4.1概述 19

4.2 系统流程图 19

4.3 系统数据流图 20

4.4 客户端测试平台 22

4.5 安卓应用开发平台 22

4.6 服务器端 22

4.7 系统性能评估方案 23

4.7.1 时延 23

4.7.2 识别率 23

4.7.3 外部条件的影响 23

5 实验结果 25

5.1 最佳阈值的选择 25

5.2 系统运行结果 26

5.3 系统性能评估结果 27

结 论 36

致 谢 37

参考文献 38

1 引言

1.1 课题开发的背景

近几年来，计算机视觉领域有了巨大的进步。SIFT (Scale-invariant Feature，Transform)[1]和SURF (Speeded Up Robust Features)[2]等鲁棒性特征向量的出现，提高了目标识别算法的精确性。基于特征的目标识别算法的中心思想是找到兴趣点，并且这些兴趣点具有抗尺度、光照、仿射变化的特性。在技术方面，图像采集设备也有了快速的发展，相机的分辨率有了很大的提高。由于这些因素，计算机视觉技术走出了实验室，得到了广泛的使用。与此同时，移动设备技术迅速发展。手机不再是资源受限、孤立的设备，现如今智能手机的计算能力可以说与台式机相当，且配有高分辨率的屏幕及高像素的相机。这些设备在数据连接方面也有巨大进步。种种因素促使手机形成了客户服务器架构的应用系统。由于以上领域的发展，当下人们正致力于将目标技术应用到手机上，开发人员也正利用这项新技术来扩宽人机交互的范围。这项技术最初应用于条形码阅读器领域。以手机上的相机作为输入设备，相关的软件解码条形码，再利用无线网络将信息发送给应用服务器，然后服务器将相关信息反馈给客户端。进一步延伸这个概念，用相机获取的原始图片代替条形码作为输入信息。虽然两者的整体处理步骤很类似，但是问题的复杂度却上升了多个台阶。图像中的信息不像条形码那样清楚明确，数据网络传递的信息量也大幅度上升。因此，必须通过优化来保持低耗费和轻量级网络负载。同时由于搜索向量的数量和维数的上升，服务器端数据库信息匹配的算法会有更长的时延。这个领域相对较新，需要有合适的构架及设计方法来充分发挥该领域的潜能。论文网

1.2 课题开发的意义

研究表明，在个人拥有的计算设备中，手机是人们最愿意最有可能携带的设备。手机的数据连接网络覆盖无所不在，其在因特网中扮演着信息交换终端的角色。随着目标识别技术的革新及手机渐增的计算力，人机交互有了新的发展方向。用户与周围环境的交互方式逐渐转向为图像化，用户只需获取周围环境的图像信息就可以得到所需的相关信息。在安卓平台上，本文利用快速鲁棒性特征实现目标识别技术的构架。通过分析处理步骤来获得最优性能和最低耗费。我们在这个框架上开发了博物馆导航应用，游客只需用手机拍下感兴趣的展品的照片并上传，就可以获得展品的信息，例如展品的名称，文化背景等等。一方面，这有助于游客更好地参观博物馆，充分了解展品的信息，另一方面，也帮助博物馆节约了导游等人力资源。基于本文所构造的目标识别系统框架，可以开发出其他应用，也可以将目标识别将这项工作延伸至其他的手机平台。