CN107316315A - 一种基于模板匹配的目标识别定位方法 - Google Patents

一种基于模板匹配的目标识别定位方法 Download PDF

Info

Publication number
CN107316315A
CN107316315A CN201710308052.9A CN201710308052A CN107316315A CN 107316315 A CN107316315 A CN 107316315A CN 201710308052 A CN201710308052 A CN 201710308052A CN 107316315 A CN107316315 A CN 107316315A
Authority
CN
China
Prior art keywords
image
template
matching
target
detection method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710308052.9A
Other languages
English (en)
Inventor
彭博
李力
黄坤山
李志鹏
王华龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Original Assignee
Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute filed Critical Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Priority to CN201710308052.9A priority Critical patent/CN107316315A/zh
Publication of CN107316315A publication Critical patent/CN107316315A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于模板匹配的目标识别定位方法，包括以下步骤：(1)获取特征清晰且包含目标的图像；(2)创建ROI模板区域；(3)依据决策机制判定是否需要进行图像预处理，需则进入步骤(4)，否则进入步骤(5)；(4)图像预处理；(5)提取指定区域ROI的特征；(6)视野范围内搜索目标；(7)找到目标后定位。本发明具有实时性强、匹配精度高、匹配速度快等优点。

Description

一种基于模板匹配的目标识别定位方法
技术领域
本发明涉及机器视觉和图像处理的技术领域，尤其涉及到一种基于模板匹配的目标识别定位方法。
背景技术
目标的识别和定位是机器视觉和图像处理领域研究的重要内容，图像匹配技术在军事、飞机导航、医疗诊断、雷达目标跟踪、工业生产线、安防监控等领域具有重要的实用价值。传统的模板匹配方法如基于灰度的，但是容易受到环境如光照的影响，而且对目标的姿态变换和遮挡比较敏感，基于形状的和基于内容特征的特征向量难以提取，搜索目标的相似性度量方法比较难以确定。
发明内容
本发明的目的在于克服现有技术的不足，提供一种实时性强、匹配精度高、匹配速度快的基于模板匹配的目标识别定位方法。
为实现上述目的，本发明所提供的技术方案为：其包括以下步骤：
(1)获取特征清晰且包含目标的图像；
(2)创建ROI模板区域；
(3)依据决策机制判定是否需要进行图像预处理，需则进入步骤(4)，否则进入步骤(5)；
(4)图像预处理；
(5)提取指定区域ROI的特征；
(6)视野范围内搜索目标；
(7)找到目标后定位。
进一步地，步骤(2)创建的ROI模板区域为矩形、圆形、椭圆形、任意的不规则形状。
进一步地，步骤(2)创建ROI模板区域时采用图像金字塔的方法，将图像分成不同级别的尺寸，在保证图像金字塔每个级别图像上有关键信息后，设定金字塔层数合理范围，然后根据匹配结果选取最佳的层数设定值；
金字塔将图像不同级别的尺寸，尺寸逐级减少，比如第一级图像尺寸为800*400，第二级图像尺寸为400*200，第三级图像尺寸为200*100,这样从最高级图像中开始搜索目标，可以显著的提高搜索速度；在确定图像金字塔层数过程中，首先计算出搜索目标和模板的适当层数范围，然后在最高层图像上目标特征可辨和加入停止条件的情况下，进行一次完整的匹配，在最高层搜索到的模板结果会一层一层向下映射，同时会将每层匹配的结果作为反馈传递给最高层，如果底层匹配结果不好，就会自动降低层数，这样迭代就会得到一个比较理想的最佳层数。
进一步地，图像预处理对于特征明显，轮廓清晰的目标，会加大模板匹配的时间，但是图像预处理对于创建模板的准确性和适用性又是一个重要的参数，在这种矛盾的情况下，采用直方图的方法来决定匹配过程中是否采用图像预处理的方法，自动的进行选择。
进一步地，图像预处理采用动态阈值、形态学、频率滤波等方法增大前景和背景图像的差异化。
进一步地，在特征提取的过程中，从模板图像中点、线、区域，灰度、直方图、形状、纹理、空间位置等特征描述中，综合提取形成融合特征向量，从而提取到目标的主要特征。
进一步地，在视野范围内搜索匹配目标时，先后通过粗匹配搜索和精匹配搜索，从而找到目标物体。所述粗匹配搜索为取模板的隔行隔列数据在被搜索图上进行隔行隔列匹配；精匹配搜索为在第一次误差最小点的邻域内进行搜索匹配。
进一步地，步骤(6)若匹配正确找到目标物体，则给出位置和姿态信息，否则优化调整模板参数，重新创建ROI模板区域，重复步骤(2)-(6)。
与现有技术相比，本方案原理和优点如下：
1.利用图像金字塔的方法将图像分为不同级别尺寸，尺寸逐级减少，使从最高级图像中开始搜索目标，可显著地提高搜索速度。
2.采用直方图的方法来决定匹配过程中是否需要图像预处理，使尽可能地减少模板匹配的时间。
3.特征提取的过程中，从模板图像中点、线、区域，灰度、直方图、形状、纹理、空间位置等特征描述中，综合提取形成融合特征向量，提取目标的主要特征，提高了匹配的正确性，减少了匹配过程中误匹配的情况。
4.在视野范围内搜索匹配目标时，先后通过粗匹配搜索和精匹配搜索，大大提高匹配的精度。
附图说明
图1为本发明中一种基于模板匹配的目标识别定位方法的工作流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
参见附图1所示，本实施例所述的一种基于模板匹配的目标识别定位方法，包括以下步骤：
(1)获取特征清晰且包含目标的图像；
(2)创建ROI模板区域：
创建ROI模板区域时采用图像金字塔的方法，将图像分成不同级别的尺寸，在保证图像金字塔每个级别图像上有关键信息后，设定金字塔层数合理范围，然后根据匹配结果选取最佳的层数设定值；
(3)依据分析图像直方图判定是否需要进行图像预处理，需则进入步骤(4)，否则进入步骤(5)；
(4)通过动态阈值、形态学、频率滤波方法预处理图像；
(5)提取指定区域ROI的特征：
在特征提取的过程中，从模板图像中点、线、区域，灰度、直方图、形状、纹理、空间位置特征描述中，综合提取形成融合特征向量，从而提取目标的主要特征；
(6)视野范围内搜索目标：
先后通过粗匹配搜索和精匹配搜索寻找目标物体；若匹配正确找到目标物体，则给出位置和姿态信息，否则优化调整模板参数，重新创建ROI模板区域，重复步骤(2)-(6)；
(7)找到目标后定位。
本实施例具有实时性强、匹配精度高、匹配速度快等优点。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (8)

1.一种基于模板匹配的目标识别定位方法，其特征在于：包括以下步骤：
(1)获取特征清晰且包含目标的图像；
(2)创建ROI模板区域；
(3)依据决策机制判定是否需要进行图像预处理，需则进入步骤(4)，否则进入步骤(5)；
(4)图像预处理；
(5)提取指定区域ROI的特征；
(6)视野范围内搜索目标；
(7)找到目标后定位。
2.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(2)创建的ROI模板区域为矩形、圆形、椭圆形、任意的不规则形状。
3.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(2)创建ROI模板区域时采用图像金字塔的方法，将图像分成不同级别的尺寸，在保证图像金字塔每个级别图像上有关键信息后，设定金字塔层数合理范围，然后根据匹配结果选取最佳的层数设定值。
4.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(3)中的决策机制为：采用直方图方法对比前景和背景图像差异，若图像差异不明显则需进行图像预处理，反之则进入提取指定区域ROI特征的步骤。
5.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(4)图像预处理采用动态阈值、形态学、频率滤波方法。
6.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：在所述步骤(5)特征提取的过程中，从模板图像中点、线、区域，灰度、直方图、形状、纹理、空间位置特征描述中，综合提取形成融合特征向量，从而提取目标的主要特征。
7.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(6)视野范围内搜索目标，其分为粗匹配搜索和精匹配搜索，先进行粗匹配搜索再进行精匹配搜索；其中，粗匹配搜索为取模板的隔行隔列数据在被搜索图上进行隔行隔列匹配；精匹配搜索为在第一次误差最小点的邻域内进行搜索匹配。
8.根据权利要求1所述的一种基于模板匹配的目标识别定位方法，其特征在于：所述步骤(6)若匹配正确找到目标物体，则给出位置和姿态信息，否则优化调整模板参数，重新创建ROI模板区域，重复步骤(2)-(6)。
CN201710308052.9A 2017-05-04 2017-05-04 一种基于模板匹配的目标识别定位方法 Pending CN107316315A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710308052.9A CN107316315A (zh) 2017-05-04 2017-05-04 一种基于模板匹配的目标识别定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710308052.9A CN107316315A (zh) 2017-05-04 2017-05-04 一种基于模板匹配的目标识别定位方法

Publications (1)

Publication Number Publication Date
CN107316315A true CN107316315A (zh) 2017-11-03

Family

ID=60184809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710308052.9A Pending CN107316315A (zh) 2017-05-04 2017-05-04 一种基于模板匹配的目标识别定位方法

Country Status (1)

Country Link
CN (1) CN107316315A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108010082A (zh) * 2017-12-28 2018-05-08 上海觉感视觉科技有限公司 一种几何匹配的方法
CN109767447A (zh) * 2019-01-04 2019-05-17 腾讯科技（深圳）有限公司 一种模板匹配方法、装置、设备及介质
CN109799838A (zh) * 2018-12-21 2019-05-24 金季春 一种训练方法和系统
CN109886919A (zh) * 2019-01-14 2019-06-14 佛山市南海区广工大数控装备协同创新研究院 一种塑料胶管表面缺陷的检测方法及其系统
CN109993039A (zh) * 2018-01-02 2019-07-09 上海银晨智能识别科技有限公司 人像识别方法及装置、计算机可读存储介质
CN110852319A (zh) * 2019-11-08 2020-02-28 深圳市深视创新科技有限公司 快速通用型roi匹配方法
CN111046960A (zh) * 2019-12-17 2020-04-21 湖北航天技术研究院总体设计所 一种异源图像分区匹配的方法
WO2020133236A1 (zh) * 2018-12-28 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 一种脊柱的成像方法以及超声成像系统
CN111444964A (zh) * 2020-03-27 2020-07-24 江南大学 一种基于自适应roi划分的多目标快速图像匹配方法
CN112270329A (zh) * 2020-10-30 2021-01-26 北京华维国创电子科技有限公司 一种基于多层次算法融合的精准mark点采集和识别算法
CN112801087A (zh) * 2019-11-13 2021-05-14 广东技术师范大学 一种基于自适应参数调整的智能卡表面字符识别的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN102968785A (zh) * 2012-10-18 2013-03-13 华中科技大学 一种基于多核dsp的高速并行图像匹配方法
CN105261012A (zh) * 2015-09-25 2016-01-20 上海瑞伯德智能系统科技有限公司 基于Sobel向量的模板匹配方法
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN102968785A (zh) * 2012-10-18 2013-03-13 华中科技大学 一种基于多核dsp的高速并行图像匹配方法
CN105261012A (zh) * 2015-09-25 2016-01-20 上海瑞伯德智能系统科技有限公司 基于Sobel向量的模板匹配方法
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
曹炬: "基于像素抽样的快速互相关图像匹配算法", 《宇航学报》 *
林泽鸿: "JJR-1型教学机器人目标识别技术的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
赵振民 等: "基于形状模板的快速高精度可靠图像匹配", 《计算机应用》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108010082A (zh) * 2017-12-28 2018-05-08 上海觉感视觉科技有限公司 一种几何匹配的方法
CN108010082B (zh) * 2017-12-28 2021-07-23 上海觉感视觉科技有限公司 一种几何匹配的方法
CN109993039A (zh) * 2018-01-02 2019-07-09 上海银晨智能识别科技有限公司 人像识别方法及装置、计算机可读存储介质
CN109799838A (zh) * 2018-12-21 2019-05-24 金季春 一种训练方法和系统
WO2020133236A1 (zh) * 2018-12-28 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 一种脊柱的成像方法以及超声成像系统
CN109767447B (zh) * 2019-01-04 2021-03-02 腾讯科技（深圳）有限公司 一种模板匹配方法、装置、设备及介质
CN109767447A (zh) * 2019-01-04 2019-05-17 腾讯科技（深圳）有限公司 一种模板匹配方法、装置、设备及介质
CN109886919A (zh) * 2019-01-14 2019-06-14 佛山市南海区广工大数控装备协同创新研究院 一种塑料胶管表面缺陷的检测方法及其系统
CN110852319A (zh) * 2019-11-08 2020-02-28 深圳市深视创新科技有限公司 快速通用型roi匹配方法
CN112801087A (zh) * 2019-11-13 2021-05-14 广东技术师范大学 一种基于自适应参数调整的智能卡表面字符识别的方法
CN111046960A (zh) * 2019-12-17 2020-04-21 湖北航天技术研究院总体设计所 一种异源图像分区匹配的方法
CN111046960B (zh) * 2019-12-17 2023-04-07 湖北航天技术研究院总体设计所 一种异源图像分区匹配的方法
CN111444964A (zh) * 2020-03-27 2020-07-24 江南大学 一种基于自适应roi划分的多目标快速图像匹配方法
CN111444964B (zh) * 2020-03-27 2023-08-08 江南大学 一种基于自适应roi划分的多目标快速图像匹配方法
CN112270329A (zh) * 2020-10-30 2021-01-26 北京华维国创电子科技有限公司 一种基于多层次算法融合的精准mark点采集和识别算法

Similar Documents

Publication Publication Date Title
CN107316315A (zh) 一种基于模板匹配的目标识别定位方法
Zhang et al. Ripple-GAN: Lane line detection with ripple lane line detection network and Wasserstein GAN
CN103886589B (zh) 面向目标的自动化高精度边缘提取方法
CN106296742B (zh) 一种结合特征点匹配的在线目标跟踪方法
US20160196467A1 (en) Three-Dimensional Face Recognition Device Based on Three Dimensional Point Cloud and Three-Dimensional Face Recognition Method Based on Three-Dimensional Point Cloud
CN107341517A (zh) 一种基于深度学习层级间特征融合的多尺度小物体检测方法
CN104867137B (zh) 一种基于改进ransac算法的图像配准方法
Dibeklioglu et al. 3D facial landmarking under expression, pose, and occlusion variations
CN102704215B (zh) 基于dst文件解析与机器视觉结合的绣布自动切割方法
CN102982323B (zh) 快速步态识别方法
CN103886285A (zh) 先验地理信息辅助下的光学遥感影像舰船检测方法
CN106529591A (zh) 一种基于改进的mser图像匹配算法
CN109740537B (zh) 人群视频图像中行人图像属性的精确标注方法及系统
CN1506903A (zh) 基于模板学习的自动指纹识别系统和方法
CN107230203A (zh) 基于人眼视觉注意机制的铸件缺陷识别方法
CN104182973A (zh) 基于圆形描述算子csift的图像复制粘贴检测方法
CN111460884A (zh) 基于人体跟踪的多人脸识别方法
CN104851095A (zh) 基于改进型形状上下文的工件图像稀疏立体匹配方法
CN109816051A (zh) 一种危化品货物特征点匹配方法及系统
CN110737788B (zh) 快速的三维模型索引建立及检索方法
CN109598261B (zh) 一种基于区域分割的三维人脸识别方法
CN111753690B (zh) 一种菜品托盘识别方法及基于该方法的菜品识别方法
CN116503733B (zh) 遥感图像目标检测方法、设备及存储介质
CN114926635B (zh) 与深度学习方法相结合的多焦图像中目标分割方法
CN115375891A (zh) 基于机器学习的文物碎片相似性识别及变换匹配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171103