一种基于卷积神经网络的图像识别室内旅游场景的定位方法

摘要：

针对室内旅游场景复杂环境造成定位精度低和稳定性差等问题,以及为避免传统的人工设定、提取图像的特征复杂过程,提出了一种基于卷积神经网络的图像识别室内旅游场景的定位方法.该方法通过移动设备自带摄像头拍摄室内旅游场景图像,建立包括位置和方向信息的图像指纹数据库,运用深度卷积神经网络(CNN)对图像指纹数据进行训练.已训练的CNN对移动设备拍摄当前位置的图像进行图像匹配,从而实现位置的精准定位.实验测试用户用手机拍摄图像进行定位,结果:CNN模型训练,准确率高达99.5％;定位准确率大部分在90％以上,定位精度在直径1.5 m范围,证明了算法具有精度高、很好的鲁棒性、泛化能力较强.

关键词：室内定位、深度学习、定位算法、图像匹配

分类号：TP18(自动化基础理论)

资助基金：广西高校中青年教师科研基础能力提升项目

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：105-109