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质心高度增量与DTW相结合的轮廓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：CN116704220B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310702710.8，技术领域涉及：G06V10/74；该发明授权一种基于质心高度增量与DTW相结合的轮廓目标识别方法是由宋建辉;郝奕全;刘晓阳;赵亚威设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于质心高度增量与DTW相结合的轮廓目标识别方法在说明书摘要公布了：本发明提供一种基于质心高度增量与DTW相结合的轮廓目标识别方法，涉及轮廓目标识别技术领域。基于质心高度增量与DTW相结合的轮廓目标识别方法包括以下步骤：求取模板图像和目标图像的质心高度增量特征矩阵；通过DTW算法对模板图像和目标图像的质心高度增量特征矩阵进行比对，得到第一特征距离；将目标图像翻转后，求取翻转图像的质心高度增量特征矩阵；通过DTW算法对模板图像和翻转图像的质心高度增量特征矩阵进行比对，得到第二特征距离；通过最小值函数求取第一特征距离与第二特征距离中的最小特征距离；在最小特征距离中引入形状复杂度求取相似性距离，根据相似性距离输出识别结果。从而，可以保证在识别率效果较好的同时，提升目标识别的实时性。

本发明授权一种基于质心高度增量与DTW相结合的轮廓目标识别方法在权利要求书中公布了：1.一种基于质心高度增量与DTW相结合的轮廓目标识别方法，其特征在于，包括以下步骤： 求取模板图像和目标图像的质心高度增量特征矩阵； 通过DTW算法对模板图像和目标图像的质心高度增量特征矩阵进行比对，得到第一特征距离； 将目标图像翻转后，求取翻转图像的质心高度增量特征矩阵； 通过DTW算法对模板图像和翻转图像的质心高度增量特征矩阵进行比对，得到第二特征距离； 通过最小值函数求取第一特征距离与第二特征距离中的最小特征距离； 在最小特征距离中引入形状复杂度求取相似性距离，根据相似性距离输出识别结果； 求取质心高度增量特征矩阵包括以下步骤： 对图像进行预处理； 提取图像的外围轮廓； 在外围轮廓上提取多个采样点，生成轮廓采样点集； 计算轮廓采样点集的轮廓质心； 计算质心高度； 计算质心高度增量； 求取质心高度增量序列； 求取质心高度增量矩阵； 所述对图像进行预处理具体包括以下步骤：将图像从三通道图像转换为单通道图像；对单通道图像进行阈值化降噪处理； 所述提取图像的外围轮廓包括以下步骤：采用Canny微分算子对图像进行边缘提取；采用图像形态学运算膨胀细小边缘并填充空洞，形成完整的外围轮廓；再一次采用Canny微分算子进行外围轮廓的准确提取； 通过DTW算法对模板图像和目标图像的质心高度增量特征矩阵进行比对，得到第一特征距离具体包括： 设目标图像轮廓采样点集为，； 设模板图像轮廓采样点集为，； 经过归一化处理和平滑处理后得到的模板图像的质心高度增量特征矩阵记为： ； 其中，；为模板图像的第个特征矢量； 经过归一化处理和平滑处理后得到的目标图像的质心高度增量特征矩阵记为： ； 其中，为目标图像的第个特征矢量； 将第一特征距离根据DTW算法定义为： 其中， 利用以下递推公式转化为对和子序列问题的求解： 目标图像轮廓采样点集和模板图像轮廓采样点集之间的第一特征距离为： ； 通过DTW算法对模板图像和翻转图像的质心高度增量特征矩阵进行比对，得到第二特征距离具体包括： 将目标图像翻转得到翻转图像； 设翻转图像轮廓采样点集为； 目标图像的质心高度增量特征矩阵记为； 翻转图像轮廓采样点集和模板图像轮廓采样点集之间的第二特征距离为： ； 通过最小值函数求取第一特征距离与第二特征距离中的最小特征距离具体包括：采用以下公式计算最小特征距离： 。

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”。

以上内容由龙图腾AI智能生成。