一種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法
【專利摘要】本發(fā)明屬于圖像處理領(lǐng)域中的一種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站的構(gòu)成方法，包括可將從圖像讀取設(shè)備中獲取到的原圖像，變換成復(fù)數(shù)個(gè)幾何學(xué)，或物理學(xué)形態(tài)的展開(kāi)圖像，并基于自組織的概率尺度，抽出各個(gè)圖像的特征信息，進(jìn)行數(shù)值化的處理，生成圖像代碼；為解決谷歌眼鏡的自動(dòng)功能切換問(wèn)題，將從包括人眼的眼球移動(dòng)信息，眼皮翻動(dòng)的信息，上下牙齒的相碰信息，人的頭部晃動(dòng)信息，聲音識(shí)別信息中至少一種信息的傳感器中獲取功能切換的輸入信息，并轉(zhuǎn)換成功能切換的控制信號(hào)，控制谷歌眼鏡切換功能；還可將圖像代碼生成部分生成的圖像代碼作為無(wú)限終端連接網(wǎng)站的網(wǎng)絡(luò)入口代碼，其特點(diǎn)是可通過(guò)與網(wǎng)絡(luò)連接實(shí)現(xiàn)新形式的網(wǎng)絡(luò)播放媒體網(wǎng)站，社交網(wǎng)站，網(wǎng)絡(luò)購(gòu)物網(wǎng)站，網(wǎng)絡(luò)檢索網(wǎng)站，網(wǎng)頁(yè)查詢網(wǎng)站。
【專利說(shuō)明】-種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域中的一種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法。

【背景技術(shù)】
[0002] 近些年來(lái)，通過(guò)移動(dòng)電話，智能手機(jī)等等讀取二維碼，然后下載二維碼對(duì)應(yīng)的視頻 的方法正在被廣泛使用。（專利文獻(xiàn)1)
[0003] 但是，印刷物上印刷上二維碼之后，不僅對(duì)于印刷物的美觀有損，而且印刷二維碼 還需要必須的空間。因此從印刷物的美觀以及印刷空間出發(fā)來(lái)考慮，采用電子水印技術(shù)，使 用智能手機(jī)進(jìn)行讀取的系統(tǒng)也被廣泛采用。比較有代表的手法有"在便攜計(jì)算設(shè)備之上高 速信號(hào)檢測(cè)以及分散計(jì)算]專利文檔提及的方法"。（專利文獻(xiàn)2)
[0004] 同時(shí)，也有使用圖形識(shí)別技術(shù)，進(jìn)行圖像讀取，基于讀取到的圖像連接網(wǎng)絡(luò)，讀取 的圖像和圖像本身相關(guān)聯(lián)的信息同時(shí)在畫(huà)面上顯示的所謂AR (Augmented Reality)的擴(kuò)張 現(xiàn)實(shí)技術(shù)(www. sbbit. jp)。
[0005] 為了極力減少與圖像特征相關(guān)聯(lián)的信息的容量，人們還在摸索由圖像直接生成圖 像代碼的技術(shù)，已經(jīng)申請(qǐng)的專利有"圖像代碼化設(shè)備，方法以及程序"。（專利文獻(xiàn)3) 已公開(kāi)的技術(shù)文獻(xiàn) 專利文獻(xiàn)：
[0006] 【專利文獻(xiàn)1】（特開(kāi)2〇〇9_104164號(hào)公告） 【專利文獻(xiàn)2】（特開(kāi)2011-234376號(hào)公告） 【專利文獻(xiàn)3】（特開(kāi)2011-94551號(hào)公告）
[非專利文獻(xiàn) I ]「AR應(yīng)用說(shuō)明」(www. ar. selkosha-p. com<http://www. ar. selkosha~p. com? 訪問(wèn)時(shí)間：2013年8月6日
[0007] 上述的專利文獻(xiàn)1中記述的方法，使用便攜電話讀取二維碼的技術(shù)被廣泛使用， 但是二維碼需要專用空間，商品標(biāo)簽以及包裝上使用的時(shí)，會(huì)有損美觀。
[0008] 上述專利文獻(xiàn)2中記載的智能手機(jī)讀取系統(tǒng)中，因?yàn)槎S碼可以隱藏在商品標(biāo)簽 中，所以對(duì)商品的標(biāo)簽包裝等等美觀上不會(huì)有影響，但是需要提前把信息隱藏進(jìn)去，需要復(fù) 雜的印刷手段，印刷成本以及花費(fèi)時(shí)間都會(huì)增加，因?yàn)樾枰孪鹊男畔⒙袢氲淖鳂I(yè)所以此 手段廣泛普及需要很長(zhǎng)的時(shí)間。
[0009] 同時(shí)，非專利文獻(xiàn)1中提到的AR (Augmented Reality)的擴(kuò)張現(xiàn)實(shí)技術(shù)，根據(jù)圖像 的輪廓解析對(duì)圖像進(jìn)行特定，然后對(duì)獲取關(guān)聯(lián)信息。因此，通過(guò)使用相同輪廓的圖像有可能 獲取到相關(guān)的信息，而且很難防止偽造。還有，這種手法采用了圖像匹配的識(shí)別方法，單個(gè) 圖像就需要注冊(cè)數(shù)兆的圖像匹配信息到內(nèi)存中，因此需要大容量的記憶介質(zhì)（內(nèi)存）。
[0010] 上述的專利文獻(xiàn)3中提到的圖像代碼，指的是事先設(shè)定在圖像中的標(biāo)準(zhǔn)閾值，將 這中特定的圖像分割成若干區(qū)域，將各個(gè)分割成的區(qū)域中的灰度直與實(shí)現(xiàn)設(shè)定在圖像中的 標(biāo)準(zhǔn)閥值進(jìn)行對(duì)比，按大于標(biāo)準(zhǔn)閥值，還是小于標(biāo)準(zhǔn)閥值判斷出是信息" 1"，還是信息"0"。 這種圖像代碼的生成方法和專利文獻(xiàn)2中提到技術(shù)一樣，都只能針對(duì)特定的圖像進(jìn)行圖像 代碼的生成，不能針對(duì)不特定的圖像進(jìn)行圖像代碼的生成。


【發(fā)明內(nèi)容】

[0011] 本發(fā)明的第一個(gè)目的是，提供一個(gè)方法，提供一個(gè)直接將不特定的印刷圖像生成 圖像代碼的方法。
[0012] 本發(fā)明的第二個(gè)目的是，解決谷歌眼鏡不能進(jìn)行自動(dòng)功能切換的問(wèn)題。
[0013] 本發(fā)明的第三個(gè)目的是，提供一個(gè)新形式的物聯(lián)網(wǎng)網(wǎng)站的構(gòu)成方法。
[0014] 為了解決上述課題，提出如下技術(shù)方案： 一種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，該網(wǎng)站系統(tǒng)是由圖像代碼生成部分， 功能切換部分，網(wǎng)站實(shí)現(xiàn)部分組成的，具有如下的特點(diǎn)： 圖像代碼生成部分，將從圖像讀取設(shè)備中獲取到的原圖像，變換成復(fù)數(shù)個(gè)幾何學(xué)，或物 理學(xué)形態(tài)的展開(kāi)圖像，并基于自組織的概率尺度，抽出各個(gè)圖像的特征信息，進(jìn)行數(shù)值化的 處理，生成圖像代碼； 功能切換部分，將從包括人眼的眼球移動(dòng)信、眼皮翻動(dòng)的信息、上下牙齒的相碰信息、 人的頭部晃動(dòng)信息、聲音識(shí)別信息中至少一種信息的傳感器中獲取功能切換的輸入信息， 并轉(zhuǎn)換成功能切換的控制信號(hào)，控制谷歌眼鏡切換功能； 網(wǎng)站實(shí)現(xiàn)部分，將圖像代碼生成部分生成的圖像代碼作為無(wú)限終端連接網(wǎng)站的網(wǎng)絡(luò)入 口代碼，通過(guò)與網(wǎng)絡(luò)連接實(shí)現(xiàn)包括網(wǎng)絡(luò)播放媒體網(wǎng)站，社交網(wǎng)站，網(wǎng)絡(luò)購(gòu)物網(wǎng)站，網(wǎng)絡(luò)檢索 網(wǎng)站，網(wǎng)頁(yè)查詢網(wǎng)站中至少一種形式的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法。
[0015] 而且，上述圖像變換部分，所述圖像變換是根據(jù)原圖像信息的各個(gè)像素的灰度的 分布，將原圖像變換成具有幾何學(xué)的形狀特征的展開(kāi)圖像，具有物理學(xué)的能量特征的展開(kāi) 圖像，邊緣展開(kāi)圖像，類似度的展開(kāi)圖像中復(fù)數(shù)種展開(kāi)圖像。
[0016] 而且，上述特征信息抽出部分，所述自組織概率尺度是指，包括正態(tài)分布，多變量 正態(tài)分布，指數(shù)分布，通信量分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率分布 的概率屬性的參數(shù)，所述自組織的中心值，是指概率分布的平均值，或者期待值。
[0017] 而且，上述特征抽出部分，將上述復(fù)數(shù)展開(kāi)圖像分別分割成多個(gè)圖像區(qū)域，基于自 組織概率尺度，從每個(gè)圖像分割的領(lǐng)域中，抽出展開(kāi)圖像的特征信息； 上述圖像代碼生成部分，將復(fù)數(shù)展開(kāi)圖像的特征信息，用單比特，或多比特的形式進(jìn)行 數(shù)值化處理，并直接生成圖像代碼。
[0018] 上述特征抽出部分，將復(fù)數(shù)個(gè)展開(kāi)圖像，基于自組織的概率尺度，抽出各個(gè)展開(kāi)圖 像的特征信息； 上述圖像代碼生成部分，將由特征抽出部分抽出的所有的展開(kāi)圖像的特征信息，使用 基于人為經(jīng)驗(yàn)所定義的復(fù)數(shù)個(gè)從屬函數(shù)，在0到n數(shù)值之間進(jìn)行數(shù)值化，并直接生成圖像代 碼。
[0019] 而且，上述圖像代碼生成部分，將數(shù)值化的各個(gè)原圖像的展開(kāi)圖像的特征信息，作 為多個(gè)圖像的特征向量，并為能登錄注冊(cè)到服務(wù)器上而構(gòu)成了圖像的特征向量空間； 計(jì)算屬于特征向量空間的圖像的特征向量和圖像的特征向量空間中登錄的各個(gè)特征 向量的歐氏距離（Euclidean distance),把距離最小的特征向量空間的特征向量作為當(dāng)前 圖像的圖像代碼。
[0020] 而且，上述代碼生成部分，為了生成登錄用的圖像代碼，用不同的時(shí)機(jī)獲取到的同 一個(gè)讀取對(duì)象的多個(gè)圖像，取得各個(gè)固定的多個(gè)展開(kāi)圖像的特征信息，作為多個(gè)圖像信息 的特征向量，基于自組織概率尺度，計(jì)算當(dāng)前圖像的特征向量的中心值和概率尺度，構(gòu)成服 務(wù)器登錄的新的特征向量空間； 針對(duì)屬于新的特征向量空間的圖像特征向量，使用特征向量空間中登錄的各個(gè)圖像的 特征向量的中心值和分散值進(jìn)行概率尺度的距離概率尺度的距離的計(jì)算，把概率尺度的距 離最近的屬于特征向量空間的特征向量的中心值作為當(dāng)前圖像的圖像代碼。
[0021]

【專利附圖】

【附圖說(shuō)明】 圖1使用谷歌眼鏡的讀取方法示意圖 圖2自組織處理流程示意圖 圖3通過(guò)幾何學(xué)或者物理學(xué)進(jìn)行展開(kāi)圖像的變換方法的示意圖 圖4通過(guò)能量圖像的變換抽出圖像特征信息的示意圖 圖5通過(guò)形狀圖像的變換抽出圖像特征信息的示意圖 圖6通過(guò)邊緣圖像的變換抽出圖像特征信息的示意圖 圖7通過(guò)類似圖像的變換抽出圖像特征信息的示意圖 圖8通過(guò)能量圖像的分割進(jìn)行圖像代碼化示意圖 圖9多色圖之間灰度調(diào)整原理示意圖 圖10是防偽圖像代碼的圖像構(gòu)成原理示意圖 圖11利用微鏡頭陣列實(shí)現(xiàn)防偽圖像代碼的圖像生成方法的示意圖 圖12用于物聯(lián)網(wǎng)網(wǎng)站的谷歌眼鏡系統(tǒng)構(gòu)成示意圖 圖13圖像代碼化檢索系統(tǒng)處理流程示意圖 圖14圖像代碼化檢索系統(tǒng)的系統(tǒng)構(gòu)成示意圖

【具體實(shí)施方式】
[0022] 以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步詳述，但本發(fā)明所述的實(shí)施例是說(shuō)明性 的，而不是限定性的。 本發(fā)明解決其技術(shù)問(wèn)題是采取以下技術(shù)方案實(shí)現(xiàn)的：根據(jù)說(shuō)明書(shū)附圖對(duì)于發(fā)明的實(shí)施 例進(jìn)行說(shuō)明。
[0023] 圖1是本發(fā)明的圖像代碼化變換方法以及變換設(shè)備的說(shuō)明示意圖。圖1是以谷歌 眼鏡為例進(jìn)行說(shuō)明的。 在以下的說(shuō)明中，經(jīng)常會(huì)用谷歌眼鏡進(jìn)行說(shuō)明，但是本發(fā)明不僅僅局限于谷歌眼鏡，使 用智能手機(jī)，便攜電話以及其他的移動(dòng)終端，電話回路，專用回路接線的在線終端，監(jiān)視攝 像頭，自動(dòng)檢票機(jī)的認(rèn)證攝像頭，信用卡終端等的系統(tǒng)都可以使用。
[0024] 圖I (a)是使用谷歌眼鏡對(duì)商品標(biāo)簽或者包裝的圖像進(jìn)行讀取的示意圖，圖I (b) 是以谷歌眼鏡等移動(dòng)終端為例，介紹本發(fā)明有關(guān)具有圖像的代碼生成功能的裝置的功能模 塊示意圖。圖1(b)中對(duì)于必須的功能單元均采用實(shí)線的方塊圖。
[0025] 例如，谷歌眼鏡等移動(dòng)終端10的圖像讀取部分11面向商品標(biāo)簽（1-2)，C⑶攝像 頭等構(gòu)成的圖像讀取部分11，獲取到圖像信息，然后發(fā)送給終端控制部分14,然后顯示在 圖像表示部分12。同時(shí)，圖像信息也會(huì)保存到數(shù)據(jù)記憶部分15。從數(shù)據(jù)輸入部分13接收 到特定信號(hào)時(shí)，終端控制部分14和圖像代碼變換部分16共同處理，獲取到圖像的特有唯一 代碼。圖像代碼，基于終端控制部分14的控制指令，被保存到數(shù)據(jù)記憶部分15中，也可通 過(guò)通信部分17,基于終端控制部分當(dāng)前命令，發(fā)送到網(wǎng)絡(luò)連接的外部設(shè)備中。來(lái)自于網(wǎng)絡(luò)方 面的信息，是通過(guò)通信部分17,終端控制部分14,然后顯示在圖像顯示部分12上，圖像讀取 部分獲取的信息也會(huì)同時(shí)顯示在圖像顯示部分12上。 雖然圖1是用移動(dòng)終端進(jìn)行的示例，連接有網(wǎng)絡(luò)的電腦，POS終端設(shè)備，以及其他的檢 索專用設(shè)備等都是可以的。
[0026] 圖2是自組織處理流程。如圖2所示，基于概率尺度的自組織算法由下邊4個(gè)步 驟構(gòu)成。
[0027] STEPl :預(yù)處理步驟：Mw作為初始化概率尺度，（x。，yQ)((0作為自組織的中心值，V 作為自組織的收斂值，MN作為自組織最大組織次數(shù)值，n = 0作為自組織的當(dāng)前次數(shù)。 關(guān)于Mw作為初始化概率尺度和（?,%)((1)作為自組織的中心值的決定方法，沒(méi)必要進(jìn) 行嚴(yán)密的設(shè)定。通過(guò)人工預(yù)測(cè)，對(duì)于最終的范圍，至少有一部分是包含在初始化概率尺度 Mw的范圍內(nèi)的。初始化概率尺度M w越大，計(jì)算的時(shí)間就越長(zhǎng)，反之太小，有可能得不到正 確的結(jié)果。 關(guān)于V作為收斂值的設(shè)定方法，收斂值V越大，就有可能得不到正確的結(jié)果。值越小， 計(jì)算花費(fèi)的時(shí)間越長(zhǎng)。正確的設(shè)定方法是最終自組織的概率的10%左右。 關(guān)于最大自組織次數(shù)MN的設(shè)定方法，一般是5-10次就足夠了。 STEP2 :自組織步驟：進(jìn)行n次自組織處理，把（xn，yn)(n)作為自組織中心值，概率尺度 |^作為半徑，計(jì)算半徑以內(nèi)的所有像素1(\，7』）（1 = 1，2，*"，1^，]_ = 1，2，?，1)的灰度 密度分散值 S(n+1)。M(n+1) = S(n+1)，n = n+1。
[0030]【公式1】

【權(quán)利要求】
1. 一種面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，該網(wǎng)站系統(tǒng)是由圖像代碼生成部 分，功能切換部分，網(wǎng)站實(shí)現(xiàn)部分組成的，具有如下的特點(diǎn)： 圖像代碼生成部分，將從圖像讀取設(shè)備中獲取到的原圖像，變換成復(fù)數(shù)個(gè)幾何學(xué)，或物 理學(xué)形態(tài)的展開(kāi)圖像，并基于自組織的概率尺度，抽出各個(gè)圖像的特征信息，進(jìn)行數(shù)值化的 處理，生成圖像代碼； 功能切換部分，將從包括人眼的眼球移動(dòng)信、眼皮翻動(dòng)的信息、上下牙齒的相碰信息、 人的頭部晃動(dòng)信息、聲音識(shí)別信息中至少一種信息的傳感器中獲取功能切換的輸入信息， 并轉(zhuǎn)換成功能切換的控制信號(hào)，控制谷歌眼鏡切換功能； 網(wǎng)站實(shí)現(xiàn)部分，將圖像代碼生成部分生成的圖像代碼作為無(wú)限終端連接網(wǎng)站的網(wǎng)絡(luò)入 口代碼，通過(guò)與網(wǎng)絡(luò)連接實(shí)現(xiàn)包括網(wǎng)絡(luò)播放媒體網(wǎng)站，社交網(wǎng)站，網(wǎng)絡(luò)購(gòu)物網(wǎng)站，網(wǎng)絡(luò)檢索 網(wǎng)站，網(wǎng)頁(yè)查詢網(wǎng)站中至少一種形式的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法。
2. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，其特征在于： 上述圖像變換部分，所述圖像變換是根據(jù)原圖像信息的各個(gè)像素的灰度的分布，將原 圖像變換成具有幾何學(xué)的形狀特征的展開(kāi)圖像，具有物理學(xué)的能量特征的展開(kāi)圖像，邊緣 展開(kāi)圖像，類似度的展開(kāi)圖像中復(fù)數(shù)種展開(kāi)圖像。
3. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，其特征在于： 上述特征信息抽出部分，所述自組織概率尺度是指，包括正態(tài)分布，多變量正態(tài)分布， 指數(shù)分布，通信量分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率分布的概率屬 性的參數(shù)，所述自組織的中心值，是指概率分布的平均值，或者期待值。
4. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，其特征在于： 上述特征抽出部分，將上述復(fù)數(shù)展開(kāi)圖像分別分割成多個(gè)圖像區(qū)域，基于自組織概率 尺度，從每個(gè)圖像分割的領(lǐng)域中，抽出展開(kāi)圖像的特征信息； 上述圖像代碼生成部分，將復(fù)數(shù)展開(kāi)圖像的特征信息，用單比特，或多比特的形式進(jìn)行 數(shù)值化處理，并直接生成圖像代碼。
5. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡的圖像代碼的生成方法，其特征在于： 上述特征抽出部分，將復(fù)數(shù)個(gè)展開(kāi)圖像，基于自組織的概率尺度，抽出各個(gè)展開(kāi)圖像的 特征信息； 上述圖像代碼生成部分，將由特征抽出部分抽出的所有的展開(kāi)圖像的特征信息，使用 基于人為經(jīng)驗(yàn)所定義的復(fù)數(shù)個(gè)從屬函數(shù)，在0到n數(shù)值之間進(jìn)行數(shù)值化，并直接生成圖像代 碼。
6. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，其特征在于： 上述圖像代碼生成部分，將數(shù)值化的各個(gè)原圖像的展開(kāi)圖像的特征信息，作為多個(gè)圖 像的特征向量，并為能登錄注冊(cè)到服務(wù)器上而構(gòu)成了圖像的特征向量空間； 計(jì)算屬于特征向量空間的圖像的特征向量和圖像的特征向量空間中登錄的各個(gè)特征 向量的歐氏距離（Euclideandistance),把距離最小的特征向量空間的特征向量作為當(dāng)前 圖像的圖像代碼。
7. 根據(jù)權(quán)利要求1所述的面向谷歌眼鏡物聯(lián)網(wǎng)網(wǎng)站系統(tǒng)的構(gòu)成方法，其特征在于： 上述代碼生成部分，為了生成登錄用的圖像代碼，用不同的時(shí)機(jī)獲取到的同一個(gè)讀取 對(duì)象的多個(gè)圖像，取得各個(gè)固定的多個(gè)展開(kāi)圖像的特征信息，作為多個(gè)圖像信息的特征向 量，基于自組織概率尺度，計(jì)算當(dāng)前圖像的特征向量的中心值和概率尺度，構(gòu)成服務(wù)器登錄 的新的特征向量空間； 針對(duì)屬于新的特征向量空間的圖像特征向量，使用特征向量空間中登錄的各個(gè)圖像的 特征向量的中心值和分散值進(jìn)行概率尺度的距離概率尺度的距離的計(jì)算，把概率尺度的距 離最近的屬于特征向量空間的特征向量的中心值作為當(dāng)前圖像的圖像代碼。
【文檔編號(hào)】G06K9/20GK104376314SQ201310351120
【公開(kāi)日】2015年2月25日 申請(qǐng)日期:2013年8月12日 優(yōu)先權(quán)日:2013年8月12日
【發(fā)明者】顧澤蒼, 王儒敬 申請(qǐng)人:天津市阿波羅信息技術(shù)有限公司