技術(shù)宅

現(xiàn)在隨著AR技術(shù)的興起，越來越多的AR小應(yīng)用可以實現(xiàn)在手機上運行和展示。這些AR應(yīng)用可以在用戶眼前展示栩栩如生的視頻場景，這種應(yīng)用的核心技術(shù)是AR的識別跟蹤技術(shù)。那么什么是AR識別跟蹤技術(shù)？它又是怎樣實現(xiàn)跟蹤的？

AR應(yīng)用 讓人身臨其境的魔幻程序

最近流行的AR游戲《Pokemon Go》讓很多人知道AR的魅力，而隨著AR技術(shù)的發(fā)展，這種借助手機實現(xiàn)的AR營銷APP也越來越多。比如近日百度將人工智能引入AR技術(shù)，與歐萊雅中國全新上市淳萃（Ultra DOUX）一起為消費者帶來了一個既有虛擬又有現(xiàn)實的場景體現(xiàn)。消費者只需要打開手機百度APP掃描淳萃產(chǎn)品瓶身、明信片或身邊的公交站牌，即可在手機上看到美麗的櫻花雨、神奇的牛油果等淳萃自然元素，第一時間與美妙的自然環(huán)境進行零距離接觸（圖1）。

這個顯示特效和《Pokemon Go》中的游戲場景很類似，是一種典型的AR特效在手機上的應(yīng)用。

它不同于傳統(tǒng)平面圖片展示，AR可以結(jié)合產(chǎn)品本身，在手機上呈現(xiàn)各種動感元素。

AR場景幕后功臣——識別跟蹤技術(shù)

AR可以讓用戶在掃描特定的圖片、二維碼時展現(xiàn)相應(yīng)的視頻場景，那么這種特效是怎么實現(xiàn)的？我們以上述示例為例，先來了解一下AR程序運行流程是怎么樣的。

首先用戶需要啟動手機百度APP，開啟手機攝像頭對準(zhǔn)特定的宣傳畫掃描，接著手機屏幕上就會出現(xiàn)和相應(yīng)產(chǎn)品對應(yīng)的自然元素組成的視頻。這個看似簡單的視頻展現(xiàn)，背后其實就是一個典型AR場景的再現(xiàn)。

對于這類AR效果的實現(xiàn)，首先制作方要對掃描的實物進行建模。如掃描的是某款品牌的化妝品，我們就需要先掃描該物品的3D模型，并對其進行關(guān)鍵幀標(biāo)定，比如瓶蓋、瓶身某位置。然后根據(jù)這個化妝品成分元素分別準(zhǔn)備對應(yīng)的視頻數(shù)據(jù)，如多汁的檸檬、漂浮的薄荷、開放的橙花等這些動態(tài)視頻數(shù)據(jù)（圖2）。

這樣當(dāng)用戶使用手機百度APP掃描淳萃產(chǎn)品瓶身（前面標(biāo)定的關(guān)鍵幀），系統(tǒng)就會去尋找AR場景中與之最接近的關(guān)鍵幀，根據(jù)關(guān)鍵幀上的特征點（如化妝品中的櫻花成分），然后利用特定的算法找到AR場景中對應(yīng)的視頻，并將其展現(xiàn)在用戶的手機畫面中（圖3）。

在這個AR應(yīng)用中技術(shù)核心就是識別跟蹤技術(shù)，AR應(yīng)用首先要識別標(biāo)示物（如上述特定產(chǎn)品瓶身上的品牌標(biāo)記），然后進行跟蹤（跟蹤用戶掃描到的產(chǎn)品標(biāo)記），接著就在用戶手機上展示對應(yīng)的視頻場景。

那么AR應(yīng)用是怎么對標(biāo)示物進行識別？AR應(yīng)用是通過“特征點”進行識別的，就象我們在日常生活中要辨認某個人，一般是通過某人臉上的特性標(biāo)記如眼睛大、額頭高、鼻梁長來辨認。不過圖像在電子設(shè)備中的狀態(tài)是一堆數(shù)字，AR應(yīng)用是通過什么來進行識別？

對于圖像的識別一般有FAST、Harris、SIFT、SURF、MSER法等，以FAST特征點檢測法為例。電子識別設(shè)備（如電腦、手機）要識別一張圖片，就需要先對圖片進行特征點的標(biāo)記。FAST特征點檢測是首先在圖片上選取一個標(biāo)記點，假設(shè)記為P點，將其在圖片上的亮度值記為L。然后設(shè)定一個閾值Y（用來表示亮度遞增或遞減），以P為圓心、3個像素長度為半徑做一個圓，這個圓的邊界上有16個像素（圖4）。

如果測試后16個像素的像素值都比P+Q大（或都比P-Q?。?，那么就認為P點就是一個特征點，否則按此方法繼續(xù)查找符合條件的關(guān)鍵點。這樣通過標(biāo)記圖片上的關(guān)鍵點，電子識別設(shè)備就可以“認識”有特定的標(biāo)記點的圖片了。

當(dāng)然只知道檢測到特征點還不行，如果要判斷兩張圖片是否是同一張圖片，識別設(shè)備還要判斷兩張圖片的特征點是否一致。判斷的標(biāo)準(zhǔn)則是借助特征點描述因子，特征點描述因子是對特征點的描述，比如在日常生活中我們通常用身材相對高大、講話帶卷舌音這種語句來表述北方人的特征。同樣的對于電子識別設(shè)備來說，如果在比較兩張圖片時，發(fā)現(xiàn)它們有同樣的特征描述（比如在某個相同區(qū)域如左上角有一個亮度一致的特征點），那么就會提取目標(biāo)圖和源圖進行比對。如果幾個特征點都一致，那么就判斷這兩張圖片是特征一樣的圖片。

因為AR視頻是由多幀圖片組成，在完成一幅圖片的比對后還要對視頻幀的其他圖片進行跟蹤比對。特征跟蹤有兩種方式，一種是對視頻流中的每一幀圖像進行特征點匹配;另一種則在第一幅圖像中，尋找可能的特征位置，然后在后續(xù)的圖像中搜索它們的對應(yīng)位置。這樣完成對識別圖片的跟蹤后，AR應(yīng)用就會在用戶的手機上顯現(xiàn)對應(yīng)的視頻畫面了。

回到上述的實例，手機百度AR應(yīng)用會先將淳萃產(chǎn)品瓶身圖片進行特征點的識別，并存儲在應(yīng)用中。這樣當(dāng)用戶使用手機掃描到符合特征點的瓶身圖片，手機百度AR應(yīng)用會將當(dāng)前圖片和存儲的圖片進行比對，如果是一致的圖片，手機百度AR應(yīng)用就會將特定的視頻展示在用戶手機屏幕上。當(dāng)然AR應(yīng)用還會進行跟蹤，如掃描不同的區(qū)域顯示不同的視頻，或者在掃描其他瓶身時快速識別并顯示預(yù)置的視頻到用戶手機上。