含其余背景部分。背景部分不仅不提供当前位置标识的相关信息，还会引入额外的干扰信息，对识别结果造成不利的影响。为了尽可能降低背景的干扰，需要对拍摄的标识图片进行裁剪，除去与当前位置标识无关的部分，从而更专注于对位置标注的处理。

另外，由于位置标识的差异主要在于形状特征而非色彩上，因此，可对图片进行灰度化操作，以避免对价值不大的颜色特征处理，使得后续处理能够更专注于位置标识形状特征的处理，处理内容更加合理，效率更高；并且，由于灰度化的图片信息量降低，图片能够使图片传输过程更加流畅。

在对图像进行预处理之后，所述方法还包括：对所述预处理后的标识图片进行Sift特征向量提取。

在基于特征的图像匹配技术中，首要任务是提取适合于表述图像内容且具有较好稳定性的特征，并将其表示出来。Sift特征向量包含了图片中多处特征点信息，能有效表示图像的内容特征。此外，Sift特征具有尺度不变性、旋转不变性和光照不变性，能有效应对在商场拍照过程中由于拍照距离、拍照角度和光线照射的影响，具有良好的场景适应性，故选择提取图像的Sift特征来进行图像匹配。

步骤102：将所述预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

具体的，分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

标识图片的识别是依据标识图片与标识信息库中的标识信息的匹配程度来确定的，当所述标识图片与标识信息库中的标识信息的Sift特征向量生成后，采用关键点Sift特征向量的欧式距离作为两幅图像中关键点的相似性判定度量。具体的，取标识图片的某个关键点的Sift特征向量，并找出其与标识信息欧式距离最近的前两个关键点的Sift特征向量，在这两个关键点中，如果Sift特征向量最近的距离除以次近的距离少于某个比例阈值，则认为这是一对匹配点。匹配点数越多，说明所述标识图片与所述标识信息的匹配度越高，越有可能同属于一个位置标识，因而将所拍摄的标识图片与标识信息库中的所有标识的标识信息进行匹配，认为与所述标识图片匹配点数最多的标识确定所述标识图片为识别结果，从而实现拍标识信息的识别。

在实际应用中，用户拍摄标识图片不可能都位于同一角度，这就要求在设计标识信息库时，同一标识需要包含多种拍摄角度拍下的标识信息。如图2所示，标识信息库中，可以包含同一标识多种角度下的标识信息：包括位置标识的正视图2-a、位置标识30度左视图2-b和30度右视图2-c、以及位置标识的45度右视图2-d和45度左视图2-e。图3为本发明实施例标识信息库设计结构示意图。

当所述标识信息库包括不同标识多种拍摄角度下的标识信息时，所述分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

以图2为例，在进行标识信息识别时，分别统计拍摄的标识图片与每个标识对应的五个标识信息匹配点数总和，取匹配点数总和最高的标识作为标识图片的识别结果。

本发明实施例中，所述标识信息库中可以以图片或Sift特征向量的方式存储所述标识信息。

由于图片的Sift特征向量提取会存在一定的时间开销，如果直接将标识图片与标识信息库中的一个标识信息图片进行匹配，除去对拍摄的标识图片进行Sift特征提取，还需要对标识信息库中的标识信息图片进行Sift特征向量提取。当标识信息库中模板数量较多时，提取标识信息图片的Sift特征向量耗时较长，不容易被用户接受。

考虑到标识信息库中的每个标识的标识信息不会改变，则其对应的Sift特征向量亦不会改变，故在标识信息库中存储对象，可以由原先的标识信息图片，改为标识信息图片所对应的特征向量，这样在识别过程中，只需提取拍摄的标识图片Sift特征向量，大大缩短了时间开销。

考虑到对标识信息库中的标识信息进行逐一匹配依旧会造成较多的时间开销，本发明实施例中，分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和可以采用剪枝策略进行处理，具体的：

首先获取用户输入的所拍摄的标识图片的角度；然后根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；最后按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中，每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

仍然以图2为例，在匹配前，完成以下处理：

a.首先获取用户输入的拍摄标识的角度；

这里，角度可分为正视图、左视图、右视图等，本发明实施例以输入正视图为例；

b.将拍摄的标识图片与标识信息库库中的所有标识的正视图标识信息进行匹配，并按照匹配点数的从多到少顺序，对各标识进行排序，将前n％的标识记作集合A；这里，n的大小可以根据实际情况来确定，例如，可以选择前1/2的标识记为集合A，那么n取值为50；

c.将拍摄的标识图片与集合A中所有标识的左视图标识信息进行匹配，并按照匹配点数的从多到少的顺序，对集合A中标识进行排序，将前m％的标识记作集合B；这里，m的大小可以根据实际情况来确定，m的取值可以与n相同，也可以与n不同；例如，同样可以选择前1/2的标识记为集合B，那么m取值也为50；

d.将拍摄的标识图片与集合B中的所有标识的右视图标识信息进行匹配，统计各匹配点数。

e.统计拍摄的标识图片与所有标识的模板匹配点数总和，选取匹配点总和最高的为标识为识别结果；

这里，未参与匹配的标识信息的匹配点数记为0。

实际运行表明，采用了剪枝策略后，标志图片的识别时间开销大大降低，既能满足识别准确率的需要，亦能满足实时性的要求。

步骤103：根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

当识别出拍摄的标识图片之后，依托已有的室内电子地图系统，查询该标识的坐标位置，并在室内电子地图上进行呈现。

这里，将当前位置在地图上进行呈现并不限定具体的实现方式，例如，可以在地图系统中用小红点或小红星直接显示出该位置标识所处的位置，也可以给出具体的位置描述等。

本发明实施例所述的基于图像识别的室内定位方法，适用于商场、超市、酒店、展馆、博物馆、图书馆等大型公室内共场所；所述位置标识可以为上述大型场所中位置相对固定的位置标识。例如，当本发明实施例适用于商场时，所述拍摄的标识图片可以为商场中的商铺logo；当本发明实施例应用于酒店时，所述拍摄的标识图片可以为房间的门牌号；当本发明实施例应用于博物馆时，所述拍摄的标识图片可以是展台号或者展品等。本发明实施例所提供的定位方式，同样可以应用于室外定位，例如：将主题公园中的各种主题建筑作为标识信息，用户可以通过拍摄眼前的建筑，确定自己所处于的位置。

使用本发明实施例所述基于图像识别的室内定位方法，只需要建立标识信息库以及标识在当前地图系统中对应的位置关系，通过用户对当前场景的拍摄，即可实现定位功能。当所述场所的布局发生变动时，只需要更新标识信息库中标识信息与标识在地图系统中对应的位置关系，即可实现性能更新。例如，当商场中有新的商家入驻时，只需要将新的商家的logo信息更新到标识信息库，并在地图系统中添加所述标识在地图中对应的位置关系即可。

由于一些特殊场所位置标志的重复性，在建立标识信息库的时候，不需要为所有的场所分别建立对应的标识信息库。以最有代表性的商场为例，大型商场之间的logo具有很大的重复性，很多品牌logo在各商场中都存在，因此不需要重复建立标识信息库进行重复存储。

下面结合一具体场景，对本发明基于图像识别的室内定位方法的实现做进一步的详细描述。图4为本发明实施例二基于图像识别的室内定位方法流程示意图，本发明实施例以商场为例，包括以下步骤：

步骤400：首先建立商场中所有商铺logo对应的logo库；

在实际应用中，需要为每家商场提供其对应的logo库；同时，对于某一商场的某一层楼，其包含的logo只是logo库中的一个子集，在进行匹配时只需与这个logo子集匹配即可。logo库的建立如表1和表2所示，其中，表1为本发明实施例商场与logo库之间的对应关系；表2为本发明实施例每家商场各楼层所包含的品牌信息。

Location	Mall ID
		特征向量库1	1
特征向量库2	2
		特征向量库3	3
通用特征向量库	4
		通用特征向量库	5

表1

Mall ID	Floor	Brand
			1	Floor1	AVENIR
1	Floor1	CASIO
			1	Floor1	DIVUM
1	Floor1	Elizabeth Arden
			1	Floor1	KOSS
1	Floor1	MIDO
			1	Floor1	sasa
1	Floor1	TISSOT
			1	Floor1	ZA
1	Floor1	安婕妤
			1	Floor1	佰草集
1	Floor1	甘家口黄金
			1	Floor1	豪雅
1	Floor1	和玉缘
			1	Floor1	亨吉利世界名表中心
1	Floor1	华腾
			1	Floor1	惠文祥
1	Floor1	嘉艺
			1	Floor1	金象珠宝

表2

表1中，为每家商场均提供了其对应的Logo库，Location属性中存储内容为logo库的存储信息。对于ID号为4和5的商场，并没有为其建立自己所有的logo特征向量库，而是与通用特征向量库对应。这是由于一个城市中商场众多大型商场之间的logo具有很大的重复性，很多品牌logo在各商场中都存在，因而也不需重复建立过多的logo库去重复存储。

在表2中通过商场ID和所处楼层，可以查询到该楼层所拥有的logo集合C。在logo识别的过程中，只需提供对应的商场编号和所处楼层，即可获得与所述商场的所述楼层对应的logo库的集合C，并进行匹配。

步骤401：获取用户拍摄的当前所处位置的商铺logo图片；

步骤402：对所述标识商铺logo图片进行预处理；

其中，所述对logo图片进行预处理包括：对所述logo图片进行图片裁剪和灰度化处理。

步骤403：对所述logo图片进行Sift特征向量提取；

步骤404：将所述logo图片与logo库中的每个logo的信息进行匹配，对所述logo图片进行识别；

所述logo库中可以以图片或Sift特征向量的方式存储所述logo信息。

具体的，分别计算所述logo图片的Sift特征向量与logo库中的每个logo的Sift特征向量的匹配点数；根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

当所述logo库包括不同商铺多种拍摄角度下的logo信息时，所述分别计算所述logo图片的Sift特征向量与logo库中的每个商铺的logo信息的Sift特征向量的匹配点数包括：分别计算所述logo图片的Sift特征向量与logo库中每个商铺的多种拍摄角度下的多个logo信息的Sift特征向量的匹配点数的总和；所述根据与所述logo图片匹配点数最多的商铺确定所述logo图片的识别结果包括：根据与所述logo图片匹配点数总和最高的商铺确定所述logo图片的识别结果。

这里，可以采用剪枝策略进行处理，具体的：

首先输入拍摄logo图片的角度；然后根据输入的拍摄角度确定所述logo图片与logo库中多种拍摄角度的logo信息进行匹配的先后顺序；最后按照先后顺序，分别计算所述logo图片的Sift特征向量与logo库中每个商铺logo多种拍摄角度下的多个logo信息的Sift特征向量的匹配点数的总和。

仍然以图2为例，分别计算所述logo图片的Sift特征向量与logo库中每个商铺logo多种拍摄角度下的多个logo信息的Sift特征向量的匹配点数的总和包括：

a.获取用户输入的拍摄标识的角度；

这里，角度可分为正视图、左视图、右视图等，本发明实施例以输入正视图为例；

b.将拍摄的logo图片与logo库中的所有商铺logo的正视图进行匹配，并按照匹配点数的从多到少顺序，对各商铺logo进行排序，将前n％的商铺logo记作集合A；这里，n的大小可以根据实际情况来确定，例如，可以选择前1/2的商铺logo记为集合A，那么n取值为50；

c.将拍摄的logo图片与集合A中所有商铺logo的左视图进行匹配，并按照匹配点数的从多到少的顺序，对集合A中商铺logo进行排序，将前m％的商铺logo记作集合B；这里，m的大小可以根据实际情况来确定，m的取值可以与n相同，也可以与n不同；例如，同样可以选择前1/2的商铺logo记为集合B，那么m取值也为50；

d.将拍摄的logo图片与集合B中的所有商铺logo的右视图进行匹配，统计各匹配点数。

e.统计拍摄的logo图片与每个商铺logo的多种拍摄角度下拍摄的logo信息的匹配点数总和，选取匹配点总和最高的商铺作为识别结果；

这里，未参与匹配的logo信息的匹配点数记为0。

步骤405：根据识别结果在当前地图系统中的位置信息，确定所述拍摄的商铺logo在商场中所处位置，并在地图上进行呈现。

当识别出拍摄的logo图片之后，依托已有的商场室内电子地图系统，查询该logo图片的坐标位置，并在商场的室内电子地图上进行呈现。

这里，将当前位置在地图上进行呈现并不限定具体的实现方式，例如，可以在地图系统中用小红点或小红星直接显示出该位置标识所处的位置，也可以给出具体的位置描述等。

本发明实施例还提供了一种基于图像识别的室内定位装置，如图5所示，所述装置包括：图像预处理单元51、图像匹配单元52、位置确定单元53；其中，

所述图像预处理单元51，用于获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

所述图像预处理单元51对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

由于用户拍摄的图片中，除了当前位置标识外，还包含其余背景部分。背景部分不仅不提供当前位置标识的相关信息，还会引入额外的干扰信息，对识别结果造成不利的影响。为了尽可能降低背景的干扰，需要对拍摄的标识图片进行裁剪，除去与当前位置标识无关的部分，从而更专注于对位置标注的处理。

另外，由于位置标识的差异主要在于形状特征而非色彩上，因此，可对图片进行灰度化操作，以避免对价值不大的颜色特征处理，使得后续处理能够更专注于位置标识形状特征的处理，处理内容更加合理，效率更高；并且，由于灰度化的图片信息量降低，图片能够使图片传输过程更加流畅。

所述装置还包括特征向量提取单元54，用于对所述预处理后的标识图片进行尺度不变特征转换Sift特征向量提取。

在基于特征的图像匹配技术中，首要任务是提取适合于表述图像内容且具有较好稳定性的特征，并将其表示出来。Sift特征向量包含了图片中多处特征点信息，能有效表示图像的内容特征。此外，Sift特征具有尺度不变性、旋转不变性和光照不变性，能有效应对在商场拍照过程中由于拍照距离、拍照角度和光线照射的影响，具有良好的场景适应性，故选择提取图像的Sift特征来进行图像匹配。

所述装置还包括标识信息库55以及地图系统56，其中，所述标识信息库55中可以以图片或Sift特征向量的方式存储所述标识信息。

所述图像匹配单元52，用于将所述预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

具体的，所述图像匹配单元52将预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：所述图像匹配单元52分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果

标识图片的识别是依据标识图片与标识信息库中的标识信息的匹配程度来确定的，当所述标识图片与标识信息库中的标识信息的Sift特征向量生成后，采用关键点Sift特征向量的欧式距离作为两幅图像中关键点的相似性判定度量。具体的，取标识图片的某个关键点的Sift特征向量，并找出其与标识信息欧式距离最近的前两个关键点的Sift特征向量，在这两个关键点中，如果Sift特征向量最近的距离除以次近的距离少于某个比例阈值，则认为这是一对匹配点。匹配点数越多，说明所述标识图片与所述标识信息的匹配度越高，越有可能同属于一个位置标识，因而将所拍摄的标识图片与标识信息库中的所有标识的标识信息进行匹配，认为与所述标识图片匹配点数最多的标识确定所述标识图片为识别结果，从而实现拍标识信息的识别。

在实际应用中，用户拍摄标识图片不可能都位于同一角度，这就要求在设计标识信息库时，需要包含不同标识多种拍摄角度下的标识信息。当标识信息库包括不同标识多种拍摄角度下的标识信息时，所述图像匹配单元52分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

具体的，所述图像匹配单元52分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：

获取用户输入的所拍摄的标识图片的角度；

这里，角度可分为正视图、左视图、右视图等，本发明实施例以输入正视图为例；

根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；

按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中，每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

所述位置确定单元53，用于根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

当所述标识识别单元52识别出拍摄的标识图片之后，所述位置确定单元53依托已有的商场室内地图系统，查询该商铺的坐标位置，并在室内地图上进行呈现。

这里，所述位置确定单元53将当前位置在地图上进行呈现并不限定具体的实现方式，例如，可以在地图系统中用小红点或小红星直接显示出该位置标识所处的位置，也可以给出具体的位置描述等。

图5中所示的基于图像识别的室内定位装置中的各处理单元的实现功能，可参照前述基于图像识别的室内定位方法的相关描述而理解。本领域技术人员应当理解，图5所示的基于图像识别的室内定位装置中各处理单元的功能可通过运行于各种类型的处理器上的程序而实现；所述存储单元也可以由各种存储器、或存储介质实现。例如一种典型的实现方法可以是：智能终端负责进行拍摄标识图片的预处理，即裁剪与灰度化过程；灰度图片传输至后台服务器进行处理。后台服务器可以使用Apache+MySQL+PHP来进行搭建，其中的MySQL数据库用于存储Location表和mall表。

在本发明所提供的实施例中，应该理解到，所揭露的方法和装置，可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是有线的、无线的或其他形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明实施例上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本发明是实例中记载的基于图像识别的室内定位方法和装置只以上述实施例为例，但不仅限于此，只要涉及到该室内定位的方法和装置均在本发明的保护范围。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (13)

1.一种基于图像识别的室内定位方法，其特征在于，所述方法包括：

获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

将预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

2.根据权利要求1所述方法，其特征在于，所述对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

3.根据权利要求1所述方法，其特征在于，所述方法还包括：对所述预处理后的标识图片进行尺度不变特征转换Sift特征向量提取。

4.根据权利要求1所述方法，其特征在于，所述标识信息库中以图片或Sift特征向量的方式存储所述标识信息。

5.根据权利要求1所述方法，其特征在于，所述将预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：

分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；

根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

6.根据权利要求4所述方法，其特征在于，所述标识信息库包括不同标识多种拍摄角度下的标识信息；

相应的，所述分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；

所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

7.根据权利要求6所述方法，其特征在于，所述分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：

获取用户输入的所拍摄的标识图片的角度；

根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；

按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中，每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。

8.一种基于图像识别的室内定位装置，其特征在于，所述装置包括：图像预处理单元、图像匹配单元、位置确定单元；其中，

所述图像预处理单元，用于获取用户拍摄的当前位置标识图片，并对所述标识图片进行预处理；

所述图像匹配单元，用于将预处理后的标识图片与标识信息库中的每个标识的标识信息进行匹配，对所述标识图片进行识别；

所述位置确定单元，用于根据识别结果在当前地图系统中的位置信息，确定所述拍摄的位置标识在地图系统中所处位置，并在地图上进行呈现。

9.根据权利要求8所述装置，其特征在于，所述图像预处理单元对标识图片进行预处理包括：对所述标识图片进行图片裁剪和灰度化处理。

10.根据权利要求8所述装置，其特征在于，所述装置还包括特征向量提取单元，用于对所述预处理后的标识图片进行尺度不变特征转换Sift特征向量提取。

11.根据权利要求8所述装置，其特征在于，所述图像匹配单元将预处理后的标识图片与标识信息库中每个标识的标识信息进行匹配，对所述标识图片进行识别包括：

所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数；

根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果。

12.根据权利要求11所述装置，其特征在于，当标识信息库包括不同标识多种拍摄角度下的标识信息时，

所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中的每个标识的标识信息的Sift特征向量的匹配点数包括：分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和；

所述根据与所述标识图片匹配点数最多的标识确定所述标识图片的识别结果包括：根据与所述标识图片匹配点数总和最高的标识确定所述标识图片的识别结果。

13.根据权利要求12所述装置，其特征在于，所述图像匹配单元分别计算所述标识图片的Sift特征向量与标识信息库中每个标识的多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和包括：

获取用户输入的所拍摄的标识图片的角度；

根据用户输入的拍摄角度确定所述标识图片与标识信息库中多种拍摄角度的标识信息进行匹配的先后顺序；

按照先后顺序分别计算所述标识图片的Sift特征向量与标识信息库中每个标识多种拍摄角度下的多个标识信息的Sift特征向量的匹配点数的总和。