基于移动视觉搜索技术的旅游导览系统设计与实现
发布时间:2021-02-14 19:39
近几年,“智慧旅游”的概念不断深入人们的生活,智慧旅游通过现代化的信息技术和网络通讯技术将旅游资源等相关的信息进行集中化管理,为游客提供个性化的智能服务。随着互联网技术的迅速发展和交通便利性的不断提高,自助游逐渐成为人们旅游出行的最主要方式之一。然而,由于景点人文知识缺失,很多自助游客无法达到深度旅游的目的,常常只是停留在表面的走走看看。因此,研究开发一套集旅游、交通、餐饮、娱乐等要素于一体的移动智慧旅游导览系统,具有相当重要的研究价值。随着移动智能终端旅游应用的高速发展,各种移动智能终端开发技术也日趋成熟,很多移动旅游APP也因此应运而生。然而,现有的APP系统的景点定位均是基于GPS信息实现的,GPS信息只能比较精确的反应用户的位置,而无法准确关联到用户所看到的景点上。因此,基于视觉检索技术智慧旅游导览系统被提出,通过引入基于视觉搜索紧凑描述子CDVS(Compact Descriptors of Visual Search)特征的视觉检索技术,结合移动端的GPS信息,实现智能化的景点定位与识别功能。本文的主要研究工作包括三个方面。第一,提出了GPS和视觉检索技术融合的景点智能定位...
【文章来源】:哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
坐标压缩的顺序图
哈尔滨工业大学工程硕士学位论文-12-图2-2倒排索引结构示意图2、图像重排与几何校验上述最常用的视觉检索方法,对特征描述子的位置信息没有重视,可是几何信息在图像匹配的准确度中是非常重要的,故解决方法是在上述检索的返回结果列表中,进行几何一致性校验来消除错误匹配,随机抽样一致性算法(RandomSampleConsensus,RANSAC)就是其中最常用的算法。该算法运用在检索当中的具体步骤是:先计算出两张图中所有的匹配点对,选取其中部分点对计算两张图的变换矩阵,然后通过不断选取计算,得到一个最佳的变换矩阵,并计算其中正确匹配点的个数,个数越多说明两张图越相似。除此之外,也有一些其他的方法,像采用霍夫金字塔进行校验的。视觉检索系统一般情况下仅执行一次检索并根据检索的图像返回结果,并且都会在兴趣点检测和特征量化的过程中引入噪声。如果在检索中加入这种算法,相当于进行二次检索,从而能够克服视觉单词量化导致的性能损失。2.3Android开发技术Android系统是一个基于Linux的系统,使用软件堆栈架构设计模式,如图2-3所示,Android架构由四层组成:Linux内核,Libraries支持库和Android运行时,APPlication应用程序框架和APPlications应用程序,位于封装的下层
哈尔滨工业大学工程硕士学位论文-18-11270DisqrqrqriiiiLiVVssvv,(3-4)式中qis和ris表示对应第i个变换后的维数Vq和Vr是否被选择。可以注意到通过上式的距离计算公式,可以比较不通长度的描述子。因为只需要对同时被选择的维数进行比较。同时在文献[30]的贪心分配算法,使得低比特的描述子同样存在于高比特的描述子。对比其它的算法:在内存消耗上,对比其他向量量化算法,低复杂度编码算法在低内存消耗,计算复杂度,以及在低比特上的表现使得它比向量量化算法更加简单和优越;对比PTSVQ,低复杂度编码算法中局部描述子变换在空间上消耗对比文献[23]执行矢量量化算法所需的中几百KB和文献[24]中执行矢量量化算法所需的几百MB是微不足道到;在计算复杂度上,低复杂度算法比其它向量量化算法计算复杂度更低。BH1AH0AH2BH3BH9AH8AH10BH11BH12AH13AH15BH14BH4BH6AH5AH7图3-2CDVS局部特征变换中兴趣点周围16个区域划分图图3-3SIFT特征每个bins中直方图统计的8个方向
【参考文献】:
期刊论文
[1]基于Android的“智慧旅游”手机APP开发[J]. 刘士润,崔忠伟,韦萍萍,谢建国. 电子技术与软件工程. 2015(08)
[2]基于北斗和物联网技术的智慧旅游应用系统设计[J]. 敬铅,孔新兵. 移动通信. 2013(15)
硕士论文
[1]智慧旅游系统的设计与实现[D]. 张顺亮.电子科技大学 2014
本文编号:3033743
【文章来源】:哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
坐标压缩的顺序图
哈尔滨工业大学工程硕士学位论文-12-图2-2倒排索引结构示意图2、图像重排与几何校验上述最常用的视觉检索方法,对特征描述子的位置信息没有重视,可是几何信息在图像匹配的准确度中是非常重要的,故解决方法是在上述检索的返回结果列表中,进行几何一致性校验来消除错误匹配,随机抽样一致性算法(RandomSampleConsensus,RANSAC)就是其中最常用的算法。该算法运用在检索当中的具体步骤是:先计算出两张图中所有的匹配点对,选取其中部分点对计算两张图的变换矩阵,然后通过不断选取计算,得到一个最佳的变换矩阵,并计算其中正确匹配点的个数,个数越多说明两张图越相似。除此之外,也有一些其他的方法,像采用霍夫金字塔进行校验的。视觉检索系统一般情况下仅执行一次检索并根据检索的图像返回结果,并且都会在兴趣点检测和特征量化的过程中引入噪声。如果在检索中加入这种算法,相当于进行二次检索,从而能够克服视觉单词量化导致的性能损失。2.3Android开发技术Android系统是一个基于Linux的系统,使用软件堆栈架构设计模式,如图2-3所示,Android架构由四层组成:Linux内核,Libraries支持库和Android运行时,APPlication应用程序框架和APPlications应用程序,位于封装的下层
哈尔滨工业大学工程硕士学位论文-18-11270DisqrqrqriiiiLiVVssvv,(3-4)式中qis和ris表示对应第i个变换后的维数Vq和Vr是否被选择。可以注意到通过上式的距离计算公式,可以比较不通长度的描述子。因为只需要对同时被选择的维数进行比较。同时在文献[30]的贪心分配算法,使得低比特的描述子同样存在于高比特的描述子。对比其它的算法:在内存消耗上,对比其他向量量化算法,低复杂度编码算法在低内存消耗,计算复杂度,以及在低比特上的表现使得它比向量量化算法更加简单和优越;对比PTSVQ,低复杂度编码算法中局部描述子变换在空间上消耗对比文献[23]执行矢量量化算法所需的中几百KB和文献[24]中执行矢量量化算法所需的几百MB是微不足道到;在计算复杂度上,低复杂度算法比其它向量量化算法计算复杂度更低。BH1AH0AH2BH3BH9AH8AH10BH11BH12AH13AH15BH14BH4BH6AH5AH7图3-2CDVS局部特征变换中兴趣点周围16个区域划分图图3-3SIFT特征每个bins中直方图统计的8个方向
【参考文献】:
期刊论文
[1]基于Android的“智慧旅游”手机APP开发[J]. 刘士润,崔忠伟,韦萍萍,谢建国. 电子技术与软件工程. 2015(08)
[2]基于北斗和物联网技术的智慧旅游应用系统设计[J]. 敬铅,孔新兵. 移动通信. 2013(15)
硕士论文
[1]智慧旅游系统的设计与实现[D]. 张顺亮.电子科技大学 2014
本文编号:3033743
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3033743.html