本發(fā)明涉及計算機(jī)視覺檢測處理
技術(shù)領(lǐng)域：
，特別涉及一種教育玩具套件及利用顏色和輪廓識別編程模塊的方法。
背景技術(shù)：
：現(xiàn)在平板電腦上有許多有趣的幼教游戲應(yīng)用程序或者兒童游戲，但往往只是讓小朋友在屏幕上指指畫畫，互動性欠缺，長時間看著屏幕容易對眼睛造成傷害；而當(dāng)下一些互動性強(qiáng)的傳統(tǒng)性游戲玩具已經(jīng)脫離了時代的發(fā)展，形式上無法滿足孩子學(xué)習(xí)、玩耍的需求，也不便于孩子和家長的互動溝通。為了解決上述問題，計算機(jī)視覺與圖像處理
技術(shù)領(lǐng)域：
成功地開發(fā)了一種教育玩具套件，包括：支架、頭盔探測器和底板，在平板電腦內(nèi)安裝游戲程序，通過平板電腦的攝像頭采集放置于平面上的底板的圖像。上述的教育玩具套件雖然解決了平板電腦中游戲的互動性欠缺的問題，但是形式仍然單一，沒有游戲軟件相對應(yīng)的游戲模塊，無法對游戲模塊進(jìn)行識別，亦無法提供給上層軟件進(jìn)行后續(xù)處理和分析，無法做到從小培養(yǎng)小朋友對編程的認(rèn)識和興趣。因此，計算機(jī)視覺檢測處理
技術(shù)領(lǐng)域：
急需一種教育玩具套件及利用顏色和輪廓識別編程模塊的方法，是將編程游戲模塊放置于平面上，在平板電腦內(nèi)安裝游戲程序，通過平板電腦的攝像頭采集攝像頭數(shù)據(jù)，利用編程模塊上圖標(biāo)的顏色和輪廓信息，在攝像頭數(shù)據(jù)中識別編程模塊，并提供給上層軟件做后續(xù)判斷處理；增強(qiáng)游戲的趣味性、兒童動手能力以及互動性，良好的培養(yǎng)了孩子對于編程的認(rèn)識和興趣。技術(shù)實現(xiàn)要素：本發(fā)明為了解決上述問題，提供了一種教育玩具套件及利用顏色和輪廓識別編程模塊的方法，技術(shù)方案如下：一種教育玩具套件，包括：支架、頭盔探測器和編程模塊，并且頭盔探測器安裝于支架上，編程模塊放置于平面上；支架底部具有凸起，頂部具有第一凹槽和第二凹槽，第一凹槽用于放置平板電腦，平板電腦采集編程模塊信息；頭盔探測器安裝于第二凹槽內(nèi)；頭盔探測器，還包括本體、第三凹槽、2個扇形塊和凸面鏡，并且第三凹槽位于本體內(nèi)，用于夾持不同型號的平板電腦，在第三凹槽夾持平板電腦屏幕的端點(diǎn)處設(shè)置有凸面鏡，凸面鏡的另一端安裝于頭盔探測器邊緣上，凸面鏡與水平面夾角成銳角，第三凹槽夾持平板電腦屏幕的端點(diǎn)高于平板電腦的攝像頭位置，2個扇形塊位于凸面鏡的2個邊緣上，用于固定凸面鏡和夾持平板電腦。優(yōu)選的，在上述的一種教育玩具套件中，編程模塊的類型為8種，每種類型的編程模塊顏色不同。優(yōu)選的，在上述的一種教育玩具套件中，編程模塊包括：怪獸模塊、跳躍模塊、條件1模塊、條件2模塊、小q模塊、向前模塊、左轉(zhuǎn)模塊和右轉(zhuǎn)模塊。一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法，包括如下步驟：步驟一，在平板電腦中安裝游戲程序，編程模塊放置于平面上，平板電腦的底端安裝于第一凹槽內(nèi)，通過第二凹槽將頭盔探測器安裝于平板電腦的頂端；步驟二，固定安裝好后，通過平板電腦的前置攝像頭實時采集彩色圖像；步驟三，從步驟二的彩色圖像中檢測編程模塊的類型。優(yōu)選的，在上述的一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法中，步驟二中前置攝像頭采集的彩色圖像為Ixy，Ixy＝f(x,y)＝(Rxy,Gxy,Bxy)，其中，(x,y)表示彩色圖像像素點(diǎn)的位置坐標(biāo)，f(x,y)表示圖像在像素點(diǎn)坐標(biāo)位置處的像素值，Rxy表示圖像像素點(diǎn)在紅色通道的色彩值，Gxy表示圖像像素點(diǎn)在綠色通道的色彩值，Bxy表示圖像像素點(diǎn)在藍(lán)色通道的色彩值。優(yōu)選的，在上述的一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法中，步驟三中檢測編程模塊類型的具體步驟為：1)采用透視變換原理，將彩色圖像Ixy轉(zhuǎn)換成由上而下俯視的正視角圖像；2)根據(jù)先驗知識，在正視角圖像中提取出感興趣區(qū)域圖像，即上層軟件給出的編程模塊指定放置區(qū)域；3)因為怪獸和跳躍模塊在顏色上均屬于紅色系，與其他模塊的色系區(qū)分度較大，因此，先用顏色將這兩個模塊與其他模塊區(qū)分開；但是編程模塊的顏色在RGB顏色空間內(nèi)不利于分割開來，對光照變化也比較敏感，所以，將提取出來的感興趣區(qū)域圖像由RGB顏色空間轉(zhuǎn)換到側(cè)重于色彩表示的HSV顏色空間，具體轉(zhuǎn)換公式為：V＝max{C(R′)、C(G′)、C(B′)}；S=0,V=0V-min{C(R′),C(G′),C(B′)}V,V≠0;]]>H=60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(R′)120+60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(G′)240+60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(B′);]]>其中，H表示色調(diào)值，S表示飽和度值，V表示亮度值，max{C(R′)、C(G′)、C(B′)}表示在原始圖像中一個像素點(diǎn)在紅、綠、藍(lán)三個通道的像素最大值，min{C(R′)、C(G′)、C(B′)}表示在原始圖像中一個像素點(diǎn)在紅、綠、藍(lán)三個通道的像素最小值，并且H的取值范圍位于0-360之間；4)在HSV顏色空間內(nèi)，根據(jù)紅色系的怪獸模塊和跳躍模塊在HSV空間內(nèi)的先驗閾值，將彩色圖像進(jìn)行二值化處理，具體公式如下：通過公式B(x，y)＝B_H(x，y)&B_S(x，y)&B_V(x，y)可獲得對應(yīng)的二進(jìn)制圖像。其中，B(x，y)表示圖像像素點(diǎn)(x，y)的二進(jìn)制像素值，H(x，y)、S(x，y)、V(x，y)分別表示圖像像素點(diǎn)(x，y)在HSV顏色空間內(nèi)的色調(diào)值、飽和度值、亮度值；B_H(x，y)、B_S(x，y)、B_V(x，y)分別表示圖像像素點(diǎn)(x，y)是否分別在指定的H、S、V區(qū)域內(nèi)，如果是，則取值為1，否則取值為0；Hmin、Hmax分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內(nèi)的色調(diào)的先驗最小和最大值；Smin、Smax分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內(nèi)的飽和度的先驗最小和最大值；Vmin、Vmax分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內(nèi)的亮度的先驗最小和最大值；5)采用先腐蝕后膨脹的方法去除步驟4)中二值化圖像的噪音干擾，并且平滑物體邊界；6)掃描二值化圖像，找出所有邊緣輪廓；二值化圖像可以看作是只有兩個值的灰度圖像，圖像的邊緣是指灰度圖像中灰度變化比較劇烈的部分，灰度值的變化程度采用相鄰像素間的梯度變化來定量表示，梯度是一階二維導(dǎo)數(shù)的二維等效式，具體計算過程為：首先，計算相鄰像素的差分，具體公式為：Gx＝f[i，j+1]-f[i，j]Gy＝f[i，j]-f[i+1，j]其中，Gx表示相鄰像素在x方向上的差分，Gy表示相鄰像素在y方向上的差分，f[i，j+1]表示圖像在第i行第j+1列的像素值，f[i，j]表示圖像在第i行第j列的像素值；f[i+1，j]表示圖像在第i+1行第j列的像素值，進(jìn)一步地，計算相鄰像素間的梯度，具體公式為：G(x,y)=GxGy=∂f∂x∂f∂y;]]>其中，G(x，y)表示表示圖像的在(x，y)點(diǎn)上梯度值，表示像素值在x方向上求導(dǎo)，表示像素值在y方向上求導(dǎo)；進(jìn)一步地，計算邊緣點(diǎn)的梯度幅值，所有邊緣點(diǎn)的梯度幅值集合即為提取的邊緣輪廓；進(jìn)一步地，根據(jù)怪獸?？?、跳躍模塊邊緣輪廓的大小和離心率的先驗知識，濾掉不合理的邊緣輪廓，再對剩余的輪廓進(jìn)行判定，進(jìn)而得出該編程模塊是否為怪獸?？旎蛘咛S模塊，如果是則完成編程模塊判定，如果不是則繼續(xù)執(zhí)行步驟7)；其中，怪獸?？斓呐卸ㄔ瓌t為：利用邊緣輪廓的形狀、大小、離心率和怪獸模塊獨(dú)有的3個小三角形的位置及大小關(guān)系的先驗知識，來判定編程模塊是否為怪獸模塊；跳躍模塊的判定原則為：將邊緣輪廓的最小外包矩形分割成四等份，利用左上、右上、左下和右下的輪廓間的形狀、4個輪廓的大小比例關(guān)系、4個輪廓占整個邊緣輪廓的比例的先驗知識以及整個邊緣輪廓的大小和離心率的先驗知識，來判定編程模塊是否為跳躍模塊；7)將步驟2)中的感興趣區(qū)域圖像轉(zhuǎn)換為灰度圖像：Gray(x,y)＝0.2989×Rxy+0.5870×Gxy+0.1140×Bxy其中，Gray(x,y)表示灰度圖像；8)采用邊緣檢測算法檢測圖像中的強(qiáng)邊緣；圖像的邊緣是指灰度圖像中灰度變化比較劇烈的部分，灰度值的變化程度采用相鄰像素間的梯度變化來定量表示，梯度是一階二維導(dǎo)數(shù)的二維等效式，具體計算過程為：首先，計算相鄰像素的差分，具體公式為：Gx＝f[i，j+1]-f[i，j]Gy＝f[i，j]-f[i+1，j]其中，Gx表示相鄰像素在x方向上的差分，Gy表示相鄰像素在y方向上的差分，f[i，j+1]表示圖像在第i行第j+1列的像素值，f[i，j]表示圖像在第i行第j列的像素值；f[i+1，j]表示圖像在第i+1行第j列的像素值，進(jìn)一步地，計算相鄰像素間的梯度，具體公式為：G(x,y)=GxGy=∂f∂x∂f∂y;]]>其中，G(x，y)表示圖像在(x，y)點(diǎn)上梯度值，表示像素值在x方向上求導(dǎo)，表示像素值在y方向上求導(dǎo)；進(jìn)一步地，計算邊緣點(diǎn)的梯度幅值，所有邊緣點(diǎn)的梯度幅值集合即為提取的邊緣輪廓；由于待檢測的編程模塊目標(biāo)，在轉(zhuǎn)換為灰度圖后，編程模塊上的標(biāo)識與編程模塊上的白色區(qū)域存在較大的反差，因此可以利用邊緣檢測的方法提取出編程模塊上標(biāo)識的邊緣輪廓；邊緣提取算法包括Sobel算子、Roberts算子、Prewitt算子和Canny算子等，具體公式為：|G(x,y)|=Gx2+Gy2]]>其中，|G(x，y)|表示邊緣點(diǎn)的梯度幅值；9)對步驟8)中得出的編程模塊邊緣輪廓進(jìn)行膨脹處理；10)掃描步驟9)中的二值化圖像，由于當(dāng)前編程模塊屬于非紅色系的，因此，判斷編程模塊屬于除了怪獸模塊、跳躍模塊之外的哪種類型：首先，對步驟9)中得到的二值化圖像進(jìn)行掃描，得到相應(yīng)的邊緣輪廓，通過邊緣輪廓的大小和離心率的先驗知識，濾掉不合理的輪廓；進(jìn)一步地，將過濾后剩余的邊緣輪廓的最小外接矩形分割成4等份，利用左上、右上、左下和右下的輪廓間的形狀、4個輪廓的大小比例關(guān)系、4個輪廓占整個邊緣輪廓的比例的先驗知識以及整個邊緣輪廓的大小和離心率的先驗知識，來判定編程模塊的類型。優(yōu)選的，在上述的一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法中，步驟2)中編程模塊放置的有效識別區(qū)域只對應(yīng)一個識別模塊。優(yōu)選的，在上述的一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法中，步驟10)中，如果判斷出編程模塊為條件模塊，則取該編程模塊邊緣輪廓的質(zhì)心，判斷質(zhì)心的顏色，再與先驗知識進(jìn)行比對，得出編程模塊為條件1模塊或者條件2模塊。優(yōu)選的，在上述的一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法中，步驟10)中，如果判斷出編程模塊為轉(zhuǎn)彎模塊，則取該編程模塊邊緣輪廓的轉(zhuǎn)彎點(diǎn)與其對角點(diǎn)連線的中點(diǎn)，判斷該中點(diǎn)的顏色，再與先驗知識進(jìn)行比對，得出編程模塊為左轉(zhuǎn)模塊或者右轉(zhuǎn)模塊。本發(fā)明的有益效果：1、本發(fā)明巧妙的將應(yīng)用計算機(jī)視覺圖形識別技術(shù)與HSV顏色空間、二值化處理、灰度圖像、圖像切割技術(shù)相結(jié)合使用，能夠判斷出編程模塊的類型，具有運(yùn)算速度快，定位準(zhǔn)確，將硬件與軟件技術(shù)很好地統(tǒng)一起來，游戲交互設(shè)計巧妙；美觀簡單，判斷更加快速，同時增強(qiáng)了趣味性和直觀性。2、本發(fā)明檢測算法更加科學(xué)、成熟，將圖像的透視變換、色彩空間轉(zhuǎn)換、輪廓檢測、形態(tài)學(xué)處理、去噪等算法相結(jié)合使用，能夠快速的判斷出編程模塊的類型。3、本發(fā)明計算速度快；每次定位檢測耗時在100ms左右，為玩家提供流暢的使用體驗。4、本發(fā)明性能穩(wěn)定，在不同光照、對不同平板電腦安裝于教育玩具套件內(nèi)的情況下，針對3千幅圖片進(jìn)行了采集測試，誤識別率和漏檢率在0.2％以下。附圖說明下面結(jié)合附圖和具體實施方式來詳細(xì)說明本發(fā)明：圖1是本發(fā)明一種教育玩具套件的結(jié)構(gòu)示意圖。圖2是本發(fā)明一種教育玩具套件中頭盔探測器的結(jié)構(gòu)示意圖。圖3是本發(fā)明一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法的流程圖。其中，圖1-3中的附圖標(biāo)記與部件名稱之間的對應(yīng)關(guān)系為：支架1，第一凹槽102，第二凹槽103，頭盔探測器2，本體201，第三凹槽202，扇形塊203，反光鏡204，，編程模塊3。具體實施方式為了使本發(fā)明技術(shù)實現(xiàn)的措施、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。實施例1：圖1是本發(fā)明一種教育玩具套件的結(jié)構(gòu)示意圖。圖2是本發(fā)明一種教育玩具套件中頭盔探測器的結(jié)構(gòu)示意圖。如圖1-2所示，一種教育玩具套件的海洋模具識別方法，包括支架1、頭盔探測器2、和編程模塊3，并且頭盔探測器2安裝于支架1上；編程模塊3放置于平面上；支架1，頂部具有第一凹槽102和第二凹槽103，第一凹槽102用于放置平板電腦，平板電腦采集編程模塊信息；頭盔探測器2，安裝于第二凹槽103內(nèi)；頭盔探測器2還包括：本體201、第三凹槽202、2個扇形塊203和凸面鏡204，并且第三凹槽202位于本體201內(nèi)，用于夾持不同型號的平板電腦，在第三凹槽202夾持平板電腦屏幕的端點(diǎn)處設(shè)置有凸面鏡204，凸面鏡204的另一端安裝于頭盔探測器2邊緣上，凸面鏡204與水平面夾角成銳角，第三凹槽202夾持平板電腦屏幕的端點(diǎn)高于平板電腦的攝像頭位置，2個扇形塊203位于凸面鏡204的2個邊緣上，用于固定凸面鏡204和夾持平板電腦。圖3是本發(fā)明一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法的流程圖。如圖3所示，一種教育玩具套件中利用顏色和輪廓信息進(jìn)行編程模塊識別的方法，包括如下步驟：步驟一，在平板電腦中安裝游戲程序，編程模塊放置于平面上，平板電腦的底端安裝于第一凹槽內(nèi)，通過第二凹槽將頭盔探測器安裝于平板電腦的頂端；步驟二，固定安裝好后，通過平板電腦的前置攝像頭實時采集彩色圖像；前置攝像頭采集的彩色圖像為Ixy，Ixy＝f(x,y)＝(Rxy,Gxy,Bxy)，其中，(x,y)表示彩色圖像像素點(diǎn)的位置坐標(biāo)，f(x,y)表示圖像在像素點(diǎn)坐標(biāo)位置處的像素值，Rxy表示圖像像素點(diǎn)在紅色通道的色彩值，Gxy表示圖像像素點(diǎn)在綠色通道的色彩值，Bxy表示圖像像素點(diǎn)在藍(lán)色通道的色彩值。步驟三，從步驟二的彩色圖像中檢測編程模塊的類型，具體步驟為：1)采用透視變換原理，將彩色圖像Ixy轉(zhuǎn)換成由上而下俯視的正視角圖像；2)根據(jù)先驗知識，在正視角圖像中提取出感興趣區(qū)域圖像，即上層軟件給出的編程模塊指定放置區(qū)域；編程模塊放置的有效識別區(qū)域只對應(yīng)一個識別模塊；3)因為怪獸和跳躍模塊在顏色上均屬于紅色系，與其他模塊的色系區(qū)分度較大，因此，先用顏色將這兩個模塊與其他模塊區(qū)分開；但是編程模塊的顏色在RGB顏色空間內(nèi)不利于分割開來，對光照變化也比較敏感，所以，將提取出來的感興趣區(qū)域圖像由RGB顏色空間轉(zhuǎn)換到側(cè)重于色彩表示的HSV顏色空間，具體轉(zhuǎn)換公式為：V＝max{C(R′)、C(G′)、C(B′)}；S=0,V=0V-min{C(R′),C(G′),C(B′)}V,V≠0;]]>H=60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(R′)120+60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(G′)240+60[C(G′)-C(B′)]V-min{C(R′),C(G′),C(B′)},V=C(B′);]]>其中，H表示色調(diào)值，S表示飽和度值，V表示亮度值，max{C(R′)、C(G′)、C(B′)}表示在原始圖像中一個像素點(diǎn)在紅、綠、藍(lán)三個通道的像素最大值，min{C(R′)、C(G′)、C(B′)}表示在原始圖像中一個像素點(diǎn)在紅、綠、藍(lán)三個通道的像素最小值，并且H的取值范圍位于0-360之間；4)在HSV顏色空間內(nèi)，根據(jù)紅色系的怪獸模塊和跳躍模塊在HSV空間內(nèi)的先驗閾值，將彩色圖像進(jìn)行二值化處理，具體公式如下：通過公式B(x，y)＝B_H(x，y)&B_S(x，y)&B_V(x，y)獲得對應(yīng)的二進(jìn)制圖像；其中，B(x，y)表示圖像像素點(diǎn)(x，y)的二進(jìn)制像素值，H(x，y)、S(x，y)、V(x，y)分別表示圖像像素點(diǎn)(x，y)在HSV顏色空間內(nèi)的色調(diào)值、飽和度值、亮度值；B_H(x，y)、B_S(x，y)、B_V(x，y)分別表示圖像像素點(diǎn)(x，y)是否分別在指定的H、S、V區(qū)域內(nèi)，如果是，則取值為1，否則，取值為0；Hmin、Hmax分別表示紅色系編程模塊(怪獸編程模塊和跳躍編程模塊)在HSV顏色空間內(nèi)的色調(diào)的先驗最小和最大值；Smin、Smax分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內(nèi)的先驗飽和度最小和最大值；Vmin、Vmax分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內(nèi)的亮度的先驗最小和最大值；5)采用先腐蝕后膨脹的方法去除步驟4)中二值化圖像的噪音干擾，并且平滑物體邊界；6)掃描二值化圖像，找出所有邊緣輪廓；二值化圖像可以看作是只有兩個值得灰度圖像，圖像的邊緣是指灰度圖像中灰度變化比較劇烈的部分，灰度值的變化程度采用相鄰像素間的梯度變化來定量表示，梯度是一階二維導(dǎo)數(shù)的二維等效式，具體計算過程為：首先，計算相鄰像素的差分，具體公式為：Gx＝f[i，j+1]-f[i，j]Gy＝f[i，j]-f[i+1，j]其中，Gx表示相鄰像素在x方向上的差分，Gy表示相鄰像素在y方向上的差分，f[i，j+1]表示圖像在第i行第j+1列的像素值，f[i，j]表示圖像在第i行第j列的像素值；f[i+1，j]表示圖像在第i+1行第j列的像素值，進(jìn)一步地，計算相鄰像素間的梯度，具體公式為：G(x,y)=GxGy=∂f∂x∂f∂y;]]>其中，G(x，y)表示表示圖像的在(x，y)點(diǎn)上梯度值，表示像素值在x方向上求導(dǎo)，表示像素值在y方向上求導(dǎo)；進(jìn)一步地，計算邊緣點(diǎn)的梯度幅值，所有邊緣點(diǎn)的梯度幅值集合即為提取的邊緣輪廓；進(jìn)一步地，根據(jù)怪獸?？臁⑻S模塊邊緣輪廓的大小和離心率的先驗知識，濾掉不合理的邊緣輪廓，再對剩余的輪廓進(jìn)行判定，進(jìn)而得出該編程模塊是否為怪獸?？旎蛘咛S模塊，如果是則完成編程模塊判定，如果不是則繼續(xù)執(zhí)行步驟7)；其中，怪獸?？斓呐卸ㄔ瓌t為：利用邊緣輪廓的形狀、大小、離心率和怪獸模塊獨(dú)有的3個小三角形的位置及大小關(guān)系的先驗知識，來判定編程模塊是否為怪獸模塊；跳躍模塊的判定原則為：將邊緣輪廓的最小外包矩形分割成四等份，利用左上、右上、左下和右下的輪廓間的形狀、4個輪廓的大小比例關(guān)系、4個輪廓占整個邊緣輪廓的比例的先驗知識以及整個邊緣輪廓的大小和離心率的先驗知識，來判定編程模塊是否為跳躍模塊；7)將步驟2)中的感興趣區(qū)域圖像轉(zhuǎn)換為灰度圖像：Gray(x,y)＝0.2989×Rxy+0.5870×Gxy+0.1140×Bxy其中，Gray(x,y)表示灰度圖像；8)采用邊緣檢測算法檢測圖像中的強(qiáng)邊緣；圖像的邊緣是指灰度圖像中灰度變化比較劇烈的部分，灰度值的變化程度采用相鄰像素間的梯度變化來定量表示，梯度是一階二維導(dǎo)數(shù)的二維等效式，具體計算過程為：首先，計算相鄰像素的差分，具體公式為：Gx＝f[i，j+1]-f[i，j]Gy＝f[i，j]-f[i+1，j]其中，Gx表示相鄰像素在x方向上的差分，Gy表示相鄰像素在y方向上的差分，f[i，j+1]表示圖像在第i行第j+1列的像素值，f[i，j]表示圖像在第i行第j列的像素值；f[i+1，j]表示圖像在第i+1行第j列的像素值，進(jìn)一步地，計算相鄰像素間的梯度，具體公式為：G(x,y)=GxGy=∂f∂x∂f∂y;]]>其中，G(x，y)表示圖像在(x，y)點(diǎn)上梯度值，表示像素值在x方向上求導(dǎo)，表示像素值在y方向上求導(dǎo)；進(jìn)一步地，計算邊緣點(diǎn)的梯度幅值，所有邊緣點(diǎn)的梯度幅值集合即為提取的邊緣輪廓；由于待檢測的編程模塊目標(biāo)，在轉(zhuǎn)換為灰度圖后，編程模塊上的標(biāo)識與編程模塊上的白色區(qū)域存在較大的反差，因此，可以利用邊緣檢測的方法提取出編程模塊上表示的邊緣輪廓；邊緣提取算法包括Sobel算子、Roberts算子、Prewitt算子和Canny算子等，具體公式為：|G(x,y)|=Gx2+Gy2]]>其中，|G(x，y)|表示邊緣點(diǎn)的梯度幅值；9)對步驟8)中得出的編程模塊邊緣輪廓進(jìn)行膨脹處理；10)掃描步驟9)中的二值化圖像，由于當(dāng)前編程模塊屬于非紅色系的，因此，判斷編程模塊屬于除了怪獸模塊、跳躍模塊之外的哪種類型；首先，對步驟9)中得到的二化值圖像進(jìn)行掃描，得到相應(yīng)的邊緣輪廓，通過邊緣輪廓的大小和離心率的先驗知識，濾掉不合理的輪廓；進(jìn)一步地，將過濾后剩余的邊緣輪廓的最小外接矩形分割成4等份，利用左上、右上、左下和右下的輪廓間的形狀、4個輪廓的大小比例關(guān)系、4個輪廓占整個邊緣輪廓的比例的先驗知識以及整個邊緣輪廓的大小和離心率的先驗知識，來判定編程模塊的類型。如果判斷出編程模塊為條件模塊，則取該編程模塊邊緣輪廓的質(zhì)心，判斷質(zhì)心的顏色，再與先驗知識進(jìn)行比對，得出編程模塊為條件1模塊或者條件2模塊。如果判斷出編程模塊為轉(zhuǎn)彎模塊，則取該編程模塊邊緣輪廓的轉(zhuǎn)彎點(diǎn)與其對角點(diǎn)連線的中點(diǎn)，再與先驗知識進(jìn)行比對，得出編程模塊為左轉(zhuǎn)模塊或者右轉(zhuǎn)模塊。本發(fā)明巧妙的將應(yīng)用計算機(jī)視覺圖形識別技術(shù)與HSV顏色空間、二值化處理、灰度圖像、圖像切割技術(shù)相結(jié)合使用，能夠判斷出編程模塊的類型，具有運(yùn)算速度快，定位準(zhǔn)確，將硬件與軟件技術(shù)很好地統(tǒng)一起來，游戲交互設(shè)計巧妙；美觀簡單，判斷更加快速，同時增強(qiáng)了趣味性和直觀性。本發(fā)明檢測算法更加科學(xué)、成熟，將圖像的透視變換、色彩空間轉(zhuǎn)換、輪廓檢測、形態(tài)學(xué)處理、去噪等算法相結(jié)合使用，能夠快速的判斷出編程模塊的類型。本發(fā)明計算速度快；每次定位檢測耗時在100ms左右，為玩家提供流暢的使用體驗。本發(fā)明性能穩(wěn)定，在不同光照、對不同平板電腦安裝于教育玩具套件內(nèi)的情況下，針對3千幅圖片進(jìn)行了采集測試，誤識別率和漏檢率在0.2％以下。以上顯示和描述了本發(fā)明的基本原理、主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下本發(fā)明還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等同物界定。當(dāng)前第1頁1 2 3