CN111709917A - 基于标注的形状匹配算法 - Google Patents

基于标注的形状匹配算法 Download PDF

Info

Publication number
CN111709917A
CN111709917A CN202010483632.3A CN202010483632A CN111709917A CN 111709917 A CN111709917 A CN 111709917A CN 202010483632 A CN202010483632 A CN 202010483632A CN 111709917 A CN111709917 A CN 111709917A
Authority
CN
China
Prior art keywords
template
matching
point
score
picture
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.)
Granted
Application number
CN202010483632.3A
Other languages
English (en)
Other versions
CN111709917B (zh
Inventor
许琦
王立军
朱天同
潘勇
莫仲念
刘飞月
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.)
Shenzhen Deepvision Creative Technology Ltd
Original Assignee
Shenzhen Deepvision Creative Technology Ltd
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 Shenzhen Deepvision Creative Technology Ltd filed Critical Shenzhen Deepvision Creative Technology Ltd
Priority to CN202010483632.3A priority Critical patent/CN111709917B/zh
Publication of CN111709917A publication Critical patent/CN111709917A/zh
Application granted granted Critical
Publication of CN111709917B publication Critical patent/CN111709917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于标注的形状匹配算法，包括：人工在标准图片中标注出关键区域；从标准图片上建立模型，得到模型点集；遍历模型点集，根据每个模板点到标注区域的距离，计算其权重系数；在实际图片上滑动匹配，在每个位置计算模板和图片之间的匹配得分，并保存结果；对上一步的结果进行非极大值抑制，得到一组局部得分最高的位置及其匹配分数；根据分数阈值对上一步的结果进行过滤，得到最终匹配结果。本发明在标准图片上手工标注出需要建立模板的区域，在整个标准图片中计算梯度值和梯度方向并抽取出模板点，然后根据模板点距离标注区域的远近对其进行权重打分，对于距离超过阈值的模板点做排除处理，以达到凸出重点区域、避免噪声干扰的目的。

Description

基于标注的形状匹配算法
技术领域
本发明涉及视觉检测领域，特别涉及一种基于标注的形状匹配算法。
背景技术
在工业机器视觉领域，经常需要定位图片中一个物品或物品的一个部分，常见的算法是从标准图片建立模板，然后在后续的图片中搜索这个模板，以实现目标定位、姿态估计、缺陷检测等功能，由此可见模板匹配是工业机器视觉的一个基础功能。
模板匹配的具体做法有很多种：灰度值相似度、边缘均方距离、广义霍夫变换、几何哈希、形状匹配等等。这些算法被广泛研究和应用，使用中发现它们各有问题，其中灰度值相似度算法对光照变化敏感、广义霍夫变换速度慢并且对遮挡和扭曲敏感、几何哈希法在复杂场景下效率低下，相比较而言，形状匹配算法较为高效、鲁邦，实际应用中也被广泛接受，但是它也有缺点：标准图中的所有边缘都将被纳入模板，不仅没有侧重关键位置，而且会包含标准图中的一些噪声，这些缺点会导致匹配效率低下，甚至匹配错误。
发明内容
本发明提供了一种基于标注的形状匹配算法，以解决至少一个上述技术问题。
为解决上述问题，作为本发明的一个方面，提供了一种基于标注的形状匹配算法，包括：
步骤1，人工在标准图片中标注出关键区域；
步骤2，从标准图片上建立模型，得到模型点集；
步骤3，遍历模型点集，根据每个模板点到标注区域的距离，计算其权重系数，在区域内的权重系数为1，在区域外的，权重系数为0到1之间的小数，距离超过阈值的，权重系数为0；
步骤4，在实际图片上滑动匹配，在每个位置计算模板和图片之间的匹配得分，并保存结果；
步骤5，对上一步的结果进行非极大值抑制，得到一组局部得分最高的位置及其匹配分数；
步骤6，根据分数阈值对上一步的结果进行过滤，得到最终匹配结果。
优选地，步骤4通过下列各式计算匹配得分：
Figure BDA0002518082710000021
Sj＝SAj*SVj*Wj
SAj＝angle_sub/180
Figure BDA0002518082710000022
Figure BDA0002518082710000023
其中，S是整体匹配得分，Sj是单个模板点的匹配得分，即整体匹配得分是所有模板点匹配得分的平均值。
SAj是该模板点梯度方向角度得分，SVj是该模板点梯度值得分，Wj是该点权重；
angle_sub是该模板点的梯度方向角度与实际图片上对应点的梯度方向角度之间的差值；
GradValj是该模板点在实际图片上对应点的梯度值，StdCradValj是该模板点的梯度值；
distj是该模板点到标注区域的最近距离，thDist是距离阈值。
由于采用了上述技术方案，本发明从使用者从实际需求出发，在标准图片上手工标注出需要建立模板的区域，算法在整个标准图片中计算梯度值和梯度方向并抽取出模板点，然后根据模板点距离标注区域的远近对其进行权重打分，对于距离超过阈值的模板点做排除处理，以达到凸出重点区域、避免噪声干扰的目的。
附图说明
图1示意性地示出了标准图片；
图2示意性地示出了使用者标注后的模板图；
图3示意性地示出了算法运行结果(匹配结果右侧的小字体数字是整体匹配距离)。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明提供了一种基于标注的形状匹配算法，包括以下步骤：
步骤1：使用者在标准图片中标注出关键区域；
步骤2：从标准图片上建立模型，得到模型点集；
步骤3：遍历模型点集，根据每个模板点到标注区域的距离，计算其权重系数，在区域内的权重系数为1，在区域外的，权重系数为0到1之间的小数，距离超过阈值thDist的，权重系数为0(实际排除出模板)
步骤4：在实际图片上滑动匹配，在每个位置计算模板和图片之间的匹配得分，并保存结果；
步骤5：对上一步的结果进行非极大值抑制，得到一组局部得分最高的位置及其匹配分数；
步骤6：根据分数阈值对上一步的结果进行过滤，得到最终匹配结果
其中，关于步骤4中匹配得分的计算，公式栈如下：
Figure BDA0002518082710000041
Sj＝SAj*SVj*Wj 式(2)
SAj＝angle_sub/180 式(3)
Figure BDA0002518082710000042
Figure BDA0002518082710000043
其中，式(1)中，S是整体匹配得分，Sj是单个模板点的匹配得分，即整体匹配得分是所有模板点匹配得分的平均值。
式(2)中，SAj是该模板点梯度方向角度得分，SVj是该模板点梯度值得分，Wj是该点权重。
式(3)中，angle_sub是该模板点的梯度方向角度与实际图片上对应点的梯度方向角度之间的差值。
式(4)中，GradVａlj是该模板点在实际图片上对应点的梯度值，StdGradValj是该模板点的梯度值。
式(5)中，distj是该模板点到标注区域的最近距离，thDist是距离阈值。
由于采用了上述技术方案，本发明从使用者从实际需求出发，在标准图片上手工标注出需要建立模板的区域，算法在整个标准图片中计算梯度值和梯度方向并抽取出模板点，然后根据模板点距离标注区域的远近对其进行权重打分，对于距离超过阈值的模板点做排除处理，以达到凸出重点区域、避免噪声干扰的目的。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于标注的形状匹配算法，其特征在于，包括：
步骤1，人工在标准图片中标注出关键区域；
步骤2，从标准图片上建立模型，得到模型点集；
步骤3，遍历模型点集，根据每个模板点到标注区域的距离，计算其权重系数，在区域内的权重系数为1，在区域外的，权重系数为0到1之间的小数，距离超过阈值的，权重系数为0；
步骤4，在实际图片上滑动匹配，在每个位置计算模板和图片之间的匹配得分，并保存结果；
步骤5，对上一步的结果进行非极大值抑制，得到一组局部得分最高的位置及其匹配分数；
步骤6，根据分数阈值对上一步的结果进行过滤，得到最终匹配结果。
2.根据权利要求1所述的基于标注的形状算法，其特征在于，步骤4通过下列各式计算匹配得分：
Figure FDA0002518082700000011
Sj＝SAj*SVj*Wj
SAj＝angle_sub/180
Figure FDA0002518082700000012
Figure FDA0002518082700000013
其中，S是整体匹配得分，Sj是单个模板点的匹配得分，即整体匹配得分是所有模板点匹配得分的平均值。
SAj是该模板点梯度方向角度得分，SVj是该模板点梯度值得分，Wj是该点权重；
angle_sub是该模板点的梯度方向角度与实际图片上对应点的梯度方向角度之间的差值；
GradValj是该模板点在实际图片上对应点的梯度值，StdGradValj是该模板点的梯度值；
distj是该模板点到标注区域的最近距离，thDist是距离阈值。
CN202010483632.3A 2020-06-01 2020-06-01 基于标注的形状匹配算法 Active CN111709917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010483632.3A CN111709917B (zh) 2020-06-01 2020-06-01 基于标注的形状匹配算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010483632.3A CN111709917B (zh) 2020-06-01 2020-06-01 基于标注的形状匹配算法

Publications (2)

Publication Number Publication Date
CN111709917A true CN111709917A (zh) 2020-09-25
CN111709917B CN111709917B (zh) 2023-08-22

Family

ID=72537419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010483632.3A Active CN111709917B (zh) 2020-06-01 2020-06-01 基于标注的形状匹配算法

Country Status (1)

Country Link
CN (1) CN111709917B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050147303A1 (en) * 2003-11-19 2005-07-07 Xiang Sean Zhou System and method for detecting and matching anatomical stuctures using appearance and shape
US20130022233A1 (en) * 2011-07-22 2013-01-24 Honeywell International Inc. Identifying true feature matches for vision based navigation
CN103093461A (zh) * 2013-01-14 2013-05-08 大连理工大学 一种基于度量信息的形状匹配方法
US20130182961A1 (en) * 2012-01-16 2013-07-18 Hiok Nam Tay Auto-focus image system
CN104951743A (zh) * 2015-03-04 2015-09-30 苏州大学 基于主动形状模型算法分析人脸表情的方法
CN105513064A (zh) * 2015-12-03 2016-04-20 浙江万里学院 一种基于图像分割和自适应权重的立体匹配方法
CN107392215A (zh) * 2017-08-02 2017-11-24 焦点科技股份有限公司 一种基于sift算法的重图检测方法
CN107886496A (zh) * 2017-09-30 2018-04-06 北京得华机器人技术研究院有限公司 一种基于形状匹配的汽车零配件的质量检测方法
CN108510510A (zh) * 2017-02-24 2018-09-07 南宁市富久信息技术有限公司 基于梯度方向的图像边缘检测方法
CN109409395A (zh) * 2018-07-29 2019-03-01 国网上海市电力公司 在电力监控中采用模板匹配法识别目标物体区域电气符号的方法
KR101981773B1 (ko) * 2018-01-03 2019-05-27 경북대학교 산학협력단 그래디언트의 적응적 가중에 기반한 에지 위치 결정 장치 및 방법
CN109949338A (zh) * 2019-02-20 2019-06-28 博雅工道（北京）机器人科技有限公司 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法
CN109978898A (zh) * 2019-02-01 2019-07-05 广西科技大学 基于矢量场能量计算的轮廓检测方法
CN110390137A (zh) * 2019-06-24 2019-10-29 浙江大学 一种针对机械零件三维注册的链状特征提取匹配方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050147303A1 (en) * 2003-11-19 2005-07-07 Xiang Sean Zhou System and method for detecting and matching anatomical stuctures using appearance and shape
US20130022233A1 (en) * 2011-07-22 2013-01-24 Honeywell International Inc. Identifying true feature matches for vision based navigation
US20130182961A1 (en) * 2012-01-16 2013-07-18 Hiok Nam Tay Auto-focus image system
CN103093461A (zh) * 2013-01-14 2013-05-08 大连理工大学 一种基于度量信息的形状匹配方法
CN104951743A (zh) * 2015-03-04 2015-09-30 苏州大学 基于主动形状模型算法分析人脸表情的方法
CN105513064A (zh) * 2015-12-03 2016-04-20 浙江万里学院 一种基于图像分割和自适应权重的立体匹配方法
CN108510510A (zh) * 2017-02-24 2018-09-07 南宁市富久信息技术有限公司 基于梯度方向的图像边缘检测方法
CN107392215A (zh) * 2017-08-02 2017-11-24 焦点科技股份有限公司 一种基于sift算法的重图检测方法
CN107886496A (zh) * 2017-09-30 2018-04-06 北京得华机器人技术研究院有限公司 一种基于形状匹配的汽车零配件的质量检测方法
KR101981773B1 (ko) * 2018-01-03 2019-05-27 경북대학교 산학협력단 그래디언트의 적응적 가중에 기반한 에지 위치 결정 장치 및 방법
CN109409395A (zh) * 2018-07-29 2019-03-01 国网上海市电力公司 在电力监控中采用模板匹配法识别目标物体区域电气符号的方法
CN109978898A (zh) * 2019-02-01 2019-07-05 广西科技大学 基于矢量场能量计算的轮廓检测方法
CN109949338A (zh) * 2019-02-20 2019-06-28 博雅工道（北京）机器人科技有限公司 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法
CN110390137A (zh) * 2019-06-24 2019-10-29 浙江大学 一种针对机械零件三维注册的链状特征提取匹配方法

Also Published As

Publication number Publication date
CN111709917B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN110363047B (zh) 人脸识别的方法、装置、电子设备和存储介质
US11636604B2 (en) Edge detection method and device, electronic equipment, and computer-readable storage medium
CN107563377A (zh) 一种利用边缘和文字区域的证件关键区域检测定位方法
CN110546651B (zh) 用于识别对象的方法、系统和计算机可读介质
US9916513B2 (en) Method for processing image and computer-readable non-transitory recording medium storing program
WO2017193414A1 (zh) 一种基于转弯半径的图像角点检测方法
JP2015036992A (ja) 文字のストロークを保護しながら、文書画像中の下線およびテーブルラインを除去する方法
WO2015066984A1 (zh) 一种面向复杂背景的光学字符识别方法及装置
CN108647597B (zh) 一种手腕识别方法、手势识别方法、装置和电子设备
CN104866854B (zh) 基于同底三角形面积描述的目标识别和形状检索方法
CN111914832B (zh) 一种rgb-d相机在动态场景下的slam方法
US9858471B2 (en) Identification apparatus and authentication system
CN107358189A (zh) 一种基于多视目标提取的室内环境下物体检测方法
CN111108515B (zh) 图片目标点纠正方法、装置设备及存储介质
Bui et al. Road area detection based on texture orientations estimation and vanishing point detection
CN112926516A (zh) 一种鲁棒的手指静脉图像感兴趣区域提取方法
CN111709917A (zh) 基于标注的形状匹配算法
CN110070490A (zh) 图像拼接方法和装置
CN106650719B (zh) 识别图片文字的方法及装置
Lin et al. A fast shape context matching using indexing
Liu et al. Detection of geometric shape for traffic lane and mark
CN113192095A (zh) 一种基于平行四边形对角线的角点检测方法
CN111275693A (zh) 一种图像中物体的计数方法、计数装置及可读存储介质
CN112561939B (zh) 一种图像轮廓模板的检索方法、装置、设备和介质
Vicente et al. Objects recognition by means of projective invariants considering corner-points

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
GR01 Patent grant
GR01 Patent grant