技術特征：

1.一種教育玩具套件，其特征在于，包括：支架、頭盔探測器和編程模塊，并且所述頭盔探測器安裝于支架上，所述編程模塊放置于平面上；所述支架底部具有凸起，頂部具有第一凹槽和第二凹槽，所述第一凹槽用于放置平板電腦，平板電腦采集編程模塊信息；所述頭盔探測器安裝于第二凹槽內；

所述頭盔探測器，還包括本體、第三凹槽、2個扇形塊和凸面鏡，并且所述第三凹槽位于本體內，用于夾持不同型號的平板電腦，在所述第三凹槽夾持平板電腦屏幕的端點處設置有凸面鏡，所述凸面鏡的另一端安裝于頭盔探測器邊緣上，所述凸面鏡與水平面夾角成銳角，所述第三凹槽夾持平板電腦屏幕的端點高于平板電腦的攝像頭位置，2個所述扇形塊位于凸面鏡的2個邊緣上，用于固定所述凸面鏡和夾持平板電腦。

2.根據權利要求1所述的一種教育玩具套件，其特征在于，所述編程模塊的類型為8種，每種類型的所述編程模塊顏色不同。

3.根據權利要求2所述的一種教育玩具套件，其特征在于，所述編程模塊包括：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、左轉模塊和右轉模塊。

4.一種教育玩具套件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，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，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，從所述步驟二的彩色圖像中檢測編程模塊的類型。

5.根據權利要求4所述的一種教育玩具套件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，所述步驟二中前置攝像頭采集的彩色圖像為I_xy，I_xy＝f(x,y)＝(R_xy,G_xy,B_xy)，其中，(x,y)表示彩色圖像像素點的位置坐標，f(x,y)表示圖像在像素點坐標位置處的像素值，R_xy表示圖像像素點在紅色通道的色彩值，G_xy表示圖像像素點在綠色通道的色彩值，B_xy表示圖像像素點在藍色通道的色彩值。

6.根據權利要求5所述的一種教育玩具套件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，所述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I_xy轉換成由上而下俯視的正視角圖像；

2)根據先驗知識，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；也即編程模塊的顏色在RGB顏色空間內不利于分割開來，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顏色空間轉換到側重于色彩表示的HSV顏色空間，具體轉換公式為：

V＝max{C(R′)、C(G′)、C(B′)}；

$S=\left\{\begin{array}{cc}0,& V=0\\ \frac{V-min\{C\left(R^{\′}\right),C\left(G^{\′}\right),C\left(B^{\′}\right)\}}{V},& V\≠0\end{array}\right.;$

$H=\left\{\begin{array}{cc}\frac{60\[C\left(G^{\′}\right)-C\left(B^{\′}\right)\]}{V-\min \{C\left(R^{\′}\right),C\left(G^{\′}\right),C\left(B^{\′}\right)\}},& V=C\left(R^{\′}\right)\\ \frac{120+60\[C\left(G^{\′}\right)-C\left(B^{\′}\right)\]}{V-\min \{C\left(R^{\′}\right),C\left(G^{\′}\right),C\left(B^{\′}\right)\}},& V=C\left(G^{\′}\right)\\ \frac{240+60\[C\left(G^{\′}\right)-C\left(B^{\′}\right)\]}{V-\min \{C\left(R^{\′}\right),C\left(G^{\′}\right),C\left(B^{\′}\right)\}},& V=C\left(B^{\′}\right)\end{array}\right.;$

其中，H表示色調值，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在紅、綠、藍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在紅、綠、藍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，根據紅色系的怪獸編程模塊與跳躍編程模塊在HSV空間內的先驗閾值，將彩色圖像進行二值化處理，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)獲得對應的二進制圖像；

其中，B(x，y)表示圖像像素點(x，y)的二進制像素值，H(x，y)、S(x，y)、V(x，y)分別表示圖像像素點(x，y)在HSV顏色空間內的色調值、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(x，y)是否分別在指定的H、S、V區(qū)域內，如果是，則取值為1，否則，取值為0；H_min、H_max分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內的色調的先驗最小和最大值；S_min、S_max分別表示紅色系怪獸編程模塊和跳躍編程模塊在HSV顏色空間內的飽和度的先驗最小和最大值；V_min、V_max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所述步驟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：

G_x＝f[i，j+1]-f[i，j]

G_y＝f[i，j]-f[i+1，j]

其中，G_x表示相鄰像素在x方向上的差分，G_y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；

進一步地，計算相鄰像素間的梯度，具體公式為：

$G(x,y)=\left[\begin{array}{c}{G}_x\\ G_y\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right];$

其中，G(x，y)表示表示圖像的在(x，y)點上梯度值，表示像素值在x方向上求導，表示像素值在y方向上求導；

進一步地，計算邊緣點的梯度幅值，所有邊緣點的梯度幅值集合即為提取的邊緣輪廓；

進一步地，根據怪獸?？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，再對剩余的輪廓進行判定，進而得出該編程模塊是否為怪獸模快或者跳躍模塊，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有的3個小三角形的位置及大小關系的先驗知識，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；

所述7)將步驟2)中的感興趣區(qū)域圖像轉換為灰度圖像：

Gray(x,y)＝0.2989×R_xy+0.5870×G_xy+0.1140×B_xy

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：

G_x＝f[i，j+1]-f[i，j]

G_y＝f[i，j]-f[i+1，j]

其中，G_x表示相鄰像素在x方向上的差分，G_y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；

進一步地，計算相鄰像素間的梯度，具體公式為：

$G(x,y)=\left[\begin{array}{c}{G}_x\\ G_y\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right];$

其中，G(x，y)表示圖像在(x，y)點上梯度值，表示像素值在x方向上求導，表示像素值在y方向上求導；

進一步地，計算邊緣點的梯度幅值，所有邊緣點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，在轉換為灰度圖后，編程模塊上的標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：

$\left|G(x,y)\right|=\sqrt{G_x^2+G_y^2}$

其中，|G(x，y)|表示邊緣點的梯度幅值；

9)對所述步驟8)中得出的編程模塊邊緣輪廓進行膨脹處理；

10)掃描所述步驟9)中的二值化圖像，由于當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，對所述步驟9)中得到的二值化圖像進行掃描，得到相應的邊緣輪廓，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。

7.根據權利要求6所述的一種教育玩具條件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，所述步驟2)中編程模塊放置的有效識別區(qū)域只對應一個識別模塊。

8.根據權利要求6所述的一種教育玩具條件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，所述步驟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心，判斷質心的顏色，再與先驗知識進行比對，得出編程模塊為條件1模塊或者條件2模塊。

9.根據權利要求6所述的一種教育玩具條件中利用顏色和輪廓信息進行編程模塊識別的方法，其特征在于，所述步驟10)中，如果判斷出編程模塊為轉彎模塊，則取該編程模塊邊緣輪廓的轉彎點與其對角點連線的中點，再與先驗知識進行比對，得出編程模塊為左轉模塊或者右轉模塊。