CN111951211B - 一种目标检测方法、装置及计算机可读存储介质 - Google Patents
一种目标检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111951211B CN111951211B CN201910414474.3A CN201910414474A CN111951211B CN 111951211 B CN111951211 B CN 111951211B CN 201910414474 A CN201910414474 A CN 201910414474A CN 111951211 B CN111951211 B CN 111951211B
- Authority
- CN
- China
- Prior art keywords
- template
- point
- matching degree
- image
- feature point
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000036544 posture Effects 0.000 claims abstract description 21
- 230000000875 corresponding effect Effects 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 34
- 230000002596 correlated effect Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000015654 memory Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229920003169 water-soluble polymer Polymers 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标检测方法、装置及计算机可读存储介质。本发明提供的目标检测方法,获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;从待检测图像中提取图像特征点及其特征方向;针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度。本发明实施例提供的目标检测方法、装置及计算机可读存储介质,将变形率引入到匹配度的计算中,在目标发生形变的情况下,仍然能够实现较好的目标识别和定位的效果,提高目标检测结果的准确性和可靠性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种目标检测方法、装置及计算机可读存储介质。
背景技术
基于模板匹配的目标识别和定位一直以来都是一项关键的技术,该技术广泛应用于实际生产中的各个领域,如工厂自动化流水线上的工件位姿的自动识别、印刷品上印章、商标、邮戳等标志物的检测,等等。
例如,现有技术的一种基于模板匹配的目标检测方法,利用有向点集构造目标模型,基于有向点集和图像对应点的方向差别计算匹配度值。同时,该方法还利用金字塔建模的方法构造不同层级的目标模板,从而实现了对不同尺度目标的检测。
在实际应用中,待检测图像中的目标可能发生了变形。例如,当在高温空气中拍摄目标,或者在水下拍摄目标时,目标图像可能会发生形变。又例如,当目标的材质是橡胶、塑料等非刚性材料时,目标本身可能因为外力因素发生了形变,此时采集的目标图像也会发生形变。在目标发生了形变的应用场景中,现有技术的目标识别方法通常难以实现较好的目标识别和定位。
发明内容
本发明的至少一个实施例提供了一种目标检测方法及装置,用以在目标可能发生形变的情况下,提高目标检测结果的准确性和可靠性。
根据本发明实施例的一个方面,提供了一种目标检测方法,包括:
获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
从待检测图像中提取图像特征点及其特征方向;
针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度;
此外,根据本发明的至少一个实施例,计算第一候选模板在第一位置点的匹配度,包括:
基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;
遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;
根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度。
此外,根据本发明的至少一个实施例,在计算得到所述待检测图像中的每个待匹配的位置点的目标姿态和匹配度之后,还包括:
通过聚类算法,对所述每个待匹配的位置点的匹配度进行聚类处理,获得至少一个聚类中心点,将所述聚类中心点对应的匹配度和目标姿态,作为目标检测结果进行输出。
此外,根据本发明的至少一个实施例,查找所述第一候选模板上的每个模板特征点所对应的图像特征点的步骤,包括:
针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;
从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第一模板特征点对应的图像特征点。
此外,根据本发明的至少一个实施例,查找所述第一候选模板上的每个模板特征点所对应的图像特征点的步骤,包括:
针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;
从所述第二类图像特征点中选择出与所述第三模板特征点之间的距离最小的图像特征点,作为所述第三模板特征点对应的图像特征点。
此外,根据本发明的至少一个实施例,计算该第一模板特征点的局部匹配度的步骤,包括:
计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;
计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;
对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
此外,根据本发明的至少一个实施例,计算该第一模板特征点的全局匹配度的步骤,包括:
根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;
根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;
计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
此外,根据本发明的至少一个实施例,计算得到所述第一候选模板在所述第一位置点的匹配度的步骤,包括:
对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;
对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
根据本发明的另一方面,至少一个实施例提供了一种目标检测装置,包括:
模板获取单元,用于获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
特征提取单元,用于从待检测图像中提取图像特征点及其特征方向;
匹配度计算单元,用于针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度;
此外,根据本发明的至少一个实施例,所述匹配度计算模块,还用于在计算第一候选模板在第一位置点的匹配度时:基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度。
此外,根据本发明的至少一个实施例,所述匹配度计算单元包括第一查找单元或第二查找单元;其中,
所述第一查找单元,用于针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第一模板特征点对应的图像特征点;
所述第二查找单元,用于针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;从所述第二类图像特征点中选择出与所述第一模板特征点之间的距离最小的图像特征点,作为所述第一模板特征点对应的图像特征点。
此外,根据本发明的至少一个实施例,所述匹配度计算单元包括:
局部匹配度计算单元,用于计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
此外,根据本发明的至少一个实施例,所述匹配度计算单元还包括:
全局匹配度计算单元,用于根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
此外,根据本发明的至少一个实施例,所述匹配度计算单元还包括:
加权求和处理单元,用于对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;以及,对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
根据本发明实施例的另一方面,至少一个实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的目标检测方法的步骤。
与现有技术相比,本发明实施例提供的目标检测方法、装置及计算机可读存储介质,能够在目标发生形变的情况下,实现较好的目标识别和定位的效果,提高目标检测结果的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的目标检测方法的一种流程示意图;
图2为本发明实施例中构建候选模板的一个具体示例图;
图3为本发明实施例中计算候选模板在待匹配的位置点的匹配度的流程示意图;
图4为本发明实施例中查找模板特征点对应的图像特征点的一种示例图;
图5为本发明实施例的目标检测装置的一种结构示意图;
图6为本发明实施例的目标检测装置的另一结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例提供了一种基于模板匹配的目标检测方法,该方法适用于目标图像中存在遮挡、噪声、非线性光照和非均匀对比度变化的场景中,特别是在目标可能发生形变的场景下仍然能够取得较好的目标检测结果。
请参照图1,给出了本发明实施例提供的目标检测方法的一种流程示意图,该目标检测方法包括:
步骤11,获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态。
这里,可以根据待检测目标的可能的姿态种类,预先构建每个姿态对应的候选模板,例如,以目标的角度为例,可以将目标按照预定的角度步长进行旋转,获取不同角度下的目标模板图像,然后基于每个角度下的目标模板图像,构建对应角度的候选模板。本发明实施例所构建的候选模板,包括有从目标模板图像提取的特征点(为了便于描述,本文将候选模板中的特征点称为模板特征点)及该特征点的特征方向。
具体的,构建候选模板可以包括:1)提取目标模板图像上的特征点,具体可以包括边缘特征点和线性特征点等。2)提取特征点对应的特征方向,比如法向量方向。图2还给出了构造有向特征点集的一个示例图,其中示出了选取目标模板图像中的边缘特征点和直线特征点作为特征点的示例,图2中的箭头表示特征点的特征方向。3)针对所述目标的每个姿态,利用对应目标模板图像中提取的特征点及其方向,构造对应的候选模板,该候选模板可以通过一个有向特征点集进行表示,所述有向特征点集是多个特征点的集合,包括有每个特征点的坐标及其特征方向等参数。例如,某个姿态对应的候选模板,可以包括有一系列的特征点和对应的特征方向/>构成,这里,i=1,2……n,n表示该候选模板包含的特征点的数量;/>分别表示特定点pi在x和y轴方向的坐标,分别表示特定点pi的特征方向di在x和y轴方向的分量。
步骤12,从待检测图像中提取图像特征点及其特征方向。
这里,待检测图像是可能包含有所述目标的图像,从待检测图像中提取特征点(为了便于描述,本文将待检测图像中的特征点称为图像特征点)的方式,可以参考前文中提取目标模板图像中的模板特征点,例如,可以提取待检测图像中边缘特征点和/或直线特征点,作为所述图像特征点。
另外需要说明的是,本发明实施例可以采用现有技术的各种特征点的提取算法,从目标模板图像和待检测图像中提取特征点及其方向,本发明对此不做具体限定。
步骤13,针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度。
这里,本发明实施例通过对待检测图像进行目标检测,确定出所述候选模板在待检测图像中各个待匹配的位置点的姿态以及匹配度,选择出每个位置点处最大匹配度的候选模板,将所选择的候选模板在该位置点的匹配度以及对应的目标姿态,作为所述目标位于该位置点的匹配度和目标姿态。这里,匹配度反映了该位置点存在目标的可能性的大小。另外,待匹配的位置点可以是待检测图像上的每一个像素点,也可以是根据目标形状和大小,从待检测图像的所有像素点中选择出的可能存在该目标的部分像素点,本发明实施例对此不做具体限定。
为了能够对于目标变形的情况进行处理,本发明实施例引入了变形率这一参数,所述变形率用于表示目标发生变形的程度,且所述变形率是根据具体的应用场景预先设置的一个常数,该常数通常大于或等于0且小于或等于1。具体的,所述变形率可以根据目标的材质、硬度以及拍摄所述待检测图像的环境温度等条件进行设置。例如,所述目标的材质的刚性越大(越不易发生变形),所述变形率越小,反之,目标的材质的刚性越小(越易发生变形),所述变形率越大。类似的,所述目标的硬度越大则变形率越小,硬度越小则变形率越大;所述环境温度的变化可能会引起材质的变形程度发生变化。另外,环境温度的变化,也可能会影响到空气气流的变化,进而影响到镜头成像,导致目标图像发生扭曲,发生变形等等。另外,在所述目标为承载体上的印章、商标或邮戳等物体时,所述目标的材质或硬度,也可以是指所述承载体的材质或硬度。
本发明实施例中,可以根据所述目标的材质、硬度以及拍摄所述待检测图像时的环境温度等条件设置所述变形率,然后还可以根据实际检测过程的检测结果,对所述变形率进行调整,以使基于该变形率获得的检测结果更加接近于真实情况。
为了更好的理解上述步骤13中是如何进行匹配度计算的,下面结合图3作进一步说明。如图3所示,在计算某个候选模板(为了便于描述,将该候选模板称为第一候选模板)在待检测图像的某个待匹配的位置点(为了便于描述,将该位置点称为第一位置点)的匹配度时,具体可以包括以下步骤:
步骤131,基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点。
在引入变形率参数后,本发明实施例基于该变形率参数,在待检测图像的多个候选图像特征点中查找某个模板特征点所对应的图像特征点,从而使得某个模板特征点所对应的图像特征点,不再仅限于根据待检测图像和目标模板之间的位置关系所唯一确定的某个图像特征点,因此在目标发生形变的场景下也能够很好的对目标进行识别和定位。
如图4所示,现有技术通常在查找某个模板特征点对应的图像特征点时,是根据目标模板图像与待检测图像之间的坐标对应关系,唯一确定某个目标特征点所对应的图像特征点,例如,图4中的黑色实心圆点表示模板特征点,按照现有技术的坐标对应关系,每个目标特征点都存在与之唯一对应的一个图像特征点,如图4中的空心圆点所示。图4中通过一条虚线将一个实心圆点和一个空心圆点相连,表示按照现有技术的映射方式所确定的该目标特征点所对应的图像特征点。而在本发明实施例中,则是在一定区域内的图像特征点中去查找某个模板特征点所对应的图像特征点,如在图4中的虚线椭圆所示的区域中进行查找。
下面给出了查找对应的图像特征点的两种具体方式,本发明实施例并不局限于该两种方式。
方式一:
针对所述第一候选模板上的某个模板特征点(为了便于描述,将该模板特征点称为第二模板特征点,该第二模板特征点可以是所述第一候选模板的任一模板特征点),从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点的特征方向与所述第二模板特征点的特征方向之间的夹角小于第一门限,且所述第一类图像特征点与所述第二模板特征点之间的距离小于第二门限。然后,从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第二模板特征点对应的图像特征点。
其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关。例如,所述第一门限可以是360°*dr,这里,dr表示所述变形率。所述第二门限可以是L*dr,其中,L表示所述目标的最大长度(如所述目标的相对距离最远的两个像素点间的距离)。需要说明的是,以上门限的设置,仅为本发明实施例可以采用的一种示例,并不用于限定本发明。
方式二:
针对所述第一候选模板上的某个模板特征点(为了便于描述,将该模板特征点称为第三模板特征点,该第三模板特征点可以是所述第一候选模板的任一模板特征点),从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并且,所述第二类图像特征点的特征方向与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域。然后,从所述第二类图像特征点中选择出与所述第三模板特征点之间的距离最小的图像特征点,作为所述第三模板特征点对应的图像特征点。
其中,所述第三门限与所述变形率指示的变形程度正相关,具体可以采用前文所述第一门限类似的形式;所述第四门限与所述变形率指示的变形程度正相关,具体可以采用前文所述第二门限类似的形式。
步骤132,遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与该第一模板特征点所对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度。
这里,所述第一模板特征点可以是所述第一候选模板的任一模板特征点,计算该第一模板特征点的局部匹配度的步骤,具体可以包括:
1)计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关。
2)计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关。
3)对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
例如,所述局部匹配度ml,i的一种计算方式如下,需要说明的是,以下公式仅为本发明实施例可以采用的一种形式,并不用于限定本发明:
以上公式中,ml,i表示该模板特征点的局部匹配度;cpi,pi分别表示模板特征点与对应的图像特征点;cdi表示模板特征点cpi的特征方向;di表示图像特征点pi的特征方向;<di,cdi>表示向量点乘运算;‖di‖表示向量求模运算;D(pi,cpi)表示模板特征点cpi与对应的图像特征点pi之间的第一距离;Td()表示第一距离参数,其为第一距离的函数,且与所述第一距离负相关;cd,ca分别表示第一距离参数的权重和第一夹角参数的权重,该权重可以根据具体的应用场景设置,并可以基于目标检测的结果进行调整。具体的,Td()可以是一种归一化函数,且满足T(0)=1,T(Dt)=0,其中Dt为所述变形率定义的形变阈值,例如可以采用前文中的所述第二门限L*dr。
步骤133,根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度。
这里,计算该第一模板特征点的全局匹配度的步骤,具体可以包括:
1)根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的全局描述子(为了便于描述,将该全局描述子称为第一全局描述子),所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合。
2)根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的全局描述子(为了便于描述,将该全局描述子称为第二全局描述子),所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合。
3)计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
例如,模板特征点cdi的全局匹配度mg,i的一种计算方式如下,需要说明的是,以下公式仅为本发明实施例可以采用的一种形式,并不用于限定本发明:
以上公式中,和/>分别表示模板特征点及其对应的图像特征点各自的全局描述子;/>表示/>和/>之间的矢量距离,Tg(·)表示上述矢量距离的函数,且该函数与所述矢量距离负相关,具体的,Tg(·)可以是一种归一化函数。
上述模板特征点cdi的全局描述子用于描述模板特征点cdi与所述第一点集中的各个模板特征点之间的几何关系。上述图像特征点di的全局描述子/>用于描述图像特征点di与所述第二点集中的各个图像特征点之间的几何关系。全局描述子的一个具体实例为形状上下文特征,该特征对形变的情况具有鲁棒性。关于全局描述子的具体计算方式,可以参考现有技术的相关实现,本发明实施例对此不做具体限定。
步骤134,根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度。
计算得到所述第一候选模板在所述第一位置点的匹配度的步骤,具体可以包括:对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;然后,对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。以上计算方式可以用下面的公式表示,需要说明的是,以上计算方式仅为本发明实施例可以采用的一种形式,并不用于限定本发明:
以上公式中,m表示所述第一候选模板在所述第一位置点的匹配度;n表示第一候选模板中的模板特征点的数量;cl和cg表示局部匹配度和全局匹配度各自对应的预设权重,该权重可以根据具体的应用场景设置,并可以基于目标检测的结果进行调整。
通过以上步骤,可以针对待检测图像的每个待匹配的位置点,计算得到每个所述候选模板在该位置点的匹配度,然后确定出该位置点具有最大匹配度的候选模板,根据该具有最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度,从而可以生成每个位置点对应的目标姿态以及匹配度。由于在计算每个位置的目标姿态和匹配度时,引入了变形率参数,因此本发明实施例在目标发生形变的情况下,也能够很好地对目标进行识别和定位,可以提高目标检测的准确性和可靠性。
本发明实施例在上述步骤13中,可以计算得到所述待检测图像中的每个待匹配的位置点的目标姿态和匹配度,在此之后,本发明实施例还可以通过后处理方法,确定出所述目标的定位结果和姿态并进行输出,例如,可以通过聚类算法,对所述每个待匹配的位置点的匹配度进行聚类处理,获得至少一个聚类中心点,将所述聚类中心点对应的匹配度和目标姿态,作为目标检测结果进行输出。
基于以上方法,本发明实施例还提供了实施上述方法的装置,请参考图5,本发明实施例提供的目标检测装置500,该目标检测装置500可以应用于包括目标发生形变的场景中,均能够获得较好的目标检测结果。如图5所示,该目标检测装置500具体包括:
模板获取单元501,用于获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
特征提取单元502,用于从待检测图像中提取图像特征点及其特征方向;
匹配度计算单元503,用于针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度;
根据本发明的至少一个实施例,所述匹配度计算模块503,还用于在计算第一候选模板在第一位置点的匹配度时:基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度。
根据本发明的至少一个实施例,所述目标检测装置500还包括以下单元:
后处理单元(图5中未示出),用于对所述每个待匹配的位置点的匹配度进行聚类处理,获得至少一个聚类中心点,将所述聚类中心点对应的匹配度和目标姿态,作为目标检测结果进行输出。
根据本发明的至少一个实施例,所述匹配度计算单元可以包括第一查找单元或第二查找单元;其中,
所述第一查找单元,用于针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第二模板特征点对应的图像特征点;
所述第二查找单元,用于针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;从所述第二类图像特征点中选择出与所述第一模板特征点之间的距离最小的图像特征点,作为所述第一模板特征点对应的图像特征点。根据本发明的至少一个实施例,所述匹配度计算单元还可以包括:
局部匹配度计算单元,用于计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
根据本发明的至少一个实施例,所述匹配度计算单元还可以包括:
全局匹配度计算单元,用于根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。根据本发明的至少一个实施例,所述匹配度计算单元还可以包括:
加权求和处理单元,用于对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;以及,对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
通过以上单元,本发明实施例的目标检测装置500,将变形率参数引入到匹配度的计算过程中,提高了目标检测对目标形变的鲁棒性,能够获得更好的目标检测结果。
请参考图6,本发明实施例还提供了目标检测装置的一种硬件结构框图,如图6所示,该目标检测装置600包括:
处理器602;和
存储器604,在所述存储器604中存储有计算机程序指令,
其中,在所述计算机程序指令被所述处理器运行时,使得所述处理器602执行以下步骤:
获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
从待检测图像中提取图像特征点及其特征方向;
针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度。
进一步地,如图6所示,该目标检测装置600还可以包括网络接口601、输入设备603、硬盘605、和显示设备606。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是包括任意数量的互联的总线和桥。具体由处理器602代表的一个或者多个中央处理器(CPU),以及由存储器604代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解,总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外,还包括电源总线、控制总线和状态信号总线,这些都是本领域所公知的,因此本文不再对其进行详细描述。
所述网络接口601,可以连接至网络(如因特网、局域网等),从网络中接收候选模板和/或待检测图像等数据,并可以将接收到的数据保存在硬盘605中。
所述输入设备603,可以接收操作人员输入的各种指令,并发送给处理器602以供执行。所述输入设备603可以包括键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等)。
所述显示设备606,可以将处理器602执行指令获得的结果进行显示,例如显示最终检测出的目标的姿态和位置等。
所述存储器604,用于存储操作系统运行所必须的程序和数据,以及处理器602计算过程中的中间结果等数据。
可以理解,本发明实施例中的存储器604可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。本文描述的装置和方法的存储器604旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器604存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统6041和应用程序6042。
其中,操作系统6041,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序6042,包含各种应用程序,例如浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序6042中。
本发明上述实施例揭示的方法可以应用于处理器602中,或者由处理器602实现。处理器602可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器602中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器602可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器604,处理器602读取存储器604中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:在计算第一候选模板在第一位置点的匹配度时,基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
在计算得到所述待检测图像中的每个待匹配的位置点的目标姿态和匹配度之后,通过聚类算法,对所述每个待匹配的位置点的匹配度进行聚类处理,获得至少一个聚类中心点,将所述聚类中心点对应的匹配度和目标姿态,作为目标检测结果进行输出。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;
从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第二模板特征点对应的图像特征点。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;
从所述第二类图像特征点中选择出与所述第三模板特征点之间的距离最小的图像特征点,作为所述第三模板特征点对应的图像特征点。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;
计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;
对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;
根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;
计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
具体地,所述计算机程序被处理器602执行时还可实现如下步骤:
对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;
对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独的物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的目标检测方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁盘或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种目标检测方法,其特征在于,包括:
获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
从待检测图像中提取图像特征点及其特征方向;
针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度;
其中,计算第一候选模板在第一位置点的匹配度,包括:
基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;
遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;
根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度;
查找所述第一候选模板上的每个模板特征点所对应的图像特征点的步骤,包括:
针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第二模板特征点对应的图像特征点;
或者,针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;从所述第二类图像特征点中选择出与所述第三模板特征点之间的距离最小的图像特征点,作为所述第三模板特征点对应的图像特征点。
2.如权利要求1所述的方法,其特征在于,在计算得到所述待检测图像中的每个待匹配的位置点的目标姿态和匹配度之后,还包括:
通过聚类算法,对所述每个待匹配的位置点的匹配度进行聚类处理,获得至少一个聚类中心点,将所述聚类中心点对应的匹配度和目标姿态,作为目标检测结果进行输出。
3.如权利要求1所述的方法,其特征在于,计算该第一模板特征点的局部匹配度的步骤,包括:
计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;
计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;
对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
4.如权利要求1所述的方法,其特征在于,计算该第一模板特征点的全局匹配度的步骤,包括:
根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;
根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;
计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
5.如权利要求1所述的方法,其特征在于,计算得到所述第一候选模板在所述第一位置点的匹配度的步骤,包括:
对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;
对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
6.一种目标检测装置,其特征在于,包括:
模板获取单元,用于获取多个候选模板,每个候选模板包括有多个模板特征点及其特征方向,不同的候选模板对应于不同的目标姿态;
特征提取单元,用于从待检测图像中提取图像特征点及其特征方向;
匹配度计算单元,用于针对所述待检测图像中的每个待匹配的位置点,分别计算得到每个所述候选模板在该位置点的匹配度,并将最大匹配度的候选模板的目标姿态以及匹配度,作为所述目标位于该位置点的目标姿态和匹配度;
其中,所述匹配度计算模块,还用于在计算第一候选模板在第一位置点的匹配度时:基于预设变形率、特征点间的方向和距离,查找所述第一候选模板上的每个模板特征点所对应的图像特征点;遍历所述第一候选模板上的每个模板特征点,针对当前遍历的第一模板特征点,根据该第一模板特征点与对应的第一图像特征点的几何相似性,计算该第一模板特征点的局部匹配度;根据该第一模板特征点的全局描述子与第一图像特征点的全局描述子之间的相似性,计算该第一模板特征点的全局匹配度;根据所述第一候选模板的每个模板特征点的局部匹配度和全局匹配度,计算得到所述第一候选模板在所述第一位置点的匹配度;
所述匹配度计算单元包括第一查找单元或第二查找单元;其中,
所述第一查找单元,用于针对所述第一候选模板上的第二模板特征点,从所述图像特征点中筛选出第一类图像特征点,所述第一类图像特征点与所述第二模板特征点的特征方向之间的夹角小于第一门限,且与所述第二模板特征点之间的距离小于第二门限,其中,所述第一门限与所述变形率指示的变形程度正相关,所述第二门限与所述变形率指示的变形程度正相关;从所述第一类图像特征点中选择出梯度值最大的图像特征点,作为所述第二模板特征点对应的图像特征点;
所述第二查找单元,用于针对所述第一候选模板上的第三模板特征点,从所述图像特征点中筛选出第二类图像特征点,所述第二类图像特征点的梯度值大于一梯度阈值,且位于第一区域内,并与所述第三模板特征点的特征方向之间的夹角小于第三门限,所述第一区域是与所述第三模板特征点之间的距离小于第四门限的区域;其中,所述第三门限与所述变形率指示的变形程度正相关,所述第四门限与所述变形率指示的变形程度正相关;从所述第二类图像特征点中选择出与所述第一模板特征点之间的距离最小的图像特征点,作为所述第一模板特征点对应的图像特征点。
7.如权利要求6所述的目标检测装置,其特征在于,所述匹配度计算单元包括:
局部匹配度计算单元,用于计算该第一模板特征点与第一图像特征点之间的第一距离,生成第一距离参数,所述第一距离参数与所述第一距离负相关;计算第一模板特征点与第一图像特征点的特征方向之间的第一夹角,生成第一夹角参数,所述第一夹角参数与所述第一夹角负相关;对所述第一距离参数和第一夹角参数进行加权求和,得到该第一模板特征点的局部匹配度。
8.如权利要求7所述的目标检测装置,其特征在于,所述匹配度计算单元还包括:
全局匹配度计算单元,用于根据该第一模板特征点与第一点集的各个点之间的几何关系,生成该第一模板特征点的第一全局描述子,所述第一点集为第一候选模板中除该第一模板特征点外的剩余模板特征点的集合;根据该第一图像特征点与第二点集的各个点之间的几何关系,生成该第一图像特征点的第二全局描述子,所述第二点集为所述第一点集中的各个模板特征点对应的图像特征点的集合;计算所述第一全局描述子与第二全局描述子之间的矢量距离,并根据所述矢量距离计算得到该第一模板特征点的全局匹配度,其中,该第一模板特征点的全局匹配度与所述矢量距离负相关。
9.如权利要求6所述的目标检测装置,其特征在于,所述匹配度计算单元还包括:
加权求和处理单元,用于对每个模板特征点的局部匹配度和全局匹配度进行加权求和,得到该模板特征点的匹配度参数;以及,对所述第一候选模板的各个模板特征点的匹配度参数求平均值,得到所述第一候选模板在所述第一位置点的匹配度。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的目标检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910414474.3A CN111951211B (zh) | 2019-05-17 | 2019-05-17 | 一种目标检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910414474.3A CN111951211B (zh) | 2019-05-17 | 2019-05-17 | 一种目标检测方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951211A CN111951211A (zh) | 2020-11-17 |
CN111951211B true CN111951211B (zh) | 2024-05-14 |
Family
ID=73336795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910414474.3A Active CN111951211B (zh) | 2019-05-17 | 2019-05-17 | 一种目标检测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951211B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240739B (zh) * | 2021-04-29 | 2023-08-11 | 三一重机有限公司 | 一种挖掘机、属具的位姿检测方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770583A (zh) * | 2010-01-15 | 2010-07-07 | 华中科技大学 | 一种基于场景全局特征的模板匹配方法 |
CN106203342A (zh) * | 2016-07-01 | 2016-12-07 | 广东技术师范学院 | 基于多角度局部特征匹配的目标识别方法 |
CN107067413A (zh) * | 2016-12-27 | 2017-08-18 | 南京理工大学 | 一种时空域统计匹配局部特征的运动目标检测方法 |
CN107330917A (zh) * | 2017-06-23 | 2017-11-07 | 歌尔股份有限公司 | 移动目标的跟踪拍摄方法和跟踪设备 |
WO2017193596A1 (zh) * | 2016-05-13 | 2017-11-16 | 广州视源电子科技股份有限公司 | 印制电路板图像匹配方法和系统 |
CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达(北京)科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
-
2019
- 2019-05-17 CN CN201910414474.3A patent/CN111951211B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770583A (zh) * | 2010-01-15 | 2010-07-07 | 华中科技大学 | 一种基于场景全局特征的模板匹配方法 |
WO2017193596A1 (zh) * | 2016-05-13 | 2017-11-16 | 广州视源电子科技股份有限公司 | 印制电路板图像匹配方法和系统 |
CN106203342A (zh) * | 2016-07-01 | 2016-12-07 | 广东技术师范学院 | 基于多角度局部特征匹配的目标识别方法 |
CN107067413A (zh) * | 2016-12-27 | 2017-08-18 | 南京理工大学 | 一种时空域统计匹配局部特征的运动目标检测方法 |
CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达(北京)科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
CN107330917A (zh) * | 2017-06-23 | 2017-11-07 | 歌尔股份有限公司 | 移动目标的跟踪拍摄方法和跟踪设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111951211A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961009B (zh) | 基于深度学习的行人检测方法、系统、装置及存储介质 | |
CN108875522B (zh) | 人脸聚类方法、装置和系统及存储介质 | |
Jiang et al. | Multiscale locality and rank preservation for robust feature matching of remote sensing images | |
TWI601097B (zh) | 將影像特徵與參考特徵相匹配之方法及其所用積體電路 | |
Fan et al. | Registration of optical and SAR satellite images by exploring the spatial relationship of the improved SIFT | |
Song et al. | A novel image registration algorithm for remote sensing under affine transformation | |
JP5563494B2 (ja) | 対応参照画像検索装置及び方法、コンテンツ重畳装置、システム、及び方法、並びにコンピュータプログラム | |
JP5487970B2 (ja) | 特徴点配置照合装置及び画像照合装置、その方法及びプログラム | |
US20110311100A1 (en) | Method, Apparatus and Computer Program Product for Providing Object Tracking Using Template Switching and Feature Adaptation | |
CN110348454A (zh) | 匹配局部图像特征描述符 | |
Meng et al. | A feature point matching based on spatial order constraints bilateral-neighbor vote | |
US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
CN111783770A (zh) | 图像的矫正方法、装置和计算机可读存储介质 | |
Paral et al. | OPTICS-based template matching for vision sensor-based shoe detection in human–robot coexisting environments | |
WO2019100348A1 (zh) | 图像检索方法和装置以及图像库的生成方法和装置 | |
CN105447869A (zh) | 基于粒子群优化算法的摄像机自标定方法及装置 | |
CN111951211B (zh) | 一种目标检测方法、装置及计算机可读存储介质 | |
CN112102404B (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
Zhao et al. | Learning probabilistic coordinate fields for robust correspondences | |
Mu et al. | Finding autofocus region in low contrast surveillance images using CNN-based saliency algorithm | |
CN116091998A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112750164B (zh) | 轻量化定位模型的构建方法、定位方法、电子设备 | |
CN116048682A (zh) | 一种终端系统界面布局对比方法及电子设备 | |
WO2015086076A1 (en) | Method for determining a similarity value between a first image and a second image | |
CN108133206B (zh) | 静态手势识别方法、装置及可读存储介质 |
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 |