买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉沈阳理工大学申请的专利一种基于轮廓质心高度增量特征的目标识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114820673B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210447396.9，技术领域涉及：G06T7/13；该发明授权一种基于轮廓质心高度增量特征的目标识别方法是由宋建辉;郑伟;于洋;刘砚菊;赵亚威;郝奕全;崔永阔设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本一种基于轮廓质心高度增量特征的目标识别方法在说明书摘要公布了：本发明提供了一种基于轮廓质心高度增量特征的目标识别方法，所述方法包括下列步骤，建立多类目标图像和模板图像的轮廓模板数据库，对模板图像和目标图像分别进行图像预处理及轮廓提取，并生成轮廓点集，对模板图像和目标图像分别提取轮廓的质心高度增量特征，并进行归一化处理和平滑化处理，通过动态规划算法计算模板图像和目标图像的质心高度增量特征距离，通过联合动态规划算法和形状复杂度分析，共同对目标图像进行识别，得出最终的识别结果，数据库内具体包括图像的几何变换特征和完整的图像特征，解决传统目标识别算法识别准确率低、复杂度高，且识别抗噪性低，进而达不到稳定、准确的识别效果的问题。

本发明授权一种基于轮廓质心高度增量特征的目标识别方法在权利要求书中公布了：1.一种基于轮廓质心高度增量特征的目标识别方法，其特征在于，所述方法包括下列步骤： S1：图像的预处理及轮廓提取：对待测目标图像和若干模板图像进行预处理并用轮廓提取算法提取各自的外围轮廓；待测目标为不确定物体图像，模板图像为确定物体图像； S2：对轮廓进行均匀采样和质心提取：提取待测目标的外部轮廓，在外部轮廓上选取N个采样点，提取N个采样点的轮廓质心； S3：以轮廓质心为参考点，根据其他点相较于该点的高度关系建立质心高度增量描述符：对S2选取的采样点求取他们各自与质心的距离以及质心高度增量； S4：对质心高度增量特征进行归一化和平滑化处理：对S3得到的质心高度增量特征降维处理以及使其具备平移旋转不变性； S5：采用动态规划算法计算两个轮廓的特征距离：应用S4得到的经过处理的质心高度增量特征计算匹配代价进而计算轮廓之间的特征距离； S6：结合轮廓特征的复杂度分析筛选出最终结果：通过改变距离公式参数设定筛选出最终结果； S2中，具体包括以下步骤： S2.1：在图像外部轮廓上提取N个有效特征点； S2.2：根据算法计算轮廓质心； S3中，具体包括以下步骤： S3.1：求出采样点与质心的距离，即质心高度值； S3.2：对质心高度增量序列的求取； S3.3：对质心高度增量矩阵的求取； S4中，具体包括以下步骤： S4.1：对轮廓采样点的质心高度增量特征进行归一化处理； S4.2：对轮廓采样点的质心高度增量特征进行平滑性处理； S4.2中平滑性处理包括： 对于pi点的质心高度增量可表示为： 该序列包含了N个元素，对应N个采样点相对于该点的质心高度增量，加入正整数系数k1＜k＜N，将该序列划分成M个不相交的子序列[1,k]、[k+1,2k]、...，其中M＝[Nk]，计算每个序列的质心高度增量的平均值：其中，t＝1,2,...M； 把M个均值数据进行有序排列，得到点pi经过平滑化处理后的特征序列Gi，即：Gi＝gi,1,gi,2,....gi,M-1,gi,MT，将所有采样点平滑后的描述符按序排列，得到轮廓P的质心高度增量特征矩阵EP：EP＝G1,G2,...,GN-1,GN； S5中，具体包括以下步骤： S5.1：计算两个形状上采样点间的匹配代价：即计算两个形状上面各一采样点之间的质心高度增量特征的距离，设计权重系数，得到两个轮廓间的匹配代价矩阵； S5.2：采用动态规划算法对轮廓点集进行匹配，确定对应关系，使得轮廓间每对轮廓点的匹配代价的总和最小，从而得到两个轮廓点集序列间的最优匹配代价； S5.1中对匹配代价的求取包括： 预设采样点pi和qj分别属于形状P和Q，设定匹配代价为pi、qj两点对应的质心高度增量特征Gi和Gj之间的距离； 设定权重系数wt突出轮廓的局部特征，计算公式如式：基于权重系数，得到匹配代价cpi,qj的计算公式如式： 其中，dgi,t,gj,t表示pi、qj两点在其质心高度增量第t个分量上的数据差值； S5.2中对最优匹配代价的求取包括： 获取任意两个点的匹配代价后，进行轮廓点集间的匹配，采用动态规划算法进行匹配，确定对应关系，使得轮廓间每对轮廓点的匹配代价的总和最小，设形状P的采样点pi与形状Q中的采样点τpi相匹配，则两个形状的距离差异定义为：其中，cpi,τpi为采样点pi和τpi之间的匹配代价； S6中，引入形状复杂度进一步提升轮廓的匹配效果；引入形状复杂度进一步提升轮廓的匹配效果包括： 设定形状轮廓的复杂度为：其中，std表示标准差； 通过引入形状复杂度，得到两个形状之间的距离SP,Q：其中，CP和CQ分别为形状P和Q的复杂度，η为调整分母大小的参数； 将待检测目标P进行翻转得到形状PF，将形状P和PF分别与形状Q匹配，取两者中匹配的最小距离作为形状P和Q的最终匹配结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳理工大学，其通讯地址为：110000 辽宁省沈阳市浑南区南屏中路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。